連續(xù)型道路分割物檢測方法和裝置制造方法
【專利摘要】公開了具有高度的連續(xù)型道路分割物檢測方法和檢測裝置。所述檢測方法包括：獲得包括該連續(xù)型道路分割物的視差圖以及對應的U視差圖；獲取從前N幀的U視差圖檢測到該連續(xù)型道路分割物時的中間檢測結果；利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物。
【專利說明】連續(xù)型道路分割物檢測方法和裝置
【技術領域】
[0001]本發(fā)明總體涉及圖像處理，更具體地涉及連續(xù)型道路分割物的檢測方法和檢測裝置。
【背景技術】
[0002]駕駛輔助系統(tǒng)的應用日漸普及。而道路或車道警告系統(tǒng)(Lane/Road detectionwarning, LDW/RDW)是駕駛輔助系統(tǒng)的子系統(tǒng)，可以避免碰撞，更準確地確定駕駛方向等。道路或車道檢測對于LDW/RDW系統(tǒng)非常關鍵，只有在知道了道路信息的基礎上才可能做進一步的處理，例如警告。一般通過檢測道路分割物來檢測道路或車道。
[0003]道路分割物包括路肩石、白線、柵欄和其他能夠標識路的區(qū)域以及車道的物體。在道路分割物中，存在具有一定高度的連續(xù)型道路分割物，常見的比如柵欄、灌木叢、路肩石
坐寸o
[0004]對于具有一定高度的連續(xù)型道路分割物，目前已經提出了一些檢測方法。
[0005]例如，在非專利文獻1，Giancarlo Alessandretti, Alberto Broggi, and PietroCerri 等人的文章 Vehicle and Guard Rail Detection Using Radar and Vision DataFusion, IEEE 2007 TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS 中，介紹了一種雷達和光學相機相結合輸入的車輛和柵欄檢測方法。雷達圖像輔助提供了灰度圖像無法獲取的材質信息，從而幫助實現(xiàn)車輛和柵欄的檢測。然而，該方法由于環(huán)境條件的變化和視覺上產生的幾何形變，因此在實際應用過程中很難獲得穩(wěn)定的結果，并且運算量也非常大。
[0006]因此，希望能提供一種具有一定高度的連續(xù)型道路分割物的檢測技術，該技術能夠在復雜的環(huán)境中更加穩(wěn)定準確，具有較高的檢測率，并且運算量能夠大幅減少。

【發(fā)明內容】

[0007]根據(jù)本發(fā)明的一個方面，提供了一種具有高度的連續(xù)型道路分割物檢測方法，包括:獲得包括該連續(xù)型道路分割物的視差圖以及對應的U視差圖；獲取從前N幀的U視差圖檢測到該連續(xù)型道路分割物時的中間檢測結果；利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物。
[0008]根據(jù)本發(fā)明的另一個方面，提供了一種具有高度的連續(xù)型道路分割物檢測裝置，包括:圖像獲取部分，用于獲得包括該連續(xù)型道路分割物的視差圖以及對應的U視差圖；中間檢測結果獲取部分，用于獲取從前N幀的U視差圖檢測到該連續(xù)型道路分割物時的中間檢測結果；檢測部分，用于利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物。
[0009]在根據(jù)本發(fā)明的實施例的具有高度的連續(xù)型物體檢測方法和裝置中，通過追蹤獲取并利用在歷史幀U視差圖中進行檢測的中間檢測結果，來從當前幀U視差圖檢測連續(xù)型道路分割物，因此可以大大減少檢測的計算量，提聞檢測準確性，并提聞檢測效率?！緦＠綀D】

【附圖說明】
[0010]圖1示意性地示出了具有柵欄部分的視差圖以及對應的U視差圖和V視差圖；
