賈嫣 李硯軼

摘要：針對雨天雪天氣采集到的非結構化道路的一種識別算法。該文針對雨雪天氣的特殊性利用HSV空間中的H空間進行模糊增強，使用最大類間差分方法自動選取閾值進行道路和非道路的粗分，使用形態(tài)學和斑塊消去法進行圖像的降噪，得到細分圖像，最后使用邊緣檢測得到道路邊緣。

關鍵詞：非結構化道路識別；形態(tài)學；圖像降噪；邊緣檢測

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2014）24-5742-02

道路檢測技術的發(fā)展為無人駕駛系統(tǒng)中障礙物的檢測提供了基礎保障，同時也拓寬了無人駕駛車輛行駛和應用的范圍。國際上70年代就已經開始了結構化道路的研究，迄今為止結構化道路的檢測技術已趨于成熟，對于非結構化道路的道路檢測技術也有一定的研究，國內如THMR_V道路檢測系統(tǒng)[1][2]、國防科技大的紅旗HQ3無人駕駛車輛[3][4]；國外如美國的NavLab系統(tǒng)[5][6]、德國VaMP系統(tǒng)[7]。隨著無人駕駛車輛應用范圍的擴展，要求無人駕駛車輛不但要能行駛在一些泥土沙石道路、山地道路等非結構化道路上，而且要求無人駕駛車輛在雨雪天氣中在非結構化道路上行駛，這時由于道路邊緣退化、道路寬度無規(guī)律、建筑物和植物在道路上形成陰影、雨雪覆蓋等自然環(huán)境的影響，會給道路檢測帶來困難，使得道路檢測的魯棒性、準確性降低。目前，有一些算法能夠處理以上提到的復雜情況中的幾種，但是還沒有一個較好的算法能夠解決這些復雜的問題，目前的算法大多都是以犧牲實時性或檢測準確性為代價實現的。由于雨天，雪天道路退化嚴重，圖像復原雖然是較好的選擇，但是這種方法運算量大，對于實時性的滿足較差，因此考慮使用一種計算簡單、實時性高，魯棒性好的算法來進行雨天、雪天非結構化道路的檢測。針對以上問題，該文主要采取模糊處理的方式對退化的數字圖像進行處理而后再使用基于特征的道路識別方法進行道路識別。

1 算法框架及關鍵技術

針對雨雪天氣的特殊性利用HSV空間中的H空間進行模糊增強，使用最大類間差分方法自動選取閾值進行道路和非道路的粗分，然后使用形態(tài)學和斑塊消去法進行圖像的降噪，得到細分圖像，最后使用邊緣檢測得到道路邊緣。處理雨天、雪天非結構化道路的算法框圖設計如圖1所示：

3 小結

本章針對特殊天氣中的雨雪天氣提出了一種基于模糊增強的非結構道路識別算法。首先將RGB空間轉換到HSV空間，然后在H空間進行模糊增強，增加圖像對比度，然后使用最大類間差分方法進行圖像二值化，得到粗分的道路非道路圖像，然后使用形態(tài)學和斑塊區(qū)域消去對圖像去噪，最后使用Canny算子的邊緣檢測法得到道路邊緣圖像。該算法實時性高、計算速度快。通過研究發(fā)現本算法對一般的雨雪天非結構化道路可以很好的識別，但是對于道路上有大面積陰影的道路識別率不高。

參考文獻：

[1] Yang M， Lu J， Wang H， Zhang B. Vision-based Real-time Vehicle Guidance on THMR-V Part I： Unstructured Road Detection. Proceedings of the International Symposium on Test and Measurement （ISTM01），2001：365-368.

[2] 張振武，丁冬花.THMR-V道路檢測算法設計[J].微計算機信息，2005 （21）：115-117.

[3] http：//news.ifeng.com/mil/chinapic/detail_2011_07/19/7789618_0.shtml.

[4] http：//auto.163.com/12/0524/11/8291J5GN00084TV1.html.

[5] 徐杰.智能車輛視覺導航中道路邊界識別技術的研究[D].吉林大學，2001：3-5.

[6] 王宏.智能車輛的主動駕駛與輔助導航[J].機器人，1997（5）：12-13.

[7] Broggi A，Bertozzi M，Fascioli A，et al.AutomaticVehideGuidance：the Experience of the ARGO Autonomous Vehicle.World Scienlific，1999.