[发明专利]基于视觉的非结构化场景道路识别方法

权利要求书

1.一种基于视觉的非结构化场景道路识别方法，其特征在于：包括以下步骤：

消失点检测：

S1：利用双目视觉技术估算出道路图像的背景区域和路面区域；

S2：通过四方向、五尺度的Gabor滤波器组估计道路图像各个像素点的纹理响应，并采用幅值校正来减少偏差；

S3：根据背景区蜮设定多个投票点选择策略，以去除背景区域的影响；

S4：通过动态调整候选点范围方案减少消失点的搜索范围；

S5：通过角度优先的投票策略，将在投票空间中获得最高票数的候选点视为消失点；

道路线识别：

S6：利用消失点定义道路模型；

S7：分别计算道路图像的纹理、道路区域占比和道路颜色三种视觉特征；

S8：通过贝叶斯估计融合三种视觉特征，最大化贝叶斯后验概率密度计算分割出道路线。

2.根据权利要求1所述的基于视觉的非结构化场景道路识别方法，其特征在于：步骤S1具体包括：

采用SGM算法计算道路图像视差图，建立参考栅格模型，所述参考栅格模型的零平面与路面平行，视差图的行和列分别与世界坐标系X轴，Y轴平行，Z轴指向场景深度；

通过下式计算各个栅格单元的X，Z坐标：

其中M为映射关系，(u，v)为栅格单元，m，n为控制栅格模型尺寸的常数，B为双目系统中基线长度，f为焦距，x₀为像平面x轴的中心坐标；

通过下式计算各个栅格单元的Y坐标：

其中y₀为像平面y轴的中心坐标，c_max为单元(u，v)的最高程，l为一个栅格单元可以容纳的像素点数，Y_max为每个栅格单元中最大的Y坐标；

计算相邻单元间的斜率：

式中：(u，v)和(p，q)为相邻单元，| |为绝对值，|| ||为二范数；给定一个阈值ε_l，斜率S(u，v，p，q)＞ε_i，则认为两个单元不相通，得到两两相邻的单元间的联通性后，设汽车位于路面上，则以汽车所在单元为起点采用广度优先算法遍历栅格模型，即求得所有与路面不连通单元，所述与路面不连通单元即为背景区域。

3.根据权利要求1所述的基于视觉的非结构化场景道路识别方法，其特征在于：步骤S2具体包括：

所述四方向、五尺度的Gabor滤波器定义为：

式中：a＝xcosθ+ysinθ，b＝-xsinθ+ycosθ，θ∈{0°，45°，90°，135°}为4个方向，ω₀＝2π/λ为径向频率，c＝π/2为频倍常数，λ∈{6，9：12，15}为5个尺度的空间频率；设灰度图像为I，将图像I与确定方向θ与确定尺度的ω₀的Gabor滤波器进行卷积，得到能量响应为：

式中：为卷积符号；取能量响应的实部与虚部的平方根作为总的能量响应幅度：

式中E_θ(x，y)为每个方向θ在5个尺度下能量响应幅度的均值，Mean_ω表示取平均值；

在纹理方向上设置纹理方向置信度Conf(x，y)来剔除不可靠纹理：

将得到的4个的平均能量响应E_θ(x，y)按降序进行排列；

假设E¹_θ(x，y)为4个方向上最大的能量响应，E⁴_θ(x，y)为4个方向上最小的能量响应，则每个像素的方向置信度定义为：

式中E_th为阈值常数。

4.根据权利要求1所述的基于视觉的非结构化场景道路识别方法，其特征在于：步骤S3中所述投票点选择策略包括：

规则一：方向置信度为1则作为投票点，否则不作为投票点；

规则二：弱纹理像素不作为投票点；

规则三：位于背景区域下像素点不作为投票点。