CN110659577A - 一种用于智能手机平台的盲道障碍物检测方法 - Google Patents
一种用于智能手机平台的盲道障碍物检测方法 Download PDFInfo
- Publication number
- CN110659577A CN110659577A CN201910789610.7A CN201910789610A CN110659577A CN 110659577 A CN110659577 A CN 110659577A CN 201910789610 A CN201910789610 A CN 201910789610A CN 110659577 A CN110659577 A CN 110659577A
- Authority
- CN
- China
- Prior art keywords
- blind
- blind road
- edge
- area
- obstacle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于智能手机平台的盲道障碍物检测方法。本发明方法首先对盲道图像进行分割,获取盲道区域,然后在盲道区域进行障碍物检测。首先进行盲道视频图像预处理,然后进行Canny边缘检测,对Canny边缘检测结果进行算子腐蚀,随后对腐蚀后的图像采用霍夫变换确定初始边缘直线,之后采用卡尔曼滤波进行跟踪,得到盲道边缘获取盲道区域。在盲道区域进行K均值聚类,K=2,将盲道区域分为疑似障碍物区域和非障碍物区域两类,当疑似障碍物区域的像素个数超过阈值时,则该区域被判为障碍物。本发明方法计算简单,适合于智能手机平台上实现和运行,能够实时高效地检测盲道边界以及障碍物的位置,并对不同颜色的盲道具有较大的适应性和较强的鲁棒性。
Description
技术领域
本发明属于数字图像处理技术领域,涉及一种用于智能手机平台的盲道障碍物检测方法。
背景技术
盲人由于视觉缺失,无法直接观察到身边的环境,出行往往会有极大的不便性和危险性。盲人必须依靠盲道和辅助设备才能进行户外活动。但是传统辅助设备信息获取的能力限制了盲人的活动范围,因此人们对新型导盲技术的需求日渐明显。随着无线定位技术、嵌入式技术和传感器技术的迅速发展,电子交通辅助设备(ETAs)研发引起了人们极大的关注。基于不同技术平台,人们提出了多种针对视障人士的导航***,包括可穿戴导航设备,智能导盲手杖和反偏离***等。近年来,智能手机呈高速增长趋势,而且智能手机还提供了更为稳定的运行环境、更加优秀的操作***和更加便利的开发环境。另外,智能手机普遍集成了各种感知器,如照相机、加速度计、陀螺仪、方向传感器和全球定位***等,使得智能手机具备定位导航和环境感知的功能。更为关键的是,智能手机价格趋于平民化,其成本优势能打破传统导盲设备的成本壁垒,因此,推广基于智能手机的导盲***具有重要现实意义。随着图像处理技术的飞速发展,通过图像处理获取盲道的基本信息逐渐成为实现盲道障碍物检测的主流方式,广大的学者进行了比较深入的研究。但是,智能手机的CPU处理能力远低于计算机CPU,因此在智能手机上开发的盲道障碍物检测方法必须具有较低的计算复杂度。
在盲道识别方面,申请号为201010174012.8的中国发明专利公开了一种利用计算机视觉技术进行盲道和人行横道实时检测的方法,利用仿射变换模型训练分类器来得到盲道的样本集进行目标的检测和处理。申请号为201110200597.0的中国发明专利公开了一种基于计算机视觉盲人户外支援***,利用双目相机采集图像,借助嵌入式平台进行算法设计来辅助盲人进行路面场景的理解。在障碍物识别方面,申请号为2007101665162.0的中国发明专利公开了一种障碍物的监测方法及其***,使用水平激光照射路面,然后用摄像头采集指定路面的图像是否存在激光反射特征判断路面是否存在障碍物,但是该方法会对路面环境造成光干扰,并且需要激光设备,***复杂。
上述己有的盲道图像识别算法和障碍物检测技术均存在一定程度的问题:(1)需要的辅助感知设备过多、操作复杂、价格昂贵、开发平台不够智能;(2)无法直接移植到智能手机平台上运行。
发明内容
本发明的目的是针对现有技术的不足,提供一种用于智能手机平台的盲道障碍物检测方法。
本发明方法具体如下:
步骤(1).对盲道图像进行分割,获取盲道区域;具体是:
步骤(1.1)图像预处理:将获取的盲道视频图像尺寸规范化,对图像进行灰度化预处理;
步骤(1.2)进行Canny边缘检测:设定Canny算子的低阈值t1和高阈值t2;当边缘像素点梯度值大于等于t2,则标记为强边缘点;当边缘梯度值小于高阈值t2、大于等于低阈值t1,则标记为弱边缘点;剔除边缘梯度值小于低阈值t1的点;
步骤(1.3)对Canny边缘检测结果进行形态学算子腐蚀:设计结构算子[1,1,1]T,对Canny算子检测结果进行形态学算子腐蚀,将异于盲道方向的边缘像素腐蚀;T表示转置;
