梁磊，林浩冬，楊泳，王雨，徐開(kāi)俊

（中國(guó)民用航空飛行學(xué)院，廣漢618300）

0 引言

小型無(wú)人駕駛飛行器作為低成本工具被應(yīng)用在各種場(chǎng)景中，例如交通監(jiān)控、邊境巡邏、搜索和救援以及監(jiān)視。近年來(lái)，隨著微型慣性傳感器和航空電子設(shè)備新技術(shù)的發(fā)展，提高了無(wú)人機(jī)的各項(xiàng)功能。隨著自動(dòng)化和無(wú)人駕駛系統(tǒng)的應(yīng)用不斷增長(zhǎng)，對(duì)精確性和魯棒性的制導(dǎo)和導(dǎo)航系統(tǒng)的需求也不斷增加。然而，在無(wú)人機(jī)自主著陸、障礙檢測(cè)等領(lǐng)域的限制仍然阻止許多應(yīng)用成為現(xiàn)實(shí)。由于激光雷達(dá)和微型雷達(dá)目前的局限性，微型相機(jī)的尺寸和低功耗限制使得計(jì)算機(jī)視覺(jué)成為小型無(wú)人機(jī)的合理選擇，并且具有成本低廉的優(yōu)點(diǎn)。計(jì)算機(jī)視覺(jué)系統(tǒng)旨在接管操作員的控制，起到了眼睛和大腦角色的作用。

在對(duì)于上述問(wèn)題的研究過(guò)程當(dāng)中，天空地面之間水平線的檢測(cè)對(duì)無(wú)人機(jī)障礙物檢測(cè)、自主著陸和導(dǎo)航系統(tǒng)都非常有利。對(duì)天地線檢測(cè)的研究可以分為兩大類(lèi)，一是使用機(jī)器學(xué)習(xí)對(duì)天空和非天空區(qū)域建模的方法。二是依賴于邊緣檢測(cè)的方法，在天地線的檢測(cè)方法上，機(jī)器學(xué)習(xí)方法，特別是深度學(xué)習(xí)[1]，已經(jīng)帶來(lái)了最先進(jìn)的性能。但是，在圖像包含未學(xué)習(xí)的特征或模式的情況下，達(dá)不到理想的效果。沃克曼等人[2]，采用深度卷積神經(jīng)網(wǎng)絡(luò)計(jì)算天地線。它采用實(shí)時(shí)特征推理的替代概率方法，在存在不規(guī)則特征的情況下有較高的魯棒性，但是顯著增加了執(zhí)行時(shí)間。在文獻(xiàn)[3]中，Orei?fej等人基于多個(gè)候選水平線的最大后驗(yàn)估計(jì)來(lái)檢測(cè)天地線。對(duì)于第二類(lèi)檢測(cè)天地線的方法中，圖像處理方法如霍夫變換已經(jīng)被廣泛使用。文獻(xiàn)[4]中的作者是第一批提出基于魯棒邊緣檢測(cè)的方案來(lái)識(shí)別天地線的人。通過(guò)HT計(jì)算，提取突出的線，最強(qiáng)的線被聲明為天地線。在文獻(xiàn)[5]中，Ettinger等人通過(guò)評(píng)估鳥(niǎo)的飛行說(shuō)明了基于視覺(jué)的方法在地平線檢測(cè)中的效率。為了探測(cè)地平線，他們通過(guò)計(jì)算三個(gè)顏色通道中圖像的協(xié)方差來(lái)關(guān)注地面和天空之間的變化。Lie等人[6]計(jì)算圖像邊緣圖，該圖像邊緣圖隨后被轉(zhuǎn)換成多階段圖，然后利用動(dòng)態(tài)規(guī)劃將天地線檢測(cè)為圖中的最短路徑。

還有一些研究集中在基于各種描述符（例如紋理、顏色、SIFT和梯度直方圖）提取天空和非天空?qǐng)D像區(qū)域之間的邊界。McGee等人在文獻(xiàn)[7]中對(duì)小型無(wú)人機(jī)使用SVM平臺(tái)進(jìn)行天空分割。圖像中的像素根據(jù)其在YCrCb顏色空間中的顏色被分類(lèi)為天空/地面組。對(duì)分割后的圖像應(yīng)用霍夫變換，他們找到了地平線的幾個(gè)候選對(duì)象。水平線被定義為成本函數(shù)的最小值。在另一種方法中，Bao等人[8]利用方向投影進(jìn)行魯棒的層位檢測(cè)。他們的方法也適用于在惡劣條件下拍攝的圖像。在實(shí)時(shí)應(yīng)用的情況下，算法優(yōu)化被用于減少計(jì)算時(shí)間。他們也用他們的結(jié)果來(lái)計(jì)算小型無(wú)人機(jī)的導(dǎo)航參數(shù)。袁等人[9]提出了一種檢測(cè)霧天圖像中地平線的方法。在他們的方法中，暗通道空間中的能量函數(shù)被用于探測(cè)地平線。結(jié)果表明了該方法在霧天條件下的有效性。在文獻(xiàn)[10]中，圖多洛維奇等人利用顏色和紋理特征來(lái)模擬圖像中的天空和地面部分。然后使用這些先驗(yàn)?zāi)Ｐ蛠?lái)訓(xùn)練檢測(cè)系統(tǒng)。為了表示紋理和顏色信息，使用了復(fù)小波變換以及色調(diào)和強(qiáng)度。最后使用隱馬爾可夫模型樹(shù)（HMT）進(jìn)行建模。

