[发明专利]缩微交通环境下的锥形标识别方法

说明书

技术领域

本发明属于智能交通领域，将视觉图像处理和智能交通集成，提供一种缩微交通环境下的锥形标识别方法。

背景技术

随着经济的发展和人民生活水平的提高，交通活动已经成为人们生活中的重要组成部分。然而由于汽车增长过快，道路相对不足，交通问题已成为经济发展的瓶颈。智能交通系统(ITS)于上世纪60年代末产生了。智能汽车是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统。智能车辆驾驶系统集中地运用了计算机、传感器、信息融合、通讯、人工智能以及自动控制等技术，是典型的高新技术综合体。作为智能交通系统的重要研究内容之一，智能车辆驾驶主要研究整体自动或者作为辅助驾驶系统完成车辆驾驶任务。目前的智能车辆技术中自主导航和自动驾驶是智能车辆开发的关键技术，而自主导航和自动驾驶的实现过程中，最为关键的技术就是计算机视觉。

作为智能交通系统的重要研究内容之一，智能车辆驾驶已经成为未来汽车市场的发展趋势。由于实际交通环境难于为真车智能驾驶技术研究提供试验场地和场景，因此，建立缩微尺度的三维复杂交通环境，为智能驾驶技术研究提供模拟现实、可重复、可验证、可评价的试验平台就显得尤为需要。在李德毅院士等专家的倡导下，智能车辆驾驶领域的相关专家已于2009开始，陆续在北京、重庆、西安、天津等地进行了多次工作会议以及缩微智能车自主驾驶演示。

缩微智能车的智能体现在对缩微交通环境下的交通标志、交通灯、锥形标、障碍物等的正确识别，同时作出正确的驾驶行为。现有技术对缩微环境下的锥形标的识别并未见记载，进而根据锥形标的摆放位置作出相应的驾驶行为存在困难。

发明内容

本发明针对现有技术对缩微环境下的锥形标的识别并未见记载，进而根据锥形标的摆放位置作出相应的驾驶行为存在困难的问题，提出一种缩微交通环境下锥形标识别方法，以便更好的体现缩微智能车在缩微交通环境下的智能性，对锥形标进行识别，进而便于根据锥形标的摆放位置作出相应的驾驶行为。

缩微交通环境下锥形标识别方法，包括：

建立以缩微智能车为原点的地面坐标系的步骤；

获取地面图像信号的步骤；

对地面图像信号进行分析识别锥形标的步骤。

优选的，所述对地面图像信号进行分析识别锥形标的步骤包括：

101、逐个像素扫描，识别图像中的红色像素，将相邻红色像素进行标记形成图像中的红色区域；

103、寻找能框住该红色区域的最小矩形，形成红色矩形块，对红色矩形块编号，并记录其左上角点和右上角点坐标；

105、对编号的两两红色矩形块进行锥形标匹配，识别锥形标。

优选的，步骤103中在对红色矩形块编号之前，还包括103A、红色矩形块预处理过程，即计算红色矩形块面积，去除面积大于1000或小于150的红色矩形块。

优选的，步骤103之后，还包括304、对编号的红色矩形块进行预处理，建立两两编号关联，去除明显不具有锥形特征的编号。

优选的，步骤101所述逐个像素扫描，采用以下任意一种方式：

在图像坐标系下沿着X轴方向从左到右，沿着Y轴方向从上到下；

或者

在图像坐标系下沿着X轴方向从右到左，沿着Y轴方向从上到下；

或者

在图像坐标系下沿着X轴方向从左到右，沿着Y轴方向从下到上；

或者

在图像坐标系下沿着X轴方向从右到左，沿着Y轴方向从下到上。

优选的，步骤101中所述识别图像中的红色像素为，利用RGB颜色模型和HSV颜色模型寻找图像中的红色区域所述HSV是指色相H、饱和度S和明度V；

所述红色区域寻找方法为，采用像素判别公式：

R＞50&(G＜120||B＜120)&(R-G＞30)&(R-B＞30)

(H＞＝0&H＜12)||(H＞170&H＜＝180)

其中，R为RGB图像像素点红色分量值；G为RGB图像像素点绿色分量值；B为RGB图像像素点蓝色分量值。