[0011]圖2示出了根據(jù)本發(fā)明第一實施例的柵欄檢測方法的總體流程圖；
[0012]圖3示出了根據(jù)本發(fā)明第一實施例的柵欄檢測方法的子流程圖；
[0013]圖4是柵欄在U視差圖中的示意圖；
[0014]圖5是柵欄在U視差圖中的另一示意圖；
[0015]圖6示意性地示出了視差圖中平行于地面的切片、視差圖落在切片上的視差點形成的V視差圖以及視差圖落在切片上的視差點形成的U視差圖；
[0016]圖7示出了根據(jù)本發(fā)明一個實施例的具有高度的連續(xù)型道路分割物檢測裝置的總體配置圖；以及
[0017]圖8是示出根據(jù)本發(fā)明實施例的具有高度的連續(xù)型道路分割物檢測系統(tǒng)的總體硬件框圖。
【具體實施方式】
[0018]為了使本領域技術人員更好地理解本發(fā)明，下面結合附圖和【具體實施方式】對本發(fā)明作進一步詳細說明。
[0019]在本發(fā)明的實施例中，使用了視差、視差圖、V視差圖和U視差圖的概念。這些概念是本領域公知的，因此在這里只對這些概念進行簡單的介紹。
[0020]視差，是指從相隔一定距離的兩個點觀察同一個目標所產生的方向差異。當利用例如雙目相機拍攝同一個目標的左右兩幅圖像時，該目標的視差可以理解為該目標在左圖像中的橫坐標與在右圖像中的橫坐標之間的差。
[0021]視差圖(disparity map)是以任一圖像為基準圖像，其尺寸為該基準圖像的尺寸，并且其每個點(像素點)的灰度值為基準圖像中對應點的視差的圖像?？梢砸员绢I域公知的很多方式獲得視差圖。例如，可以從雙目相機拍攝的左圖像和右圖像計算得到視差圖，可以從多目相機或立體相機拍攝的圖像計算得到視差圖，或者可以通過立體視圖中的深度圖計算得到視差圖。
[0022]基準圖像中的點的坐標可以表示為(x，y)，其中X為橫坐標，y為縱坐標。在通過轉換該基準圖像而獲得的二維視差圖中，與點(x，y)對應的點的坐標可以表示為U，V)，其中u為橫坐標,V為縱坐標,并且u=x, v=y。視差圖中每個點處的灰度值為該點處的視差,用d表示。可替換地，可以將視差圖中的點表示為U，V，d)以便同時反映點的坐標和視差。
[0023]V視差圖和U視差圖可以從視差圖導出。V視差圖看起來像是原始三維場景的測視圖，其橫坐標軸為d軸，縱坐標軸為V軸，其上的點可表示為(d，V)，并且點(d，v)的灰度值(亮度值)是對應視差圖的縱坐標為V的行中視差等于d的點的數(shù)量，因此，可以通過統(tǒng)計該數(shù)量或者使用本領域公知的其他方法來從視差圖導出V視差圖。U視差圖看起來像是原始三維場景的鳥瞰圖，其橫坐標軸為u軸，縱坐標軸為d軸，其上的點可表示為(u，d)，并且點U，d)的灰度值(亮度值)是對應視差圖的橫坐標為u的列中視差等于d的點的數(shù)量，因此，可以通過統(tǒng)計該數(shù)量或者使用本領域公知的其他方法來從視差圖導出U-視差圖。圖1示意性地示出了具有柵欄部分的視差圖以及對應的U視差圖和V視差圖。
[0024]根據(jù)本發(fā)明實施例的檢測技術可以應用于任何具有高度的連續(xù)型道路分割物。所謂具有高度的連續(xù)型道路分隔物指的是以路面為基準具有一定高度、并沿道路方向延伸的具有分割道路功能的物體，例如路邊的柵欄、灌木叢、路肩石等。需要注意的是，這里物體的高度無需固定，也不需要等高。在下文中將以柵欄為例，對根據(jù)本發(fā)明實施例的用于檢測具有高度的連續(xù)型道路分割物的方法進行描述。
[0025]<第一實施例>
[0026]圖2示出了根據(jù)本發(fā)明第一實施例的柵欄檢測方法的總體流程圖。
[0027]如圖2所示，在步驟S21中，獲得包括該柵欄的視差圖以及對應的U視差圖。
