復(fù)雜環(huán)境中交通標(biāo)識(shí)識(shí)別與狀態(tài)跟蹤估計(jì)算法研究.pdf

1、自21世紀(jì)初以來，許多研究者和汽車制造商均在無人駕駛車技術(shù)的研究與開發(fā)投入了大量人力和物力。其中一個(gè)重要研究?jī)?nèi)容是基于計(jì)算機(jī)視覺的道路環(huán)境感知:識(shí)別車輛行駛道路周邊的交通標(biāo)志信息和交通信號(hào)燈狀態(tài)，為無人駕駛車行駛提供決策依據(jù)。在國內(nèi)外已有的交通標(biāo)識(shí)檢測(cè)，識(shí)別，跟蹤和狀態(tài)估計(jì)方面的研究成果基礎(chǔ)上，結(jié)合交通標(biāo)識(shí)系統(tǒng)在無人駕駛車上的實(shí)際應(yīng)用和測(cè)試性能，設(shè)計(jì)并構(gòu)建了面向無人駕駛車的交通標(biāo)識(shí)實(shí)時(shí)檢測(cè)，識(shí)別和跟蹤的算法和系統(tǒng)。本研究主要內(nèi)容包括：<

2、br>　?、沤榻B了相機(jī)的成像過程，根據(jù)相機(jī)CCD的原始參數(shù)及標(biāo)定的相機(jī)內(nèi)參數(shù)，估計(jì)出道路環(huán)境中交通標(biāo)識(shí)與車載相機(jī)間的近似距離與角度。為了控制相機(jī)的曝光時(shí)間，調(diào)節(jié)圖像亮度，需預(yù)先判斷交通標(biāo)識(shí)出現(xiàn)區(qū)域的亮度信息和曝光量，根據(jù)曝光情況選擇不同的權(quán)值矩陣，計(jì)算出最佳曝光時(shí)間。該方法能準(zhǔn)確地調(diào)節(jié)相機(jī)的曝光時(shí)間，以采集到亮度合適的圖像，適合于交通標(biāo)識(shí)的檢測(cè)與識(shí)別處理。
　?、铺岢隽?0類符號(hào)型以及多種文字型的交通標(biāo)志的檢測(cè)與識(shí)別算法。變換RG

3、B空間圖像，突出交通標(biāo)志的特征顏色（紅色，黃色，藍(lán)色），選擇合適的閾值分割圖像。重構(gòu)形態(tài)學(xué)處理后的交通標(biāo)志感興趣區(qū)域邊緣，降低誤檢率。選擇形狀的標(biāo)記圖特征以分類感興趣區(qū)域的形狀并排除干擾。對(duì)文字型交通標(biāo)志，則用閾值分割圖像中的墨綠色和藍(lán)色區(qū)域，判斷區(qū)域的形態(tài)，選擇矩形區(qū)域作為交通標(biāo)志候選。將候選區(qū)域的二值圖像先向水平，后向垂直方向投影，用三次樣條插值法擬合該投影曲線，定位曲線的波谷，確定文字的行和列位置，以分割出單個(gè)文字區(qū)域。用兩種模型

4、表示方法：二元樹復(fù)小波變換和二維獨(dú)立分量分析方法；基于內(nèi)部圖形的模板匹配分別識(shí)別候選區(qū)域的交通標(biāo)志類型，然后用決策規(guī)則融合兩種方法的識(shí)別結(jié)果，并排除干擾區(qū)域。實(shí)驗(yàn)結(jié)果表明交通標(biāo)志的識(shí)別率超過91％，平均處理時(shí)間為171ms，所提出的交通標(biāo)志識(shí)別算法性能優(yōu)越，適合應(yīng)用于無人駕駛車輛的環(huán)境感知系統(tǒng)。
　?、翘岢隽思^型和組合型交通信號(hào)燈的檢測(cè)和識(shí)別算法。對(duì)于箭頭型交通信號(hào)燈，根據(jù)燈板和信號(hào)燈的顏色和形態(tài)特征，定位出圖像中的燈板及交通信

5、號(hào)燈位置。對(duì)于組合型交通信號(hào)燈，則先將圖像進(jìn)行TopHat變換，然后將其從RGB空間轉(zhuǎn)換到Y(jié)CbCr空間，并進(jìn)行閾值分割和形態(tài)學(xué)濾波。根據(jù)區(qū)域的寬高，面積，占空比等形態(tài)信息初步過濾。組合感興趣區(qū)域，向水平方向投影，根據(jù)波谷位置定位單個(gè)交通信號(hào)燈區(qū)域。將候選區(qū)域灰度化，歸一化，提取Gabor小波特征，用2維獨(dú)立分量分析方法降低特征的冗余度，送入最近鄰分類器以判斷交通信號(hào)燈的狀態(tài)。在3個(gè)城市內(nèi)采集了大量的視頻，測(cè)試了算法性能，綜合性能表明該

6、算法的總體識(shí)別率在91％以上，平均處理時(shí)間為152ms，能實(shí)時(shí)，穩(wěn)定，準(zhǔn)確的識(shí)別交通信號(hào)燈。
　?、葮?gòu)建了交通標(biāo)志的多目標(biāo)跟蹤模型，定義了交通標(biāo)志目標(biāo)的狀態(tài)。用無跡卡爾曼濾波算法建立單個(gè)交通標(biāo)志目標(biāo)的狀態(tài)和運(yùn)動(dòng)軌跡模型，預(yù)測(cè)交通標(biāo)志目標(biāo)的位置。而對(duì)交通信號(hào)燈，則用Kalman濾波跟蹤交通信號(hào)燈的燈板和燈區(qū)域。選擇觀察序列訓(xùn)練單個(gè)和三個(gè)交通信號(hào)燈目標(biāo)的隱馬爾科夫模型參數(shù)，用隱馬爾科夫模型算法估計(jì)交通信號(hào)燈下一時(shí)刻的狀態(tài)信息。