呂高旺+王新晴+孟凡杰

摘要： 針對(duì)道路識(shí)別的問(wèn)題，文章提出了一種基于彩色圖像的結(jié)構(gòu)化道路檢測(cè)方法，由于受到光照的影響，首先將整幅圖像的道路區(qū)域根據(jù)距離車輛的視野分成幾個(gè)部分；將每個(gè)部分分別取一個(gè)小塊并求取小塊的三個(gè)分量的均值和方差，繪制出彩色三分量直方圖，用統(tǒng)計(jì)規(guī)律確定每個(gè)部分的三分量像素值范圍；最后將這幾個(gè)像素值范圍整合起來(lái)，可以將道路區(qū)域和非道路區(qū)域分割開(kāi)來(lái)。該方法可以避免對(duì)圖像的三分量逐個(gè)分析，運(yùn)算量小，程序簡(jiǎn)短，檢測(cè)速度快，基本滿足對(duì)結(jié)構(gòu)化道路的實(shí)時(shí)性要求，具有一定的抗光照的能力。

關(guān)鍵詞：特征提取；道路識(shí)別；彩色圖像

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）12-0195-02

隨著科學(xué)技術(shù)的發(fā)展，自動(dòng)化技術(shù)越來(lái)越得到研究者的重視，其中比較典型的便是無(wú)人駕駛技術(shù)，對(duì)無(wú)人車的研究也是當(dāng)今比較熱門的話題，如無(wú)人公交車已經(jīng)投入到了人們的日常生活中。這些技術(shù)的核心就是自動(dòng)駕駛系統(tǒng)，自動(dòng)駕駛技術(shù)離不開(kāi)道路檢測(cè)系統(tǒng)，目前，隨著私家車的不斷普及和推廣，研究道路檢測(cè)的主動(dòng)安全性尤為重要。目前已研發(fā)出的系統(tǒng)比較有代表性的如意大利帕爾馬大學(xué)的ARGO系統(tǒng)、美國(guó)卡內(nèi)基-梅隴大學(xué)的NAVLAB系統(tǒng)、德國(guó)慕尼黑聯(lián)邦國(guó)防大學(xué)的VaMP系統(tǒng)、美國(guó)加州伯克利大學(xué)的PATH系統(tǒng)等等。這些系統(tǒng)所需要的關(guān)鍵技術(shù)便是道路檢測(cè)。在日常城市生活中，人們上下班大多都是行駛在結(jié)構(gòu)化道路上，因此針對(duì)結(jié)構(gòu)化道路的研究是非常有必要的。

1 道路檢測(cè)的基本算法與流程

道路檢測(cè)的算法有很多種，有基于模型的算法、基于單目視覺(jué)的算法、基于小波變化的算法、基于神經(jīng)網(wǎng)絡(luò)的算法等等，不同的算法可以解決不同的問(wèn)題，其用法和原理也不相同，研究人員可以根據(jù)研究的需要選擇不同的算法。

根據(jù)人們的駕駛常識(shí)，本文首先定義兩個(gè)假設(shè)，第一，道路顏色的變化是漸變的，不存在突變情況；第二，汽車駕駛的方向?yàn)榍胺?。受到光照和視覺(jué)的影響，本文首先對(duì)圖像進(jìn)行預(yù)處理即圖像的分塊采樣處理用以獲取每個(gè)區(qū)域中的顏色灰度值，通過(guò)數(shù)理統(tǒng)計(jì)求出每個(gè)區(qū)域像素值的范圍，確定范圍之后，根據(jù)像素點(diǎn)是否在此范圍中來(lái)進(jìn)行像素點(diǎn)的篩選，在此范圍中的像素點(diǎn)置為255即白色，不在范圍中的像素點(diǎn)置為0即黑色，在統(tǒng)計(jì)完之后便形成了一個(gè)黑白相間的圖像，在此圖像上道路和周圍的區(qū)域有著明顯的區(qū)別，其算法流程圖如圖1所示：

2 圖像的采樣處理

在對(duì)道路進(jìn)行識(shí)別之前，需要先做一下預(yù)處理。通過(guò)觀察圖像，可以看出路面、植物、建筑物、天空之間的像素值是不同的，為了從這些物體中識(shí)別出道路，取圖像的前半部分，如圖3所示，這樣可以減少建筑物的影響。由于受到光照的影響，道路從前到后的顏色是不一樣的，也就是亮度值不同，所以需要對(duì)圖像中的路面進(jìn)行分塊采樣以分別求出每個(gè)分塊部分的亮度值，然后再整合在一起。根據(jù)圖2的特征，大致可以取三塊進(jìn)行采樣。塊的大小通常為20*20的正方形比較合適。如圖4：