[0028]任何現(xiàn)有的獲取視差圖的方法均可以用于本發(fā)明。例如，可以通過雙目相機、多目相機、立體相機拍攝并計算得到包括柵欄的視差圖。具體地，例如，可以通過雙目相機來拍攝左圖像和右圖像，基于左圖像和右圖像計算得到視差圖?；蛘?，可以從立體視圖中獲得深度圖，根據(jù)深度圖得到視差圖。獲得視差圖后，由視差圖變換得到對應的U視差圖和對應的V視差圖。
[0029]在步驟S22中，獲取從前一幀的U視差圖檢測到柵欄時的中間檢測結果。
[0030]一般情況下，柵欄呈直線形式延伸，因而在U視差圖中表現(xiàn)為直線，從而可以通過在U視差圖中檢測直線來檢測柵欄。具體地，可以使用各種直線檢測方法在U視差圖中檢測直線從而定位柵欄的位置，隨后通過用預定的檢測參數(shù)對檢測出的直線進行過濾，獲得最終的檢測結果。眾所周知，存在著多種從圖像中檢測直線的方法，在以下的說明中，將以霍夫變換為例進行描述。
[0031]霍夫變換是一 種常用的從圖像中檢測直線的方法。平面直角坐標系中的直線方程y=kx+b經過霍夫變換可以表示為r = X ? cos 0 +y ? sin 0 ,其中r表示該直線與原點之間的距離，而0表示該直線與X軸的夾角。這樣，對于具有坐標(x0，y0)的任意一點，穿過該點的所有直線滿足r( 0 ) =X0 ? cos 0 +y0 ? sin 0。當通過霍夫變換檢測直線時,對于圖像中的每一個點確定穿過該點的以r，0的形式表示的直線的集合(即對于0°到360°的范圍中以一定角度間隔取樣的每一個9角計算對應的r值)，穿過每一個點的直線的集合的坐標可以構成霍夫空間中的一條曲線，多條曲線在霍夫空間中的交點代表由相應點形成的直線。通常，由最多條曲線相交形成的交點代表檢測出的直線。
[0032]在檢測連續(xù)視頻信號中的柵欄時，一種最基本的方式是在每一幀U視差圖中單獨地檢測直線以確定柵欄的位置，即在當前幀U視差圖中進行檢測時不參考在歷史各幀的U視差圖中檢測到直線時的參數(shù)；或者僅僅參考歷史各幀中的最終檢測結果在當前幀U視差圖中進行檢測。容易想到，這樣的檢測方法的檢測效率必然較低，并且計算量很大。
[0033]如上所述，柵欄通常呈連續(xù)的直線形式延伸，因此在通過例如上述霍夫變換檢測直線時，相鄰若干幀U視差圖中檢測到的直線的0角應該變化不大。因此，當在當前幀U視差圖中檢測直線時，可以追蹤并利用前一幀U視差圖中檢測到的直線的0角，從而減小當前幀中進行檢測所需的計算量。
[0034]在步驟S23中，利用所獲得的中間檢測結果，從當前幀U視差圖檢測柵欄。
[0035]在該步驟中，利用所獲得的中間檢測結果，同樣使用例如霍夫變換在當前幀U視差圖中檢測直線從而定位柵欄的位置，隨后通過用預定的檢測參數(shù)對檢測出的直線進行過濾，獲得最終的檢測結果。圖3示出了該處理過程的示例性流程圖。下面，將結合圖3進行具體的描述。[0036]在步驟S231，根據(jù)所獲得的中間檢測結果縮小從當前幀U視差圖進行檢測的范圍。具體的，在當前幀中，僅在從步驟S220獲得的、在前一幀U視差圖中檢測到的直線的0角的周圍(即+/-A°的范圍中)以一定角度間隔取樣e角并計算對應的r值，即縮小了檢測直線的霍夫空間，從而可以減小計算量。
[0037]在步驟S232，在縮小后的范圍中檢測出候選柵欄。具體的，例如在利用霍夫變換檢測直線時，確定縮小的霍夫空間中的峰值點，即由最多條曲線相交形成的交點，由此得到由該峰值點表示的直線。
[0038]在步驟S233，判斷檢測出的候選柵欄是否滿足預定的檢測參數(shù)的閾值條件，并且當滿足閾值條件時，將該檢測出的候選柵欄作為檢測結果。所述檢測參數(shù)及其閾值條件用于反映目標柵欄的特征，并且可以根據(jù)具體情況和要求預先確定。例如，閾值條件可以是直線上的點數(shù)是否達到要求閾值(例如250個點)、檢測出的直線的長度是否滿足最小閾值(例如對應于250個像素值的長度)、形成的直線上是否有超過閾值(例如40個像素)的裂口，等等任何適當?shù)臈l件。只有當檢測出的柵欄滿足閾值條件時，才將其作為正確的檢測結果。
