文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.174841
中文引用格式: 喬瑞萍,,孫賀,,董員臣,等. 基于多特征融合的井蓋檢測(cè)系統(tǒng)實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用,,2018,,44(6):44-47.
英文引用格式: Qiao Ruiping,Sun He,,Dong Yuanchen,,et al. Implementation of manhole cover detection system based on multi-
feature fusion[J]. Application of Electronic Technique,,2018,44(6):44-47.
0 引言
井蓋缺失和破損對(duì)正常的行車造成了巨大安全隱患,。井蓋檢測(cè)系統(tǒng)對(duì)于智能輔助駕駛具有很高的應(yīng)用價(jià)值。近些年,,對(duì)于橢圓檢測(cè)的課題研究,,國(guó)內(nèi)外都取得了突出成果,并廣泛應(yīng)用在鋼管數(shù)統(tǒng)計(jì)[1]和表盤識(shí)別[2]場(chǎng)景中,。行車記錄儀拍攝與地面存在夾角,,圓形井蓋在成像時(shí)豎直方向發(fā)生不同程度的縮放,最終呈現(xiàn)出橢圓狀,。據(jù)此,,理論上可將路面井蓋的檢測(cè)轉(zhuǎn)換為對(duì)橢圓的檢測(cè),但實(shí)際操作中,,一方面由于數(shù)字圖像成像的特殊性,,目標(biāo)邊緣往往呈現(xiàn)出鋸齒狀堆積,而非光滑的弧段,,如圖1所示,,通過單像素點(diǎn)的提取來擬合出橢圓,往往由于取點(diǎn)難度大,,導(dǎo)致錯(cuò)擬合;另一方面,,復(fù)雜的道路場(chǎng)景中,,背景變化較快,存在過多的干擾因素,,如噪點(diǎn)以及物體遮擋等造成的弧段不連續(xù)問題,,單純利用邊緣特征,無法快速將其從復(fù)雜背景中分離出來[3-5],。
本方案將從宏觀特征入手,,充分考慮方法實(shí)現(xiàn)的實(shí)時(shí)性和準(zhǔn)確性,,類比人的認(rèn)知規(guī)律,提出新的井蓋檢測(cè)框架,。
1 方案概述
為保障實(shí)時(shí)處理速度,,在研究高效算法的基礎(chǔ)上,還需要配套的硬件設(shè)備,。如圖2所示,,系統(tǒng)主要由3部分組成:攝像頭、主機(jī)板卡,、7英寸LCD顯示屏幕,。
不同時(shí)刻井蓋的定位雖然可以通過目標(biāo)跟蹤的方法減少一定的計(jì)算量,但是該方法每次僅在上一幀圖像的極窄區(qū)域內(nèi)進(jìn)行搜索,,對(duì)道路中出現(xiàn)的突發(fā)狀況難以做到及時(shí)預(yù)判,。全檢測(cè)的方法可以對(duì)每幀圖像的細(xì)節(jié)信息進(jìn)行處理,對(duì)畫面的實(shí)時(shí)變化敏感,。
2 硬件系統(tǒng)構(gòu)成
TMS320DM6437是TI公司C6000系列中支持達(dá)芬奇技術(shù)的數(shù)字媒體處理器,,工作頻率最高可達(dá)600 MHz,能達(dá)到4 800 MIPS的峰值計(jì)算速度,,片上集成了視頻處理子系統(tǒng)VPSS,,極大地支持了前端預(yù)處理與后端顯示,減輕DSP核負(fù)擔(dān),;支持汽車上用于電子設(shè)備通信的控制器局域網(wǎng)絡(luò)(Controller Area Network,,CAN)總線,非常適合車載視頻設(shè)備的開發(fā)應(yīng)用,。
主機(jī)板卡包括視頻輸入模塊,、外圍存儲(chǔ)模塊、視頻輸出模塊,、通信接口和電源模塊,。
