【正文】 (319)： ????????????????????????????032303230230303032rl SS ????????????????????????????01110111011010101121 SS 用自定義的差分算子對(duì)灰度圖像進(jìn)行邊緣增強(qiáng)，并用 MATLAB 進(jìn)行 仿真，實(shí)驗(yàn)結(jié)果如圖 316： 圖 316 自定義差分算子邊緣增強(qiáng) (319) (318) 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 21 從圖 316 可以看出車(chē)道線(xiàn)標(biāo)記在模板 21 SSSS rl 、和、 檢測(cè)下得到了增強(qiáng)，尤其對(duì)于遠(yuǎn)處的車(chē)道線(xiàn)效果更明顯，但是車(chē)道線(xiàn)加強(qiáng)的同時(shí)，意味著像素點(diǎn)的增多，需要進(jìn)一步細(xì)化處理。在各種噪聲模型中，椒鹽噪聲 可以很好地模擬雨、雪顆粒對(duì)圖像質(zhì)量造成的影響 [8]，因此通過(guò)實(shí)驗(yàn)比較各種差分算子對(duì)椒鹽噪聲污染后的道路圖像的邊緣檢測(cè)能力具有實(shí)際意義。考慮各種情況 后 ，選用第一種如式 (318)所示自定義差分算子作為道路圖像邊緣檢測(cè)算子最適合。為了增強(qiáng)道路圖像的識(shí) 別可靠性 ,降低道路檢測(cè)算法的復(fù)雜性 ,有利于道路邊界的正確識(shí)別和精確定位 ,需要對(duì)采集到的道路圖像進(jìn)行預(yù)處理 ,以提高圖像的質(zhì)量。根據(jù)當(dāng)前視覺(jué)導(dǎo)航系統(tǒng)的需要 ,對(duì)算法加以必要的改進(jìn) ,從而可以得到適合本視覺(jué)系統(tǒng)的最優(yōu)算法。 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 24 第 4 章 道路邊緣的識(shí)別 引言 在視覺(jué)導(dǎo)航諸多復(fù)雜且具有挑戰(zhàn)性的任務(wù)中 ,最受重視的是道路識(shí)別 (road following),它包括道路檢測(cè)和道路追蹤兩個(gè)部分。目前，道路檢測(cè)技術(shù)有單目和雙目或多目視覺(jué)系統(tǒng)之分。如今的立體視覺(jué)研究者多數(shù)簡(jiǎn)化了這些不利因素的影響 ,但是就實(shí)際影響來(lái)看 ,任何一個(gè)因素都可能導(dǎo)致環(huán)境深恢復(fù)的錯(cuò)誤 ,尤其是在光線(xiàn)環(huán)境比較復(fù)雜的戶(hù)外。并用 MATLAB 進(jìn)行了仿真實(shí)驗(yàn)。其中 Betkel 等人提出圖像色彩的 HSG表達(dá)能提供對(duì)道路與非道路更有效的分類(lèi)準(zhǔn)則 ,其中的色度 H 和飽和度 S 分量對(duì)人石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 25 行道、樹(shù)和天空有一致的表達(dá) ,并且去除了不平整路面的影響 。同時(shí)這類(lèi)方法有一些突出的問(wèn)題需要解決 ,如當(dāng)車(chē)道線(xiàn)被其它車(chē)輛遮擋時(shí) ,需要準(zhǔn)確估計(jì)被遮擋的部分車(chē)道線(xiàn)。