[0039]在以上的描述中，在從當前幀U視差圖檢測柵欄時，僅追蹤并利用前一幀U視差圖中檢測到的直線的0角。事實上，追蹤并利用前N幀U視差圖中檢測到的直線的0角，以在當前幀U視差圖中進行檢測也是可以的。例如，可以在步驟S22中獲取分別對應于前N幀U視差圖的N個0角，隨后通過例如加權取平均值、簡單取平均值等任何適當?shù)姆椒ù_定在步驟S23中將要利用的0角。接著在步驟S23中，利用該確定的0角，從當前幀U視差圖檢測柵欄。
[0040]上面以霍夫變換為例對根據(jù)本發(fā)明實施例的柵欄檢測方法進行了描述。實際上，可以采用各種其他線檢測方法在U視差圖中檢測直線從而定位柵欄的位置。容易理解，當采用除了霍夫變換以外的其他線檢測方法時，可以類似地追蹤獲取和利用相應的中間檢測參數(shù)。
[0041]在上述本發(fā)明第一實施例的檢測方法中，通過追蹤獲取并利用前N幀的U視差圖檢測到柵欄時的中間檢測結果，來從當前幀U視差圖檢測柵欄。因此，可以大大減少檢測的計算量，提高檢測準確性，并提高檢測效率。
[0042]<第二實施例>
[0043]在第一實施例中，通過追蹤獲取并利用歷史幀的U視差圖的中間檢測結果，減少了當前幀的檢測中的計算量，從而提高了檢測效率。在本實施例中，通過追蹤并自適應地調整檢測參數(shù)的閾值條件，進一步提高了檢測效率，同時增加了檢測物體時的適應性和魯棒性。
[0044]如前所述，檢測參數(shù)及其閾值條件用于反映目標柵欄的特征，并且可以根據(jù)具體情況和要求預先確定。直線檢測參數(shù)通常有兩種類型，一種是基本參數(shù)，例如最小線長，最大裂口長度等，它們一般根據(jù)道路狀況和柵欄特點變化比較??；另一種是特別參數(shù)，例如線上點的數(shù)目、線上點的密度，點在線上的允許誤等，這些參數(shù)會受到例如光照、天氣等環(huán)境的影響，因此相較于基本參數(shù)變化較大。對于這兩種參數(shù)，都可以進行追蹤，并根據(jù)當前幀的信息(例如直方圖、U視差圖中像素點的個數(shù)等等)或歷史幀和當前幀中應用的檢測參數(shù)的閾值進行自適應的調整，以便更加適應各種環(huán)境變化，提高檢測的準確率和效率。
[0045]檢測參數(shù)及其閾值條件的含義以及如何選擇適當?shù)臋z測參數(shù)并設定其閾值條件均是本領域技術人員公知的。此處，對其中示例性的最小線長、最大裂口長度、線上點的數(shù)量、線上點的密度、點在線上的允許誤差進行簡單的介紹，以便于理解本發(fā)明。
[0046]最小線長是對檢測出的直線的長度的要求。當檢測出的直線的長度達到閾值時，該直線才有可能被保留下來作為檢測結果。
[0047]由于目標柵欄未必總是連續(xù)的，所以代表柵欄的直線可能會有斷斷續(xù)續(xù)的情況，允許一定程度的斷裂可以增加檢測到完整目標物體的機會。因此，用最大裂口長度描述允許在直線上存在的裂口的最大長度。
[0048]線上點的密度是一個重要的參數(shù)，如果檢測出的直線上的點的密度大于該密度閾值，則認為該直線上有足夠的點，因此是有效的；否則若密度過低，則認為該直線是無效的，即不能作為檢測結果。
[0049]線上點的數(shù)目與線上點的密度是類似的，如果檢測出的直線上的點的數(shù)目大于閾值，則認為該直線上有足夠的點，因此是有效的；否則若數(shù)目過少，則認為該直線是無效的，即不能作為檢測結果。
