一种无人驾驶车的交通标志识别方法技术

一种无人驾驶车的交通标志识别方法。属于交通标志信息识别技术领域，是为了解决对交通标志的形状分析较为常用的方法是Hough变换及其推广，这种方法计算复杂，且只能对圆形标志进行检测，实用性不强的问题，本发明专利技术组成包括如下步骤：将车载摄像头采集的原始图像进行预处理，获得初步感兴趣区域；对初步感兴趣区域进行边缘连接，获得初步感兴趣区域的外轮廓，填充该外轮廓中的闭合区域；通过轮廓处理算法获得其所有轮廓，选取所有轮廓中面积在指定面积范围以内的轮廓，并依次对其进行凸壳处理；对每一感兴趣轮廓图像，对应到步骤1中的原始识别图像上，从而识别出该感兴趣区域所属交通标志类型。本发明专利技术用于无人驾驶车的交通标志识别。别。别。

【技术实现步骤摘要】
一种无人驾驶车的交通标志识别方法


[0001]本专利技术涉及交通标志信息识别
，具体涉及一种无人驾驶车的交通标志识别方法。

技术介绍

[0002]行车环境的实时感知与识别是车辆无人驾驶的核心问题之一，道路交通标志则是行车环境的重要组成部分。本专利技术研究动态场景中交通标志的快速定位与识别方法，在车辆行驶过程中，对出现的交通标识信息进行检测和识别，可为无人驾驶车提供及时的道路环境信息，以遵守交通规则。通过借鉴人类的视觉认知机理、计算机视觉以及模式识别理论的最新研究成果，研究和设计快速、自动、鲁棒的交通标志识别系统，为无人驾驶车的相关理论与应用发展提供有力的支持，具有重要的理论意义和实用价值。
[0003]交通标志的检测与识别研究在国内外已有30多年，取得不少进展。在检测阶段应用最为广泛的是颜色空间上的阈值分割，该方法简单，计算复杂度低，且能获得较好的分割效果。为了获得完整的交通标志外轮廓，扩大阈值分割后的感兴趣区域，得到一幅与原图大小相等，背景为黑色的彩色图像并灰度化，提取灰度图像的边缘并进行连接，即可获得交通标志完整的外轮廓，能够适应交通标志被遮挡，形变等情况。对交通标志的形状分析较为常用的方法是Hough变换及其推广，这种方法计算复杂，且只能对圆形标志进行检测，实用性不强。

