[发明专利]基于车底阴影定位车牌的道路救援装备正方位诱导方法有效
申请号: | 201810915174.9 | 申请日: | 2018-08-13 |
公开(公告)号: | CN109145797B | 公开(公告)日: | 2021-06-25 |
发明(设计)人: | 李旭;金鹏;郑智勇 | 申请(专利权)人: | 东南大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34;G06K9/32;G06K9/46 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 王安琪 |
地址: | 211100 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 车底 阴影 定位 车牌 道路 救援 装备 方位 诱导 方法 | ||
1.基于车底阴影定位车牌的道路救援装备正方位诱导方法,其特征在于,包括如下步骤:
(1)确定车底阴影感兴趣区域;首先设采集的事故车辆所在的后方作业区域彩色图像为图像I0,并对图像I0进行复制,得到彩色图像I′0;然后截取图像I0的下方1/2区域,得到车底阴影感兴趣区域图像,并将车底阴影感兴趣区域图像转变为灰度图像I1;另外,定义整体图像坐标系OXY为:其坐标原点与原始图像I0的左上角顶点一致,OX轴沿图像水平向右,OY轴沿图像垂直向下;
(2)车底阴影分割;采用两次自适应阈值分割法,对步骤(1)中得到灰度图像I1进行车底阴影分割,得到分割后的图像I2,具体步骤如下:
(2.1)根据第一次自适应阈值计算公式,计算第一次自适应阈值th1;并根据阈值th1,在图像I1中筛选出灰度值小于th1的图像点,设这些图像点组成的点集为α;第一次自适应阈值计算公式如下:
th1=μ1-σ1/μ1
其中,μ1、σ1为图像I1的灰度均值和方差,th1为第一次自适应阈值;
(2.2)根据第二次自适应阈值计算公式,计算第二次自适应阈值th2;并根据阈值th2,对图像I1进行二值化处理:灰度值小于th2的图像点的灰度值置为255,其他图像点的灰度值置零,从而得到图像I2;第二次自适应阈值计算公式如下:
th2=μ2-σ2/μ2
其中,μ2、σ2为点集α的灰度均值和方差,th2为第二次自适应阈值;
(3)车底阴影提取;对步骤(2)中得到的图像I2进行车底阴影提取操作,得到车底阴影有效区域β及其位置信息,具体步骤为:
(3.1)选取5×5大小的矩形结构元素,对图像I2进行开运算,从而得到M个连通区域Am,m=1,2,3…,M,m表示连通区域Am的序号,M为连通区域Am的总数;
(3.2)根据车底阴影的面积特征,对M个连通区域Am进行筛选,m=1,2,3…,M,得到N个车底阴影候选区域Bn,n=1,2,3…,N,n表示车底阴影候选区域Bn的序号,N为车底阴影候选区域的总数;然后根据车底阴影的长度特征,对N个车底阴影候选区域Bn进行筛选,从而得到车底阴影有效区域β及其位置信息,n=1,2,3…,N,具体子步骤如下:
(3.2.1)初始化m=1,n=0;
(3.2.2)若连通区域Am满足条件:则进入子步骤(3.2.3),否则进入子步骤(3.2.4),其中,表示连通区域Am的面积,Sth表示区域Am的面积阈值;
(3.2.3)将n值增1,并将Am判定为车底阴影候选区域Bn,然后求取区域Bn的长进入子步骤(3.2.4),其中分别是车底阴影候选区域Bn中图像点相对于整体图像坐标系OXY的横坐标的最大值和最小值;
(3.2.4)若m<M,将m增1,并重新开始子步骤(3.2.2);否则令N=n,进入子步骤(3.2.5);
(3.2.5)若N≠0,在N个车底阴影候选区域Bn的长度中筛选出长度最大值1≤nmax≤N,将对应的车底阴影候选区域Bnmax作为车底阴影有效区域β,并得到车底阴影有效区域相对于整体图像坐标系OXY的横坐标最小值xmin、横坐标最大值xmax、纵坐标最小值ymin以及纵坐标最大值ymax;若N为0,继续执行步骤(4);
(4)确定车牌感兴趣区域及图像预处理;
(5)候选点集与有效点集的确定;
(6)车牌定位;
(7)实施拖牵诱导。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810915174.9/1.html,转载请声明来源钻瓜专利网。