步骤(1.4)对腐蚀后的图像采用霍夫变换确定初始边缘直线,在霍夫变换中,图像空间中同一条直线上的点,在参数空间中都会相交于同一点:为参数空间中的每一个点设定一个计数器,记录每个点上直线相交的次数,当相交的次数大于计数阈值t3时,则该直线作为候选直线;在图像空间内检测出多条候选直线,由霍夫变换计算出候选直线与竖直方向的夹角θ,筛选出α≤θ≤β范围内的直线;将0°<θ≤β范围内的直线归为第一集合Ⅰ,将α°≤θ≤0°范围内的直线归为第二集合Ⅱ;剔除第一集合Ⅰ中与其他直线夹角大于的直线,在剩余直线中取最靠左的直线作为盲道的左初始边缘直线;剔除第二集合Ⅱ中与其他直线夹角大于的直线,在剩余直线中取最靠右的直线作为盲道的右初始边缘直线;
步骤(1.5)以霍夫变换检测到的左初始边缘直线和右初始边缘直线作为盲道的初始边缘,采用卡尔曼滤波进行跟踪,得到左盲道边缘和右盲道边缘,所述左盲道边缘和右盲道边缘之间的区域即为盲道区域;
步骤(2).在盲道区域进行障碍物检测,具体是:
步骤(2.1)对所述盲道区域进行K均值聚类,K=2;将盲道区域中像素个数少的一类归为疑似障碍物区域,将所述盲道区域中像素个数多的一类归为非障碍物区域;
步骤(2.2)进行图像二值化阈值分割;将疑似障碍物区域分割,并统计疑似障碍物区域像素个数;若疑似障碍物区域像素个数大于设定阈值t4,则疑似障碍物区域为障碍物;若疑似障碍物区域像素个数小于等于设定阈值t4,则疑似障碍物区域为非障碍物。
本发明提出的用于智能手机平台的盲道障碍物检测方法具有计算简单,适合于智能手机平台上实现和运行,能够实时高效地检测盲道边界以及障碍物的位置,并对不同颜色的盲道具有较大的适应性和较强的鲁棒性。
附图说明
图1为本发明步骤(1)的方法流程框图;
图2为本发明步骤(1)的结果演示图;
图3为本发明步骤(2)的方法流程框图;
图4为本发明步骤(2)的结果演示图。
具体实施方式
下面结合附图和实施实例对本发明加以详细说明,以便本领域的技术人员更好地理解本发明。
一种用于智能手机平台的盲道障碍物检测方法,首先对盲道图像进行分割,获取盲道区域;然后在盲道区域进行障碍物检测。
如图1所示,对盲道图像进行分割获取盲道区域,具体方法如下:
步骤(1.1)图像预处理:将获取的盲道视频图像尺寸规范化,调整高度、宽度为h×l;h=800~1200,l=450~675,本实施例为960×540;对图像进行灰度化预处理;
步骤(1.2)进行Canny边缘检测,设定Canny算子的低阈值t1=100~120,高阈值t2=190~210:当边缘像素点梯度值大于等于t2,则标记为强边缘点;当边缘梯度值小于高阈值t2、大于等于低阈值t1,则标记为弱边缘点;剔除边缘梯度值小于低阈值t1的点;
步骤(1.3)对Canny边缘检测结果进行形态学算子腐蚀:盲道的边缘长度大于异于盲道方向的边缘长度,设计结构算子[1,1,1]T(T表示转置),对Canny算子检测结果进行形态学算子腐蚀,将异于盲道方向的边缘像素腐蚀;;
步骤(1.4)对腐蚀后的图像采用霍夫变换确定初始边缘直线,在霍夫变换中,图像空间中同一条直线上的点,在参数空间中都会相交于同一点:为参数空间中的每一个点设定一个计数器,记录每个点上直线相交的次数,当相交的次数大于计数阈值t3时,该计数器对应的交点所对应的图像空间内的直线上超过t3个像素,则该直线作为候选直线,60≤t3≤130;在图像空间内检测出多条候选直线,由霍夫变换计算出候选直线与竖直方向的夹角θ,筛选出α≤θ≤β范围内的直线,-24°≤α≤-18°,+18°≤β≤+24°,|α|=|β|(本实施例中α=-20°、β=+20°);将0°<θ≤20°范围内的直线归为第一集合Ⅰ,将-20°≤θ≤0°范围内的直线归为第二集合Ⅱ;剔除第一集合Ⅰ中与其他直线夹角大于的直线,在剩余直线中取最靠左的直线作为盲道的左初始边缘直线;剔除第二集合Ⅱ中与其他直线夹角大于的直线,在剩余直线中取最靠右的直线作为盲道的右初始边缘直线;(本实施例中)。
步骤(1.5)以霍夫变换检测到的左初始边缘直线和右初始边缘直线作为盲道的初始边缘,采用卡尔曼滤波进行跟踪,得到左盲道边缘和右盲道边缘,所述左盲道边缘和右盲道边缘之间的区域即为盲道区域。
图2为盲道区域分割t1取110、t2取200、t3取90的结果图。
如图3所示,在盲道区域进行障碍物检测,具体方法如下:
步骤(2.1)对所述盲道区域进行K均值聚类,K=2;将盲道区域中像素个数少的一类归为疑似障碍物区域,将所述盲道区域中像素个数多的一类归为非障碍物区域;
步骤(2.2)进行图像二值化阈值分割;将疑似障碍物区域分割,并统计疑似障碍物区域像素个数;若疑似障碍物区域像素个数大于设定阈值t4,则疑似障碍物区域为障碍物;若疑似障碍物区域像素个数小于等于设定阈值t4,则疑似障碍物区域为非障碍物;500≤t4≤1500。
图4为障碍物检测t4取1000的结果演示图。
Claims (6)
1.一种用于智能手机平台的盲道障碍物检测方法,其特征在于该方法具体是:
步骤(1).对盲道图像进行分割,获取盲道区域;具体如下:
