论文部分内容阅读
交通标志识别是未来智能交通系统的重要组成部分之一，是无人驾驶和辅助驾驶技术的一个重要的模块。由于交通标志的种类众多和道路交通环境的复杂性，给交通标志的自动识别带来了巨大的挑战，目前交通标志识别技术尚不成熟，因此，高效实用的道路交通标志识别的关键技术还需要进行深入的研究和讨论。 在自然场景中，天气状况和光照条件随着时间和地点的不同，变化非常大，导致采集到的图像呈现不同的表观颜色，在复杂的环境中交通标志图像难免会出现形变和遮挡等问题，现有的算法还不能很好处理这些问题，同时在交通标志的分类中还存在着识别速度与识别精度相互制约的问题。针对以上问题，本文研究并提出了基于R/B图像MSER的交通标志分割方法，研究并提出了改进Hough的形状检测算法和研究了基于PCA-HOG特征的交通标志分类算法。 首先，在分析现有的基于颜色空间阈值的交通标志分割算法的基础上，提出一种基于R/B图像MSER的交通标志分割方法，来克服天气和光照条件变化的影响，实现了对蓝色指示和红色禁令类交通标志的分割。通过与于HSV和YCbCr颜色空间阈值分割的算法的对比实验，证明了基于R/B图像MSER的算法对光照和天气条件的变化具有更好的适应性。 其次，在研究基于传统Hough变换的形状检测算法的基础上，提出一种改进的Hough变换算法，利用交通标志对称特性限制参与Hough变换的像素点数，以减少参数空间中的无效累积，利用参与Hough变换中边缘像素点梯度幅值的积作为投票的权值，使参数空间中峰值更加明显，以减少误检测，在此基础上分别实现对三角形和圆形交通标志的形状检测。 最后，研究了交通标志梯度特征分布，根据HOG特征通过梯度强度和边缘方向的分布对图像的外观和形状进行描述这一特点，研究了HOG特征提取和选择，并提出基于PCA-HOG特征的交通标志的分类算法，最后通过实验验证了该分类算法具有较高的识别率和较好的实时性。 通过对自然场景中交通标志检测和识别关键技术的研究，基本实现了交通标志自动识别的功能。为验证算法的效果，开发了交通标志识别软件平台，通过大量实验对交通标志识别的关键技术和整体性能进行测试。实验结果表明，本文的算法在不同的自然场景中具有很好的适应性和抗干扰能力，且实时性良好。