本发明具体涉及一种道路图像检测方法。
背景技术：
在地面无人车辆控制所需的道路环境感知技术的研究中，基于图像处理的道路检测是一个核心研究方向。在以机器视觉为主的驾驶信息感知系统中，如何通过视频传感器采集的图像识别道路结构和可行的道路区域是车辆进行道路环境感知，从而实现驾驶信息感知的前提。
hough变换是模式识别与图像处理领域中重要的特征抽取方式之一。传统的hough变换算法是将图像空间中的像素点映射到hough参数空间，通过对hough参数空间中的点进行聚类分析，从而实现对三维世界里具有几何特征的结构化物体的检测。hough变换算法可以有效地检测出图像中的直线、圆和椭圆等几何结构，具有较强的鲁棒性，但是，在实际的道路图像检测过程中，传统的hough变换也有以下不足：
1）检测速度太慢，计算需占用大量内存空间，实时性差；
2）精度不够高，期望的信息检测不到反而做出错误判断，进而产生大量的冗余数据；
3）现实中的图像一般都收到外界噪声的干扰，信噪比较低，此时传统的hough变换性能将急剧下降，进行参数空间极大值搜索时由于合适的阈值难以确定，往往出现“虚峰”和“漏检”的问题。
技术实现要素：
本发明要解决的技术问题是提供一种道路图像检测方法。
一种道路图像检测方法，包括以下步骤：
s1：对传感器获取的道路图像进行预处理，包括对图像的去噪、增强和边缘检测；
s2：对预处理后的二值图像进行hough变换，将边缘图像转换至hough空间，得到hough空间参数
s3：在hough空间中取空间参数
s4：令
s5：根据步骤s4中筛选的空间参数
通过上式得到道路检测结果。
本发明的有益效果是：
本发明使用原始图像边缘提取后的二值图像进行hough变换，大大减小了hough变换得运算量，同时，根据实际道路图像提出相应的道路筛选约束条件，能够有效剔除错误的道路检测与识别信息，本方法在干扰因素影响的情况下，能够较为快速、准确地进行道路边缘识别，使用于较为复杂的道路场景，具有一定的实用性。
具体实施方式
以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。
一种道路图像检测方法，包括以下步骤：
s1：对传感器获取的道路图像进行预处理，包括对图像的去噪、增强和边缘检测；
s2：对预处理后的二值图像进行hough变换，将边缘图像转换至hough空间，得到hough空间参数
s3：在hough空间中取空间参数
s4：令
s5：根据步骤s4中筛选的空间参数
通过上式得到道路检测结果。