买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：煤炭科学研究总院

摘要：本发明公开了一种应用于巷道复杂场景的导航灭点检测方法。适用于计算机视觉领域。使用LSD算法提取巷道场景图像中的直线信息；然后剔除图像中较短的直线，通过加入平均梯度约束剔除图像中由于阴影区域产生的干扰直线；接着结合运动估计技术充分利用连续帧图像之间的关系，在传统块匹配算法的基础之上加入缩放系数，增加图像中可用的直线信息并用于辅助灭点估计；最后，将检测到的直线转换成参数空间中的样本点后，通过LOF算法计算出每个样本点的异常因子值，设计样本点的权值函数，最后采用改进的RANSAC算法进行灭点的回归估计。其干扰直线剔除效果好，能够解决巷道复杂场景中缺乏直线特征的难题，灭点检测精度更高，更适用于巷道复杂场景。

主权项：1.一种应用于巷道复杂场景的导航灭点检测方法，其特征在于步骤如下：步骤1对获取的巷道场景图像按顺序进行缩放、滤波、灰度化预处理，然后采用LSD直线检测算法提取预处理后的巷道场景图像中的直线；步骤2设置直线长度阈值，剔除预处理后的巷道场景图像中长度较短的干扰直线；步骤3基于数字图像中像素点的分布形式，通过加入平均梯度约束的方式剔除图像中由于阴影区域产生的干扰直线；步骤4结合运动估计技术，在传统块匹配算法的基础之上引入缩放系数形成改进的块匹配算法，对预处理后的巷道场景图像采用改进的块匹配算法求出相邻帧图像的块运动轨迹直线；步骤4的具体内容包括：步骤41假设预处理后的图像分辨率为W×H，取块边长为N，即将图像划分为个大小相同的块；步骤42假设当前帧图像中某一个块为K0，K0块的中心像素点坐标为x0,y0，在下一帧图像中以x0,y0为中心，间隔为4的距离，搜索上下左右及斜对角共8个点；步骤43找出以这8个点为中心的块[Kt,t＝1,2,…,8]，利用式5计算每个块与K0的平均绝对误差MADMeanAbsoluteDeviation： 式中：K0ij和Ktij表示块中第i行第j列处像素点的像素值；步骤44以上一步中MAD值最小的块为中心，间隔为2的距离，搜索上下左右及斜对角共8个点；步骤45重复42，将间隔再减半，找到最接近点为中心的上下左右及斜对角8个点，分别以这8个点为中心，设置缩放系数分别为1、也就是说取边长为N、N+2、N+4三种不同的块，在这一步中产生了24个块；步骤46采用OpenCV库中的resize函数将24个块缩放为边长为N的块，然后计算每个块与K0的MAD值，假设MAD值最小的块为K1，K1即为下一帧图像中和K0最相似的块；步骤47在下一帧图像中将K1块的中心点x1,y1和x0,y0相连接，得到的直线即为块运动轨迹直线；步骤48将图像中的块运动轨迹直线分为一组并记为B＝{a1,a2,…,am}，其中m表示图像中块运动轨迹直线的数量；步骤5将得到的块运动轨直线转换为参数空间中的样本点，利用LOF算法计算每个样本点的异常因子值；步骤6将样本点的异常因子值和样本点对应直线的长度共同作为衡量直线重要性的标准，并以此确定样本点的权值函数，本步骤中的直线包括剔除干扰直线后剩余的直线和生成的块运动轨迹直线；步骤6的具体内容包括：步骤61将样本点的异常因子值和该样本点对应直线的长度共同作为样本点重要性的衡量标准，基于此，第i个样本点的权值函数Wi定义如下： 式中：li表示第i个样本点对应直线的长度，ti是用来衡量样本点异常程度的权值，LOFi越接近于1，ti就越大，样本点就越接近正常，第i个样本点的异常因子值表示为LOFi；步骤7最后采用改进的RANSAC随机抽样算法提取样本空间中的有效直线模型，根据有效的直线模型即可求出巷道场景图像中的灭点坐标；所述步骤7的内容包括：步骤71随机选取参数空间中的两个样本点k1,b1，k2,b2，计算得到经过这两点的直线方程b＝c1k+c2，其中c1、c2为直线数学模型的参数；步骤72计算参数空间中其它样本点到该直线的距离dist，同时设定允许误差为ε，若满足dist≤ε条件的样本点标记为内点，否则标记为外点；步骤73根据公式6的权值函数计算每个内点的权值，并求和，记为sum；步骤74不断地重复步骤71、步骤72、步骤73这三个步骤，直至遍历完所有的两个样本点组合，找出sum的最大值summax，并记录与之对应的直线数学模型b＝c1k+c2，点c1,c2即为原图像中的灭点坐标。

全文数据：

权利要求：

百度查询： 煤炭科学研究总院 一种应用于巷道复杂场景的导航灭点检测方法