路面积水积冰检测方法及装置 技术领域 本发明涉及光通信领域， 具体而言， 涉及一种路面积水积冰检测方法及装置。 背景技术 相关技术的路况监测仪主要是利用红外线或微 波在干燥路面、 冰雪路面的吸收率 不同的原理进行路面状态检测， 采用这种检测方式存在以下特点： 取样空间受限、 价 格昂贵、 不能沿路段大范围布设以及难以反映整条路段 的真实状况。 目前， Hiroshi FUKUI Junichi TAKAGI等人提出使用图像处理的方法 （参见： Hiroshi Fukui, Junichi Takagi, Yoshiro Murata and MasashiTakeuchi . An Image Processing Method To Detect RoadSurface Condition Using Optical Spatial Frequency [J]. lEEEConference on Intelligent Transportation System, 1997: 1005 - 1009. )来检测路面状态， 该检测方法是利用监测图 像的最大全宽和空间频率分布区分不同的路面 状况。 但是， 这种方法需要人工光源作 为辅助， 只能在夜间使用， 且光源和 CCD摄像机位置固定， 导致探测范围小， 难以推 广使用。 目前， Yuukou Horita和 Keiji Shibata等人还提出一种使用光学系统将垂直偏� �图 像和水平偏振图像成像在摄像机的不同位置 （参见： Yuukou Horita, Keiji Shibata, Kei Maeda, Yuji Hayashi. Omni-directional Polarization Image Sensor Based on an Omni-directional Camera and a Polarization Filter [C]. Sixth IEEE International Conference on Advanced Video and Signal Based Surveillance, 2009:280-285. ), 但是， 该光学系统在 使用时需要特殊的光学设备 （例如， 该光学系统需要使用分光镜， 且对分光镜的要求 非常严格）， 而且成像范围和效果也不如人意， 难以应用在现有监控场景下； 如果使用 半透半反射片将光线分为均等的两部分，则需 要复杂的光学系统和双倍数量的摄像机， 也难于在大范围内普及使用。 由此可见， 相关技术中的路面积水积冰检测方法存在检测 范围小、 检测装置复杂 导致的高成本或者检测方法复杂的问题， 而针对以上的各个缺陷， 尚未提出一种完善 的技术方案。 发明内容 本发明实施例提供了一种路面积水积冰检测方 法及装置， 以至少解决上述问题之

