泊車(chē)輔助系統(tǒng)中的車(chē)位線識(shí)別范文

本站小編為你精心準(zhǔn)備了泊車(chē)輔助系統(tǒng)中的車(chē)位線識(shí)別參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

《電子科技》2014年第五期

1圖像預(yù)處理

通過(guò)加裝在汽車(chē)車(chē)身前、后、左、右的4個(gè)魚(yú)眼攝像頭，同時(shí)采集車(chē)輛四周的影像，經(jīng)過(guò)魚(yú)眼圖像矯正，鳥(niǎo)瞰變換和拼接后，形成一幅車(chē)輛4周的360°全景俯視圖，如圖2所示。由此得到的原圖像不可避免地會(huì)受到光照、噪聲等的影響，因?yàn)榍捌谔幚淼馁|(zhì)量直接影響到后期識(shí)別的效果，所以為消除圖像中無(wú)關(guān)的信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測(cè)性和最大限度地簡(jiǎn)化數(shù)據(jù)，從而改進(jìn)特征抽取、圖像分割、匹配和識(shí)別的可靠性，需要對(duì)圖像進(jìn)行預(yù)處理，主要分為以下幾個(gè)步驟。

1.1自適應(yīng)直方圖均衡化首先將原彩色轉(zhuǎn)化為灰度圖像，考慮到光照影響導(dǎo)致灰度分布不均，需要對(duì)灰度圖像進(jìn)行直方圖均衡化。直方圖均衡化的基本思想是對(duì)原始圖像中的像素作某種映射變換，使變換后的圖像灰度概率密度是均勻分布的，即變換后圖像是一幅灰度級(jí)均勻分布的圖像，這意味著圖像灰度的動(dòng)態(tài)范圍得到了增加，從而可提高圖像的對(duì)比度。但是傳統(tǒng)的直方圖均衡化中灰度變換函數(shù)運(yùn)算與像素所處的位置無(wú)關(guān)，這種全局性處理的算法，具有算法簡(jiǎn)單、計(jì)算速度快等優(yōu)點(diǎn)，但由于其對(duì)所有像素點(diǎn)都做同樣的處理，忽略了圖像的局部特征，這就導(dǎo)致經(jīng)過(guò)直方圖均衡的圖像將丟失有用信息，給圖像的去噪處理及邊緣檢測(cè)帶來(lái)?yè)p失。因此本文采用對(duì)比度受限自適應(yīng)直方圖均衡法(CLAHE)［7］，通過(guò)限制局部直方圖的高度來(lái)限制局部對(duì)比度的增強(qiáng)幅度，從而限制噪聲的放大及局部對(duì)比度的過(guò)增強(qiáng)。如圖3所示為分別對(duì)原灰度圖像進(jìn)行直方圖均衡化和CLAHE后的效果，可以看到CLAHE的效果明顯優(yōu)于傳統(tǒng)的直方圖均衡效果。

1.2自適應(yīng)二值化對(duì)圖像進(jìn)行直方圖均衡化處理后，為便于后期處理，需要對(duì)圖像進(jìn)行分割操作，達(dá)到目標(biāo)和背景分離的目的。圖像分割的關(guān)鍵是選取恰當(dāng)?shù)拈撝担撝颠x取的恰當(dāng)與否直接影響到感興趣信息的提取。這里采用局部自適應(yīng)閾值，它是根據(jù)像素鄰域塊的像素值分布來(lái)確定該像素位置上的二值化閾值。這樣做的優(yōu)點(diǎn)在于，每個(gè)像素位置處的二值化閾值不是固定不變的，而是由其周?chē)徲蛳袼氐姆植紒?lái)決定的。亮度較高圖像區(qū)域的二值化閾值通常會(huì)較高，而亮度較低的圖像區(qū)域的二值化閾值則會(huì)相適應(yīng)地變小。不同亮度、對(duì)比度、紋理的局部圖像區(qū)域?qū)?huì)擁有相對(duì)應(yīng)的局部二值化閾值。圖4顯示了采用該方法后的結(jié)果。

