专利名称：一种主方向约束下的停车场结构提取方法
技术领域：
本发明涉及一种停车场的结构提取方法，特别是涉及一种主方向约束下的停车场结构提取方法。
背景技术：
停车场，作为一种车辆临时停歇的场所，伴随着城市化进程的不断发展正在迅速扩张着。如今，不论是在城镇还是在郊区，停车场随处可见，其范围甚至超过了他们所服务的建筑本身。停车场，作为汽车社会的必需品，在人类生产生活中发挥着不可替代的作用，对于停车场的认知水平也显得尤为重要。对于停车场结构和停车位数量的认识直接关系到最小停车需求(MPRs)的决策。MPRs近年来吸引了越来越多的注意力，成为了车辆停放政策 相关的一个重要议题。合理的车辆停放政策不仅能够减少车位数的布置数量，节约土地利用，还能够减少其对自然环境的影响，例如车辆尾气污染，热岛效应，雨水流失等等。由于停车场数量是相关车辆停放政策的基础，停车场结构和数量十分重要。另外，停车场结构在停车指导信息系统(PGIS)中扮演者重要角色，PGIS能够有效地解决车辆停放问题。在PGIS中，一个热门话题就是空停车位的检测。对于这个问题，已经有了大量的技术手段，其共同点在于参照停车场结构的使用。还有一点就是，停车场的结构是机器人领域内研究热点之一的自动驾驶的基础。自动驾驶主要目标是使得车辆沿着预设的轨道行驶，并最终停靠下来，而其停靠位置必须是在一个准确的停车位内。这样的控制系统要求自主驾驶一同提供有准确的路线信息以及准确的停车场结构信息。尽管停车场结构有其不可替代的重要意义，目前对于停车场结构多是采用手工绘图方式，费时费力，效率低下。大范围的自动停车场结构的提取成为了一个新的问题。目前利用遥感手段自动获取停车场结构的方法还比较少。1998年，Wang，X等人在 “Applications of Computer Vision, 1998. WACV ' 98. Proceedings” 会议上首次提出了利用立体像对进行停车场结构的提取，根据影像线段构建空停车位，根据立体像对的高程信息构建车辆区域停车位。2009年，Seo Y W等人在“ Intelligent Robots andSystems,2009” 和“Proceedings ofInternational Joint Conference on ArtificialIntelligence”提出了一种分级策略的停车场结构提取方法，首先从影像中利用线段提取、插值、外推等步骤获取停车场结构，再利用机器学习的方法进行停车位的筛选。进行停车场结构的构建主要依据为停车场车位线，车位线提取的正确性和完整性直接关系到停车场结构提取的正确性和精度，而已有的停车场结构提取方法在进行车位线检测的过程中，直接使用边缘检测方法进行车位线提取，提取的线段多与车位线不相关，正确性和完整性都较低，往往遗漏一些重要的车位线结构信息，直接影响到停车场结构构建结果。除此之外，原有方法对于影像质量较差的数据，如剧烈的光照变化、阴影明显等问题，提取的停车场结构精度较差
发明内容
本发明解决的技术问题是克服现有技术的上述不足，提出一种主方向约束下的停车场结构提取方法，其能够从正射影像中准确完整地提取车位线信息，从而进行停车场结构的构建。相对于传统的方法而言，本方法能够从影像中提取更多更准确的车位线信息，针对影像质量较差的数据，也能尽可能多地提取车位线信息，从而更准确地进行停车场结构的提取。为了解决上述技术问题，本发明提出的技术方案是一种主方向约束下的停车场结构提取方法，包括以下步骤第一步、初始线段检测获取车位线主方向-使用Edi son算子和Hough变换提
