CN105335708A - 车辆行驶过程中对路标、路牌进行识别的*** - Google Patents

Abstract

本发明公开了一种车辆行驶过程中对路标、路牌进行识别的***，包括以下步骤：图像预处理、图像分割、形状检测与判断、特征提取与识别。该***能够及时将路标、路牌反馈到驾驶人员视线中，使得驾驶人员能够及时地做出判断来改变车辆状态，防止有超速或者其他违章以及错过路口的情况发生，更加安全。

Description

车辆行驶过程中对路标、路牌进行识别的***

技术领域

本发明涉及汽车领域，具体地，涉及一种车辆行驶过程中对路标、路牌进行识别的***。

背景技术

汽车有如下定义：由动力驱动，具有4个或4个以上车轮的非轨道承载的车辆，主要用于：载运人员和或货物；牵引载运人员或货物的车辆；特殊用途。1879年，德国工程师卡尔·本茨，首次试验成功一台二冲程试验性发动机。1883年10月，他创立了“本茨公司和莱茵煤气发动机厂”，1885年，他在曼海姆制成了第一辆本茨专利机动车，该车为三轮汽车，采用一台二冲程单缸0.9马力的汽油机，此车具备了现代汽车的一些基本特点，如火花点火、水冷循环、钢管车架、钢板弹簧悬架、后轮驱动前轮转向和制动手把等。1886年的1月29日，德国工程师卡尔·本茨为其机动车申请了专利。同年11月，卡尔·本茨的三轮机动车获得了德意志专利权。这就是公认的世界上第一辆现代汽车。由于上述原因，人们一般都把1886年作为汽车元年，也有些学者把卡尔·本茨制成第一辆三轮汽车之年即1885年，视为汽车诞生年。1885年是汽车发明取得决定性突破的一年。当时和戴姆勒在同一工厂的本茨，也在研究汽车。他在1885年几乎与戴姆勒同时制成了汽油发动机，装在汽车上，以每小时12公里的速度行驶，获得成功。这一年，英国的巴特勒也发明了装有汽油发动机的汽车。此外，意大利的贝尔纳也发明了汽车，俄国的普奇洛夫和伏洛波夫两人发明了装有内燃机的汽车。以前中国没有汽车制造业。中国土地上第一辆汽车是1903年输入的美国产奥斯莫比尔牌小汽车，领得第一号汽车行驶牌证，其所有者为上海富翁。自1953年7月第一汽车制造厂动工兴建，1956年7月投产，1957年7月13日我国生产出第一辆载货的解放牌汽车，又于1958年5月，我国第一汽车制造厂自行研制设计生产了第一辆与当时政治风云起伏颠簸、荣辱与共的红旗牌乘用车，被誉为“东方神韵”。几十年来，我国汽车工业得到了快速的发展。特别是改革开放以来，汽车生产采用了各种高科技及人性化的安全及便利设施，汲国外汽车科研之精华。不仅秉乘了传统的坚固造型，更具时尚汽车的柔媚风貌，线条流畅，驾乘舒适的“座驾”新宠不断诞生。2001年底，中国正式加入了世贸组织，以此为契机，中国汽车产业迎来了一个新的高速发展时期。2009年，中国汽车产销分别为1379.10万辆和1364.48万辆，一举超越美国，称为世界第一汽车产销大国。2012年中国汽车全年产销分别为1927.18万辆和1930.64万辆，连续四年蝉联世界第一。进经过十年高速发展之后，中国自主品牌乘用车技术得到了长足的发展。2013年上半年先后上市的一汽红旗、北汽绅宝、长安睿骋、吉利帝豪、比亚迪思锐及此前已经先后上市的上汽荣威、广汽传祺等为代表的自主品牌高端乘用车向合资品牌发起集团式冲锋，将逐步改写自主品牌乘用车只能在中低端抢占市场的现状。现代汽车种类繁多，人们在驾驶汽车行驶过程中，用于车辆行驶速度或者道路环境限制，肉眼无法对前方路标、路牌信息进行识别，导致驾驶人员不能仔细看清，处理不及时，造成意外发生。

发明内容

本发明所要解决的技术问题是提供一种车辆行驶过程中对路标、路牌进行识别的***，该***能够及时将路标、路牌反馈到驾驶人员视线中，使得驾驶人员能够及时地做出判断来改变车辆状态，防止有超速或者其他违章以及错过路口的情况发生，更加安全。

