CN101634563A - 一种实现汽车导航的方法、装置及摄像机 - Google Patents
一种实现汽车导航的方法、装置及摄像机 Download PDFInfo
- Publication number
- CN101634563A CN101634563A CN200810135370A CN200810135370A CN101634563A CN 101634563 A CN101634563 A CN 101634563A CN 200810135370 A CN200810135370 A CN 200810135370A CN 200810135370 A CN200810135370 A CN 200810135370A CN 101634563 A CN101634563 A CN 101634563A
- Authority
- CN
- China
- Prior art keywords
- road sign
- image
- image information
- literal
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种实现汽车导航的方法、装置及摄像机,本发明方案采用普通摄像头按照预设拍摄参数拍摄以获取图像信息,对获得的图像信息通过初步检测,获得可能包含有路标信息的图像信息;对获得的可能包含有路标信息的图像信息进行校正处理,然后进行路标检测,并在图像信息中存在路标时,分割出路标图像;从得到的路标图像信息中分割出文字和图标区域,并识别其中的文字和图标后显示。通过本发明方案,司机可以从显示屏上正确地获得路标牌的信息,方便了司机查看路线或者对行驶作出正确的判断。本发明简单又价廉地实现了汽车导航。
Description
技术领域
本发明涉及摄像处理技术,尤指一种实现汽车导航的方法、装置及摄像机。
背景技术
目前,最简单的汽车导航方式是,使用普通摄像头辅助司机进行定位,通过显示摄像头采集到的图片,以供司机定位作参考。由于摄像头拍摄到的原始图片会有较大的畸变,实际上,这种方式不但不能起到导航作用,还有可能引起司机产生错误的判断;而且,这种方式不具备智能性。可见,这种方式虽然简单、成本很低,但是几乎不具备实用性。
因此,大多数想要使用汽车导航***的司机,通常会选择GPS,或国产的北斗导航***来实现汽车导航。这两种导航产品都依赖卫星进行定位,费用昂贵,因此其普及较为困难。
发明内容
有鉴于此,本发明的主要目的在于提供一种实现汽车导航的方法、装置及摄像机,能够简单、价廉地实现汽车导航。
为达到上述目的,本发明的技术方案具体是这样实现的:
一种实现汽车导航的方法,该方法包括以下步骤:
A.按照预设拍摄参数拍摄以获取图像信息,对该图像信息进行初步检测,获得可能包含有路标信息的图像信息;
B.对获得的可能包含有路标信息的图像信息进行校正处理,然后进行路标检测,并在图像信息中存在路标信息时,分割出路标图像信息;
C.从得到的路标图像信息中分割出文字和图标区域,并识别区域中的文字和图标后显示。
步骤A中所述初步检测的方法为:当检测出所述拍摄到的图像信息中表示预设颜色的区域的面积超过预设面积阈值时,判定拍摄到的图像信息可能包含有路标信息。
所述预设颜色区域的面积的检测采用改进简单向量滤波器SVF,具体为:
按照 对像素进行计算,当结果result≥=1时,表明为预设颜色,保留所述图像中该预设颜色的像素;当结果result<1时,表明为单色,过滤掉所述图像中所有单色的像素;其中,Red、Green、Blue分别为图像信息中红、绿、蓝三种颜色的亮度分量,D是单色提取系数,系数D为20;
按照检测条件 进行判断,当满足检测条件时,表明为需要保留的预设颜色且为绿色,并保留该预设颜色的像素;
扫描并统计保留有预设颜色的像素,以获取预设颜色的区域的面积。
步骤B中所述校正的方法为梯形校正法。
所述梯形校正法具体包括:
预先建立原始图像与校正后的图像的像素点的对应关系;
按照对应关系,将获得的可能包含有路标信息的图像中的像素点对应地转换为校正后的像素点。
所述建立原始图像与校正后的图像的像素点的对应关系的方法为:
假设通过摄像头采集一预设标志物后,得到原始图像的四个角的坐标分别为(0,0),(a,0),(x2,y2),(x1,y1);
u=(Ax+By+C)/(Gx+Hy+I)
根据图像变换算法v=(Dx+Ey+F)/(Gx+Hy+I)得出原始图像与校正后的图像的像素点的对应关系,其中x、y分别为拍摄到的原始图像的像素点的X坐标值和Y坐标值,u、v分别为校正后的像素点的X坐标值和Y坐标值;
