一种基于图像的路径识别方法及系统与流程

技术特征：

1.一种基于图像的路径识别方法，其特征是，包括如下步骤：

步骤S1，获取路面的灰度图像；

步骤S2，对灰度图像逐行计算像素的质心位置，以各行质心位置作为道路中心的第一次定位结果；

步骤S3，根据第一次定位结果计算质心两侧梯度最大值，获得道路边界及十字路口位置；

步骤S4，逐行判断：如果此行是十字路口，则以第一次定位结果作为道路中心的第二次定位结果；如果不是十字路口，则计算道路边界内的像素的质心，以此质心位置作为道路中心的第二次定位结果；

步骤S5，对第二次所获得的道路中心进行滤波，获得最终的道路中心线。

2.根据权利要求1所述的一种基于图像的路径识别方法，其特征是，在步骤S2中计算各行像素质心位置的过程为：设第i行、j列的图像像素灰度值为f(i,j)，则第i行的质心所在的列记为y₁(i)，质心计算公式如下：

$y_1\left(i\right)=\frac{\underset{j=1}{\overset{N}{\Σ}}\[j\·f(i,j)\]}{\underset{j=1}{\overset{N}{\Σ}}f(i,j)}$

式中，N为像素的最大列宽。

3.根据权利要求1所述的一种基于图像的路径识别方法，其特征是，在步骤S3中，在道路中心y₁(i)的两侧，分别寻找梯度最大值，取其所在列为道路边界；如果所在列位于图像边界，则该行为十字路口。

4.根据权利要求3所述的一种基于图像的路径识别方法，其特征是，采用如下不完全微分算法计算第i行各列的梯度df(i,j)：

df(i,j)＝K[f(i,j)-g(i,j)]

式中，g(i,j)＝g(i,j-1)+df(i,j-1)，K为滤波系数，0<j<N。

5.根据权利要求1所述的一种基于图像的路径识别方法，其特征是，在步骤S5中，滤波计算公式：

y₃(i)＝αy₃(i-1)+(1-α)y₂(i)

式中，α取值范围为0.5～0.9；y₂(i)为第二次定位结果，y₃(i)为最终道路中心。

6.一种基于图像的路径识别系统，其特征是，包括灰度图像采集模块、第一次道路中心定位模块、道路边界检测模块、第二次道路中心定位模块和第三次道路中心定位模块；

灰度图像采集模块，用于获取路面的灰度图像；

第一次道路中心定位模块，用于对灰度图像逐行计算像素的质心位置，以各行质心位置作为道路中心的第一次定位结果；

道路边界检测模块，用于根据第一次定位结果计算质心两侧梯度最大值，获得道路边界及十字路口位置；

第二道路中心定位模块，用于计算道路边界内的各行像素的质心位置以及十字路口的质心位置，以此质心位置作为道路中心的第二次定位结果；

第三次道路中心定位模块，用于对第二次所获得的道路中心进行滤波，获得最终的道路中心线。

7.根据权利要求6所述的一种基于图像的路径识别系统，其特征是，第一次道路中心定位模块中质心计算公式如下：

$y_1\left(i\right)=\frac{\underset{j=1}{\overset{N}{\&Sigma;}}\&lsqb;j\&CenterDot;f(i,j)\&rsqb;}{\underset{j=1}{\overset{N}{\&Sigma;}}f(i,j)}$

式中，y₁(i)为第i行像素质心所在的列，N为像素的最大列宽，f(i,j)为第i行、j列的图像像素灰度值。

8.根据权利要求6所述的一种基于图像的路径识别系统，其特征是，道路边界检测模块检测道路边界的过程为：在道路中心y₁(i)的两侧，分别寻找梯度最大值，取其所在列为道路边界；如果所在列位于图像边界，则该行为十字路口。

9.根据权利要求6所述的一种基于图像的路径识别系统，其特征是，第二道路中心定位模块逐行计算第二次定位结果的过程为：如果此行是十字路口，则以第一次定位结果作为道路中心的第二次定位结果；如果不是十字路口，则计算道路边界内的像素的质心，以此质心位置作为道路中心的第二次定位结果。

10.根据权利要求6所述的一种基于图像的路径识别系统，其特征是，第三次道路中心定位模块中进行滤波的计算公式如下：

y₃(i)＝αy₃(i-1)+(1-α)y₂(i)

式中，α取值范围为0.5～0.9；y₂(i)为第二次定位结果，y₃(i)为最终道路中心。