毛臣健 周 憶

(①重慶工業(yè)職業(yè)技術(shù)學(xué)院，重慶 401120;②重慶大學(xué)機(jī)械工程學(xué)院，重慶 400044)

基于反射鏡的全景視覺由于具有同一時(shí)刻獲取360°的視覺信息的優(yōu)勢，在導(dǎo)航、監(jiān)控、機(jī)器人等領(lǐng)域得到越來越多的應(yīng)用。針對不同的目標(biāo)特征，人們開發(fā)了各種用途的全景視覺，例如基于水平場景無畸變的全景視覺［1］、等角度全景視覺［2］和單視點(diǎn)錐形全景視覺［3］等。但是全景視覺成像復(fù)雜，往往難以兼顧多個(gè)目標(biāo)的檢測與識別，現(xiàn)有的全景視覺大多針對某類目標(biāo)進(jìn)行檢測與識別，降低其他目標(biāo)的識別要求。

具有直線性質(zhì)的邊線是導(dǎo)航定位的重要標(biāo)志物。除了水平無畸變的全景視覺可以保留邊線的直線特征外，普通的全景視覺圖像中，邊線成像后往往出現(xiàn)扭曲，形成不規(guī)則曲線，難以用函數(shù)形式表示。并且由于實(shí)時(shí)性要求，使在普通全景視覺中進(jìn)行邊線檢測變得困難，所以一般采用單目視覺［4］或者水平無畸變的全景視覺進(jìn)行邊線識別。單目視覺視場較小，并且增加額外的硬件成本，水平無畸變的全景視覺則會造成其他目標(biāo)有較大形變，增加其他目標(biāo)的識別難度。

本文提出一種用于普通全景視覺的水平邊線檢測方法，利用圖像坐標(biāo)與水平場景坐標(biāo)的關(guān)系，將通常在圖像坐標(biāo)中實(shí)現(xiàn)的邊線檢測變換到水平場景坐標(biāo)中進(jìn)行求取，回避全景圖像中邊線扭曲的問題，采用部分點(diǎn)集代替全部候選點(diǎn)集的方式，不僅能夠?qū)崿F(xiàn)普通全景視覺圖像上的邊線檢測，而且能夠根據(jù)實(shí)時(shí)性要求進(jìn)行調(diào)整，擴(kuò)展其應(yīng)用范圍。

1 主要實(shí)現(xiàn)原理

雖然由于全景視覺成像的復(fù)雜性，不能兼顧不同目標(biāo)的識別要求。但是對于全景視覺成像，往往是采用全景圖像坐標(biāo)與水平場景坐標(biāo)的關(guān)系來表示，如圖1所示，而且通常是唯一對應(yīng)的。這樣，可以將全景圖像經(jīng)過徑向擴(kuò)展還原為按比例縮放的無畸變水平場景，然后利用一般的檢測方法即可對邊線進(jìn)行檢測與識別。

直線檢測大多采用Hough變換，由標(biāo)準(zhǔn)算法到各種改進(jìn)算法，直線Hough變換在實(shí)時(shí)性上已經(jīng)有了較大的改善，但是對某種具體的算法來說，參與運(yùn)算的候選點(diǎn)數(shù)量仍是影響算法實(shí)時(shí)性的重要因素，如果點(diǎn)數(shù)過多，則會影響其在實(shí)時(shí)系統(tǒng)中的應(yīng)用。

每條邊線都具有兩條平行的邊緣直線，如果采用邊線中心線代替邊線本身，忽略干擾點(diǎn)，那么則會使用于檢測的邊緣點(diǎn)減少一半，并且采用中心線也比邊緣線具有更強(qiáng)的抗干擾能力。對于利用Hough變換進(jìn)行直線檢測，由于其抗干擾能力強(qiáng)，并不需要對所有直線上的點(diǎn)進(jìn)行運(yùn)算，基于Hough變換這個(gè)優(yōu)勢，可以采用部分點(diǎn)集代替全部點(diǎn)集進(jìn)行直線檢測。利用部分點(diǎn)集進(jìn)行直線檢測的關(guān)鍵是所選取的點(diǎn)集應(yīng)該較為均勻地取自于所有點(diǎn)集，即應(yīng)該分布在整個(gè)有效區(qū)域，而不是集中在某個(gè)范圍內(nèi)，以免出現(xiàn)漏檢或誤檢。本文提出兩種不同的點(diǎn)集提取方式，以供不同的全景視覺使用。

2 候選點(diǎn)集的提取

本文方法是利用邊線中心線求取邊線的直線信息，故提取的點(diǎn)集應(yīng)該是中心線的點(diǎn)集。如圖2所示，可以根據(jù)直線左右(或上下)邊緣點(diǎn)進(jìn)行中心線上點(diǎn)的提取。易知，由于邊緣線KA、KB與中心線KC的斜率相同，如果A、B為左右邊緣線上的任意點(diǎn)，其連線的中點(diǎn)C必定位于中心線KC上。以下兩種提取方式都采用這樣的中心線點(diǎn)集獲取方法。

(1)基于水平無畸變圖像的提取方式

根據(jù)全景圖像與場景徑向關(guān)系可以將一般的全景圖像轉(zhuǎn)換為水平無畸變的全景圖像，然后利用等間距的橫向與縱向提取線分別尋找邊線的上下、左右邊緣點(diǎn)，如圖3所示，計(jì)算中點(diǎn)，即為帶檢測點(diǎn)。這樣的提取方式能夠?qū)τ行^(qū)域內(nèi)的邊緣點(diǎn)進(jìn)行均勻提取。但是由于一般的全景視覺往往注重觀察附近的目標(biāo)，使較遠(yuǎn)處的區(qū)域在圖像中所占比例較小，將其轉(zhuǎn)換為水平無畸變的全景圖像后，會引起邊緣點(diǎn)的誤差增大。所以對全景視覺的硬件要求較高，并輔以較好的插值算法使圖像在轉(zhuǎn)換后保持一定的清晰度。