其中,参数I=1,参数A~H由下面公式求解:
[u1]=[x1 y1 1 0 0 0-u1*x1-u1*y1]*[A]
[u2]=[x2 y2 1 0 0 0-u2*x2-u2*y2] [B]
[u3]=[x3 y3 1 0 0 0-u3*x3-u3*y3] [C]
[u1]=[x4 y4 1 0 0 0-u4*x4-u4*y4] [D]
[...][... ] [E]
[un]=[xn yn 1 0 0 0-un*xn-un*yn] [F]
[v1]=[0 0 0 x1 y1 1-v1*x1-v1*y1] [G]
[v2]=[0 0 0 x2 y2 1-v2*x2-v2*y2] [H]
[v3]=[0 0 0 x3 y3 1-v3*x3-v3*y3]
[v4]=[0 0 0 x4 y4 1-v4*x4-v4*y4]
[...][... ]
[vn]=[0 0 0 xn yn 1-vn*xn-vn*yn],其中,n表示不同的像素点;u1、u2、......un和v1、v2、......vn分别为校正后的各像素点的X坐标值和Y坐标值。
步骤B中所述进行路标检测,并在图像信息中存在路标时,分割出路标图像具体包括:
利用改进SVF检测预设颜色的区域;
对检测出的不同颜色的区域,利用拐角特征提取算法提取物体特征,并采用几何结构分析的方法检测提取的物体的形状以及检测出的形状的位置参数;
在得到物体形状和位置参数后,根据位置参数从图像中分割出路标图像。
步骤C中所述从分割出的文字和图标区域识别文字和图标的方法为:
对所述分割出的文字和图标区域进行小波变换HAAR和快速傅立叶变换FFT处理;之后,进行特征提取获得特征向量后,通过模式分类,得到识别出的文字和图标。
所述模式分类方法为决策理论分析方法中最近领域分类,具体为:
预先设置所知道的已使用的各类路标与其参考向量的对应关系;
将所述提取的特征向量与参考向量作比较,选择特征向量与各参考向量间距离最小的参考向量对应的路标为识别出的路标。
一种实现汽车导航的装置,包括:图像抓拍单元、路标预检测单元、路标分割单元、路标识别单元和路标输出单元,其中,
图像抓拍单元,用于在汽车行驶公路上按照预设拍摄参数进行拍摄,并将拍摄到的图像信息传送给路标预检测单元;
路标预检测单元,用于对获得的图像信息进行初步检测,并将检测出的可能包含有路标信息的图像信息传送给路标分割单元;
路标分割单元,用于对接收到的包含有路标信息的图像信息进行校正处理,并对校正处理后的图像信息进行路标检测,并在检测出图像信息中含有路标信息时,分割出路标图像并传送给路标识别单元;
路标识别单元,用于分割出接收到的路标图像中的文字和图标区域,并识别其中的文字和图标后传送给路标输出模块单元;
路标输出单元,用于将识别出的路标中的文字和图标按照一定的格式在车载显示屏上显示。
所述图像抓拍单元为普通摄像头。
所述路标识别单元包括:分割模块、处理模块、特征提取模块和模式分类模块,其中,
分割模块,用于从接收到的路标图像信息中分割出文字和图标区域;
处理模块,用于对分割出的文字和图标区域进行小波变换HAAR处理和快速傅立叶变换FFT处理;
特征提取模块,用于对处理后的文字和图标区域进行特征提取,以获得特征向量;
模式分类模块,预先存储有已知的每一类路标与其参考向量的对应关系;模式分类模块用于将提取的特征向量与参考向量作比较,选择特征向量与各参考向量间距离最小的参考向量对应的路标为识别出的路标并输出。
一种摄像机,至少包括由图像抓拍单元、路标预检测单元、路标分割单元、路标识别单元和路标输出单元组成的实现汽车导航的装置。
由上述技术方案可见,本发明采用普通的摄像头,对抓拍到的图像进行路标检测,校正处理等处理后,将图像中的路标分割并识别出来显示给司机。这样,司机可以从显示屏上正确地获得路标牌的信息,方便了司机查看路线或者对行驶作出正确的判断。本发明简单又价廉地实现了汽车导航。
附图说明
图1是本发明实现汽车导航的装置的组成结构示意图;
图2是本发明实现汽车导航的方法的流程图;
图3是本发明梯形校正法的示意图;
图4是本发明实现汽车导航的装置中的路标识别单元的组成结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明进一步详细说明。
图1是本发明实现汽车导航的装置的组成结构示意图,如图1所示,包括图像抓拍单元、路标预检测单元、路标分割单元、路标识别单元和路标输出单元,其中,
图像抓拍单元,用于在汽车行驶公路上按照预设拍摄参数进行拍摄,并将拍摄到的图像信息传送给路标预检测单元。这里拍摄参数可以但不限于:镜头焦距、拍摄图片的频率以及快门的控制信息等。图像抓拍单元可以采用摄像头来实现。
