基于图像的直线检测方法、装置以及电子设备.pdf

《基于图像的直线检测方法、装置以及电子设备.pdf》由会员分享，可在线阅读，更多相关《基于图像的直线检测方法、装置以及电子设备.pdf（16页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911252848.2 (22)申请日 2019.12.09 (71)申请人 OPPO广东移动通信有限公司 地址 523860 广东省东莞市长安镇乌沙海 滨路18号 (72)发明人 李胜利 (74)专利代理机构 北京清亦华知识产权代理事 务所(普通合伙) 11201 代理人 石茵汀 (51)Int.Cl. G06T 7/13(2017.01) G06T 7/136(2017.01) G06T 5/20(2006.01) (54)发明名称 基于图像的直线检测方法、 装置以及电。

2、子设 备 (57)摘要 本申请提出一种基于图像的直线检测方法、 装置以及电子设备， 其中， 方法包括： 通过获取检 测图像， 从检测图像的各像素点中， 确定多个边 缘点， 对多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直线段是对梯度方向相似的边 缘点拟合得到的， 对多条初始直线段合并， 得到 检测图像中的目标直线线段。 该方法通过对检测 图像中各像素点中确定的多个边缘点进行拟合， 得到多条初始直线段， 进而对多条初始直线段进 行合并得到检测图像中的目标直线段， 由于不需 要对图像中各像素点进行重复处理， 因此能够快 速的检测出图像中的直线段， 从而提高了图像中 的直线检测速度。 。

3、权利要求书2页 说明书11页 附图2页 CN 111047615 A 2020.04.21 CN 111047615 A 1.一种基于图像的直线检测方法， 其特征在于， 所述方法包括： 获取检测图像； 从所述检测图像的各像素点中， 确定多个边缘点； 对所述多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直线段是对梯度方向 相似的边缘点拟合得到的； 对所述多条初始直线段合并， 得到所述检测图像中的目标直线线段。 2.根据权利要求1所述的直线检测方法， 其特征在于， 所述对所述多个边缘点拟合， 得 到多条初始直线段， 包括： 根据所述多个边缘点中梯度方向相似的边缘点， 确定多个集合； 其。

4、中， 同一集合中的边 缘点梯度方向相似； 对每一个集合， 对相应集合中的边缘点拟合， 得到一条初始直线段。 3.根据权利要求2所述的直线检测方法， 其特征在于， 所述根据所述多个边缘点中梯度 方向相似的边缘点， 确定多个集合， 包括： 从未添加到任一集合的边缘点中确定初始的参考点； 查询与所述参考点之间梯度方向差值小于角度阈值， 且与所述参考点相邻的边缘点； 将查询到的边缘点和所述参考点添加至同一集合中； 若所述同一集合中各边缘点的梯度方向离散程度小于或等于设定离散程度， 则将所述 查询到的边缘点作为更新的参考点， 以重复执行查询与所述参考点之间梯度方向差值小于 角度阈值， 且与所述参考点相邻。

5、的边缘点， 将查询到的边缘点和所述参考点添加至相应集 合中的步骤， 直至相应集合中各边缘点的梯度方向离散程度大于所述设定离散程度。 4.根据权利要求3所述的直线检测方法， 其特征在于， 所述从未添加到任一集合的边缘 点中确定初始的参考点， 包括： 在未添加到任一集合的边缘点中， 将梯度值最大的边缘点作为所述初始的参考点。 5.根据权利要求1所述的直线检测方法， 其特征在于， 所述对所述多条初始直线段合 并， 得到所述检测图像中的目标直线线段， 包括： 从所述多条初始直线段中， 确定初始的参考线段； 在与所述参考线段延伸方向一致的初始线段中， 确定与所述参考线段之间的距离小于 距离阈值的邻近线段。

6、； 将所述邻近线段与所述参考线段合并， 以得到所述目标直线段。 6.根据权利要求5所述的直线检测方法， 其特征在于， 所述将所述邻近线段与所述参考 线段合并， 以得到所述目标直线段， 包括： 对拟合形成所述邻近线段的各边缘点， 以及拟合形成所述参考线段的各边缘点再次拟 合； 若再次拟合的误差满足误差阈值， 则将再次拟合得到的直线段作为更新的参考线段， 重复执行从与所述参考线段延伸方向一致的初始线段中， 确定与所述参考线段之间的距离 小于距离阈值的邻近线段， 将所述邻近线段与所述参考线段合并的步骤； 若再次拟合的误差不满足所述误差阈值， 将再次拟合得到的直线段作为所述目标直线 段。 7.根据权利。

