視覺(jué)導(dǎo)航智能車(chē)輛的目標(biāo)識(shí)別精確性與實(shí)時(shí)性研究-資料下載頁(yè)
2025-06-28 16:41本頁(yè)面
【正文】 割[73]是依據(jù)一定的閾值將導(dǎo)航路徑從圖像背景中分割出來(lái)，以得到邊緣信息。閾值分割相當(dāng)于對(duì)圖像進(jìn)行二值化處理，增強(qiáng)路徑和背景的對(duì)比度，以便有利于找到路徑的邊緣線(xiàn)。閾值分割的基本思想是確定一個(gè)閾值，然后把圖像中每個(gè)像素點(diǎn)的像素值和閾值相比較，根據(jù)比較結(jié)果把該像素劃分為前景或背景?？梢?jiàn)閾值分割效果的好壞直接取決于閾值的選取。由于光線(xiàn)和隨機(jī)噪聲的干擾，若用一個(gè)固定閾值進(jìn)行分割，則會(huì)產(chǎn)生一定的誤差。為盡可能減小誤分割的概率，理論上采用最優(yōu)閾值法效果較好。由于一幅圖像包含兩類(lèi)主要灰度值區(qū)域（目標(biāo)和背景），所以圖像的直方圖所近似代表的像素灰度值概率分布密度函數(shù)實(shí)際上是對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰分布密度函數(shù)之和。如果已知密度函數(shù)的形式，就可計(jì)算出一個(gè)最優(yōu)閾值，用它可把圖像分成兩類(lèi)區(qū)域，從而使誤分割率最小[74]，見(jiàn)圖37所示。實(shí)際上，一般可認(rèn)為圖像背景和目標(biāo)均近似滿(mǎn)足正態(tài)分布，則整幅圖像的混合概率密度為 (310)式中，和分別為背景和目標(biāo)區(qū)域灰度值的先驗(yàn)概率，且，和分別為背景和目標(biāo)區(qū)域的平均灰度值，和分別是關(guān)于背景和目標(biāo)的均方差。需確定一個(gè)閾值，使得灰度值小于的像素分割為背景而使灰度值大于的像素分割為目標(biāo)。這時(shí)，錯(cuò)誤地將目標(biāo)像素劃分為背景的概率和將背景像素錯(cuò)誤地劃分為目標(biāo)的概率分別是 (311) (312) 從而總的誤分割概率為 (313) 當(dāng)滿(mǎn)足＝0時(shí)，可使得最小?？傻玫? (314) 綜合可得到 (315) 一般可近似認(rèn)為，若，則 (316) 圖37 最優(yōu)閾值確定示意圖由于和不容易求得，最優(yōu)閾值的準(zhǔn)確值也就很難找到。所以為方便算法實(shí)現(xiàn)，先選取圖像灰度范圍的中值作為初始值，然后迭代求得其近似值。具體迭代步驟為①求出圖像中最大灰度值和最小灰度值；②給定初始閾值以及迭代時(shí)新舊閾值的允許接近程度；③求出灰度值的所有像素點(diǎn)的數(shù)量及累積和，以及灰度值的所有像素點(diǎn)的數(shù)量及累積和；④計(jì)算，確定新閾值；如果，則為最終閾值，否則，轉(zhuǎn)至步驟③。針對(duì)具有不同光照條件的路徑圖像，采用上述最優(yōu)閾值法進(jìn)行閾值分割。隨著光線(xiàn)的增強(qiáng)，最優(yōu)閾值也隨之增加，減小了光線(xiàn)變化對(duì)閾值分割的影響，提高了圖像分割的魯棒性。 數(shù)學(xué)形態(tài)學(xué)濾波考慮到經(jīng)最優(yōu)閾值二值化后的圖像是由近似矩形的路徑和碎屑狀噪聲組成，對(duì)圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)運(yùn)算中的開(kāi)運(yùn)算以去除碎屑狀噪聲。數(shù)學(xué)形態(tài)學(xué)是一種分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法，其基本的形態(tài)學(xué)運(yùn)算子有：膨脹、腐蝕、開(kāi)和閉[75]。設(shè)f(x)和g(x)為定義在二維離散空間F和G上的兩個(gè)函數(shù)，其中f(x)為輸入圖像，g(x)為結(jié)構(gòu)元素，則f(x)對(duì)于g(x)的腐蝕和膨脹分別定義為[76] (317) (318)f(x)對(duì)于g(x)的開(kāi)運(yùn)算定義為 (319)對(duì)圖像進(jìn)行開(kāi)運(yùn)算后，得到恢復(fù)噪聲污染的效果，如圖38所示。 