自然环境下交通标志检测若干关键问题研究

发布时间：2024-02-18 06:56

　　交通标志识别系统是汽车自动驾驶系统的重要子系统,而交通标志检测是标志识别的重要基础和关键技术。目前,交通标志检测算法主要分为基于颜色模型、基于形状特征以及基于机器学习三类方法。基于颜色模型的阈值法是一类简单有效的标志检测方法,但存在标志互连导致标志漏检的问题。基于径向对称变换的标志检测是基于形状特征检测的主流方法之一,受到广泛关注。但现有算法存在变换参数设置困难、计算量大以及检测算法复杂等问题。基于深度学习的标志检测成为当前的研究热点,但是,训练样本量少时,会出现“过拟合”的高风险问题。另外,检测到的部分交通标志存在运动模糊问题,将会严重影响交通标志的识别性能。针对上述问题,本文系统深入地研究了自然环境下交通标志分离、交通标志检测以及交通标志去模糊等交通标志检测领域相关的关键问题。主要研究内容及创新点具体如下:(1)针对标志互连导致检测性能下降以及现有WTSS分离算法存在盲目分离、计算开销大的问题,提出了一种基于分水岭变换的互连标志自适应分离(WTSAS)算法。该算法通过构造区域特征矢量和提出互连标志判决准则,提取了互连标志候选区域:结合形态学膨胀边缘接续处理以及分水岭变换分割,仅对低...

【文章页数】：125 页

【学位级别】：博士

【部分图文】：

图１．１本文主要研究内容框架??Ｆｉｇ．?１．１?Ｔｈｅ?ｍａｉｎ?ｓｔｕｄｙ?ｃｏｎｔｅｎｔ?ｆｒａｍｅ?ｏｆ?ｔｈｅ?ｔｈｅｓｉｓ??

图１．１本文主要研究内容框架??Ｆｉｇ．?１．１?Ｔｈｅ?ｍａｉｎ?ｓｔｕｄｙ?ｃｏｎｔｅｎｔ?ｆｒａｍｅ?ｏｆ?ｔｈｅ?ｔｈｅｓｉｓ??第３章研宄了自然环境下交通标志检测技术，提出了两种标志检测箅法。具体工??作包括：（１）针对径向对称变换检测圆形标志时检测半径难以确定以及无法....

图２．?１局壳度场景下的图像分割??Ｆｉｇ．?２．１?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔｓ?ｆｏｒ?ｔｒａｆｆｉｃ?ｉｍａｇｅ?ｉｎ?ｔｈｅ?ｃａｓｅ?ｏｆ?ｈｉｇｈ?ｂｒｉｇｈｔｎｅｓｓ??

实验中两个阈值采用了文献［４２］中设定值，即ＴｈＲ＾ｌＯ，ＴｈＲ２?＝?３００。??（１）分割效果对比??首先，测试亮度变化对两种颜色模型下阈值分割效果的影响。图２．１和２．２分别给??出了高亮度和低亮度两种场景下的图像分割效果对比。??Ｆ麗Ｆ１??［?警屬??（ａ）原始交通图像....

图２．?１局壳度场景下的图像分割??Ｆｉｇ．?２．１?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔｓ?ｆｏｒ?ｔｒａｆｆｉｃ?ｉｍａｇｅ?ｉｎ?ｔｈｅ?ｃａｓｅ?ｏｆ?ｈｉｇｈ?ｂｒｉｇｈｔｎｅｓｓ??

实验中两个阈值采用了文献［４２］中设定值，即ＴｈＲ＾ｌＯ，ＴｈＲ２?＝?３００。??（１）分割效果对比??首先，测试亮度变化对两种颜色模型下阈值分割效果的影响。图２．１和２．２分别给??出了高亮度和低亮度两种场景下的图像分割效果对比。??Ｆ麗Ｆ１??［?警屬??（ａ）原始交通图像....

图２．?３两种颜色空间分割效果对比??Ｆｉｇ．?２．３?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔｓ?ｏｆ?ｔｗｏ?ｋｉｎｄｓ?ｏｆ?ｃｏｌｏｒ?ｓｐａｃｅｓ??

??从图２．１和２．２中结果可以看出，两种模型都取得了较好的分割效果，表明两种模??型对亮度变化有较好的免疫（ｉｍｍｕｅ）能力。这主要是因为，对于ＨＳＩ模型，阈值处理时??只涉及到色调分量，亮度变化对颜色几乎没有影响；对于ＲＧＢＮ模型而言，通过归一化??处理，图像的亮度信息变化对....

本文编号：3902105