視頻輸入/輸出模塊:前端采用TVP5146視頻解碼芯片,將CCD攝像頭拍攝的畫面進(jìn)行A/D采樣和壓縮編碼,;后端通過編程,,實(shí)現(xiàn)多種標(biāo)準(zhǔn)輸出。
外圍存儲(chǔ)模塊:外擴(kuò)了2 GB的DDR2和128 MB的Flash,,用于數(shù)據(jù)和程序的存放,。
通信接口:通過JTAG接口對(duì)板卡進(jìn)行調(diào)試,預(yù)留了可以接入汽車的CAN總線接口,。
3 核心算法的實(shí)現(xiàn)
本部分主要算法流程如圖3所示,。
3.1 感興趣區(qū)域的確定
限定感興趣區(qū)域,可大大提高系統(tǒng)的處理速度[6],,通常以車道線作為限定參考,。當(dāng)前,,車道線的檢測(cè)技術(shù)層出不窮,但在速度和準(zhǔn)確率上仍然難以達(dá)到平衡,。另一方面,,在超車或轉(zhuǎn)彎,乃至某些無交通限制的區(qū)域,,由于駕駛?cè)说闹饔^操作,,車輛已非嚴(yán)格地限制在車道線間。因此,,需要關(guān)注如何以車輛本身參考建立一個(gè)統(tǒng)一模式,,以應(yīng)對(duì)不同路況,淡化對(duì)車道線信息的依賴,。
上邊界限定:圖像上部1/4范圍常為背景天空和樹木,,且與車輛本身距離較遠(yuǎn),為非關(guān)注區(qū)域,。
左右邊界限定:在透視模型中,,當(dāng)車道線保持平行時(shí),透視圖像中所有車道線的延長(zhǎng)線必交于一點(diǎn),。假設(shè)已通過相機(jī)標(biāo)定技術(shù)得到了實(shí)際世界坐標(biāo)系和圖像坐標(biāo)的位置對(duì)應(yīng)關(guān)系,,那么,便可在圖4(a)的俯視圖中劃定現(xiàn)實(shí)世界中的研究區(qū)域[7],。
d為行車中r時(shí)間內(nèi)可能達(dá)到的左右偏移:
最終,,通過3條相交線段,劃定出如圖4(b)成像圖中的梯形感興趣區(qū)域,。針對(duì)不同的場(chǎng)景(車,、道路、行車記錄儀廣角和安裝高度),,區(qū)域限制略有差別,,但都可以通過其他操作進(jìn)行矯正。
3.2 候選目標(biāo)的確定
連通區(qū)域分析在視覺跟蹤中的運(yùn)動(dòng)前景目標(biāo)分割與提取,、感興趣目標(biāo)區(qū)域提取中有著廣泛應(yīng)用[8],。目標(biāo)往往存在于紋理密集、顏色或灰度突變處,,可據(jù)此進(jìn)行連通區(qū)域分割,。實(shí)際道路場(chǎng)景中,光影交錯(cuò),,僅通過灰度圖得到的二值化圖像來進(jìn)行連通區(qū)域的提取,極易造成區(qū)域間粘連,,為了獲得較好的效果,,常結(jié)合腐蝕和膨脹操作進(jìn)行區(qū)域提取,。然而,該操作一定程度弱化了邊緣信息,,對(duì)于井蓋,,不太關(guān)注內(nèi)部的特征(井蓋表面的紋理),而是關(guān)注更為突出的邊緣信息,。同時(shí),,以邊緣的連通性取代整個(gè)區(qū)域的運(yùn)算,能有效避免光照不均勻的影響,,加上合理的閾值設(shè)置,,初期便可以排除一些噪點(diǎn),整體更具魯棒性,。
標(biāo)記算法往往因遍歷方式和次數(shù)的不同,,存在時(shí)間或效率的差別。兩次遍歷算法,,通過一次遍歷圖像,,記錄連續(xù)的團(tuán)和等價(jià)對(duì),進(jìn)而由等價(jià)對(duì)對(duì)圖像進(jìn)行第二次遍歷標(biāo)記,,具有比較高的效率(在二值化圖像中,,1為目標(biāo),0為背景),。主要步驟如下:
定義結(jié)構(gòu)體
typedef struct Fx
{int val;
int lab;
int flag;
} F,;
為便于描述,以F(x,,y)代表坐標(biāo)(x,,y)處像素的屬性列表;val為二值化值,;lab為標(biāo)簽值,,用來記錄連通區(qū)域的索引號(hào);flag為歸屬標(biāo)志,,記錄標(biāo)簽間的相鄰位置關(guān)系,。
