基于路面标志识别的增强导航系统

摘要

随着车载导航技术的应用和普及，人们驾车出行变得越来越方便。但现有车载导航的问题和缺陷也显得越来越突出。新的车载导航技术在发展过程中使用了如摄像头等传感器并融入了计算机视觉、图像处理、机器学习、图形学等技术。这种通过感知周围环境提升导航设备适应性和实用性的技术被称为实景增强导航技术，这种新的技术将成为未来车载导航发展的方向。现有的实景增强导航产品能够实现一些对车辆周边环境的识别，如能识别出前方车辆、红绿灯和某些连锁店的招牌。但其还不具备车道导航的能力所以并不能有效解决GPS指错路的问题。现有的实景增强导航设备因为不具有识别车道方向的功能，所以有时可能会将司机指入单行道的错误方向或无法在司机到达路口前提醒其所在的车道不对，没法按照导航设备的指示方向继续行进。
　　为了解决以上问题，本文提出了一个为实现车道导航的路面箭头识别解决方案。首先使用二分法改进的Otsu方法对图像进行分割。并使用Steerable滤波器检测边缘，使用霍夫变换和直线拟合提取车道线，然后利用直方图确定感兴趣区域。在对最终分割的区域进行矫正后提取其类Haar特征。使用Adaboost分类器进行分类识别，最后使用跟踪模块减少特定环境中的误识别并提高识别率。实验证明本文提出的这套方案不仅识别效果好、鲁棒性高，而且复杂度低、实时性好。
　　本文开发出了一个运行在PC平台的可用于实走的版本和一个可运行在iPhone上的原型系统，并为其设计了用户界面。不管在仿真器上运行还是在真机上运行都有良好的识别效果和流畅性。本文提出的方案不仅适合于iOS平台，也适用于其它移动嵌入式平台。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．1．1 智能交通系统(ITS)

1．1．2 车载导航系统

1．1．3 实景增强技术

1．2 本文的目的和意义

1．3 本文的主要工作

1．3．1 研究内容

1．3．2 本文的组织结构

第2章 路面标志识别技术

2．1 路面标志的分割技术

2．1．4 利用正负梯度分割

2．1．4 Top-hat filter滤波器

2．1．4 全局和局部阈值法

2．1．4 对称局部阈值法

2．1．4 基于区域的分割

2．1．4 分水岭分割

2．2 特征提取技术

2．2．4 傅里叶变换

2．2．4 小波变换

2．3 分类与识别

2．3．4 支持向量机(SVM)

2．3．4 人工神经网络

2．4 本章小结

第3章 车道导航的路面标志识别解决方案

3．1 逆透视变换(IPM)

3．2 Steerable滤波器

3．3 车道线提取

3．3．4 霍夫变换

3．3．4 曲线拟合

3．4 图像分割

3．5 路面箭头矫正

3．6 类Haar特征提取

3．7 路面标志识别

3．8 跟踪

3．9 实验结果

3．10 本章小结

第4章 iPhone上原型系统的实现

4．1 原型系统的开发环境

4．2 系统实现流程

4．3 UI的设计

4．4 系统实时性的优化

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 进一步工作

5．3 展望

参考文献

致谢