通過(guò)在實(shí)際景物中駕駛車(chē)輛來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò) ,這種方法可以用于非結(jié)構(gòu)化道路跟蹤 ,但是它也有一個(gè)很大缺點(diǎn)即不知道車(chē)道線(xiàn)的位置 ,因而與車(chē)道線(xiàn)有關(guān)的許多輔助功能無(wú)法實(shí)現(xiàn) ,當(dāng)用于等級(jí)較高公路時(shí) ,效率低下。為了克服假邊界的干擾 ,本 設(shè)計(jì) 采用區(qū)域生長(zhǎng) [11]的方法 ,得到道路圖像的路面區(qū)域信息。其中生長(zhǎng)準(zhǔn)則常用的是圖像的灰度、紋理、彩色等信息。 二、區(qū)域生長(zhǎng)過(guò)程中對(duì)如何選取種子點(diǎn)也是關(guān)鍵，一般可以根據(jù)圖像的 特點(diǎn)來(lái)確定，對(duì)于有先驗(yàn)知識(shí)的圖像可以利用先驗(yàn)知識(shí)，如果沒(méi)有則可以借助生長(zhǎng)準(zhǔn)則對(duì)像素進(jìn)行相應(yīng)的計(jì)算，本 設(shè)計(jì) 根據(jù)算法所要實(shí)現(xiàn)的目的，所選擇種子點(diǎn)的區(qū)域核心應(yīng)滿(mǎn)足以下三個(gè)要求： (1)必須在道路區(qū)域內(nèi) ， 且距道路邊界有一定距離； (2)其灰度與周?chē)幕叶容^為均勻，以便能生長(zhǎng)出較大的區(qū)域； (3)其灰度應(yīng)能反映道路區(qū)域的亮度分布。理想情況下，我們可以?xún)H僅依賴(lài)種子點(diǎn)的信息正確地推出整個(gè)道路區(qū)域。這種假設(shè)在絕大多數(shù)情況下是成立的，因?yàn)橐坏┻@個(gè)前提 不成立，就標(biāo)志著車(chē)輛距離危險(xiǎn)區(qū)域太近而表明前面的導(dǎo)航失敗。 一、區(qū)域生長(zhǎng)的一個(gè)關(guān)鍵是選擇合適的生長(zhǎng)或相似準(zhǔn)則，使用不同的生長(zhǎng)準(zhǔn)則會(huì)影響區(qū)域 生長(zhǎng)的過(guò)程，目前，區(qū)域生長(zhǎng)法在處理道路圖像中大多采用灰度差準(zhǔn)則。下面首先簡(jiǎn)介區(qū)域生長(zhǎng)法。根據(jù)分析，可以得知邊緣和區(qū)域是物體的兩個(gè)互補(bǔ)特性，因?yàn)楂@取邊緣信息時(shí)容易過(guò)分分割或合并，而導(dǎo)致丟失或添加圖像邊界，可以通過(guò)區(qū)域信息來(lái)補(bǔ)償邊沿的部分不確定性，因此文中提出對(duì)邊緣 邊界和區(qū)域邊界進(jìn)行綜合分析 ,以得到準(zhǔn)確的道路邊界。 (3)神經(jīng)網(wǎng)絡(luò)方法。 (2)基于灰度圖像的車(chē)道線(xiàn)檢測(cè)與跟蹤算法。這種方法是利用彩色圖像中 RGB 彩色空間原理 ,根據(jù)道路在 Red,Green,Blue 三個(gè)彩色分量上與周?chē)锹访姝h(huán)境的不同 ,對(duì)輸入的彩色圖像進(jìn)行路面和非路面的二值劃分 ,這種方法更適用于沒(méi)有車(chē)道線(xiàn)的非標(biāo)準(zhǔn)車(chē)道。而對(duì)于環(huán)境較為復(fù)雜的戶(hù)外環(huán)境 ,多數(shù)沒(méi)有采取對(duì)圖像進(jìn)行基于像素的三維恢復(fù)的方式，而是采用單目視覺(jué)系統(tǒng)。其次 ,匹配點(diǎn)尋找困難。檢測(cè)包括道路定位，行駛物相對(duì)道路邊界的位置，判斷駛出道路區(qū)域的可能性等，道路追蹤不再對(duì)整幅道路圖像進(jìn)行全面的處理 ,只是利用前一次道路檢測(cè)得到的車(chē)道信息 ,實(shí)現(xiàn)對(duì)道路的快速檢測(cè)定位 ,這樣可以進(jìn)一步提高系統(tǒng)的實(shí)時(shí)性。