路标预检测单元,用于对获得的图像信息进行初步检测,并将检测出的可能包含有路标信息的图像信息传送给路标分割单元。由于颜色是路标最显著的特征之一,因此,可以采用基于颜色的检测方法。
路标分割单元,用于对接收到的包含有路标信息的图像信息进行校正处理,并对校正处理后的图像信息进行路标检测,并在检测出图像信息中含有路标信息时,分割出路标图像并传送给路标识别单元。其中,校正处理可以采用梯形校正法,以对摄像头采集到的变形的图像进行校正;路标检测可以采用基于颜色的检测方法。
路标识别单元,用于分割出接收到的路标图像信息中的文字和图标区域,并识别其中的文字和图标后传送给路标输出模块单元。
路标输出单元,用于将识别出的路标中的文字和图标信息按照一定的格式在车载显示屏上显示。
图4是本发明实现汽车导航的装置中的路标识别单元的组成结构示意图,如图4所示,路标识别单元具体可以包括:分割模块、处理模块、特征提取模块和模式分类模块,其中,
分割模块,用于分割出接收到的路标图像信息中的文字和图标区域;
处理模块,用于对分割出的区域中的图像信息进行小波变换(HAAR)处理和快速傅立叶变换(FFT)处理;
特征提取模块,用于对处理后的图像信息进行特征提取,以获得特征向量。如采用现有拐角特征提取算法等;
模式分类模块,预先存储有已知每一类的路标(包括文字和图标)与其样本向量即参考向量的对应关系;模式分类模块用于将提取的特征向量与参考向量作比较,选择特征向量与各参考向量间距离最小的参考向量对应的路标为识别出的路标并输出。
本发明实现汽车导航的装置可以单独为一设备,也可以集成在摄像机中,作为摄像机的组成单元。
下面结合本发明方法,分别详细介绍图1所示装置中各模块的具体实现。
图2是本发明实现汽车导航的方法的流程图,如图2所示,包括以下步骤:
步骤200:按照预设拍摄参数进行拍摄,以获取图像信息。
图像抓拍单元可以采用如西姆科技的CM系列的普通摄像头来实现,在拍摄前需要对摄像头的参数进行设置。由于路标牌一般设置在公路的右侧,汽车行驶过程中离路标牌的距离在一个可预测的范围内,可根据上述汽车与路标牌的距离,通过实验设置一个较好的镜头焦距参数;而且,路标牌在公路上的设置是有一定间隔的,可通过实验得到一个拍摄图片的最佳时间间隔,并以此来设置拍摄图片的频率参数;对于快门的控制信息,可以以汽车高速行驶速度如120Km/h来设置最佳快门的控制信息。
步骤201:对获得的图像信息进行初步检测,检测出可能包含有路标信息的图像信息。
为了从拍摄到的图像信息中获取所需的有关道路情况的文字和图标信息,首先需要筛选出包含有路标信息的有用信息。可通过路标预检测单元对获得的图像信息进行初步检测,比如采用基于颜色的检测方法初步筛选出包含有路标信息的图像信息,具体实现如下:
由于颜色无疑是路标最显著的特征之一,基于颜色的初步检测能通过少量运算去除获得的图像中大片非感兴趣区域,这对路标初步检测的实时性非常有益。采用基于颜色的路标初步检测算法,简单来讲就是,当图像中预设颜色的区域的面积超过预设面积阈值时,则认为检测到路标的存在。其中预设颜色的区域即为感兴趣色彩的区域,也就是包含有路标常用颜色的区域,比如绿色、黄色、蓝色、红色。本发明提出一种高速提取预设颜色、去除物体轮廓的简单向量滤波器(SVF,Simple Vector Filter)。
现有SVF基于HSI三色***,当向量方向相同时,颜色元素相同,单色具有相同的向量方向,SVF使用单色算法(achromatic color)),本算法计算出图像像素为单色或彩色,也即过滤掉所有的单色的像素,单色算法的具体步骤可表示如下:
当结果result≥=1时,表明为彩色,当结果result<1时,表明为单色。其中,Red、Green、Blue分别为图像信息中红、绿、蓝三种颜色的亮度分量,D是单色提取系数,系数D通过大量的实验比较,得到的最优取值为20。
大量实验表明,现有SVF通过简单的运算能较完好地保留有效色彩即红色、蓝色和黄色,并排除大部分干扰区域。但由于没有对特定的彩色分量进行约束,现有SVF对一些不符合单色计算公式的路标色彩具有排除作用。通过对实验样本的分析得到,SVF算子错误排除的多数像素属于绿色,因此,本申请在现有SVF中增加了对绿色分量的检测,检测条件为:
当满足上述检测条件时,表明图像像素为需要保留的彩色而且是绿色。
实验结果表明,本发明改进后的SVF能够有效地检测出在现有SVF中被错误排除的绿色区域;另外,为了降低后期工作的计算量,在上述颜色检测中产生的噪声点可用均值滤波或中值滤波去除。关于均值滤波和中值滤波的具体实现属于现有技术,本领域技术人员很容易实现,这里不再赘述。
