基于位置特征的信号灯识别与警示系统研究

发布时间：2020-07-21 06:45

【摘要】：交通信号灯作为重要的道路环境信息之一,控制着车辆在道路交叉口的通行,保障车辆在道路交叉口行驶的安全性。传统汽车上,驾驶人依靠眼睛获取前方道路的交通信号灯信息,这使得驾驶人视觉负荷较大,易引发驾驶疲劳。另一方面,智能手机的普及,增加了驾驶人在路口怠速停车时的驾驶次任务,易导致驾驶分心。由于驾驶疲劳或分心,驾驶人无法及时获取信号灯信息的变化,从而造成路口交通安全隐患,影响道路通行效率。本文总结了国内外相关方面的研究现状,通过分析交通信号灯特征和相关的研究理论,搭建了交通信号灯检测与识别算法框架,并设计了信号灯识别与警示系统,最后通过实车试验测试了系统功能。具体研究工作如下:(1)在对国内外研究现状进行总结的基础上,针对目前交通信号灯识别算法存在的不足,提出了基于交通信号灯背板特征进行交通信号灯背板检测与分割的方法,通过机器学习对交通信号灯背板进行分类识别,利用红、绿信号灯在信号灯背板中的位置特征进行颜色识别。(2)分析了交通信号灯的物理特征,对基于交通信号灯颜色和几何特征的检测与识别模型进行了分析,确定了本文进行交通信号灯检测与识别的基本研究方法,并搭建了交通信号灯识别系统的算法框架。(3)通过合理安装摄像头在车辆中的位置,确定图像的ROI(Region Of Interest,感兴趣区域);通过图像增强、形态学处理等方式使交通信号灯背板独立于环境背景,采用轮廓查找和连通域滤波算法提取交通信号灯背板区域,实现了交通信号灯背板的检测与分割。(4)以交通信号灯背板为正样本,以其他非交通信号灯背板为负样本,建立了交通信号灯背板分类样本库;利用HOG算法提取样本的特征向量,利用SVM分类算法生成交通信号灯背板分类器以识别交通信号灯背板,对交通信号灯背板进行区域分割,并利用红、绿信号灯在交通信号灯背板中的位置特征,实现交通信号灯颜色识别。(5)设计了信号灯识别与警示系统并进行了道路试验:对信号灯识别与警示系统进行了需求分析,完成了系统硬件和软件设计,基于Visual Studio 2010环境和Open CV,使用C++语言进行系统开发。最后,通过实车试验对系统功能进行了测试与分析。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491.51;TP391.41
【图文】：

对比图,光线,算法,对比图

第 3 章信号灯背板检测与目标分割///rgba avgGray avgRa avgGray avgGa avgGray avgB=== 后，根据 Von Kries 对角模型[40]，调整原始图像像素在 R、G、B 通 c(R)、c(G)、c(B)，如公式（3-3）所示。111( ) ( )( ) ( )( ) ( )rgbc R a c Rc G a c Gc B a c B= = = 用 GrayWorld 算法进行光线补偿前后图像对比如图 3.5 所示。

对比图,参考白,光线,对比图

吉林大学硕士学位论文先，统计作为参考白的像素点的灰度值refGray ，以及作为参考白目refNum ，计算参考白像素点的平均灰度值如公式（3-4）所示。/ref ref refavgGray = Gray Num 次，计算光线补偿系数。255 /refcoe = avgGray 后，原始图像中所有像素点像素值乘以光线补偿系数coe ，实现线补偿。pi = pi coe 利用基于参考白进行光线补偿的图像效果对比如图 3.6 所示。

直方图均衡化,前后对比

吉林大学硕士学位论文表示积分的自变量。可以看出，经过映射变换后，输出像素值的是均匀的，且覆盖了阈值的整个范围[0，1]，如公式（3-10）所示直方图均衡化的中心思想及变换原理可知，图像经直方图均衡化度级将减少，从而导致一些细节消失，但对于背景与前景灰度级比区域，可以增强该区域的对比度。经直方图均衡化处理前后的图像所示。

【相似文献】