本文研究了天地線的檢測(cè)問(wèn)題，提出了一種新的方法，在觀察天地線的圖像中，天空和非天空區(qū)域有明顯的顏色紋理差別，采用快速天空顏色分割將圖像分為天空組和非天空組，對(duì)分割后的圖像應(yīng)用邊緣檢測(cè)和HT計(jì)算來(lái)進(jìn)行直線的識(shí)別。

1 天空分割

在天地線的圖像中包含了很多噪聲且像素強(qiáng)度變化劇烈，以及包括許多虛假和無(wú)效線段的影響，為了檢測(cè)圖像中精確天地線的位置，需要先將圖像進(jìn)行快速分割。HSV相比于RGB顏色模型更為直觀，應(yīng)用也相對(duì)較為廣泛，模型參數(shù)主要是：色調(diào)（H，Hue）、飽和度（S，Saturation）、明度（V，Value）。HSV模型處理的原理是，H表示的色調(diào)基本上可以確定顏色，結(jié)合飽和度和亮度信息判斷大于某一個(gè)閾值。而RGB由三個(gè)分量構(gòu)成，需要判斷每種分量的貢獻(xiàn)比例。在對(duì)圖像進(jìn)行快速天空分割時(shí)，首先轉(zhuǎn)換成HSV顏色空間，RGB轉(zhuǎn)換為HSV顏色模型的公式為：

色調(diào)H計(jì)算公式如下:

飽和度S計(jì)算公式如下：

明度V計(jì)算公式如下：

在對(duì)于圖像預(yù)處理方面，還要進(jìn)行相應(yīng)的形態(tài)學(xué)閉運(yùn)算平滑圖像，使圖像比原始圖像更加平滑，在對(duì)于天空分割方面，天空和地面具有明顯的顏色分界，雖然圖像中的顏色或亮度信息可能看起來(lái)很簡(jiǎn)單，但事實(shí)上，它們非常有價(jià)值，而且數(shù)據(jù)豐富。只需確定基本色調(diào)，再調(diào)節(jié)飽和度和明度的閾值，便可準(zhǔn)確對(duì)天空和非天空區(qū)域分割。這是對(duì)于后續(xù)邊緣檢測(cè)和霍夫變換所進(jìn)行的預(yù)處理工作，圖1顯示了在所示的三幅圖像上執(zhí)行天空分割算法的輸出。

圖1 經(jīng)過(guò)天空分割算法后的輸出

實(shí)例表明，該方法對(duì)于不同的天空顏色類(lèi)型執(zhí)行起來(lái)都很穩(wěn)健，并且最終結(jié)果清楚地表明，天空區(qū)域被魯棒地提取，并且該方法所需運(yùn)算量較少，計(jì)算速度較快。

2 天地線識(shí)別

2.1 Canny算子邊緣檢測(cè)

目前，有許多種算法被用于邊緣檢測(cè)，但各種算法仍存在一定的局限性：Roberts算子僅適用于邊緣陡峭、噪聲低的圖像；使用Sobel算子時(shí)，會(huì)出現(xiàn)邊緣定位精度不夠高的情況；使用Prewitt算子易出現(xiàn)偽邊緣的情況；數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)會(huì)出現(xiàn)平滑邊緣、減弱圖像方向敏感性的問(wèn)題。而Canny算子由于其在抑制噪聲和檢測(cè)邊緣之間能夠取得較好的平衡，因而被廣泛應(yīng)用。為了提高后續(xù)霍夫變換的準(zhǔn)確性，決定采用Canny算子對(duì)分割圖像進(jìn)行邊緣檢測(cè)。

“Canny邊緣檢測(cè)算法”是邊緣檢測(cè)算法中的最優(yōu)算法之一。Canny邊緣檢測(cè)的三個(gè)主要標(biāo)準(zhǔn)如下：

