偏振光實時定位的標(biāo)識線導(dǎo)航路徑圖像識別

蔣慶剛，譚克奇

(河南理工大學(xué)鶴壁工程技術(shù)學(xué)院，河南 鶴壁 458030)

1 引言

智能車輛導(dǎo)航中各項信息處理技術(shù)的發(fā)展，促使汽車控制領(lǐng)域步入了新一級的科技時代，例如新興的車輛自主駕駛技術(shù)，其自主駕駛的重點是對導(dǎo)航路徑進(jìn)行高效準(zhǔn)確的識別。相比于主流的慣性導(dǎo)航、衛(wèi)星導(dǎo)航與天文導(dǎo)航，仿生的偏振光導(dǎo)航類似于一種自主導(dǎo)航，既不存在偏差累積，也不會輕易受到干擾，而且偏振光導(dǎo)航已經(jīng)實現(xiàn)了實時定位功能。

在導(dǎo)航路徑識別方面，現(xiàn)已有眾多研究人員對其展開討論。文獻(xiàn)[1]提出一種基于SVM與圖匹配相結(jié)合的車載激光點云道路標(biāo)線識別方法，以標(biāo)線為基礎(chǔ)對目標(biāo)進(jìn)行點云分割，構(gòu)建由延展度、最小外包矩形面積與不變矩等組成的形狀特征矢量，再通過SVM對道路標(biāo)線實施粗略分類并架構(gòu)圖結(jié)構(gòu)，采用圖匹配的策略對粗略的分類結(jié)果進(jìn)行優(yōu)化，從而實現(xiàn)路徑標(biāo)識線的準(zhǔn)確識別，該方法除了可以精確識別多種類標(biāo)線目標(biāo)，還對形狀類似的標(biāo)線辨別存在較強(qiáng)的穩(wěn)健性，但是存在識別結(jié)果偏差大的問題。文獻(xiàn)[2]提出一種農(nóng)業(yè)機(jī)器人視覺導(dǎo)航路徑識別方法，該方法通過光照無關(guān)量剔除光照干擾，并采用混合閾值方法對圖像進(jìn)行分割，實現(xiàn)對導(dǎo)航路徑的識別。實驗結(jié)果表明，該方法識別精準(zhǔn)度較高。但是會由于樣本種類不均衡導(dǎo)致識別效果與實時性均有所下降。

為解決上述問題，將偏振光仿生技術(shù)與圖像處理技術(shù)進(jìn)行結(jié)合，得出一種基于偏振光實時定位的標(biāo)識線導(dǎo)航路徑圖像識別方法。通過對偏振光相關(guān)信息的獲取，得到相應(yīng)的地理坐標(biāo)，達(dá)成偏振光實時定位，采用圖像處理技術(shù)預(yù)處理路徑圖像，通過抽行掃描法抽取得到路徑標(biāo)識線特征點，并以此為依據(jù)利用線性回歸方程架構(gòu)標(biāo)識線的表達(dá)式，基于特征點的質(zhì)量判定，選取精準(zhǔn)性較高的特征點結(jié)合數(shù)學(xué)形態(tài)學(xué)來識別路徑圖像中的標(biāo)識線。實驗結(jié)果表明，所提方法可以有效去除圖像存在的噪聲點，并且識別效果較好。

2 標(biāo)識線導(dǎo)航路徑圖像識別方法

2.1 偏振光實時定位原理

從理論上說，通過兩點不平行偏振光的偏振向量能夠推算得到太陽的方向向量，在某一時間的太陽高度角[3，4]與方位角是對應(yīng)于當(dāng)?shù)氐乩碜鴺?biāo)的，因此，采用兩個或兩個以上偏振光的偏振方向向量、時間信息、太陽方向向量判別方式與地磁信息[5]，就能夠求得當(dāng)?shù)氐牡乩碜鴺?biāo)，使偏振光實時定位性能得到實現(xiàn)。圖1為偏振光方向向量和太陽方向向量示意圖。

