消失点检测[文字可编辑].ppt

? 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 α<π/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。 ? 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 2 2 2 2 2 (4 )/(8 ) /2 , ( , ) ( ) 2 a b c ia c x y e e e c ? ? ? ? ? ? ? ? ? ? ? ? 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。 0 0 2 , 2.1, 0,1,2,3,4 k k ? ? ? ? ? ? ? , , I ? ? ? ? ? ? ? ? 2 2 , , , ( ) Re( ( )) Im( ( )) I z z z ? ? ? ? ? ? ? ? ? ? , ( ) ( ) R z Average I z ? ? ? ? ? 1 ( ) (z)=R ( ) z r z ? 5 15 1 ( ( ), , ( )) ( ) 1 ( ) Average r z r z Conf z r z ? ? K 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 (( ), ) P PV O ? ? ? 2 1 5 ( , ) , 1 [ ( , )] 1 2 ( , ) Vote P V if d P V d P V ? ? ? ? ? ? ? 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