（1）錯(cuò)誤率低：重要的是圖像中出現(xiàn)的邊緣不應(yīng)被遺漏，對(duì)于非邊緣不應(yīng)有響應(yīng)。

（2）良好定位：檢測(cè)器發(fā)現(xiàn)的邊緣像素和實(shí)際邊緣之間的距離最小。

（3）單一響應(yīng)：對(duì)單一邊有一個(gè)響應(yīng)。

算法主要有五個(gè)步驟。它們是:

第一步：計(jì)算圖像中每個(gè)像素的水平（Gx）和垂直（Gy）梯度。

第二步：利用上述信息計(jì)算圖像中每個(gè)像素的大小和方向。

第三步：在這一步中，所有的非最大值都被設(shè)置為零，即抑制非最大值，因此這一步被稱為非最大抑制。

第四步:使用圖像梯度大小的直方圖來(lái)測(cè)量高閾值和低閾值。

第五步：為了獲得合適的邊緣圖，使用滯后閾值。如果像素的值高于高閾值，則將其視為邊緣。如果像素值小于低閾值，則視為非邊緣。如果像素值介于高閾值和低閾值之間，則它是弱邊緣。因此，為了檢測(cè)圖像中的邊緣，它將兩個(gè)閾值視為高和低。然后，最后應(yīng)用滯后閾值，這可以決定檢測(cè)到的弱邊緣是被考慮還是留下。該算子邊緣檢測(cè)的流程如圖2所示。

圖2 Canny邊緣檢測(cè)流程圖

對(duì)分割后的圖像分別采用Canny邊緣檢測(cè)，圖3為檢測(cè)結(jié)果。

從三幅圖像的邊緣檢測(cè)效果來(lái)看，本文所使用的Canny算法表現(xiàn)較好，邊緣檢測(cè)質(zhì)量也較為理想，能基本識(shí)別確定天地線所在位置。

2.2 霍夫變換

通過(guò)邊緣檢測(cè)找到天空和非天空區(qū)域的之間的邊界，然后在邊界圖像上使用霍夫變換，用OpenCV來(lái)實(shí)現(xiàn)天地線最終檢測(cè)。這種方法的原理是一條線可以由以下等式來(lái)表示：

其中（x,y）是直線上各點(diǎn)的坐標(biāo)，θ是直線的旋轉(zhuǎn)，ρ是直線到原點(diǎn)的垂直距離。因此，（x,y）空間中的每一條線都可以用（ρ,θ）空間中的一個(gè)點(diǎn)來(lái)表示。相反，（x,y）空間中的每個(gè)點(diǎn)代表（ρ,θ）空間中的一條曲線，它對(duì)應(yīng)于穿過(guò)該點(diǎn)的所有可能的線。因此，對(duì)于（x,y）空間中的每個(gè)點(diǎn)，在離散化（ρ,θ）空間的每個(gè)倉(cāng)中放置一個(gè)投票，該空間對(duì)應(yīng)于穿過(guò)該點(diǎn)的所有可能的線。（ρ,θ）空間中獲得大量投票的箱對(duì)應(yīng)于可能的線。

圖3 Canny邊緣檢測(cè)結(jié)果

圖4 霍夫變換直線檢測(cè)結(jié)果

霍夫變換直線檢測(cè)結(jié)果如圖4。

實(shí)例表明，該方法在不同場(chǎng)景下均有著較好的體現(xiàn)，在識(shí)別處于水平的天地線時(shí)，都可以被魯棒的提取，此外在三幅圖像中，除了主水平線之外，還存在著其他邊緣和顏色變化，但本方法對(duì)于主水平線有著較好的識(shí)別，在后續(xù)天地線處理時(shí)，完全可將最長(zhǎng)水平直線默認(rèn)為候選天地線。

3 結(jié)語(yǔ)

本文提出了一種基于天空分割的天地線識(shí)別算法，通過(guò)將圖像分為天空區(qū)域和非天空區(qū)域來(lái)進(jìn)行天地線的識(shí)別。該算法在航拍圖片上進(jìn)行了測(cè)試。該算法的缺點(diǎn)是該算法基于天空顏色來(lái)進(jìn)行分割，地面出現(xiàn)有顏色與天空顏色相近的水平直線時(shí)，易產(chǎn)生干擾，出現(xiàn)誤判斷，導(dǎo)致生成多條水平直線的情況。雖然這一缺點(diǎn)使天空分割進(jìn)行天地線的識(shí)別無(wú)法成為一種通用的天地線識(shí)別算法，但在有些地方，例如無(wú)人機(jī)在機(jī)場(chǎng)跑道實(shí)施進(jìn)近時(shí)，機(jī)場(chǎng)跑道周?chē)h(huán)境并沒(méi)有很大的顏色差異，通過(guò)此算法可以來(lái)進(jìn)行天地線的檢測(cè)，從而來(lái)進(jìn)行姿態(tài)和障礙物的判斷，來(lái)達(dá)到準(zhǔn)確和安全著陸的目的。