一種車底陰影檢測方法與流程

2023-06-04 18:25:01 1

本發明具體涉及一種車底陰影檢測方法。

背景技術：

陰影檢測技術主要分為基於模型的方法和基於特徵的方法。基於模型的方法需要嚴格的假設，不能很好使用各種環境的變化，但當感興趣目標很容易建模、投影具有不同的取向時可以達到很好地效果。基於特徵的方法可以快速的實現和運行，但對噪聲敏感，低飽和度下檢測率不高。

技術實現要素：

本發明要解決的技術問題是提供一種車底陰影檢測方法。

一種車底陰影檢測方法，包括以下步驟：

1）對採集到的原始灰度圖像提取感興趣區域；

2）採用聚類分析的方法獲得車底陰影閾值，進而得到陰影分割圖像；

3）由陰影分割後的圖像提取與路面的交線；

4）利用提取的交線位置有效生成車輛候選區域。

進一步的，步驟2）中假設提取感興趣區域中只含有四類目標：路面、車道線、車輛和車底的陰影；使用混合高斯模型對每一成分（即圖像目標）進行聚類，利用改進的em算法求解最大似然值，由陰影模型的參數確定陰影閾值。

進一步的，步驟2）的混合高斯模型如下：

設為隨機變量x的n個隨機樣本值，則混合高斯模型的概率密度函數表示為：

，

式中，k表示成分數，取值k=4，即圖像中所含目標總數，，表示高斯混合模型中各成分的比例係數，並且滿足，和分別為第i成分的均值和標準差；

設，為缺失數據，即隨機樣本值分別為每一成分的概率，則所有樣本數據的聯合概率密度函數表示為：

，

式中，取值為0或1，當，表示樣本屬於第k個成分，否則不是；

利用最大似然函數對上述變量進行計算，表達式如下所示：

。

進一步的，步驟2）的車底陰影閾值的計算方法如下：

對圖像灰度值進行聚類，計算各成分的均值與方差，排序後的均值表示為；

；

表示車底陰影區域的均值，為其對應的標準差。

本發明的有益效果是：

本發明提出一種基於聚類分析的運動車輛車底陰影檢測方法，該方法能夠有效地排除白天不同時段及周邊不同環境陰影的幹擾，實時準確的檢測出車底陰影，定位出車輛的位置。

具體實施方式

以下具體實施例對本發明作進一步闡述，但不作為對本發明的限定。

一種車底陰影檢測方法，包括以下步驟：

1）對採集到的原始灰度圖像提取感興趣區域；

2）採用聚類分析的方法獲得車底陰影閾值，進而得到陰影分割圖像；

3）由陰影分割後的圖像提取與路面的交線；

4）利用提取的交線位置有效生成車輛候選區域。

步驟2）中假設提取感興趣區域中只含有四類目標：路面、車道線、車輛和車底的陰影；使用混合高斯模型對每一成分（即圖像目標）進行聚類，利用改進的em算法求解最大似然值，由陰影模型的參數確定陰影閾值。

步驟2）的混合高斯模型如下：

設為隨機變量x的n個隨機樣本值，則混合高斯模型的概率密度函數表示為：

，

式中，k表示成分數，取值k=4，即圖像中所含目標總數，，表示高斯混合模型中各成分的比例係數，並且滿足，和分別為第i成分的均值和標準差；

設，為缺失數據，即隨機樣本值分別為每一成分的概率，則所有樣本數據的聯合概率密度函數表示為：

，

式中，取值為0或1，當，表示樣本屬於第k個成分，否則不是；

利用最大似然函數對上述變量進行計算，表達式如下所示：

。

步驟2）的車底陰影閾值的計算方法如下：

對圖像灰度值進行聚類，計算各成分的均值與方差，排序後的均值表示為；

；

表示車底陰影區域的均值，為其對應的標準差。