移动测图系统街景影像中井盖部件识别方法与流程

本发明涉及一种图像识别方法，特别涉及一种移动测图系统街景影像中井盖部件识别方法。

背景技术：

移动测图系统(Mobile Mapping Systems，简称MMS)，是当今测绘界最为前沿的科技成果之一，代表当前沿道路地理空间数据采集和沿公路数据普查领域的最新发展方向。MMS是集成了全球导航卫星系统(GNSS)、惯性导航系统(INS)、CCD影像、激光扫描仪和自动控制等尖端科技发展起来的一种新型测绘及数据采集装置。

多传感器MMS有多种移动搭载平台，目前以车载为主。车载多传感器MMS以车载近景摄影测量的方式，实现对道路及道路两旁地物的空间数据、属性数据以及实景图片的快速采集，例如，道路中心线或边线位置坐标、路(车道)宽、桥(隧道)高、交通标志、道路附属设施等。这些数据通过软件加工，可生成能满足不同需求的专题数据库及电子地图。车载MMS既是汽车导航、调度监控以及各种基于道路的GIS应用的基本数据支撑平台，又是高精度的车载监控工具。目前，它在军事、勘测、电信、交通管理、城市规划、堤坝监测、电力设施管理、海事等各个方面都有着广泛应用。

移动测图系统解决了海量空间数据快速更新的问题，同时产生了大量具有丰富特征信息和连续图像序列，而只有将这些图像序列中的目标物信息提取出来生成结构化对象数据的空间数据库，才能进行广泛的业务化应用。

目前对于目标物信息(各种沿道路两侧的城市部件)提取工作还主要由人工进行采集，这极大地增加了城市部件信息提取的成本且时效性较差，严重制约了移动测图系统更加广泛的应用。

市政部件目标准确识别是进行MMS序列影像信息提取的一个必要阶段，也是一项极具挑战性的工作，已经受到广泛关注，对推进智慧化城市建设意义重大。目前，国内对移动测图系统影像信息提取的研究主要集中在道路信息采集和更新应用中。国外对于从MMS影像中提取目标物的方法研究，则以对象测量方法基础上的各种图像匹配策略为主，主要是根据图像地理参考参数，多基线几何原理建立识别模型对图像序列进行目标提取识别。

城市路面上的各类井盖在当前城市部件管理诸多问题中十分突出，关系到市民的日常安全出行等方面。一般市政部件井盖在移动道路测图系统获取的街景影像中呈现出椭圆形的几何特征，故而可利用椭圆拟合等技术实现复杂背景下井盖多目标的定位和智能识别。目前基于图像边缘检测的椭圆拟合方法主要有三大类，(a)基于不变矩的方法，(b)基于Hough变换及其改进的方法，(c)基于最小二乘的方法；各种方法均有其适用的条件和应用场景。(a)基于不变矩的椭圆拟合方法对噪声较为敏感，存在算法复杂与计算量较大等问题，因而对移动道路测图复杂背景条件下的实际工程应用效果并不理想。(b)Hough变换的主要思想是将边缘特征图像从空间域变换到参数域，用参数域中采样点峰值所对应的参数来表示特征图像中的曲线。只要已知曲线的一般方程形式(例如直线、抛物线等)，即可利用Hough变换进行检测。Hough变换具有对噪声不敏感的优点，但存在计算量较大的缺点，对于移动道路测图需要实时处理的海量影像，将导致无法在实际工程中取得较好的应用效果。(c)最小二乘法是在随机误差为正态分布时，由最大似然法推出的一种最优估计技术，它具有使测量误差平方和最小化的特点，但是由于移动测图系统街景影像中市政井盖所处背景环境复杂以及有效检测区域在整幅图像中所占范围相对较小等问题，现有基于最小二乘法的移动测图系统街景影像中市政井盖的识别方法存在定位不够准确、识别率不高等问题。