取影像的边缘线段；使用分割分类算法将影像分类为空地区域与非空地区域；利用分类结果剔除大部分位于非空地区域的边缘线段，得到初始车位线线段，并根据初始车位线线段 之间的夹角进行聚类编组，对编组后的边缘线段拟合得到车位线主方向；第二步、车位线主方向约束下的车位线提取一使用Edi son算子进行边缘检测得到边缘影像，在第一步获得的车位线主方向的约束下进行Hough变换提取线段，保留长度大于I. 5m的线段，得到车位线；第三步、最大相交方向的停车道划分——根据车位线角度将车位线进行编组筛选，对于各编组内的车位线，使用最大相交方向方法划分停车道；第四步、计算停车场结构参数——利用提取的车位线和划分的停车道计算停车场的结构参数，包括停车位长度、宽度、方向、停车道位置和方向；第五步、提取停车场结构一依据停车场结构参数构建停车场的车位线，并生成停车道的分割线，完成停车场结构的提取。本发明的创新点在于首先进行初始线段检测，根据影像分类结果对车位线进行筛选获取车位线主方向，然后以车位线主方向作为约束条件，利用主方向约束下的霍夫变换对影像进行车位线提取。由于提取线段是利用车位线主方向作为约束，因此提取的效率、准确率更高，实现了车位线的全自动高精度提取。准确的从影像提取到车位线后，再依次进行停车道划分、停车场结构参数计算、根据停车场结构参数获取停车场结构，从而完成整个停车场结构提取。本发明对上述技术方案的进一步改进是一、第一步提取车位线主方向的具体方法如下Ia)使用Edison算子进行边缘检测得到边缘影像；Ib)对边缘影像进行Hough变换提取边缘线段；Ic)使用多尺度分割算法对影像进行分割，使用K最大近邻方法对分割面片进行分类，将影像分为空地区域和非空地区域；Id)保留长度大于I. 5m的边缘线段，根据影像分区结果，判断每条线段在空地区域、非空地区域内的比例，若边缘线段符合下式条件则剔除:L|"；'!' 2 0.2，式中，L#s地
jjIl宁地·'r通
代表边缘线段在非空地区域内的长度，Lsi4代表边缘线段在空地区域内的长度；Ie)对筛选后的边缘线段按照角度进行编组，夹角小于3度的边缘线段归于同一编组，如果某一编组内的线段数小于5，则剔除该编组，对于各编组，使用随机采样一致性算法对线段进行拟合，得到车位线主方向。
二、第三步中，将车位线互相之间夹角小于β的线段为一编组；对编组后的线段根据最大相交方向方法进行停车道划分，具体如下2a)对所述编组中任一条线段中心点为圆心构建半圆，将半圆均分为η个扇形，依次将每个扇形的中心线双向延伸，记录每一中心线与其相交的所述编组中其他线段的数量，其中相交线段数量最多的中心线所在的方向为该线段的最大相交方向；2b)每个编组内所有线段中相交线段数量最多的最大相交方向为该编组的主方向；2c)计算编组内的所有线段中心点到所述编组主方向的距离，对距离值通过聚类计算进行编组，属于同一编组的线段即位于同一停车道。三、上述参数β的范围为3-5° ,η的范围为8-16。
四、为了提取停车场结构，需要求解停车场参数，包括停车位长度、宽度、方向、停车道位置和方向。由于同一方向的停车位长度、宽度、方向及停车道方向基本保持一致，同一方向的停车道只需单独计算停车道位置，其他参数只需计算一次。由于不同类型停车道参数计算方法稍有不同，因此需要对其进行类别划分，根据停车道方向和停车位方向关系，将其划分为横向停车道、纵向停车道及斜向停车道。第四步中，计算停车场结构参数的方法如下3a)停车道方向及位置将位于同一停车道上的车辆中轴线的中点拟合直线，直线的斜率即为该停车道方向，截距即为停车道位置；3b)停车位方向将停车道的车位线角度的平均值作为该停车道的停车位候选方向，当停车位候选方向一侧是停车道或停车场边缘，则该侧方向为该停车道的停车位方向；3c)找到车位线长度中出现次数最多的距离区间，该距离区间内所有车位线长度的平均值为停车位长度；3d)停车位宽度对于纵向和横向停车道，找到所有相邻平行车位线之间的距离中出现次数最多的距离区间，该距离区间内所有平行车位线之间距离的平均值为停车位宽
度；对于斜向停车道，停车位宽度需要转化为其在停车道方向上的长度，即A，其中
sui(a)
