学位论文 > 优秀研究生学位论文题录展示
复杂环境中交通标识识别与状态跟踪估计算法研究
作 者: 谷明琴
导 师: 蔡自兴
学 校: 中南大学
专 业: 控制科学与工程
关键词: 自动曝光 交通标志识别 交通信号灯识别 二元树复小波变换 二维独立分量分析 多目标跟踪 隐马尔科夫模型
分类号: TP391.41
类 型: 博士论文
年 份: 2013年
下 载: 307次
引 用: 0次
阅 读: 论文下载
内容摘要
自21世纪初以来,许多研究者和汽车制造商均在无人驾驶车技术的研究与开发投入了大量人力和物力。其中一个重要研究内容是基于计算机视觉的道路环境感知:识别车辆行驶道路周边的交通标志信息和交通信号灯状态,为无人驾驶车行驶提供决策依据。在国内外已有的交通标识检测,识别,跟踪和状态估计方面的研究成果基础上,结合交通标识系统在无人驾驶车上的实际应用和测试性能,设计并构建了面向无人驾驶车的交通标识实时检测,识别和跟踪的算法和系统。主要研究工作和创新性成果如下:介绍了相机的成像过程,根据相机CCD的原始参数及标定的相机内参数,估计出道路环境中交通标识与车载相机间的近似距离与角度。为了控制相机的曝光时间,调节图像亮度,需预先判断交通标识出现区域的亮度信息和曝光量,根据曝光情况选择不同的权值矩阵,计算出最佳曝光时间。该方法能准确地调节相机的曝光时间,以采集到亮度合适的图像,适合于交通标识的检测与识别处理。提出了50类符号型以及多种文字型的交通标志的检测与识别算法。变换RGB空间图像,突出交通标志的特征颜色(红色,黄色,蓝色),选择合适的阈值分割图像。重构形态学处理后的交通标志感兴趣区域边缘,降低误检率。选择形状的标记图特征以分类感兴趣区域的形状并排除干扰。对文字型交通标志,则用阈值分割图像中的墨绿色和蓝色区域,判断区域的形态,选择矩形区域作为交通标志候选。将候选区域的二值图像先向水平,后向垂直方向投影,用三次样条插值法拟合该投影曲线,定位曲线的波谷,确定文字的行和列位置,以分割出单个文字区域。用两种模型表示方法:(1)二元树复小波变换和二维独立分量分析方法;(2)基于内部图形的模板匹配分别识别候选区域的交通标志类型,然后用决策规则融合两种方法的识别结果,并排除干扰区域。实验结果表明交通标志的识别率超过91%,平均处理时间为171ms,所提出的交通标志识别算法性能优越,适合应用于无人驾驶车辆的环境感知系统。提出了箭头型和组合型交通信号灯的检测和识别算法。对于箭头型交通信号灯,根据灯板和信号灯的颜色和形态特征,定位出图像中的灯板及交通信号灯位置。对于组合型交通信号灯,则先将图像进行TopHat变换,然后将其从RGB空间转换到YCbCr空间,并进行阈值分割和形态学滤波。根据区域的宽高,面积,占空比等形态信息初步过滤。组合感兴趣区域,向水平方向投影,根据波谷位置定位单个交通信号灯区域。将候选区域灰度化,归一化,提取Gabor小波特征,用2维独立分量分析方法降低特征的冗余度,送入最近邻分类器以判断交通信号灯的状态。在3个城市内采集了大量的视频,测试了算法性能,综合性能表明该算法的总体识别率在91%以上,平均处理时间为152ms,能实时,稳定,准确的识别交通信号灯。构建了交通标志的多目标跟踪模型,定义了交通标志目标的状态。用无迹卡尔曼滤波算法建立单个交通标志目标的状态和运动轨迹模型,预测交通标志目标的位置。而对交通信号灯,则用Kalman滤波跟踪交通信号灯的灯板和灯区域。选择观察序列训练单个和三个交通信号灯目标的隐马尔科夫模型参数,用隐马尔科夫模型算法估计交通信号灯下一时刻的状态信息。建立了交通标识识别系统的实验平台,设计和实现了交通标识识别的两个子系统:(1)交通标志识别系统;(2)交通信号灯识别系统。详细描述了系统的功能,显示形式,参数设置等。
|
全文目录
摘要 4-6 Abstract 6-9 目录 9-12 表目录 12-14 图目录 14-17 1 绪论 17-29 1.1 课题研究背景与意义 17-18 1.2 相机曝光调整 18-19 1.3 交通标志识别研究现状 19-23 1.3.1 交通标志检测 19-21 1.3.2 交通标志识别 21-23 1.4 交通信号灯识别的研究现状 23-25 1.4.1 交通信号灯检测 23-24 1.4.2 交通信号灯识别 24-25 1.5 交通标识目标跟踪 25-27 1.5.1 基于计算机视觉的目标跟踪 25-26 1.5.2 多运动目标跟踪 26 1.5.3 交通标识目标的跟踪与状态估计 26-27 1.6 本文研究内容与结构安排 27-28 1.7 本章小结 28-29 2 相机成像及曝光度调整 29-38 2.1 交通标识成像过程及参数计算 29-30 2.2 相机曝光算法实现 30-34 2.2.1 图像分区检测及分析 32-33 2.2.2 基于能量的曝光量判断 33 2.2.3 权值矩阵选择 33-34 2.3 曝光时间计算 34-35 