之后,扫描并统计保留有预设颜色的像素,以获取保留的预设颜色的区域的面积,根据预设面积阈值判断是否可能包含有路标信息,如果保留的颜色的面积大于预设面积阈值,则判断出可能包含有路标信息;如果保留的颜色的面积小于预设面积阈值,则判断出不包含路标信息。
步骤202:对可能包含有路标信息的图像信息进行校正处理,然后进行路标检测,并在图像信息中存在路标时,分割出路标图像。
在对获得的图像信息进行了初步筛选之后,路标分割单元对筛选得出的可能包含有路标信息的图像信息进行校正,然后再一次利用本发明改进后的SVF算法检测感兴趣颜色的区域;接着,对保留的不同颜色的区域进行形状检测:采用现有拐角特征提取算法提取物体特征,然后采用现有几何结构分析的方法检测提取的物体的形状如圆形、矩形、三角形标志等,以及检测出的形状的位置参数(矩形为四个角坐标,三角形为三个角坐标,圆形与之相切的矩形的四个角坐标);在得到物体形状和位置参数后,根据位置参数从图像中分割出路标图像。
本步骤中,校正可采用如梯形校正法,具体实现是,按照预先建立的原始图像与校正后的图像的像素点的对应关系,对包含有路标信息的图像中的各像素点进行校正,即按照对应关系,将获得的包含有路标信息的图像的像素点对应地转换为校正后的像素点。
其中,原始图像与校正后的图像的像素点的对应关系是通过调试计算获得的。具体是这样实现的:选择的一标志物如正方形木板作为假设的路标,其中该正方形木板的四个角的坐标分别为:(0,0),(width,0),(0,height),(width,height),其中,width和height分别为正方形木板的宽和高。
通过摄像头采集该标志物,测量采集到的标志物变形后的图像的边长和对角线,把其中一边作为x轴,起点为原点。图3是本发明梯形校正法示意图,如图3所示:a,b,c,d,e分别为标志物在图片中的边长与对角线的长度,根据(0,0),(a,0),a,b,e可以求得(x1,y1);根据(x1,y1),(a,0),c,d,e可以求得(x2,y2);至此,得到标志物的四个顶点。需要说明的是,求解出的x1,x2,y1和y2可能出现负值,需要进行坐标平移处理。于是得到4个点对:
其中,分为4个数组:
x[4]={0,width,0,height};y[4]={0,0,height,height};
u[4]={0,a,x1,x2};v[4]={0,0,y1,y2};
u=(Ax+By+C)/(Gx+Hy+I)
根据图像变换算法v=(Dx+Ey+F)/(Gx+Hy+I)得出原始图像与校正后的图像的像素点的对应关系,求解系数A~H,其中,u和v分别为校正后的X坐标值和Y坐标值。
I=1;
[u1]=[x1 y1 1 0 0 0-u1*x1-u1*y1]*[A]
[u2]=[x2 y2 1 0 0 0-u2*x2-u2*y2] [B]
[u3]=[x3 y3 1 0 0 0-u3*x3-u3*y3] [C]
[u1]=[x4 y4 1 0 0 0-u4*x4-u4*y4] [D]
[...][... ] [E]
[un]=[xn yn 1 0 0 0-un*xn-un*yn] [F]
[v1]=[0 0 0 x1 y1 1-v1*x1-v1*y1] [G]
[v2]=[0 0 0 x2 y2 1-v2*x2-v2*y2] [H]
[v3]=[0 0 0 x3 y3 1-v3*x3-v3*y3]
[v4]=[0 0 0 x4 y4 1-v4*x4-v4*y4]
[...][... ]
[vn]=[0 0 0 xn yn 1-vn*xn-vn*yn]
于是又出现:b=M*x;
M*x=b→M′*M*x=M′*b→x=(M′*M)-1*M′*b,M’为M的转置矩阵。
其中,n表示不同的像素点,u1、u2、......un和v1、v2、......vn分别为校正后的各像素点的X坐标值和Y坐标值。
步骤203:分割出路标图像信息中的文字和图标区域,并识别其中的文字和图标后显示。
对于分割出的路标图像,路标识别单元首先对文字与图标区域进行分割,再对分割出来的文字与图标区域进行模式识别,识别出其中的文字与图标,其中,
文字与图标的分割方法属于现有技术,大致包括:
对经过校正的图像进行标准化处理。因为路标都有标准的大小,根据标准路标的大小,对获得的路标图像的大小进行缩放,使获得的路标图像的大小调整为标准的路标大小。
基于文字的边缘纹理特征,粗略分割出可能的文字区域;计算各区域内的颜色统计直方图,进行二类颜色聚类;分析文字连通域的几何特征,滤除非文字连通域;计算文字连通域像素点的垂直投影,估计文字的宽度和文字间隔,判断是否为文字排列,对粗分割的文字区域进行校验,确定文字区域的边框;采用拐角特征与几何结构分析相结合的方法检测矩形与三角形标志,并确定图标的边框。