7、要求5所述的直线检测方法， 其特征在于， 所述从多条初始直线段中， 确定 权利要求书 1/2 页 2 CN 111047615 A 2 初始的参考线段， 包括： 将所述多条初始直线段中长度最长的初始直线段作为所述初始的参考线段。 8.根据权利要求5所述的直线检测方法， 其特征在于， 所述将所述邻近线段与所述参考 线段合并之前， 还包括： 对拟合得到所述邻近线段的各边缘点， 获取梯度值的离散程度和/或梯度方向的离散 程度； 确定所述梯度值的离散程度和/或所述梯度方向的离散程度小于相应设定阈值。 9.根据权利要求1-8任一项所述的直线检测方法， 其特征在于， 所述从所述检测图像的 各像素点中， 确。

8、定多个边缘点， 包括： 根据所述检测图像中各像素点的梯度值和相邻像素点的像素值， 从各像素点中确定多 个边缘点。 10.根据权利要求9所述的直线检测方法， 其特征在于， 所述根据所述检测图像中各像 素点的梯度值和相邻像素点的像素值， 从各像素点中确定多个边缘点， 包括： 针对每一个像素点， 若梯度值大于第一阈值， 则查询在梯度方向上与相应像素点相邻 的第一相邻像素点； 若相应像素点与所述第一相邻像素点的像素值之差大于第二阈值， 则确定相应像素点 为所述边缘点。 11.根据权利要求1-8任一项所述的直线检测方法， 其特征在于， 所述从所述检测图像 的各像素点中， 确定多个边缘点之后， 还包括： 。

9、针对每一个边缘点， 查询在梯度方向上与相应边缘点相邻的第二相邻像素点； 若相应边缘点与所述第二相邻像素点的梯度值之差大于第三阈值， 则保留相应的边缘 点； 若相应边缘点与所述第二相邻像素点的梯度值之差小于或等于所述第三阈值， 则筛选 掉相应的边缘点。 12.一种基于图像的直线检测装置， 其特征在于， 所述装置包括： 获取模块， 用于获取检测图像； 确定模块， 用于从所述检测图像的各像素点中， 确定多个边缘点； 拟合模块， 用于对所述多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直线 段是对梯度方向相似的边缘点拟合得到的； 合并模块， 用于对所述多条初始直线段合并， 得到所述检测图像。

10、中的目标直线线段。 13.一种电子设备， 其特征在于， 包括存储器、 处理器及存储在存储器上并可在处理器 上运行的计算机程序， 所述处理器执行所述程序时， 实现如权利要求1-11中任一所述的直 线检测方法。 14.一种非临时性计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序 被处理器执行时实现如权利要求1-11中任一所述的直线检测方法。 权利要求书 2/2 页 3 CN 111047615 A 3 基于图像的直线检测方法、 装置以及电子设备 技术领域 0001 本申请涉及图像处理技术领域， 尤其涉及一种基于图像的直线检测方法、 装置以 及电子设备。 背景技术 0002 直线段。

11、是计算机视觉中应用较为广泛的一种图像特征， 在立体视觉、 机器人导航、 自动驾驶中， 直线检测中可以提供现实场景中的建筑物直线边缘、 车道线、 物体直线边缘 等， 有非常广泛的应用。 现有的直线检测方法主要有两种： 一种是对图像进行处理获取显著 边界点的集合， 然后在点的集合中进行拟合找到直线段， 如霍夫变换(Hough Transform)； 另一种是对图像处理获取图像的边缘段集合， 然后在边缘段集合中找到是直线段的边缘 段， 如直线段检测算法(Line Segment Detector， 简称LSD)。 0003 但是， 现有的直线检测方法存在处理时间长， 不适合在终端设备等需要实时处理 。

12、的场景使用。 发明内容 0004 本申请旨在至少在一定程度上解决相关技术中的技术问题之一。 0005 本申请第一方面实施例提出了一种基于图像的直线检测方法， 包括： 0006 获取检测图像； 0007 从所述检测图像的各像素点中， 确定多个边缘点； 0008 对所述多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直线段是对梯度 方向相似的边缘点拟合得到的； 0009 对所述多条初始直线段合并， 得到所述检测图像中的目标直线线段。 0010 作为本申请实施例的第一种可能的实现方式， 所述对所述多个边缘点拟合， 得到 多条初始直线段， 包括： 0011 根据所述多个边缘点中梯度方向相似的。

13、边缘点， 确定多个集合； 其中， 同一集合中 的边缘点梯度方向相似； 0012 对每一个集合， 对相应集合中的边缘点拟合， 得到一条初始直线段。 0013 作为本申请实施例的第二种可能的实现方式， 所述根据所述多个边缘点中梯度方 向相似的边缘点， 确定多个集合， 包括： 0014 从未添加到任一集合的边缘点中确定初始的参考点； 0015 查询与所述参考点之间梯度方向差值小于角度阈值， 且与所述参考点相邻的边缘 点； 0016 将查询到的边缘点和所述参考点添加至同一集合中； 0017 若所述同一集合中各边缘点的梯度方向离散程度小于或等于设定离散程度， 则将 所述查询到的边缘点作为更新的参考点， 。

