一种鲁棒的消失点估计算法.docVIP

一种鲁棒的消失点估计算法 　　摘要：本文提出了一种在复杂的道路环境图片中估计消失点的算法。通过先验信息分析消失点在图片中的候选区域，去除大量的干扰直线段，再用哈夫变换将候选直线段投影到参数空间，并结合直线段的长度使用加权最小中值二乘法来求解消失点的位置。实验中使用多种复杂场景的图片测试算法的可靠性，结果表明本文算法相对传统算法具有更高的消失点精度和鲁棒性。 　　关键词：哈夫变换；消失点；加权最小中值算法；直线段检测； 　　中图分类号：TP391 文献标识码：A 文章编号：1674-098X（2016）02（c）-0000-00 　　Abstract：This paper describes an approach for vanishing point （VP） estimation in the real environment road images. VP predicated region in the image are computed through prior information； which can remove the source of the disturbances of a large number of noise line segments. Then using Hough Transform the candidate line segments in image coordinate are projected into the points in parameter space where VP is estimated by a length of line segments weighted least median square method. During the experiment， many real environment road images were used to test our method. The experimental results reveals that our method is more accuracy and robust than traditional method. 　　Keywords-Hough Transform； vanishing point； Weighted LMS； line segments detection 　　中图分类号： 文献标识码：A 　　0 引言： 　　三维空间中的一组平行直线由摄像机针孔模型投影到二维图像平面为一组相交的直线，这些线的交点称为消失点。消失点可以消去图像透视，实现摄像机姿态估计、摄像机自标定等多种重要的功能，在人造的环境中消失点的应用更为明显，因此消失点估计是计算机视觉领域一个非常热门的研究。道路图像消失点是指纵向的车道线在图像平面的交点。 　　自Barnard提出在数字图像中使用哈夫变换计算消失点的算法[6]以来，基于哈夫变换检测道路车道线和消失点的算法不断被改进。算法[5]将提取到图像中的边缘利用哈夫变换投影到参数空间中，然后用最小二乘法（LS）计算消失点所对应的正弦曲线。虽然结构化道路中车道线边缘明显，但是实际上图像中还存在很多杂乱的边缘结构，如路旁树木、道路标志、车辆、阴影等诸多的因素都会对消失点的估计造成干扰，不能直接利用LS算法估计消失点。算法[2]提出了一种加权的最小二乘法，增强了LS算法抗噪声的能力，但对于复杂道路场景的各种噪声，却不能正确的估计消失点的位置。 　　基于道路平坦、车道线平行的假设，本文提出了一种鲁棒性更强的估计消失点的算法。相对于以前的研究工作，一是在图像中检测直线段代替以前算法在参数空间中用投票机制检测直线段；二是通过直线段约束去除大量噪声直线段；三是用一种加权最小中值算法代替了最小二乘法求消失点。 　　1 直线段约束 　　用梯度方向邻域增长的方法[3]检测道路图像中的直线段结构，得到了直线段的中心 ，直线段的斜率 ，以及直线段所包含同一梯度方向的像素个数 （简称直线段长度）。理想的估计消失点的直线段是前向车道线的边缘，但实际上算法会提取到其它各种的直线段。大量噪声直线段不仅会增大后续处理的计算量和复杂程度，而且会影响消失点估计的精度，甚至会造成消失点估计错误，所以必须尽力剔除和消失点无关的直线段。步骤如下： 　　1、 由于车道线通常拥有连续较长的边缘结构，而细小边缘结构多数对应的是噪声，所以首先去掉长度较短的直线段。 　　2、 消失点候选区域 　　消失点与摄像机相对车道线的航向角、摄像机相对路面俯仰角之间的关系[1]可表示为： 　　式中， 是摄像机的焦距（单位：pix）， 和 分别是摄像机的俯仰角和航向角（单