a）閾值分割后的二值化路徑圖像 b）基于數(shù)學(xué)形態(tài)學(xué)運(yùn)算的濾波效果圖 圖38基于數(shù)學(xué)形態(tài)學(xué)運(yùn)算的濾波效果圖 實(shí)時(shí)性處理智能車(chē)輛在實(shí)時(shí)運(yùn)行時(shí)，必須保證在下一個(gè)圖像采樣周期到來(lái)前完成上一采樣圖像的處理，即保證圖像處理的實(shí)時(shí)性。因此在準(zhǔn)確識(shí)別導(dǎo)航路徑的同時(shí)，還必須保證路徑圖像識(shí)別的速度。在識(shí)別一幀路徑圖像時(shí)，要完成圖35所示的所有步驟。這在一定程度上保證了識(shí)別的魯棒性，但同時(shí)帶來(lái)了較大的數(shù)據(jù)處理量，從而導(dǎo)致實(shí)時(shí)性下降。考慮到導(dǎo)航路徑圖像由一行行的像素點(diǎn)組成，路徑的連續(xù)性使得路徑相鄰兩行之間的對(duì)應(yīng)左右邊緣點(diǎn)位置相差不大。為此，除劃分上、下兩圖像處理區(qū)域以減少圖像數(shù)據(jù)處理量外，還利用同幀路徑圖像中上一行的邊緣位置來(lái)限定相鄰下一行的邊緣點(diǎn)范圍，從而縮小各行中需要進(jìn)行處理的像素點(diǎn)個(gè)數(shù)，達(dá)到提高實(shí)時(shí)性的目的。具體步驟如下。①在兩個(gè)圖像處理區(qū)域內(nèi)，分別對(duì)第一行所有像素進(jìn)行圖36所示的處理，得到路徑左右邊緣點(diǎn)。如果沒(méi)檢測(cè)到（該行對(duì)應(yīng)區(qū)域無(wú)路徑），則對(duì)下一行繼續(xù)進(jìn)行處理，直至檢測(cè)到左右邊緣點(diǎn)位置與，如圖39所示。圖39 路徑識(shí)別的實(shí)時(shí)性處理②檢測(cè)到第一行邊緣點(diǎn)后，在處理第二行時(shí)就不再像步驟①那樣對(duì)整行進(jìn)行處理，而是確定一個(gè)寬度，單位是像素。在該行的位置范圍內(nèi)進(jìn)行處理，得到該行邊緣點(diǎn)和；再在之間尋找第三行的左右邊緣點(diǎn)，直至得到處理區(qū)域內(nèi)導(dǎo)航路徑的各行左右邊緣點(diǎn)。只要值選取合適，就能夠在區(qū)間上找到該行的左右邊緣點(diǎn)。當(dāng)值偏小時(shí)，會(huì)導(dǎo)致找不到或找到錯(cuò)誤的邊緣點(diǎn)；值過(guò)大雖能夠保證找到，但增加了運(yùn)算量，不利于提高實(shí)時(shí)性。以上方法具有3個(gè)優(yōu)點(diǎn)：①大大減少了需要進(jìn)行濾波、最優(yōu)閾值計(jì)算、二值化及形態(tài)學(xué)運(yùn)算的像素點(diǎn)個(gè)數(shù)，因此數(shù)據(jù)處理量大大減少，實(shí)時(shí)性得到提高。②在計(jì)算最優(yōu)閾值二值化圖像時(shí)，不是在整個(gè)圖像處理區(qū)域內(nèi)獲得一個(gè)閾值，而是在各個(gè)子區(qū)域獲得各自的閾值，因此得到的閾值和圖像二值化更準(zhǔn)確。③在檢測(cè)下一行邊緣點(diǎn)時(shí)，把候選邊緣點(diǎn)限定在較小候選區(qū)間內(nèi)，在一定程度上提高了抗干擾能力。 區(qū)域最優(yōu)閾值，也可以對(duì)局部圖像數(shù)據(jù)進(jìn)行操作。通過(guò)對(duì)其算法進(jìn)行研究發(fā)現(xiàn)，對(duì)整個(gè)一幅圖像數(shù)據(jù)進(jìn)行整體最優(yōu)閾值的計(jì)算比對(duì)同一幅大小的圖像數(shù)據(jù)進(jìn)行分區(qū)域的局部最優(yōu)閾值計(jì)算的總運(yùn)算量要大。為此，對(duì)視覺(jué)傳感器采集得到的圖像進(jìn)行分塊最優(yōu)閾值的求解，從而可以達(dá)到降低計(jì)算量的目的。由于分區(qū)域求解閾值，使得每個(gè)區(qū)域閾值僅用來(lái)二值化其對(duì)應(yīng)區(qū)域的圖像，因此與整體最優(yōu)閾值相比，圖像二值化的精度得到了提高。同時(shí)，在確定某一幀圖像劃分的第一個(gè)區(qū)域的最優(yōu)閾值后，由于鄰近區(qū)域的最優(yōu)閾值與其較為接近，可以將第一個(gè)區(qū)域的最優(yōu)閾值作為該鄰近區(qū)域的初始最優(yōu)閾值，從而又降低了運(yùn)算量。3. 識(shí)別精確性研究（提高精確性的意義和方法：濾波、自適應(yīng)閾值等）（軟硬件方面；軟件方面：優(yōu)化算法、其他處理方法（減小圖像處理區(qū)域等））22 / 22
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1