14、以重复执行查询与所述参考点之间梯度方向差值 小于角度阈值， 且与所述参考点相邻的边缘点， 将查询到的边缘点和所述参考点添加至相 说明书 1/11 页 4 CN 111047615 A 4 应集合中的步骤， 直至相应集合中各边缘点的梯度方向离散程度大于所述设定离散程度。 0018 作为本申请实施例的第三种可能的实现方式， 所述从未添加到任一集合的边缘点 中确定初始的参考点， 包括： 0019 在未添加到任一集合的边缘点中， 将梯度值最大的边缘点作为所述初始的参考 点。 0020 作为本申请实施例的第四种可能的实现方式， 所述对所述多条初始直线段合并， 得到所述检测图像中的目标直线线段， 包括： 。

15、0021 从所述多条初始直线段中， 确定初始的参考线段； 0022 在与所述参考线段延伸方向一致的初始线段中， 确定与所述参考线段之间的距离 小于距离阈值的邻近线段； 0023 将所述邻近线段与所述参考线段合并， 以得到所述目标直线段。 0024 作为本申请实施例的第五种可能的实现方式， 所述将所述邻近线段与所述参考线 段合并， 以得到所述目标直线段， 包括： 0025 对拟合形成所述邻近线段的各边缘点， 以及拟合形成所述参考线段的各边缘点再 次拟合； 0026 若再次拟合的误差满足误差阈值， 则将再次拟合得到的直线段作为更新的参考线 段， 重复执行从与所述参考线段延伸方向一致的初始线段中， 。

16、确定与所述参考线段之间的 距离小于距离阈值的邻近线段， 将所述邻近线段与所述参考线段合并的步骤； 0027 若再次拟合的误差不满足所述误差阈值， 将再次拟合得到的直线段作为所述目标 直线段。 0028 作为本申请实施例的第六种可能的实现方式， 所述从多条初始直线段中， 确定初 始的参考线段， 包括： 0029 将所述多条初始直线段中长度最长的初始直线段作为所述初始的参考线段。 0030 作为本申请实施例的第七种可能的实现方式， 所述将所述邻近线段与所述参考线 段合并之前， 还包括： 0031 对拟合得到所述邻近线段的各边缘点， 获取梯度值的离散程度和/或梯度角的离 散程度； 0032 确定所述。

17、梯度值的离散程度和/或所述梯度方向的离散程度小于相应设定阈值。 0033 作为本申请实施例的第八种可能的实现方式， 所述从所述检测图像的各像素点 中， 确定多个边缘点， 包括： 0034 根据所述检测图像中各像素点的梯度值和相邻像素点的像素值， 从各像素点中确 定多个边缘点。 0035 作为本申请实施例的第九种可能的实现方式， 所述根据所述检测图像中各像素点 的梯度值和相邻像素点的像素值， 从各像素点中确定多个边缘点， 包括： 0036 针对每一个像素点， 若梯度值大于第一阈值， 则查询在梯度方向上与相应像素点 相邻的第一相邻像素点； 0037 若相应像素点与所述第一相邻像素点的像素值之差大于。

18、第二阈值， 则确定相应像 素点为所述边缘点。 0038 作为本申请实施例的第十种可能的实现方式， 所述从所述检测图像的各像素点 说明书 2/11 页 5 CN 111047615 A 5 中， 确定多个边缘点之后， 还包括： 0039 针对每一个边缘点， 查询在梯度方向上与相应边缘点相邻的第二相邻像素点； 0040 若相应边缘点与所述第二相邻像素点的梯度值之差大于第三阈值， 则保留相应的 边缘点； 0041 若相应边缘点与所述第二相邻像素点的梯度值之差小于或等于所述第三阈值， 则 筛选掉相应的边缘点。 0042 本申请实施例的基于图像的直线检测方法， 通过获取检测图像， 从检测图像的各 像素点。

19、中， 确定多个边缘点， 对多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直 线段是对梯度方向相似的边缘点拟合得到的， 对多条初始直线段合并， 得到检测图像中的 目标直线线段。 该方法通过对检测图像中各像素点中确定的多个边缘点进行拟合， 得到多 条初始直线段， 进而对多条初始直线段进行合并得到检测图像中的目标直线段， 由于不需 要对图像中各像素点进行重复处理， 因此能够快速的检测出图像中的直线段， 从而提高了 图像中的直线检测速度。 0043 本申请第二方面实施例提出了一种基于图像的直线检测装置， 包括： 0044 获取模块， 用于获取检测图像； 0045 确定模块， 用于从所述检测。