[0050]由于點的分布是雜亂無章的，因此各個點不一定完全準確地落在某條直線上，因此允許一定的距離誤差就能使得更多的點落在線上，增加檢測到完整目標物體的機會。點在線上的允許誤差是用于反映這一特征的檢測參數(shù)。只要點到線的距離小于該參數(shù)的設定閾值，則認為點在該條直線上。例如，以通過霍夫變換檢測直線為例，如前所述，穿過每一個點的直線的集合的坐標可以構成霍夫空間中的一條曲線，多條曲線在霍夫空間中的交點代表由相應點形成的直線。當多個點準確的落在某一條直線上時，多條對應的曲線在霍夫空間中的交點的尖峰形態(tài)很強，即該交點是一個精確的點。然而當各個點不能完全準確落在某條直線上，所述交點的尖峰形態(tài)可能較為平緩，即該交點并非是一個精確的點，而是某一小的區(qū)域，此時需要設定點在線上的允許誤差。更明確的說，交點的尖峰形態(tài)越平緩，點在線上的允許誤差應該設定得相對越大。
[0051]容易理解，檢測參數(shù)并不止以上所舉例說明的，而是可以根據(jù)具體環(huán)境設定任何適當?shù)钠渌麢z測參數(shù)。
[0052]根據(jù)本實施例的柵欄檢測方法與第一實施例中的方法基本相同，其區(qū)別僅在于步驟S232。具體的，在本實施例的該步驟S232’中，當縮小后的范圍中能夠形成柵欄的像素點數(shù)目太少時，調整檢測參數(shù)的閾值，同時在該縮小后的范圍中檢測出候選的柵欄。
[0053]舉例來說，假設在拍攝原始三維場景圖時，由于不同天氣、不同時間、不同光照、不同場景等環(huán)境因素的影響，導致固定閾值產生很多局限性，例如某一段時間內光照較弱導致曝光量較低，導致當前幀的U視差圖中可能形成柵欄的像素點的數(shù)目太少(例如小于某一閾值)，以致將從該U視差圖中檢測出的直線將無法滿足上述檢測參數(shù)的閾值條件。此時，可以調整檢測參數(shù)的閾值，以降低對檢測出的直線的參數(shù)要求，使得在后續(xù)的步驟S233中能夠得到滿足檢測參數(shù)的閾值條件的檢測結果。例如，在當前幀的U視差圖中有可能形成柵欄的像素點的數(shù)目太少時，可以減小例如前述的最小線長、線上點的數(shù)量、線上點的密度的閾值，也可以增大例如最大裂口長度、點在線上的允許誤差的閾值。通過這種自適應的調整檢測參數(shù)，可以減少漏檢并提高檢測效率?？梢岳斫猓绻斍皫腢視差圖中可能形成柵欄的像素點的數(shù)目太多，也可以與上述調整相反地調整檢測參數(shù)的閾值，以提高對檢測出的直線的參數(shù)要求，從而提高檢測的精確度。[0054]以上描述了根據(jù)當前幀U視差圖的信息自適應地調整該當前幀U視差圖中應用的檢測參數(shù)的閾值。另一方面，在本實施例中，可以根據(jù)歷史幀和當前幀U視差圖的信息特征自適應的調整檢測參數(shù)，從而增加檢測物體時候的適應性和魯棒性。
[0055]例如，假設如上所述由于突發(fā)環(huán)境因素例如反光等，導致曝光變化從而影響獲取圖像質量，因此在從當前幀的U視差圖檢測柵欄時對檢測參數(shù)的閾值進行了較大的調整，而在下一幀中導致曝光量變化的突發(fā)環(huán)境因素消失，即環(huán)境因素又恢復到與形成歷史幀U視差圖時相似?；蛘撸缂僭O在從當前幀的U視差圖檢測柵欄時，錯誤地對檢測參數(shù)的閾值進行了較大的調整。可以理解，此時該進行了較大的調整的檢測參數(shù)顯示不適合后續(xù)幀的U視差圖。為了解決這一問題，可以在第一實施例中描述的檢測方法的步驟S23之后，追蹤當前幀U視差圖和至少前一幀U視差中應用的檢測參數(shù)的閾值，并據(jù)此調整將在下一幀U視差圖中應用的檢測參數(shù)的閾值，以避免局部最小值問題。
[0056]舉例來說，假設當前幀為t，則對于以上作為示例描述的幾個檢測參數(shù)，可以根據(jù)下面的計算式調整第t+1幀中使用的檢測參數(shù)的閾值:
[0057]最小線長:length(t+1) =F (length (t), length (t_l), length (t_2),...)
[0058]最大裂口長度:gap(t+l)=F(gap(t), gap(t-l), gap(t_2),...)
