基于机器视觉的乡村道路跟踪方法研究(3)
1.2 国内外的研究现状
1.3 本文的主要工作和创新点
本文主要工作如下：提出了一种如何进行乡村道路（非结构化道路）跟踪的方法。先检测出道路的消失点来确定道路感兴趣区域和道路的主要方向，虽然乡村道路没有明显的道路特征，但是路面上会有明显车辙痕迹，并且所有的车辙都指向道路的最远处，在图像中，我们称之为道路的消失点（由于摄像机的透视投影变换，道路边缘在图像中相交于一点）。因此，提出一种检测图像中每个点的纹理方向的方法，基于纹理的方法是用了一组Gabor滤波器，根据每个像素点的最大的滤波器反映作为其主要的纹理方向。然后让每个点的主要纹理方向投票选出道路的消失点，获得最大票数的点即为道路的消失点。
再对感兴趣的道路区域进行FCM聚类分割，由道路的灰度特征选出相应的道路区域。由于道路区域和非道路区域的灰度值有着明显的区别，因此可以使用FCM聚类方法来进行分类，求出每个点相对于道路区域和非道路区域的隶属度，某类的隶属度越大则说明该点越属于该类。
此时的道路区域还有许多噪声，通过中值滤波去噪声后，求出道路的边缘图像，并将其膨胀处理。同时对原图像使用Sobel算子求边缘图像，将2幅边缘图像合成，使用Hough变换求出道路边缘中的直线，确定边缘主方向；由主方向直线筛选出有效的边界点，最后使用贝塞尔曲线方法拟合出道路边界。
本文的创新点为：结合道路的消失点截取感兴趣的道路区域进行FCM聚类，有效减少了聚类的像素点的个数，加快了算法执行速度。综合使用多种方法进行边缘检测，使得结果具有较好的鲁棒性。
1.4 本文的结构安排
第一章绪论，介绍本文的背景和意义、国内外的研究现状、主要工作和创新点；第二章消失点检测，介绍了如何使用Gabor滤波器和相应的投票机制进行消失点的确认的；第三章道路分割，介绍了使用FCM进行道路分割；第四章道路边界提取，介绍了综合使用第二章和第三章的方法先进行图像预处理，在进行道路边界提取的方法；第五章道路跟踪系统，介绍了软硬件环境和系统结构、算法流程图以及综合测试和分析；第优尔章结论，总结了本文的内容。
2 消失点检测
由于摄像机的透视投影变化，道路边缘在图像中相较于一点，我们称之为道路的消失点。消失点被广泛应用于计算机视觉应用的各个方面，比如3D影响等。总的来说，人造的环境中一般有2到3个消失点，这与不同建筑结构在水平和垂直方向的不同平行线的相关，比如说墙。但是在乡村道路中，消失点往往是在前视相机的光学中心方向上，由近似直线道路边缘的末端决定的。消失点在检测道路方向中有着十分重要的作用，因为所有平行的道路边缘线，道路边缘，甚至由前车留下的车辙和轮胎痕迹都趋向于一个消失点（如图a所示）。在弯道中，消失点则交汇于道路边缘的切线上（如图b所示）。
图1 （a）为平行的道路边缘线相较于vp，（b）为弯道中道路边缘相交于vp
道路消失点的检测可以确定道路的主方向，还可以利用消失点划分出感兴趣区域，从而可以缩小之后要处理的图像的范围，提高处理速度。
车辙和轮胎的痕迹表现在图像的纹理方向上。因此本文中，提出一种检测图像中每个点的纹理方向的方法，基于纹理的方法是用了一组Gabor滤波器，根据每个像素点的最大的滤波器反映作为其主要的纹理方向。然后让每个点的主要纹理方向投票选出道路的消失点，获得最大票数的点即为道路的消失点。