本发明解决上述问题所采用的技术方案是：车辆行驶过程中对路标、路牌进行识别的***，包括以下步骤：

(1)图像预处理：改善图像质量的处理称为图像预处理，主要是对图像进行适当的变换突出某些有用的信息，去除或削弱无用的信息，使图像的对比度得到增强，交通标志图像预处理过程是交通标志识别***重要的组成部分，是进行交通标志正确识别的前提，交通标志图像受天气、光照、周围环境的影响具有复杂的背景并参杂各种噪声，为了更有利后续的图像分割和图像识别，对交通标志进行图像增强是必要的，图像增强的方法分为两大类：空间域方法和频域方法；

(2)图像分割：为了辨识和分析目标，需要将这些有关的区域分离出来，在此基础上对目标进行进一步的利用，图像分割就是把图像分成各具特性的区域并提取感兴趣区域的过程，目标是单个区域或多个区域，图像分割是图像分析的关键步骤，因为图像的分割、目标提取、特征提取、和参数测量将原始图像转化为更抽象更紧凑的形式，使得高层的分析和理解实现，对于某种颜色的像素点，即便是受到光线的影响，其B，R，G，的比值能够保持在一定的范围内，而且比值关系有多种组合形式，对RGB空间中扫描的每一个像素计算其色调H和饱和度S的值，设定不同颜色对应的H，S的阈值，满足某一阈值大小就将其归为某种颜色，对于红色、黄色、蓝色，直接分割法采用的阈值为：

红色：(h≥0θh≤30)||(h≥330θh≤360)θs≥0.3

黄色：(h≥210θh≤270)θs≥0.3

蓝色：(h≥30θh≤90)θs≥0.8

基于不同的颜色空间交通标志的红蓝黄设置阈值，因为路标处于复杂的自然景物下，某些灌木、树木与路标的颜色接近，所以经过上述去S彩色空间粗分割后，还不能将路标提取出来，因此，还必须进一步利用路标的表面纹理相对平坦的特点，将其他表面纹理较粗糙的自然景物过滤掉；

(3)形状检测与判断：形状的表达和描述要基于形状的特征，形状特征的提取既可以基于区域本身，也可以基于区域的边界，最重要的形状特征就是几何特征，对于规则的形状最直观的特征就是图形的角点或顶点，边和两边所成的角度，对特定形状的分类就可以根据上述特征，经过分割后的图像得到了交通标志的红色，黄色，蓝色区域，其他的重要区域并没得到，由标记的目标区域的外轮廓，利用种子填充法能够在原图上将每一个区域设置为ROI区域，即该ROI区域全部为白色像素点，其他的区域全部为黑色像素点，然后以该ROI区域的最小外接矩在源图像上提取该目标，每个连通域的外轮廓都可以找到其一个最小形状轮廓，根据不同形状轮廓在外接矩中八个方向点的分布特征可以较好的区分出形状，在每个目标区域中设定八个检测点，分别命名为R1-R8，每个检测点的值都被初始化为0，八个监测点中当0值像素点的个数大于一定的阈值T，就将相应的此点置为0，否则置为1，八个方向点都检测完成后，根据所有检测点的值的组合即判断目标区域的形状，由于提取的候选目标大小不一，即便是对同一形状的目标其判断阈值也不相同，在应用上述方法时，首先要将提取的候选目标的尺寸归一化，八个检测方向点的矩形区域大小为8x8的矩形区域，对于每个方向点，Ri置1置0的阈值T＝45，八个方向监测点在归一化的图像上的位置为：

rect1＝(0,0)

rect2＝(0,21)

rect3＝(0,42)

rect4＝(21,42)

rect5＝(42,42)

rect6＝(42,21)

rect7＝(42,0)

rect8＝(21,0)；

(4)特征提取与识别：基于交通标志图像进行目标检测和识别时，由于交通标志图像的维数相当高，直接在原始图像上进行处理,将加大算法的复杂度，抽取有效的鉴别特征是解决问题的关键，实际中交通标志特征选择和抽取往往结合使用，交通标志图像特征提取的基本思想是将原始样本映射或变换到某一低维特征空间，得到最能反映样本本质的低维样本特征，这样能有效的减少样本的存储量，提高处理速度，实现自动检测和识别。

本方案根据探头对前方路标、路牌信息进行检测，运用算法公式得到准确的路标、路牌信息，帮助驾驶员驾驶。

综上，本发明的有益效果是：该***能够及时将路标、路牌反馈到驾驶人员视线中，使得驾驶人员能够及时地做出判断来改变车辆状态，防止有超速或者其他违章以及错过路口的情况发生，更加安全。