圖1 偏振光方向向量和太陽方向向量示意圖

圖1中，4個被觀察點分別用W1、W2、W3與W4表示，其偏振方向向量分別用P1、P2、P3與P4表示，觀察點、太陽和天頂點分別表示為O、S和Z。太陽高度角、方位角分別表示為hs和As，其中As為太陽方向向量位于水平坐標(biāo)系中的投影與正北方向所構(gòu)成的夾角。按照天空內(nèi)偏振光的分散形式，得出偏振e方向向量pe與平面WlOS為垂直關(guān)系，其中l(wèi)=1，2，3，4，因此，隨機(jī)選取兩個呈不平行關(guān)系的偏振e方向向量pe(e=1，2，3，4)與偏振f方向向量pf進(jìn)行向量積，便可求得太陽方向向量Sb0，其計算公式如下

Sb0=(Sbx，Sby，Sbz)hs=K(Pe×Pf)hs

(e，f=1，2，3，4;e≠f)

(1)

式中，太陽方向向量位于載體坐標(biāo)系中X、Y、Z軸的坐標(biāo)值用Sbx、Sby、Sbz表示，關(guān)于整數(shù)K值選為1還是-1，則要依據(jù)太陽方向向量判定方式進(jìn)行確定。圖2為載體坐標(biāo)系示意圖。

圖2 載體坐標(biāo)系示意圖

根據(jù)圖2載體坐標(biāo)系中的太陽方向向量得出

(2)

式中，δ、φ和ω分別表示太陽赤緯、地理緯度與太陽時角。其中，太陽時角用下列公式進(jìn)行表示

ω=η+15(tUT1+E)-180°

(3)

式中，η、tUT1及E分別表示為地理經(jīng)度、格林尼治時間與時差。

格林尼治時間[6]與世界統(tǒng)一時間(tUTC)之間存在小于0.9s的誤差，因為將其單位換算成小時后數(shù)值極小，所以對計算產(chǎn)生的影響微乎其微，可以忽略不計。因此，將格林尼治時間替換成世界統(tǒng)一時間，代入上式后得到

ω=η+15(tUTC+E)-180°

(4)

圖2中的As用下式表示

As=A′s+H+D

(5)

式中，地磁北極和電子羅盤體軸所構(gòu)成的夾角表示為H，被觀察點的磁偏角表示為D，其能夠通過地理的經(jīng)緯度獲得，表達(dá)式如下

D=f(φ，η)

(6)

2.2 路徑圖像預(yù)處理

為了降低圖像分析、識別難度，則要對原始圖像執(zhí)行預(yù)處理，突出顯示原始圖像中的有用信息，并消除噪聲。圖像降噪是采用中值濾波技術(shù)[7，8]實現(xiàn)的，該技術(shù)是一種基于部分平均的平滑技術(shù)，可以有效抑制脈沖干擾和椒鹽噪聲，而且對線性濾波器引起的圖像細(xì)節(jié)模糊存在一定程度的優(yōu)化性，令圖像邊緣得到有效的保護(hù)。

中值濾波界定：如果有一組序列x1，x2，x3，…，xn，將其按大小順序排列成xi1≤xi2≤xi3≤…≤xin，那么得到如下中值表達(dá)式

M=median(x1，x2，x3，…，xn)

(7)

通過一個3×3的網(wǎng)格，對二維網(wǎng)格中的數(shù)據(jù)實現(xiàn)一維排序，根據(jù)上式得到中值M，將網(wǎng)格中心的原始灰度替換成中值M。

圖像分割的重中之重就是關(guān)于閾值的確定，而想要更好地適應(yīng)外部環(huán)境的變化，應(yīng)選用全局自動閾值分割法[9]運用于路徑圖像分割。關(guān)于路徑圖像的閾值分割，簡單來說，是在一個閾值處將圖像的直方圖分成目標(biāo)范圍與背景范圍兩個部分。Otsu方法的核心理念就是令兩部分的類內(nèi)方差為極小值，而類間方差為極大值[10]。