20、图像的各像素点中， 确定多个边缘点； 0046 拟合模块， 用于对所述多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始 直线段是对梯度方向相似的边缘点拟合得到的； 0047 合并模块， 用于对所述多条初始直线段合并， 得到所述检测图像中的目标直线线 段。 0048 本申请实施例的基于图像的直线检测装置， 通过获取检测图像， 从检测图像的各 像素点中， 确定多个边缘点， 对多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直 线段是对梯度方向相似的边缘点拟合得到的， 对多条初始直线段合并， 得到检测图像中的 目标直线线段。 该方法通过对检测图像中各像素点中确定的多个边缘点进行拟。

21、合， 得到多 条初始直线段， 进而对多条初始直线段进行合并得到检测图像中的目标直线段， 由于不需 要对图像中各像素点进行重复处理， 因此能够快速的检测出图像中的直线段， 从而提高了 图像中的直线检测速度。 0049 为达上述目的， 本申请第三方面实施例提出了一种电子设备， 包括存储器、 处理器 及存储在存储器上并可在处理器上运行的计算机程序， 所述处理器执行所述程序时， 实现 如上述实施例中所述的直线检测方法。 0050 为了实现上述目的， 本申请第四方面实施例提出了一种非临时性计算机可读存储 介质， 其上存储有计算机程序， 该程序被处理器执行时实现如上述实施例中所述的直线检 测方法。 005。

22、1 本申请附加的方面和优点将在下面的描述中部分给出， 部分将从下面的描述中变 得明显， 或通过本申请的实践了解到。 附图说明 0052 本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得 明显和容易理解， 其中： 说明书 3/11 页 6 CN 111047615 A 6 0053 图1为本申请实施例所提供的一种基于图像的直线检测方法的流程示意图； 0054 图2为本申请实施例所提供的一种基于图像的直线检测方法的示例图； 0055 图3为本申请实施例所提供的另一种基于图像的直线检测方法的示例图； 0056 图4为本申请实施例所提供的另一种基于图像的直线检测方法的流程示意图；。

23、 0057 图5为本申请实施例所提供的又一种基于图像的直线检测方法的流程示意图； 0058 图6为本申请实施例所提供的一种基于图像的直线检测装置的结构示意图。 具体实施方式 0059 下面详细描述本申请的实施例， 所述实施例的示例在附图中示出， 其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。 下面通过参考附 图描述的实施例是示例性的， 旨在用于解释本申请， 而不能理解为对本申请的限制。 0060 现有的直线段检测方法存在处理时间长， 而且对图像中噪声敏感的缺点， 不适合 在终端设备等需要实时处理且噪声较多的场景使用。 如Hough Transform是通过在已检。

24、测 出的点集合中， 基于统计学规律， 使用随机组合点集来找到直线峰值， 该检测方法对图像中 噪声造成的部分边界不连续有较强的鲁棒性， 但是由于对图像中随机点集进行计算时， 会 存在许多重复性的计算， 计算量非常大， 从而导致处理时间较长。 又如LSD是基于图像中像 素点的梯度大小与方向， 通过生长法获取图像中具有相同特性的区域， 进而细化得到直线 段特征， 但是图像噪声会影响像素点的梯度方向， 继而影响直线检测精度。 0061 针对上述技术问题， 本申请提出了一种基于图像的直线检测方法， 通过获取检测 图像， 从所述检测图像的各像素点中， 确定多个边缘点， 对多个边缘点拟合， 得到多条初始 直。

25、线段； 其中， 每一条初始直线段是对梯度方向相似的边缘点拟合得到的， 对多条初始直线 段合并， 得到检测图像中的目标直线线段。 0062 下面参考附图描述本申请实施例的基于图像的直线检测方法、 装置以及电子设 备。 0063 图1为本申请实施例所提供的一种基于图像的直线检测方法的流程示意图。 0064 本申请实施例以该基于图像的直线检测方法被配置于基于图像的直线检测装置 中来举例说明， 该基于图像的直线检测装置可以应用于任一计算机设备中， 以使该计算机 设备可以执行直线检测功能。 0065 其中， 计算机设备可以为个人电脑(Personal Computer， 简称PC)、 云端设备、 移动 。

