[发明专利]一种全景图道路轮廓的提取方法

摘要

本发明公开了一种全景图道路轮廓的提取方法，包括步骤(1)输入原始的道路图像，使用基于Gabor小波的消失点估计方法计算全景图每点像素的纹理方向信息和置信函数，获得消失点位置的局部自适应软投票算法的输入信息从而得到消失点位置；(2)从消失点或边界点发射一组道路预测线段，从而计算OCR特征和分隔颜色区域，获得融合多特征信息和约束函数来判别出最合适的道路边界方向；(3)将下一个边界点选为预测线段的起点，并重复步骤(2)直至到达图像边界；(4)对道路边界进行上下位移形成前景线与背景线，将前景线与背景线作为输入传到分水岭方法中进行计算，最后获得优化后的全景图道路轮廓。

主权项

一种全景图道路轮廓的提取方法，其特征在于，包括以下步骤：(1)输入原始的道路图像，使用基于Gabor小波的消失点估计方法来计算全景图每点像素的纹理方向信息和置信函数，获得消失点位置的局部自适应软投票算法的输入信息从而得到消失点位置；(2)在计算得到消失点位置后，从消失点或边界点发射一组道路预测线段，从而计算OCR特征和分隔颜色区域，获得融合多特征信息和约束函数来判别出最合适的道路边界方向；(3)将下一个边界点选为预测线段的起点，并重复步骤(2)直至到达图像边界；(4)对道路边界进行上下位移形成前景线与背景线，将前景线与背景线作为输入传到分水岭方法中进行计算，最后获得优化后的全景图道路轮廓；所述步骤(1)包括以下分步骤：(1.1)对于原始的道路图像的每个像素，通过公式(1)、(2)计算纹理方向信息，通过公式(3)计算置信函数g(x,y)=12πσxσyexp(-12(x2σx2+y2σy2))h(x,y)=g(x,y)×exp(2πjWx)H(x,y)=exp(-12((u-W)2σu2+v2σv2))---(1)]]>S(x,y)=(hR*I)(x,y)2+(hI*I)(x,y)2---(2)]]>Conf(z)=1-Average(r5(z),...,r15(z))r1(z)---(3)]]>其中g(x,y)是用来调制的高斯函数；x＝xcosθ+ysinθ,y＝‑xsinθ+ycosθ；θ是Gabor核函数的方向；σx和σy是其在两个坐标轴上的标准方差,它们决定了滤波器作用区域的大小；W为复正弦函数在横轴上的频率；将Gabor函数分解为实部hR(x,y)和虚部hI(x,y)两个分量；h*I表示图像I和滤波器h的卷积；rn(z)表示36个方向中z像素的响应程度并让r1(z)>…>r36(z)；(1.2)对置信函数进行归一化操作，保留所有置信函数高于阈值0.3的像素点；(1.3)将前90％的像素点作为消失点候选点；(1.4)对每个消失点候选点创建选区Vote aera，并基于公式(4)进行投票，Vote(P,V)=11+[rd(p,v)]2,0ifr≤51+2d(p,v)---(4)]]>V是消失点，Rv是选区域，r是Rv中某个点P的纹理方向OP与PV的角度，d(p,v)是PV的距离与图像对角线长度的比率；(1.5)得到最多票数的像素点作为初始化消失点。