文字与图标的识别方法大致包括:
对路标识别模块分割出来的包含有图标信息的图像信息,经过图像边缘增强以达到适合于特征提取的形式,然后对经过预处理即包括校正,以及文字与图标分割处理的图像信息进行小波变换(HAAR)和快速傅立叶变换(FFT)处理后,进行特征提取,实验表明,采集前50个特征作为特征向量既能使得运算量不大,又能保证识别的正确率;最后进行模式分类,得到识别结果。
其中,可以采用决策理论分析方法中最近领域分类法对分割出来的文字与图标区域进行模式分类,从而识别出文字和图标。预先设置所知道的已使用的不同类的路标(包括文字和图标)与其样本向量即参考向量的对应关系,将提取的特征向量与参考向量作比较,选择特征向量与各参考向量间距离最小的参考向量对应的路标为识别出的路标。最近领域分类法的实现原理如下:
将最小距离的概念从点和点之间的距离扩充到一个点与一组点之间的距离。设R1,R2,...,Rm参考向量分别是与类w1,w2,...,wm相对应的参考向量的m(表示不同的类)个集合,Ri中的向量为Ri k, k=1,2,...,l,即
提取的特征向量X与参考向量Ri之间的距离为:
也就是说X与Ri之间的距离是X与Ri中每一个向量距离中的最小的一个,其判别函数Di(X)为 其中,i=1,2,...,m。
假设: 那么,
最后,路标输出单元,将识别出的路标中的文字和图标信息分类按照一定的格式在车载显示屏上显示,以供司机作为定位即路线参考,其中显示内容可以包括:距离哪里多少公里;到哪里向哪个方向前进;距离下个交叉口多少公里;限制车速为多少;下个紧急电话在多少米处等等。
显示的格式可以为:
距离(填充识别出的文字)(多少识别出的数字)公路下一个出口在(识别出的数字)公里处等等。显示屏上的内容根据识别的内容自动选择显示。没有的项目不出现。其中的格式是我们经过统计路标内容得到的。
司机可以从显示屏上正确地获得路标牌的信息,方便了司机查看路线或者对行驶作出正确的判断。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种实现汽车导航的方法,其特征在于,该方法包括以下步骤:
A.按照预设拍摄参数拍摄以获取图像信息,对该图像信息进行初步检测,获得可能包含有路标信息的图像信息;
B.对获得的可能包含有路标信息的图像信息进行校正处理,然后进行路标检测,并在图像信息中存在路标信息时,分割出路标图像信息;
C.从得到的路标图像信息中分割出文字和图标区域,并识别区域中的文字和图标后显示。
2.根据权利要求1所述的方法,其特征在于,步骤A中所述初步检测的方法为:当检测出所述拍摄到的图像信息中表示预设颜色的区域的面积超过预设面积阈值时,判定拍摄到的图像信息可能包含有路标信息。
3.根据权利要求2所述的方法,其特征在于,所述预设颜色区域的面积的检测采用改进简单向量滤波器SVF,具体为:
按照 对像素进行计算,当结果result≥=1时,表明为预设颜色,保留所述图像中该预设颜色的像素;当结果result<1时,表明为单色,过滤掉所述图像中所有单色的像素;其中,Red、Green、Blue分别为图像信息中红、绿、蓝三种颜色的亮度分量,D是单色提取系数,系数D为20;
按照检测条件 进行判断,当满足检测条件时,表明为需要保留的预设颜色且为绿色,并保留该预设颜色的像素;
扫描并统计保留有预设颜色的像素,以获取预设颜色的区域的面积。
4.根据权利要求1所述的方法,其特征在于,步骤B中所述校正的方法为梯形校正法。
5.根据权利要求4所述的方法,其特征在于,所述梯形校正法具体包括:
预先建立原始图像与校正后的图像的像素点的对应关系;
按照对应关系,将获得的可能包含有路标信息的图像中的像素点对应地转换为校正后的像素点。
6.根据权利要求5所述的方法,其特征在于,所述建立原始图像与校正后的图像的像素点的对应关系的方法为:
假设通过摄像头采集一预设标志物后,得到原始图像的四个角的坐标分别为(0,0),(a,0),(x2,y2),(x1,y1);
u=(Ax+By+C)/(Gx+Hy+I)
根据图像变换算法v=(Dx+Ey+F)/(Gx+Hy+I)得出原始图像与校正后的图像的像素点的对应关系,其中x、y分别为拍摄到的原始图像的像素点的X坐标值和Y坐标值,u、v分别为校正后的像素点的X坐标值和Y坐标值;
其中,参数I=1,参数A~H由下面公式求解:
[u1]=[x1 y1 1 0 0 0 -u1*x1-u1*y1]*[A]
