[发明专利]一种实时精准提取轨道ROI的方法

说明书

本发明涉及图像处理技术领域，公开了一种实时精准提取轨道ROI的方法，包括以下步骤：步骤1：标注轨道环境图片；步骤2：用获取二分类的预测模型；步骤3：获取图像进行帧编号，并取当前最近时间帧进行预测处理；步骤4：提取边缘轮廓点集；步骤5：把轮廓与历史轮廓作面积和周长对比。本发明可应用在摄像机图像识别技术的主动式障碍物探测系统中，在任意训练过的可视环境下完美提取轨道区域，包括隧道环境，地面雨雾环境，也包括即使有障碍物遮盖了部分轨道的情况，相较于现有技术，本发明对于复杂环境的图像处理性能强，可以满足轨道障碍物探测的实时性要求，而且精准性强，使用效果极佳。

技术领域

本发明涉及图像处理技术领域，具体为一种实时精准提取轨道ROI的方法。

背景技术

目前列车主动式障碍物探测系统一般都使用摄像机获取列车前景图，在列车行驶过程中通过传统的图像处理技术提取识别近景范围的轨道或识别远景范围的轨道。一定程度上解决了轨道障碍物检测中异物入侵的问题,从而提醒驾驶员进行预判,提升列车运行的可靠性和安全性，传统的图像处理技术主要是基于图像边缘检测技术，图像边缘是图像最基本的特征，所谓边缘(Edge)是指图像局部特性的不连续性。灰度或结构等信息的突变处称之为边缘。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题没有得到解决：传统边缘提取应对图像处理对于隧道环境、复杂天气等特殊光线多变等环境能力不足；传统图像分割网络不满足轨道障碍物探测的实时性要求；单一图像分割网络在提取轨道时，如果轨道上存在障碍物，会漏掉被障碍物遮挡的部分轨道区域；单一图像分割网络提取轨道边缘不够精准，单帧数字拟合未必能解决所有场景。

发明内容

本发明的目的在于提供一种实时精准提取轨道ROI的方法，解决背景技术中所提出的问题。

为实现上述目的，本发明提供如下技术方案：一种实时精准提取轨道ROI的方法，包括以下步骤：

步骤1：标注轨道环境图片；

步骤2：用获取二分类的预测模型；

步骤3：获取图像进行帧编号，并取当前最近时间帧进行预测处理；

步骤4：提取边缘轮廓点集；

步骤5：把轮廓与历史轮廓作面积和周长对比；

步骤6：对比完成后，保存帧编号和对应轮廓点集到历史；

步骤7：生成二值灰度图并转换为实际图像大小；

步骤8：生成ROI图，可视化轨道区域。

作为本发明的一种优选实施方式，所述步骤1的具体过程如下：使用labelme工具，只标注轨道区域轮廓。

作为本发明的一种优选实施方式，所述步骤2的具体过程如下：基于PaddlePaddle-paddleseg平台，用图像分割网络deeplabv3p预训练模型进行训练最终得到二分类的预测模型，分割网络主干网络使用mobilenetv2，减小模型体积，加速预测速度。

作为本发明的一种优选实施方式，所述步骤3的具体过程如下：获取图像，并把原图1920*1080的分辨率压缩至480*270，并标记帧编号，取当前最近时间帧进行预测处理，然后通过预测模型获得轨道分割区域。

作为本发明的一种优选实施方式，所述步骤4中，轮廓点集分为左右轨道，并去除远近轨道横向边缘点。

作为本发明的一种优选实施方式，所述步骤5中，把轮廓与历史轮廓作面积和周长对比后，如果变化超过阀值则认为有障碍物导致轮廓突变，如果有轮廓突变，则把历史左右轨道点集与当前点集比较找出变化区域，用历史点集数据和两点集最大平均差值去除异常部分拟合出缺失部分轮廓点。