CC BY
29
УДК 004.942
СПЛАЙН АППРОКСИМАЦИЯ ИЗОБРАЖЕНИЯ ДОРОЖНОЙ РАЗМЕТКИ
А. С. Савельев Научный руководитель - М. Н. Фаворская
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева
Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
Е-mail: alxsave@gmail.com
Представлен комплексный алгоритм, состоящий из нескольких методов пошаговой обработки изображения, позволяющий сориентировать транспортное средство на дороге, за счет определения положения дорожной разметки и/или границ дорожного полотна. В основе данного алгоритма лежит принцип моделирования границ/разметки с помощью сплайна Катмул-Рома. Данный метод позволяет локализовывать и прогнозировать направление «движения» дороги.
Ключевые слова: распознавание дорожной разметки, сплайн моделирование, автоматизированное транспортное средство.
SPLINE APPROXIMATION OF THE IMAGE OF ROAD MARKING
A. S. Savelev Scientific supervisor - M. N. Favorskaia
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation Е-mail: alxsave@gmail.com
In this paper proposed a complex algorithm, which consists of several methods of sequential image processing, which allows to orient the vehicle on the road, by determining the position of road markings and / or the boundaries of the roadway. The basis of this algorithm is based on the principle of modeling boundaries / markup using spline Catmull Rom. This method allows to predict the direction and localize "movement" of the road.
Keywords: road marking detection, spline modeling, automated vehicle.
К настоящему времени существует множество алгоритмов «обнаружения» дорожной разметки. Обычно они используют различные дорожные модели (двух, трех - мерные, прямые или изогнутые), а также различные методы (метод Хафа, поиск шаблонов, нейронные сети и т. д.). Так методы, применяемые в системе ARCADE [1] используют робастные вычисления, для определения изгиба и направления дороги. Таким образом, после однократного определения области изображения содержащим дорожное полотно, система ARCADE минимизирует время и ресурсы для локализации пограничных точек описывающих дорожную разметку.
Сплайн Катмул-Рома [2], также известный как сплайн Оверхаустера, является локально интерполированным сплайном, разработанным для применения в компьютерной графики. Изначально его использовали для построения кривых и поверхностей, но иногда он находил применение и в других задачах. В представленной задаче с помощью сплайна Катмул-Рома происходит построение плавной линий соединяющей последовательность заданных точек. На рис. 1 показана модель границ дороги и модель изображения, и если определить конечные точки схождения линий не представляет большого труда, то поиск точек изгиба (PL1, PR1), является более сложной задачей, и формула [3] их вычисления имеет следующий вид:
k = (rn - hz)(rnkn - rn + hz)
1r1 ciikn + kli(X2 - hz2) - cli (rli - hz)'
Секция «Программные средства и информационные технологии»
где (rL1, cL 1) - координаты точки PL 1; kL1 - наклон касательной в точке PL 1; X - фокальная длина; hz - линия горизонта.
Рис. 1
Следующим этапом необходимо вычислить точку горизонта, на данном этапе принимается во внимание эффект перспективы [4], который говорит о том, что все параллельные линии сходятся в одной точке лежащей на линии горизонта. Для этого сначала необходимо найти имеющиеся на изображении границы. В данном случае подходит метод Canny [5] результат которого можно увидеть на (рис. 2).
Рис. 2
Затем используется один из методов нахождения прямых на изображении как например метод основанный на преобразованиях Хаффа [6] (рис. 3), после чего каждый из найденных отрезков продлевается в обе стороны, до краев изображения, и затем находится точка наибольшего пересечения всех прямых (рис. 4).
Рис. 3 Рис. 4
Результатом работы вышеописанного метода является нахождение линии горизонта (рис. 5).
Рис. 5
После нахождения всех необходимых точек (рис. 1), а именно точки горизонта P0, точек изгиба дороги (PL1, PR1) и ближайших точек начала разметки (PL2, PR2), становится возможным построение модели дорожной разметки, описывающей направление дороги (рис. 6).
Рис. 6
В результате был получен алгоритм, сочетающий в себе множество методов, позволяющих добиться достаточной инвариантности к качеству изображения (шум, тени, различные типы освещения). А также данный алгоритм способен работать как на размеченных дорожных покрытиях так и на обычном покрытии, имеющем только естественные границы.
Библиографические ссылки
1. Magee M. J., Aggarwal J. K., 1984. Determining vanishing points from perspective images. In: Computer Vision Graphics Image Process. 26, С. 256-267.
2. Mclean G. F., Kotturi D., 1995. Vanishing point detection by line clustering. IEEE Trans. PAMI 17 (11). С. 1090-1095.
3. Quan L., Mohr R., 1989. Determining perspective structures using hierarchical Hough transform. In: Pattern Recognitional Letters 9. С. 279-286.
4. Serge B., Michle B., 1994. Road segmentation and obstacle detection by a fast watershed transform. In: Proc. Intelligent Vehicles 094 Symposium. С. 296-301.
5. Toi A., Kittler J., Petrou M., Windeatt T., 1993. Vanishing point detection. Image and Vision Comput. 11. С. 240-245.
6. Xuan Y., Serge B., Michel B., 1992. Road tracking, lane segmentation and obstacle recognition by mathematical morphology. С. 166-170.
© Савельев А. С., 2015