3 像素點(diǎn)的統(tǒng)計(jì)

圖像采樣之后，需要對(duì)小塊中的像素點(diǎn)值進(jìn)行統(tǒng)計(jì)，以確定道路區(qū)域每個(gè)層像素值的范圍。首先用imhist函數(shù)作出每個(gè)采樣小塊的直方圖，如圖5所示，由于是有三個(gè)分量，所以得到的是三個(gè)分量的直方圖，通過(guò)直方圖不難得出在直方圖中的像素點(diǎn)值大部分的分布是比較集中的，但是也可能會(huì)出現(xiàn)出距離中心值比較遠(yuǎn)的部分，這時(shí)需要對(duì)其進(jìn)行去除，以免對(duì)下一步的工作產(chǎn)生影響。對(duì)每個(gè)區(qū)域的所有像素點(diǎn)的RGB三個(gè)分量分別計(jì)算均值和方差，其計(jì)算公式為：

觀察直方圖可看出這些像素值的分布和正態(tài)分布類似，所以像素的取值范圍大體上可以用來(lái)表示。

4 道路區(qū)域的識(shí)別

在經(jīng)過(guò)上述幾步處理完之后，道路區(qū)域每一小塊每一層像素的范圍已確定。首先，針對(duì)每一個(gè)小塊的R、G、B三個(gè)分量，需要同時(shí)滿足這三個(gè)分量的范圍才是此小塊對(duì)應(yīng)于圖像上道路區(qū)域的點(diǎn)，此過(guò)程可以用一個(gè)“&”來(lái)完成；其次，針對(duì)整個(gè)圖像來(lái)講，只要滿足三個(gè)小塊中的一個(gè)要求便是所要求的道路區(qū)域，此過(guò)程可以用一個(gè)“|”語(yǔ)句來(lái)完成。

5 實(shí)驗(yàn)結(jié)果分析

在程序執(zhí)行完之后得到的圖像如圖6所示。值得說(shuō)明的是，二值圖（也即二進(jìn)制圖像）也是黑白圖，但是此處的“二值圖”和傳統(tǒng)意義上的二值圖有所區(qū)別，正常的二值圖是通過(guò)設(shè)定閥值將一個(gè)圖像轉(zhuǎn)換為二進(jìn)制圖像，且圖像是單層的，閥值以上的置為1，其余的置為0。

從圖6可以看出，受到植物建筑物等的影響，圖像有斑點(diǎn)和噪聲，會(huì)有部分的干擾，為了解決這個(gè)問(wèn)題使圖像的道路顯示的更為明顯，采取中值濾波以去除圖像中的斑點(diǎn)和噪聲，其處理結(jié)果如圖7所示。

從圖7可以清晰的識(shí)別出道路區(qū)域以及道路標(biāo)志線的位置這兩個(gè)對(duì)于自動(dòng)駕駛系統(tǒng)至關(guān)重要的部分。初次之外，為了體現(xiàn)出本算法的優(yōu)越性，筆者在此特意用了圖像的二值分割技術(shù)，二值分割技術(shù)是基于二值圖進(jìn)行圖像的分割，不同的閥值可以得到不同的處理效果。設(shè)定三個(gè)不同的閥值分別為0.5、0.3、0.15，其處理結(jié)果如圖8所示。本算法和二值分割一個(gè)最大的不同就是二值分割得到的圖像是單層，而此算法得到的圖像是三層。

6 結(jié)束語(yǔ)

本方法提出的是基于彩色特征進(jìn)行道路的識(shí)別，在通過(guò)上述的描述可以看出本方法在道路檢測(cè)上的優(yōu)點(diǎn)，除此之外，本方法和一些比較復(fù)雜的算法相比，只需要很少的先驗(yàn)假設(shè)，而別的一些算法則需要大量的訓(xùn)練樣本，例如神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等。而且訓(xùn)練樣本的好壞也決定著算法的結(jié)果，本算法在秉承其他算法優(yōu)點(diǎn)的基礎(chǔ)上，還具有算法結(jié)構(gòu)簡(jiǎn)單、速度快、方便實(shí)用等特點(diǎn)。不但可以用于解決結(jié)構(gòu)化道路的檢測(cè)，在非結(jié)構(gòu)化道路中也有一定的作用。