α为停车道方向和车位线的夹角，D为车位线之间的平行距离。五、第五步中，根据所述停车场结构参数构建停车场车位线的方法具体如下4a)构建起始车位线——从每一停车道中选择最接近停车位长度的车位线，以其与相应停车道中心线的交点为中心，沿平行于所述停车位方向双向延伸，使其长度等于所述停车位长度，得到起始车位线；4b)生成车位线——以起始车位线为起点，沿着平行于停车道方向以停车位宽度为间隔双向生长，生长的过程中，如果生长的车位线与最近邻车位线距离在O. 3m之内，则沿停车道方向平行移动生长的车位线，使其与提取的车位线重合度最高；以生长的车位线为参照，继续向两侧生长，直到停车场边缘。4c)生成停车道分割线——对每一停车道，在其停车位方向一侧，连接各车位线的端点，形成停车道分割线，完成停车场结构的提取。六、第二步中，主方向约束下的车位线提取方法具体如下
5a)对边缘影像进行Hough变换，建立累计空间；5b)任选一个主方向,在该主方向上搜索最大值,得到该主方向上的峰值；5c)获取所述峰值对应的长度大于I. 5米的线段以及线段的端点；5d)转换构成这些线段的点到Hough空间，并消除这些点对积累矩阵的贡献；5e)设置该峰值及其相邻单元积累矩阵值为O ;5f)并重复步骤5b)_步骤5e)，依次循环所有的主方向，完成车位线提取。本发明的特点如下 (I)经典的基于最大峰值的线段提取算法，提取的线段杂乱无章，多与期望信息不一致，且易遗漏有用信息，本方法采用分级策略的车位线提取方法，利用初始线段检测获取车位线主方向，在主方向的约束下进行车位线的提取，提取的线段多与车位线信息相关，正确性和完整性较高。(2)对于提取的车位线信息，提出一种基于最大相交方向的方法，能够有效地实现停车道的划分，准确性高。(3)利用车位线信息提出了一套可靠的停车场结构参数计算方法。(4)在停车场结构提取的过程中，使用已有的车位线作为约束，当生长的车位线与提取的车位线距离较近时，将其移动至提取车位线位置，能够有效减少生长过程中的传递误差，从而提闻停车场结构提取的精度。
下面结合附图对本发明的主方向约束下的停车场结构提取方法作进一步说明。图I本发明实施例停车场正射影像。图2初始边缘检测结果图。图3影像分割分类结果图。图4初始线段筛选结果图。图5线段编组结果图。图6主方向约束下的线段检测结果图。图7最终提取得到的车位线。图8停车道划分结果图。图9起始车位线示意图。图10提取的停车场结构图。
具体实施例方式实施例下面根据附图详细说明本发明，本发明的目的和效果将变得更加明显。实例所用数据为一个停车场所在区域的正射影像，区域大小为50m*20m，分辨率为5cm,如附图I所示。本实例主方向约束下的停车场结构提取方法，采用ArcGIS9. 3、matlab2009、ENVIEx、Visual Studio2008 以及开源软件Edge Detection and Image Segmentationsystem共同完成，主要包括以下步骤
第一步、初始线段检测获取车位线主方向-使用Edi son算子和Hough变换提
取影像的边缘线段；使用分割分类算法将影像分类为空地区域与非空地区域；利用分类结果剔除大部分位于非空地区域的边缘线段，得到初始车位线线段，并根据初始车位线线段之间的夹角进行聚类编组，对编组后的边缘线段拟合得到车位线主方向；本步骤中，所述第一步提取车位线主方向的具体方法如下Ia)使用 Edge Detection and Image Segmentation system 提供的 Edison 检测算法进行边缘影像检测，将边缘影像以.Pgm格式数据导出；Ib)在mat lab中读入.pgm格式数据，使用Hough变换从边缘影像中获取边缘线段，如附图2所示；Ic)使用多尺度分割算法对影像进行分割，使用K最大近邻方法对分割面片进行分类，将影像分为空地区域和非空地区域；本例中，在ENVI Ex中使用Feature Extraction功能对影像进行分割分类，设置多尺度分割分裂阈值为72，合并阈值为97. 5，选定分类器 为K最邻近点方法进行分类，得到影像分割结果如图3所示，图中黑色代表空地区域，白色代表非空地区域；Id)保留长度大于I. 5m的边缘线段，根据影像分区结果，判断每条线段在空地区域、非空地区域内的比例，若边缘线段符合下式条件则剔除T L ' ；!'》0.2，式中，L#s地