1.3形態(tài)學(xué)處理可以看到，在圖像分割完成后，不免存在著一些二值噪點(diǎn)，為此，考慮利用形態(tài)學(xué)對(duì)圖像進(jìn)行處理。對(duì)二值圖像進(jìn)行形態(tài)學(xué)處理的基本思想是運(yùn)用一個(gè)預(yù)先定義好的簡(jiǎn)單結(jié)構(gòu)元素去探測(cè)圖像，看這個(gè)結(jié)構(gòu)元素能否填放在該圖像內(nèi)部，并驗(yàn)證填放結(jié)構(gòu)元素方法的有效性。最基本的形態(tài)學(xué)運(yùn)算是腐蝕和膨脹，二者互為對(duì)偶運(yùn)算。腐蝕是將區(qū)域的內(nèi)邊界點(diǎn)變?yōu)楸尘埃惯吔缦騼?nèi)部收縮，在這個(gè)過(guò)程中，小且無(wú)意義的物體將被消除;而膨脹則是將區(qū)域的外邊界點(diǎn)變?yōu)閷?duì)象點(diǎn)，使邊界向外部擴(kuò)張。為利用結(jié)構(gòu)元素B膨脹集合A，可將B相對(duì)原點(diǎn)旋轉(zhuǎn)180°，得到－B，再利用－B對(duì)AC進(jìn)行腐蝕，腐蝕結(jié)果的補(bǔ)集就是所求的結(jié)果。對(duì)輸入圖像進(jìn)行先腐蝕后膨脹，具有平滑功能，通常用于消除小對(duì)象物、在纖細(xì)點(diǎn)處分離物體、平滑較大物體邊界的同時(shí)并不明顯改變其體積，且圖像細(xì)節(jié)得以保留。圖5是經(jīng)過(guò)先腐蝕后膨脹得到的結(jié)果，可以看到經(jīng)過(guò)形態(tài)學(xué)處理后的二值化圖像已經(jīng)濾掉了部分噪點(diǎn)，便于下一步的識(shí)別處理。

2Hough變換檢測(cè)車(chē)位線

2.1基于中值的自適應(yīng)Canny邊緣檢測(cè)邊緣是圖像特征的一個(gè)重要屬性，蘊(yùn)含了大量的信息，能勾勒出目標(biāo)物體，因此邊緣檢測(cè)技術(shù)是圖像處理中一類(lèi)重要的分析方法。Canny算子是最常用的邊緣檢測(cè)方法。Canny算法的步驟可歸納為:(1)去噪。因?yàn)镃anny邊緣檢測(cè)算子對(duì)于未經(jīng)處理的原始圖像中的噪聲是敏感的，所以它采用高斯模板與原始圖像作卷積，得到的結(jié)果與原始圖像相比，有輕微的模糊。這樣，單獨(dú)的一個(gè)噪聲像素在經(jīng)過(guò)高斯平滑的圖像上變得基本沒(méi)有影響。(2)查找圖像的亮度梯度。圖像的一個(gè)邊緣可能指向不同的方向，所以Canny算法運(yùn)用4個(gè)模板分別檢測(cè)去噪圖像中的垂直、水平、對(duì)角線邊緣。利用邊緣檢測(cè)算子(如Roberts，Prewitt，Sobel)分別計(jì)算出水平和垂直方向的一階導(dǎo)數(shù)Gx和Gy，由此可以得到邊緣的梯度和方向(3)跟蹤圖像邊緣，選擇滯后閾值。較大的亮度梯度更有可能被認(rèn)為是邊緣，但在多種情況下，指定一個(gè)閾值來(lái)確定某個(gè)梯度是否為邊緣是不可能的，因此Canny采用了滯后閾值。滯后閾值需要高低兩個(gè)閾值。假設(shè)圖像中的重要邊緣都是連續(xù)曲線，這樣可以跟蹤給定曲線中模糊的部分，并丟掉一些雖然產(chǎn)生了大的梯度但沒(méi)有組成曲線的噪聲像素。所以從一個(gè)較大的閾值開(kāi)始，這將標(biāo)識(shí)出那些確信的邊緣。從真正的邊緣開(kāi)始，并利用前面導(dǎo)出的方向信息，在圖像中跟蹤整個(gè)的邊緣。在邊緣跟蹤時(shí)采用低閾值，這樣就可以跟蹤曲線的模糊部分直至回到起點(diǎn)。這個(gè)過(guò)程一旦完成，就可得到一個(gè)二值圖像，其中的每個(gè)點(diǎn)表示是否是一個(gè)邊緣點(diǎn)。與使用一個(gè)閾值相比，Canny邊緣檢測(cè)算法使用兩個(gè)閾值使得操作更加靈活，但還是存在的普遍問(wèn)題，閾值設(shè)置過(guò)高，重要信息就可能被漏掉;閾值設(shè)置過(guò)低，干擾信息又會(huì)被看的重要。難以給出適用于所有圖像的通用閾值問(wèn)題。采用的解決方法首先是計(jì)算圖像的中值median，然后根據(jù)以下公式為高閾值high_thresh和低閾值low_thresh賦值，調(diào)用Canny邊緣檢測(cè)算法對(duì)圖像進(jìn)行邊緣檢測(cè)。圖6和圖7分別顯示了經(jīng)典Canny邊緣檢測(cè)和基于中值的Canny邊緣檢測(cè)結(jié)果，其中圖6是經(jīng)過(guò)手動(dòng)調(diào)整到最佳結(jié)果產(chǎn)生的圖像，圖7是利用自動(dòng)設(shè)定閾值得到的結(jié)果，從中可以看出基于中值的Canny邊緣檢測(cè)算法可以實(shí)現(xiàn)自動(dòng)邊緣檢測(cè)的目的。