[0059]線上點的數(shù)量:numinline(t+1) =F (numinline (t)，numinline (t_l)，
[0060]numinline (t_2)，…)
[0061]線上點的密度:density(t+1) =F (density (t), density (t_l), density (t_2)，…)
[0062]點在線上的允許誤差:bias(t+1) =F (bias (t), bias (t~l), bias(t_2),…)(I) [0063]其中F(...)可以是任何進行追蹤調整的算法，例如為了考慮處理速度可以采用簡單的計算平均值的方式。并且從上面的計算式中可以看出，可以基于當前幀和N個歷史幀中的檢測參數(shù)進行調整，其中N > 1，并且具體取值可以根據(jù)具體情況由用戶適當?shù)卦O定。
[0064]在上述本發(fā)明第二實施例的檢測方法中，描述了根據(jù)當前幀U視差圖的信息自適應地調整當前幀U視差圖中應用的檢測參數(shù)的閾值，以及跟蹤獲取當前幀U視差圖和歷史幀U視差圖的信息自適應地調整下一幀U視差圖中應用的檢測參數(shù)的閾值。通過這樣的自適應調整,能夠進一步提高檢測效率，同時增加檢測物體時的適應性和魯棒性。
[0065]<第三實施例>
[0066]根據(jù)本實施例的柵欄檢測方法與第一實施例和第二實施例中的方法基本相同，其區(qū)別僅在于在步驟S231之前還包括步驟S230:確定U視差圖中包含有柵欄的感興趣區(qū)域。也就是說，在本實施例中，不是從包含有柵欄的整個U視差圖中進行檢測，而是僅在整個U視差圖中的感興趣區(qū)域中進行檢測。
[0067]感興趣區(qū)域通常是根據(jù)實驗結果或者歷史經驗確定的。例如，在觀察很多柵欄在U視差圖上的位置后總結出，左側柵欄的角度通常在30度和45之間，如圖4和圖5所示。由此可以確定U視差圖中包含柵欄的感興趣區(qū)域(即角度在30度和45之間的區(qū)域)，并且通過僅在該感興趣區(qū)域中進行檢測，可以提高檢測率和縮短計算時間。類似的，可以根據(jù)柵欄的例如位置、長度范圍等確定U視差圖中的感興趣區(qū)域。
[0068]< 變型 >
[0069]以上已經對根據(jù)本發(fā)明實施例的柵欄檢測方法進行了描述，下面將對所述檢測方法的一些可能的變型進行描述。
[0070]在以上的實施例中，描述了從U視差圖檢測柵欄的方法。如前所述，獲取U視差圖的方法是本領域中公知的，并且由于在拍攝的原始三維場景圖中，路面幾乎是整個三維場景中的最低平面，因此通常U視差圖是指原始視差圖落在路面上的視差點形成的U視差圖。而在本發(fā)明的一個變型中，U視差圖采用原始視差圖落在與路面平行的切片上的視差點形成的U視差圖。
[0071]設想一下，在視差圖對應的三維世界中，用平行于地面的切片切割該三維世界中的所有物體，這時與切片相交的物體的點都位于同一平行于地面的平面上，通過適當選取切片的高度，切片可以只與高度在某范圍內的物體相交。例如，在檢測柵欄的情況下，可以在通常的柵欄高度取值范圍內安排切片，這樣的切片不與路面上的白線、路基以及高處的建筑物相交，從而避免了這些物體的干擾，使得要處理的切片上的信息大大降低，因此可以減少檢測的計算量，提聞檢測效率。
[0072]圖6中的左上圖示意性地示出了視差圖中平行于路面的切片，如其中灰色部分所示，圖6中的右上圖示意性地示出了視差圖落在該切片上的視差點形成的V視差圖，其中V視差圖中的直線對應于視差圖中的水平切片，圖6中的左下圖示意性地示出了視差圖落在該切片上的視差點形成的U視差圖，其中的柵欄看起來近似直線。
[0073]為了獲得視差圖落在切片上的視差點形成的U視差圖，可以利用各種已知的方法。例如，參見本 申請人:的申請?zhí)枮?01210147642.5的發(fā)明中描述的示例性方法。
[0074]前面各實施例均以所檢測的柵欄是直線型的情況加以說明，但本發(fā)明并不局限于此。在本發(fā)明的又一個變型中，可以對隨著道路的拐彎而呈彎曲形式的柵欄進行檢測。
