[发明专利]基于无人飞行器图像的地面无人车辆视觉道路检测方法

权利要求书

1.一种基于无人飞行器图像的地面无人车辆视觉道路检测方法，其特征在于，包括以下步骤：

步骤1、分别提取车载道路图像和航拍道路图像的超像素特征，制作车载道路图像检测模型训练集和航拍图像道路检测模型训练集；

步骤2、利用车载道路图像检测模型训练集和航拍图像道路检测模型训练集训练SVM模型，分别得到车载图像道路检测模型和航拍图像道路检测模型；

步骤3、设定无人车、无人机的共同兴趣区域，分别在原始车载道路图像和航拍道路图像中生成相应的共同兴趣区域图像；

步骤4、对共同兴趣区域图像进行道路检测与图像融合，获得融合后的道路检测结果图像。

2.根据权利要求1所述的基于无人飞行器图像的地面无人车辆视觉道路检测方法，其特征在于，制作车载道路图像检测模型训练集和航拍图像道路检测模型训练集的具体方法为：

使用线性迭代聚类将车载道路图像和航拍道路图像分割为超像素单元；

以超像素为单位构建特征向量；

将道路超像素标注为1，非路超像素标注为0；

由超像素的特征向量以及相应的标注信息构成训练集的训练数据。

3.根据权利要求2所述的基于无人飞行器图像的地面无人车辆视觉道路检测方法，其特征在于，以超像素为单位构建颜色和纹理特征向量，颜色特征向量由超像素的灰度直方图得到；纹理特征向量由超像素单元通过拉普拉斯算子和Prewitt算子滤波后的灰度直方图得到。

4.根据权利要求1所述的基于无人飞行器图像的地面无人车辆视觉道路检测方法，其特征在于，所述SVM模型使用高斯核作为核函数。

5.根据权利要求1所述的基于无人飞行器图像的地面无人车辆视觉道路检测方法，其特征在于，分别在原始车载道路图像和航拍道路图像中生成相应的共同兴趣区域图像的具体方法为：

对航拍道路图像采用颜色粒子滤波算法和基于直线段的方向匹配方法，确定共同关注的道路区域范围，得到共同兴趣区域图像；

对车载道路图像，采用逆投影变换，获取共同兴趣区域图像。

6.根据权利要求1～5任一所述的基于无人飞行器图像的地面无人车辆视觉道路检测方法，其特征在于，在航拍道路图像中生成相应的共同兴趣区域图像的具体方法为：

标注初始帧的车辆目标区域，计算区域的直方图颜色分布；

设置粒子模型为S＝{x,y,v_x,v_y,H_x,H_y,a}，其中x,y是粒子中心位置，v_x,v_y,是粒子在x,y方向的运动速度，H_x,H_y表示粒子所在区域的宽和高，a是相应尺度因子；对于给定t-1时刻粒子样本集合S_t-1，粒子初始权重为1/N，N为样本集大小；

对粒子集合S_t-1进行重采样；

根据系统状态方程S_t＝AS_t-1+w_t-1，计算新的粒子集合S_t，估计新粒子的位置，其中A为N个粒子关于初始状态颜色直方图的似然度匹配值，w为高斯噪声；

对集合S_t中每个粒子计算颜色直方图，与初始的车辆目标区域颜色直方图进行比较，更新估计，获得新的权重概率

根据新的权重概率估算集合S_t的平均值，提取位置坐标，作为车辆目标跟踪输出：其中向量E[S_t]包含第t时刻图像中车辆目标的位置信息x,y，以及当前车辆目标检测窗口的宽度和高度信息H_x,H_y；

在检测窗口中计算目标直方图颜色分布，作为下一帧车辆目标的颜色分布，计算当前目标颜色分布与先前颜色分布的Bhattacharyya系数，作为下一帧的权重