一种基于图形极点位置特征的左右转交通标志识别方法技术

本发明专利技术公开了一种基于图形极点位置特征的左右转交通标志识别方法，主要针对左右转标识，具体步骤为，使用单目摄像头获取RGB图像，转化为HSV颜色空间后进行颜色分割，得到二值化图像；通过连通域分析方法降噪。降噪后根据轮廓的质心到轮廓上各点距离的分布，判断该轮廓与圆的相似度，找到相似度较高的轮廓。筛选面积符合要求的圆形轮廓区域，确定标志牌所在位置，切割出圆形标志所在的矩形区域。将标志牌图像二值化处理后，利用轮廓面积关系找到交通标志里的左右转箭头，获取箭头轮廓的上下左右极点，根据极点间位置关系确定标识指示的方向。本发明专利技术既考虑到检测结果的准确性，又降低了硬件性能的要求，保证了处理能力较弱系统识别的实时性。

【技术实现步骤摘要】
一种基于图形极点位置特征的左右转交通标志识别方法
本专利技术涉及一种图像处理技术，属于基于交通标识图形轮廓的特征量匹配
，具体涉及一种基于图形极点位置特征的左右转交通标志识别方法。
技术介绍
近年来智能驾驶的需求日益增加，交通要素识别的发展也是十分迅速。交通标识的识别通常以机器视觉为主，因此与图像处理的发展也紧密相关。基于卷积神经网络的标志识别方法已被广泛研究，效果好于传统方法，有高实时性、高准确性和鲁棒性等优点。但由于实际应用中智能驾驶系统硬件水平较为有限，对更高效的标志检测方法的研究仍在继续。传统的识别方法有应用HSV空间颜色特征，形状特征，SURF，以及模板匹配等方法。由于道路环境复杂，标志的检测多为几种方法相结合。颜色特征和形状特征等计算量小处理速度快但鲁棒性差的方法，多为用于检测是否有标志牌或对标志牌进行分类；模板匹配等鲁棒性高但相对计算量大的方法，常用于在确定有标志牌或获取标志牌所在区域后再进行进一步识别。本专利技术是基于处理能力弱的树莓派设计的，针对这种情况要保证实时性我们可以从如下两个方面入手：提高检测有无本文档来自技高网...

【技术保护点】
1.一种基于图形极点位置特征的左右转交通标志识别方法，适用于对左右转弯标志的识别，其特征在于，包括如下步骤：/n步骤一：总进程获取摄像头对应的图像列表，读取图像列表里的图像，截取每张图像中上半区，并通过消息列表的方式将截取的图像传入识别进程；/n步骤二：识别进程对采集到的图像进行颜色分割，再对分割后得到的二值化图像进行无损降噪；/n步骤三：对降噪后图像中的每一轮廓使用距离质心算法，判断图像中是否有标志牌及标志牌位置；/n步骤四：判断标志牌区域是否含有左右转箭头图形；/n步骤五：根据图形轮廓极点位置判断标志牌指示方向。/n

【技术特征摘要】
1.一种基于图形极点位置特征的左右转交通标志识别方法，适用于对左右转弯标志的识别，其特征在于，包括如下步骤：
步骤一：总进程获取摄像头对应的图像列表，读取图像列表里的图像，截取每张图像中上半区，并通过消息列表的方式将截取的图像传入识别进程；
步骤二：识别进程对采集到的图像进行颜色分割，再对分割后得到的二值化图像进行无损降噪；
步骤三：对降噪后图像中的每一轮廓使用距离质心算法，判断图像中是否有标志牌及标志牌位置；
步骤四：判断标志牌区域是否含有左右转箭头图形；
步骤五：根据图形轮廓极点位置判断标志牌指示方向。


2.根据权利要求1所述的一种基于图形极点位置特征的左右转交通标志识别方法，其特征在于，步骤二，根据颜色特征进行分割、无损降噪的方法具体如下：
子步骤一：使用cvtColor()函数，函数设置参数为COLOR_BGR2HSV，将截取的RGB图像转化为HSV色域图像；
根据不同光线条件下的标志牌蓝色区域的色调、饱和度、明度的范围，设置颜色分割的上限[124,255,255]和下限[100,80,40]；通过判断每一像素颜色值是否在阈值内来对图像中的蓝色部分进行提取，得到初始二值化图像；
子步骤二：使用连通组件状态统计函数connectedComponentsWithStats()对初始二值化图像中的连通域进行分析，获取连通域个数、标号和对应的面积；
使用np.zero()函数生成一个与初始二值化图像大小相等的全零矩阵，全零矩阵用来充当背景图；
筛选连通域面积大于300像素的连通域，找到符合条件连通域的位置，并将背景图中对应区域位置的像素置为255，最终得到的背景图即为无损降噪后的图像。


3.根据权利要求1所述的一种基于图形极点位置特征的左右转交通标志识别方法，其特征在于，步骤三，对降噪后图像中的每一轮廓使用距离质心算法，判断图像中是否有标志牌及标志牌位置的方法具体如下：
步骤一：使用cv2.findContours()函数，获取降噪图像中所有轮廓；
子步骤二：使用cv2.moments()函数对每一个轮廓进行矩分析，获得几何矩、中心矩和中心归一化矩，主要使用0阶几何矩M00和1阶几何矩M01，M10计算出轮廓的质心，其计算方法为：
Mji＝∑xy(P(x，y)·xj·yi)⑴
式(1)中Mji表示i+j阶几何矩，P(x，y)为灰度或二值化图像在(x，y)处的取值；
计算轮廓质心坐标(x0,y0),用1阶矩除以0阶矩获得，计算方法具体为：



子步骤三：使用勾股定理计算轮廓上每一点到质心的距离Si，并存入数组；检索轮廓上的点到质心的距离最大值Smax，并将所有距离依次与最大距离做商，作为轮廓每一点的权重值Wi存入另一数组：






计算权重Wi与1的差，若圆形轮廓上第i个点到质心的距离与最大距离Smax近似，则当前点的权重Wi趋近于1；权重与1的差值趋近于0；计算所有差值的算术平均值，算术平均值越小轮廓越接近圆形；相似度阈值设为80％，则差值平均值应小于0.2；权重与1差值的算数平均值与设定的容错阈值相比较，若超出阈值则认为当前轮廓不是圆形轮廓；
子步骤四：标志牌在图中半径为15至60像素时可被识别，使用直接插入排序法获取图中半径小于60像素的最大圆形轮廓；通过记Smax最大的轮廓的Smax为max_distance，初始化max_distance＝0；...

【专利技术属性】
技术研发人员：许方南，吴夏，韩旭龙，宋悦玮，喻子雨，李旭，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32