目录
1.算法概述
在行车过程中自动检测出前方的红绿灯的位置和状态是高级辅助驾驶和无人驾驶中一种重要的技术。通常情况下由于复杂的交通场景,剧烈变化的光照,以及相机的分辨率,使得红绿灯的检测变得比较困难。目前,对于红绿灯的检测方法有三大类:第一类是基于图像处理的方法。该方法通过阈值分割,形态学变换等操作对图像进行处理,得到图片中感兴趣的物体区域,然后通过特定的先验知识,如区域连通性,长宽比,形状,相对位置等,处理这些区域,层层筛选,最后得到的就是红绿灯所在的区域,通过设定颜色阈值或利用特殊的颜色空间判断出红绿灯的颜色。
交通标志检测是无人驾驶的重要组成部分,如何快速准确检测出交通标志对无人驾驶有重要的作用。本文提出一种基于HSV颜色模型和形状特征提取共同检测交通标志的算法,通过HSV颜色模型的特定颜色阈值,从实景图中找出感兴趣区域,然后对其进行形状特征判断以确定目标区域。最后进行实际道路环境测试,该算法能在复杂背景中准确地检测出交通标志区域。
理论上,基于颜色分割的算法可以将交通标志从周围环境中分离出来,但在自然环境下,交通标志的颜色有可能与背景颜色相近或者一致,这种情况下,仅依靠颜色检测交通标志,准确率不高,基于形状的检测算法能进一步排除那些颜色相近的背景,因为这些背景往往不具备交通标志的特殊形状。
交通标志的形状主要有三种,即圆形、三角形和矩形。形状不同,它们的属性也不同,人们可以从圆形度、矩形度和伸长度等方面加以区分。在实际场景中ÿ