聊聊自动驾驶必须解决哪些感知问题？交通标志识别技术详解

景联文科技

已于 2022-08-10 14:11:14 修改

阅读量771

点赞数

分类专栏：数据标注数据采集文章标签：计算机视觉人工智能机器学习

于 2022-08-10 11:51:51 首次发布

本文链接：https://blog.csdn.net/weixin_55551028/article/details/126263622

版权

数据标注同时被 2 个专栏收录

181 篇文章 20 订阅

订阅专栏

数据采集

179 篇文章 5 订阅

订阅专栏

交通标志识别系统是智能交通系统与先进辅助驾驶系统的重要组成部分，由于道路交通较为复杂，提高交通检测与识别算法的准确率和实时性是走向实际应用进程中需要解决的关键问题。

算法的准确率是交通标志识别研究中一个非常重要的因素，错误的识别结果不仅不能起到辅助驾驶作用，还可能导致安全事故的发生。而算法的实时性决定了研究成果能否转化为具有实际应用价值的产品。在汽车数量日益增加、交通安全事故居高不下，要求不断提升汽车的驾驶智能化的现实压力面前，开展以实时应用为目标的交通标志识别检测技术研究，对于增加驾驶安全具有重大的意义。

一、什么是交通标志识别技术？

交通标志识别技术的目的是为了实现对道路交通场景准确无误的识别，将识别结果及时反馈给道路使用者，使其能详细了解当前和随后将出现的道路情况，帮助驾驶员做出正确决策，为行车安全提供保障。

交通标志主要包括标牌、红绿灯、车道线等，不同类交通标志的区别主要在于颜色和形状的不同，同类标志的区别则在于内部结构图案的不同。可根据交通标志其固有的颜色和形状、特定的符号和尺寸等特征进行大的归类，然后针对每一子类再一一进行具体的识别，只要充分利用这些特征就可以快速达到检测目的。

二、如何实现交通标志识别技术？

利用交通标志中较明显的视觉特征，如颜色、形状等，可以检测出不同的交通标志。在实际情况中，交通标志的图像采集数据的质量可能会受到光照、天气变化等影响；若交通标志出现遮挡、磨损、扭曲等情况，也会影响其算法准确性。

想要实现交通标志识别技术，可以通过设定颜色分量的阈值范围实现图像分割，从复杂的背景区域中得到相应区域，然后在区域上进行形状的过滤，除去噪声，改变光照，从而检测出交通标志的所在区域；有直接彩色阈值分割算法，即直接在RGB颜色空间对图像所有像素进行分割，通过角点检测确定目标区域是否有交通标志，但这对光照影响和遮挡问题的解决效果不佳。

深度学习具有强大的特征学习能力，深度卷积神经网络是深度学习在计算机视觉上应用最广的模型之一。深度卷积神经网络不需要设计手工特征，输入模型的图像通过监督学习即可来完成特征提取和分类。

基于深度学习的交通标志识别，通过训练大量数据来学习特征，有效提升准确率，能够克服交通标志的光照影响和遮挡难题，有效实现交通标注识别技术。

三、交通标志数据标注的主要类型

1.限速标牌交通标志

包括最高限速、最小限速、解除限速。

2.非限速标牌交通标志

包括常见的限重标牌、限高标牌、限宽标牌、限制轴重标牌、警告标牌、禁止标牌、龙门架、方形大牌、信息指示牌、诱导标牌等类型。

Separators（诱导标志）
Information Signs (信息指示牌)
Prohibition Signs (禁止标牌)
Axle Load(限制轴重)
Weight
Height
Width
Warning (警告)
Gantries (龙门架方形大牌)
Prohibition Signs (禁止标牌)

3.交通信号灯

按信号灯功能分类，可分为机动车信号灯、非机动车信号灯、左转非机动车信号灯、人行横道信号灯、车道信号灯、方向指示信号灯、闪光警告信号灯、道口信号灯、调头信号灯。

四、交通标志标注规则和注意事项

1.标注规则

对不同标志物安装高度、宽度、不同时间（白天、晚上、黄昏、强光照、强光影）进行区分以及对不同天气下（晴天、多云、雨天、雾天、雪天），不同场景下（城市、郊区、封闭道路、内部道路）进行标注。
对不同速度下标志物就行描述分类，例如：限速速度、解除限速、限重重量、最高限速等。
对标志物进行最小外接bounding box矩形框框选标注打标签。
所以类型的标示牌，全部按照顺时针方向依次标注，左上角为标注起始点，序号为0，标注在整张图中的坐标。
圆形标牌需要标注表示其轮廓的椭圆（长短轴相等时为圆）
标注交通灯时需要标注整个交通灯的外框，标注框要求紧致标注，同时需要标注内框，对于外框遮挡比例大于70%的交通灯不需要标注，对于最短边小于5像素的交通灯不需要标注，不能漏标；灭灯需要标注外框，不需要标注内框；矩形灯的外框正常标注灯框，矩形灯的内框只标注亮灯部分。