基于機器視覺的智能交通燈的研究.pdf

1、隨著科技快速發(fā)展，越來越多的科技被應用到社會的各行各業(yè)中，提高社會勞動效率，推動經濟向前發(fā)展。汽車行業(yè)作為現代科技的結晶，近年來，由于市場需求，汽車行業(yè)正在蓬勃發(fā)展，但汽車的過量使用，給交通道路帶來巨大壓力。由于傳統(tǒng)交通控制已經不能很好解決當前的交通問題，導致交通堵塞和交通事故等頻頻發(fā)生。同時定時控制策略不能很好地發(fā)揮交通路段的最大通行能力，因此迫切需要建立根據交通流動態(tài)變化而自適應改變綠燈時間的智能交通系統(tǒng)。
　　鑒于傳統(tǒng)定時控

2、制以及經典遺傳控制算法分別在靈活性和收斂速度方面的劣勢，本論文提出優(yōu)化遺傳控制算法，并通過仿真數據驗證了優(yōu)化遺傳控制算法在自適應性、誤差率和收斂速度方面的優(yōu)勢。本論文結構主要包括圖像處理模塊和自適應決策模塊。
　　在圖像處理模塊中，考慮到實際交叉口的車道線99％以上都是直線，在學習基于Hought變換實現對單車道提取的基礎上，提出基于直線方程的單車道提取算法，實現對單車道的快速提?。换诮y(tǒng)計學和幀間差分的中值法背景提取，實現背景的

3、穩(wěn)定提取，運用幀間差分、二值化處理以及形態(tài)學中的膨脹操作進行了車輛復原，最終完成對車輛個數的統(tǒng)計。
　　在自適應決策模塊中，本論文通過先驗信息對模糊控制器進行訓練，將智能交通的相關經驗自動化、模糊化地融入到模糊控制器中，通過自學習使控制器具備一定的自我學習能力，可以初步根據交通狀況動態(tài)調整各相位的綠燈通行時間；本論文對經典遺傳控制算法進行優(yōu)化，提高收斂速度，減少搜索全局最優(yōu)解的時間，提高實時性。
　　最后，本論文以平均車輛延