基于曲線擬合的軌道圖像識別后處理方法技術

本發明專利技術公開了一種基于曲線擬合的軌道圖像識別后處理方法，包括如下步驟：S1，輸入原始圖像img_input，該原始圖像img_input為通過深度學習方法進行軌道識別后得到的圖像，并把原始圖像二值化，得到二值圖像img_binary；S2，找到二值圖像img_binary中的最大連通域，其它非最大連通域的點都設為背景點，輸出圖像img_maxDomain；S3，找到圖像img_maxDomain中的左右軌道線；S4，對左右軌道線進行限幅濾波，將每條軌道線中偏離較遠的點過濾掉；S5，根據曲線擬合函數畫出軌道線。本發明專利技術通過基于曲線擬合的圖像后處理方法，可以修正識別的結果，畫出更貼近真實軌道的圖像。

【技術實現步驟摘要】
基于曲線擬合的軌道圖像識別后處理方法
本專利技術涉及軌道交通技術，具體涉及軌道交通圖像處理技術。
技術介紹
在軌道交通領域，基于深度學習算法，可以使用訓練好的網絡模型，從圖像中初步識別出軌道。但識別的結果是像素點的組合，所得到的軌道邊緣并不平滑，與實際差異較大。而且有時會將軌道旁其他物體識別為軌道的像素點，出現誤識別的情況。
技術實現思路
本專利技術所要解決的技術問題就是提供一種基于曲線擬合的軌道圖像后處理方法，以修正深度學習方法所識別出的圖像結果，畫出更貼近真實軌道的圖像。為解決上述技術問題，本專利技術采用如下技術方案：基于曲線擬合的軌道圖像識別后處理方法，包括如下步驟：S1，輸入原始圖像img_input，該原始圖像img_input為通過深度學習方法進行軌道識別后得到的圖像，并把原始圖像二值化，得到二值圖像img_binary；S2，找到二值圖像img_binary中的最大連通域，其它非最大連通域的點都設為背景點，輸出圖像img_maxDomain；S3，找到圖像img_maxDomain中的左右軌道線；S4，對左右軌道線進行限幅濾波，將每條軌道線中偏離較遠的點過濾掉；S5，根據曲線擬合函數畫出軌道線。優選的，步驟S1中按灰度圖讀入原始圖像img_input，二值化處理是將圖像分為前景和背景，像素值為0的點，保留原有像素值，像素值非0的點，值都設為1。優選的，步驟S2中判定連通區域的標準是采用4鄰接，連通區域標記采用兩步法。優選的，步驟S3的方法為：對于圖像img_maxDomain，掃描每一行像素點，記錄最左非零像素點和最右非零像素點，所有的最左非零像素點構成左軌道線，所有的最右非零像素點構成右軌道線。優選的，步驟S4的方法包括如下步驟：1)首先要限定軌道線的起點范圍，第一個有效點需要在限界范圍內；2)設定相鄰兩點允許的最大偏差值為2，設定計數器的初始值為1，這里相鄰兩點的偏差值是指相鄰兩點的橫向距離，計數器用于處理遇到無效點時的情況：當有效點的下一個點是無效點時，計數器遞增加1，下下個點與此有效點的最大偏差值，需要設為步長*計數器，當重新掃描到有效點之后，更新有效點，計數器需要重置為1；3)從軌道線的近距離點開始掃描，若當前點超出步驟1)中設定的限界范圍，則過濾當前點；然后繼續掃描下一個點，直至掃描到在限界范圍內的點，然后將在限界范圍內的該起點，設為有效點，再進入步驟4)；4)若當前點和有效點之差大于步長*計數器，則當前點是無效點，過濾該點，計數器+1，否則保留該點并將該點設為有效點，計數器重置為1；5)重復4)，直到軌道線中所有點被遍歷。優選的，步驟S5中，對于不同的軌道，具有不同的曲率參數，選取擬合度最優的一種擬合函數作為對應軌道的擬合函數。優選的，擬合函數的形式如下：使用最小二乘法來確定擬合函數的擬合度性能，擬合度的計算公式為：其中，Q即為殘差平方和，Q＝∑(y-y*)2，y代表的是實測值，y*代表的是預測值；基于大量樣本圖像，對多種擬合函數求取擬合度，再進行對比，最終選取平均擬合度最高的函數作為擬合函數。優選的，步驟S5畫出的軌道線的寬度為單像素。本專利技術采用上述技術方案，通過基于曲線擬合的圖像后處理方法，可以修正識別的結果，畫出更貼近真實軌道的圖像。因此，本專利技術具有如下有益效果：1)將軌道旁邊其它誤識別的干擾物剔除，從而更精確地定位出軌道的位置。2)經過曲線擬合處理后的軌道是連續的曲線，相比于深度學習方法的識別結果(離散點的集合)，處理后的圖像可以更準確的表示出真實軌道。具體實施方式本專利技術要解決的技術問題就是提供一種基于曲線擬合的軌道圖像后處理方法，以修正深度學習方法所識別出的圖像結果。整個方法的具體流程是：S1，輸入原始圖像img_input，該原始圖像img_input為通過深度學習方法進行軌道識別后得到的圖像，并把原始圖像二值化，得到二值圖像img_binary；S2，找到二值圖像img_binary中的最大連通域，其它非最大連通域的點都設為背景點，輸出圖像img_maxDomain；S3，找到圖像img_maxDomain中的左右軌道線；S4，對左右軌道線進行限幅濾波，將每條軌道線中偏離較遠的點過濾掉；S5，根據曲線擬合函數畫出軌道線。其中，步驟S1的具體方法為：輸入基于深度學習方法進行軌道識別得到的圖像，按灰度圖的方式讀入該圖像，然后將圖像做二值化處理，分為前景(感興趣的區域)和背景(不感興趣的點)。像素值為0的點，保留原有像素值；像素值非0的點，值都設為1。步驟S2的具體方法為：進行連通區域分析，標記出此二值圖像的所有連通區域，然后再從中選取非零像素點最多的一個連通區域(即最大連通域)，并將其它連通域的像素值設為0。連通區域一般是指圖像中具有相同像素值且位置相鄰的前景像素點組成的圖像區域。常見的鄰接關系有2種：4鄰接與8鄰接，本方法中判定連通區域的標準是采用4鄰接(即認為如果某點在當前點的上下左右位置，則認為此點和當前點在一個連通區域內)。連通區域標記的常用算法有兩步法、種子填充法等。本專利技術中采用的是兩步法，即通過掃描兩遍二值圖像，將圖像中存在的所有連通區域找出并標記。這里的掃描方式是按行訪問圖像的所有像素。第一遍掃描時賦予每個像素位置一個標簽，掃描過程中識別出鄰接關系的點則被分配同一個標簽，但同一個連通區域內的像素集合中也可能會被賦予了多個不同標簽，因此需要將這些屬于同一個連通區域但具有不同值的標簽合并，也就是記錄它們之間的相等關系；第二遍掃描就是將具有相等關系的標簽集合equaL_labels所標記的像素歸為一個連通區域并賦予一個相同的標簽label(通常這個label是equal_labels中的最小值)。步驟S3的具體方法為：對于步驟S2處理后得到的圖像，掃描每一行像素點，記錄最左非零像素點和最右非零像素點。所有的最左非零像素點構成左軌道線，所有的最右非零像素點構成右軌道線。步驟S4的具體方法為：通過限幅濾波，可以將軌道曲線中過于偏離的點剔除。對于左右軌道線分別做限幅濾波處理，處理過程一致。這里以左軌道線為例：1、因為相機安裝在列車的固定位置上，故軌道在相機中的成像位置也在一定的范圍內。為了更有效的濾波，首先要限定軌道線的起點范圍，第一個有效點需要在限界范圍內。2、設定相鄰兩點允許的最大偏差值(即步長，本方法中設為2)，設定計數器的初始值(本方法中設為1)。這里相鄰兩點的偏差值是指相鄰兩點的橫向距離。計數器用于處理遇到無效點時的情況：當有效點的下一個點是無效點時，計數器遞增加1，下下個點與此有效點之間，允許的最大偏差值需要設為步長*2，若仍超出此值范圍，則下一次最大偏差值設為步長*3，以此內推。當重新掃描到有效點之后，更新有效點，計數器需要重置為1。3、從軌道線的近距離點(以相機為參照物)開始掃描。若當前點超出步驟1中設定的限界范圍，則過濾當前點；然后繼續掃描下一個點，直至掃描到在限界范圍內的點。然后將在限界范圍內的該起點，設為有效點，再進入步驟4。4、若當前點和有效點之差大于步長*計數器，則當前點是無效點，過濾該點，計數器+1。否則保留該點并將該點設為有效點，計數器重置為1。5、重復4，直到左軌道線中所有點被遍歷。步驟S5的具體方法為：對于不同的軌道，具有不同的曲本文檔來自技高網...