(2)基于柱形圖的提取方式

全景圖像除了以圓形區(qū)域表示外，還經(jīng)常以柱形圖表示。某點(diǎn)在柱形圖上的寬表示其角度信息，高表示其徑向長度。如果柱形圖的高與圓形全景圖像的徑向長度一致，那么柱形圖上一點(diǎn)A與其在圓形全景圖像上對應(yīng)點(diǎn)A'具有圖4所示關(guān)系。

對柱形圖也可采用橫向與縱向提取線的方式進(jìn)行點(diǎn)集的提取。與第一種提取方式不同的是，在柱形圖中，其縱向提取線對應(yīng)于圓形全景圖像的徑向線，其橫向提取線則對應(yīng)于一個(gè)以圓形全景圖像中心為圓心的圓，如圖5所示。

為了不使提取的點(diǎn)集過于集中于某一區(qū)域，柱形圖的橫向提取線的間距應(yīng)該以實(shí)際場景為準(zhǔn)，通過圖像徑向坐標(biāo)與實(shí)際場景徑向坐標(biāo)的關(guān)系轉(zhuǎn)換至柱形圖，如圖6所示。

基于柱形圖的提取方式對于其周圍的邊線來說，重視程度越遠(yuǎn)越小。適合于價(jià)格較低的全景視覺，這是因?yàn)榈蛢r(jià)攝像機(jī)在全景成像中往往只能確保某一部分成像清晰，而其余部分較為模糊。

3 邊線檢測的主要流程

候選點(diǎn)集提取后，可以根據(jù)常用的直線Hough變換進(jìn)行直線檢測，在此不再贅述。本文方法處理流程如下:

(1)利用模型或者擬合的方式得到圖像坐標(biāo)與場地坐標(biāo)之間的函數(shù)關(guān)系;

(2)選擇適合的邊緣點(diǎn)判斷方法;

(3)利用本文的邊緣點(diǎn)提取方式提取候選邊緣點(diǎn)集;

(4)利用直線 Hough 變換［5－6］檢測邊線中心線，并保存其所屬的候選點(diǎn);

(5)利用最小二乘法對其所屬的點(diǎn)集進(jìn)行擬合［7］，得到更為精確的直線參數(shù)。

4 實(shí)驗(yàn)

由于安裝與加工精度的原因，對實(shí)驗(yàn)所有的全景視覺其圖像坐標(biāo)與場地坐標(biāo)之間的函數(shù)關(guān)系采用逐點(diǎn)擬合的方式得到，在全景視覺附近放置兩條淺色邊線，如圖7所示。采用HSI顏色空間與閾值作為邊緣點(diǎn)的判斷方式，利用基于柱形圖的提取方式進(jìn)行候選點(diǎn)集的提取，縱向提取線數(shù)量為100，橫向提取線為30，提取結(jié)果如圖8所示。提取點(diǎn)集的場景坐標(biāo)如圖9所示。利用直線Hough變換以及最小二乘擬合的直線如圖10所示。圖11是將所得直線反映到原始全景圖像中的示意圖。

雖然由于安裝、加工以及擬合的問題，使提取點(diǎn)集的位置有所偏差，但是從圖11中還是可以看出，得到的直線基本與邊線吻合，說明了本文方法可以實(shí)現(xiàn)普通全景視覺的邊線提取，主流配置下，整個(gè)運(yùn)算所消耗時(shí)間為15 ms。可以直接應(yīng)用于實(shí)時(shí)系統(tǒng)中。

5 結(jié)語

全景視覺圖像可以實(shí)現(xiàn)無遮擋成像，但是由于成像復(fù)雜，使各種目標(biāo)特征難以兼顧。而邊線作為機(jī)器人導(dǎo)航定位的重要標(biāo)志，為了兼顧全景視覺識別邊線與其他目標(biāo)，本文提出了一種全景視覺通用的邊線檢測方法，使全景視覺的設(shè)計(jì)不用考慮邊線因素。實(shí)驗(yàn)表明該方法能夠?qū)崿F(xiàn)一般全景圖像上的白線檢測，滿足實(shí)時(shí)系統(tǒng)的要求。

［1］曾吉勇，蘇顯渝.水平場景無畸變的折反射全景成像系統(tǒng)［J］.光學(xué)學(xué)報(bào)，2003，23(5):636 －640.

［2］湯一平，嚴(yán)海東，陳龍艷.無死角的全方位視覺傳感器的設(shè)計(jì)［J］.儀器儀表學(xué)報(bào)，2009，30(5):916 －920.

［3］LIN Shih－Schon，Ruzena Bajcsy.Single－View －Point Omni－directional catadioptric cone mirror imager［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2006，28(5):840 －845.

［4］Aggarwal Nitin，Karl William Clem.Line detection in images through regularized hough transform［J］.IEEE Transactions on Image Processing，2006，15(3):582 －591.

［5］CAO Yang，WANG Shuhua，LI Heng.Skew detection and correction in document images based on straight－ line fitting［J］.Pattern Recognition Letters，2003，24(12):1871 －1879.

［6］Mochizuki Yoshihiko，Torii Akihiko，Imiya Atsushi.N － Point Hough transform for line detection［J］.Journal of Visual Communication and Image Representation，2009，20(4):242 －253.

［7］Fernandes，Leandro A F，Oliveira，et al.Real－ time line detection through an improved Hough transform voting scheme［J］.Pattern Recognition，2008，41(1):299 －314.