如果將路徑圖像的直方圖灰度變化區(qū)間設(shè)定為[m1，m2]，直方圖被整數(shù)K值分割成C1與C2，且K∈(m1，m2)，那么得到直方圖變化區(qū)間[m1，K]與[K，m2]。圖像中的像素總和、灰度值設(shè)定為i的像素個數(shù)和每個像素的發(fā)生概率分別用N、ni和Pi表示，而C1、C2的發(fā)生概率和均值則分別用ω1、ω2和μ1、μ2表示，得出下列公式

(8)

(9)

依據(jù)兩部分與整體路徑圖像的關(guān)系可以得出

μ=ω1μ1+ω2μ2

(10)

(11)

(12)

(13)

式(12)、(13)中，Pi(j)代表產(chǎn)生Cj部分灰度值為i的像素概率，其中j=1，2。從上列各式可以看出類內(nèi)方差和類間方差都是整數(shù)K值的函數(shù)，若在[m1，m2]中選擇的整數(shù)K值，滿足類間方差極大且類內(nèi)方差極小，則該整數(shù)K值是最優(yōu)閾值，并通過創(chuàng)建的判定函數(shù)J來對其進(jìn)行驗證

(14)

從式(14)可以發(fā)現(xiàn)，取判定函數(shù)J的極大值時，對應(yīng)整數(shù)K值便是所需閾值。該閾值分割法并不影響先驗概率，因此，其可以最大程度地分割路徑圖像內(nèi)的背景和目標(biāo)。

2.3 標(biāo)識線導(dǎo)航路徑圖像識別

高速上的道路存在諸多的特殊性，在設(shè)計與構(gòu)建階段都要遵循嚴(yán)格的行業(yè)準(zhǔn)則，例如其極限轉(zhuǎn)彎半徑設(shè)定是650m，所以在車前方距視平面40m內(nèi)的車道分界線均能夠以直線處理。原始路徑圖像經(jīng)過預(yù)處理，對圖像坐標(biāo)系中標(biāo)識線的像素方位和分散寬度進(jìn)行確定，從而獲得標(biāo)識線的中心像素方位，再通過最小平方法擬合標(biāo)識線的中心像素，對圖像坐標(biāo)系中標(biāo)識線的位置參數(shù)做進(jìn)一步的確定，如圖3所示。

圖3 標(biāo)識線識別原理示意圖

分析圖3可知，將圖像底邊的中心點設(shè)為坐標(biāo)原點O，橫向正方向為x軸，縱向正方向為y軸，也是車輛的對稱線。利用左右側(cè)分開處理的策略對標(biāo)識線進(jìn)行識別，下式分別為設(shè)定的左右側(cè)標(biāo)識線中心線直線方程

y=a1x+b1

(15)

y=a2x+b2

(16)

因為路徑圖像經(jīng)預(yù)處理后變成了二值圖像，其背景像素值是0，標(biāo)識線圖像像素值則是1，因此，通過在選擇的掃描范圍中抽行掃描圖像，便能夠得到一組標(biāo)識線中點坐標(biāo)。根據(jù)圖3，將提取的行縱坐標(biāo)設(shè)置成yi，那么位于該行的標(biāo)識線圖像起點、終點的橫坐標(biāo)用xi1、xi2表示，若xi=(xi1+xi2)/2，那么該行的標(biāo)識線圖像中點坐標(biāo)是(xi，yi)。因此，從路徑圖像中提取并掃描n行后，就可獲得一組標(biāo)識線中點坐標(biāo)(xi，yi)，其中i=0，1，…，n。

