【《基于智能手机的路面图像标准化分析案例》3900字】

基于智能手机的路面图像标准化分析案例目录TOC\o"1-3"\h\u14557基于智能手机的路面图像标准化分析案例 1288971.1基于智能手机采集路面数据 289071.2路面区域边缘检测 315661.2.1目标区域选取 372021.2.2图像预处理 4226701.2.3边缘检测 5114071.3基于透视变换的路面图像标准化 6180971.3.1Hough变换直线检测 6245881.3.2透视变换坐标点动态确定 777201.3.3路面区域畸变矫正 9智能手机采集的全景数据，路面以外的环境部分较为复杂，会造成破损的误检，并且由于视角原因，破损特征发生了变化，造成较远区域特征不明显破损的漏检，同时为了下一章对破损进行量化处理，测量破损参数和路面损坏状况指数PCI，需要将原始全景图像中的路面区域识别出来并矫正为正射图。本章主要分为三节，流程图如图1.1所示。第一节详细介绍了路面数据采集，包括采样间距、分辨率和智能手机的安装高度等参数；第二节是路面区域边缘检测，目的是准确地确定道路的边缘部分，包括目标区域的选取、图像预处理和边缘检测；第三节为基于透视变换的路面图像标准化，包括Hough变换直线检测、透视变换坐标点的确定以及畸变矫正。路面图像标准化流程1.1基于智能手机采集路面数据快速路面检测装备利用硬件优势在汽车高速行驶状态下可以获取清晰的路面正射图像，在利用智能手机进行路面正射图像采集工作时发现，当汽车移动速度超过15km/h时，图像会出现较大程度的模糊，人工识别路面损坏都存在偏差，因此，在较高速度下利用智能手机采集清晰正射图像数据存在困难。通过调整手机至一定高度和拍摄角度，如图1.2所示，使手机相机视野恰好不会被引擎盖遮挡，其中h为手机与地面垂直距离（不同车型一般为1.3m至1.5m），α为相机视野下界线与地面的角度，一般为25°至35°，本文中h为1.3m，α为25°，此时汽车能在最大约40km/h的速度下获取清晰的路面图像数据。人工观察数据发现，图片中前方约10m的路面清晰度较高，可以作为后续处理的目标区域，因此，在利用Fast300Shots应用软件采集数据时，设置相机采集频率为1张/秒，采集分辨率为4000×3000像素的路面图像，同时记录下GPS定位信息。为了满足之后路面破损的跟踪与预测，数据采集以一个星期为周期采集时间序列数据，所有图像数据均在湖北省潜江市境内的农村公路上拍摄完成，以龙湾镇的龙福路、龙徐线、老荻线以及张金镇的张齐路为主，共计约132km，道路里程长，取景丰富，数据充足。智能手机数据采集1.2路面区域边缘检测1.2.1目标区域选取通过观察智能手机采集的全景数据发现，对于路面检测而言，较远区域的路面已出现模糊不清、破损形状特征变化程度较大的现象，同时由于智能手机本身数据采集精度受限，较远区域路面上的破损无法被准确呈现，即使后续完成畸变矫正，路面破损失真程度严重，直接影响识别精度，因此，考虑从原图中选取一个目标区域作为下一步工作的输入。经过人工观察，图片中最前方约10m的路面清晰度较高，且破损变化程度小，可以作为后续处理的目标区域，如图1.3所示。目标区域选取1.2.2图像预处理目标区域的选取使得处理区域缩小，有利于道路边界的提取。加权最小二乘滤波器是一种保边滤波器[63]，目标是使滤波后的图像尽可能接近原图，同时使图像中一些梯度变化较大区域的边缘保持良好，而其他小梯度区域尽可能平滑。记原图为g，滤波后结果为u，、分别是x和y方向梯度权值矩阵，则定义损失函数为：(1.1)权值、是一个随梯度增大而减小的函数，如式(1.2)所示，这样小梯度区域分配高权重会迫使滤波后结果u在原来平滑的地方更平滑，令导数为0，即可求得目标u的解。其中是一个平滑参数，增大会使目标图像更加平滑，参数与梯度权值有关，增大会使边缘更加锐利。(1.2)对于道路边界提取而言，道路边界是有效信息且属于大梯度区域，而其他边缘属于噪声，大小梯度区域共存，因此，将加权最小二乘滤波引入，对图像进行预处理以减少小梯度区域噪声，其中参数=3，=2，滤波结果如图1.4所示，路面上接缝、裂缝以及环境中的小梯度区域得到了较大程度的平滑，路面上大坑槽和大修补、道路边界以及环境中的大梯度区域得以保留。加权最小二乘滤波预处理1.2.3边缘检测经过加权最小二乘滤波预处理后，道路边界更加明显，有利于准确检测道路边缘。经典的边缘检测算法有Sobel、Roberts、Prewitt、Laplacian、LoG和Canny等，其中Canny算法[64]在实际应用中最为广泛，检测效果最好。本文采用Canny边缘检测算法检测道路边缘，原理如下：⑴对图像进行高斯滤波通过一个二维高斯核对原始图像卷积即可实现高斯滤波，高斯核如下所示：(1.3)⑵计算梯度的幅值和方向(1.4)(1.5)其中G为梯度强度，表示梯度方向，为反正切函数。⑶对梯度幅值进行非极大值抑制在高斯滤波的过程中，边缘有可能被放大了，这个步骤使用一个规则来过滤不是边缘的像素点，使边缘的宽度尽可能为一个像素。如果一个像素点属于边缘，则将这个像素点在梯度方向上的梯度值是最大的，否则不是边缘，将灰度值置为0。