[u2]=[x2 y2 1 0 0 0 -u2*x2-u2*y2] [B]
[u3]=[x3 y3 1 0 0 0 -u3*x3-u3*y3] [C]
[u1]=[x4 y4 1 0 0 0 -u4*x4-u4*y4] [D]
[...][... ] [E]
[un]=[xn yn 1 0 0 0 -un*xn-un*yn] [F]
[v1]=[0 0 0 x1 y1 1 -v1*x1-v1*y1] [G]
[v2]=[0 0 0 x2 y2 1 -v2*x2-v2*y2] [H]
[v3]=[0 0 0 x3 y3 1 -v3*x3-v3*y3]
[v4]=[0 0 0 x4 y4 1 -v4*x4-v4*y4]
[...][... ]
[vn]=[0 0 0 xn yn 1 -vn*xn -vn*yn],其中,n表示不同的像素点;u1、u2、......un和v1、v2、......vn分别为校正后的各像素点的X坐标值和Y坐标值。
7.根据权利要求1所述的方法,其特征在于,步骤B中所述进行路标检测,并在图像信息中存在路标时,分割出路标图像具体包括:
利用改进SVF检测预设颜色的区域;
对检测出的不同颜色的区域,利用拐角特征提取算法提取物体特征,并采用几何结构分析的方法检测提取的物体的形状以及检测出的形状的位置参数;
在得到物体形状和位置参数后,根据位置参数从图像中分割出路标图像。
8.根据权利要求1所述的方法,其特征在于,步骤C中所述从分割出的文字和图标区域识别文字和图标的方法为:
对所述分割出的文字和图标区域进行小波变换HAAR和快速傅立叶变换FFT处理;之后,进行特征提取获得特征向量后,通过模式分类,得到识别出的文字和图标。
9.根据权利要求8所述的方法,其特征在于,所述模式分类方法为决策理论分析方法中最近领域分类,具体为:
预先设置所知道的已使用的各类路标与其参考向量的对应关系;
将所述提取的特征向量与参考向量作比较,选择特征向量与各参考向量间距离最小的参考向量对应的路标为识别出的路标。
10.一种实现汽车导航的装置,其特征在于,包括:图像抓拍单元、路标预检测单元、路标分割单元、路标识别单元和路标输出单元,其中,
图像抓拍单元,用于在汽车行驶公路上按照预设拍摄参数进行拍摄,并将拍摄到的图像信息传送给路标预检测单元;
路标预检测单元,用于对获得的图像信息进行初步检测,并将检测出的可能包含有路标信息的图像信息传送给路标分割单元;
路标分割单元,用于对接收到的包含有路标信息的图像信息进行校正处理,并对校正处理后的图像信息进行路标检测,并在检测出图像信息中含有路标信息时,分割出路标图像并传送给路标识别单元;
路标识别单元,用于分割出接收到的路标图像中的文字和图标区域,并识别其中的文字和图标后传送给路标输出模块单元;
路标输出单元,用于将识别出的路标中的文字和图标按照一定的格式在车载显示屏上显示。
11.根据权利要求10所述的装置,其特征在于,所述图像抓拍单元为普通摄像头。
12.根据权利要求10所述的装置,其特征在于,所述路标识别单元包括:分割模块、处理模块、特征提取模块和模式分类模块,其中,
分割模块,用于从接收到的路标图像信息中分割出文字和图标区域;
处理模块,用于对分割出的文字和图标区域进行小波变换HAAR处理和快速傅立叶变换FFT处理;
特征提取模块,用于对处理后的文字和图标区域进行特征提取,以获得特征向量;
模式分类模块,预先存储有已知的每一类路标与其参考向量的对应关系;模式分类模块用于将提取的特征向量与参考向量作比较,选择特征向量与各参考向量间距离最小的参考向量对应的路标为识别出的路标并输出。
13.一种摄像机,其特征在于,至少包括由图像抓拍单元、路标预检测单元、路标分割单元、路标识别单元和路标输出单元组成的实现汽车导航的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810135370A CN101634563A (zh) | 2008-07-25 | 2008-07-25 | 一种实现汽车导航的方法、装置及摄像机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810135370A CN101634563A (zh) | 2008-07-25 | 2008-07-25 | 一种实现汽车导航的方法、装置及摄像机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101634563A true CN101634563A (zh) | 2010-01-27 |
Family