技术实现要素：

本发明的目的在于提供一种定位准确、识别率高的移动测图系统街景影像中井盖部件识别方法。

本发明的移动测图系统街景影像中井盖部件识别方法，所述方法包括：

读入图像数据，获取图像参数；

图像预处理，对图像中的边缘特征进行增强；

利用加权矢量边缘检测方法对图像预处理后的图像进行边缘检测，获取边缘特征图像；

基于所述矢量边缘特征图像，获取边缘点集，并提取每个边缘点集对应的矢量轮廓链表；

对所有矢量轮廓链表按照判别依据逐个计算，采用最小二乘法解算疑似井盖椭圆方程系数，并利用系数相似度阈值及系数计数器控制检测精度；

依据移动测图系统街景影像中井盖的几何特征和/或方位特征进行虚假椭圆的剔除；

其中，对所有矢量轮廓链表按照判别依据逐个计算，采用最小二乘法解算疑似井盖椭圆方程系数，并利用系数相似度阈值及系数计数器控制检测精度，具体包括：

a、对矢量轮廓链表随机采样两点A、B，点A、B符合以下规则：

两点间距不能小于阈值MinDis，所述阈值MinDis为矢量轮廓链表长度的0.1-0.2倍；

两点间距不能大于阈值MaxDis，所述阈值MaxDis为矢量轮廓链表长度的0.4-0.5倍；

两点尚未同时采样过；

过两点的切线夹角不能小于夹角阈值，所述夹角阈值的取值范围为9°-11°；

每次采样后，采样计数器加1；对每条矢量轮廓链表刚开始采样时，采样计数器初始化为0；

把符合规则的点A、B保存到点对记号集后，执行b；

若采样失败，判断采样计数器是否小于采样阈值，若小于所述采样阈值，继续对该矢量轮廓链表采样；反之，结束对该矢量轮廓链表的计算，开始对下一条矢量轮廓链表进行采样；所述采样阈值为被采样的矢量轮廓链表中的点总个数的0.4-0.6倍；

b、求取点A、B切线的交点T；

c、求AB中点M，求MT中点G；

d、在线段MG区间求取点集C(x，y)，判断C(x，y)中点数是否大于等于1，如果是，执行e；反之返回a；

e、过点集C(x，y)中的点做切线Lc；

f、判断Lc与AB是否平行，如果平行，执行g；如果不平行，则判断采样计数器是否小于所述采样阈值，如果是，返回a；反之判别该矢量轮廓链表不是真实椭圆，结束对该矢量轮廓链表的计算，开始计算下一个矢量轮廓链表；判断Lc与AB是否平行的方法为，当点集C(x，y)中有多个点时，取Lc与AB夹角的最小值与所述夹角阈值比较，当小于所述夹角阈值时判断Lc与AB平行；

g、基于点A、B、C，采用最小二乘法拟合椭圆：ax^2+bxy+cy^2+dx+ey+f＝0，求解系数Px，Px为系数集合(a，b，c，d，e，f)；

h、判断b^2-4ac是否小于0，如果小于，返回到a；反之执行i；

i、判断椭圆系数集合中是否存在系数Px，如果不存在，将系数Px存入椭圆系数集合，同时令该系数计数器＝1，并返回到a；反之执行j；判断椭圆系数集合中是否存在系数Px的依据是：Px与椭圆系数集合中已经检测到的系数P满足|Px-P|＜δ时可认为两系数相同，δ为系数相似度阈值，取值范围为0.1-1；

j、该系数计数器加1；

k、判断该系数计数器是否大于MaxC，如果是，再依据移动测图系统街景影像中井盖的几何特征和/或方位特征进行虚假椭圆的剔除；反之返回到a；其中MaxC的取值范围为1-3。

优选地，所述步骤d中在线段MG区间求取点集C(x，y)的方法为在线段MG方向上检 测是否存在候选点，或采用遍历法，在边缘点集中搜索，C点满足距离|MG|+ε≥|CM|+|CG|，ε＝1或2。

优选地，所述步骤d中判断C(x，y)中点数大于1后，还要判断C中是否存在相邻两点沿MG方向距离小于等于1像素，若存在，删除其中一点以剔除非核心像元，得到最终点集C(x，y)后，执行e。

优选地，所述j中该系数计数器加1后，还包括将Px存储到椭圆系数集合中，椭圆系数集合中存储该条矢量轮廓链表所有有效参数Px，并将Px对应的各个系数(a，b，c，d，e，f)算平均数，计算出最终的一个Px来代表该椭圆。

优选地，所述依据移动测图系统街景影像中井盖的几何特征进行虚假椭圆的剔除，具体为：利用落到Px对应的椭圆上的点和Px对应的椭圆的周长之比与Mc进行比较，设λ为矢量轮廓链表上的点所构成的近似椭圆形状的多边形的长度与Px对应的椭圆周长之比，则井盖椭圆的最小阈值为Mc＝λ*[1.5*(α+β)-(α*β)^1/2]，当大于Mc，为井盖椭圆，α，β为椭圆长短半轴长度；

所述依据移动测图系统街景影像中井盖的方位特征进行虚假椭圆的剔除，具体为：在MMS车上架设的仪器CCD相机参数固定的情况下，井盖椭圆长/短半轴的相对行驶方向的旋转角度应小于5°-10°。

