嵌入式交通標(biāo)志識別與車道線檢測研究與實現(xiàn).pdf

1、近年來，隨著道路交通問題的日趨嚴(yán)重，智能交通系統(tǒng)的構(gòu)建受到越來越多的關(guān)注。智能交通系統(tǒng)作為一種實時、高效以及準(zhǔn)確的綜合控制系統(tǒng)，被越來越多地運用于交通安全領(lǐng)域。因此，對于智能交通系統(tǒng)的研究具有很強的現(xiàn)實意義與實用價值。本文在充分了解智能交通系統(tǒng)國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，主要進行了交通標(biāo)志檢測、交通標(biāo)志識別和車道線檢測三個方面的研究。
　　本研究主要內(nèi)容包括：⑴針對交通標(biāo)志的顏色特征，使用歸一化RGB方法對圖像進行增強處理，突出圖像中

2、交通標(biāo)志區(qū)域。對圖像基于MSER(Maximally Stable Extremal Regions)算法進行閾值不同的多次閾值化處理，對每幅二值圖像提取其輪廓，依據(jù)交通標(biāo)志形狀特征的幾何約束條件對提取到的輪廓進行粗篩選，使用基于Hu不變矩的輪廓匹配方法進行細篩選。將多幅閾值化圖像進行合并篩選確認(rèn)圖像中交通標(biāo)志候選區(qū)域。⑵以交通標(biāo)志檢測結(jié)果為基礎(chǔ)，對交通標(biāo)志候選區(qū)域以及樣本訓(xùn)練數(shù)據(jù)集中圖像進行PHOG(Pyramid Histogram

3、 of Oriented Gradient)特征提取，使用 SVM(Support Vector Machine)方法進行交通標(biāo)志分類識別的一對多分類器設(shè)計。使用通過訓(xùn)練的SVM一對多分類器對交通標(biāo)志候選區(qū)域進行分類識別。⑶針對車道線的梯度特征，提出一種綜合LDA(Linear Discriminant Analysis)與混沌粒子群算法的檢測方法。利用 LDA灰度化圖像，使車道線與周圍道路路面有明顯區(qū)別。以二次拋物線模型對圖像中車道線