將照相機(jī)采集到的路徑圖像尺寸設(shè)置成320×240，提取特征點的數(shù)量n設(shè)置成5，以確保識別結(jié)果的實時性與準(zhǔn)確性。掃描的各行像素是沿y軸從下到上，且每隔24個像素便進(jìn)行一次抽取而獲得的，各行的掃描方向為沿x軸正方向從左到右完成[11]。若第i行掃描的像素首次發(fā)生像素值突變，則此時該點的坐標(biāo)是(xi1，yi)，然后繼續(xù)掃描；若再次發(fā)生像素值突變，則此時該點的坐標(biāo)是(xi2，yi)，此行掃描終止。若提取特征點數(shù)量n<5，掃描繼續(xù)；若n>5，掃描終止。

利用最小平方法來直線擬合所獲取的中心線5個特征點坐標(biāo)，便可解得參數(shù)a1、b1，同理識別右側(cè)標(biāo)識線。

依據(jù)標(biāo)識線識別原理，對標(biāo)識線導(dǎo)航路徑圖像進(jìn)行識別。由于路徑場景中包含大量的引導(dǎo)線與各類標(biāo)志物，如四向道路、三向道路、彎道、拐角、丁字路口、掉頭標(biāo)識以及轉(zhuǎn)彎標(biāo)識等[12]，在充分考慮各類標(biāo)識物的基礎(chǔ)上，實現(xiàn)對標(biāo)識線導(dǎo)航路徑圖像的識別。具體的識別步驟如下：

1)對圖像中路徑的邊緣點進(jìn)行識別，在識別過程中，在圖像處理區(qū)域中，依次對所有像素進(jìn)行二值化處理，從而得到路徑左、右邊緣點，在此過程中，要注意保護(hù)路徑邊緣細(xì)節(jié)。

2)在識別一幀導(dǎo)航路徑圖像時，采用中值濾波算法設(shè)定一個閾值，根據(jù)該閾值判斷該像素是否為噪聲點。如果是噪聲點，需要對其進(jìn)行中值濾波處理；如果不是噪聲點，將圖像的像素直接輸出即可。

3)運用最優(yōu)閾值法得到導(dǎo)航路徑圖像的最佳閾值。

4)雖然經(jīng)過中值濾波技術(shù)處理后的圖像中的噪聲得到了大量減少，但是為了進(jìn)一步提升圖像識別質(zhì)量，采用數(shù)學(xué)形態(tài)學(xué)中的開運算方法對圖像進(jìn)行進(jìn)一步去噪，從而得到準(zhǔn)確的標(biāo)識線導(dǎo)航路徑圖像識別結(jié)果。

3 仿真研究

為了給車輛導(dǎo)航提供有效的數(shù)據(jù)支持，確保標(biāo)識線得到穩(wěn)定、實時的辨識，實驗選取一輛微型客車，在其前擋風(fēng)玻璃的中心位置安裝導(dǎo)航，對所提方法與文獻(xiàn)[1]方法、文獻(xiàn)[2]方法進(jìn)行測試和對比驗證。

3.1 識別偏差對比

獲得不同車速相同路徑行駛情況下，采用三種方法識別的標(biāo)識線偏差對比結(jié)果，如表1所示。

表1 識別偏差對比數(shù)據(jù)

通過表1可以看出，三種方法偏差值隨著車速的提升而增加，其中，所提方法的識別偏差值最小，在不同路況情況下，相比于弧線標(biāo)識線，直線的標(biāo)識線識別效果更加理想，且偏差值與車速之間的正比例關(guān)系不變。無論是路徑情況還是行駛速度方面，所提方法均優(yōu)于文獻(xiàn)方法，具備優(yōu)秀的識別性能與良好的穩(wěn)定性。

3.2 導(dǎo)航路徑識別效果對比

將大型超市作為導(dǎo)航搜索的目標(biāo)點，采用所提方法、文獻(xiàn)[1]方法、文獻(xiàn)[2]方法在設(shè)定固定出發(fā)點行駛向距離出發(fā)點最近的大型超市，在必經(jīng)路線某個路口設(shè)置交通事故點，觀察三種方法的導(dǎo)航路徑判斷對比結(jié)果，如圖4所示。