具体实施方式

下面结合实施例，对本发明作进一步地的详细说明，但本发明的实施方式不限于此。

实施例：

车辆行驶过程中对路标、路牌进行识别的***，包括以下步骤：

(1)图像预处理：改善图像质量的处理称为图像预处理，主要是对图像进行适当的变换突出某些有用的信息，去除或削弱无用的信息，使图像的对比度得到增强，交通标志图像预处理过程是交通标志识别***重要的组成部分，是进行交通标志正确识别的前提，交通标志图像受天气、光照、周围环境的影响具有复杂的背景并参杂各种噪声，为了更有利后续的图像分割和图像识别，对交通标志进行图像增强是必要的，图像增强的方法分为两大类：空间域方法和频域方法；

(2)图像分割：为了辨识和分析目标，需要将这些有关的区域分离出来，在此基础上对目标进行进一步的利用，图像分割就是把图像分成各具特性的区域并提取感兴趣区域的过程，目标是单个区域或多个区域，图像分割是图像分析的关键步骤，因为图像的分割、目标提取、特征提取、和参数测量将原始图像转化为更抽象更紧凑的形式，使得高层的分析和理解实现，对于某种颜色的像素点，即便是受到光线的影响，其B，R，G，的比值能够保持在一定的范围内，而且比值关系有多种组合形式，对RGB空间中扫描的每一个像素计算其色调H和饱和度S的值，设定不同颜色对应的H，S的阈值，满足某一阈值大小就将其归为某种颜色，对于红色、黄色、蓝色，直接分割法采用的阈值为：

红色：(h≥0θh≤30)||(h≥330θh≤360)θs≥0.3

黄色：(h≥210θh≤270)θs≥0.3

蓝色：(h≥30θh≤90)θs≥0.8

基于不同的颜色空间交通标志的红蓝黄设置阈值，因为路标处于复杂的自然景物下，某些灌木、树木与路标的颜色接近，所以经过上述去S彩色空间粗分割后，还不能将路标提取出来，因此，还必须进一步利用路标的表面纹理相对平坦的特点，将其他表面纹理较粗糙的自然景物过滤掉；

(3)形状检测与判断：形状的表达和描述要基于形状的特征，形状特征的提取既可以基于区域本身，也可以基于区域的边界，最重要的形状特征就是几何特征，对于规则的形状最直观的特征就是图形的角点或顶点，边和两边所成的角度，对特定形状的分类就可以根据上述特征，经过分割后的图像得到了交通标志的红色，黄色，蓝色区域，其他的重要区域并没得到，由标记的目标区域的外轮廓，利用种子填充法能够在原图上将每一个区域设置为ROI区域，即该ROI区域全部为白色像素点，其他的区域全部为黑色像素点，然后以该ROI区域的最小外接矩在源图像上提取该目标，每个连通域的外轮廓都可以找到其一个最小形状轮廓，根据不同形状轮廓在外接矩中八个方向点的分布特征可以较好的区分出形状，在每个目标区域中设定八个检测点，分别命名为R1-R8，每个检测点的值都被初始化为0，八个监测点中当0值像素点的个数大于一定的阈值T，就将相应的此点置为0，否则置为1，八个方向点都检测完成后，根据所有检测点的值的组合即判断目标区域的形状，由于提取的候选目标大小不一，即便是对同一形状的目标其判断阈值也不相同，在应用上述方法时，首先要将提取的候选目标的尺寸归一化，八个检测方向点的矩形区域大小为8x8的矩形区域，对于每个方向点，Ri置1置0的阈值T＝45，八个方向监测点在归一化的图像上的位置为：

rect1＝(0,0)

rect2＝(0,21)

rect3＝(0,42)

rect4＝(21,42)

rect5＝(42,42)

rect6＝(42,21)

rect7＝(42,0)

rect8＝(21,0)；

(4)特征提取与识别：基于交通标志图像进行目标检测和识别时，由于交通标志图像的维数相当高，直接在原始图像上进行处理,将加大算法的复杂度，抽取有效的鉴别特征是解决问题的关键，实际中交通标志特征选择和抽取往往结合使用，交通标志图像特征提取的基本思想是将原始样本映射或变换到某一低维特征空间，得到最能反映样本本质的低维样本特征，这样能有效的减少样本的存储量，提高处理速度，实现自动检测和识别。

