消失点检测.pptVIP

图像中一般道路检测--消失点估计 方法概述：首先对每个像素计算纹理方向，然后由一个投票方案决定道路的消失点，最终使用颜色特征值确定道路边界。 1）纹理方向 我们通过Gabor滤波器进行纹理方向的估计。对于一个方向Φ，弧度（径向频率）w，Gabor小波定义为 其中a=xcosΦ+ysinΦ,b=-xsinΦ+ycosΦ c=2.2 考虑5个弧度值（ ）和36个方向上的几何投影。令I（x,y）为图像在点（x,y）上的灰度值，图像Gabor kernels函数卷积定义为 卷积结果有两个分量，实部和虚部，计算其平方范数 一个方向的响应定义为不同弧度下的平均值 。令r1(z)r2(z)……r36(z) ( ), 在θ（z）方向上设置置信函数为 ，对该函数进行归一 化处理，去掉Conf(z)值小于T（0.3）的像素值。 2）区域自适应软投票 对于图像的每个点V，定义一个V以下中心在V的半盘图像投票范围，半盘半径为0.35*r, r是图像对角线长度。综合投票点与候选消失点之间的距离和角度进行投票。引入比率d(P,V)等于图像对角线长度除于PV的距离，并令 为P点方向和纹理方向之间的角度。 最后检测接受最大的投票得分的候补作为消失点 * 消失点方法概述 一种三维场景的消失点检测算法 图像中一般道路检测---消失点估计 基于霍夫变换的消失点检测 消失点概述 空间一组平行直线，在图像平面上所成的像有且仅有一个交点，称为消失点。消失点不同于成像于平面上的其他特征点，它蕴含了直线的方向信息，对其分析可以得知大量场景三维结构和方向信息，在很大程度上简化对场景的描述和理解。所以，消失点估计在机器人导航、目标重建、相机定标等方面都有广泛的应用，是计算机视觉领域内的一个重要研究课题。 常用消失点检测算法可分为3大类：第一是用空间变换技术，把图像上的信息变换到一个有限的空间上去，如高斯球变换、Hough变换；第二类是直接利用直线的信息，在图像平面上进行消失点的检测，由于要对所有可能的直线交叉点进行计算，算法复杂度较高；第三类用统计估计的方法，根据图像上边缘特征点估计直线参数，由这些参数计算出消失点，或者利用消失点和边缘特征点构造代价函数，同时估计直线和消失点。 一种三维场景的消失点检测 在理想的情况下，真实场景中的一组平行线在图像中会投影到一组直线，这组直线有一个公共的焦点，这个交点可能在平面内，也可能在无限远处，这个点即为消失点，同一平面内，消失点的连线称作消失线。如图所示 三维场景的检测过程共分为三步 1）线段检测：找到图像中存在的满足一定长度的线段； 2）线段聚类：将图像分成16个扇区，然后将每个区域里的线段分成一组，之后以这些线段的交点为中心作为候选消失点； 3）消失点确定：定义每条线段对某个候选消失点投票值为 如图所示，α为线段中点与vp的连线和该线段的夹角，σ为鲁棒性阈值，一般取值为0.1。然后对候选消失点vp得到的投票做统计直方图，取三个最大峰值作为三个vp。根据所有线段所支持的vp，将其分到夹角απ/12的那个vp中，若三个vp都满足要求，则取夹角最小的那个，若都不满足则丢弃该线段。 基于Hough变换的消失点检测 通过霍夫变换，图像空间中的一点可以变换为参数空间中一条曲线。如果所示，λ代表垂直距离，θ代表与x轴的夹角。λ=x cosθ+y sinθ，这样就有{X,Y}={λ,θ}。 首先假设 图像中的（ ）转换到参数空间 λ=x cosθ+y sinθ，综合以上公式可得 ?