基于轮廓特征理解的城市道路图像深度估计.docVIP

基于轮廓特征理解的城市道路图像深度估计 燕山大学电气工程学院 河北省秦皇岛市 066004 摘要实验结果本文提出的算法能够有效地内部的渐变深度信息。 关键词?? Depth Estimation of Urban Road Image Based on Contour Understanding (Institute of Electrical Engineering, Yanshan University, Qinhuangdao ,Hebei,066004, China) Abstract Estimating the depth of the road scene is a key step for intelligent transportation and robot navigation. This paper presents a depth estimation algorithm for single static road image. The algorithm obtains a series of closed areas of the image bede on the edge growing segmentation algorithm firstly; then we compute the statistic characteristics of each region, including color, area, position, straight lines, vertical lines, and parallel lines. Based on these characteristics, the road vanishing point was further estimated, and the sky, road and vertical regions are estimated. Finally, the depth of the road image is estimated by using vanishing point and the statistic characteristics. Experimental results show that the proposed algorithm can effectively estimate the road vanishing point, as well as the road depth information. Keywords Computer vision; Depth estimation; Image understanding; 3D space estimation; Single image OCIS Codes XXX.XXXX; XXX.XXXX; XXX.XXXX（需给出具体的栏目分类，而不是总的栏目号，如320.320无效） 1引言 从单幅图像恢复场景深度信息和三维结构是计算机视觉一项重要的研究内容，它通过提取与深度相关的视觉线索和一些先验知识完成深度估计，有助于实现基于单像机的场景理解、目标定位、三维测量和重建，在机器人导航、智能交通和增强现实场景注册领域有广泛的应用前景[1-2]。 现有的基于单幅图像的深度估计算法主要利用三维空间的几何线索，如消失点、地平线、曲面边界、纹理、明暗信息等，恢复单幅图像三维结构，同时结合图像纹理、相对深度、摄像机位置等线索确定图像绝对深度。例如，Criminisi 利用消失点信息和透视投影几何关系恢复场景的三维几何关系[2]；Delage采用马尔科夫随机场结合几何线索，基于动态贝叶斯网络重建墙壁、天花板和地板的深度关系[3]；Saxena 根据不同景物中纹理、阴影、遮挡所反映的深度特征，结合MRF（马尔科夫）随机场模型综合估计每个像素的深度信息[4-5]；Hoiem将问题转化为图像分类分割的问题，将图像像素分为地面、天空和垂直面三类，然后依据图像中景物对象和地面的相交位置估计场景深度[6-9]；Barinova 等人基于Hoiem提出的深度估计方法进一步应用CRF随机场模型推断地面-垂直面边界的参数信息[10]；Hedau等人利用参数化的3D盒子基于Hoiem方法实现了室内场景的深度推理[11]；Cao等人提出了基于闭合迭代的区域分割及深度估计方法，在闭合迭代区域分割过程中交替执行区域合并和深度估计，直至获得预期结果 [12]；Rusell等人为分割图像推断区域几何和区域边缘信息，利用依赖于地面的深度模型估计图像深度[13]；闫硕等人改进了Hoiem方法，将室外场景标记为天空、地面和直立物三个类别，对于标记为地面的区域按照相机拍摄的固定几