宁地 L宁迪
代表边缘线段在非空地区域内的长度，Lsi4代表边缘线段在空地区域内的长度，筛选后得到结果如图4所示；Ie)对筛选后的边缘线段按照角度进行编组，相互间夹角小于3度的边缘线段归于同一编组，如果某一编组内的线段数小于5，则剔除该编组，对于各编组，使用随机采样一致性算法对线段进行拟合，得到车位线主方向。如图5所示，为线段编组结果图，本例中得到的车位线主方向为69°。第二步、车位线主方向约束下的车位线提取一使用Edi son算子进行边缘检测得到边缘影像，在第一步获得的车位线主方向的约束下进行Hough变换提取线段，保留长度大于I. 5m的线段，得到车位线；具体操作如下对于第一步使用Edison算子提取得到的边缘线段,在mat lab中读入其· Pgm格式数据，使用主方向约束下的Hough变换从边缘影像中获取边缘线段，设定主方向阈值空间为68° -70°，使用主方向约束下的线段提取得到的结果如图6所示，共64条线段。对于提取得到的线段，根据影像分类结果进行选择，剔除比例值小于O. 2的线段
(若边缘线段符合下式条件则剔除.l^i. 2 0.2，式中，L#Si4代表边缘线段在非空地
区域内的长度，Lsi4代表边缘线段在空地区域内的长度)，同时根据线段长度进行筛选，设定长度阈值为I. 5m，由于一些线段同时跨越了两条车位线，长度约等于一条车位线长度的两倍，根据长度选择这些车位线并进行分割，设定长度阈值为大于Sm。经过筛选和分割之后的线段结果如图7所示，共38条车位线。本发明主方向约束下的车位线提取方法具体如下5a)对边缘影像进行Hough变换，建立累计空间；
5b)任选一个主方向，在该主方向上搜索最大值,得到该主方向上的峰值；5c)获取所述峰值对应的长度大于I. 5米的线段以及线段的端点；5d)转换构成这些线段的点到Hough空间，并消除这些点对积累矩阵的贡献；5e)设置该峰值及其相邻单元积累矩阵值为O ;5f)并重复步骤5b)_步骤5e)，依次循环所有的主方向，完成车位线提取。 第三步、最大相交方向的停车道划分——根据车位线角度将车位线进行编组筛选，对于各编组内的车位线，使用最大相交方向方法划分停车道；本步中，将车位线互相之间夹角小于β (本例中β取3° )的线段为一编组；对编组后的线段根据最大相交方向方法进行停车道划分，具体如下2a)对所述编组中任一条线段中心点为圆心构建半圆，将半圆均分为η(本例中，η取12)个扇形,依次将每个扇形的中心线双向延伸，记录每一中心线与其相交的所述编组中其他线段的数量，其中相交线段数量最多的中心线所在的方向为该线段的最大相交方向；2b)每个编组内所有线段中相交线段数量最多的最大相交方向为该编组的主方向；2c)计算编组内的所有线段中心点到所述编组主方向的距离，对距离值通过聚类计算进行编组，属于同一编组的线段即位于同一停车道。利用上述方法进行停车道划分，得到的停车道如图8所示(图中虚线表示停车道)，共6个停车道。第四步、计算停车场结构参数——利用提取的车位线和划分的停车道计算停车场的结构参数，包括停车位长度、宽度、方向、停车道位置和方向；本步中，计算停车场结构参数的方法如下3a)停车道方向及位置将位于同一停车道上的车辆中轴线的中点拟合直线，直线的斜率即为该停车道方向，截距即为停车道位置；本例中得到停车道方向为21. 5°，四个停车道截距(位置)分别为 5729318,5729312,5729301,5729295,5729277,5729282ο3b)停车位方向将停车道的车位线角度的平均值作为该停车道的停车位候选方向，当停车位候选方向一侧是停车道或停车场边缘，则该侧方向为该停车道的停车位方向。