本发明的移动测图系统街景影像中井盖部件识别方法，利用加权矢量边缘检测方法进行边缘检测，基于所述矢量边缘特征图像，获取边缘点集，并提取每个边缘点集对应的矢量轮廓链表，对所有矢量轮廓链表按照判别依据逐个计算，采用最小二乘法解算疑似井盖椭圆方程系数，并利用系数相似度阈值及系数计数器控制检测精度，得到候选井盖椭圆，再依据移动测图系统街景影像中井盖的几何特征和/或方位特征进一步剔除虚假椭圆，最终识别出井盖椭圆，具有定位准确、识别率高的优点。

下面结合附图对本发明移动测图系统街景影像中井盖部件识别方法作进一步说明。

附图说明

图1为本发明移动测图系统街景影像中井盖部件识别方法流程图；

图2为对所有矢量轮廓链表逐个采用最小二乘法解算并利用系数相似度阈值及系数计数器控制检测精度的子流程图；

图3a为实验1的原始移动测图系统街景影像；

图3b为图3a中路面井盖局部区域放大截图；

图4a为实验1的井盖识别检测结果；

图4b为图4a中的路面井盖局部区域放大截图；

图5a为实验2的原始移动测图系统街景影像；

图5b为图5a中路面井盖局部区域放大截图；

图6a为实验2的井盖识别检测结果；

图6b为图6a中的路面井盖局部区域放大截图。

具体实施方式

本发明的移动测图系统街景影像中井盖部件识别方法，方法包括：

读入图像数据，获取图像参数，主要获取有关待检测街景影像的元数据信息，如长、宽、通道数、位深等；

图像预处理，主要包括平滑、去噪、增强、滤波(如边缘保持型双边滤波技术)等处理步骤，目的是对图像中的边缘特征进行增强，有利于矢量边缘轮廓的检测及识别效果的提升；

利用加权矢量边缘检测方法对图像预处理后的图像进行边缘检测，获取边缘特征图像；其中加权矢量边缘检测方法现在是研究热点，有很多已经提出来的方法可以采用，例如Liu Jianhua，Mao Zhengyuan，″Vector and Scalar Edge Extraction from Multi-spectral High Spatial Resolution Remotely Sensed Imagery(MHSRRSI)in Weighted Color Space″，MINES，2010，Multimedia Information Networking and Security，International Conference on，Multimedia Information Networking and Security，International Conference on 2010，pp.932-935，doi：10.110g/MINES.2010.210；

基于矢量边缘特征图像，获取边缘点集，并提取每个边缘点集对应的矢量轮廓链表；边缘点集一般由多个矢量轮廓链表构成，椭圆拟合过程中逐个进行循环处理；

对所有矢量轮廓链表按照判别依据逐个计算，采用最小二乘法解算疑似井盖椭圆方程系数，并利用系数相似度阈值及系数计数器控制检测精度；

依据移动测图系统街景影像中井盖的几何特征和/或方位特征进行虚假椭圆的剔除。

其中，对所有矢量轮廓链表按照判别依据逐个计算，采用最小二乘法解算疑似井盖椭圆方程系数，并利用系数相似度阈值及系数计数器控制检测精度，具体包括：

a、对矢量轮廓链表随机采样两点A、B，点A、B符合以下规则：

两点间距不能小于阈值MinDis，阈值MinDis为矢量轮廓链表长度的0.1倍或0.2倍；

两点间距不能大于阈值MaxDis，阈值MaxDis为矢量轮廓链表长度的0.4倍或0.5倍；

两点尚未同时采样过，通过与点对记号集中的记录比对来判断；

过两点的切线夹角不能小于夹角阈值，夹角阈值为9°或10°或11°；

每次采样后，采样计数器加1；对每条矢量轮廓链表刚开始采样时，采样计数器初始化为0；采样阈值约束对每条矢量轮廓链表进行采样和判断的次数。

把符合规则的点A、B保存到点对记号集后，执行b；

若采样失败，判断采样计数器是否小于采样阈值，若小于采样阈值，继续对该矢量轮廓链表采样；反之，结束对该矢量轮廓链表的计算，开始对下一条矢量轮廓链表进行采样；采样阈值为被采样的矢量轮廓链表中的点总个数的0.4倍或0.5倍或0.6倍；

b、求取点A、B切线的交点T；

c、求AB中点M，求MT中点G；

d、在线段MG区间求取点集C(x，y)，判断C(x，y)中点数是否大于等于1，如果不是，返回a；如果是，再判断C(x，y)中是否存在相邻两点沿MG方向距离小于等于1像素，若存在，删除其中一点以剔除非核心像元，得到最终点集C(x，y)后，执行e；其中，在线段MG区间求取点集C(x，y)的方法为在线段MG方向上检测是否存在候选点，或采用遍历法，在边缘点集中搜索，C点满足距离|MG|+ε≥|CM|+|CG|，ε＝1或2；

