实时鲁棒的矩形交通标识牌倾斜校正方法

交通标识牌识别是无人驾驶智能汽车视觉环境感知的重要组成,为了解决交通牌倾斜造成的识别率下降的问题,本文提出了一种实时鲁柔的矩形交通标识牌倾斜校正方法。首先,对图像进行灰度化、Canny边缘检测等预处理,再通过Hough直线变换检测交通标识牌的边缘线段,根据这些边缘线段计算矩形的四个角点坐标,然后再根据逆透视变换(IPM)原理得到矫正矩阵,最后利用IPM将倾斜的交通标识牌图像校正。实验结果表明,该算法可以有效地矫正不同程度倾斜的矩形交通标识牌图像,具有很好的实时性、鲁柔性,适用于无人驾驶系统中的交通标识牌识别预处理技术。

复杂地形下的道路识别

在智能车辆的研究中,道路识别是保障车辆安全行驶的首要任务。针对结构化道路中的特殊情况,即弯道和坡道的图像快速识别方法进行了研究,给车辆行驶的方向和速度控制提供了建议。并对更为复杂的道路情况(以盘山公路为例)提出了基于逆透视映射模型的识别方法。最后,通过实验结果验证了方法的有效性。

基于边缘特征和霍夫变换的斑马线识别方法

现有斑马线识别方法普遍存在实时性差或准确率低等问题,对此提出基于边缘特征和霍夫变换的斑马线识别方法。首先利用逆透视变换(inverse perspective mapping,IPM)原理将单摄像机采集到的道路图像转换为俯视图像,然后采用Sobel x边缘检测模板提取斑马线的边缘信息;基于此,采用霍夫(Hough)变换对斑马线在水平夹角、直线长度、间隔宽度、数量统计等约束条件下进行曲线拟合,最后实现斑马线的识别。试验研究中,选择600张在不同场景下采集到的道路图像对斑马线进行识别,算法在白天光线较好情况下准确率为97.56%,在夜晚情况下为88.67%,算法平均耗时约33 ms。结果表明该算法可以在多种环境下快速准确地识别出斑马线,满足实际工程应用的需求。