【技術保護點】
1.基于曲線擬合的軌道圖像識別后處理方法，其特征在于包括如下步驟：S1，輸入原始圖像img_input，該原始圖像img_input為通過深度學習方法進行軌道識別后得到的圖像，并把原始圖像二值化，得到二值圖像img_binary；S2，找到二值圖像img_binary中的最大連通域，其它非最大連通域的點都設為背景點，輸出圖像img_maxDomain；S3，找到圖像img_maxDomain中的左右軌道線；S4，對左右軌道線進行限幅濾波，將每條軌道線中偏離較遠的點過濾掉；S5，根據曲線擬合函數畫出軌道線。

【技術特征摘要】
1.基于曲線擬合的軌道圖像識別后處理方法，其特征在于包括如下步驟：S1，輸入原始圖像img_input，該原始圖像img_input為通過深度學習方法進行軌道識別后得到的圖像，并把原始圖像二值化，得到二值圖像img_binary；S2，找到二值圖像img_binary中的最大連通域，其它非最大連通域的點都設為背景點，輸出圖像img_maxDomain；S3，找到圖像img_maxDomain中的左右軌道線；S4，對左右軌道線進行限幅濾波，將每條軌道線中偏離較遠的點過濾掉；S5，根據曲線擬合函數畫出軌道線。2.根據權利要求1所述的基于曲線擬合的軌道圖像識別后處理方法，其特征在于：步驟S1中按灰度圖讀入原始圖像img_input，二值化處理是將圖像分為前景和背景，像素值為0的點，保留原有像素值，像素值非0的點，值都設為1。3.根據權利要求1所述的基于曲線擬合的軌道圖像識別后處理方法，其特征在于：步驟S2中判定連通區域的標準是采用4鄰接，連通區域標記采用兩步法。4.根據權利要求1所述的基于曲線擬合的軌道圖像識別后處理方法，其特征在于：步驟S3的方法為：對于圖像img_maxDomain，掃描每一行像素點，記錄最左非零像素點和最右非零像素點，所有的最左非零像素點構成左軌道線，所有的最右非零像素點構成右軌道線。5.根據權利要求1所述的基于曲線擬合的軌道圖像識別后處理方法，其特征在于：步驟S4的方法包括如下步驟：1)首先要限定軌道線的起點范圍，第一個有效點需要在限界范圍內；2)...

【專利技術屬性】
技術研發人員：程艷麗，饒雙宜，
申請(專利權)人：浙江眾合科技股份有限公司，
類型：發明
國別省市：浙江,33