基于机器视觉的交通信号灯识别系统的研究

发布时间：2024-05-08 01:23

　　随着经济高速发展,人民生活水平的逐渐提高,汽车的普及率也越来越高。然而,在汽车给人们生活带来便利的同时,也使得道路交通承载的压力越来越大。为了缓解交通压力、减少交通事故带来的损失,能够实时提取关键交通信息并作出及时预警的智能驾驶辅助系统的开发成为研究热点。本文以红灯信号的自动检测作为研究目标,基于机器视觉理论和图像处理技术,对行驶在真实场景中的车辆图像的获取进行处理。主要工作和突出贡献如下:(1)提出了基于RGB和HSV两种色度空间描述红灯的方法以及相应的红灯预挑选技术。通过大量的数据训练获得了红灯两种色度空间的分布特性。通过其分布特性选取合适的阈值以确定疑似目标区域。(2)根据交通灯的几何、位置、及与其它景物的关系,提出一种融合红灯各类几何、颜色、位置特征的筛选方法。利用红灯的融合特征进行删除杂质,进一步净化疑似红灯区域,完成目标的提取。(3)设计红灯信号自动检测的总体实施方案和技术路线进行,并将其融入基于安卓平台的智能移动终端。在不同自然环境及路况下150000幅图片的实验测试,平均运行速度为60ms/帧,完全满足实时要求。对各类环境的综合检测成功率达到90%以上。本文为辅助驾驶系...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 智能驾驶系统的研究背景
    1.2 研究目的和意义
    1.3 国内外研究现状
    1.4 论文的主要工作及结构安排
第2章 红灯识别的基础理论
    2.1 数字图像的基础知识
        2.1.1 数字图像的概念
        2.1.2 数字图像处理简介
        2.1.3 数字图像处理的目的及常用方法
    2.2 几种常见的色度空间模型
        2.2.1 RGB模型
        2.2.2 HSV模型
        2.2.3 YUV模型
    2.3 交通信号灯的先验知识
    2.4 本章小结
第3章 信号灯智能提取的实验环境
    3.1 Android平台介绍
    3.2 实验环境所用软件介绍
        3.2.1 MATLAB简介
        3.2.2 MicrosoftVisualStudio2010平台
        3.2.3 OPENCV应用
    3.3 Android开发环境简介
        3.3.1 Android开发环境的搭建
        3.3.2 配置C语言调用环境
    3.4 移动智能终端简介
    3.5 本章小结
第4章 红灯智能提取技术的研究
    4.1 红灯信息提取系统的流程框图
    4.2 图像预处理
        4.2.1 目标区域的初筛选
        4.2.2 图像二值化
    4.3 基于色度空间的图像分割
    4.4 基于红灯形状特征的判别
        4.4.1 疑似目标区域标签化
        4.4.2 基于标记区域的最小外接矩形特征判别
    4.5 集中判别
        4.5.1 竖向集中判别
        4.5.2 横向集中判别
    4.6 基于边缘特征的判别
        4.6.1 红灯图像的灰度化
        4.6.2 边缘算子介绍
        4.6.3 不同边缘算子的结果对比
        4.6.4 边缘判别
    4.7 基于红灯几何特征的判别
        4.7.1 质心特征判别
        4.7.2 面积特征判别
    4.8 红灯提取结果展示
    4.9 本章小结
第5章 交通信号灯智能检测的实现
    5.1 开发平台的组建
    5.2 实验结果及分析
    5.3 本章小结
第6章 总结与展望
    6.1 工作总结
    6.2 未来工作展望
致谢
参考文献



本文编号：3967283