一种基于图像处理的提示盲道检测方法

传统盲道边界模型对提示盲道的预警作用不足,因此提出一种基于颜色信息的提示盲道检测算法。将摄像头采集到的盲道图像从RGB颜色空间转换为Lab颜色空间,对具有不同干扰颜色的盲道,结合盲道分割常用的颜色空间以及提示盲道的特征,分别提取a分量和b分量,综合利用Otsu阈值分割、形态学处理分割盲道区域,得到分割后的二值图像。通过分析二值图像中盲道区域像素点的数量与像素点中心位置的关系,实现提示盲道的检测和分类。实验结果表明,该算法能有效分割出大多数盲道图像,并实现提示盲道的准确检测和分类,将其应用在导盲设备中,利用声音或者物理振动的反馈,提醒盲人提示盲道的存在,帮助盲人寻找更好的行进方向,不仅能够极大地保证出行安全,而且还可以提供更加全面的盲道信息。

基于边缘特征点筛选的被遮挡盲道检测算法

针对传统盲道检测算法在实际应用场景中准确率低、鲁棒性不强等问题,提出了一种基于边缘特征点筛选的被遮挡盲道检测算法。首先提取盲道区域,主要包括基于颜色筛选与单通道二值化结合的粗提取和基于GrabCut算法的精确提取;然后对盲道图像进行预处理、边缘检测和直线检测,提取出若干盲道边界候选线;通过计算候选线在各个方向角度的边缘特征点数目,判断该候选线是否为真正的盲道边界。实验结果表明,无论是否有落叶遮挡,该算法都能够精确提取盲道区域,准确检测出盲道边界,且有较好的实时性与抗干扰性。