【文章內(nèi)容簡(jiǎn)介】 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，如何通過圖像提取車道線，目前有許多算法 ， 例石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 3 如像素掃描、模板匹配、霍夫變換和邊緣跟蹤等常用的車道線邊緣像素提取方法，其中像素掃描是普遍采用的一種提取方法，具有靈活、高效、抗干擾能力強(qiáng)的特點(diǎn)。 在研究不同的算法在道路圖像的應(yīng)用過程中，圖像的預(yù)處 理至關(guān)重要。首先對(duì)一些圖像 的 預(yù)處理算法，如圖像灰度化、圖像濾波、圖像邊緣增強(qiáng)等，用 MATLAB進(jìn)行仿真，比較它們的處理結(jié)果。因?yàn)?不同的預(yù)處理方法影響檢測(cè)的實(shí)時(shí)性和正確性，其中為了更多的利用彩色圖像提供的車道標(biāo)記線和瀝青路面色彩的信息，本設(shè)計(jì)用彩色通道提取法得到灰度化圖像。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 。 從處理后圖像再現(xiàn)清晰度的效果中，選出最優(yōu)的濾波方法。一般獲得的道路圖像中包含的信息都有車道線和路面兩種信息，而由于車道線作為圖像中的一種 邊緣，根據(jù)邊緣的屬性，可以用差分算子將邊緣檢測(cè)出來。通過對(duì)常見的差分檢測(cè)算子和自定義的差分算子比較，可以看出后者更能增強(qiáng)車道線標(biāo)記部分。在圖像邊緣增強(qiáng)后，不僅車道線得到了增強(qiáng)，許多樹木、行人、車輛等也得到了增強(qiáng)，由此增加了許多虛假的邊界 。 為獲得更準(zhǔn)確的車道線邊界，本設(shè)計(jì)用融合邊緣和區(qū)域信息的方法定位車道線，并且與自適應(yīng)二值化圖像比較，可以 看 出前者克服虛假邊界的能力更強(qiáng)。最后，建立并提取車道線模型是最為關(guān)鍵的部分，本設(shè)計(jì)假設(shè)在結(jié)構(gòu)化道路上，智能車輛僅采集的是前方不遠(yuǎn)處的道路圖像，提出直線型車道線模型，而且 該模型計(jì)算量小，在一定程度上能適應(yīng)車輛在高速行駛過程中對(duì)實(shí)時(shí)性的要求?；谥本€型車道線的假設(shè)，在圖像中提取特征直線時(shí)，用 hough 變換及其改進(jìn)的算法和中值截距法進(jìn)行提取。通過比較，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。 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 4 第 2 章 單目視覺系統(tǒng) 引言 為了準(zhǔn)確識(shí)別道路環(huán)境 ， 視覺導(dǎo)航系統(tǒng)理應(yīng)獲得車輛前方道路的三維信息 ， 包括車輛與道路的位置關(guān)系和道路中障礙物信息。要正確的理解三維世界環(huán)境 ， 理論上應(yīng)該采用雙目或者 多目視覺系統(tǒng) ， 但從立體視覺的角度來解決環(huán)境重建問題 ， 因?yàn)閺默F(xiàn)有的研究結(jié)果來看 ， 直接通過對(duì)圖像進(jìn)行三維恢復(fù)獲取環(huán)境信息有以下幾個(gè)方面的困難：首先 ， 計(jì)算量巨大。其次 ， 匹配點(diǎn)尋找困難。另外 ， 遮擋問題。例如 ,左右視野的部分場(chǎng)景不匹配 、 左右視野環(huán)境光的不同都使得戶外環(huán)境下的基于像素的視野景物深度恢復(fù)困難重重 ， 如今的立體視覺研究者多數(shù)簡(jiǎn)化了這些不利因素的影響 。 