本文關(guān)鍵詞：基于輪廓特征理解的城市道路圖像深度估計(jì)，由筆耕文化傳播整理發(fā)布。

對(duì)區(qū)域的輪廓Ci中的任意兩條直線lk和lr,根據(jù)；出的方法，，利用主方向一致性判別兩條直線是否為平行；3.2道路消失點(diǎn)估計(jì)；統(tǒng)計(jì)所有區(qū)域特征向量中的道路平行線特征Pli，組；，y?aix?bi(4)；對(duì)li上所有坐標(biāo)點(diǎn)應(yīng)用最小二乘法進(jìn)行直線擬合，即；min?(yj-(aixj?bi))2；j?1n(5)；確定參數(shù)ai,bi；?yi?aix?b(6)?y?ax?

對(duì)區(qū)域的輪廓Ci中的任意兩條直線lk和 lr,根據(jù)本文作者在文獻(xiàn)[20]所提

出的方法，利用主方向一致性判別兩條直線是否為平行線，即假設(shè)直線lk的主方向?yàn)?k，直線lr的主方向?yàn)?r，如果?k??r??（本文定義??15），且lk?Vli,lr?Vli，則判定lk和 lr屬于與道路方向平行的平行線，同時(shí)存入Pli。

3.2 道路消失點(diǎn)估計(jì)

統(tǒng)計(jì)所有區(qū)域特征向量中的道路平行線特征Pli，組成平行直線束l1,l2,...,lp定義任意直線li的直線方程為：

，y?aix?bi (4)

對(duì)li上所有坐標(biāo)點(diǎn)應(yīng)用最小二乘法進(jìn)行直線擬合，即求擬合直線誤差最小值：

min?(yj-(aixj?bi))2

j?1n (5)

確定參數(shù)ai,bi。然后通過(guò)聯(lián)立任意兩條擬合直線求解交點(diǎn)：

?yi?aix?b (6) ?y?ax?bj?j

2得到至多Cn個(gè)交點(diǎn)，即消失點(diǎn)集。最后采用模糊C聚類方法對(duì)求解所得的交點(diǎn)

進(jìn)行聚類分析，在2個(gè)聚類結(jié)果中選取聚類分組中對(duì)應(yīng)最多類成員的中心作為最終的消失點(diǎn)，記為Vr?{xi,yi}。

4 道路圖像三維結(jié)構(gòu)推理與深度估計(jì)

4.1位置關(guān)系推理

根據(jù)道路場(chǎng)景的特征，本文假設(shè)道路圖像滿足以下三個(gè)條件：

（1）圖像為攝像機(jī)平行于地面，即攝像機(jī)俯仰角為0時(shí)所拍攝；

（2）圖像中包括較多平行、垂直結(jié)構(gòu)。

（3）圖像中僅包括道路、豎直物體（建筑物/樹(shù)木/欄桿/車輛等）和天空。 根據(jù)以上假設(shè)，根據(jù)平行線計(jì)算的道路消失點(diǎn)必位于地平面上，本文根據(jù)消失點(diǎn)位置將圖像大致分割為上下兩部分，其中道路位于圖像下部分區(qū)域，天空位于上部分區(qū)域，建立如圖2所示的道路位置模型：

圖2 道路位置模型

Fig.2 Ground position model

（1）道路區(qū)域推理

一般情況下，道路區(qū)域面積較大、顏色單一，包含較多的平行線以及較少的豎直線，且整體位于消失線下方。本文的道路圖像分割的結(jié)果已經(jīng)保證了每一個(gè)分割的區(qū)域內(nèi)部顏色的相似性，以及與相鄰區(qū)域的顏色相異性，因此本文僅考慮面積較大的前10個(gè)區(qū)域，如果這些區(qū)域中，任意區(qū)域?i滿足以下判據(jù)：

