專利名稱：利用偏光圖像檢測(cè)車輛位置的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種利用偏光圖像檢測(cè)車輛位置的方法和系統(tǒng)。
背景技術(shù)：
車輛檢測(cè)，假設(shè)生成，偏光，圖像處理等領(lǐng)域。作為車輛檢測(cè)的關(guān)鍵一步，高效的車輛可能位置生成方法能夠極大的提高整個(gè)車輛檢測(cè)系統(tǒng)的檢測(cè)率，降低誤識(shí)率。應(yīng)用方面本發(fā)明可用于車載相機(jī)，提供防止與其他車輛相撞的功能；也可用于道路監(jiān)控或智能交通中對(duì)車輛的檢測(cè)標(biāo)題為“A DEVICE FOR DETECTION OF SURFACE CONDITION DATA” 專利W02004DK168A提出了一種檢測(cè)水，雪或者冰這樣的表面特性或者條件的設(shè)備。下列現(xiàn)象用于判別兩種反射偏光被物體表面的冰或水進(jìn)行鏡面反射后，偏光性能夠保持；而被其他類型的表面散射時(shí)偏光性會(huì)被極大的削弱。其主要的思想是發(fā)射偏光束并檢測(cè)反射，然后基于反射光的偏光性判定物體表面條件。標(biāo)題為“P0LARAMETRICBLIND SPOT DETECTOR WITH STEERABLE BEAM”的美國(guó)專利申請(qǐng)US 2002/0011926A1提出了一種系統(tǒng)，包括一個(gè)向車輛盲點(diǎn)發(fā)射圓偏振信號(hào)的發(fā)射器，和一個(gè)接收反射逆向圓偏振信號(hào)的接收器，以及一個(gè)當(dāng)檢測(cè)到反射信號(hào)時(shí)提示駕駛員盲區(qū)有物體的指示器。其主要思想是向盲點(diǎn)方向發(fā)射偏光并試圖檢測(cè)反射，如果檢測(cè)到了反射，就檢測(cè)到了盲區(qū)的物體。盡管上述現(xiàn)有技術(shù)都涉及到了采用偏光來(lái)檢測(cè)物體，但是兩篇文獻(xiàn)僅涉及簡(jiǎn)單的信號(hào)發(fā)射與接收，都需要主動(dòng)發(fā)射偏光并檢測(cè)反射。但是都不能直接用于圖像中物體的檢測(cè)。

發(fā)明內(nèi)容
在傳統(tǒng)的車輛檢測(cè)中，主要使用可見光信息。它對(duì)于光照條件，天氣和路面條件變化并不魯棒，而偏光信息在這方面有一定優(yōu)勢(shì)。本發(fā)明提出一種利用偏光技術(shù)，通過(guò)被動(dòng)檢測(cè)偏光生成車輛可能位置的方法，采用這種方法，能夠快速生成車輛可能位置，并且對(duì)前面提到的各種變化魯棒。為此，本發(fā)明提供了一種利用偏光圖像檢測(cè)車輛位置的方法，包括利用偏光照相機(jī)獲取路面的偏光圖像；根據(jù)所獲取的偏光圖像中路面與路肩的方向不同計(jì)算出所述偏光圖像中的路肩，并將所計(jì)算獲得的路肩之間的部分確定為路面部分；從被確定為路面部分中，根據(jù)在偏光圖像中車輛的車輪的偏光圖像的像素值與實(shí)際路面的偏光圖像的像素值的顯著區(qū)別區(qū)分出路面部分中可能車輛的底部；針對(duì)每個(gè)所區(qū)分出的可能車輛的底部，根據(jù)車輛的輪廓的偏光圖像的像素值與其背景偏光圖像的像素值的區(qū)別，獲取基于所述可能車輛的底部的可能車輛位置。