(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210569341.5 (22)申请日 2022.05.24 (71)申请人 重庆文理学院 地址 402160 重庆市永川区红河大道319号 (72)发明人 陈星　郑讯佳　张涛　罗天洪　 (74)专利代理 机构 北京中索 知识产权代理有限 公司 11640 专利代理师 霍春月 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/80(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01) G06V 10/82(2022.01) G06V 10/26(2022.01)G06N 3/04(2006.01) (54)发明名称 基于视觉的非结构化场景道路识别方法 (57)摘要 本发明涉及一种基于视觉的非结构化场景 道路识别方法， 属于道路识别技术领域， 包括S1： 利用双目视觉技术估算出道路图像的背景区域 和路面区域； S2： 通过四方向、 五尺度的Gabor滤 波器组估计道路图像各个像素点的纹理响应， 进 行幅值校正； S3： 根据背景区域设定多个投票点 选择策略， 以去除背景区域的影响； S4： 通过动态 调整候选点范围方案减少消失点的搜索范围； S5： 通过角度优先的投票策略， 将在投票空间中 获得最高票数的候选点视为消失点； S6： 利用消 失点定义道路模型； S7： 分别计算道路图像的纹 理、 道路区域占比和道路颜色三种视觉 特征； S8： 通过贝叶斯估计融合三种视觉特征， 最大化贝叶 斯后验概 率密度计算分割出道路线。 权利要求书5页 说明书12页 附图2页 CN 115063674 A 2022.09.16 CN 115063674 A 1.一种基于 视觉的非结构化场景道路识别方法， 其特 征在于： 包括以下步骤： 消失点检测： S1： 利用双目视 觉技术估算出道路图像的背景区域和路面区域； S2： 通过四方向、 五尺度的Gabor滤波器组估计道路图像各个像素点的纹理响应， 并采 用幅值校正 来减少偏差； S3： 根据背景区蜮设定多个投票 点选择策略， 以去除背景区域的影响； S4： 通过动态调整候选点范围方案减少消失点的搜索范围； S5： 通过角度优先的投票策略， 将在投票空间中获得最高票数的候选点视为消失点； 道路线识别： S6： 利用消失点定义道路模型； S7： 分别计算道路图像的纹 理、 道路区域占比和道路颜色三种视 觉特征； S8： 通过贝叶斯估计融合三种视觉特征， 最大化贝叶斯后验概率密度计算分割出道路 线。 2.根据权利要求1所述的基于视觉的非结构化场景道路识别方法， 其特征在于： 步骤S1 具体包括： 采用SGM算法计算道路图像视差图， 建立参考栅格模型， 所述参考栅格模型的零平面与 路面平行， 视 差图的行和列分别与世界坐标系X轴， Y轴平行， Z轴指向场景深度； 通过下式计算各个栅格单 元的X， Z坐标： 其中M为映射关系， (u， v)为栅格单元， m， n为控制栅格模型尺寸的常数， B为双目系统中 基线长度， f为焦距， x0为像平面x轴的中心坐标； 通过下式计算各个栅格单 元的Y坐标： 其中y0为像平面 y轴的中心坐标， cmax为单元(u， v)的最高程， l为一个栅格 单元可以容纳 的像素点数， Ymax为每个栅格单 元中最大的Y坐标； 计算相邻单 元间的斜 率： 式中： (u， v)和(p， q)为相邻单元， |  |为绝对值， || ||为二范数； 给定一个阈值 εl， 斜率S (u， v， p， q)＞εi， 则认为两个单元不相通， 得到两两相邻的单元间的联通性后， 设汽车位于 路面上， 则以汽车所在单元为起点采用广度优先算法遍历栅格模型， 即求得所有与路面不 连通单元， 所述与路面 不连通单 元即为背景区域。 3.根据权利要求1所述的基于视觉的非结构化场景道路识别方法， 其特征在于： 步骤S2 具体包括： 所述四方向、 五尺度的Gabor滤波器定义 为：权　利　要　求　书 1/5 页 2 CN 115063674 A 2式中： a＝xc osθ +ysinθ， b＝ ‑xsinθ +yc osθ， θ∈{0 °， 45°， 90°， 135°}为4个方向， ω0＝2 π/ λ为径向频率， c＝π/2为频倍常数， λ∈{6， 9： 12， 15}为5个尺度的空间频率； 设灰度图像为I， 将图像I与确定方向θ与确定尺度的ω0的Gabor滤波器进行卷积， 得到能量响应 为： 式中： 为卷积符号； 取能量响应 的实部与虚部的平方根作为总的能量响应幅 度： 式中Eθ(x， y)为每个方向θ在5个尺度下能量响应幅度 的均值， Meanω表示取平 均值； 在纹理方向上设置纹 理方向置信度Co nf(x， y)来剔除不可靠纹 理： 将得到的4个的平均能量响应Eθ(x， y)按降序进行排列； 假设E1 θ(x， y)为4个方向上最大的能量响应， E4 θ(x， y)为4个方向上最小的能量响应， 则 每个像素的方向置信度定义 为： 式中Eth为阈值常数。 4.根据权利要求1所述的基于视觉的非结构化场景道路识别方法， 其特征在于： 步骤S3 中所述投票 点选择策略包括： 规则一： 方向置信度为1则作为投票 点， 否则不作为投票 点； 规则二： 弱纹 理像素不作为投票 点； 规则三： 位于背景区域下像素点 不作为投票 点。 5.根据权利要求1所述的基于视觉的非结构化场景道路识别方法， 其特征在于： 步骤S4 具体包括： 采用最弱方向的响应来 修正主方向的估计的方法， 响应矫 正具体为： 式中： E1 θ(x， y)， E2 θ(x， y)为两个最大的能量响应， E1⊥ θ(x， y)和E2⊥ θ(x， y)为最小的能量 响应， E1* θ(x， y)和E2* θ(x， y)为修正的能量响应； 接着采用向量合成的方法可得到主能量响 应和主方向：权　利　要　求　书 2/5 页 3 CN 115063674 A 3