即使這樣，雙目或者多目視覺系統(tǒng)需要的計(jì)算量仍是比較大 的 ， 目前計(jì)算機(jī)的計(jì)算能力還不足以滿足車輛導(dǎo)航系統(tǒng)的實(shí)時(shí)性要求 ， 因此雙目或者多目視覺系統(tǒng)一 般用于復(fù)雜、未知環(huán)境下低速行駛的智能車輛，并且雙目或者多目視覺系統(tǒng)也會(huì)提高系統(tǒng)成本。對(duì)于道路檢測(cè)來說 ， 需要獲得道路方向和車輛與道路的位置關(guān)系 ，也沒有必要一定要完全理解整個(gè)三維世界環(huán)境。目前基于視覺導(dǎo)航的智能車輛多采用單目視覺系統(tǒng)完成道路檢測(cè)及跟蹤 ， 而采用多目視覺系統(tǒng)完成道路上的障礙物檢測(cè) 。 當(dāng)采用單目視覺系統(tǒng)檢測(cè)道路時(shí) ， 由于從三維的世界環(huán)境轉(zhuǎn)換到圖像的二維信息 ， 在這個(gè)轉(zhuǎn)換過程中 ， 損失了三維環(huán)境中的深度信息 ， 而且這個(gè)過程是不可逆的 。通常為了從單目視覺系統(tǒng)中獲得道路的三維信息 ， 對(duì)此提出了一些合 理的假設(shè) ， 如道路平坦假設(shè) 、 道路邊緣連續(xù)性假設(shè) 、 道路模型假設(shè)等。從國(guó)內(nèi)外實(shí)驗(yàn)情況來看 ，采用了一些合理假設(shè)后 ， 單目視覺系統(tǒng)進(jìn)行道路檢測(cè)是可行的。 單目視覺導(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。由于單目視覺系統(tǒng)損失了三維世界中的深度信息 ， 這個(gè)過程是不可逆的 ， 在實(shí)際應(yīng)用中 ， 根據(jù)需要作了一些假設(shè)和已知一定的信息 ， 從而從二維圖像中估計(jì)出三維的道路信息 。 具體的做法如下：假設(shè)車輛前方的道路是平坦的 ,設(shè)定攝像機(jī)的安裝位置 固定 (安裝的高度、俯視角、偏離角 )， 攝像機(jī)的固有參數(shù)為常數(shù) (攝像機(jī)焦距、孔徑張角 )。由于在道路檢測(cè)的過程中 ， 只需要得到道路延伸方向、車輛的偏移距離 ， 并不需要將道路的三維信息完全恢復(fù) ， 以上的假設(shè)是石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 5 可以滿足實(shí)際需要的 。 在攝像機(jī)成像幾何模型中最常用最簡(jiǎn)單的是線性模型 —— 針孔模型 [3]。 下面就攝像機(jī)成像模型進(jìn)行 介 紹 。 攝像機(jī)成像的實(shí)質(zhì)是將三維道路場(chǎng)景信息變換成二維圖像信息 ， 這個(gè)變換可以用一個(gè)從三維空間 (3D)到二維空間 (2D)的映射如式 (21)： ? ? ),(,: 23 yxzyxRRf ?? 來表示 。 上述的這種映射關(guān)系可以用透視投影針孔成像模型 來近似解釋 。 透視投影成像模型的特點(diǎn)是所有來自場(chǎng)景的光線均通過一個(gè)投影中心，它對(duì)應(yīng)于透視的中心。圖 21(a)中經(jīng)過投影中心 o 且垂直于圖像平面的直線為攝像機(jī)光軸 39。oo ， xyzo?為世界坐標(biāo)系， xyo?39。 為圖像平面坐標(biāo)系， f 為攝像機(jī)焦距 。 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。p ，可以看出其成像是倒立的。為了避免這種倒立圖像，現(xiàn)在假定圖像平面位于 Z 軸正半軸且與投影中心 o 的垂直距離為焦距 f 處，此時(shí)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。39。p ， 如圖 21(b)所示，可以看出 39。39。p 位于點(diǎn) p 和點(diǎn) o 之間，其投影大小與 39。p完全相同，但是此時(shí)為正立的投影圖像，這種現(xiàn)象在計(jì)算機(jī)視覺中也稱 為視網(wǎng)膜成像。 (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 。 由圖 21(a)或圖 21(b)均可以得到 ),( zyxp 點(diǎn)與其在圖像平面上的投影點(diǎn)),(39。 yxp 或 ),(39。39。 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。 yxp 或 ),(39。39。 yxp 的映射關(guān)系如式 (23)所示： YZfyXZfx ???? 本章小結(jié) 本章簡(jiǎn)單介紹了兩種道路信息的獲得方法，即采用雙目或 多目視覺系統(tǒng)和采用單目視覺系統(tǒng)。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)。從三維世界坐標(biāo)得到二維圖像坐標(biāo)的方法中，簡(jiǎn)要討論了單目視覺系統(tǒng)中最簡(jiǎn)單、常用的成像幾何模型 —— 針孔模型，由于在實(shí)際應(yīng)用中，一些假設(shè)和已知一定信息的存在，該模型應(yīng)用在車道線識(shí)別中是可行的。 (23) 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 7 第 3 章 道路圖像預(yù)處理 引言 智能車輛視覺系統(tǒng)完成圖像采集后，需要對(duì)獲取的圖像進(jìn)行各種處理與識(shí)別。而視覺系統(tǒng)在圖像的生成、采樣、量化、傳輸、變換等過程中，由于 CCD 傳感器的噪聲、隨機(jī)大氣湍流、光學(xué) 系統(tǒng)的失真等原因會(huì)造成 CCD 攝像機(jī)成像質(zhì)量的降低。另外，由于車輛行駛時(shí)視覺系統(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。為了改善視覺系統(tǒng)圖像的質(zhì)量，需要突出道路圖像中的有用信息并盡可能消除其它環(huán)境信息的干擾，因此需要對(duì)原始圖像進(jìn)行圖像的預(yù)處理操作。 圖像預(yù)處理是指按特定的需要突出一幅圖像的某些信息，同時(shí)，削弱或去除某些不需要的信息的處理方法。其目的是使處理后的圖像對(duì)于某種特定的應(yīng)用，比原始圖像更便于人和機(jī)器對(duì)圖像的理解和分析。 道路圖像灰度化 大部分道路圖像是 通過彩色 COMS 圖像傳感器采集的，原始圖像為彩色圖像。其中顏色模型為 RGB 模型，圖像中的任何顏色都是通過紅 (Red)、藍(lán) (Green)、綠 (Blue)三種基本顏色按照不同的比例混合得到的。在 RGB 模型中，如果 R=G=B 時(shí)，則彩色表示一種灰度顏色，其中 R=G=B 的值叫灰度值。因此，灰度圖像每個(gè)像素只需一個(gè)字節(jié)存放灰度值，一般將白色的灰度值定義為 255，黑色的灰度值定義為 0，而由黑到白之間的明亮度均勻的劃分為 256 個(gè)等級(jí)。在道路圖像提取車道線過程中，很多算法沒有利用圖像的彩色信息而是將其灰度化。雖然，灰度化圖像 無可避免的丟失一些信息，但是對(duì)灰度圖像的處理，從其存放方式可以看出速度相對(duì)較快。而對(duì)彩色圖像的處理，就是分別對(duì)三個(gè)分量處理，可見速度相對(duì)較慢。于是將彩色圖像轉(zhuǎn)換為灰度圖像，下面就常用的四種方法 [4]進(jìn)行 介紹 。 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。 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 8 圖 31 三分量法灰度化 ),(),(),(),(),(),( 321 jiBjifjiGjifjiRjif ??? 其中 )3,2,1(),( ?kjifk 為轉(zhuǎn)換后的灰度 圖像在 ),( ji 處的灰度值。 (2)最大值法 將彩色圖像中三個(gè)分量亮度的最大值 ， 作為灰度圖像的灰度值如式 (32)所示。 ? ?),(),(),(m a x),( jiBjiGjiRjif ? (3)平均值法 將彩色圖像中三個(gè)分量的亮度求平均 ， 得到一個(gè)灰度圖像如式 (33)所示。 ? ? 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。由于人眼對(duì)綠色的敏感 度 最高，對(duì)藍(lán)色敏感 度 最低，因此，按式 (34)對(duì) RGB 三分量進(jìn) 行加權(quán)平均 能得到亮度較合理的灰度圖像。 ),(),(),(),( jiBjiGjiRjif ??? 用 MATLAB 對(duì) 分量法、最大值法、平均值法、加權(quán)平均法四種常用灰度化方法 ， 對(duì)一幅道路圖像進(jìn)行 仿真 ， 結(jié)果 如圖 3圖 32： (31) (33) (32) (34) 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 9 通過圖 32 圖像灰度化的結(jié)果可以看出：在處 理道路圖像時(shí)，平均值灰度化彩色圖像效果最差，因?yàn)閳D像大部分區(qū)域是路面，灰度化后，道路標(biāo)記線被弱化。其它看來，感覺差別不大，原因在于所選圖像的色彩差別不是很大，選用色彩差 別明顯的圖像，可以看出加權(quán)平均法混合后可以得到更符合人類視覺的灰度值。由于篇幅有限，這里不再用其它圖像說明。 通過方法的介紹可以看出 ， 以上的灰度化方法 ， 并沒有更多的利用彩色圖像提供的色彩信息，而是大致通用的一些方法，沒有考慮到圖像的特征。本 設(shè)計(jì) 采用的是下面一種彩色 通道提取 [5]的方法。 彩色通道提取灰度化 彩色通道提取的主要目的是根據(jù)車道標(biāo)志線的色彩信息，提取一定的顏色通道，形成突出車道標(biāo)志線塊狀結(jié)構(gòu)的灰度圖像。車道標(biāo)志線一般為黃色或白色，而路面多為瀝青表面。在彩色圖像中車道標(biāo)志線上的 點(diǎn)成像后 ， 其 R 和 G 通道的顏色值相對(duì)大于 B 通道，而瀝青表面的成像以灰色為主，其 RGB 三通道的顏色比較平均而且相對(duì)較小。因此試圖通過提取 R、 G 通道的方法突出車道標(biāo)志線的塊狀結(jié)構(gòu)是可行的。 為了從提取的通道合成灰度圖像，在此將 R、 G通道的顏色值相加。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。 而低于這個(gè)閾值的像素點(diǎn) ， 則被弱化 。 其在灰度圖像中的像素值取 (R+G)/2。綜上所述，其變換原理圖 32 圖像灰度化比較 石家莊鐵道學(xué)院畢業(yè)設(shè)計(jì) 10 ??? ? ??? ot he r w is eGR CGRifgr ay 2/)( 2/)(255如式 (35)： 式中 ， C—— 閾值 ； R—— 像素顏色值的 Red分量 ； G—— 像素顏色值的 Green分量。 從 式 (35)中可以看出， 對(duì)于 R、 G通道顏色值較大的車道邊緣點(diǎn)在灰度圖像中其灰度值得到強(qiáng)化。而對(duì)于 R、 G通道顏色值較小的瀝青路面其灰度值將被弱化。從而經(jīng)過 R+G處理后，得到的是車道邊界強(qiáng)化的灰度圖像。對(duì)于閾值 C的選取，目前沒有固定的方法，本 設(shè)計(jì) 的做法是，在車輛采集到的圖像下方取一塊條形區(qū)域，搜索 B通道相對(duì)大的像素點(diǎn) ， 并計(jì)算出它們平均的 (R+G)/2值，把該值作為整個(gè)圖像處理時(shí)的閾值，使整個(gè)圖像尤其是遠(yuǎn)方的車道線得到增強(qiáng)。 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，車道邊緣部分在灰度圖像中得到了有效的增強(qiáng)，由于 255