消失点检测课件.ppt

1、 消失点方法概述 一种三维场景的消失点检测算法 图像中一般道路检测-消失点估计 基于霍夫变换的消失点检测 消失点概述空间一组平行直线，在图像平面上所成的像有且仅有一个交点，称为消失点。消失点不同于成像于平面上的其他特征点，它蕴含了直线的方向信息，对其分析可以得知大量场景三维结构和方向信息，在很大程度上简化对场景的描述和理解。所以，消失点估计在机器人导航、目标重建、相机定标等方面都有广泛的应用，是计算机视觉领域内的一个重要研究课题。常用消失点检测算法可分为3大类：第一是用空间变换技术，把图像上的信息变换到一个有限的空间上去，如高斯球变换、Hough变换；第二类是直接利用直线的信息，在图像平面上进

2、行消失点的检测，由于要对所有可能的直线交叉点进行计算，算法复杂度较高；第三类用统计估计的方法，根据图像上边缘特征点估计直线参数，由这些参数计算出消失点，或者利用消失点和边缘特征点构造代价函数，同时估计直线和消失点。一种三维场景的消失点检测一种三维场景的消失点检测在理想的情况下，真实场景中的一组平行线在图像中会投影到一组直线，这组直线有一个公共的焦点，这个交点可能在平面内，也可能在无限远处，这个点即为消失点，同一平面内，消失点的连线称作消失线。如图所示 三维场景的检测过程共分为三步1）线段检测：找到图像中存在的满足一定长度的线段；2）线段聚类：将图像分成16个扇区，然后将每个区域里的线段分成一组

3、，之后以这些线段的交点为中心作为候选消失点；3）消失点确定：定义每条线段对某个候选消失点投票值为如图所示，为线段中点与vp的连线和该线段的夹角，为鲁棒性阈值，一般取值为0.1。然后对候选消失点vp得到的投票做统计直方图，取三个最大峰值作为三个vp。根据所有线段所支持的vp，将其分到夹角r2(z)r36(z)(),在（z）方向上设置置信函数为 ，对该函数进行归一化处理，去掉Conf(z)值小于T（0.3）的像素值。002,2.1,0,1,2,3,4kk,I 22,()Re()Im()Izzz,()()RzAverage Iz 1()(z)=R()zrz5151(),()()1()Average

4、rzrzConfzrz2）区域自适应软投票对于图像的每个点V，定义一个V以下中心在V的半盘图像投票范围，半盘半径为0.35*r,r是图像对角线长度。综合投票点与候选消失点之间的距离和角度进行投票。引入比率d(P,V)等于图像对角线长度除于PV的距离，并令 为P点方向和纹理方向之间的角度。最后检测接受最大的投票得分的候补作为消失点 (),)PPVO 215(,),1(,)12(,)Vote P Vifd P Vd P V 基于基于Hough变换的消失点检测变换的消失点检测通过霍夫变换，图像空间中的一点可以变换为参数空间中一条曲线。如果所示，代表垂直距离，代表与x轴的夹角。=x cos+y sin

5、，这样就有X,Y=,。首先假设 图像中的（）转换到参数空间=x cos+y sin，综合以上公式可得 22=+xy-1=tanyx,vvx y此公式表示一个圆心为 半径是 的圆。通过Hough变换检测到圆即可得到消失点。但是检测圆比较复杂，我们可以在此进行变换，将检测圆转换为检测直线。令 则上述公式变为 。这个等式代表的是在S,T上的直线，这样检测圆就转换为检测直线。(,)22vvxy22+22vvxy111/=cos+sin,s=cos,t=sinvvkxy=+vvkx s y t Hough变换中检测直线方法是利用极坐标形式。将S,T转换为R,W的极坐标空间，如图所示 算法步骤1）从原始图像中提取边缘像素；2）对每个边缘点，变换值，求出对应的，如果交于（，）的曲线个数大于一定的阈值，则保留该组值；3）令 ，其中（1/1,）为2步中找到的峰值，求出S,T对应的极坐标参数r,w4）由 求出消失点11=cos,t=sins22tan=,y=1+tan w1+tanvvkkwxrrw