基于方向纹理的非结构化道路消失点检测研究

随着车辆智能化的快速推进,道路的自动检测起着越来越重要的作用;但非结构化道路由于道路标识和边界线不明显,导致检测存在困难。将非结构化道路的消失点作为约束进行检测,可以大幅度提高检测性能,针对现有的非结构化道路消失点检测方法普遍存在计算时间长、实时性差等缺点,为提高运算效率,提出了基于局部方向模式(LDP)纹理特征的消失点检测方法。在计算LDP特征基础上,利用Kirsch掩模得到像素点的4方向响应幅值,并通过幅值校正减少检测误差;对校正后的响应幅值进行计算得到纹理主方向;使用局部自适应软投票方法进行投票,选取道路消失点,实现消失点检测。实验结果表明,该方法的速度更快,且能够准确检测出非结构化道路的消失点。

基于类Haar纹理的非结构化道路消失点检测

在非结构化道路识别算法的研究中,因其在复杂道路环境下表现出较强的鲁棒性,基于纹理特征的道路消失点检测成为了学术研究的重点。因此,为了能够准确的检测出非结构化道路中的消失点,提出一种基于类Haar纹理的非结构化道路图像消失点的检测方法,即首先设计多尺度多方向的类Haar纹理的实部与虚部模板,利用积分图技术以及垂直投影法快速计算出图像像素的纹理主方向,再采用改进的局部软投票法选出分数最大的点作为初始消失点,最后通过现有两种不同的消失点检测方法与提出的算法进行对比实验。实验结果表明提出的算法可以显著提高非结构化道路消失点的检测性能。由此得出该方法具有良好的实时性、准确性和鲁棒性。

基于局部纹理方向的非结构化道路消失点检测

针对现有道路消失点检测方法存在的计算复杂度高、精确度低等问题,提出了一种新的非结构化道路消失点检测方法。首先采用Gabor滤波器计算每个像素点的局部纹理方向,然后根据纹理方向的置信区间筛选有效投票点,并通过一种基于距离加权的局部软投票方法进行道路消失点投票,最后选择获得最高票值的像素点作为非结构化道路的消失点。试验结果表明,本方法有效降低了计算的复杂度,提高了检测的精确度和速度,其精确度相对于经典的Kong等的算法和Moghadam等的算法分别提高了29%和10%。本算法可以在多种复杂环境下快速准确地检测出道路消失点的位置,因而对实际工程有一定的参考价值。

复杂场景非结构化道路消失点检测算法

道路消失点检测算法广泛应用于智慧交通、自动驾驶等领域。现有的基于图像纹理特征的道路消失点检测算法易受场景中竖直灯杆等建筑物影响,存在着部分场景下鲁棒性差的问题。针对这一问题,提出一种复杂场景非结构化道路消失点检测算法。首先,该方法通过图像纹理角度特征对投票点权重进行更新,使得竖直建筑物中的图像纹理被削弱;其次,使用区域生长算法得到道路区域并对该区域内的投票点权重进行加强,进而增强图像感兴趣区域的纹理提取。试验表明,提出的算法能够在复杂场景下准确地检测到道路消失点,且具有一定的鲁棒性。