判據(jù) 1 ①區(qū)域?i中包含至少一條經(jīng)過(guò)消失點(diǎn)的直線，即

Nli?Vr?? （7）

②輪廓Ci的重心位于由消失點(diǎn)分割的整幅圖像的下半部分，即

Pi(yi)?Vr(yi) （8）

③輪廓Ci包含的垂直線的數(shù)量為0，則判定該區(qū)域?yàn)榈缆穮^(qū)域。

判據(jù)2 對(duì)于面積較大的前10個(gè)區(qū)域，記所有滿足判據(jù)1中條件①和②，但不滿足條件③的區(qū)域?yàn)?R，利用腐蝕算法將區(qū)域?R腐蝕為如干個(gè)子區(qū)域，對(duì)于任意子

區(qū)域?k，如果區(qū)域?k滿足判據(jù)1中條件②，且區(qū)域?k包含的平行線的數(shù)量不小

于區(qū)域?k包含的垂直線的數(shù)量，則判定該區(qū)域?yàn)榈缆穮^(qū)域。

（2）天空區(qū)域推理

根據(jù)假設(shè)的道路位置模型，天空區(qū)域是距離攝像機(jī)最遠(yuǎn)，區(qū)域面積較大，且通常有部分像素位于圖像的上邊界，顏色分布比較一致。綜合這些先驗(yàn)知識(shí)，本文僅考慮面積較大的前10個(gè)區(qū)域，如果這些區(qū)域中，任意區(qū)域?i滿足以下條件

①區(qū)域?i歸一化顏色值Hi與天空典型顏色差值小于設(shè)定閾值T；

②輪廓Ci的縱坐標(biāo)的最高點(diǎn)位于圖像的上邊界，即

min(Ci.yi)??1 （9）

則判定該區(qū)域?qū)儆谔炜铡?/p>

（3）豎直區(qū)域推理

整幅圖像中除道路和天空區(qū)域之外剩余的區(qū)域定義為豎直區(qū)域。

4.2深度估計(jì)

對(duì)已完成位置關(guān)系推理的圖像區(qū)域，本文根據(jù)深度變化規(guī)則為圖像各像素分配對(duì)應(yīng)的深度值完成深度估計(jì)。用0-255的灰度范圍量化灰度深度變化圖，定義圖像深度最遠(yuǎn)處為0，最近處為255，中間部分呈線性分布。根據(jù)假設(shè)的道路圖像模型，定義如下深度變化規(guī)則：

（1）對(duì)于道路區(qū)域的深度變化值，以消失點(diǎn)所在的水平線為界從下而上線性遞增，定義消失線所在位置為深度無(wú)窮遠(yuǎn)處，如圖3(a)所示；

（2）豎直區(qū)域的深度值直接定義為與道路輪廓線相交處的深度值；

（3）假設(shè)圖像模型中天空是距離攝像機(jī)最遠(yuǎn)的區(qū)域，直接視作深度最深處；

圖3道路深度梯度變化圖

Fig. 3 Road depth gradient map.

5實(shí)驗(yàn)結(jié)果與分析

為了估計(jì)提出算法的性能，本文針對(duì)大量城市道路圖像進(jìn)行了實(shí)驗(yàn)，并與經(jīng)典的算法進(jìn)行了對(duì)比。

圖4給出了符合假設(shè)條件的幾幅典型道路圖像的深度估計(jì)結(jié)果。其中4(a)表

示原圖, 圖4(b)表示基于邊緣增長(zhǎng)的圖像區(qū)域分割結(jié)果，圖4(c)表示道路圖像消失點(diǎn)檢測(cè)結(jié)果，其中綠色星型位置為消失點(diǎn)。圖4(d)表示三維空間關(guān)系推理的結(jié)果，其中豎直區(qū)域標(biāo)記為紅色，地面區(qū)域標(biāo)記為藍(lán)色，其它區(qū)域?yàn)樘炜諈^(qū)域。圖4(e)表示深度估計(jì)結(jié)果。由圖4的結(jié)果可知，對(duì)符合假設(shè)道路模型的圖像，本文算法在區(qū)域分割方面有效保證了具有相似顏色和連通關(guān)系的道路和天空區(qū)域的準(zhǔn)確分割和識(shí)別。此外，本文算法利用分割區(qū)域輪廓中提取的道路平行線，能夠比較準(zhǔn)確的識(shí)別道路消失點(diǎn)，進(jìn)一步根據(jù)道路平行線和豎直線信息能夠準(zhǔn)確標(biāo)記圖像道路、天空、豎直區(qū)域。由深度估計(jì)結(jié)果可知，本文算法在路面的深度估計(jì)方面，很好的體現(xiàn)了道路由近及遠(yuǎn)的深度變化關(guān)系，道路區(qū)域部分的深度估計(jì)符合人的視覺(jué)特征。