根据本发明的一个实施例， 提供了一种路面积水积冰检测方法， 包括： 获取第一 摄像机通过水平偏振片对处于摄像范围的路面 拍摄到的第一路面图像画面； 获取第二 摄像机通过垂直偏振片对处于摄像范围的路面 拍摄到的第二路面图像画面， 其中， 第 二摄像机的图像传感器 （CCD) 的拍摄平面与第一摄像机的 CCD 的拍摄平面共面， 且第二摄像机与第一摄像机之间的距离不超过 预定值； 判断第一路面图像画面的亮度 与第二路面图像画面的亮度的差别是否大于预 先设置的亮度范围， 如果是， 则判定处 于摄像范围的路面存在积水或积冰。 根据本发明的另一实施例， 提供了一种路面积水积冰检测装置， 包括： 第一获取 模块， 设置为获取第一摄像机通过水平振片对处于摄 像范围的路面拍摄到的第一路面 图像画面； 第二获取模块， 设置为获取第二摄像机通过垂直偏振片对处于 摄像范围的 路面拍摄到的第二路面图像画面， 第二摄像机的图像传感器 （CCD) 的拍摄平面与第 一摄像机的 CCD的拍摄平面共面，且第二摄像机与第一摄像 机之间的距离不超过预定 值； 判定模块， 设置为判断第一路面图像画面的亮度与第二路 面图像画面的亮度的差 别是否大于预先设置的亮度范围， 如果是， 则判定处于摄像范围的路面存在积水或积 冰。 通过本发明的实施例， 采用在第一摄像机、 第二摄像机前分别设置水平偏振片、 垂直偏振片的方式， 对路面积水积冰进行检测， 解决了现有技术中的路面检测方法较 为复杂、 检测范围小、 实施难度大问题， 进而达到了工作稳定、 检测范围广、 应用价 值大的效果。 附图说明 此处所说明的附图用来提供对本发明的进一步 理解， 构成本申请的一部分， 本发 明的示意性实施例及其说明用于解释本发明， 并不构成对本发明的不当限定。 在附图 中： 图 1是根据本发明实施例的路面积水积冰检测方� �流程图； 图 2是根据本发明优选实施例的路面积水积冰检� �流程图； 图 3是根据本发明实施例的反射光偏振度与入射� �的关系图; 图 4是根据本发明实施例的积水积冰路面与正常� �面的反射状况示意图； 图 5是根据本发明实施例的路面反射光总的状态� �意图； 图 6是根据本发明优选实施例的双目图像配准流� �图； 图 7是根据本发明实施例的水平偏振片下路面光� �的变化情况示意图； 图 8是根据本发明实施例的垂直偏振片下路面光� �的变化情况示意图； 图 9是根据本发明实施例的路面积水积冰检测装� �结构示意图； 图 10是根据本发明优选实施例的路面积水积冰检� ��装置结构示意图； 图 11是根据本发明优选实施例的路面积水积冰检� ��装置的安装位置示意图。 具体实施方式 下文中将参考附图并结合实施例来详细说明本 发明。 需要说明的是， 在不冲突的 情况下， 本申请中的实施例及实施例中的特征可以相互 组合。 图 1是根据本发明实施例的路面积水积冰检测方� �流程图， 如图 1所示， 该方法 主要包括以下步骤 （步骤 S102-步骤 S106)。 步骤 S102,获取第一摄像机通过水平偏振片对处于摄� ��范围的路面拍摄到的第一 路面图像画面。 在本发明实施例中， 第一摄像机可以根据透过水平偏振片的第一反 射光线生成第 一路面图像画面， 然后将第一路面图像画面上传至指定的图像处 理设备。 步骤 S104,获取第二摄像机通过垂直偏振片对处于摄� ��范围的路面拍摄到的第二 路面图像画面， 其中， 第二摄像机的图像传感器 （CCD) 的拍摄平面与第一摄像机的 CCD的拍摄平面共面， 且第二摄像机与第一摄像机之间的距离不超过 预定值。 在本发明实施例中， 第二摄像机可以根据透过垂直偏振片的第二反 射光线生成第 二路面图像画面，然后将第二路面图像画面上 传至指定的图像处理设备，例如， PC机。 