一种基于智能驾驶的地面交通标志实时检测的方法
【专利摘要】一种基于智能驾驶的地面交通标志实时检测的方法属于智能交通行业的交通信息检测领域。本发明实时获取智能车辆前方道路的图像Src，对获取的原始图像Src进行切割、灰度变换、高斯滤波、二值化处理，得到二值图像Src_bw。同时，读入提前准备好的地面交通标志模板图像temp_i。通过模板匹配，每一幅模板均可在Src_bw中，找到一个与之相对应的最匹配区域，将其切割存成新的图像dst_i。将temp_i与相对应的dst_i进行相减，得到新的图像diff_i。统计每一福diff_i中的白色像素点个数diff_i_Sum，白色像素点最少的diff_i，所对应的模板与我们的地面标志最为相似；当diff_i_Sum少于我们设定的阈值时，即认为我们Src_bw中存在该模板中的地面交通标志。本发明适用于复杂城市道路环境的智能驾驶。
【专利说明】一种基于智能驾驶的地面交通标志实时检测的方法
【技术领域】[0001]本发明是一种基于智能驾驶的地面交通标志实时检测的方法，属于智能交通行业的交通信息检测领域。
【背景技术】[0002]随着社会经济的发展，汽车保有量逐年增加，由于驾驶员的失误导致的交通事故也随之上升。因此，智能驾驶逐渐成为新的研究热点。对地面交通标志的识别，是智能驾驶中的一个重要领域，快速、准确的识别地面交通标志，给予驾驶员准确的提醒，是地面交通标志识别的关键所在。通过对地面交通标志的准确识别，减少因失误造成的事故数量，能够提高道路交通的安全系数。[0003]地面交通标志的识别，首先需要从摄像头采集的视频图像中，将地面与天空区分开；其次，要准确选择本车行驶的车道；第三，通过模板匹配的方式，将可能是地面交通标志的区域筛选出来。目前，对无人驾驶车上的地面交通标志识别主要是通过模板匹配的方式。该方法有一定的准确率，但是仅仅通过初次判断就确定地面交通标志的种类会产生误差。尤其是在地面交通标志有一定的污损或者是在强光照射等条件下，仅仅通过模板匹配不能得出准确的结果。所以，需要进行多次识别判断。
【发明内容】
[0004]本发明的目的在于实时运行于无人驾驶系统中，准确识别地面交通标志信息，判断其含义，从而给予正确的引导信息；克服现有方法存在抗干扰性弱、检测率低、检测速度慢、成本高以及耗能大等缺点，提出了一种基于智能驾驶的地面交通标志实时检测的方法。[0005]为了实现上述目的，本发明采取了如下技术方案:[0006]一、设定地面交通标志模板。我国现阶段，城市公路、高速公路使用的地面交通标志主要包括如下六种:直行箭头、左转箭头、右转箭头、直行加左转箭头、直行加右转箭头、掉转箭头。本发明主要研究识别以上六种地面交通标志。根据《道路交通标志和标线》(GB_5768-1999)规定，行车速度≤40km/h、60km/h~80km/h和≥100km/h不同路段地面交通标志大小尺寸不一致。本专利可用于检测识别不同行车速度的路段。通过摄像机采集地面图片，对含有地面交通标志的图片进行剪切，从而获得地面交通标志图像templ_i。templ_i是一个templ_i_widthX templ_i_height维图像矩阵。要求模板图像只含有地面交通标志，对于采集的地面交通标志图像templ_i，进行灰度化、二值化、形态学膨胀腐蚀、高斯滤波，得到我们需要的地面交通标志模板templ_i_bw，每一种地面交通标志对应一种模板，共得到六种地面交通标志模板。此时的模板图像尺寸为原始图像中的模板尺寸1/4。[0007]二、通过车辆上的摄像机，以20-50帧/秒的帧率实时获取智能车辆前方道路的图像Src，对获取的原始图像Src进行剪切，将图像上部2/3裁剪，取余下的1/3，得到新的图像Src_height ;继续对图像Src_height裁剪,从图像的左侧到右侧，图像左侧为O宽度，图像右侧为1宽度，从0.4宽度部分开始裁剪，到0.9宽度截止，得到感兴趣区域Src_roi ;对感兴趣区域进行灰度变化，得到新的图像SrC_gray ;对于灰度图像进行图像压缩，得到新的图像Src_gs ;对于图像Src_gs,进行二值化处理,得到新的图像Src_bw,此图像仅为原始图像Src的1/24大小。Src_bw作为我们检测的区域。Src_bw是一个Src_bw_widthX Src_bw_height维图像矩阵。
[0008]三、模板图像templ_i_bw在待测区域图像Src_bw中遍历扫描,依次计算模板与待测图片的重叠区域的相似度，通过归ー化相关匹配法来计算相似度，采用模板和图像间的乘法操作，较大的数表示匹配程度较高，0表示最坏的匹配效果，并将结果存入映射图像ftmp_i当中，ftmp_i图像中的姆ー个点的值代表了一次相似度比较结果。姆一幅模板图像进行一次计算。
[0009]模板在待测图像上每次在横向或是纵向上移动ー个像素，并作一次比较计算。由此，横向比 Src_bw_width_templ_i_bw_width+1 次，纵向比较 Src_bw_height_templ_i_bw_height+l 次，从而得到一个(Src_bw_width_templ_i_bw_width+1) X (Src_bw_height_templ_i_bw_height+l)维的结果矩阵，ftmp_i即是用图像来表示此矩阵，图像ftmp_i 为 ftmp_i_widthX ftmp_i_height 维图像矩阵。