2.4 曝光调整实验分析 35-37 2.5 本章小结 37-38 3 交通标志检测与识别算法 38-98 3.1 常见交通标志说明 38-39 3.2 交通标志识别算法设计框架 39-40 3.3 交通标志检测算法 40-50 3.3.1 图像分割及形态学处理 41-44 3.3.2 交通标志边缘重构 44-46 3.3.3 感兴趣区域形状标记图提取与匹配 46-50 3.4 字符型交通标志的检测算法 50-64 3.4.1 字符型交通标志颜色分割 50-51 3.4.2 形状特征提取与判断 51-53 3.4.3 交通标志中的字符检测与定位 53-58 3.4.4 基于内部结构的汉字定位 58-61 3.4.5 字符定位实验结果及性能分析 61-64 3.5 交通标志识别算法研究 64-84 3.5.1 二元树复小波变换特征提取 65-72 3.5.2 交通标志二元树复小波特征降维 72-79 3.5.3 交通标志识别与分类算法 79-81 3.5.4 内部图形提取和匹配 81-84 3.5.5 交通标志分类结果融合 84 3.6 实验平台设计与结果分析 84-97 3.6.1 实验数据采集环境和数据 84-86 3.6.2 交通标志检测算法性能 86-89 3.6.3 交通标志识别算法性能 89-95 3.6.4 时间复杂度分析 95-97 3.7 本章小结 97-98 4 交通信号灯检测与识别算法 98-124 4.1 交通信号灯识别算法框架 98-99 4.2 交通信号灯检测算法 99-112 4.2.1 交通信号灯灯板定位 100-104 4.2.2 交通信号灯定位 104-106 4.2.3 组合型交通信号灯检测 106-112 4.3 交通信号灯识别算法 112-116 4.3.1 图像的2维Gabor小波表示 112-113 4.3.2 交通信号灯Gabor特征降维 113-115 4.3.3 交通信号灯分类 115-116 4.4 交通信号灯识别算法实验分析 116-123 4.4.1 数据采集环境及过程 116-117 4.4.2 交通信号灯检测结果及性能分析 117-119 4.4.3 交通信号灯识别结果及性能分析 119-122 4.4.4 时间复杂度分析 122-123 4.5 本章小结 123-124 5 交通标识跟踪与状态估计 124-143 5.1 多交通标志目标的跟踪算法 124-134 5.1.1 多交通标志目标跟踪 124-127 5.1.2 UKF滤波 127-129 5.1.3 交通标志跟踪实验分析 129-134 5.2 交通信号灯状态估计 134-142 5.2.1 交通信号灯目标跟踪 134 5.2.2 单个交通信号灯的隐马尔科夫模型状态估计 134-138 5.2.3 三个交通信号灯的隐马尔科夫模型状态估计 138-142 5.3 本章小结 142-143 6 交通标识识别系统设计与分析 143-147 6.1 实验设备及平台 143-145 6.2 交通标志识别系统设计 145-146 6.3 交通信号灯识别系统设计 146 6.4 本章小结 146-147 7 总结与展望 147-149 7.1 论文工作总结 147-148 7.2 进一步的研究方向 148-149 参考文献 149-159 攻读学位期间主要的研究成果 159-161 致谢 161-162
|
相似论文
- 网络语音传输丢包的恢复技术,TN912.3
- 领域实体属性及事件抽取技术研究,TP391.1
- 非稳定背景下的运动目标检测与鲁棒跟踪方法研究,TP391.41
- 语音识别在访问控制的应用,TN912.34
- 基于隐马尔科夫模型的操作员功能状态分类,TP273
- 基于HMM的社交网络连接关系研究,F49
- 复杂场景下交通灯的检测与识别方法研究,TM923.5
- 多对象系统的传感器调度算法及应用,TP212
- 基于图的结构化图像特征提取与跟踪,TP391.41
- 数码相机系统功能设计与实现,TB852.1
- 多目标跟踪算法研究,TN953
- 多目标视觉检测与跟踪方法研究及视频监控软件平台的开发,TP391.41
- 视频多目标跟踪算法的研究和实现,TP391.41
- 小词汇量非特定人的孤立词语音识别系统研究,TN912.34
- 基于动态贝叶斯网络的连续语音识别研究,TN912.34
- 基于自适应的LVCSR系统半监督学习方法的研究,TN912.34
- 基于ANN和HMM模型的口吃语音识别研究,TN912.34
- 基于二元树复小波变换的振动信号特征提取,TN911.7
- 基于HMM的藏语语料库词性自动标注研究,H214
- Contourlet域统计图像建模与分割算法的研究,TP391.41
- 基于HMM的基因表达数据聚类分析算法研究,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|