26、设备等， 移动设备例如可以为手机、 平板电脑、 个人数字助理、 穿戴式设备、 车载设备等具有 各种操作系统的硬件设备。 0066 如图1所示， 该基于图像的直线检测方法包括以下步骤： 0067 步骤101， 获取检测图像。 0068 本申请实施例中， 检测图像为原始图像经过灰度化后的灰度图像， 其中， 原始图 像， 可以为电子设备的摄像装置响应于用户的拍摄操作拍摄得到的图像， 也可以为电子设 备的存储器中存储的图像， 也可以是从服务器端下载的图像， 等等， 在此不做限制。 0069 需要说明的是， 原始图像为彩色图像， 每一个像素是由红、 绿、 蓝三个分量来表示 的。 为了对原始图像进行处理，。

27、 通常将彩色的原始图像转换为计算机能够处理的灰度图像。 本申请中， 检测图像为经过处理后的灰度图像(亦称单色图像)， 每个像素的亮度用一个整 说明书 4/11 页 7 CN 111047615 A 7 数来表示， 通常数值范围在0到255之间， 0表示纯黑、 255表示纯白， 而其它表示灰色。 0070 本申请实施例中， 将原始图像转换为灰度图像的方法， 不限于平均法、 最大最小平 均法、 加权平均法、 二值图像法， 等等。 0071 步骤102， 从检测图像的各像素点中， 确定多个边缘点。 0072 本申请实施例中， 获取到检测图像后， 可以对检测图像进行边缘检测， 以从检测图 像的各像素点。

28、中确定多个边缘点。 边缘检测的算法主要是基于图像强度的一阶和二阶导 数， 但是导数通常对噪声很敏感， 因此首先要对检测图像进行滤波， 以去除检测图像中的噪 声。 其中， 常见的滤波方法有高斯滤波， 即采用离散化的高斯函数产生一组归一化的高斯 核， 然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。 对检测图像进行高斯滤 波时的高斯核半径可根据检测图像的尺寸调整， 例如， 高斯核半径可以设置为5。 0073 其中， 高斯滤波是一种线性平滑滤波， 适用于消除高斯噪声， 广泛应用于图像处理 的减噪过程。 高斯滤波通过高斯核对图像的逐个像素进行卷积， 从而得到每个像素的值。 在 卷积的过程中， 利。

29、用周围像素的值， 将距离作为权重计算卷积核中心位置的像素。 高斯滤波 的具体操作是： 用一个大小为2*N+1的模板(或称卷积、 掩模)扫描图像中的每一个像素， 用 模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 0074 由此， 通过对检测图像进行高斯滤波， 避免了图像的噪声影响各像素点的梯度方 向， 继而影响直线段检测精度的技术问题， 从而提高了直线段的检测精度。 0075 本申请实施例中的边缘检测方法， 包括但不限于canny边缘检测方法、 prewitt边 缘检测方法， 等等。 0076 本申请实施例中， 像素点的梯度值为各像素点与相邻像素点之间的灰度差值。 像 素点的梯。

30、度角用于指示像素点与相邻像素点之间的灰度变化率。 像素点的梯度方向为像素 点与相邻像素点之间的灰度变化率最大的方向。 0077 下面结合图2对像素点的梯度值、 梯度角以及梯度方向进行详细介绍。 0078 作为一种示例， 如图2所示， 可以通过Sobel算子具体解释检测图像中各像素点的 梯度值、 梯度角以及梯度方向。 其中， Sobel算子是像素图像边缘检测中最重要的算子之一， 在机器学习、 数字媒体、 计算机视觉等信息科技领域起着举足轻重的作用。 在技术上， 它是 一个离散的一阶差分算子， 用来计算图像亮度函数的一阶梯度之近似值。 在图像的任何一 点使用此算子， 将会产生该点对应的梯度矢量或是。

31、其法矢量。 0079 如图2所示， 对于像素点A， 用Sobel算子首先计算出Gx， Gy， 然后计算出梯度角 arctan(Gy/Gx)， 梯度方向即检测图像中灰度增大的方向。 如图2所示， 灰度值增加的方向梯 度角大， 像素点A的梯度方向为像素点A与其8邻域点的梯度角最大的方向。 0080 作为一种可能的实现方式， 可以根据检测图像中各像素点的梯度值和相邻像素点 的像素值， 从检测图像的各像素点中确定多个边缘点。 具体地， 针对检测图像的每一个像素 点， 将各像素点的梯度值和第一阈值进行比较， 在一种可能的情况下， 若某一像素点的梯度 值大于第一阈值， 则查询在梯度方向上与相应像素点相邻的。

32、第一相邻像素点； 若相应像素 点与第一相邻像素点的像素值之差大于第二阈值， 则确定相应像素点为边缘点。 0081 作为一种示例， 以第一相邻像素点为各像素点8邻域内的各像素点为例， 针对检测 图像中的每一个像素点， 若梯度值大于第一阈值， 则将相应像素点的梯度值与8邻域内像素 点点的梯度值进行差值计算， 若在其梯度方向上与8邻域内像素点的梯度值的差值均大于 说明书 5/11 页 8 CN 111047615 A 8 第二阈值， 则确定相应像素点为边缘点。 0082 需要说明的是， 从增强处理后的检测图像的各像素点中确定多个边缘点时， 可能 会将一些噪点确定为边缘点， 因此， 需要进一步的对各边。