(1)第一次遍歷
當(dāng)F(x,y).val==1:
如果F(x,,y)的鄰域中像素值都為0,,則賦給F(x,y).lab一個(gè)新的label值:label=label+1,,F(xiàn)(x,,y).lab=label;
如果F(x,y)的鄰域中有val值為1的像素集合A:
將A中l(wèi)abel最小值賦予給F(x,,y).lab,,即F(x,y).lab=min A.lab,;
用flag記錄A中各個(gè)值(label)之間的同屬關(guān)系,,即labelSet[i]={label_m,…,,l abel_n},,labelSet[i]=flag。
(2)第二次遍歷
訪問當(dāng)前F(x,,y).val 為1的像素點(diǎn),,找到與 F(x,y).lab同屬(具有相同flag)的最小label值,,賦予F(x,,y).lab;
完成掃描后,,圖像中具有相同label值的像素就屬于同一個(gè)連通區(qū)域,。
針對(duì)圖1(a)中實(shí)際場(chǎng)景處理的邊緣提取圖,采用連通域區(qū)域標(biāo)記,,得到的最小外接矩形,,如圖5所示。
該矩形框進(jìn)一步鎖定了候選目標(biāo)的位置,。由于原圖像中包含更多的細(xì)節(jié)信息,,應(yīng)進(jìn)一步考察原灰度圖像中相應(yīng)位置處的特征。
3.3 多特征的判定
合理地選擇特征,,可以有效區(qū)分井蓋與背景,,簡(jiǎn)化操作,降低復(fù)雜度,。
邊緣特征:井蓋邊緣常呈現(xiàn)較大的弧彎曲,,且長(zhǎng)度需大于某一閾值T,才對(duì)整體輪廓提取有貢獻(xiàn),。
灰度特征:人的視覺往往容易被顏色,、灰度、紋理特征突變目標(biāo)吸引,。井蓋的灰黑鑄鐵材質(zhì),,顏色較周邊路面暗。
對(duì)稱性特征:井蓋在視場(chǎng)下呈現(xiàn)橢圓狀,,在水平方向和垂直方向都有嚴(yán)格的對(duì)稱性,。以水平方向?qū)ΨQ性判別為例,,通過式(3)來度量一定區(qū)域內(nèi)目標(biāo)的對(duì)稱性。
其中,,f(x,,y)為(x,y)處的灰度值,;H和W分別為所選區(qū)域的高度和寬度;Gs為對(duì)稱性度量值,,Gs越小,,對(duì)稱性越明顯,通常閾值設(shè)為0.15,。
區(qū)域大小和縱橫比約束:井蓋有固定的大小規(guī)格,,這就決定了其在視場(chǎng)中所呈現(xiàn)的區(qū)域面積不可能過大或過小,;另外,,由于拍攝角度所引起的成像畸變,橢圓水平軸較長(zhǎng)于豎直方向的軸長(zhǎng),,引入縱橫比約束,,以橫豎軸長(zhǎng)比值ratio為度量,并以一定閾值T設(shè)限,,用來排除其他類圓形干擾物,,如自行車輪胎。通過對(duì)多種分辨率的行車記錄儀視頻統(tǒng)計(jì)對(duì)比,,在5~30 m范圍內(nèi),,T通常在1.8~4.2范圍內(nèi)。
TI公司針對(duì)TMS320DM6437平臺(tái)提供了一個(gè)簡(jiǎn)單的DSP/BIOS實(shí)時(shí)操作系統(tǒng)環(huán)境,。在該系統(tǒng)中,,可以通過編寫mini-Driver驅(qū)動(dòng)程序,實(shí)現(xiàn)對(duì)視頻采集/顯示設(shè)備的控制,,如圖6所示,。為優(yōu)化程序處理,可借助TI公司提供的VLIB和IMGLIB庫(kù)進(jìn)行代碼的輔助編寫,。
4 實(shí)驗(yàn)結(jié)果與分析
對(duì)行車記錄儀拍攝的一段時(shí)長(zhǎng)33 s的視頻進(jìn)行測(cè)試分析,,共計(jì)823幀圖像,單幀圖像分辨率為720×480,。
