本發(fā)明涉及交通信息技術領域，具體涉及一種基于無人機航拍影像的車道線自動提取和識別方法。

背景技術：

地圖導航是人們出行的必備的服務之一。adas(高級駕駛輔助系統(tǒng))和無人駕駛的核心技術之一就是高精度地圖。近年來無人機行業(yè)得到了快速發(fā)展，無人機也被廣泛地應用到低空攝影測量和三維重建的技術領域當中。與衛(wèi)星遙感和高空航空攝影相比，無人機航拍具有機動靈活、成像分辨率和地面采樣率高、相對低成本、周期短、效率高以及操作簡單等優(yōu)勢，因此無人機航拍在國內外已被廣泛地應用到電力巡線、植保等各個領域當中。尤其是基于航拍影像合成的數字正射影像，已成為高精度地圖生產制作的一個重要的數據來源。然而如何從航拍的影像當中，自動的提取和識別感興趣的目標，仍是一個有待攻克的課題。

車道線的位置及其屬性信息(顏色、線型和方向)是高精度地圖的重要主成部分，因此如何快速、準確和自動提取車道線的位置及其屬性一直是高精度地圖生產制作的熱點問題。無人機航拍得到的正射影像具有較高的分辨率，路面上的印刷物(車道線、方向箭頭等)可以較清晰的呈現。但目前基于航拍影像的車道線提取，最為有效的手段還是人工提取。人工的方法，雖然在一定程度上可以保證提取結果的準確性并且具有較強的魯棒性，但同時也引入了人為帶來的誤差，更重要的是此方法耗能耗時效率較低。隨著對地圖精度要求的提高，對地圖的現勢性的要求也越來越高，手工提取的方式很難滿足大規(guī)模、批量化以及高更新頻率的要求。因此車道線的自動化提取和識別越來越受到行業(yè)的重視，針對其的研發(fā)也一直在進行當中。

基于計算機視覺的方法大致可分為特征提取、形態(tài)學處理和模板匹配三大類，但是相互之間融合較少。不同類別的方法各有優(yōu)缺點，但是面對復雜的路面環(huán)境(光照、陰影、污痕、補丁以及地物投影(樹木、路燈等))以及地面印刷物的多樣性(停止線，自行車道線、人行橫到線，分流帶等)，目前每一類別的方法都具有在特定條件下局部解決問題的能力，然而都無法單獨的解決上述提到所有甚至大部分的問題，因此技術的魯棒性一直難以達到要求，目前還沒有行之有效的解決方案。

技術實現要素：

針對現有技術的上述缺陷，本發(fā)明提供一種基于無人機航拍影像的車道線自動提取和識別方法，根據車道線的特征，融合特征提取、形態(tài)學處理和模板匹配三種方法，解決了錯綜復雜路面、局部線特征缺失、干擾目標眾多等環(huán)境下提取車道信息的技術問題。

本發(fā)明采用的技術方案是：

一種基于無人機航拍影像的車道線自動提取和識別方法，包括以下步驟：

步驟s1，輸入圖像，并對輸入圖像進行預處理；

步驟s2，基于顏色空間和灰度空間對預處理后的輸入圖像進行圖像二值化處理，融合生成二值化圖像；

步驟s3，對二值化圖像進行車道線連通區(qū)域提取，生成車道線連通區(qū)域；

步驟s4，對車道線連通區(qū)域進行骨架提取，得到車道線提取的初步結果；

步驟s5，對車道線提取的初步結果進行簡化、剪枝和平滑，生成最終的車道線。

進一步地，所述步驟s1中對輸入圖像進行預處理包括對輸入圖像進行直方圖均衡化和對比度增強。

進一步地，所述步驟s3中車道線連通區(qū)域包括實線車道線連通區(qū)域和虛線車道線連通區(qū)域。

進一步地，所述步驟s3具體包括：

步驟s31，基于形態(tài)學的連通性，對二值化圖像進行進一步提?。?/p>

步驟s32，基于車道線幾何特征進行濾波，進行實線車道線連通區(qū)域提取，生成長實車道線連通區(qū)域；

步驟s33，基于模板和形狀匹配進行虛線車道線連通區(qū)域提取，生成虛線車道線連通區(qū)域。

進一步地，所述步驟s32中幾何特征包括實線車道線連通區(qū)域的面積和包圍盒的長邊長度。

進一步地，所述步驟s33中形狀匹配包括旋轉、平移和放縮不變性。

進一步地，步驟s4中基于形態(tài)學thinning的方法對車道線連通區(qū)域進行骨架提取。

進一步地，步驟s5中通過骨架簡化算法對車道線提取的初步結果進行簡化。

進一步地，步驟s5中的剪枝具體包括：

基于拓撲的節(jié)點和連通的概念，搜索簡化后骨架上的節(jié)點；

通過角點檢測技術對角點進行提??；

生成破壞車道線單向連通性的關鍵點，即節(jié)點和角點的集合，通過統(tǒng)計每個關鍵點向各個方向延展的長度，將分支去除完成剪枝。

進一步地，步驟s5中的平滑具體包括：

基于幾何圖形學庫對剪枝后提取的車道線進行平滑操作；

對斷開的車道線進行連接，生成最終平滑、完整的車道線。

本發(fā)明的有益效果在于，以連通區(qū)域為基本的處理單元來提取車道線所在區(qū)域，避免了因多樣的路面環(huán)境引起的復雜的線特征提取與識別操作，提高了車道線提取的有效性和魯棒性。