步骤 S106,判断第一路面图像画面的亮度与第二路面� ��像画面的亮度的差别是否 大于预先设置的亮度范围， 如果是， 则判定处于摄像范围的路面存在积水或积冰。 在本发明实施例中， 在获取第一摄像机通过水平振片对处于摄像范 围的路面拍摄 到的第一路面图像画面和第二摄像机通过垂直 偏振片对处于摄像范围的路面拍摄到的 第二路面图像画面之后，可以对第一路面图像 画面合第二路面图像画面进行图像配准。 优选地，可以使用 SURF算法对第一路面图像画面和第二路面图像� �面进行图像配准。 在本发明实施例的一个优选实施方式中， 为了使比较更为准确， 还可以先对第一 路面图像画面、 第二路面图像画面进行图像优化处理操作， 其中， 图像优化处理操作 主要有： 差分、 滤波及二值化。 然后再判断第一路面图像画面的亮度与第二路 面图像 画面的亮度的差别是否大于预先设置的亮度范 围， 如果是， 则可以判定处于摄像范围 的路面存在积水或积冰。 例如， 在实际应用中， 可以先获取经图像优化处理操作后的 第一路面图像画面的第一画面亮度值， 再获取经图像优化处理操作后的第二路面图像 画面的第二画面亮度值。 在得到第一画面亮度值和第二画面亮度值后， 可以进一步判 断第一画面亮度值和第二画面亮度值的差值是 否大于预先设置的阈值， 如果是， 则判 定第一路面图像画面的亮度与第二路面图像画 面的亮度的差别大于预先设置的亮度范 围， 否则， 判定第一路面图像画面的亮度与第二路面图像 画面的亮度的差别小于预先 设置的亮度范围。 通过以上判断可以得知， 当第一路面图像画面的亮度与第二路面图 像画面的亮度的差别大于预先设置的亮度范围 时， 当前的被监测路面存在积水或者积 冰， 反之， 则意味着当前的被监测路面是正常路面， 不存在积水或积冰。 需要说明的是， 该方法完全可以应用在夜间环境或光线特别暗 的环境中， 当需要 检测夜间的路面 （或者， 光线特别暗的环境） 是否存在积水或积冰时， 可以单独设置 一个与待测路面成 53度入射角的光源， 该光源发出的光线虽然和自然光有所差别，但 是， 并不影响其被路面的积水或积冰反射后， 再通过水平偏振片和垂直偏振片被摄像 机摄取。 下面以双目相机为例， 对上述方法进行详细说明。 图 2是根据本发明优选实施例的路面积水积冰检� �流程图。 在图 2中， 将垂直方 向和水平方向的偏振片分别前置于双目摄像机 的前端， 例如， 可以将两个偏振片套置 在双目摄像机的前端， 同时采集图像并进行图像配准和后处理的测量 ， 利用光的偏振 特性， 由路面反射光的偏振光检测路面的积水积冰情 况。 具体地， 可以在路面上方架 设两台同型号相机， 相机参数设定相同， 前置的偏振片分别水平和垂直放置， 相机间 距离尽可能小， 且像平面重合， 以保证两台相机所拍摄图像的重叠区域尽可能 大。 优选地， 垂直方向和水平方向的偏振片可以分别前置于 双目摄像机， 同时采集图 像并进行图像配准和后处理的测量。 公知地，人类的视觉系统能够通过色彩和亮度 的形式感受到光的频率和强度特征， 但对于光的另一基本特征——偏振特性却无法 直接感知。 因此， 传统的图像处理和理 解过程都是基于强度和频率域的信号处理， 只能对目标的轮廓、 类别等做一些初步的 分析和判断， 而不能辨别目标的材质和细节特征。 光作为一种电磁波， 具有横波的偏振特性， 反射面材料的导电特性和光滑程度的 差异将引起光偏振特性的差异。 一束自然光可以分解为两束振动方向相互垂直 的、 等 幅的， 且不相干的线偏振光。 对入射某一平面的电矢量 而言， 可以分解为垂直于入 射面的分量 和平行于入射面的分量 ^。 根据 Fresnel反射模型， 反射电矢量的两个分量可以表示为： ( 1 )； sin ( - θ ₂ )