33、缘点进行筛选， 以筛选掉图像中的 噪点， 从而有利于提高直线段检测的精确度。 0083 本申请实施例中， 从各像素点中确定多个边缘点之后， 针对每一个边缘点， 查询在 梯度方向上与相应边缘点相邻的第二相邻像素点， 若相应边缘点与第二相邻像素点的梯度 值之差大于第三阈值， 则保留相应的边缘点， 若相应边缘点与第二相邻像素点的梯度值之 差小于或等于第三阈值， 则筛选掉相应的边缘点。 由此， 通过对边缘点的筛选， 以筛选掉图 像中的噪点， 从而有利于提高直线检测方法的识别率。 0084 作为一种示例， 如图3所示， 根据图3左侧的检测图像中各像素点的梯度值和像素 值， 可以从各像素点中确定如图3右侧。

34、图像中的多个边缘点。 0085 步骤103， 对多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直线段是对 梯度方向相似的边缘点拟合得到的。 0086 本申请实施例中， 从检测图像的各像素点中确定出多个边缘点之后， 由于多个边 缘点为多个离散的点， 需要对多个边缘点进行拟合， 以得到多条初始直线段。 0087 需要说明的是， 每一条初始直线段可以是对梯度方向相似的边缘点拟合得到的。 具体地， 从检测图像的各像素点中确定多个边缘点后， 将多个边缘点中梯度方向相似的边 缘点， 确定为一个集合。 进而， 可以将多个边缘点划分为多个集合。 其中， 同一集合中的边缘 点梯度方向相似。 针对各个。

35、集合， 对相应集合中的边缘点拟合， 得到各初始直线段。 0088 步骤104， 对多条初始直线段合并， 得到检测图像中的目标直线线段。 0089 本申请实施例中， 由于图像中噪声的影响， 可能存在检测图像中边缘线段被切断， 导致图像边缘不连续。 因此， 需对多个边缘点拟合得到的多条初始直线段进行合并， 以得到 检测图像中的目标直线线段。 0090 本申请实施例的基于图像的直线检测方法， 通过获取检测图像， 从检测图像的各 像素点中确定多个边缘点， 对多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直 线段是对梯度方向相似的边缘点拟合得到的， 对多条初始直线段合并， 得到检测图像中的 。

36、目标直线线段。 该方法通过对检测图像中各像素点中确定的多个边缘点进行拟合， 得到多 条初始直线段， 进而对多条初始直线段进行合并得到检测图像中的目标直线段， 可以提高 对图像中噪声的鲁棒性； 由于不需要对图像中各像素点进行重复处理， 因此能够快速的检 测出图像中的直线段， 从而提高了图像中的直线检测速度。 0091 在上述实施例的基础上， 在上述步骤103中， 对多个边缘点拟合， 得到各初始直线 段时， 还可以首先根据多个边缘点中梯度方向相似的边缘点， 确定多个集合， 进而， 针对每 一个集合， 对相应集合中的边缘点拟合， 得到一条初始直线段。 下面结合图4对上述过程进 行详细介绍， 图4为本。

37、申请实施例提供的另一种基于图像的直线检测方法的流程示意图。 0092 如图4所示， 该基于图像的直线检测方法可以包括以下步骤： 0093 步骤201， 根据多个边缘点中梯度方向相似的边缘点， 确定多个集合； 其中， 同一集 合中的边缘点梯度方向相似。 0094 本申请实施例中， 从检测图像的各像素点中确定多个边缘点后， 将边缘点梯度方 向相似的边缘点， 划分到同一个集合中， 以得到多个集合。 说明书 6/11 页 9 CN 111047615 A 9 0095 作为一种可能的实现方式， 针对多个边缘点， 从未添加到任一集合的边缘点中确 定一边缘点为初始的参考点， 查询与参考点之间梯度方向差值小。

38、于角度阈值， 且与参考点 相邻的边缘点， 将查询到的边缘点和参考点添加至同一集合中。 0096 本申请实施例中， 从各像素点中确定多个边缘点后， 可以根据各边缘点的梯度值 大小对各边缘点进行排序， 在未添加到任一集合的边缘点中， 可以将梯度值最大的边缘点 作为初始的参考点。 与参考点相邻的边缘点， 可以为初始的参考点8邻域内的边缘点， 即参 考点的上、 下、 左、 右、 左上、 右上、 左下、 右下的8个点。 0097 例如， 可以计算参考点的梯度方向与8邻域内的各边缘点的梯度方向之间的差值， 假设参考点的上方和左上方的边缘点与参考点之间的梯度方向差值小于角度阈值， 此时， 可以将上方和左上方。

