一种非结构化道路识别方法与流程

技术特征：

1.一种非结构化道路识别方法，其特征在于，包括以下步骤：

S1、获取移动机器人在行驶过程前方的彩色图像，对获取的彩色图像进行预处理；

S2、对预处理得到的图像进行区域分割；

S3、对预处理后的图像进行边缘检测；

S4、对边缘检测得到的图像进行融合提取，得到道路区域。

2.根据权利要求1所述的非结构化道路识别方法，其特征在于，所述步骤S1包括以下子步骤：

S11、从移动机器人前方摄像头获取20米以内的前景图像；

S12、将获取的图像初始大小归一化为宽度1280个像素和高度960个像素；

S13、将图像以2x2的窗口内求平均，对得到的图像再进行二次抽样，最后图像的大小固定在320x240；

S14、对320x240的图像用Laplacian二阶微分算子进行锐化操作；

S15、转换到HSI颜色空间，将RGB图像转换到HSI空间，将H和S分量的像素值的取值范围归一化为[0，255]；

RGB颜色空间转换到HSI颜色空间的公式为：

$\left[\begin{array}{c}I\\ V_1\\ V_2\end{array}\right]=\left[\begin{array}{ccc}\frac{1}{3}& \frac{1}{3}& \frac{1}{3}\\ \frac{-1}{\sqrt{6}}& \frac{-1}{\sqrt{6}}& \frac{2}{\sqrt{6}}\\ \frac{1}{\sqrt{6}}& \frac{-2}{\sqrt{6}}& \frac{1}{\sqrt{6}}\end{array}\right]\·\left[\begin{array}{c}R\\ G\\ B\end{array}\right]$

$\begin{array}{cc}H=arctan\frac{V_2}{V_1}& S=\sqrt{V_1^2+V_2^2}\end{array}.$

其中，V₁、V₂为包含颜色色调信息的中间变量，H、S、I分别表示HSI颜色空间的分量，R、G、B分别表示RGB颜色空间的分量。

3.根据权利要求2所述的非结构化道路识别方法，其特征在于，所述步骤S2包括以下子步骤：

S21、把HSI中H和S分量分离出来，分别对这两个分量采用OTSU分割算法；

S22、对S分量分割结果进行形态学闭合操作，对H分量分割结果进行形态学开启操作；

S23、合并S和H分量分割结果：如果道路区域H值比非路区域H值低，将S分量和H分量分割结果进行与操作，即在S分量和H分量中均为道路区域的对应区域才判为道路区域；如果道路区域H值比非路区域H值高，将H分量分割图像反色后再与S分量进行与操作；

S24、对S23得到的图像进行中值滤波。

4.根据权利要求3所述的非结构化道路识别方法，其特征在于，所述步骤S3包括以下子步骤：

S31、使用多方向sobel算子计算HSI三个分量的局部最大强度，sobel算子用水平方向、垂直方向模板，计算图像中为(x,y)位置的梯度，得到基于sobel算子梯度边缘检测结果，边缘强度计算公式为：

VS(x,y)＝|I(x-1,y-1)+2I(x-1,y)+I(x-1,y+1)

-I(x+1,y-1)-2I(x+1,y)-I(x+1,y+1)|

HS(x,y)＝|I(x-1,y-1)+2I(x,y-1)+I(x+1,y-1)

-I(x-1,y+1)-2I(x,y+1)-I(x+1,y+1)|

其中，VS(x,y)表示像素点(x,y)垂直方向上的边缘强度，HS(x,y)表示像素点(x,y)水平方向上的边缘强度，I(x,y)表示像素点(x,y)的像素值；

然后将每个(x,y)局部强度中最大的值定义为该点的局部最大像素，获得彩色图像HSI空间每个分量的局部最大强度图；

S32、计算局部最大强度阈值T，采用信息熵来获得阈值，即当边缘像素和非边缘像素这两个类别的信息熵之和得到最大的时候，对应的T即为所求阈值；

局部最大强度图中当某像素局部最大强度不小于T时判为边缘像素，否则为非边缘像素；

S33、采用或运算合并H、S、I三个边缘特征，得到彩色边缘，即(x,y)的三个分量中的一个为边缘，则合并图像中对应点就为边缘。

5.根据权利要求4所述的非结构化道路识别方法，其特征在于，所述步骤S4包括以下子步骤：

S41、融合区域分割和边缘检测结果，修正误判区域；融合区域分割获得的彩色图像的道路区域和边缘检测获得的彩色边缘：从区域分割图像的下端开始向上扫描，当道路宽度小于100个像素值时，开始测试宽度的变化，宽度达到最小并且对应的边缘检测结果为边缘，判断为误判区域，将该道路修改为非道路区域；

S42、对S41得到的图像进行连通性测试，得到最终的道路区域。