附圖說明

圖1是本發(fā)明基于無人機航拍影像的車道線自動提取和識別方法流程圖。

具體實施方式

現實場景中的車道線是帶有寬度的條狀區(qū)域，但在地圖應用中車道線更多是作為幾何線型存在來提供服務，這就要求不僅要將車道線的區(qū)域提取出來，還要將其抽象為線型。本發(fā)明以連通區(qū)域為基本處理單元，采取多種特征融合，融合顏色、形狀、尺寸等多種因素，搜索圖像中符合預定條件的連通區(qū)域，分級去除干擾。對得到的連通區(qū)域進行骨架提取，得到的骨架作為線型車道線的初步結果。最后對初步結果進行簡化、剪枝和平滑生成最終的車道線結果。下文中，結合附圖和實施例對本發(fā)明作進一步闡述。

圖1為本發(fā)明基于無人機航拍影像的車道線自動提取和識別方法流程圖，具體實施方式如下：

步驟s1，輸入圖像，并對輸入圖像進行預處理。

為了減弱光照帶來的影響，對輸入圖像進行預處理包括對輸入圖像進行直方圖均衡化以及對比度增強以突顯地面印刷物的特征。

步驟s2，基于顏色空間和灰度空間對預處理后的輸入圖像進行圖像二值化處理，融合生成二值化圖像。

基于道路面上包括車道線在內的地面印刷物多為黃白兩色，并且相較其周邊環(huán)境，地面印刷物具有較高亮度的特征，將輸入圖像分別轉換到顏色空間(hsv)和灰度空間分別對顏色和亮度進行濾波，融合生成二值化圖像。在得到的二值化圖像中，大部分在顏色和亮度不符合區(qū)域已被去除。

步驟s3，對二值化圖像進行車道線連通區(qū)域提取，生成車道線連通區(qū)域。基于地面印刷物具有單連通的特性，每一個地面印刷物都會被分離開來。下一步就是如何在眾多的連通區(qū)域中檢索車道線。車道線的線型有兩種：實線和虛線。針對這兩種線型不同的特性，采取不同的策略，具體實施方式如下：

步驟s31，基于形態(tài)學的連通性操作，可將路面上的印刷物進一步提取出來。

步驟s32，基于車道線幾何特征進行濾波，進行實線車道線連通區(qū)域提取，生成長實車道線連通區(qū)域。

長實車道線的連通區(qū)域面積較大且矩形包圍盒的邊長較長。在生成的連通區(qū)域候選中，以連通區(qū)域的面積(像素的個數)和包圍盒的長邊長度為線索進行濾波，可將長實車道線提取出來。

步驟s33，基于模板和形狀匹配進行虛線車道線連通區(qū)域提取，生成虛線車道線連通區(qū)域。

虛線區(qū)域具有較強的形狀特性即為矩形區(qū)域，因此基于矩的形狀匹配(具有旋轉、平移和放縮不變性)可以較好的解決此問題。然而地面其它具有相似特征的印刷物比如人行橫道線、方向箭頭(根部)等也會被提取出來并造成干擾。針對每一種方向箭頭，預先生成模板基于同樣的形狀匹配技術可將其提取出來。這里特別說明的是，因生成的模板類別已知，提取的過程即為識別的過程，基于識別的結果可以得到車道線的方向屬性。針對人行橫道線，因其具有特殊的分布模式，可基于區(qū)域的間距，快速的將其提取出來。在排除掉方向箭頭和人行橫道線的干擾后，剩下的區(qū)域基本為虛車道線。

步驟s4，對車道線連通區(qū)域進行骨架提取，得到車道線提取的初步結果。

在得到的車道線連通區(qū)域的基礎上，如何得到簡化的(單像素連通)、干凈的(無分支干擾)及連續(xù)光滑的線型車道線是本方法的另一關鍵?；谛螒B(tài)學thinning(細化)的方法，可以對連通區(qū)域進行骨架(線型)提取，從而得到車道線提取的初步結果。

步驟s5，對車道線提取的初步結果進行簡化、剪枝和平滑，生成最終的車道線。

然而thinning得到的骨架不是單像素連通(單方向上會存在多個像素)，第一會造成大量冗余，第二給基于拓撲節(jié)點及連通性的判斷造成影響。針對此提出了骨架簡化算法，既在保證不破壞各個方向連通性的基礎上去除冗余的像素。

由于地面上一些其它地物(路燈等延展到路面上方的地物在地面上的投影)的影響，會造成原來不連通的車道線連通起來或生成一些橫向的分支。為解決此問題，首先基于拓撲的節(jié)點和連通的概念，搜索簡化后骨架上的節(jié)點(有2個以上的鄰域點的點定義為節(jié)點，即最少向三個方向連通的點)位置。再結合圖像處理中角點檢測的技術對角點進行提取。最終生成破壞車道線單向連通性的關鍵點(節(jié)點和角點的集合)，通過統(tǒng)計每個關鍵點向各個方向延展的長度，可以將分支去除從而完成剪枝操作。

剪枝結束后基本提取到了車道線的信息，再基于一些幾何圖形學庫(shapely等)對提取的每一條車道線進行平滑操作，對一些因車道線褪色、模糊造成的斷開的車道線進行連接，最終生成完整、平滑的車道線。

opencv是計算機視覺最為重要的開源工具庫，優(yōu)選c++和python語言。

本發(fā)明雖然已以較佳實施例公開如上，但其并不是用來限定本發(fā)明，任何本領域技術人員在不脫離本發(fā)明的精神和范圍內，都可以利用上述揭示的方法和技術內容對本發(fā)明技術方案做出可能的變動和修改，因此，凡是未脫離本發(fā)明技術方案的內容，依據本發(fā)明的技術實質對以上實施例所作的任何簡單修改、等同變化及修飾，均屬于本發(fā)明技術方案的保護范圍。