该***能够及时将路标、路牌反馈到驾驶人员视线中，使得驾驶人员能够及时地做出判断来改变车辆状态，防止有超速或者其他违章以及错过路口的情况发生，更加安全。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术、方法实质上对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (1)

1.车辆行驶过程中对路标、路牌进行识别的***，其特征在于，包括以下步骤：

(1)图像预处理：改善图像质量的处理称为图像预处理，主要是对图像进行适当的变换突出某些有用的信息，去除或削弱无用的信息，使图像的对比度得到增强，交通标志图像预处理过程是交通标志识别***重要的组成部分，是进行交通标志正确识别的前提，交通标志图像受天气、光照、周围环境的影响具有复杂的背景并参杂各种噪声，为了更有利后续的图像分割和图像识别，对交通标志进行图像增强是必要的，图像增强的方法分为两大类：空间域方法和频域方法；

(2)图像分割：为了辨识和分析目标，需要将这些有关的区域分离出来，在此基础上对目标进行进一步的利用，图像分割就是把图像分成各具特性的区域并提取感兴趣区域的过程，目标是单个区域或多个区域，图像分割是图像分析的关键步骤，因为图像的分割、目标提取、特征提取、和参数测量将原始图像转化为更抽象更紧凑的形式，使得高层的分析和理解实现，对于某种颜色的像素点，即便是受到光线的影响，其B，R，G，的比值能够保持在一定的范围内，而且比值关系有多种组合形式，对RGB空间中扫描的每一个像素计算其色调H和饱和度S的值，设定不同颜色对应的H，S的阈值，满足某一阈值大小就将其归为某种颜色，对于红色、黄色、蓝色，直接分割法采用的阈值为：

红色：(h≥0θh≤30)||(h≥330θh≤360)θs≥0.3

黄色：(h≥210θh≤270)θs≥0.3

蓝色：(h≥30θh≤90)θs≥0.8

基于不同的颜色空间交通标志的红蓝黄设置阈值，因为路标处于复杂的自然景物下，某些灌木、树木与路标的颜色接近，所以经过上述去S彩色空间粗分割后，还不能将路标提取出来，因此，还必须进一步利用路标的表面纹理相对平坦的特点，将其他表面纹理较粗糙的自然景物过滤掉；

(3)形状检测与判断：形状的表达和描述要基于形状的特征，形状特征的提取既可以基于区域本身，也可以基于区域的边界，最重要的形状特征就是几何特征，对于规则的形状最直观的特征就是图形的角点或顶点，边和两边所成的角度，对特定形状的分类就可以根据上述特征，经过分割后的图像得到了交通标志的红色，黄色，蓝色区域，其他的重要区域并没得到，由标记的目标区域的外轮廓，利用种子填充法能够在原图上将每一个区域设置为ROI区域，即该ROI区域全部为白色像素点，其他的区域全部为黑色像素点，然后以该ROI区域的最小外接矩在源图像上提取该目标，每个连通域的外轮廓都可以找到其一个最小形状轮廓，根据不同形状轮廓在外接矩中八个方向点的分布特征可以较好的区分出形状，在每个目标区域中设定八个检测点，分别命名为R1-R8，每个检测点的值都被初始化为0，八个监测点中当0值像素点的个数大于一定的阈值T，就将相应的此点置为0，否则置为1，八个方向点都检测完成后，根据所有检测点的值的组合即判断目标区域的形状，由于提取的候选目标大小不一，即便是对同一形状的目标其判断阈值也不相同，在应用上述方法时，首先要将提取的候选目标的尺寸归一化，八个检测方向点的矩形区域大小为8x8的矩形区域，对于每个方向点，Ri置1置0的阈值T＝45，八个方向监测点在归一化的图像上的位置为：

rect1＝(0,0)

rect2＝(0,21)

rect3＝(0,42)

rect4＝(21,42)

rect5＝(42,42)

rect6＝(42,21)

rect7＝(42,0)

rect8＝(21,0)；

(4)特征提取与识别：基于交通标志图像进行目标检测和识别时，由于交通标志图像的维数相当高，直接在原始图像上进行处理,将加大算法的复杂度，抽取有效的鉴别特征是解决问题的关键，实际中交通标志特征选择和抽取往往结合使用，交通标志图像特征提取的基本思想是将原始样本映射或变换到某一低维特征空间，得到最能反映样本本质的低维样本特征，这样能有效的减少样本的存储量，提高处理速度，实现自动检测和识别。