圖4三維空間關(guān)系推理結(jié)果圖及深度關(guān)系圖。(a)原圖；（b）圖像分割；（c）消失點(diǎn)；（d）圖像類聚分析；(e)標(biāo)記三維空間關(guān)系；(f)道路深度關(guān)系

Fig.4 Results with our algorithm. (a) Original image; (b) Result of image segmentation; (c) Result of vanishing point detection, where the green star is the vanishing point;(d) Result of marked sky, road and vertical region;(f) Result of depth estimation.

圖5列出了部分Hoiem方法[7]與所提方法的深度估計(jì)結(jié)果。圖5.(b)為運(yùn)用Hoiem等人提出的算法得到的最大深度估計(jì)結(jié)果，5.(c)為本文算法得出的結(jié)果。實(shí)驗(yàn)結(jié)果表明，對(duì)于圖像中標(biāo)記為天空的區(qū)域，所提方法的實(shí)驗(yàn)結(jié)果與 Hoiem方法中的最大深度估計(jì)方法的實(shí)驗(yàn)結(jié)果相差無(wú)幾；對(duì)于路面區(qū)域，提出算法由于以消失點(diǎn)所在位置定義為無(wú)窮遠(yuǎn)處，因此更好的體現(xiàn)了道路景深由遠(yuǎn)及近的變化規(guī)律；但對(duì)于豎直面區(qū)域，Hoiem方法認(rèn)為區(qū)域內(nèi)不存在深度漸變信息，因此同一區(qū)域深度相同，而本文算法則定義豎直區(qū)域的深度和路面交點(diǎn)處的深度相同，這一點(diǎn)符合深度的變化規(guī)律，體現(xiàn)了豎直區(qū)域的深度漸變關(guān)系。此外，本文算法并沒(méi)有區(qū)分豎直區(qū)域中的建筑物、車輛和樹(shù)木信息，既避免了誤分類的情況，又避免了多余的計(jì)算量，與Hoiem方法相比，雖然豎直區(qū)域體現(xiàn)的物體層次感不強(qiáng)，但準(zhǔn)確體現(xiàn)了各個(gè)豎直面的深度變化關(guān)系，對(duì)于智能交通中的道路深度估計(jì)和障礙物檢測(cè)已經(jīng)足夠。

圖5不同深度關(guān)系圖比較。(a)原圖； (b) Hoiem深度關(guān)系圖；(c) 本文道路深度關(guān)系圖 Fig. 5 Depth estimation results with Hoiem’s algorithm and our algorithm. (a) Original image;

(b) Hoiem’s algorithm; (c) Our algorithm.

最新搜索

基于輪廓特征理解的城市道路圖像深度估計(jì)

浙江商業(yè)技師學(xué)院社團(tuán)管理?xiàng)l例

航模教案_圖文

工程項(xiàng)目勘察單

語(yǔ)文:8年級(jí)下冊(cè)同步練習(xí)題及答案(100頁(yè))

地理(上海卷)

贊云莊小學(xué)

浙江事業(yè)單位考試公共基礎(chǔ)知識(shí):法制史之保辜制度

應(yīng)當(dāng)質(zhì)疑問(wèn)題本身

薄披薩

  本文關(guān)鍵詞：基于輪廓特征理解的城市道路圖像深度估計(jì)，由筆耕文化傳播整理發(fā)布。