E

sin (3 + θ _η )

(2)； 其中 ， 表示入射角和折射角，其关系可以由 Fresnel公式算出，显见， 和 强度不相等， 且 > ^E " , 反射光表现出平行于路面的线偏振特性。 当入射角增加时，

π

E + Θ = Ε

分量急剧下降， 尤其是 2时， 入射角为布儒斯特角，

. E

光只有 方向的分量， 是完全偏振光。 在其他角度下， 反射光的线偏振度为: (3 )； tan ² (^ - θ ₂ ) sin ² ( - θ ₂ )

¾ = 91

tan ² (/¾ + ft ) sin ² (ft + ft )

(4)； 请参考图 3， 以水为例， 其折射率为 1.3333， 绘制出图 2所示的反射光偏振度一 入射角关系图， 显见， 对任意入射角， 其反射光均具有偏振度。 当入射角小于 20度或 者大于 80度时， 检测效果会受一定的干扰影响， 因此， 可以根据当前地理位置的太阳 光的入射角判断其对应的偏振度。 例如， 对于中国的地理位置， 正常太阳高度对应的 入射角具有较大的偏振度， 自然光入射角小于 20度的情况很少出现， 即使出现这种情 况也是正午的时候， 路面基本不会出现结冰等恶劣路况。在入射角 大于 80度（多为晨 昏时刻或无自然光源的夜间时刻） 时， 可以使用人工光源作为辅助， 使光源对路面成 53度入射角 （即： 布儒斯特角） 实现检测。 请参考图 4， 如图 4所示， 当路面覆盖有积水或积冰的时候， 其表面光滑， 当有 光线照射时会发生镜面反射后得到上述的偏振 光， 而正常路面发生漫反射。 当路面没 有积水或冰时， 表面粗糙， 入射角不固定， 故反射光具有各个方向的振动， 从统计特 性上不具有偏振性。 虽然老化路面趋于光滑， 可能会表现出一定的偏振度， 但相对积 水或积冰面反射光的偏振度可忽略不计， 所以在处理时可当作噪声滤除。 请参考图 5， 如图 5所示， 正常路面的反射为非偏振光， 积水积冰路面反射为水 平方向线偏振光， 叠加为部分偏振光进入摄像机， 由于其偏振方向为水平， 所以， 水 平偏振图像中亮度较高， 而垂直偏振图像中亮度较低。 正常路面的亮度在两种偏振状 态下几乎没有区别， 亮度较低的部分可以判断为有低摩擦系数的介 质存在。 请参考图 6， 上述方法中可以使用 SURF算法获得相机 A和相机 B原始图像的特 征点对，再采用近似最近邻算法 (BBF)方法对特征点对进行粗匹配，并构造基于� ��视变 换矩阵 H的图像映射模型， 然后利用 RANSAC进一步剔除错误的匹配， 并使用最小 二乘法求出图像之间精确的 H矩阵， 从而得到配准后的图像。 在实际应用中， 经常由于高速公路等复杂场景的存在导致获取 的图像质量较差， 并且由于图像间亮度变化较大、 尺寸变化较大、 旋转较大及运动物体干扰等因素， 造 成了路面图像配准的困难。 此时， 就要求路面图像配准方法对于这些不利因素具 有较 强的鲁棒性， 提取特征 （SIFT) 算法由于其对较大旋转、 尺寸缩放、 色差、 视觉以及 光照变化所体现出来的鲁棒性， 特别适用于复杂图像配准。 但是， 同时也存在着数据 量大、 计算耗时长等问题使其对于图像配准的实时性 产生不利影响。 在本发明实施例的一个优选实施方式中，将 SURF算法引入路面图像配准的过程。

