專利名稱：一種面向無人駕駛車的道路交通標志識別方法
技術領域：
本發(fā)明涉及一種面向無人駕駛車的道路交通標志識別方法，應用于道路交通標志信息的識別。
背景技術：
行車環(huán)境的實時感知與識別是車輛無人駕駛的核心問題之一，道路交通標志則是行車環(huán)境的重要組成部分。本發(fā)明研究動態(tài)場景中交通標志的快速定位與識別方法，在車輛行駛過程中，對出現(xiàn)的交通標識信息進行檢測和識別，可為無人駕駛車提供及時的道路環(huán)境信息，以遵守交通規(guī)則。通過借鑒人類的視覺認知機理、計算機視覺以及模式識別理論的最新研究成果，研究和設計快速、自動、魯棒的交通標志識別系統(tǒng)，為無人駕駛車的相關理論與應用發(fā)展提供有力的支持，具有重要的理論意義和實用價值。交通標志的檢測與識別研究在國內(nèi)外已有30多年，取得不少進展。在檢測階段應用最為廣泛的是顏色空間上的閾值分割，該方法簡單，計算復雜度低，且能獲得較好的分割效果。為了獲得完整的交通標志外輪廓，擴大閾值分割后的感興趣區(qū)域，得到一幅與原圖大小相等，背景為黑色的彩色圖像并灰度化，提取灰度圖像的邊緣并進行連接，即可獲得交通標志完整的外輪廓，能夠適應交通標志被遮擋，形變等情況。對交通標志的形狀分析較為常用的方法是Hough變換及其推廣，這種方法計算復雜，且只能對圓形標志進行檢測，實用性不強。

發(fā)明內(nèi)容
本發(fā)明要解決技術問題是提供一種面向無人駕駛車的道路交通標志識別方法，該面向無人駕駛車的道路交通標志識別方法能有效、可信、實時地檢測和識別交通標志。本發(fā)明為解決上述技術問題所采用的技術方案是一種面向無人駕駛車的道路交通標志識別方法，包括以下步驟步驟1 將車載攝像頭采集的原始圖像進行預處理，獲得初步感興趣區(qū)域；所述的預處理包括變換RGB顏色值及閾值分割，以及用形態(tài)學濾波消除噪聲點；步驟2 對初步感興趣區(qū)域進行邊緣連接，獲得初步感興趣區(qū)域的外輪廓，填充該外輪廓中的閉合區(qū)域，用腐蝕和膨脹操作消除毛刺和噪聲干擾，得到感興趣區(qū)域；步驟3 對邊緣連接后的感興趣區(qū)域提取形狀標記圖作為分類特征，實現(xiàn)交通標志的粗分類，得到不同形狀類的候選交通標志的彩色圖像；步驟4:將不同形狀類的候選交通標志圖像進行灰度化、歸ー化及ニ元樹復小波變換，得到特征向量；用ニ維獨立分量分析算法降低特征向量的維數(shù)，送入徑向基函數(shù)核的支持向量機中進行分類，獲得交通標志的類別。步驟1中，變換RGB顏色值的步驟為對RGB空間圖像的每個像素ν = [vE, vG, vB]進行如下變換
權利要求
1.一種面向無人駕駛車的道路交通標志識別方法，其特征在于，包括以下步驟 步驟1 將車載攝像頭采集的原始圖像進行預處理，獲得初步感興趣區(qū)域；所述的預處理包括變換RGB顏色值及閾值分割，以及用形態(tài)學濾波消除噪聲點； 步驟2 對初步感興趣區(qū)域進行邊緣連接，獲得初步感興趣區(qū)域的外輪廓，填充該外輪廓中的閉合區(qū)域，用腐蝕和膨脹操作消除毛刺和噪聲干擾，得到感興趣區(qū)域；步驟3 對邊緣連接后的感興趣區(qū)域提取形狀標記圖作為分類特征，實現(xiàn)交通標志的粗分類，得到不同形狀類的候選交通標志的彩色圖像；步驟4 將不同形狀類的候選交通標志圖像進行灰度化、歸一化及二元樹復小波變換， 得到特征向量；用二維獨立分量分析算法降低特征向量的維數(shù)，送入徑向基函數(shù)核的支持向量機中進行分類，獲得交通標志的類別。
2.根據(jù)權利要求1所述的面向無人駕駛車的道路交通標志識別方法，其特征在于 步驟1中，變換RGB顏色值的步驟為對RGB空間圖像的每個像素ν = [vE, vG, vB]進行如下變換
3.根據(jù)權利要求2所述的面向無人駕駛車的道路交通標志識別方法，其特征在于所述的步驟2的包括以下步驟(a)對閾值分割后的二值圖像，標記面積大于閾值TArea的區(qū)域Rgeioni,。，i e {1,2,···, N}；設每個區(qū)域Regioni,。的外接矩形的高和寬分別是Hi, Wi,左上角坐標為(Xil，yil)，設原始圖像的高和寬分別為H，W ；向Regioni,。上下各擴展其外接矩形高的1/4，即印/4，向左右各擴展寬的1/4，即Wi/4，則擴展的外接矩形的左上角坐標(Exil, Eyil)，和高和寬EHyEWi分別為