根據(jù)本發(fā)明的利用偏光圖像檢測(cè)車輛位置的方法，其中所述區(qū)分出路面部分中可能車輛的底部步驟包括基于預(yù)定像素閾值，對(duì)所述確定為路面部分的偏光圖像及進(jìn)行二值化處理，從而分離出候選的車輪的像素；對(duì)所分離出的候選的車輪的像素執(zhí)行平滑處理以降低噪聲；采用其大小按照在偏光圖像中從上向下成比例遞增變化的掃描窗口，從上到下從左至右掃過(guò)所有路面部分，并計(jì)算每個(gè)掃描窗口內(nèi)的共生矩陣的元素，從而將所計(jì)算的共生矩陣的元素中其最大值大于一預(yù)定元素值閾值的掃描窗口所在位置確定為可能車輛底部。根據(jù)本發(fā)明的利用偏光圖像檢測(cè)車輛位置的方法，其中所述計(jì)算出所述偏光圖像中的路肩的步驟包括利用Canny邊緣算法得到邊緣像素；以及利用Hough變換檢測(cè)獲得作為路肩的線。根據(jù)本發(fā)明的利用偏光圖像檢測(cè)車輛位置的方法，其中所述獲取基于所述可能車輛的底部的可能車輛位置的步驟包括基于可能車輛的底部的邊緣以及車輛的先驗(yàn)知識(shí)，沿著左右兩條邊緣向上延伸獲得車輛的兩側(cè)；以及基于車頂與背景不同的偏光性，可得到作為車頂?shù)娜踹吘?，從而與車輛兩側(cè)的邊緣以及底部區(qū)域的底邊相連構(gòu)成車輛輪廓的矩形。根據(jù)本發(fā)明的利用偏光圖像檢測(cè)車輛位置的方法，其中，通過(guò)計(jì)算共生矩陣的元素和基于閾值的二值化來(lái)檢測(cè)車輛底部。根據(jù)本發(fā)明的另一個(gè)方面，提供了一種利用偏光圖像檢測(cè)車輛位置的系統(tǒng)，包括偏光圖像獲取模塊，獲取路面的偏光圖像；路肩檢測(cè)模塊，根據(jù)所獲取的偏光圖像中路面與路肩的方向不同計(jì)算出所述偏光圖像中的路肩；路肩檢測(cè)模塊，將所計(jì)算獲得的路肩之間的部分確定為路面部分；可能車輛底部檢測(cè)模塊，從被確定為路面部分中，根據(jù)在偏光圖像中車輛的車輪的偏光圖像的像素值與實(shí)際路面的偏光圖像的像素值的顯著區(qū)別區(qū)分出路面部分中可能車輛的底部；以及可能車輛位置生成模塊，針對(duì)每個(gè)所區(qū)分出的可能車輛的底部，根據(jù)車輛的輪廓的偏光圖像的像素值與其背景偏光圖像的像素值的區(qū)別，獲取基于所述可能車輛的底部的可能車輛位置。


圖1給出了一幅包含一些車輛和背景的馬路灰度圖像的例子。圖2給出了對(duì)應(yīng)的偏光圖像。圖3是對(duì)應(yīng)的路肩檢測(cè)結(jié)果。圖4所示的是路面分割示意圖。圖5所示的是掃描串口滑動(dòng)示意圖。圖6所示的是可能的車輛底部區(qū)域檢測(cè)結(jié)果示意圖。圖7所示的是可能的車輛位置檢測(cè)結(jié)果示意圖。圖8所示的是可能的車輛位置檢測(cè)過(guò)程的流程圖。圖9所示的是所示的是可能的車輛位置檢測(cè)系統(tǒng)的示意圖。
具體實(shí)施例方式以下，將參照附圖來(lái)詳細(xì)說(shuō)明本發(fā)明的具體實(shí)施例。為了解決上面所提到的現(xiàn)有技術(shù)中的這些問(wèn)題，
圖1給出了一幅包含一些車輛和背景的馬路灰度圖像的例子，圖2給出了對(duì)應(yīng)的偏光圖像，其中由粗實(shí)現(xiàn)包圍的部分為具有不同的偏光特性的部分。其實(shí)不同的偏光顯可以采用不同的顏色來(lái)表示。以下的具體步驟都對(duì)圖2的處理過(guò)程為例?；静襟E是基于偏光圖像的邊緣檢測(cè)路肩。一種實(shí)現(xiàn)方法是使用Canny邊緣算法得到邊緣像素，并利用Hough變換檢測(cè)線，再分析檢測(cè)到的線的長(zhǎng)度、方向和置信度從而得到最終的路肩位置。由于路肩和路面的方向不同，使得它們?cè)谄鈭D像中的分界很明顯，所以很容易檢測(cè)。