利用本文方法,,在DM6437平臺(tái)上處理,視頻顯示無卡頓,,滿足處理實(shí)時(shí)要求,,但在某些場(chǎng)景中,,因邊緣信息不完整,連通性削弱,,常發(fā)生漏檢,,而誤檢多發(fā)生在類圓形的陰影處。對(duì)于宏觀特征區(qū)域連通法,,由于晴朗日光下樹木等物體影子與井蓋灰度相近,,當(dāng)難以有效利用閾值將粘連分開時(shí),便造成定位偏差,,且漏檢較多,。基于邊緣的橢圓擬合,,在邊緣提取和車道線檢測(cè)部分消耗了大量時(shí)間,,同時(shí)該方法受場(chǎng)景復(fù)雜度影響明顯,不同幀之間的處理時(shí)間差別很大,。測(cè)試結(jié)果如表1所示,。
部分測(cè)試結(jié)果如圖7和圖8所示。本文方法在其他場(chǎng)景下的檢測(cè)效果如圖9所示,。在多數(shù)場(chǎng)景下,,該方法均能快速準(zhǔn)確定位出井蓋位置。
5 結(jié)論
本文采用一種多特征融合的方法,,對(duì)車輛前方井蓋進(jìn)行檢測(cè),,利用邊緣的連通性,得到目標(biāo)的候選區(qū)域,,通過對(duì)稱性,、區(qū)域大小、長(zhǎng)寬比等特征層層篩選,,可以很好地進(jìn)行井蓋目標(biāo)的定位,。
該方法從宏觀特征出發(fā),避免了細(xì)節(jié)信息處理的耗時(shí),,有效地提高了檢測(cè)速率,,且具有較高的檢測(cè)準(zhǔn)確率。然而該方法對(duì)邊緣檢測(cè)的依賴性較強(qiáng),,可能會(huì)因?yàn)檫吘壧崛〉钠?,造成誤差效應(yīng)的累積。因此,,如何尋找更為有效的特征信息,,提高算法效率,是將來研究的重點(diǎn),。
參考文獻(xiàn)
[1] 彭正濤.基于快速類圓中心定位算法的棒材在線計(jì)數(shù)系統(tǒng)的研究和設(shè)計(jì)[D].武漢:武漢科技大學(xué),,2012.
[2] 施瀅,,夏春華,胡琳娜,,等.指針式儀表讀數(shù)的機(jī)器視覺智能識(shí)別方法[J].傳感器與微系統(tǒng),,2017(11):47-49,52.
[3] 吳堯鋒,,王文,,盧科青,等.邊界聚類橢圓快速檢測(cè)方法[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版),,2016,,50(2):346.
[4] MICHELE F,ANDREA P,,RITA C.A fast and effective ellipse detector for embedded vision applications[C].Pattern Recognition,2014,,47(11):3693-3708.
[5] 胡海鷗,,祝建中.基于弧段組合的直接最小二乘橢圓擬合[J].杭州師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,10 (6):556-560.
[6] 趙午峰,,喬瑞萍,,孫賀.基于TMS320DM6437的車道線檢測(cè)與跟蹤[J].電子技術(shù)應(yīng)用,2017,,43(4):17-20.
[7] 劉宏哲,,袁家政,鄭永榮.計(jì)算機(jī)視覺算法與智能車應(yīng)用[M].北京:電子工業(yè)出版社,,2015.
[8] Di Zhipeng,,He Dongzhi.Forward collision warning system based on vehicle detection and tracking[C].2016 International Conference on Optoelectronics and Image Processing(ICOIP),Warsaw,,2016:10-14.
作者信息:
喬瑞萍,,孫 賀,董員臣,,王 方
(西安交通大學(xué) 電子與信息工程學(xué)院,,陜西 西安710049)