2.2Hough變換霍夫變換(HoughTransform)是一種檢測(cè)直線和解析曲線的有效方法。它把二值圖像變換到Hough參數(shù)空間，利用參數(shù)空間極值點(diǎn)的檢測(cè)來(lái)實(shí)現(xiàn)目標(biāo)的檢測(cè)。霍夫變換不但可以用于檢測(cè)圖像中的直線，還可以擴(kuò)展到任意曲線的識(shí)別，多為圓和橢圓。運(yùn)用兩個(gè)坐標(biāo)空間之間的變換，霍夫變換將在一個(gè)空間中具有相同形狀的曲線映射到另一個(gè)坐標(biāo)空間的一個(gè)點(diǎn)上形成峰值，因此，霍夫變換把曲線的檢測(cè)問(wèn)題轉(zhuǎn)換到參數(shù)空間中對(duì)點(diǎn)的檢測(cè)問(wèn)題，通過(guò)在參數(shù)空間里進(jìn)行簡(jiǎn)單的累加統(tǒng)計(jì)完成檢測(cè)任務(wù)。考慮直角坐標(biāo)系中的一點(diǎn)(x0，y0)，經(jīng)過(guò)該點(diǎn)直線的一般方程可以寫(xiě)為參數(shù)ρ和θ可以唯一地確定一條直線，這在ρ－θ空間內(nèi)是一條正弦曲線。若將X－Y平面內(nèi)同一條直線的點(diǎn)列變換到ρ－θ空間，則所以正弦曲線都經(jīng)過(guò)一點(diǎn)(ρ''''，θ'''')，所以正弦曲線在ρ－θ空間其他各處都相交。因此，X－Y平面內(nèi)一條直線上的無(wú)數(shù)點(diǎn)變換到ρ－θ空間內(nèi)時(shí)，經(jīng)過(guò)(ρ''''，θ'''')的次數(shù)為無(wú)窮，經(jīng)過(guò)其他各處次數(shù)都為1。也就是說(shuō)，Hough變換將X－Y平面內(nèi)的一條直線映射到了ρ－θ空間中的一個(gè)點(diǎn)。因此，Hough變換把直線檢測(cè)問(wèn)題轉(zhuǎn)換到參數(shù)空間里對(duì)點(diǎn)的檢測(cè)問(wèn)題，通過(guò)在參數(shù)空間里進(jìn)行簡(jiǎn)單的累加統(tǒng)計(jì)完成檢測(cè)任務(wù)。可以看到，由以上過(guò)程得到的結(jié)果存在偽車(chē)位線，需要進(jìn)一步對(duì)結(jié)果進(jìn)行優(yōu)化。注意到，在進(jìn)行邊緣檢測(cè)后每條車(chē)位線都是雙邊緣的，另外，這兩個(gè)邊緣是相互平行的且具有固定的寬度和近似相等的長(zhǎng)度，而且它們都反應(yīng)了同一條車(chē)位線，因此為了減少計(jì)算量，可以計(jì)算一個(gè)邊緣，而非兩個(gè)邊緣，在這里取兩條邊緣線的平均值作為實(shí)際的車(chē)位線。基于以上先驗(yàn)特征對(duì)初始識(shí)別結(jié)果進(jìn)行條件限制及優(yōu)化，得到如圖9所示的最終識(shí)別結(jié)果。

3實(shí)驗(yàn)結(jié)果及分析

系統(tǒng)的硬件部分主要由魚(yú)眼攝像頭、圖像處理單元和顯示屏組成。由于車(chē)身內(nèi)部空間有限，圖像處理單元無(wú)法由PC機(jī)完成，因此在本系統(tǒng)中，設(shè)計(jì)使用DSP來(lái)完成視頻圖像的處理。軟件部分，以VisualStudio2008為開(kāi)發(fā)環(huán)境，并調(diào)用OpenCV庫(kù)來(lái)完成算法的實(shí)現(xiàn)。實(shí)驗(yàn)選取了200張不同情況下的車(chē)位圖像對(duì)算法進(jìn)行了驗(yàn)證，并在相同的情況下將本文的方法與傳統(tǒng)的Hough方法進(jìn)行了對(duì)比，實(shí)驗(yàn)中采用召回率和識(shí)別率來(lái)對(duì)算法的效率進(jìn)行估計(jì)，其定義分別如下。從實(shí)驗(yàn)可以看出，本文提出的基于自適應(yīng)思想的車(chē)位線檢測(cè)與識(shí)別方法具有較高的精確度和魯棒性。

4結(jié)束語(yǔ)

隨著停車(chē)難的問(wèn)題日益嚴(yán)峻，泊車(chē)輔助系統(tǒng)的應(yīng)用越來(lái)越廣泛，本文提出了一種綜合運(yùn)用自適應(yīng)邊緣檢測(cè)和Hough變換等算法進(jìn)行自動(dòng)識(shí)別車(chē)位線的方法。通過(guò)實(shí)際采集到的圖像對(duì)算法進(jìn)行驗(yàn)證，并與傳統(tǒng)方法進(jìn)行了對(duì)比，驗(yàn)證了本文所提方法的高精度和高魯棒性。

作者：陸桂明楊利濤李俊霞單位：華北水利水電大學(xué)信息工程學(xué)院華北水利水電大學(xué)電力學(xué)院