為后續(xù)道路圖像的分割和道路標(biāo)志的識(shí)別提供了很好的條件。每一種算法都有一定的針對(duì)性和局限性。主要討論了圖像的預(yù)處理問(wèn)題。其石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 22 中 Roberts 邊緣檢測(cè)算子產(chǎn)生了斷點(diǎn)； ewittPr 邊緣檢測(cè)算子和 Sobel 邊緣檢測(cè)算子的檢測(cè)效果較為理想 ,邊緣較為完整；通過(guò)無(wú)外加噪聲圖像、加入椒鹽噪聲圖像的實(shí)驗(yàn)結(jié)果表 明在這幾種情況下， ewittPr 邊緣檢測(cè)算子和 Sobel 邊緣檢測(cè)算子的檢測(cè)效果較好， Roberts 邊緣檢測(cè)算子在有噪聲情況下產(chǎn)生較多的斷點(diǎn) ,定位不準(zhǔn)確。 加入噪聲圖像檢 測(cè)實(shí)驗(yàn) 前面的實(shí)驗(yàn)比較的是幾種差分算子在無(wú)外加噪聲的情況下對(duì)道路圖像的邊緣檢測(cè)結(jié)果，但在實(shí)際應(yīng)用中，系統(tǒng)采集到的圖像多數(shù)情況下是已經(jīng)被噪聲污染的圖像，在進(jìn)行去噪處理后也會(huì)有噪聲的殘留干擾，所以算子的抗擾性也是選取算子關(guān)鍵考察的方面。下面介紹兩種自定義的差分模板。 Roberts 邊緣檢測(cè)算子計(jì)算相對(duì)簡(jiǎn)單，但圖像處理后，車(chē)道線(xiàn)出現(xiàn)斷點(diǎn)現(xiàn)象。設(shè)圖像的模板鄰域如圖 310 所示： 1Z 2Z 3Z 4Z 5Z 6Z 7Z 8Z 9Z 圖 310 圖像的鄰域 Roberts 邊緣檢測(cè)算子用如圖 311 所示模板 ， 來(lái)近似計(jì)算圖像 ),( yxf 對(duì) yx和 的偏導(dǎo)數(shù)： 圖 311 Roberts 邊緣檢測(cè)算子 Sobel 邊緣檢測(cè)算子用如圖 312 所示模板 ， 來(lái)近似計(jì)算圖像 ),( yxf 對(duì) yx和 的偏導(dǎo)數(shù)： 圖 312 Sobel 邊緣檢測(cè)算子 1 0 0 1 59 ZZGx ?? 0 1 1 0 68 ZZGy ?? 1 2 1 0 0 0 1 2 1 )2()2( 321987 ZZZZZZG x ?????? 1 0 1 2 0 2 1 0 1 )2()2( 741963 ZZZZZZG y ?????? (315) (317) (316) 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 19 ewittPr 邊緣檢測(cè)算子用如圖 313 所示模板 ， 來(lái)近似計(jì)算圖像 ),( yxf 對(duì) yx和 的偏導(dǎo)數(shù)： )()( 321987 ZZZZZZG x ?????? )()( 741963 ZZZZZZG y ?????? 圖 313 ewittPr 邊緣檢測(cè)算子 Log 邊緣檢測(cè)算子是二階導(dǎo)數(shù)算子，它是一個(gè)標(biāo)量， 無(wú)方向的，因而只需一個(gè)模板就行了。 如 算子等算子和算子、算子、算子、 C a n n yL o ge w it tS o b e lR o b e r t s Pr,這幾種邊緣檢測(cè)算子的共同特點(diǎn)都是以梯度為基礎(chǔ)的，首先介 紹圖像梯度的概念。