SURF在理念上与 SIFT相似， 注重梯度信息的空间分布， 并且继承了 SIFT算法对旋 转、 尺度缩放、 亮度变化保持不变性， 以及对视角变化、 图像模糊、 噪声的鲁棒性的 优点。 最为重要的是， SURF 算法在特征点检测、 描述向量中都充分利用方框滤波器 和积分图像来加快计算速度， 并减少了局部图像描述向量的维数， 极大地加快了对特 征点的检测和描述向量的产生， 能够显著地提高图像配准方法的速度。 具体地， 基于 SURF 算法的特征点的提取可以包括以下 2个步骤。 步骤 1、 SURF局部特征的检测。 SURF 特征点的检测可以基于 Hessian矩阵实现， 其中， Hessian矩阵 Η(χ,σ)在尺度为 σ的 x 点是被定义为： ( 1 )； 其中， 在式 （1 ) 中： ·χ, σ)是高斯滤波波二阶导 ^^(σ)同 / = (xj)卷积的结 au 果， 其中， ξ{ ) = ₁ ^- _Ι β ^{ ^^ L _xy (x, a) , ^ (χ, σ)与 χ, σ)相类似； 步骤 2、 SURF描述符的构造。 SURF描述符的构造分为主方向分配和生成特征� � 量两部分， 这两部分都是在特征点所在的尺度 σ上进行的， 例如， 以特征点为圆心, 计算半径为 6σ圆内 X和 y方向上的 Haar小波响应系数， 在 60度的扇形区域内求 x 和 y方向上的系数之和， 进而构建一个新向量， 转动扇形遍历整个圆， 选择最长向量 的方向为主方向。 需要说明的是， 由于 SURF算法的鲁棒性能极大地降低对双目相机的� �制性能要 求以及提高配准的成功率， 所以， 即使在存在天气恶劣、 车流大的复杂环境中， 也能 完成路面图像配准任务。 SURF算法的快速性则有利于路面图像配准的实� �性的实现， 这正是动态更新有无路面积水或积冰的关键。 例如，在本发明实施例中，在用 SURF算法获得相机 A与相机 B的图像特征点后， 采用 BBF方法进行粗匹配以快速收敛特征对，并结合 随机采样一致性算法 (RANSAC ) 方法过滤匹配点对获取精匹配点对。 这里需要说明， 近似最近邻 （BBF) 算法是对 KD-Tree算法的改进， KD-Tree算法 的大部分时间都用来查询节点， 但只有小部分节点满足最近邻条件， BBF可以有效解 决该问题。 BBF采用一个优先级队列使搜索依次从节点与被 查询节点距离由近及远的 顺序进行， 它限定 KD-Tree中叶子节点数， 限定了搜索的最大次数， 所以能够快速的 找到最近邻点和次近邻点， 极大提高了搜索效率。 而对于某一特征向量， 首先计算待 搜索图像中所有的特征向量与该向量的距离， 然后求最近邻与次近邻的比值， 如果比 值小于预先设定的阈值， 认为该最近邻是较好的匹配。 例如， 在本发明实施例的一个 优选实施方式中， 对测试结果进行统计， 发现将阈值设为 0. 7时得到的粗匹配的正确 对于图像变换模型是指两幅二维图像之间的坐 标变换关系而言， 在某种约束的摄 像机运动条件下， 三维场景形成的两幅或多幅图像之间的关系可 以完全由图像变换模 型描述。 在实际拍摄过程中， 当所拍摄的三维场景很远时 (远大于焦距；)， 都可以认为 近似满足透视变换模型。例如， 两幅图像 /( ， 之间的对应关系可以由一个 3x3的平面透视变换矩阵 (Planar Perspective Transform)来表示：

