基于GPS定位与视觉图像处理的交通信号检测方法及系统技术方案

本发明专利技术公开了一种基于GPS定位与视觉图像处理的交通信号检测方法及系统，其方法包括以下步骤：S1：基于GPS定位信息触发视觉图像处理进程；S2：通过摄像装置获取道路前方图像，并分别送入交通灯边框定位进程和交通灯信号识别进程中；S3：检测图像中是否存在交通灯灯架，如果存在，确定其位置；S4：检测图像中是否存在交通灯信号，如果存在，确定其位置以及对应的信号模式；S5：判断灯体位置是否与灯架位置相匹配，不匹配进入步骤S6；S6：通过模式识别确定其交通灯信号，如果不存在，则返回步骤S2重新获取图像；S7：语音播送当前交通信号指示情况。该方法处理速度快，囊括场景广阔，可应用于无人驾驶或导盲系统中。

Traffic signal detection method and system based on GPS location and visual image processing

The invention discloses a GPS based positioning and visual image processing for traffic signal detection method and system, the method comprises the following steps: S1, the process of visual image processing based on S2 trigger GPS positioning information; through camera road images, and were sent to the traffic lights and traffic lights frame positioning process in the process of signal recognition S3: detection of the image; if there is traffic lamp, if present, determine its position; S4: the traffic light signal, the existence of the image detection if it exists, determine its position and the corresponding signal model; S5: to determine whether the lamp position is matched with the position of the lamp bracket, does not fit into the step S6; S6: determine the traffic light signal through the pattern recognition, if it does not exist, then it returns to step S2 re image acquisition; S7: voice broadcast signal indicating the current traffic situation. The method is fast and has a wide range of scenes, which can be used in unmanned or guide blind systems.

