论文部分内容阅读
近年来,随着道路交通问题的日趋严重,智能交通系统的构建受到越来越多的关注。智能交通系统作为一种实时、高效以及准确的综合控制系统,被越来越多地运用于交通安全领域。因此,对于智能交通系统的研究具有很强的现实意义与实用价值。本文在充分了解智能交通系统国内外研究现状的基础上,主要进行了交通标志检测、交通标志识别和车道线检测三个方面的研究。 本研究主要内容包括:⑴针对交通标志的颜色特征,使用归一化RGB方法对图像进行增强处理,突出图像中交通标志区域。对图像基于MSER(Maximally Stable Extremal Regions)算法进行阈值不同的多次阈值化处理,对每幅二值图像提取其轮廓,依据交通标志形状特征的几何约束条件对提取到的轮廓进行粗筛选,使用基于Hu不变矩的轮廓匹配方法进行细筛选。将多幅阈值化图像进行合并筛选确认图像中交通标志候选区域。⑵以交通标志检测结果为基础,对交通标志候选区域以及样本训练数据集中图像进行PHOG(Pyramid Histogram of Oriented Gradient)特征提取,使用 SVM(Support Vector Machine)方法进行交通标志分类识别的一对多分类器设计。使用通过训练的SVM一对多分类器对交通标志候选区域进行分类识别。⑶针对车道线的梯度特征,提出一种综合LDA(Linear Discriminant Analysis)与混沌粒子群算法的检测方法。利用 LDA灰度化图像,使车道线与周围道路路面有明显区别。以二次抛物线模型对图像中车道线进行拟合,使用车道线的梯度特征与灰度特征建立目标函数。通过混沌粒子群算法对二次抛物线的参数进行优化,获取使目标函数最大的最优参数,即为拟合得出的车道线,将其在图像中进行显示。⑷将PC机上实现的系统移植到嵌入式平台,选择Smart210作为系统的硬件平台,使用Qt进行图形界面设计来显示最终的运行结果。实验结果表明,系统对于交通标志识别与车道线检测均具有较高的识别精度,表明了系统在嵌入式平台上的可行性。