车道识别与交通标志识别

研究内容

车道特征检测：边缘提取，二值化车道线检测：霍夫变换

交通标志检测：特征提取（边缘，颜色，形状，LBP) 交通标志识别：神经网络

（ LBP 指局部二值模式）

研究了汽车辅助驾驶系统中的计算机视觉问题 . 一方面 , 用小波变换对高速公路上的道路边缘进行检测 ; 另一方面 , 利用灰度以及几何特征实时跟踪和检测车道边缘 , 通过建立道路边缘模型 , 采用数据拟合的方法确定边界轨迹方程 , 从而估算出公路的延伸方向 , 实现汽车的自动防偏 , 并为解决汽车智能辅助驾驶系统的避障问题提供了有力的保证

。

二值化

分割算法是数字图像处理中非常经典的课题 , 有 着众多可供选择的算法。最常见的有按像素或处理过像素的灰度值进行分割、利用边缘进行分割、区域生长等方法。二值化处理是一种灰度处理算法 , 对于给定的阈值 ,

程序将灰度大于给定阈值的点变成白点 , 另外的点变为黑点 , 经处理后图像变为只有黑白二色的二值图像。

边缘检测

边缘检测是一种突出图像边缘削弱边缘以外图像区域 , 突出图像轮廓的方法。它可以在保留关于物体边界有用的结构信息的同时极大地降低处理的数据量 , 从而简化图像的分析过程。边缘两边相邻区域中 的灰度相对地均匀 , 只是在通过边缘时灰度发生突变 , 对于灰度图像 , 边缘是灰度不连续的结果。对这种不连续的灰度级变化最有用的两个特征是灰度的变化率和方向 , 它们分别以梯度的变化率和方向来表示。

车道标识线的准确检测是实现车辆自动导航和车辆安全辅助驾驶的首 要问题，为了得到较理想的车道的标线边缘．利用车道的边缘特征 对车道图像进行二值化和形态学处理，对车道区域实现准确的边缘检测，最后利用 Hough 变换 定位出车道标识线，完成对车道标识线的识别。实验表明，该方法能实现对复杂环境 下车道标识线的准确识别，具有较好的鲁棒性和可靠性。