本例中六个停车道停车位方向分别为111°，-69° ,111°，-69° ,111°，-69°。3c)停车位长度找到车位线长度中出现次数最多的距离区间，该距离区间内所有车位线长度的平均值为停车位长度。本实例中，停车道为纵向停车道，距离区间的宽度取O. 3m，距离区间按照(0，0. 3]，(O. 3,0. 6]…进行划分，本例计算到的停车位长度为4. 9m。3d)停车位宽度对于纵向和横向停车道，找到所有相邻平行车位线之间的距离中出现次数最多的距离区间，该距离区间内所有平行车位线之间距离的平均值为停车位宽
度；对于斜向停车道，停车位宽度需要转化为其在停车道方向上的长度，即Z = —其中
s\n{a)
α为停车道方向和车位线的夹角，D为车位线之间的平行距离。本例中，距离区间的宽度取O. 3m，距离区间按照(0，0. 3]，(O. 3,0. 6]…进行划分，本例计算到的停车位宽度为2. 62m。第五步、提取停车场结构——依据停车场结构参数构建停车场的车位线，并生成停车道的分割线，完成对停车场结构的提取。
本步中，在ArcGIS中，根据所述停车场结构参数构建停车场车位线的方法具体如下4a)构建起始车位线——从每一停车道中选择最接近停车位长度的车位线，以其与相应停车道中心线的交点为中心，沿平行于所述停车位方向双向延伸，使其长度等于所述停车位长度，得到起始车位线；如图9所示，图中较宽的白线为起始车位线。4b)生成车位线——以起始车位线为起点，沿着平行于停车道方向以停车位宽度为间隔双向生长，生长的过程中，如果生长的车位线与最近邻车位线距离在O. 3m之内，则沿停车道方向平行移动生长的车位线，使其与提取的车位线重合度最高；以生长的车位线为参照，继续向两侧生长，直到停车场边缘。4c)生成停车道分割线——对每一停车道，在其停车位方向一侧，连接各车位线的端点，形成停车道分割线，完成停车场结构的提取。如图10所示。本发明基于正射影像的停车场结构提取方法不局限于上述实施例所述的具体技 术方案，凡采用等同替换形成的技术方案均为本发明要求的保护范围。
权利要求
1.一种主方向约束下的停车场结构提取方法，包括以下步骤 第一步、初始线段检测获取车位线主方向-使用Edison算子和Hough变换提取影像的边缘线段；使用分割分类算法将影像分类为空地区域与非空地区域；利用分类结果剔除大部分位于非空地区域的边缘线段，得到初始车位线线段，并根据初始车位线线段之间的夹角进行聚类编组，对编组后的边缘线段拟合得到车位线主方向； 第二步、主方向约束下的车位线提取——使用Edison算子进行边缘检测得到边缘影像，在第一步获得的车位线主方向的约束下进行Hough变换提取线段，保留长度大于1.5m的线段，得到车位线； 第三步、最大相交方向的停车道划分——根据车位线角度将车位线进行编组筛选，对于各编组内的车位线，使用最大相交方向方法划分停车道； 第四步、计算停车场结构参数——利用提取的车位线和划分的停车道计算停车场的结构参数，包括停车位长度、宽度、方向、停车道位置和方向； 第五步、提取停车场结构——依据停车场结构参数构建停车场的车位线，并生成停车道的分割线，完成停车场结构的提取。
2.根据权利要求I所述的主方向约束下的停车场结构提取方法，其特征在于所述第一步提取车位线主方向的具体方法如下 Ia)使用Edison算子进行边缘检测得到边缘影像； Ib)对边缘影像进行Hough变换提取边缘线段； Ic)使用多尺度分割算法对影像进行分割，使用K最大近邻方法对分割面片进行分类，将影像分为空地区域和非空地区域； Id)保留长度大于I. 5m的边缘线段，根据影像分区结果，判断每条线段在空地区域、非空地区域内的比例，若边缘线段符合下式条件则剔除T^02式中，L#Si4代表边 ijIl宁地"地缘线段在非空地区域内的长度，Lsi4代表边缘线段在空地区域内的长度； Ie)对筛选后的边缘线段按照角度进行编组，相互间夹角小于3度的边缘线段归于同一编组，如果某一编组内的线段数小于5，则剔除该编组，对于各编组，使用随机采样一致性算法对线段进行拟合，得到车位线主方向。