非极大值抑制公式如下：(1.6)⑷用双阈值算法检测和连接边缘通过设置两个阈值，高阈值和低阈值，其中大于高阈值的点都被视为边缘，而低于低阈值的点都被视为非边缘，对于中间值的像素点，如果与确定为边缘的点相连，则判定为边缘，否则为非边缘。算法高低阈值参数分别设置为0.35、0.14，标准差参数设置为，检测效果如图1.5所示，道路边缘基本被完整检测出来，不同环境、不同路面情况下的噪声边缘各不相同。加权最小二乘滤波预处理1.3基于透视变换的路面图像标准化1.3.1Hough变换直线检测Canny边缘检测后的边缘图像中，道路边界大致呈现为一条直线，而其他噪声边缘呈现出不规则的曲线状态，利用这一特征可进一步去除噪声边缘，因此，采用Hough变换[65]直线检测技术完成对路面边缘的检测。Hough变换直线检测的原理如下：在图像x-y坐标空间中，经过点(,)的直线可以表示为(1.7)其中参数a为斜率，b为截距，通过点(,)的直线有无数条，且对应于不同的a、b值，若将和当作常数，而原本的参数a和b当作变量，则式(1.8)可以表示为(1.8)这样就将x-y坐标空间变换到了参数平面a-b，x-y坐标空间中的一点对应于a-b参数平面中的一条直线，x-y坐标空间中的一条直线对应于a-b参数平面中的无数条直线的交点，利用这一原理完成对边缘图像的直线检测，检测效果如图1.6所示，噪声边缘得以消除，道路边界的检测结果是几条离散的线段，但大致都位于一条直线上，每一条线段都有两个端点，本文利用最小二乘法将每条道路边界上的线段端点进行直线拟合，拟合结果如图所示，可以看到，道路边界基本被完整的检测出来，为接下来的畸变矫正奠定基础。Hough变换直线检测1.3.2透视变换坐标点动态确定根据透视变换原理，只要得到路面区域中畸变图像的四个坐标点以及正射图像中对应的四个坐标点即可求解透视变换线性方程组，得到透视变换参数。经过Hough变换直线检测并做拟合处理形成完整的路面边缘后，其与图像的四个交点可用于确定畸变图坐标点，但是在实际工作中发现，这四个点并不能完全代表畸变坐标点，需要视车辆的行驶情况而确定，同时农村公路即使是同一路段，也会出现路宽不一致的情况，正射图坐标点也会发生变化，因此，可分为以下三种情况进行分析：⑴车辆位于正中间行驶从路面边界线上能够很容易得到畸变图像的四个点，如图1.6所示，阴影部分为道路区域。最理想的情况就是车辆刚好处于道路正中间，如图1.7所示，四边形ABCD为等腰梯形，此时畸变图像中的四个点即为A、B、C、D，等腰梯形ABCD在正射图中的矩形长宽比可通过人工测量得到(例如路宽CD=4m,路长AD=8m，长宽比即为2:1)，CD线段所占像素为4000，测量精度即为4000/4000=1(mm)，根据比例正射图尺寸可以设定为8000×4000，相应的正射图坐标点即为(1,1)、(1,4000)、(8000,1)、(8000,4000)，求得透视参数。车辆位于正中间示意图⑵车辆偏左或偏右行驶在实际情况中，检测车辆基本不会刚好位于车道正中间行驶，根据我国的交通规则，车辆需位于右车道行驶，大多数情况如图1.8所示，车辆偏向于右车道，路面区域在图像中呈现的状态为D点上移，C点下移，正射图长宽比(AD:AB)动态变化，坐标点难以确认。针对这种情况，本文利用道路边界线趋势来确定畸变坐标点，基本思想就是固定正射图尺寸(车辆位于道路正中间时的计算值)，在动态的路面区域中找到相应的畸变坐标点。以图1.8(a)中A、B、C、D四个点作为参考点，通过延长图1.8(b)中AD与EF(EF与图1.8(a)中CD处于同一位置)交于点F，此时畸变坐标点即为A、B、E、F，正射图尺寸仍为4000×8000，正射图坐标点不变，从而可求得透视变换参数。车辆偏向左车道行驶时的情况如图1.9所示，与右车道类似，通过延长另一边得到畸变坐标点。a)车辆位于正中间b)车辆偏右行驶车辆偏右行驶示意图车辆偏右行驶示意图⑶不同路宽下坐标点确定农村公路由于受到经济、地形、地质和其他条件等因素的影响，在修建过程一般采用因地制宜的策略进行，无法像城市公路一样严格按照标准执行，导致即使是同一路段也会出现路宽不等的情况。如图1.10所示，当道路变宽时，路面边缘会向上移动，如图中红色虚线所示，当道路变窄时，路面边缘会向下移动，如图中蓝色虚线所示，AB段的变大或变小会直接影响正射图长宽比，进而改变正射图坐标点，因为本文方法中路长AD始终保持不变，这在数据采集前可通过标定手机的位置高度和角度确定。不同路宽示意图1.3.3路面区域畸变矫正根据透视变换原理[32]，只要得到路面区域中畸变图像的四个坐标点以及正射图像中对应的四个坐标点即可求解透视变换线性方程组，得到透视变换参数。透视变换公式为式(1.9)：(1.9)其中(x1,y1)(x2,y2)(x3,y3)(x4,y4)是畸变图的像素坐标，(u1,v1)(u2,v2)(u3,v3)(u4,v4)是正射图的像素坐标，a，b，c，d，e，f，g，h是透视变换参数。1.3.2中已确定了畸变图、正射图坐标点，代入透视变换公式，求得透视变换参数。根据透视变换