技术实现思路

[0004]为了解决上述现有技术的不足之处，本专利技术的目的在于提供一种无人驾驶车的交通标志识别方法，以克服现有技术中的缺陷。
[0005]为了实现上述目的，本专利技术提供了一种无人驾驶车的交通标志识别方法，包括以下步骤：
[0006]步骤1：将车载摄像头采集的原始图像进行预处理，获得初步感兴趣区域；
[0007]所述的预处理包括变换RGB颜色值及阈值分割，以及用形态学滤波消除噪声点；
[0008]步骤2：对初步感兴趣区域进行边缘连接，获得初步感兴趣区域的外轮廓，填充该外轮廓中的闭合区域，用腐蚀和膨胀操作消除毛刺和噪声干扰，得到感兴趣区域；
[0009]步骤3：对边缘连接后的感兴趣区域提取形状标记图作为分类特征，实现交通标志的粗分类，得到不同形状类的候选交通标志的彩色图像；
[0010]步骤4，对彩色图像，通过轮廓处理算法获得其所有轮廓，依次计算所有轮廓的面积，选取所有轮廓中面积在指定面积范围以内的轮廓，并依次对其进行凸壳处理，将凸壳处理后的轮廓连线成新轮廓图像，从而获得红、蓝通道的新轮廓图像；
[0011]步骤5，对每一新轮廓图像，计算其每个轮廓的面积和周长之比，通过与交通标志的面积周长比进行对比，筛除不相符的轮廓，然后计算相符的轮廓的不变矩特征值，依次计算每个相符的轮廓的不变矩特征值与交通标志的圆形不变矩特征值、方形不变矩特征值之
间的欧氏距离，最后将该欧氏距离与对应形状的指定距离范围比较，选择在相应指定距离范围内的轮廓作为感兴趣轮廓图像，从而获得红、蓝通道的感兴趣轮廓图像；
[0012]步骤6，对每一感兴趣轮廓图像，对应到步骤1中的原始识别图像上，根据该感兴趣轮廓图像获得该原始识别图像上的感兴趣区域，遍历模板库里的各种交通标志的标准模板，选择出与该原始识别图像上的感兴趣区域相匹配的交通标志的标准模板，从而识别出该感兴趣区域所属交通标志类型。
[0013]作为对本专利技术所述的一种无人驾驶车的交通标志识别方法的进一步说明，优选地，所述的步骤2的具体过程为：(1)对阈值分割后的二值图像，标记面积大于阈值的T
A
区域Rgeion
i，c
，i∈{1，2，
…
，N}；设每个区域Rgeion
i，c
的外接矩形的H
i
高和宽分别是H
i
和W
i
，左上角坐标为(x
i1
，y
i1
)，设原始图像的高和宽分别为H，W；向Rgeion
i，c
上下各扩展其外接矩形高的1/4，即H
i
/4，向左右各扩展宽的1/4，即W
i
/4，则扩展的外接矩形的左上角坐标(Ex
i1
，Ey
i1
)，和高和宽EH
i
，EW
i
分别为：
[0014][0015][0016]使交通标志能够完整地出现在处理后的图像中，获得一幅与原图像大小相同的彩色图像Seg
x，y，c
；将彩色图像Seg
x，y，c
灰度化为Gray，用Canny算子对灰度图像Gray进行边缘检测，由于把背景置为黑色，扩展的感兴趣区域边界，定会被检测为边缘，因此，把扩展的感兴趣区域Region
i，c
边界置为非边缘，可以消除扩展边界对边缘连接的影响；
[0017](2)在每个边缘点坐标(x，y)的8邻域中，如果只有一个点(x1，y1)的值为1，则记点(x，y)为边缘点；令a＝x-x1，b＝y-y1，采用以下规则对边缘进行生长：
[0018][0019]将这些生长点加入边缘点集中，用于生长后的边缘点退化；如果到达原有小区域的边界处或生长的次数已经达到了预设的上限，则停止生长；并判断边缘点集中的点是否为边缘端点，如果是端点，则是一个错误生长点，则将该点置为0，还原区域的边缘；
[0020](3)通过上述边缘连接处理后，得到交通标志所在的闭合区域；填充该闭合区域，并用结构元素相同的二值图像腐蚀和膨胀形态学操作，消除毛刺及噪声干扰。
[0021]作为对本专利技术所述的一种无人驾驶车的交通标志识别方法的进一步说明，优选地，所述步骤6包括：
[0022]步骤61，将原始识别图像上的感兴趣区域图像转化为灰度图像，并对该灰度图像进行高斯滤波后进行二值化处理获得感兴趣区域所对应的二值化图像；