3.根据权利要求I所述的主方向约束下的停车场结构提取方法，其特征在于第三步中，将车位线相互间夹角小于β的线段为一编组；对编组后的线段根据最大相交方向方法进行停车道划分，具体如下 2a)对所述编组中任一条线段中心点为圆心构建半圆,将半圆均分为η个扇形,依次将每个扇形的中心线双向延伸，记录每一中心线与其相交的所述编组中其他线段的数量，其中相交线段数量最多的中心线所在的方向为该线段的最大相交方向； 2b)每个编组内所有线段中相交线段数量最多的最大相交方向为该编组的主方向； 2c)计算编组内的所有线段中心点到所述编组主方向的距离，对距离值通过聚类计算进行编组，属于同一编组的线段即位于同一停车道。
4.根据权利要求2所述的主方向约束下的停车场结构提取方法，其特征在于β的范围为3-5°，η的范围为8-16。
5.根据权利要求3所述的主方向约束下的停车场结构提取方法，其特征在于，第四步中，计算停车场结构参数的方法如下 3a)停车道方向及位置将位于同一停车道上的车辆中轴线的中点拟合直线，直线的斜率即为该停车道方向，截距即为停车道位置； 3b)停车位方向将停车道的车位线角度的平均值作为该停车道的停车位候选方向，当停车位候选方向一侧是停车道或停车场边缘，则该侧方向为该停车道的停车位方向； 3c)找到车位线长度中出现次数最多的距离区间，该距离区间内所有车位线长度的平均值为停车位长度； 3d)停车位宽度对于纵向和横向停车道，找到所有相邻平行车位线之间的距离中出现次数最多的距离区间，该距离区间内所有平行车位线之间距离的平均值为停车位宽度；对于斜向停车道，停车位宽度需要转化为其在停车道方向上的长度，即
6.根据权利要求5所述的主方向约束下的停车场结构提取方法，其特征在于，第五步中，根据所述停车场结构参数构建停车场车位线的方法具体如下 4a)构建起始车位线——从每一停车道中选择最接近停车位长度的车位线，以其与相应停车道中心线的交点为中心，沿平行于所述停车位方向双向延伸，使其长度等于所述停车位长度，得到起始车位线； 4b)生成车位线——以起始车位线为起点，沿着平行于停车道方向以停车位宽度为间隔双向生长，生长的过程中，如果生长的车位线与最近邻车位线距离在O. 3m之内，则沿停车道方向平行移动生长的车位线，使其与提取的车位线重合度最高；以生长的车位线为参照，继续向两侧生长，直到停车场边缘。
4c)生成停车道分割线——对每一停车道，在其停车位方向一侧，连接各车位线的端点，形成停车道分割线，完成停车场结构的提取。
全文摘要
一种主方向约束下的停车场结构提取方法，步骤包括针对航空正射影像，使用Edison算法和Hough变换进行初始线段检测，获取车位线主方向；根据获取的主方向，使用主方向约束下的线段提取方法，检测出准确车位线；根据车位线角度对车位线进行编组筛选，并使用最大相交方向方法划分停车道；利用提取的车位线和划分的停车道，计算停车场的结构参数；依据停车场结构参数重新构建停车场的准确车位线，并生成停车道的分割线，完成停车场结构的自动提取。本发明利用初始线段检测获取车位线的主方向，以此作为约束进行车位线提取，提取的车位线正确性、完整性和定位精度都较高，能够更好地为停车场结构的提取提供依据。本发明以单景航空正射影像为数据进行停车场结构提取，数据获取容易，价格适宜。
文档编号G06K9/46GK102968634SQ201210482430
公开日2013年3月13日 申请日期2012年11月23日 优先权日2012年11月23日
发明者童礼华, 程亮, 李满春, 张雯, 王亚飞, 王结臣, 潘航, 马磊, 陈焱明, 钟礼山 申请人:南京大学