[0010]
【权利要求】
1.一种基于智能驾驶的地面交通标志实时检测的方法，其特征在于，包括以下步骤: 1)将摄像机置于车内中央后视镜处，摄像机镜头与水平线垂直，位置固定；剪切摄像头获得的含有地面交通标志的图像，初步得到地面交通标志模板tempi」；灰度化、二值化、形态学膨胀腐蚀、高斯滤波处理templ_i,得到地面交通标志模板templ_i_bw, templ_i_bw是一个templ_i_bw_widthX templ_i_bw_height维图像矩阵；按照现行的交通规范至少有如下六种地面交通标志，每一种地面交通标志对应一种模板，共得到六种地面交通标志模板，分别为:直行箭头模板templ_l_bw、左转箭头模板templ_2_bw、右转箭头模板templ_3_bw、直行加左转箭头模板templ_4_bw、直行加右转箭头模板templ_5_bw、掉转箭头模板templ_6—bw ； 2)通过车辆上固定的摄像机，以20-50帧/秒的帧率实时获取智能车辆前方道路的图像Src，对获取的原始图像Src进行剪切，将图像上部2/3裁剪，取余下的1/3，得到新的图像Src_height ;继续对图像Src_height裁剪,从图像的左侧到右侧，图像左侧为O宽度，图像右侧为I宽度，从0.4宽度部分开始裁剪，到0.9宽度截止，得到感兴趣区域Src_roi ;对感兴趣区域进行灰度变化，得到新的图像SrC_gray ;对于灰度图像进行图像压缩，得到新的图像Src_gs ;对于图像Src_gs,进行二值化处理,得到新的图像Src_bw,此图像仅为原始图像Src的1/24大小；Src_bw作为我们检测的区域；Src_bw是一个Src_bw_widthX Src_bw_height维图像矩阵； 3)模板图像templ_l_bw在待测区域图像Src_bw中遍历扫描，计算模板temp1_1_bw与待测图片的重叠区域的相似度，并分别将结果存入对应的映射图像ftmp_l当中，ftmp_l图像中的每一个点的值代表了一次相似度比较结果；遍历扫描的思想是:在待测图片中用处理过的模板templ_l_bw建立一个滑动窗口，该窗口大小与对应模板大小一致，从顶点位置开始一次滑动扫描，每次在横向或是纵向上移动一个像素，作一次比较计算；由此，横向比较 Src_bw_width_templ_l_bw_width+1 次，纵向比较 Src_bw_height_templ_l_bw_height+l 次，从而得 到一个(Src_bw_width_templ_l_bw_width+1) X (Src_bw_height_templ_l_bw_height+l)维的结果矩阵，ftmp_l即是用图像来表示此矩阵，图像ftmp_l 为 ftmp_l_widthX ftmp_l_height 维图像矩阵；
ftmp_l_width=Src_bw_width_templ_l_bw_width+l (I)
ftmp_l_height=Src_bw_he ight-templ_l_bw_he ight+1 (2) 通过归一化相关匹配法来计算相似度；采用模板和图像间的乘法操作，较大的数表示匹配程度较高，O表示最坏的匹配效果，将结果存于ftmp_l中； ,Σλ,.(tempi — i—hw(x', vr J.Src—bwfx + x', y+f)J
jimp — I(x, y ):........ψ===^^.—.^Zx,y(templ_bw(x'/.ΣΛ-,_ν.Src_bw(x+x',y +f f
(3) 4)模板图像templ_l_bw用二维函数tempHbwU', y')表示,检测区域图像Src_bw用二维函数Src_bw(x, y)表示；(x'，y')表示图像templ_l_bw矩阵中点的坐标，(x, y)表示图像Src_bw矩阵中点的坐标；使用函数cvMinMaxLoc从ftmp_l中提取最大值以及最大值的位置，即在ftmp_l中该最大值max_val的坐标位置max_loc ;此时，max_loc_l.x就是原图中与模板最相似区域的横坐标，max_loc_l.y为原图中与模板最相似区域的纵坐标，该区域大小与模板大小一致；从原图中将该区域剪切，得到新的图像dst_l ;
dst_l—width=templ_l—width (4)
dst_l—he ight=temp 1_1—height (5) . 5)将dst—I与模板tempi—I—bw进行相减得到新的图像diff—1，diff—I是ー个diff—widthX diff—height 维图像矩阵；
diff—I (x，y)=dst—I (x，y)_templ—I—bw(x, ，y, ) (6) diff—l(x，y)表示图像矩阵各个点，在二值图像diff—I中每个像素点的值为O或者255，黑色像素点值为O，diff—l(x，y)用O表示；白色像素点的值为255，diff—l(x，y)用I表示；计算diff—I图像中白色像素点个数diff—I—Sum ；
【文档编号】G06K9/00GK103577809SQ201310557886
【公开日】2014年2月12日 申请日期:2013年11月12日 优先权日:2013年11月12日
【发明者】刘宏哲, 王棚飞, 吴焰樟 申请人:北京联合大学