交通標志的檢測和識別近年來引起了學術界和產業(yè)界的興趣,一些簡單版式的交通標志(如限速標志)的識別已經有產品投入使用,而對于復雜版式交通標志的研究還處于初期階段。高速公路指路標志中包含了大量的道路信息,對于車輛輔助定位、岔路和匝道分析等方面有著積極的意義。這類標志的版式復雜,一個標志面板上可能存在多個子區(qū)域,內容包含漢字、字母、數字、指路符號、各類圖形等。本文基于智能車平臺,著重研究高速公路指路標志面板的檢測方法以及面板中信息的分割方法。高速公路指路標志中的顏色以綠色和白色為主,并且面板一般比較大,針對這些特征,本文提出了基于顏色和幾何特征的面板檢測方法,通過結合RGB和HSV兩種顏色空間進行候選區(qū)域的分割,然后通過形態(tài)學和連通域的幾何特征進行噪聲過濾。該方法在較好的保證實時性的情況下檢測出高速公路指路標志面板區(qū)域。高速公路指路標志面板的版式復雜,存在多種類型的子區(qū)域,因此本文首先分割面板中的子區(qū)域,然后針對子區(qū)域的不同類型采用不同的子區(qū)域字符分割方法。本文提出了基于多級投影算法的面板中子區(qū)域分割方法,首先采用局部OTSU和顏色特征對面板圖像進行二值化;然后基于霍夫變換檢測面板邊框并進行傾斜矯正;接著通過垂直和水平方向上的多級投影得到面板中包含字符和符號的圖像塊;最后根據面板規(guī)則將圖像塊進行合并得到面板中子區(qū)域。為了盡可能濾除偽目標,本文設計了基于HOG和LBP特征的SVM分類器,通過分類的方法實現偽目標子區(qū)域去除,保留感興趣的公路編號、漢字地名、方向指示、距離信息四類子區(qū)域。面板中四類子區(qū)域區(qū)別較大,統一的字符分割方法較為復雜,因此本文提出自適應的子區(qū)域字符分割方法。首先通過卷積神經網絡進行子區(qū)域的預分類,得到每個子區(qū)域的類型;然后通過自適應投影分割算法將四類不同子區(qū)域的字符或符號分割開。最后,本文給出了基于智能車的高速公路指路標志檢測和分割的實驗結果和分析。真實場景的實驗結果表明,本文方法取得了較好的實驗結果,面板檢測的準確率為97.24%,查全率為98.27%;面板中子區(qū)域分割的準確率為97.11%,查全率為90.65%;子區(qū)域中字符和符號分割的準確率為95.83%。
【學位單位】：南京理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP391.41;U463.6;U495
【部分圖文】：

息以及一些漢語拼音和英文字母，部分指路標志面板上還會加入限速標志等信息。指路??標志信息的選取應該以不熟悉周圍環(huán)境的公路用戶為設計對象，在為用戶提供盡可能詳??盡的高速公路路況信息的同時，還要保證所提供的信息簡明扼要。圖１．２為高速公路指??路標志示例圖。??國麗醒黑??喔國幽圖??ｆｔ??圖１．２高速公路指路標志示例??２??

２基于顏色和幾何特征的高速公路指路標志面板檢測方法??２．１方法概述??自然場景下的高速公路圖像是本方法的輸入，圖２．１是智能車車載相機實時拍攝的??高速公路場景圖像。由于天氣、光照以及智能車行駛方向變化的影響，智能車車載相機??拍攝的圖像會有不同程度的明暗差別。??ａ）明殼場景?ｂ）昏暗場景??圖２．１智能車采集的高速公路場景圖像??本文通過分析智能車采集的圖像，根據高速公路指路標志在自然場景中的顯著特點，??提出基于顏色和幾何特征的高速公路指路標志面板檢測方法。方法的流程圖如圖２．２。??首先提取圖像的感興趣區(qū)域并對圖像進行降維處理，以降低后期面板檢測處理的計算量，??提高檢測的速度；然后進行基于ＲＧＢ顏色空間和ＨＳＶ顏色空間的多尺度顏色分割；接??著根據分割后二值圖中連通域的幾何特征進行過濾，具體采用形態(tài)學運算和連通域過濾??等操作；最后將二值圖中檢測的高速公路指路標志面板位置，映射到原圖上相應的位置，??得到標志面板在原圖中的區(qū)域。??彩色圖像??截取感興趣區(qū)域??圖像’降維??ｊ???ｉ???基于ＲＧＢ和ＨＳＶ的顏色分割???ｉ???基于幾何特征噪聲過濾??指路標志＾板區(qū)域??圖２．２高速公路指路標志面板檢測方法流程圖

２基于顏色和幾何特征的高速公路指路標志面板檢測方法??２．１方法概述??自然場景下的高速公路圖像是本方法的輸入，圖２．１是智能車車載相機實時拍攝的??高速公路場景圖像。由于天氣、光照以及智能車行駛方向變化的影響，智能車車載相機??拍攝的圖像會有不同程度的明暗差別。??ａ）明殼場景?ｂ）昏暗場景??圖２．１智能車采集的高速公路場景圖像??本文通過分析智能車采集的圖像，根據高速公路指路標志在自然場景中的顯著特點，??提出基于顏色和幾何特征的高速公路指路標志面板檢測方法。方法的流程圖如圖２．２。??首先提取圖像的感興趣區(qū)域并對圖像進行降維處理，以降低后期面板檢測處理的計算量，??提高檢測的速度；然后進行基于ＲＧＢ顏色空間和ＨＳＶ顏色空間的多尺度顏色分割；接??著根據分割后二值圖中連通域的幾何特征進行過濾，具體采用形態(tài)學運算和連通域過濾??等操作；最后將二值圖中檢測的高速公路指路標志面板位置，映射到原圖上相應的位置，??得到標志面板在原圖中的區(qū)域。??彩色圖像??截取感興趣區(qū)域??圖像’降維??ｊ???ｉ???基于ＲＧＢ和ＨＳＶ的顏色分割???ｉ???基于幾何特征噪聲過濾??指路標志＾板區(qū)域??圖２．２高速公路指路標志面板檢測方法流程圖
【參考文獻】

相關期刊論文 前5條

1 常發(fā)亮;黃翠;劉成云;趙永國;馬傳峰;;基于高斯顏色模型和SVM的交通標志檢測[J];儀器儀表學報;2014年01期

2 谷明琴;蔡自興;任孝平;;自然場景中字符型交通標志的檢測算法[J];中南大學學報(自然科學版);2013年05期

3 盧盛榮;劉禮鋒;李翠華;;基于顏色分割和多特征融合的交通標志檢測[J];廈門大學學報(自然科學版);2011年04期

4 劉富強;沙浩;;基于改進SCW的道路標志牌字符定位算法[J];中國圖象圖形學報;2007年10期

5 陳維馨;李翠華;汪哲慎;;基于顏色和形狀的道路交通標志檢測[J];廈門大學學報(自然科學版);2007年05期

相關碩士學位論文 前4條

1 劉冬琴;自然場景下交通標志檢測算法研究[D];北京交通大學;2016年

2 俞凌;支持無人駕駛車輛的交通標志檢測[D];浙江大學;2016年

3 陳亞杰;自然場景中交通標志版面理解算法研究[D];北京交通大學;2016年

4 劉居鋒;自然場景中交通標志文字檢測算法研究[D];北京交通大學;2014年

本文編號：2859517