跨界 · 融合 · 服務 · 創新
最后，關于地圖構建，目前的地圖表示方法分為三類：柵格地圖、幾何地圖和拓撲地圖[30]。其中，拓撲地圖將環境表示為一張拓撲意義的圖，圖中的節點對應環境中的拐點或交叉點，弧表示不同節點之間的通道，適合于表示大規模環境。為完成拓撲地圖的構建，需要對道路分割后的大范圍場景進行骨架提取。一類方法是通過對所有道路線段求交來建立道路拓撲，但是在確定道路是否相交時難以選擇閾值。與此不同，用骨架表示目標圖像的連接拓撲和邊界信息，在機器人領域有著廣泛的應用。圖像骨架提取，即提取目標在圖像上的中心像素輪廓，以目標中心為準，對目標進行細化，細化后的目標為單像素寬度。中軸線是一個典型的骨架模型，其具有簡單、完整等優點。在此基礎上，研究人員提出了一系列基于細化的骨架提取算法，其大致可分為迭代和非迭代兩大類。在迭代算法中，又分為并行迭代和順序迭代兩種。Saeed 等[31]提出的K3M 算法則是順序迭代中應用廣泛的方法之一，該類算法的思想是，假定從二值圖像中物體的邊界處同時開始燃燒，物體就會被逐步細化，但在燃燒過程中要保證滿足一定條件的點被保留或者被“燒掉”，以確定燃燒結束后，剩下最后一個像素寬度的圖像為圖像的骨架。該方法存在像素冗余問題，得到的骨架出現分叉、不平滑現象。并行迭代以Zhang并行快速細化算法最為經典，該算法多應用于文字骨架的提取，在連接性和輪廓噪聲抗擾度方面效果較好。本文使用骨架提取的方法進行拓撲化，將Zhang 并行快速細化算法應用于拓撲地圖的構建。
為了實現室外大范圍拓撲地圖構建，本文提出了基于道路識別、圖像拼接、骨架提取集成的拓撲地圖構建框架。具體而言，先由圖像拼接實現大范圍場景獲取，然后通過道路識別和骨架提取實現拓撲地圖構建。由于所提策略先分割后拼接，實現了方法的實時性。此外，設計了基于GPU加速的ORB 圖像拼接算法，提高了拼接效率。
2 大范圍拓撲地圖構建方案
2.1 整體方案設計
本文的整體設計方案可分為三部分：道路分割、圖像拼接、拓撲構建，采用邊分割邊拼接、先分割后拼接的方案，前者可減少同時參與拼接的圖像數目，增加拼接準確性，后者可減少拼接時特征點檢測與匹配的計算量，增加拼接速度，流程圖如圖1 所示。
圖1 整體方案流程圖
Fig.1 Flow chart of the general scheme
2.2 基于深度學習的航拍圖像道路分割
2.3 基于ORB 算法的圖像拼接
2.4 基于骨架提取的拓撲地圖構建
3 實驗結果及分析
4 結 論
本文針對空地協作領域無人機室外道路觀測問題，提出了由道路分割、圖像拼接、骨架提取組成的基于視覺的無人機大范圍室外道路拓撲地圖的構建方法。首先，成功地將基于D-LinkNet的航拍圖像道路分割和Zhang 并行快速細化算法 用于室外大范圍拓撲地圖構建問題；其次，提出先分割后拼接的方案，大大減少了圖像拼接計算量，設計了基于GPU 加速的ORB 拼接算法，提高了拼接效率；最后，在INRIA aerial image 數據集上成功驗證了該方法的準確性和實時性。
參考文獻（略）
來源丨《無人系統技術》2021年第4期