[0075]具體地，在該變型中可以從包括彎曲柵欄的U視差圖檢測多個相連但斜率不同的線段來擬合曲線，從而檢測彎曲的柵欄。
[0076]在以上根據(jù)本發(fā)明實施例的方法中，以柵欄為例進行了描述，但如上所述，本發(fā)明的方法可以應用任意具有高度的連續(xù)型道路分割物的檢測。
[0077]<具有高度的連續(xù)型道路分割物檢測裝置的總體配置>
[0078]圖7示出了根據(jù)本發(fā)明一個實施例的具有高度的連續(xù)型道路分割物檢測裝置的總體配置圖。
[0079]如圖7所示，該連續(xù)型道路分割物檢測裝置700包括:圖像獲取部分710，用于獲得包括該連續(xù)型道路分割物的視差圖以及對應的U視差圖；中間檢測結果獲取部分720，用于獲取從前N幀的U視差圖檢測到該連續(xù)型道路分割物時的中間檢測結果；檢測部分730，用于利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物。
[0080]雖然圖7中未示出，但是該連續(xù)型道路分割物檢測裝置700還可以包括檢測參數(shù)調整部分，用于追蹤當前幀U視差圖和/或至少前一幀U視差中應用的檢測參數(shù)的閾值，并據(jù)此調整將在下一幀U視差圖中應用的檢測參數(shù)的閾值。
[0081]另外，雖然圖中并未示出，圖7中的檢測部分730可以例如包括:范圍確定部分，根據(jù)中間檢測結果縮小從當前幀U視差圖進行檢測的范圍；候選目標檢測部分，在縮小后的范圍中檢測出候選的連續(xù)型道路分割物；檢測結果確定部分，判斷檢測出的候選的連續(xù)型道路分割物是否滿足預定的檢測參數(shù)的閾值條件，并且當滿足閾值條件時，將該檢測出的候選的連續(xù)型道路分割物作為檢測結果。[0082]<系統(tǒng)硬件配置>
[0083]本發(fā)明還可以通過一種具有高度的連續(xù)型道路分割物硬件檢測系統(tǒng)來實施。圖8是示出根據(jù)本發(fā)明實施例的具有高度的連續(xù)型道路分割物檢測系統(tǒng)的總體硬件框圖。如圖8所示，該檢測系統(tǒng)800包括:輸入設備810，用于從外部輸入有關圖像或信息，例如立體相機拍攝的左右圖像或深度信息，或者連續(xù)型道路分割物部分的視差圖等，該攝入設備可以用例如鍵盤、鼠標器、以及通信網(wǎng)絡及其所連接的遠程輸入設備來實現(xiàn)；處理設備820，用于實施上述的按照本發(fā)明實施例的具有高度的連續(xù)型道路分割物檢測方法，或者實施為上述的具有高度的連續(xù)型道路分割物檢測裝置，該處理設備可以用例如計算機的中央處理器或其它具有處理能力的芯片來實現(xiàn)；輸出設備830，用于向外部輸出實施連續(xù)型道路分割物檢測所得到的結果，該輸出設備可以用例如顯示器、打印機、以及通信網(wǎng)絡及其所連接的遠程輸出設備來實現(xiàn)；以及存儲設備840，用于以易失或非易失的方式存儲上述連續(xù)型道路分割物檢測過程所涉及的圖像、視差圖、U視差圖、V視差圖、中間檢測結果、檢測參數(shù)及其閾值等各種圖像和數(shù)據(jù)，該存儲設備可以用例如隨機存取存儲器(RAM)、只讀存儲器(ROM)、硬盤、或半導體存儲器等各種易失或非易失性存儲器來實現(xiàn)。
[0084]以上結合具體實施例描述了本發(fā)明的基本原理，但是，需要指出的是，對本領域的普通技術人員而言，能夠理解本發(fā)明的方法和裝置的全部或者任何部分，可以在任何計算裝置(包括處理器、存儲介質等)或者計算裝置的網(wǎng)絡中，以硬件、固件、軟件或者它們的組合加以實現(xiàn)。
[0085]因此，本發(fā)明公開的檢測技術還可以通過在任何計算裝置上運行一個程序或者一組程序來實現(xiàn)。所述計算裝置可以是公知的通用裝置。本發(fā)明所公開的檢測技術也可以僅僅通過提供包含實現(xiàn)所述方法或者裝置的程序代碼的程序產品來實現(xiàn)，或者通過存儲有這樣的程序產品的任意存儲介質來實現(xiàn)。