39、的边缘点与参考点一起添加至同一集合中。 0098 本申请实施例中， 若同一集合中各边缘点的梯度方向离散程度小于或等于设定离 散程度， 则将查询到的边缘点作为更新的参考点， 以重复执行查询与参考点之间梯度方向 差值小于角度阈值， 且与参考点相邻的边缘点， 将查询到的边缘点和参考点添加至相应集 合中的步骤， 直至相应集合中各边缘点的梯度角离散程度大于设定离散程度。 0099 步骤202， 对每一个集合， 对相应集合中的边缘点拟合， 得到一条初始直线段。 0100 本申请实施例中， 根据多个边缘点中梯度方向相似的边缘点， 确定多个集合后， 对 每一个集合中的多个边缘点进行拟合， 以得到一条初始直线段。

40、。 0101 本申请实施例中， 对每一个集合中的多个边缘点进行拟合， 就是把每一个集合中 的多个边缘点， 用一条直线段连接起来， 以得到一条初始直线段。 0102 本申请实施例的基于图像的直线检测方法， 通过根据多个边缘点中梯度方向相似 的边缘点， 确定多个集合； 其中， 同一集合中的边缘点梯度方向相似， 对每一个集合， 对相应 集合中的边缘点拟合， 得到一条初始直线段。 由此， 通过对每一个集合中的边缘点进行拟 合， 得到相应集合的初始直线段， 实现了对离散的边缘点进行结合的操作。 0103 在上述实施例的基础上， 在上述步骤104中， 对多条初始直线段合并， 得到检测图 像中的目标直线线段。

41、时， 还可以从多条初始直线段中， 确定初始的参考线段， 在与参考线段 延伸方向一致的初始线段中， 确定与参考线段之间的距离小于距离阈值的邻近线段， 进而， 将邻近线段与参考线段合并， 以得到目标直线段。 下面结合图5对上述过程进行详细介绍， 0104 图5为本申请实施例提供的又一种基于图像的直线检测方法的流程示意图。 0105 如图5所示， 上述步骤104， 还可以包括以下步骤： 0106 步骤301， 从多条初始直线段中， 确定初始的参考线段。 0107 本申请实施例中， 对每一个集合中的多个边缘点拟合， 得到多条初始直线段后， 可 以从多条初始直线段中， 确定初始的参考线段。 0108 作。

42、为一种可能的实现方式， 对每一个集合中的多个边缘点拟合， 得到多条初始直 线段后， 可以对各初始直线段进行长度检测， 以根据检测得到的各初始直线段的长度信息 对多条初始直线段进行排序， 以将多条初始直线段中长度最长的初始直线段作为初始的参 考线段。 0109 可以理解为， 对多条初始直线段合并的优先级与各初始直线段的长度呈正相关关 系， 也就说， 优先合并长度最长的初始直线段。 因此， 本申请中将多条初始直线段中长度最 长的初始直线段作为初始的参考线段。 说明书 7/11 页 10 CN 111047615 A 10 0110 举例来说， 假设根据多个边缘点中梯度方向相似的边缘点， 可以确定4。

43、个集合， 对 每一个集合中的多个边缘点进行拟合， 得到4条初始直线段， 对4条初始直线段进行长度检 测后， 可以将长度最长的初始直线， 作为初始的参考线段。 0111 步骤302， 在与参考线段延伸方向一致的初始线段中， 确定与参考线段之间的距离 小于距离阈值的邻近线段。 0112 本申请实施例中， 从多条初始直线段中， 确定初始的参考线段后， 再根据各条初始 直线段的延伸方向， 以得到与参考线段延伸方向一致的初始线段。 进一步的， 在与参考线段 延伸方向一致的初始线段中， 确定与参考线段之间的距离小于距离阈值的邻近线段。 0113 作为一种可能的实现方式， 可以在初始的参考线段的延伸方向上进。

44、行扫描， 得到 与初始的参考线段的延伸方向一致的且梯度大小和梯度方向满足阈值条件的初始线段。 进 一步的， 计算满足阈值条件的初始线段与初始的参考线段之间的距离以及方向夹角， 将与 参考线段之间的距离小于距离阈值并且满足夹角阈值范围的初始线段作为邻近线段。 0114 需要说明的是， 邻近的线段可以为多条， 可以将邻近线段作为一个线段集合。 0115 步骤303， 将邻近线段与参考线段合并， 以得到目标直线段。 0116 本申请实施例中， 确定初始参考线段， 以及与参考线段之间的距离小于距离阈值 的邻近线段之后， 将邻近线段与参考线段进行合并， 以得到目标直线段。 0117 作为一种可能的实现方。