[0023]步骤62，步骤61所获得的二值化图像的列数为n，行数为m，计算各列元素值255所占的百分比，获得n个百分比，记为数组X(n)，计算各行元素值255所占的百分比，获得m个百分比，记为数组Y(m)，使用数组X(n)和数组Y(m)作为该感兴趣区域的特征；
[0024]步骤63，将模板库里的各种交通标志的标准模板依次与所述感兴趣区域的特征进
行匹配，获得该感兴趣区域与各个交通标志的标准模板的最终匹配值；
[0025]步骤64，将各个交通标志的标准模板的最终匹配值中的最小匹配值对应的模板类型作为该感兴趣区域所属交通标志类型。
[0026]作为对本专利技术所述的一种无人驾驶车的交通标志识别方法的进一步说明，优选地，所述步骤63包括：
[0027]步骤631，利用双线性插值方法和固定步长依次将各种交通标志的标准模板转化为感兴趣区域尺寸的13/10倍、12/10倍、10/10倍、12/13、11/13和10/13倍；
[0028]步骤632，每次变换尺寸后所得二值化图像的列数为a，行数为b，按照步骤52的方式获取其对应的特征，该特征表示为数组A(a)和数组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人驾驶车的交通标志识别方法，其特征在于，包括以下步骤：步骤1：将车载摄像头采集的原始图像进行预处理，获得初步感兴趣区域；所述的预处理包括变换RGB颜色值及阈值分割，以及用形态学滤波消除噪声点；步骤2：对初步感兴趣区域进行边缘连接，获得初步感兴趣区域的外轮廓，填充该外轮廓中的闭合区域，用腐蚀和膨胀操作消除毛刺和噪声干扰，得到感兴趣区域；步骤3：对边缘连接后的感兴趣区域提取形状标记图作为分类特征，实现交通标志的粗分类，得到不同形状类的候选交通标志的彩色图像；步骤4，对彩色图像，通过轮廓处理算法获得其所有轮廓，依次计算所有轮廓的面积，选取所有轮廓中面积在指定面积范围以内的轮廓，并依次对其进行凸壳处理，将凸壳处理后的轮廓连线成新轮廓图像，从而获得红、蓝通道的新轮廓图像；步骤5，对每一新轮廓图像，计算其每个轮廓的面积和周长之比，通过与交通标志的面积周长比进行对比，筛除不相符的轮廓，然后计算相符的轮廓的不变矩特征值，依次计算每个相符的轮廓的不变矩特征值与交通标志的圆形不变矩特征值、方形不变矩特征值之间的欧氏距离，最后将该欧氏距离与对应形状的指定距离范围比较，选择在相应指定距离范围内的轮廓作为感兴趣轮廓图像，从而获得红、蓝通道的感兴趣轮廓图像；步骤6，对每一感兴趣轮廓图像，对应到步骤1中的原始识别图像上，根据该感兴趣轮廓图像获得该原始识别图像上的感兴趣区域，遍历模板库里的各种交通标志的标准模板，选择出与该原始识别图像上的感兴趣区域相匹配的交通标志的标准模板，从而识别出该感兴趣区域所属交通标志类型。2.如权利要求1所述的一种无人驾驶车的交通标志识别方法，其特征在于，所述的步骤2的具体过程为：(1)对阈值分割后的二值图像，标记面积大于阈值的T
A
区域Rgeion
i，c
，i∈{1，2，
…
，N}；设每个区域Rgeion
i，c
的外接矩形的H
i
高和宽分别是H
i
和W
i
，左上角坐标为(x
i1
，y
i1
)，设原始图像的高和宽分别为H，W；向Rgeion
i，c
上下各扩展其外接矩形高的1/4，即H
i
/4，向左右各扩展宽的1/4，即W
i
/4，则扩展的外接矩形的左上角坐标(Ex
i1
，Ey
i1
)，和高和宽EH
i
，EW
i
分别为：分别为：使交通标志能够完整地出现在处理后的图像中，获得一幅与原图像大小相同的彩色图像Seg
x，y，c
；将彩色图像Seg
x，y，c
灰度化为Gray，用Canny算子对灰度图像Gray进行边缘检测，由于把背景置为黑色，扩展的感兴趣区域边界，定会被检测为边缘，因此，把扩展的感兴趣区域Region
i，c
边界置为非边缘，可以消除扩展边界对边缘连接的影响；(2)在每个边缘点坐标(x，y)的8邻域...

【专利技术属性】
技术研发人员：王英丽，李晓静，马宏斌，
申请(专利权)人：黑龙江大学，
类型：发明
国别省市：