随着汽车的普及,城市交通安全问题日益显著,智能交通技术的研究在这样的环境下应运而生。在众多基于道路的交通信息中,路面交通标识为驾驶员直接提供必要的指示,因此路面交通信息的智能提取尤为关键。本文面向路面交通标记的快速提取与准确识别,针对其中的关键技术展开系统而深入的研究。综合运用图像处理、机器视觉、模式识别、统计学等理论,以基于Android系统的智能移动终端作为应用平台,开发出一整套路面交通标记的识别算法,并将其集成为智能手机辅助驾驶应用中的核心功能之一,对安装在行驶车辆上的手机实时捕获的图片进行处理,为驾驶员提示必要的预警。本文研究的对象包括路面导向标记和车道线两大类。主要研究成果如下:(1)提出一种感兴趣区域的确定方法:在复杂背景下进行信息粗提取,根据研究对象的位置、特征等信息确定感兴趣区域,不但降低数据冗余,提高系统处理速度,同时也减少噪声干扰,提高识别精度。(2)计算图像的灰度直方图,引入物理学中质心的思想,分析直方图的统计特性,提出一种基于直方图质心的、可以自适应调节阈值的二值化算法。(3)提出一种改进的模板匹配算法,对发生仿射形变、同时具有凸凹边缘点的不规则形状进行识别。结合目标的颜色特征和形状特征,从模板库构建、特征提取、相似性度量三个角度进行算法改进,实现路面交通标记的快速、准确识别。(4)设计路面交通标记实时检测的总体方案和技术路线,将其作为核心功能之一应用于基于Android系统的智能手机辅助驾驶系统上。在不同自然环境、不同行驶速度以及不同行驶路段进行大量实景测试,综合检测成功率达到90%,平均处理速度90ms/帧。速度、准确度、鲁棒性和稳定性均满足用户的实际需求。本论文的研究成果,不仅从理论上为不规则形状的识别提出了新方法,而且将其集成为智能移动终端应用的一项功能,在大量真实路段驾车行驶中得以实现和测试。实验结果验证了算法的可行性,为机器视觉理论在智能交通系统中的应用开拓了新思路,是智能移动终端技术开发在辅助驾驶系统领域的一次有意义的尝试。