【技术实现步骤摘要】
基于GPS定位与视觉图像处理的交通信号检测方法及系统
本专利技术涉及信号与信息处理
，具体涉及到一种基于GPS定位与视觉图像处理的交通信号检测方法及系统。
技术介绍
随着当前无人驾驶以及辅助导盲系统的发展，人们对计算机视觉以及图像处理技术在交通方面的应用提出了更高的要求。红绿灯作为指示车辆以及行人出行的关键交通标志，近年来受到信息领域科研人员的广泛重视，很多基于计算机视觉以及数字图像处理技术的交通灯检测与识别算法被提出，大体分为如下四类：基于颜色分割、基于模板匹配、基于形状检测以及基于特征提取分类的方法。此外，一些基于辅助设备，比如GPS、GIS的智能系统也提供了解决该问题的新方法。申请号为201410822929.2的中国专利技术专利公开了一种交通灯识别方法，该方法通过RGB空间灰度二值化和HSV颜色空间二值化方法的切换，获取二值化结果并从中提取代表交通灯信号灯亮区的连通域，设计分类器，根据提取出的连通域的数目、颜色、位置特征，得到交通灯目标的分类识别结果。申请号为201310436336.8的专利技术专利公开了一种交通灯自动识别辅助驾驶系统，该系统包括布设在交通灯所安装电线杆上的驾驶辅助装置以及安装于车辆上的驾驶辅助识别仪、GPS导航仪和车速检测单元，通过驾驶辅助装置与驾驶辅助识别仪之间以无线通信方式进行双向通信从而进行交通灯的自动识别。申请号为201510181832.2的专利技术专利公开了一种交通灯定位方法，该方法通过对交通灯所在的目标区域进行扩展以及二值化确定当前时间为白天还是夜晚，然后根据不同的特征进行交通灯的定位。申请号为201510208977.7的专利技术专利公开了一种应用于无人驾驶汽车的交通灯快速检测算法，能够结合颜色特征与传感器数据，提高交通灯检测的精确度。申请号为201610298509.8的专利技术专利公开了一种基于单目视觉和GPS组合导航系统的实时城区交通灯识别系统，该系统通过交互图像标注、相机标定、三维位置恢复等方法步骤离线创建交通灯地图，然后在感兴趣区域中利用交通灯的形态信息进行交通灯的颜色分割与形状识别。该交通灯识别系统可适应于多种不同路况和场景，实现多种环境下的交通灯稳定且长距离的检测感知。申请号为201710043802.4的专利技术专利公开了一种基于先验概率图的多类交通灯检测方法及系统，采用基于学习的交通灯检测方法，通过利用交通灯的分布规律构建先验概率图，对分类阈值进行自适应设置，以解决现有技术方案往往只适用于某个特定形状交通灯和抗干扰能力差的技术问题。上述已有的交通灯检测与识别算法均存在一定程度的问题：(1)需要的辅助感知设备过多，开发平台不够智能；(2)无法有效的理解周围环境，如十字路口的判别和定位；(3)有关图像识别算法在实际环境下的鲁棒性不足；(4)没有一个相对完整的系统框架用于智能设备，大多停留在实验室验证阶段。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种基于GPS定位和计算机视觉的交通灯检测与识别系统。该系统基于智能手机进行实现，通过深入研究图像处理算法以及完善系统的技术框架，解决了当前交通灯检测与识别系统准确度不高、操作复杂以及价格昂贵等缺点。本专利技术采用的技术方案为：一种基于GPS定位与视觉图像处理的交通灯检测方法，其关键在于包括以下步骤：S1：基于GPS定位信息判断当前位置是否处于相应路口预定范围内，如果是，则进入步骤S2，触发视觉图像处理进程；S2：视觉图像处理进程启动，通过摄像装置获取道路前方图像，并分别送入交通灯边框定位进程和交通灯信号识别进程中；S3：通过交通灯边框定位进程检测图像中是否存在交通灯灯架，如果存在，通过边框提取确定灯架在图像中的位置；S4：通过交通灯信号识别进程检测图像中是否存在交通灯信号，如果存在，通过颜色分割和霍夫变换确定灯体在图像中的位置以及对应的信号模式；S5：判断步骤S4所获取的灯体位置是否与步骤S3所获取的灯架位置相匹配，如果匹配成功，则交通灯信号检测准确，如果匹配不成功，则进入步骤S6启动后验进程；S6：根据步骤S3所确定的灯架在图像中的位置调整图像大小，通过特征提取判断该图像内是否存在交通灯，如果存在交通灯，然后通过模式识别确定其交通灯信号，如果不存在，则返回步骤S2重新获取图像；S7：在确定具体的交通信号后，通过启动语音播报进程播送当前交通信号指示情况。进一步地，步骤S3中所述的交通灯边框定位进程具体按照以下步骤进行：S31：图像预处理，包括进行图像大小调整以及亮度补偿；S32：采用自定义阈值分割以及形态学变换；S33：利用矩形度特征进行矩形边框定位；S34：基于矩形框的长宽特性进行候选块的筛选，最终确定为交通灯边框。进一步地，步骤S4中所述的交通灯信号识别进程具体按照以下步骤进行：S41：图像预处理，包括进行图像大小调整以及亮度补偿；S42：根据经验数据设定分割阈值，对步骤S41处理后的RGB图像进行颜色分割，通过颜色分割产生的三个二值图，分别表示提取的红绿黄三色区域；S43：通过高斯滤波、中值滤波以及腐蚀膨胀操作消除干扰；S44：对二值图像进行边缘检测与霍夫圆变换，最终标记出圆形交通灯候选区域。进一步地，步骤S5中根据灯体位置与灯架位置的重合度来判断是否相匹配，记灯体区域面积大小为S1，灯体与灯架重合区域面积大小为S2，如果比值S1/S2处于预设阈值范围内，并且灯体在灯架内的位置对应正确，则判定交通灯提取正确。进一步地，步骤S6中的后验进程的具体步骤如下：S61：根据步骤S3所确定的灯架在图像中的位置，分割待处理区域；S62：根据图像像素点的RGB值判断连通区域的大小是否超过阈值，如果超过阈值，则认定为存在交通灯；S63：提取连通区域的特征参数，通过基于神经网络的分类识别器识别出交通灯信号。进一步地，步骤S63输入的特征参数包括连通区域个数、每一个连通区域面积，每一个连通区域RGB分量的平均值、每一个连通区域左右端部面积比、每一个连通区域上下端部面积比、连通区域的长度以及连通区域的宽度。进一步地，所述分类识别器识别出的交通灯信号模式包括圆盘灯红、黄、绿三种状态；人体行走灯红、黄、绿三种状态；直行箭头灯红、黄、绿三种状态；左转弯灯红、黄、绿三种状态，右转弯灯红、黄、绿三种状态以及调头灯红、黄、绿三种状态。进一步地，在分类识别器识别出交通灯信号模式后，所述语音播报进程播报对应的语音提示信息。基于上述陈述，本专利技术还提出一种实现上述方法的系统，该系统包括智能手机，该智能手机的处理器中安装有视觉图像处理进程控制程序，通过智能手机自带的GPS获取定位信息，通过智能手机自带的摄像头获取前方图像，当处理器中的视觉图像处理进程识别出交通信号灯模式时，通过智能手机自带的语音输出模块输出对应的语音提示信息。采用上述的技术方案，具有以下优点：本专利技术提出的基于GPS定位与视觉图像处理的交通信号检测方法及系统，在路口处可以准确检测出交通灯的位置并且识别出相应的状态；对天气等干扰具有较强的鲁棒性；基于GPS的路口定位，使得视觉信息处理模块可以实现动态运行，从而减少资源消耗。本专利技术通过计算机视觉技术和GPS定位技术，在智能手机上搭建了一个集定位、图像实时获取以及处理的交通灯检测与识别系统，针对常规的圆形交通灯而言，检测方便快捷，针对异型的本文档来自技高网...

