嵌入式交通标志识别与车道线检测研究与实现

摘要

近年来，随着道路交通问题的日趋严重，智能交通系统的构建受到越来越多的关注。智能交通系统作为一种实时、高效以及准确的综合控制系统，被越来越多地运用于交通安全领域。因此，对于智能交通系统的研究具有很强的现实意义与实用价值。本文在充分了解智能交通系统国内外研究现状的基础上，主要进行了交通标志检测、交通标志识别和车道线检测三个方面的研究。
　　本研究主要内容包括：⑴针对交通标志的颜色特征，使用归一化RGB方法对图像进行增强处理，突出图像中交通标志区域。对图像基于MSER(Maximally Stable Extremal Regions)算法进行阈值不同的多次阈值化处理，对每幅二值图像提取其轮廓，依据交通标志形状特征的几何约束条件对提取到的轮廓进行粗筛选，使用基于Hu不变矩的轮廓匹配方法进行细筛选。将多幅阈值化图像进行合并筛选确认图像中交通标志候选区域。⑵以交通标志检测结果为基础，对交通标志候选区域以及样本训练数据集中图像进行PHOG(Pyramid Histogram of Oriented Gradient)特征提取，使用 SVM(Support Vector Machine)方法进行交通标志分类识别的一对多分类器设计。使用通过训练的SVM一对多分类器对交通标志候选区域进行分类识别。⑶针对车道线的梯度特征，提出一种综合LDA(Linear Discriminant Analysis)与混沌粒子群算法的检测方法。利用 LDA灰度化图像，使车道线与周围道路路面有明显区别。以二次抛物线模型对图像中车道线进行拟合，使用车道线的梯度特征与灰度特征建立目标函数。通过混沌粒子群算法对二次抛物线的参数进行优化，获取使目标函数最大的最优参数，即为拟合得出的车道线，将其在图像中进行显示。⑷将PC机上实现的系统移植到嵌入式平台，选择Smart210作为系统的硬件平台，使用Qt进行图形界面设计来显示最终的运行结果。实验结果表明，系统对于交通标志识别与车道线检测均具有较高的识别精度，表明了系统在嵌入式平台上的可行性。

目录

声明

第一章 绪论

§1.1课题研究背景及意义

§1.2国内外研究现状

§1.3本文主要研究内容与结构安排

第二章 交通标志检测方法研究与设计

§2.1基于颜色特征的交通标志图像预处理

§2.2基于多次阈值化的交通标志候选区确定

§2.3基于多次阈值化的交通标志检测算法设计

§2.4实验结果及分析

§2.5本章小结

第三章 交通标志识别方法研究与设计

§3.1基于PHOG特征的交通标志特征提取

§3.2统计学理论与支持向量机

§3.3基于PHOG与SVM的交通标志识别算法设计

§3.4实验结果及分析

§3.5本章小结

第四章 车道线检测算法研究与设计

§4.1道路图像预处理与车道线模型建立

§4.2车道线识别方法设计

§4.3基于混沌粒子群的车道线识别算法

§4.4实验结果

§4.5本章小结

第五章 系统的嵌入式平台实现及验证

§5.1系统的总体结构

§5.2系统验证与结果分析

§5.3本章小结

第六章 总结与展望

§6.1本文工作总结

§6.2后续研究展望

参考文献

致谢

作者在攻读硕士期间主要研究成果