ID=41593823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810135370A Pending CN101634563A (zh) | 2008-07-25 | 2008-07-25 | 一种实现汽车导航的方法、装置及摄像机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101634563A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997910A (zh) * | 2012-10-31 | 2013-03-27 | 上海交通大学 | 一种基于地面路标的定位导引***及方法 |
CN103366631A (zh) * | 2012-04-09 | 2013-10-23 | 北京四维图新科技股份有限公司 | 一种制作室内地图的方法和制作室内地图的装置 |
CN104899581A (zh) * | 2015-06-30 | 2015-09-09 | 北京奇虎科技有限公司 | 基于行车记录仪的信息读取方法及装置 |
CN105398471A (zh) * | 2014-09-08 | 2016-03-16 | 通用电气公司 | 光学路线检查***和方法 |
CN105759683A (zh) * | 2016-02-04 | 2016-07-13 | 李舒曼 | 无线智能手机充电器 |
CN106323289A (zh) * | 2016-08-23 | 2017-01-11 | 北京小米移动软件有限公司 | 平衡车的控制方法及装置 |
CN108711236A (zh) * | 2018-06-07 | 2018-10-26 | 爱驰汽车有限公司 | 基于汽车接收快递的方法、***、设备及存储介质 |
CN109029488A (zh) * | 2018-06-29 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 导航电子地图生成方法、设备及存储介质 |
CN109579867A (zh) * | 2018-11-30 | 2019-04-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种具有标志物提示的导航方法及其*** |
CN109931945A (zh) * | 2019-04-02 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | Ar导航方法、装置、设备和存储介质 |
CN110826568A (zh) * | 2019-11-08 | 2020-02-21 | 青岛合启立智能科技有限公司 | 基于路标的室内定位方法、装置和电子设备 |
-
2008
- 2008-07-25 CN CN200810135370A patent/CN101634563A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366631A (zh) * | 2012-04-09 | 2013-10-23 | 北京四维图新科技股份有限公司 | 一种制作室内地图的方法和制作室内地图的装置 |
CN102997910B (zh) * | 2012-10-31 | 2016-04-13 | 上海交通大学 | 一种基于地面路标的定位导引***及方法 |
CN102997910A (zh) * | 2012-10-31 | 2013-03-27 | 上海交通大学 | 一种基于地面路标的定位导引***及方法 |
CN105398471B (zh) * | 2014-09-08 | 2019-02-19 | 通用电气公司 | 光学路线检查***和方法 |
CN105398471A (zh) * | 2014-09-08 | 2016-03-16 | 通用电气公司 | 光学路线检查***和方法 |
CN104899581A (zh) * | 2015-06-30 | 2015-09-09 | 北京奇虎科技有限公司 | 基于行车记录仪的信息读取方法及装置 |
CN105759683A (zh) * | 2016-02-04 | 2016-07-13 | 李舒曼 | 无线智能手机充电器 |
CN106323289A (zh) * | 2016-08-23 | 2017-01-11 | 北京小米移动软件有限公司 | 平衡车的控制方法及装置 |
