基于图像处理智能车辆系统.docVIP

基于图像处理智能车辆系统 　　摘 要：交通标志的自动识别技术是智能车辆中辅助驾驶系统中的关键技术，未来会发挥越来越重要的作用。根据当前该领域的研究现状，结合图像处理、计算机视觉和模式识别技术，提出了包括道路标志、 红绿灯和车道线的道路信息识别算法，开发出一款智能车辆系统。该系统可以根据摄像头采集的道路视频图像，实时准确地识别图像中的道路标志信息，并对驾驶员发出相应的文本及语音提示，从而实现交通信号的自动识别和预警。 　　关键词：计算机视觉；模式识别；道路标志；自动识别；图像处理 　　中图法分类号：TN929文献标识码：A 文章编号：2095-1302（2014）06-0045-03 　　0引言 　　20世纪60年代以来，随着车辆走进千家万户，给日常生活带来了极大方便。但是另一方面，由于交通基础设施建设不能及时跟进，造成各国的交通状况不佳。随着车辆数的逐年急速增长，交通问题愈发严重，交通事故的频繁发生，已引起发达国家以及发展中国家的一致高度专注。在这种情况下，智能车辆的出现不仅将人从单调乏味的驾驶环境中解脱出来，而且能够有效的避免由于注意力不集中或者其他人为过失而造成的重大交通事故。智能车辆是一种典型的高新技术的综合体，主要包括计算机技术、现代传感器技术、通讯网络、信息技术融合、人工智能、自控原理等。随着对智能化车辆控制系统的研究不断深入与完善，从一定角度来说，驾驶员的控制、视觉和感官功能都得到了延伸，这就弥补了人为因素造成的缺陷，大大提高交通中的安全因素。 　　智能车辆的主要研究内容是智能车辆中的自动或辅助驾驶系统、驾驶员预警系统，而交通路标自动识别技术是辅助驾驶系统中的关键技术，对自动驾驶、预警系统的可靠性和稳定性起着决定性作用，因而相关的研究具有重要的现实意义。 　　1系统结构 　　该系统由路标识别模块、红路灯识别模块和车道线识别模块三大模块组成。图1所示是系统的详细设计流程图。当读入一帧图像后，系统的三个模块同时对图像进行处理，并输出相应的提示信息，各个模块构成了一个功能相对完整的道路信息提示软件系统。 　　2模块设计 　　2.1路标检测模块设计 　　在选择识别方法上，考虑到当前我国大多数路标是圆形，因此联想到首先运用Hough变换检测出路标信息，然后对照标准路标库进行进一步匹配。在检测中先对图像进行了预处理，包括灰度化，对比度增强，提取感兴趣区域（ROI）。在精匹配中采用了最小误差法的改进算法，保证了测试精度，同时也提高了检测速度。取十种标准路标模板如图2所示。 　　 　　图 1系统的详细设计流程图 　　 　　图 2十种标准路标模板 　　图 3 和图 4 显示了路标识别的过程。首先将原图灰度化，如图3 （b）， 接着对灰度化的图像进行平滑处理，如图3（c），并运用Hough变换检测圆，提取出ROI，如图4（a），灰度化，如图4（b），然后对ROI进行对比度增强，如图4（c），再将ROI与标准路标模板进行匹配，从而得到路标信息，如4（d）。 　　 　　（a） （b） 　　 　　（c） （d） 　　图 3路标识别过程 　　注：（a）为待识别的原始图像，（b）为彩色图像转化成的灰度图像，（c）为经过平滑处理后的图像，（d）为路标被识别后在原图中被框出。 　　 　　（a）（b）（c） （d） 　　图 4感兴趣区域提取图及对应的路标模板 　　注：（a） 为输入的图像中提取的感兴趣区域，（b）为感兴趣区域灰度化，（c）为对比度增强后的感兴趣区域，（d）为感兴趣区域匹配成功的标准路标。 　　2.2红绿灯检测模块设计 　　在红绿灯检测的模块中，如图5所示，首先将图像由RGB彩色空间转换到HSV彩色空间，然后提取图像提取H和V分量 ，根据V分量进行阈值分割转换为二值图像，通过分析连通区域的大小找到连通区域的位置，并截出V分量的图像，统计出该连通区域坐标的H分量图像中的绿色像素点或者红色像素点的所占的比例。将绿色像素点所占总像素比例35%以上，红色像素点所占总像素比例50% 以上的连通区域与模板图片进行匹配，如果相似度在一定范围内则在原图中画出红灯或者绿灯，实验结果表明该方法可以取得较好的效果。 　　通过多次试验成功找到了从H图中分离出绿色（红色）色调的阈值，转化成二值图像找出连通区域；并且通过分析连通区域的形状和大小，找出绿灯（红灯）在放大的图中的位置，然后在放大了的图中框出绿灯（红灯）。应用这种方法在试验中对50多张照片进行了试验，正确率在90%以上，并且实现了实时处理。 　　 　　（a） （b） 　　 　　（c） （d） 　　 　　（e）（f）（g） 　　图 5红绿灯识别过程图 　　注：（a）为待识别源图像，（b）为待识别源图像的色调H分量图，（c）为待识别