[0086]還需要指出的是，在本發(fā)明的裝置和方法中，各部件或各步驟是可以分解和/或重新組合的。這些分解和/或重新組合應視為本發(fā)明的等效方案。另外，執(zhí)行上述系列處理的步驟可以按照描述的先后順序執(zhí)行，但是各步驟并非必須順序執(zhí)行，某些步驟可以并行或彼此獨立地執(zhí)行。
[0087]上述的【具體實施方式】并不構成對本發(fā)明保護范圍的限制。本領域技術人員應該明白，取決于設計要求和其他因素，可以發(fā)生各種各樣的修改、組合、子組合和替代。任何在本發(fā)明的精神和原則之內所作的修改、等同替換和改進等，均應包含在本發(fā)明保護范圍之內。
【權利要求】
1.一種具有高度的連續(xù)型道路分割物檢測方法，包括: 獲得包括該連續(xù)型道路分割物的視差圖以及對應的U視差圖； 獲取從前N幀的U視差圖檢測到該連續(xù)型道路分割物時的中間檢測結果； 利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物。
2.如權利要求1所述的檢測方法，其中所述U視差圖是視差圖落在與原始三維場景中的路面平行的切片上的視差點形成的U視差圖。
3.如權利要求1所述的檢測方法，其中利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物進一步包括:確定當前幀U視差圖中包含有該連續(xù)型道路分割物的感興趣區(qū)域。
4.如權利要求1所述的檢測方法，其中通過利用霍夫變換從U視差圖檢測代表該連續(xù)型道路分割物的直線來檢測該連續(xù)型道路分隔物，所述中間檢測結果是0值，該0值表示代表連續(xù)型道路分割物的直線與X軸的夾角。
5.如權利要求1-4中任意一項所述的檢測方法，其中利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物進一步包括: 根據(jù)所述中間檢測結果縮小從當前幀U視差圖進行檢測的范圍， 在縮小后的范圍中檢測出候選的連續(xù)型道路分割物， 判斷檢測出的候選的連續(xù)型道路分割物是否滿足預定的檢測參數(shù)的閾值條件，并且當滿足閾值條件時，將該檢測出的候選的連續(xù)型道路分割物作為檢測結果。
6.如權利要求5所述的檢測方法，其中在縮小后的范圍中檢測出候選的連續(xù)型道路分割物進一步包括:當縮小后的范圍中能夠形成連續(xù)型道路分割物的像素點數(shù)目太少時，調整所述檢測參數(shù)的閾值。
7.如權利要求6所述的檢測方法，還包括步驟，追蹤當前幀U視差圖和至少前一幀U視差中的應用的檢測參數(shù)的閾值，并據(jù)此調整將在下一幀U視差圖中應用的檢測參數(shù)的閾值。
8.如權利要求5所述的檢測方法，其中所述預定的檢測參數(shù)包括以下中的至少一項:代表該連續(xù)型道路分割物的線的最小線長、該線上的最大裂口長度、該線上的像素點的數(shù)量、該線上的像素點的密度、像素點在該線上的允許誤差。
9.如權利要求1到8中任意一項所述的檢測方法，其中利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物進一步包括:通過從U視差圖檢測多個相連但斜率不同的線段，來檢測彎曲的連續(xù)型道路分割物。
10.一種具有高度的連續(xù)型道路分割物檢測裝置，包括: 圖像獲取部分，用于獲得包括該連續(xù)型道路分割物的視差圖以及對應的U視差圖； 中間檢測結果獲取部分，用于獲取從前N幀的U視差圖檢測到該連續(xù)型道路分割物時的中間檢測結果； 檢測部分，用于利用所獲得的中間檢測結果，從當前幀U視差圖檢測該連續(xù)型道路分割物。
【文檔編號】G06T7/00GK103679691SQ201210360018
【公開日】2014年3月26日 申請日期:2012年9月24日 優(yōu)先權日:2012年9月24日
【發(fā)明者】劉殿超, 劉媛, 劉童, 師忠超, 王剛 申請人:株式會社理光