【技术保护点】
一种基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于包括以下步骤：S1：基于GPS定位信息判断当前位置是否处于相应路口预定范围内，如果是，则进入步骤S2，触发视觉图像处理进程；S2：视觉图像处理进程启动，通过摄像装置获取道路前方图像，并分别送入交通灯边框定位进程和交通灯信号识别进程中；S3：通过交通灯边框定位进程检测图像中是否存在交通灯灯架，如果存在，通过边框提取确定灯架在图像中的位置；S4：通过交通灯信号识别进程检测图像中是否存在交通灯信号，如果存在，通过颜色分割和霍夫变换确定灯体在图像中的位置以及对应的信号模式；S5：判断步骤S4所获取的灯体位置是否与步骤S3所获取的灯架位置相匹配，如果匹配成功，则交通灯信号检测准确，如果匹配不成功，则进入步骤S6启动后验进程；S6：根据步骤S3所确定的灯架在图像中的位置调整图像大小，通过特征提取判断该图像内是否存在交通灯，如果存在交通灯，然后通过模式识别确定其交通灯信号，如果不存在，则返回步骤S2重新获取图像；S7：在确定具体的交通信号后，通过启动语音播报进程播送当前交通信号指示情况。

【技术特征摘要】
1.一种基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于包括以下步骤：S1：基于GPS定位信息判断当前位置是否处于相应路口预定范围内，如果是，则进入步骤S2，触发视觉图像处理进程；S2：视觉图像处理进程启动，通过摄像装置获取道路前方图像，并分别送入交通灯边框定位进程和交通灯信号识别进程中；S3：通过交通灯边框定位进程检测图像中是否存在交通灯灯架，如果存在，通过边框提取确定灯架在图像中的位置；S4：通过交通灯信号识别进程检测图像中是否存在交通灯信号，如果存在，通过颜色分割和霍夫变换确定灯体在图像中的位置以及对应的信号模式；S5：判断步骤S4所获取的灯体位置是否与步骤S3所获取的灯架位置相匹配，如果匹配成功，则交通灯信号检测准确，如果匹配不成功，则进入步骤S6启动后验进程；S6：根据步骤S3所确定的灯架在图像中的位置调整图像大小，通过特征提取判断该图像内是否存在交通灯，如果存在交通灯，然后通过模式识别确定其交通灯信号，如果不存在，则返回步骤S2重新获取图像；S7：在确定具体的交通信号后，通过启动语音播报进程播送当前交通信号指示情况。2.根据权利要求1所述的基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于，步骤S3中所述的交通灯边框定位进程具体按照以下步骤进行：S31：图像预处理，包括进行图像大小调整以及亮度补偿；S32：采用自定义阈值分割以及形态学变换；S33：利用矩形度特征进行矩形边框定位；S34：基于矩形框的长宽特性进行候选块的筛选，最终确定为交通灯边框。3.根据权利要求1所述的基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于，步骤S4中所述的交通灯信号识别进程具体按照以下步骤进行：S41：图像预处理，包括进行图像大小调整以及亮度补偿；S42：根据经验数据设定分割阈值，对步骤S41处理后的RGB图像进行颜色分割，通过颜色分割产生的三个二值图，分别表示提取的红绿黄三色区域；S43：通过高斯滤波、中值滤波以及腐蚀膨胀操作消除干扰；S44：对二值图像进行边缘检测与霍夫圆变换，最终标记出...

【专利技术属性】
技术研发人员：段书凯，林少波，王丽丹，
申请(专利权)人：西南大学，
类型：发明
国别省市：重庆,50