45、式， 确定初始参考线段， 以及与参考线段之间的距离小于 距离阈值的邻近线段之后， 将邻近线段与参考线段进行拟合， 获取拟合得到的直线的平均 误差和最大误差， 将满足误差阈值的合并结果作为新的参考线段， 以对拟合形成邻近线段 的各边缘点， 以及拟合形成参考线段的各边缘点再次拟合， 进而判断再次拟合得到的直线 段是否满足误差阈值， 以确定是否将再次拟合得到的直线段作为目标直线段。 0118 需要说明的是， 在将邻近线段与参考线段合并之前， 对拟合得到邻近线段的各边 缘点， 获取梯度值的离散程度和/或梯度角的离散程度， 确定各边缘点梯度值的离散程度 和/或梯度方向的离散程度小于相应设定阈值时， 才可。

46、以进一步对拟合形成参考线段的各 边缘点再次拟合。 0119 作为一种可能的情况， 若再次拟合的误差满足误差阈值， 则将再次拟合得到的直 线段作为更新的参考线段， 重复执行从与参考线段延伸方向一致的初始线段中， 确定与参 考线段之间的距离小于距离阈值的邻近线段， 将邻近线段与参考线段合并的步骤。 直至多 次拟合的误差不满足误差阈值时， 将拟合得到的直线段作为目标直线段。 0120 作为另一种可能的情况， 若再次拟合的误差不满足误差阈值， 则直接将再次拟合 得到的直线段作为目标直线段。 0121 本申请实施例的基于图像的直线检测方法， 通过从多条初始直线段中， 确定初始 的参考线段， 在与参考线段。

47、延伸方向一致的初始线段中， 确定与参考线段之间的距离小于 距离阈值的邻近线段， 将邻近线段与参考线段合并， 以得到目标直线段。 该方法通过将参考 线段与邻近线段合并， 从而得到更加精确的目标直线段， 避免了由于图像的噪声导致检测 到的直线不连续的情况， 提高了直线检测的精度。 0122 为了实现上述实施例， 本申请还提出一种基于图像的直线检测装置。 0123 图6为本申请实施例提供的一种基于图像的直线检测装置的结构示意图。 0124 如图6所示， 该基于图像的直线检测装置600， 可以包括： 获取模块610、 确定模块 说明书 8/11 页 11 CN 111047615 A 11 620、 。

48、拟合模块630以及合并模块640。 0125 获取模块610， 用于获取检测图像。 0126 确定模块620， 用于从检测图像的各像素点中， 确定多个边缘点。 0127 拟合模块630， 用于对多个边缘点拟合， 得到多条初始直线段； 其中， 每一条初始直 线段是对梯度方向相似的边缘点拟合得到的。 0128 合并模块640， 用于对多条初始直线段合并， 得到检测图像中的目标直线线段。 0129 作为一种可能的情况， 拟合模块630， 还可以包括： 0130 确定单元， 用于根据多个边缘点中梯度方向相似的边缘点， 确定多个集合； 其中， 同一集合中的边缘点梯度方向相似， 0131 拟合单元， 用于。

49、对每一个集合， 对相应集合中的边缘点拟合， 得到一条初始直线 段。 0132 作为另一种可能的情况， 确定单元， 还可以用于： 0133 从未添加到任一集合的边缘点中确定初始的参考点； 0134 查询与参考点之间梯度方向差值小于角度阈值， 且与参考点相邻的边缘点； 0135 将查询到的边缘点和参考点添加至同一集合中； 0136 若同一集合中各边缘点的梯度方向离散程度小于或等于设定离散程度， 则将查询 到的边缘点作为更新的参考点， 以重复执行查询与参考点之间梯度方向差值小于角度阈 值， 且与参考点相邻的边缘点， 将查询到的边缘点和参考点添加至相应集合中的步骤， 直至 相应集合中各边缘点的梯度方向。

50、离散程度大于设定离散程度。 0137 作为另一种可能的情况， 确定单元， 还可以用于： 0138 在未添加到任一集合的边缘点中， 将梯度值最大的边缘点作为初始的参考点。 0139 作为另一种可能的情况， 合并模块640， 还可以用于： 0140 从多条初始直线段中， 确定初始的参考线段； 0141 在与参考线段延伸方向一致的初始线段中， 确定与参考线段之间的距离小于距离 阈值的邻近线段； 0142 将邻近线段与参考线段合并， 以得到目标直线段。 0143 作为另一种可能的情况， 合并模块640， 还可以用于： 0144 对拟合形成邻近线段的各边缘点， 以及拟合形成参考线段的各边缘点再次拟合； 。