( 2)； 其中， 在式 （2 ) 中， H是一个 3 *3的满秩矩阵， 称为平面透视变换矩阵， 简称为 透视变换矩阵， 又称单应性矩阵 (Homography) , 根据齐次坐标的性质 h33可以归一化 为 1， 即 H的自由度为 8， 其中 hl l、 hl2、 h21、 h22是缩放、 旋转因子， hl3、 h23分 别是水平、 竖直方向的平移因子， h31、 h32是仿射变换因子。 进一步， 由式 (2)可以得到两个方程： ι ^χ + y + - i ^x y - yy' - / = o _{( 4 ) ;} 其中， 矩阵 H共有 8个未知参数， 使用线性方法求解， 至少需要 4对特征点的坐 标， 联立 8个方程， 使用 SVD分解， 可以求得矩阵 H。 基于 BBF方法的粗匹配含有 误匹配，直接用这些点难以求得精确的矩阵 H，文中使用 RANSAC算法剔除匹配质量 较差的点得到精确解。 随机采样一致性算法（RANSAC )是计算机视觉领域中应用最广的稳健估计方� �， 该方法使用基于 BBF方法的粗匹配数据作为输入， 以式 （3 )， （4 )作为几何约束， 利 用 RANSAC进一步剔除错误的匹配， 得到矩阵 H的精确值。 具体地， RANSAC可以 通过以下步骤实现。 步骤 1、 从粗匹配数据中抽取 4对， 并用其作为初始内点计算矩阵11。 步骤 2、 用剩下的粗配数据来拟合初始矩阵 H， 并计算它们之间的距离 t^.的和。 其中， 以马氏距离定义距离 t , 如果距离^的和大于选取的阈值， 则作为外点舍弃， 如果小于阈值， 则添加到内 点集中， 再运用最小二乘法更新单应矩阵。 如此反复迭代， 直到内点集不再扩充。 步骤 3、重复 1和 2， 选取内点集最大的一组作为正确的匹配点对， 此时模型估计 结果就是图像间的矩阵11。 采用上述实施例提供的方法在第一摄像机、 第二摄像机前分别设置水平偏振片、 垂直偏振片的方式， 实现对路面积水积冰进行检测， 如图 7所示， 积水积冰路面反射 的水平偏振光通过水平放置的偏振片（即水平 偏振镜）， 在摄像机获取的画面中， 积水 积冰路面表现出明显的亮度。 积水积冰路面反射的水平偏振光被垂直放置的 偏振片滤 除， 如图 8所示。 因此， 在摄像机获取的画面中， 此时积水积冰路面在摄像机获取的 画面中表现出很小的光强。 通常， 正常路面的反射光在上述两种状态下， 在摄像机获 取的画面中相同， 所以， 通过比较双目摄像机获取的画面， 就可以判定存在亮度变化 的部分则为积水积冰路面， 由此来检测路面的积水积冰情况。 该方法具有改装简便、 费用低， 对原系统无影响并可融入原监控网络的优点。 图 9是根据本发明实施例的路面积水积冰检测装� �结构示意图， 该装置用于实施 上述方法实施例提供的路面积水积冰检测方法 ， 如图 9所示， 该装置主要包括： 第一 获取模块 10、 第二获取模块 20以及判定模块 30。 其中， 第一获取模块 10， 设置为获 取第一摄像机通过水平振片对处于摄像范围的 路面拍摄到的第一路面图像画面； 第二 获取模块 20，连接至第一获取模块 10， 设置为获取第二摄像机通过垂直偏振片对处于 摄像范围的路面拍摄到的第二路面图像画面， 第二摄像机的图像传感器 （CCD) 的拍 摄平面与第一摄像机的 CCD的拍摄平面共面，且第二摄像机与第一摄像 机之间的距离 不超过预定值； 判定模块 30， 连接至第二获取模块 20， 设置为判断第一路面图像画面 的亮度与第二路面图像画面的亮度的差别是否 大于预先设置的亮度范围， 如果是， 则 判定处于摄像范围的路面存在积水或积冰。 图 10是根据本发明优选实施例的路面积水积冰检� ��装置结构示意图， 如图 10所 示， 该装置的判断模块还可以包括配准模块 32和处理模块 34。 其中， 配准模块 32， 设置为使用 SURF算法对获取到的第一路面图像画面和第二� �面图像画面进行图像配 准； 处理模块 34， 设置为对经配准模块配准后的第一路面图像画 面和第二路面图像画 面进行图像优化处理操作。 其中， 处理模块可以采取的图像优化处理操作包括但 不限 于： 差分、 滤波及二值化。 另外，该路面积水积冰检测装置可以采用上述 方法实施例所描述的方法进行检 具体不再赘述。 在本发明实施例的一个优选实施方式中， 该路面积水积冰检测装置的安装结构示 意图如图 11所示， 在路面上方架设两台同型号相机， 相机参数设定相同， 前置的偏振 片分别旋转至水平、 垂直以构成水平偏振片、 垂直偏振片。 同时， 尽量保证两个相机 之间的距离足够小（当然， 优选地， 可以采用上述实施例中的双目相机）， 且像平面重 合， 以保证两台相机所拍摄图像的重叠区域尽可能 大。 采用上述实施例提供的路面积水积冰检测装置 ， 可以采用在第一摄像机、 第二摄 像机前分别设置水平偏振片、 垂直偏振片的方式， 对路面积水积冰进行检测， 解决了 现有技术中的路面检测方法较为复杂、 检测范围小、 实施难度大问题。 从以上的描述中， 可以看出， 本发明实现了如下技术效果： 该方法采用在第一摄 像机、 第二摄像机前分别设置水平偏振片、 垂直偏振片的方式， 对路面积水积冰进行 检测， 解决了现有技术中的路面检测方法较为复杂、 检测范围小、 实施难度大问题。 同时， 该方法可以直接应用在联网监控的摄像机上， 或者直接在现有路测摄像机上推 广使用， 具有改装简便、 费用低， 对原系统无影响并可融入原监控网络的优点， 并且 工作稳定、 检测范围广、 检测准确， 具有极大的应用价值。 显然， 本领域的技术人员应该明白， 上述的本发明的各模块或各步骤可以用通用 的计算装置来实现， 它们可以集中在单个的计算装置上， 或者分布在多个计算装置所 组成的网络上， 可选地， 它们可以用计算装置可执行的程序代码来实现 ， 从而， 可以 将它们存储在存储装置中由计算装置来执行， 并且在某些情况下， 可以以不同于此处 的顺序执行所示出或描述的步骤， 或者将它们分别制作成各个集成电路模块， 或者将 它们中的多个模块或步骤制作成单个集成电路 模块来实现。 这样， 本发明不限制于任 何特定的硬件和软件结合。 以上所述仅为本发明的优选实施例而已， 并不用于限制本发明， 对于本领域的技 术人员来说， 本发明可以有各种更改和变化。 凡在本发明的精神和原则之内， 所作的 任何修改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。