Canny邊緣檢測(cè)算法包含以下5個(gè)步驟平滑以便對(duì)圖像進(jìn)行平滑以去除噪聲；尋找梯度以便標(biāo)記邊緣，這里的邊緣是指此處圖像的梯度具有較大的幅度；非最大值抑制，以便只有局部最大值才能被標(biāo)記為邊緣；雙閾值處理，以便通過(guò)閾值確定弱邊緣；以及邊緣跟蹤，以便最終邊緣的確定通過(guò)抑制所有沒有和強(qiáng)邊緣相連的邊緣實(shí)現(xiàn)。具體而言，canny算法的步驟如下1.去噪聲。任何邊緣檢測(cè)算法都不可能在未經(jīng)處理的原始數(shù)據(jù)上很好地處理，所以第一步是對(duì)原始數(shù)據(jù)與高斯mask作卷積，得到的圖像與原始圖像相比有些輕微的模糊(blurred)。這樣，單獨(dú)的一個(gè)像素噪聲在經(jīng)過(guò)高斯平滑的圖像上變得幾乎沒有影響。2.尋找圖像中的亮度梯度。圖像中的邊緣可能會(huì)指向不同的方向，所以Canny算法使用4個(gè)mask檢測(cè)水平、垂直以及對(duì)角線方向的邊緣。原始圖像與每個(gè)mask所作的卷積都存儲(chǔ)起來(lái)。對(duì)于每個(gè)點(diǎn)我們都標(biāo)識(shí)在這個(gè)點(diǎn)上的最大值以及生成的邊緣的方向。這樣我們就從原始圖像生成了圖像中每個(gè)點(diǎn)亮度梯度圖以及亮度梯度的方向。3.在圖像中跟蹤邊緣。較高的亮度梯度比較有可能是邊緣，但是沒有一個(gè)確切的值來(lái)限定多大的亮度梯度是邊緣多大又不是，所以Canny使用了滯后閾值。4.滯后閾值需要兩個(gè)閾值——高閾值與低閾值。假設(shè)圖像中的重要邊緣都是連續(xù)的曲線，這樣我們就可以跟蹤給定曲線中模糊的部分，并且避免將沒有組成曲線的噪聲像素當(dāng)成邊緣。所以我們從一個(gè)較大的閾值開始，這將標(biāo)識(shí)出我們比較確信的真實(shí)邊緣，使用前面導(dǎo)出的方向信息，我們從這些真正的邊緣開始在圖像中跟蹤整個(gè)的邊緣。在跟蹤的時(shí)候，我們使用一個(gè)較小的閾值，這樣就可以跟蹤曲線的模糊部分直到我們回到起點(diǎn)。一旦這個(gè)過(guò)程完成，我們就得到了一個(gè)二值圖像，每點(diǎn)表示是否是一個(gè)邊緣點(diǎn)。5. 一個(gè)獲得亞像素精度邊緣的改進(jìn)實(shí)現(xiàn)是在梯度方向檢測(cè)二階方向?qū)?shù)的過(guò)零點(diǎn)。它在梯度方向的三階方向?qū)?shù)滿足符號(hào)條件。其中Lx，Ly... Lyyy表示用高斯核平滑原始圖像得到的尺度空間表示L計(jì)算得到的偏導(dǎo)數(shù)。用這種方法得到的邊緣片斷是連續(xù)曲線，這樣就不需要另外的邊緣跟蹤改進(jìn)。滯后閾值也可以用于亞像素邊緣檢測(cè)。Canny算法包含許多可以調(diào)整的參數(shù)，它們將影響到算法的計(jì)算的時(shí)間與實(shí)效。高斯濾波器的大小第一步所有的平滑濾波器將會(huì)直接影響Canny算法的結(jié)果。較小的濾波器產(chǎn)生的模糊效果也較少，這樣就可以檢測(cè)較小、變化明顯的細(xì)線。較大的濾波器產(chǎn)生的模糊效果也較多，將較大的一塊圖像區(qū)域涂成一個(gè)特定點(diǎn)的顏色值。這樣帶來(lái)的結(jié)果就是對(duì)于檢測(cè)較大、平滑的邊緣更加有用，例如彩虹的邊緣。閾值使用兩個(gè)閾值比使用一個(gè)閾值更加靈活，但是它還是有閾值存在的共性問(wèn)題。設(shè)置的閾值過(guò)高，可能會(huì)漏掉重要信息；閾值過(guò)低，將會(huì)把枝節(jié)信息看得很重要。