交通標(biāo)志的檢測(cè)和識(shí)別近年來(lái)引起了學(xué)術(shù)界和產(chǎn)業(yè)界的興趣,一些簡(jiǎn)單版式的交通標(biāo)志(如限速標(biāo)志)的識(shí)別已經(jīng)有產(chǎn)品投入使用,而對(duì)于復(fù)雜版式交通標(biāo)志的研究還處于初期階段。高速公路指路標(biāo)志中包含了大量的道路信息,對(duì)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(biāo)志的版式復(fù)雜,一個(gè)標(biāo)志面板上可能存在多個(gè)子區(qū)域,內(nèi)容包含漢字、字母、數(shù)字、指路符號(hào)、各類圖形等。本文基于智能車平臺(tái),著重研究高速公路指路標(biāo)志面板的檢測(cè)方法以及面板中信息的分割方法。高速公路指路標(biāo)志中的顏色以綠色和白色為主,并且面板一般比較大,針對(duì)這些特征,本文提出了基于顏色和幾何特征的面板檢測(cè)方法,通過(guò)結(jié)合RGB和HSV兩種顏色空間進(jìn)行候選區(qū)域的分割,然后通過(guò)形態(tài)學(xué)和連通域的幾何特征進(jìn)行噪聲過(guò)濾。該方法在較好的保證實(shí)時(shí)性的情況下檢測(cè)出高速公路指路標(biāo)志面板區(qū)域。高速公路指路標(biāo)志面板的版式復(fù)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(duì)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(jí)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(duì)面板圖像進(jìn)行二值化;然后基于霍夫變換檢測(cè)面板邊框并進(jìn)行傾斜矯正;接著通過(guò)垂直和水平方向上的多級(jí)投影得到面板中包含字符和符號(hào)的圖像塊;最后根據(jù)面板規(guī)則將圖像塊進(jìn)行合并得到面板中子區(qū)域。為了盡可能濾除偽目標(biāo),本文設(shè)計(jì)了基于HOG和LBP特征的SVM分類器,通過(guò)分類的方法實(shí)現(xiàn)偽目標(biāo)子區(qū)域去除,保留感興趣的公路編號(hào)、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(tǒng)一的字符分割方法較為復(fù)雜,因此本文提出自適應(yīng)的子區(qū)域字符分割方法。首先通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行子區(qū)域的預(yù)分類,得到每個(gè)子區(qū)域的類型;然后通過(guò)自適應(yīng)投影分割算法將四類不同子區(qū)域的字符或符號(hào)分割開。最后,本文給出了基于智能車的高速公路指路標(biāo)志檢測(cè)和分割的實(shí)驗(yàn)結(jié)果和分析。真實(shí)場(chǎng)景的實(shí)驗(yàn)結(jié)果表明,本文方法取得了較好的實(shí)驗(yàn)結(jié)果,面板檢測(cè)的準(zhǔn)確率為97.24%,查全率為98.27%;面板中子區(qū)域分割的準(zhǔn)確率為97.11%,查全率為90.65%;子區(qū)域中字符和符號(hào)分割的準(zhǔn)確率為95.83%。
【學(xué)位單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;U463.6;U495
【部分圖文】：

息以及一些漢語(yǔ)拼音和英文字母，部分指路標(biāo)志面板上還會(huì)加入限速標(biāo)志等信息。指路??標(biāo)志信息的選取應(yīng)該以不熟悉周圍環(huán)境的公路用戶為設(shè)計(jì)對(duì)象，在為用戶提供盡可能詳??盡的高速公路路況信息的同時(shí)，還要保證所提供的信息簡(jiǎn)明扼要。圖１．２為高速公路指??路標(biāo)志示例圖。??國(guó)麗醒黑??喔國(guó)幽圖??ｆｔ??圖１．２高速公路指路標(biāo)志示例??２??

２基于顏色和幾何特征的高速公路指路標(biāo)志面板檢測(cè)方法??２．１方法概述??自然場(chǎng)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(jī)實(shí)時(shí)拍攝的??高速公路場(chǎng)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(jī)??拍攝的圖像會(huì)有不同程度的明暗差別。??ａ）明殼場(chǎng)景?ｂ）昏暗場(chǎng)景??圖２．１智能車采集的高速公路場(chǎng)景圖像??本文通過(guò)分析智能車采集的圖像，根據(jù)高速公路指路標(biāo)志在自然場(chǎng)景中的顯著特點(diǎn)，??提出基于顏色和幾何特征的高速公路指路標(biāo)志面板檢測(cè)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(duì)圖像進(jìn)行降維處理，以降低后期面板檢測(cè)處理的計(jì)算量，??提高檢測(cè)的速度；然后進(jìn)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(jù)分割后二值圖中連通域的幾何特征進(jìn)行過(guò)濾，具體采用形態(tài)學(xué)運(yùn)算和連通域過(guò)濾??等操作；最后將二值圖中檢測(cè)的高速公路指路標(biāo)志面板位置，映射到原圖上相應(yīng)的位置，??得到標(biāo)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(guò)濾??指路標(biāo)志＾板區(qū)域??圖２．２高速公路指路標(biāo)志面板檢測(cè)方法流程圖

２基于顏色和幾何特征的高速公路指路標(biāo)志面板檢測(cè)方法??２．１方法概述??自然場(chǎng)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(jī)實(shí)時(shí)拍攝的??高速公路場(chǎng)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(jī)??拍攝的圖像會(huì)有不同程度的明暗差別。??ａ）明殼場(chǎng)景?ｂ）昏暗場(chǎng)景??圖２．１智能車采集的高速公路場(chǎng)景圖像??本文通過(guò)分析智能車采集的圖像，根據(jù)高速公路指路標(biāo)志在自然場(chǎng)景中的顯著特點(diǎn)，??提出基于顏色和幾何特征的高速公路指路標(biāo)志面板檢測(cè)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(duì)圖像進(jìn)行降維處理，以降低后期面板檢測(cè)處理的計(jì)算量，??提高檢測(cè)的速度；然后進(jìn)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(jù)分割后二值圖中連通域的幾何特征進(jìn)行過(guò)濾，具體采用形態(tài)學(xué)運(yùn)算和連通域過(guò)濾??等操作；最后將二值圖中檢測(cè)的高速公路指路標(biāo)志面板位置，映射到原圖上相應(yīng)的位置，??得到標(biāo)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(guò)濾??指路標(biāo)志＾板區(qū)域??圖２．２高速公路指路標(biāo)志面板檢測(cè)方法流程圖
【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

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

2 谷明琴;蔡自興;任孝平;;自然場(chǎng)景中字符型交通標(biāo)志的檢測(cè)算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)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(biāo)志檢測(cè)[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

4 劉富強(qiáng);沙浩;;基于改進(jìn)SCW的道路標(biāo)志牌字符定位算法[J];中國(guó)圖象圖形學(xué)報(bào);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(biāo)志檢測(cè)[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

相關(guān)碩士學(xué)位論文 前4條

1 劉冬琴;自然場(chǎng)景下交通標(biāo)志檢測(cè)算法研究[D];北京交通大學(xué);2016年

2 俞凌;支持無(wú)人駕駛車輛的交通標(biāo)志檢測(cè)[D];浙江大學(xué);2016年

3 陳亞杰;自然場(chǎng)景中交通標(biāo)志版面理解算法研究[D];北京交通大學(xué);2016年

4 劉居鋒;自然場(chǎng)景中交通標(biāo)志文字檢測(cè)算法研究[D];北京交通大學(xué);2014年

本文編號(hào)：2859517