US10671078B2 (en) | 2016-08-23 | 2020-06-02 | Beijing Xiomi Mobile Software Co., Ltd. | Method, apparatus and medium for controlling self balancing scooter |
CN108711236A (zh) * | 2018-06-07 | 2018-10-26 | 爱驰汽车有限公司 | 基于汽车接收快递的方法、***、设备及存储介质 |
CN109029488A (zh) * | 2018-06-29 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 导航电子地图生成方法、设备及存储介质 |
CN109579867A (zh) * | 2018-11-30 | 2019-04-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种具有标志物提示的导航方法及其*** |
CN109931945A (zh) * | 2019-04-02 | 2019-06-25 | 百度在线网络技术(北京)有限公司 | Ar导航方法、装置、设备和存储介质 |
CN109931945B (zh) * | 2019-04-02 | 2021-07-06 | 百度在线网络技术(北京)有限公司 | Ar导航方法、装置、设备和存储介质 |
CN110826568A (zh) * | 2019-11-08 | 2020-02-21 | 青岛合启立智能科技有限公司 | 基于路标的室内定位方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101634563A (zh) | 一种实现汽车导航的方法、装置及摄像机 | |
CN102314600B (zh) | 用于畅通路径检测的去除由基于车辆的相机捕获的图像中的阴影 | |
CN105893949B (zh) | 一种复杂路况场景下的车道线检测方法 | |
CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
CN103605977B (zh) | 一种车道线的提取方法及装置 | |
CN102375982B (zh) | 一种融合多字符特征的车牌定位方法 | |
CN108038416B (zh) | 车道线检测方法及*** | |
CN102999753B (zh) | 车牌定位方法 | |
CN102314601B (zh) | 使用非线性光照恒定核去除由基于车辆的相机捕获的图像中的阴影 | |
CN103324935B (zh) | 一种图像中对车辆进行定位与区域分割的方法与*** | |
CN103530608A (zh) | 车辆类型判断方法和装置 | |
CN105741559A (zh) | 一种基于车道线模型的违法占用应急车道检测方法 | |
CN106570494A (zh) | 基于卷积神经网络的交通信号灯识别方法及装置 | |
CN106128115A (zh) | 一种基于双摄像机检测道路交通信息的融合方法 | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN107891808A (zh) | 行车提醒方法、装置及车辆 | |
CN105976392B (zh) | 基于最大输出概率的车辆轮胎检测方法及装置 | |
CN101556739A (zh) | 基于本征图像分解的车辆检测算法 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN111832388B (zh) | 一种车辆行驶中交通标志检测与识别方法及*** | |
CN102609702B (zh) | 一种道路指路标志的快速定位方法以及*** | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
CN111695565A (zh) | 基于道路关卡模糊图像的汽车标志精准定位方法 | |
Wu et al. | Adjacent lane detection and lateral vehicle distance measurement using vision-based neuro-fuzzy approaches | |
CN105740836A (zh) | 一种违法占用应急车道的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100127 |