4.根據(jù)權利要求3所述的面向無人駕駛車的道路交通標志識別方法，其特征在于 所述的步驟3的步驟為對各個顏色通道中進行感興趣區(qū)域邊緣連接和填充后的二值圖像，查找其連通區(qū)域， 記為 ConnRegionj, c，j = 1，…，RegionNum, c e {red, blue, yellow}；用雙線性插值算法將區(qū)域CormRegion」,。歸一化為50X50的二值圖像；選用形狀邊界一維表達的標記圖作為交通標志形狀分類特征；首先提取形狀的順時針邊界，記為(Xi，yi)，i = 1，…，Num，Num是形狀的邊界點個數(shù)；并用下式求取其重心
5.根據(jù)權利要求4所述的面向無人駕駛車的道路交通標志識別方法，其特征在于所述的步驟4包括以下3個步驟(a)將檢測到的屬于交通標志形狀類別的候選區(qū)域圖像灰度化及歸ー化；采用兩個實離散小波變換Vh(t)和Vg(t)來并行處理該圖像，獲得復小波變換￥(t)= ￥h(t)+j￥g(t)的實部和虛部部分；在每個尺度上，對圖像的行和列分別用兩個ー維ニ元樹復小波進行濾波，得到士 15°，士45°，士75°六個方向的ニ元樹復小波變換簇；在每個尺度和方向上，ニ元樹復小波變換均會產(chǎn)生復系數(shù)為(Rd,s。U，y)，ld,s。U，y))的子帯，其中Rd,sc(χ^y)為實系數(shù)，し。(x，y)為復系數(shù)，用子帶的幅值Mdメもカ=^ijxjHzIJxj)作為圖像的特征，其中de {O,…，5}對應方向士 15°，士45°，士75°處的六個子帯， SC e {O,…，2}為尺度；S = {MdjSC(x,y) :d e {O, -,5},sc e {O, -,2}}為ニ元樹復小波變換表示的圖像集合，將Md, sc (χ, y)隔像素點采樣，得到一行特征vd, s。，并歸ー化為^^， 組成圖像的ニ元樹復小波特征^ =(<。，も，…，も)；(b)交通標志ニ元樹復小波特征降維1)求取優(yōu)化映射向量和樣本庫平均特征對每類形狀庫中的交通標志的ニ元樹復小波樣本特征Xi，i e 1，2，…，L，L為交通標志模板庫中圖像的個數(shù)，將其轉(zhuǎn)化為kXn的ニ維矩陣χ i e Rkxn, k取84，η取96 ；設每個分量均是P個未知的獨立成分的線性組合，P ^ L，其協(xié)方差矩陣為其中Σ是協(xié)方差矩陣，文=+Xz為訓練樣本圖像的平均特征；對Σ進行奇異值分解，滿足E = VAUt;對角陣Λ [diagQi，λ2，…，λη)，滿足 λ j〉=λ j+1，U = [U1,u2, -,un]是特征值對應的特征向量組成的正交陣；取r = 10個最大特征值
全文摘要
本發(fā)明公開了一種面向無人駕駛車的道路交通標志識別方法，包括如下步驟1)變換圖像的RGB像素值來增強交通標志特征顏色區(qū)域并用閾值分割圖像；2)在灰度圖像上進行邊緣檢測和連接，重構(gòu)感興趣區(qū)域；3)提取感興趣區(qū)域的標記圖作為其形狀特征，用最近鄰分類法對其區(qū)域形狀進行分類，并排除非交通標志區(qū)域；4)灰度化，歸一化交通標志感興趣區(qū)域的圖像，對其進行二元樹復小波變換，組成圖像的特征向量，用二維獨立分量分析法降低特征向量的維數(shù)，并送入徑向基函數(shù)核的支持向量機來判斷感興趣區(qū)域所屬的交通標志類型。本發(fā)明能夠穩(wěn)定、高效地檢測和識別無人駕駛車輛行駛環(huán)境中的多類交通標志。
文檔編號G08G1/01GK102542260SQ20111045526
公開日2012年7月4日 申請日期2011年12月30日 優(yōu)先權日2011年12月30日
發(fā)明者任孝平, 何芬芬, 唐琎, 易亮, 李儀, 蔡自興, 谷明琴, 黃振威 申請人:中南大學