步骤(1.1)图像预处理:将获取的盲道视频图像尺寸规范化,对图像进行灰度化预处理;
步骤(1.2)进行Canny边缘检测:设定Canny算子的低阈值t1和高阈值t2;当边缘像素点梯度值大于等于t2,则标记为强边缘点;当边缘梯度值小于高阈值t2、大于等于低阈值t1,则标记为弱边缘点;剔除边缘梯度值小于低阈值t1的点;
步骤(1.3)对Canny边缘检测结果进行形态学算子腐蚀:设计结构算子[1,1,1]T,对Canny算子检测结果进行形态学算子腐蚀,将异于盲道方向的边缘像素腐蚀;T表示转置;
步骤(1.4)对腐蚀后的图像采用霍夫变换确定初始边缘直线,在霍夫变换中,图像空间中同一条直线上的点,在参数空间中都会相交于同一点:为参数空间中的每一个点设定一个计数器,记录每个点上直线相交的次数,当相交的次数大于计数阈值t3时,则该直线作为候选直线;在图像空间内检测出多条候选直线,由霍夫变换计算出候选直线与竖直方向的夹角θ,筛选出α≤θ≤β范围内的直线;将0°<θ≤β范围内的直线归为第一集合Ⅰ,将α°≤θ≤0°范围内的直线归为第二集合Ⅱ;剔除第一集合Ⅰ中与其他直线夹角大于的直线,在剩余直线中取最靠左的直线作为盲道的左初始边缘直线;剔除第二集合Ⅱ中与其他直线夹角大于的直线,在剩余直线中取最靠右的直线作为盲道的右初始边缘直线;
步骤(1.5)以霍夫变换检测到的左初始边缘直线和右初始边缘直线作为盲道的初始边缘,采用卡尔曼滤波进行跟踪,得到左盲道边缘和右盲道边缘,所述左盲道边缘和右盲道边缘之间的区域即为盲道区域;
步骤(2).在盲道区域进行障碍物检测,具体步骤如下:
步骤(2.1)对所述盲道区域进行K均值聚类,K=2;将盲道区域中像素个数少的一类归为疑似障碍物区域,将所述盲道区域中像素个数多的一类归为非障碍物区域;
步骤(2.2)进行图像二值化阈值分割;将疑似障碍物区域分割,并统计疑似障碍物区域像素个数;若疑似障碍物区域像素个数大于设定阈值t4,则疑似障碍物区域为障碍物;若疑似障碍物区域像素个数小于等于设定阈值t4,则疑似障碍物区域为非障碍物。
2.如权利要求1所述的一种用于智能手机平台的盲道障碍物检测方法,其特征在于:盲道视频图像尺寸规范化中,调整后的图像高度h=800~1200,图像宽度l=450~675。
3.如权利要求1所述的一种用于智能手机平台的盲道障碍物检测方法,其特征在于:设定的Canny算子的低阈值t1=100~120,高阈值t2=190~210。
4.如权利要求1所述的一种用于智能手机平台的盲道障碍物检测方法,其特征在于:设定的计数阈值t3范围为60≤t3≤130。
6.如权利要求1所述的一种用于智能手机平台的盲道障碍物检测方法,其特征在于:所述的设定阈值t4范围为500≤t4≤1500。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910789610.7A CN110659577A (zh) | 2019-08-26 | 2019-08-26 | 一种用于智能手机平台的盲道障碍物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910789610.7A CN110659577A (zh) | 2019-08-26 | 2019-08-26 | 一种用于智能手机平台的盲道障碍物检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110659577A true CN110659577A (zh) | 2020-01-07 |
Family
ID=69037804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910789610.7A Pending CN110659577A (zh) | 2019-08-26 | 2019-08-26 | 一种用于智能手机平台的盲道障碍物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110659577A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610810A (zh) * | 2021-08-09 | 2021-11-05 | 华力创科学(深圳)有限公司 | 一种基于马尔科夫随机场的血管检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709518A (zh) * | 2016-12-20 | 2017-05-24 | 西南大学 | 基于Android平台的盲道识别*** |
CN106821694A (zh) * | 2017-01-18 | 2017-06-13 | 西南大学 | 一种基于智能手机的移动导盲*** |
CN109726681A (zh) * | 2018-12-29 | 2019-05-07 | 北京航空航天大学 | 一种基于机器学习识别与图像分割的盲道识别定位算法 |
