基于改進型canny算子的跑道邊緣檢測與識別方法

摘 要：文章介紹了一種基于改進型canny邊緣檢測算法的跑道邊緣檢測與識別方法，主要應用于無人機自主著陸視覺導航技術領域。本方法對拍攝的跑道圖像進行采集，得到數字圖像，進行預處理，對處理后的圖像采用文章

引言

無人機的自主著陸導航指無人機機載的導航儀器和飛控系統進行定位導航并最終使無人機自主準確降落在指定著陸場的過程。要想實現自主著陸，無人機必須具備自主導航能力，因此高精度的自主著陸導航技術是無人機自主著陸的關鍵技術。迄今為止國內外關于無人機自主著陸導航關鍵技術的研究主要包括：GPS導航技術研究、慣性導航系統研究、GPS、慣導組合系統的研究以及視覺導航系統的研究。其中視覺導航技術是一種基于機器視覺的導航技術，該技術利用視覺傳感器采集圖像，計算機對采集到的圖像進行圖像處理，根據處理結果得到無人機的定位姿態參數，視覺傳感器功耗低、體積小、安裝簡單方便，此外視覺導航還具有很高的隱蔽性。因此視覺導航技術應用于無人機的自主著陸，已成為無人機研究的一個重要領域。

基于機器視覺的跑道邊緣檢測方法流程圖圖1。

無人機自主著陸最關鍵的技術在于如何對著陸跑道進行精確的定位，并根據所識別出的著陸跑道和地平線進行精確的計算得到無人機的姿態角信息和相對跑道的位置，再根據角度位置信息引導無人機精確對準跑道，實現安全著陸。跑道的邊緣檢測、識別與定位隸屬于機器視覺應用于目標識別，是整個自主導航過程中對目標識別的基礎。跑道的長度一般在兩千米到四千米之間，寬度一般在三十米到一百米之間。有時為特征明顯，方便識別，設計為T字形，或十字形等。跑道信息反映在圖像中邊沿整齊、寬大而平直。根據跑道特點通常采用如下6條特征信息來描述跑道，其中的灰度特性兩條，幾何特性四條：

（1）跑道灰度值較高。（2）跑道表面灰度值相近。（3）跑道長度是限值。（4）跑道寬度是有限值。（5）跑道長度遠大于跑道寬度。（6）有兩條及以上跑道時，跑道之間相交或平行。

文章就是根據跑道的這6個特性設計了一種采用四閾值法對跑道邊緣進行檢測定位的改進型canny算法。

1 傳統canny算法

圖像邊緣檢測是基于邊緣的像素點灰度較圖像中其他點有顯著變化，從信號研究的頻域角度而言，這些像素點信息屬于高頻信號區域；圖像邊緣往往都是閉合的連線。Canny邊緣檢測算子一種基于最優化算法的邊緣檢測算子，也屬于是先平滑后求導數的方法，Canny算子用如下三個判別標準來評判邊緣檢測性能的優劣：第一：要有好的信噪比，即誤判率低，將非邊緣點判定為邊緣點或者將邊緣點判為非邊緣點的概率都要低；第二：定位要準確，即通過算法檢測出的圖像邊緣點要盡可能在實際邊緣的中心；第三：對單一邊緣有且僅有唯一響應，即對單個邊緣產生多個響應的概率要低，并且要最大程度的抑制對虛假邊緣的響應。Canny算法因具有好的信噪比和高的檢測精度，因此應用廣泛。用傳統canny邊緣檢測算子檢測圖像邊緣的步驟如下：

（1）對圖像進行平滑處理，常采用高斯濾波器。

（2）計算圖像梯度的幅值并判定方向，經典canny算子常采用一階偏導有限差分法。

（3）對步驟2中的梯度幅值進行非極大值抑制 。

（4）用雙閾值算法檢測跑道的邊緣并對邊緣進行連接。

基于以上四個步驟的傳統經典型canny算法進行邊緣檢測數據處理量大，實時性也有待提高，最主要的缺點仍是采用傳統方法檢測邊緣過程中易受干擾產生部分虛假邊緣，檢測邊緣的精度不夠高達不到單像素級。因此實際應用中仍存在一定局限。