一般有白色標(biāo)記的車(chē)道線(xiàn)對(duì)路面而言有較強(qiáng)的邊緣，體現(xiàn)在灰度或紋理結(jié)構(gòu)等信息。而 中值濾波，可以看出對(duì)圖像邊緣有保護(hù)作用，且去噪聲的同時(shí) 可以較好地保留邊緣的銳度和圖像的細(xì)節(jié)。 非線(xiàn)性平滑濾波 理論和實(shí)驗(yàn)證明， 雖然線(xiàn)性濾波具有良好的抑制噪聲能力，但是對(duì)圖像平滑會(huì)造成圖像中的細(xì)節(jié)信息損失，從而使處理后的圖像產(chǎn)生模糊。 該算法在去除麻點(diǎn)噪聲 方面 比較有效，但它不能區(qū)分有效信號(hào)和噪聲信號(hào)，噪聲和圖像細(xì)節(jié)同時(shí)被削弱。 線(xiàn)性平滑濾波 圖像平滑濾波處理分為線(xiàn)性濾波與非線(xiàn)性濾波，線(xiàn)性濾波方法提出較早且具有較完備的理論基礎(chǔ)。 然后再變換到圖像的空間域，形成處理后的圖像 ,即頻域處理法。 圖 35 直方圖均衡化 (311) 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 14 圖像濾波 任何一幅未經(jīng)處理的原始圖像，都存在著一定程度的噪聲干擾。有對(duì) 1k)(01r0 ????? rTk 可以證明 r 的 累積分布函數(shù)滿(mǎn)足上述兩個(gè)條件，能將 r 的分布轉(zhuǎn)換為 s 的均勻分布。直方圖均衡化增強(qiáng)了靠近直方圖極大值附近的亮度的對(duì)比度，減少了極小值附近的對(duì)比度。 基于直方圖的灰度變換 直方圖是表達(dá)一幅圖像灰度級(jí)分布情況的統(tǒng)計(jì)圖，表示出具有某一灰度的像素?cái)?shù)，并不表示像素在圖像的具體位置?；叶茸儞Q法圖像對(duì)比度增強(qiáng)的結(jié)果用 MATLAB 仿真 如圖 34： (38) (37) (36) 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 12 通過(guò)此例可以看出雖然灰度線(xiàn)性變換可以增強(qiáng)圖像的對(duì)比度，但是對(duì)于一些道路圖像增強(qiáng)效果是不明顯的。39。,b39。不過(guò)，有時(shí)為了某種特殊的應(yīng)用，這種“犧牲”是值得的。39。39。39。,b39。 (23) 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 11 圖像 灰度線(xiàn)性變換 首先，介紹線(xiàn)性變換。 用 MATLAB對(duì)彩色通 道提取法對(duì)道路圖像進(jìn)行仿真如圖 33： 圖 33 彩色通道提取灰度化 從圖 33中可以看出，車(chē)道邊緣部分在灰度圖像中得到了有效的增強(qiáng)，由于 255表示灰度圖像中的白色，因此圖中車(chē)道標(biāo)記部分基本都被染成了白色，起到了增強(qiáng)邊界的作用。 從 式 (35)中可以看出， 對(duì)于 R、 G通道顏色值較大的車(chē)道邊緣點(diǎn)在灰度圖像中其灰度值得到強(qiáng)化。具體是 R、 G通道顏色值之和在一定的閾值之上的像素點(diǎn)直接取灰度最大值 255。車(chē)道標(biāo)志線(xiàn)一般為黃色或白色，而路面多為瀝青表面。由于篇幅有限，這里不再用其它圖像說(shuō)明。 ? ? 3/),(),(),(),( jiBjiGjiRjif ??? (4)加權(quán)平均法 根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。 