很難給出一個(gè)適用于所有圖像的通用閾值。目前還沒有一個(gè)經(jīng)過(guò)驗(yàn)證的實(shí)現(xiàn)方法。Canny算法適用于不同的場(chǎng)合。它的參數(shù)允許根據(jù)不同實(shí)現(xiàn)的特定要求進(jìn)行調(diào)整以識(shí)別不同的邊緣特性。對(duì)于PC上的實(shí)時(shí)圖像處理來(lái)說(shuō)可能慢得無(wú)法使用，尤其是在使用大的高斯濾波器的情況下。但是，我們討論計(jì)算能力的時(shí)候，也要考慮到隨著處理器速度不斷提升，有望在未來(lái)幾年使得這不再成為一個(gè)問(wèn)題。Hough變換是一種利用形狀的邊緣點(diǎn)估計(jì)形狀參數(shù)的方法，要檢測(cè)一條表達(dá)式為y = mx+b的直線我們對(duì)Canny算子檢測(cè)到的每個(gè)邊緣點(diǎn)對(duì)應(yīng)可能的所有m和b進(jìn)行投票，最后票數(shù)最多的m和b對(duì)應(yīng)的直線就給出了偏光圖像中路肩的位置。圖3是對(duì)應(yīng)的路肩檢測(cè)結(jié)果，其中粗實(shí)線為檢測(cè)到的路肩。具體的Hough變換可以參見網(wǎng)址http://en. wikipedia. org/wiki/Hough_transform 中所記載的內(nèi)容。通過(guò)路肩信息獲取路面范圍。在這里使用了路肩和基于規(guī)則的先驗(yàn)知識(shí)，例如在通常情況下兩側(cè)路肩之間的區(qū)域是路面。在簡(jiǎn)單的情況中，我們可以延長(zhǎng)最外側(cè)的兩條路 肩找到它們的交點(diǎn)，這樣在以兩個(gè)路肩之間和下面的像素都是路面像素。圖4是對(duì)應(yīng)的結(jié)
果O在路面范圍內(nèi)檢測(cè)可能的車輛底部區(qū)域。這是通過(guò)在偏光圖像中搜索車輪的顯著模式實(shí)現(xiàn)的，我們提出一種基于共生矩陣的檢測(cè)方法。這是本專利的關(guān)鍵步驟，由于車輪與路面在偏光圖像中具有截然不同的模式，具體的來(lái)說(shuō)兩個(gè)車輪表現(xiàn)為像素值與路面差別很大的兩條平行直線，所以利用這種方法可以有效的檢測(cè)它們?；诠采仃嚨能囕v底部檢測(cè)有以下步驟二值化分離出候選的車輪像素，其中閾值的選取可以根據(jù)經(jīng)驗(yàn)或?qū)嶒?yàn)得到。二值化閾值的選擇由于車底部的偏光值與路面反差很大，所以閾值的選擇比較簡(jiǎn)單?？梢灾苯訌囊环熊囕v的偏光圖像中分析車輛底部像素值和路面像素值的分布范圍，找到它們各自的重心，取兩個(gè)重心的平均值作為閾值；也可以利用路面區(qū)域的直方圖，尋找兩個(gè)峰值之間的谷值作為閾值。平滑以降低噪聲的影響，其中平滑可以采用均值濾波或高斯平滑等方式；掃描窗口從上到下從左至右掃過(guò)所有路面區(qū)域；其中掃描窗口是一系列矩形窗口，其大小和長(zhǎng)寬比符合合理的車輛大小的變化范圍，這種范圍屬于先驗(yàn)知識(shí)，可以通過(guò)觀察得到；以及按公式(I)計(jì)算共生矩陣的元素

權(quán)利要求
1.一種利用偏光圖像檢測(cè)車輛位置的方法，包括 利用偏光照相機(jī)獲取路面的偏光圖像； 根據(jù)所獲取的偏光圖像中路面與路肩的方向不同計(jì)算出所述偏光圖像中的路肩，并將所計(jì)算獲得的路肩之間的部分確定為路面部分； 從被確定為路面部分中，根據(jù)在偏光圖像中車輛的車輪的偏光圖像的像素值與實(shí)際路面的偏光圖像的像素值的顯著區(qū)別區(qū)分出路面部分中可能車輛的底部； 針對(duì)每個(gè)所區(qū)分出的可能車輛的底部，根據(jù)車輛的輪廓的偏光圖像的像素值與其背景偏光圖像的像素值的區(qū)別，獲取基于所述可能車輛的底部的可能車輛位置。