2 文章改進型canny算法

文章針對此對傳統的canny算法進行了改進，采用四閾值邊緣檢測定位方法對分割后的數字圖像進行邊緣檢測，解決現有技術中用canny邊緣檢測方法檢測圖像邊緣存在計算量大，實時性及精度較差的問題，對經過預處理完成圖像分割后的數字圖像進行圖像平滑，經過改進的canny算子在很好的保持圖像邊緣灰度特性的基礎上極大程度的去除噪聲，且保證了圖像邊緣的清晰完整性。基于四閾值的改進型canny邊緣檢測方法解決了傳統算子中雙閾值方法難以合理選擇上下限閾值的問題，可以刪除長度較短或者強度較弱的偽邊緣，并能保證邊緣的連續性。具體流程圖如圖2所示。

具體實施方法如下：

步驟1：對拍攝的跑道圖像進行采集，得到數字圖像。

步驟2：對步驟1得到的數字圖像進行預處理。其中圖像預處理包括對圖像進行灰度濾波去噪以及圖像分割。

步驟3：采用文章提出的基于四閾值的改進的canny算子，對預處理分割后的數字圖像進行邊緣檢測。具體過程為：

（1）采用K近鄰均值濾波器代替高斯濾波器對步驟2得到的圖像進行平滑處理。具體方法為：以待處理像素為中心，作一個N×N的模板（N為奇數）；然后在模板中選擇K個與待處理像素的灰度差最小的像素點，取其平均值，用該平均值代替原來中心點的像素值。

（2）對平滑后的圖像，使用微分算子求出圖像沿像素坐標系x

軸和y軸的偏導數Bx和By。然后求得像素點的梯度模值和方位分別為：

（3）對求導后的圖像進行非極大值抑制，對每個像素點，沿幅角方向檢測梯度模值的極大值點，即邊緣點。由此初步得到跑道邊緣點。

（4）采用四閾值方法對跑道邊緣點進行定位。

所述四閾值邊緣檢測定位方法具體為：

a.設定上下限閾值ttop、tdown，一般取tdown=0.4ttop；

b.選擇邊緣起始點。選擇大于ttop的梯度模極大值點作為起始

點；

c.形成廣義邊緣鏈。具體操作如下：選擇大于tdown且與邊緣起始點連通的梯度模極大值點，將小于tdown或者無法實現連通的局部模極大值點刪除，形成廣義邊緣鏈；所述廣義邊緣鏈包括多條長度不等的邊緣鏈，其最小鏈長度為lmin，最大鏈長度為lmax；

d.設定鏈長度閾值ln（lmin

步驟4：對檢測出的圖像邊緣進行識別，給出邊界描述。

最后文章的跑道邊緣的邊界描述采用hough變換與最小二乘法相結合，擬合跑道邊界，給出邊界直線方程。

3 具體實施驗證

采用本實施例的方法對模擬跑道進行檢測，得到的檢測圖像如圖3（a）所示，圖3（b）為采用傳統canny算子檢測到的圖像。

從兩圖對比可得到，本發明方法較傳統方法精度高，對虛假邊緣可以得到有效抑制。

參考文獻

[1]丁衛.基于超小型無人機的地面目標實時圖像跟蹤[J].2007.

[2]Ling Bo， Wu Jing， and Xiuqing Ye. The application of the maximum entropy principle for road detection.[J].Journal of Circuits and Systems， 2005，10：78-81.

[3]烏蘭巴根，胡繼忠，徐元銘.無人直升機在移動目標上的自主降落[J].計算機工程與應用，2010，46（23）.

[4]韓九強，胡懷中，張新曼，等.機器視覺技術及應用[M].高等教育出版社.

[5]陸宗騏，童韜.鏈碼和在邊界形狀分析中的應用[J].中國圖像圖形學A輯，2002，7（12）.