常用的灰度化方法 (1)分量法 將彩色圖像中三個(gè)分量的亮度分別作為三個(gè)灰度圖像的灰度 值 如式 (31)所示，可根據(jù) 需要選取一種灰度圖像。在道路圖像提取車(chē)道線(xiàn)過(guò)程中，很多算法沒(méi)有利用圖像的彩色信息而是將其灰度化。 道路圖像灰度化 大部分道路圖像是 通過(guò)彩色 COMS 圖像傳感器采集的，原始圖像為彩色圖像。另外，由于車(chē)輛行駛時(shí)視覺(jué)系統(tǒng)與道路環(huán)境之間存在相對(duì)運(yùn)動(dòng)，輸出圖像的質(zhì)量也會(huì)降低，常產(chǎn)生運(yùn)動(dòng)模糊等現(xiàn)象。由于單視目系統(tǒng)在實(shí)時(shí)性， 系統(tǒng) 成本上優(yōu)于前者，所以 目前常用的是單視目導(dǎo)航系統(tǒng)。 yxp 的映射關(guān)系，由圖中幾何關(guān)系可以得到透視投影方程式 (22)所示 ： ZfYyXx ?? (21) (22) 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 6 即世界坐標(biāo)系中 ),( zyxp 點(diǎn)與其在圖像平面上投影點(diǎn) ),(39。 (a) 透視投影倒立成像圖 (b) 透視投影倒立成像圖 圖 21 透視投影圖像 由于這種成像模型最簡(jiǎn)單，計(jì)算量小，在作了一些假設(shè)之后，適應(yīng)于實(shí)際情況，因此本 設(shè)計(jì) 將單視目成像的針孔模型作為 二維圖像信息和三維世界信息的關(guān)系模型 。p ， 如圖 21(b)所示，可以看出 39。 由幾何關(guān)系可 知，世界坐標(biāo)系中的點(diǎn) p 經(jīng)投影中心 o 點(diǎn)在圖像平面坐標(biāo)系中的投影點(diǎn)為 39。 透視投影成像模型的特點(diǎn)是所有來(lái)自場(chǎng)景的光線(xiàn)均通過(guò)一個(gè)投影中心，它對(duì)應(yīng)于透視的中心。 在攝像機(jī)成像幾何模型中最常用最簡(jiǎn)單的是線(xiàn)性模型 —— 針孔模型 [3]。 單目視覺(jué)導(dǎo)航系統(tǒng)成像模型 為了得到圖像中的像素和實(shí)際道路區(qū)域點(diǎn)的對(duì)應(yīng)關(guān)系 ， 必須知道二維圖像信息和三維世界信息的關(guān)系模型。目前基于視覺(jué)導(dǎo)航的智能車(chē)輛多采用單目視覺(jué)系統(tǒng)完成道路檢測(cè)及跟蹤 ， 而采用多目視覺(jué)系統(tǒng)完成道路上的障礙物檢測(cè) 。另外 ， 遮擋問(wèn)題。通過(guò)比較，改進(jìn)的 hough 變換 ——隨機(jī) hough 變換實(shí)時(shí)性最好，并且對(duì)其它圖像進(jìn)行檢測(cè)，一定程度上隨機(jī) hough 變換的魯棒性也符合要求。在圖像邊緣增強(qiáng)后，不僅車(chē)道線(xiàn)得到了增強(qiáng)，許多樹(shù)木、行人、車(chē)輛等也得到了增強(qiáng)，由此增加了許多虛假的邊界 。由于實(shí)際情況復(fù)雜多變，如遇到雨、雪天氣，因此加入椒鹽噪聲模擬實(shí)際情況 ，并 用各種常用的濾波模板處理圖像 。 論文的研究?jī)?nèi)容 當(dāng)智能車(chē)輛在公路高速行駛，視覺(jué)系統(tǒng)作為最重要的感知手段之一時(shí)，圖像在識(shí)別外界信息中扮演著重要角色，如何通過(guò)圖像提取車(chē)道線(xiàn)，目前有許多算法 ， 例石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 3