-
2019
- 2019-08-26 CN CN201910789610.7A patent/CN110659577A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709518A (zh) * | 2016-12-20 | 2017-05-24 | 西南大学 | 基于Android平台的盲道识别*** |
CN106821694A (zh) * | 2017-01-18 | 2017-06-13 | 西南大学 | 一种基于智能手机的移动导盲*** |
CN109726681A (zh) * | 2018-12-29 | 2019-05-07 | 北京航空航天大学 | 一种基于机器学习识别与图像分割的盲道识别定位算法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610810A (zh) * | 2021-08-09 | 2021-11-05 | 华力创科学(深圳)有限公司 | 一种基于马尔科夫随机场的血管检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101739686B (zh) | 运动目标跟踪方法及其*** | |
KR101569919B1 (ko) | 차량의 위치 추정 장치 및 방법 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
Yuan et al. | Robust lane detection for complicated road environment based on normal map | |
Shneier | Road sign detection and recognition | |
WO2018122809A1 (zh) | 一种基于静态红外热像图处理的地下管廊渗漏检测方法 | |
CN110781836A (zh) | 人体识别方法、装置、计算机设备及存储介质 | |
CN111753797B (zh) | 一种基于视频分析的车辆测速方法 | |
Luvizon et al. | Vehicle speed estimation by license plate detection and tracking | |
CN102915433B (zh) | 基于字符组合的车牌定位和识别方法 | |
Nguyen et al. | Compensating background for noise due to camera vibration in uncalibrated-camera-based vehicle speed measurement system | |
WO2015089867A1 (zh) | 一种交通违章检测方法 | |
CN105894504B (zh) | 基于图像的井盖缺失检测方法 | |
CN105574488A (zh) | 一种基于低空航拍红外图像的行人检测方法 | |
WO2011154978A2 (en) | An illumination invariant and robust apparatus and method for detecting and recognizing various traffic signs | |
CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位*** | |
CN106709518A (zh) | 基于Android平台的盲道识别*** | |
CN110619279A (zh) | 一种基于跟踪的路面交通标志实例分割方法 | |
CN108509950B (zh) | 基于概率特征加权融合的铁路接触网支柱号牌检测识别法 | |
CN113239733B (zh) | 一种多车道车道线检测方法 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN103150547A (zh) | 车辆跟踪方法及装置 | |
CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
CN113435452A (zh) | 一种基于改进ctpn算法的电气设备铭牌文本检测方法 | |
Ghahremannezhad et al. | Automatic road detection in traffic videos |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200107 |
|
RJ01 | Rejection of invention patent application after publication |