2.如權(quán)利要求I所述的利用偏光圖像檢測(cè)車輛位置的方法，其中所述區(qū)分出路面部分中可能車輛的底部步驟包括 基于預(yù)定像素閾值，對(duì)所述確定為路面部分的偏光圖像及進(jìn)行二值化處理，從而分離出候選的車輪的像素； 對(duì)所分離出的候選的車輪的像素執(zhí)行平滑處理以降低噪聲； 采用其大小按照在偏光圖像中從上向下成比例遞增變化的掃描窗口，從上到下從左至右掃過(guò)所有路面部分，并計(jì)算每個(gè)掃描窗口內(nèi)的共生矩陣的元素，從而將所計(jì)算的共生矩陣的元素中其最大值大于一預(yù)定元素值閾值的掃描窗口所在位置確定為可能車輛底部。
3.如權(quán)利要求I或2所述的利用偏光圖像檢測(cè)車輛位置的方法，其中所述計(jì)算出所述偏光圖像中的路肩的步驟包括 利用Canny邊緣算法得到邊緣像素；以及 利用Hough變換檢測(cè)獲得作為路肩的線。
4.如權(quán)利要求3所述的利用偏光圖像檢測(cè)車輛位置的方法，其中所述獲取基于所述可能車輛的底部的可能車輛位置的步驟包括 基于可能車輛的底部的邊緣以及車輛的先驗(yàn)知識(shí)，沿著左右兩條邊緣向上延伸獲得車輛的兩側(cè)；以及 基于車頂與背景不同的偏光性，可得到作為車頂?shù)娜踹吘?，從而與車輛兩側(cè)的邊緣以及底部區(qū)域的底邊相連構(gòu)成車輛輪廓的矩形。
5.如權(quán)利要求3所述的利用偏光圖像檢測(cè)車輛位置的方法，其中，通過(guò)計(jì)算共生矩陣的元素和基于閾值的二值化來(lái)檢測(cè)車輛底部。
6.一種利用偏光圖像檢測(cè)車輛位置的系統(tǒng)，包括 偏光圖像獲取模塊，獲取路面的偏光圖像； 路肩檢測(cè)模塊，根據(jù)所獲取的偏光圖像中路面與路肩的方向不同計(jì)算出所述偏光圖像中的路肩； 路肩檢測(cè)模塊，將所計(jì)算獲得的路肩之間的部分確定為路面部分； 可能車輛底部檢測(cè)模塊，從被確定為路面部分中，根據(jù)在偏光圖像中車輛的車輪的偏光圖像的像素值與實(shí)際路面的偏光圖像的像素值的顯著區(qū)別區(qū)分出路面部分中可能車輛的底部； 可能車輛位置生成模塊，針對(duì)每個(gè)所區(qū)分出的可能車輛的底部，根據(jù)車輛的輪廓的偏光圖像的像素值與其背景偏光圖像的像素值的區(qū)別，獲取基于所述可能車輛的底部的可能車輛位置。
全文摘要
本發(fā)明提供了一種利用偏光圖像檢測(cè)車輛位置的方法，包括利用偏光照相機(jī)獲取路面的偏光圖像；根據(jù)所獲取的偏光圖像中路面與路肩的方向不同計(jì)算出所述偏光圖像中的路肩，并將所計(jì)算獲得的路肩之間的部分確定為路面部分；從被確定為路面部分中，根據(jù)在偏光圖像中車輛的車輪的偏光圖像的像素值與實(shí)際路面的偏光圖像的像素值的顯著區(qū)別區(qū)分出路面部分中可能車輛的底部；針對(duì)每個(gè)所區(qū)分出的可能車輛的底部，根據(jù)車輛的輪廓的偏光圖像的像素值與其背景偏光圖像的像素值的區(qū)別，獲取基于所述可能車輛的底部的可能車輛位置。
文檔編號(hào)G06K9/00GK102982304SQ20111026379
公開日2013年3月20日 申請(qǐng)日期2011年9月7日 優(yōu)先權(quán)日2011年9月7日
發(fā)明者劉童, 師忠超, 鐘誠(chéng), 劉媛, 陳義 申請(qǐng)人:株式會(huì)社理光