e、过点集C(x，y)中的点做切线Lc；

f、判断Lc与AB是否平行，如果平行，执行g；如果不平行，则判断采样计数器是否小于采样阈值，如果是，返回a；反之判别该矢量轮廓链表不是真实椭圆，结束对该矢量轮廓链表的计算，开始计算下一个矢量轮廓链表；判断Lc与AB是否平行的方法为，当点集C(x，y)中有多个点时，取Lc与AB夹角的最小值与夹角阈值比较，当小于夹角阈值时判断Lc与AB平行；

g、基于点A、B、C，采用最小二乘法拟合椭圆：ax^2+bxy+cy^2+dx+ey+f＝0，求解系数Px，Px为系数集合(a，b，c，d，e，f)；

h、判断b^2-4ac是否小于0，如果小于，返回到a；反之执行i；

i、判断椭圆系数集合中是否存在系数Px，如果不存在，将系数Px存入椭圆系数集合，同时令该系数计数器＝1，并返回到a；反之执行j；判断椭圆系数集合中是否存在系数Px的依据是：Px与椭圆系数集合中已经检测到的系数P满足|Px-P|＜δ时可认为两系数相同，δ为系数相似度阈值，取值为0.1或0.5或1；

j、该系数计数器加1，同步更新该参数Px，即将Px存储到椭圆系数集合中；椭圆系数集合中存储该条矢量轮廓链表所有有效参数Px，并将Px对应的各个系数(a，b，c，d，e，f)算平均数，计算出最终的一个Px来代表该椭圆；

k、判断该系数计数器是否大于MaxC，如果是，再依据移动测图系统街景影像中井盖的 几何特征和/或方位特征进行虚假椭圆的剔除；反之返回到a；其中MaxC的取值为1或2或3。

依据移动测图系统街景影像中井盖的几何特征进行虚假椭圆的剔除，具体为：利用落到Px对应的椭圆上的点和Px对应的椭圆的周长之比与Mc进行比较，设λ为矢量轮廓链表上的点所构成的近似椭圆形状的多边形的长度与Px对应的椭圆周长之比，则井盖椭圆的最小阈值为Mc＝λ*[1.5*(α+β)-(α*β)^1/2]，当大于Mc，为井盖椭圆，α，β为椭圆长短半轴长度；

依据移动测图系统街景影像中井盖的方位特征进行虚假椭圆的剔除，具体为：在MMS车上架设的仪器CCD相机参数固定的情况下，井盖椭圆长/短半轴的相对行驶方向的旋转角度应小于5°或8°或10°。

为了展示本发明的在实际工程应用中的技术效果，采用移动测图系统实际采集的街景影像进行工程实验展示说明。

实验1

实验数据

如图3a，原始移动测图系统街景影像为1600×1200像素的三通道RGB彩色图像，该图像为移动道路测图系统通过实地外业采集获取，图3b为路面井盖局部区域放大截图。该幅实验图像数据中路面上分布有2个井盖，较为全面地描述了路面井盖所处的常态化识别环境，从而确保了本次实验的真实和有效性。

实验结果

图4a为井盖识别检测结果，图4b为路面井盖局部区域放大截图，红色十字为椭圆几何定位中心。

将井盖在移动测图系统街景影像中对应的椭圆几何描述参数可定义为(几何中心X坐标，几何中心Y坐标，长半轴，短半轴，水平旋转角度)形式，左下角为原点，横向为X坐标，纵向为Y坐标。则图4a中2个椭圆识别的结果从上到下依次可描述为(893，281，54，11，0.908257)和(892，127，75，18，1.314020)。

实验2

实验数据

如图5a，原始移动测图系统街景影像为1600×1200像素的三通道RGB彩色图像，该图像为移动道路测图系统通过实地外业采集获取，图5b为路面井盖局部区域放大截图。该幅实验图像数据中路面上分布有1个井盖，较为全面地描述了路面井盖所处的常态化识别环境，从而确保了本次实验的真实和有效性。

实验结果

如图6a，为对应的井盖识别检测结果，图6b为路面井盖局部区域放大截图，红色十字为椭圆几何定位中心。

将井盖在移动测图系统街景影像中对应的椭圆几何描述参数可定义为(几何中心X坐标，几何中心Y坐标，长半轴，短半轴，水平旋转角度)形式，左下角为原点，横向为X坐标，纵向为Y坐标。则图5a中井盖椭圆识别的结果可描述为(449，145，76，20，-0.618874)。

上面所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神前提下，本领域普通工程技术人员对本发明技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。