圖4 導(dǎo)航路徑識別效果對比

分析圖4可知，采用所提方法、文獻(xiàn)[1]方法和文獻(xiàn)[2]方法行駛的實際路徑分別為5km、10km、7km，其中所提方法的行駛路徑最短，當(dāng)三種導(dǎo)航的必經(jīng)路口上發(fā)生事故時，文獻(xiàn)[1]方法在路口發(fā)生事故時，返回出發(fā)點重新選擇最近目標(biāo)點，耗時最長，路徑最長。文獻(xiàn)[2]方法在所經(jīng)路口發(fā)生事故時，選擇返回城市主干道，判斷其它大型超市作為新的目標(biāo)點，造成其行程較長，耗時較長。所提方法在所經(jīng)路口發(fā)生交通事故時，在事故點附近迅速判斷最近的備選道路及最近的目標(biāo)點，穿過居民區(qū)小路，最終達(dá)到目標(biāo)點，耗時較短且路程最短，與原計劃最短路程相差不多。由此可知，所提方法路徑識別規(guī)劃的實時性最好。

為了進(jìn)一步驗證所提方法的有效性，以是否能夠識別出標(biāo)識線導(dǎo)航路徑圖像中的標(biāo)識物為標(biāo)準(zhǔn)，對比不同方法的圖像識別效果，圖5為待識別圖像。

圖5 待識別圖像

分析圖5可知，為了檢驗所提方法的識別能力，在待識別圖像中設(shè)置了四向道路、三向道路、拐角、彎道以及指示箭頭與禁止停車等引導(dǎo)線與各類標(biāo)識物，采用不同方法對該圖像進(jìn)行識別，識別結(jié)果如表2所示。

表2 標(biāo)識物識別結(jié)果

分析表2中數(shù)據(jù)可知，采用所提方法能夠有效識別出圖像中的各類標(biāo)識物，僅對部分標(biāo)識物在識別中存在缺失現(xiàn)象，如拐角標(biāo)識和禁止停車標(biāo)識。而采用文獻(xiàn)[1]方法和文獻(xiàn)[2]方法對圖像中的標(biāo)識物進(jìn)行識別時，遺漏的標(biāo)識物較多，說明所提方法的識別效果較好，具有明顯的優(yōu)勢性。這是由于所提方法采用最優(yōu)閾值法獲取導(dǎo)航路徑圖像的最佳閾值，并結(jié)合數(shù)學(xué)形態(tài)學(xué)中的開運算方法對圖像進(jìn)行進(jìn)一步去噪，從而得到了更加準(zhǔn)確的標(biāo)識物識別結(jié)果。

4 結(jié)論

由于在復(fù)雜或有危險因素的路況中實時、精準(zhǔn)地識別標(biāo)識線存在一定的難度。為解決此類問題，提出一種基于偏振光實時定位的標(biāo)識線導(dǎo)航路徑圖像識別方法。利用偏振光的相關(guān)信息求得對應(yīng)的地理坐標(biāo)，完成偏振光實時定位，通過中值濾波對路徑圖像完成預(yù)處理，根據(jù)分割區(qū)域與整體路徑圖像的關(guān)系，采用Otsu方法選取一個滿足類內(nèi)方差極小、類間方差極大的最優(yōu)閾值，利用抽行掃描法對標(biāo)識線的中心像素方位進(jìn)行獲取，再結(jié)合最小平方法的擬合方程式和數(shù)學(xué)形態(tài)學(xué)有效地對標(biāo)識線完成理想識別。經(jīng)過實驗驗證，所提方法具有較好的圖像識別效果，可以更好地為視覺導(dǎo)航提供理論支持。