摘 要

本课题主要对城市路面导向标记的机器识别进行了研究，可为驾驶员驾驶车辆提供有关车道的交通信息，并提醒驾驶员变道、转向，可以避免在错综复杂的路口走错车道，也可为今后的无人驾驶提供帮助。该系统根据处理顺序可以分为以下几个部分：路面图像的获取、图像的预处理、图像分割及特征分类。

首先用车载摄像头实时获取路面信息并做预处理，该处理包括灰度化、逆透视变换、滤波、直方图均衡等；实验后发现，经处理后的图片效果明显变好，路面标记能更明显的显示出来，图片大小也减小了，有利于之后步骤的快速处理。然后对图片做二值化处理，对比了多种二值化方法，发现最小误差法效果较其它的方法好。之后分析了路面导向标记的形状特征，采用Hu不变矩和Zemike不变矩作为分类的依据。并提取了2类导向标记的不变矩特征。

最后依据交通标线的Zemike不变距特征值以BP基于神经网络的算法对路面交通标志进行分类，初步分类结果较好，达到了实验要求。

关键词：图像处理；路面标记识别；不变矩；神经网络

Abstract

This paper focuses on machine readable guide urban pavement markers have been studied, the driver can drive the vehicle to provide information about the traffic lane, and alert the driver to change lanes, turn, avoid the wrong lane at complex junctions. The system according to the processing sequence can be divided into the following sections: Pavement image acquisition, image preprocessing, image segmentation and feature classification. The wording of this article is also in this order.

First, real-time access with a vehicle-mounted cameras and road information preprocessing, the process comprising graying, inverse perspective transformation, filtering, histogram equalization; later was found after treatment effect is obvious picture changed for the better, pavement markings more evident is displayed, the image size is reduced, then beneficial to rapid processing step. Then do a binary image processing, comparison of multiple binary method, find the minimum error method is better than other methods better.

After analyzing the characteristics of the road surface shape of the guide markers, using Hu moment invariants and invariant moments Zemike as a basis for classification. And extracts the moment invariants Class 2 guide mark. Finally, according to traffic markings unchanged from the eigenvalues ​algorithm based on neural network content traffic markings identified.

Keywords: image processing; road marking recognition; invariant moment; neural network

目 录

摘 要 I

Abstract II

第1章 绪 论 1

1.1 研究背景及意义 1

1.1.1 智能交通系统简介 2

1.1.2 全球定位系统简介 2

1.1.3 交通标志简介 3

1.2 国内外研究现状 3

1.3 研究的基本内容及存在的问题 5

1.4 本论文的组织结构 6

第2章 车载摄像头捕获图像的预处理 7

2.1原始图像灰度化 8

2.2 逆透视变换 9

2.3 直方图均衡 11

2.4空域滤波 13

第3章 路面标记的图像分割 15

3.1 图像的二值化 15

3.2 边缘检测 18

3.2.1 Log算子 19

3.2.2 Sobel算子 20

3.2.3 Roberts算子 21

3.2.4 Canny算子 21

第4章 基于BP神经网络的特征识别 23

4.1 图像的形状特征 23

4.1.1图像的不变矩特征 25

4.1.2 基于不变矩的特征提取 25

4.2 路面标记的特征分类 26

第5章 总结与展望 29

参考文献 30

致 谢 32

第1章 绪 论

1.1 研究背景及意义

如今，人工智能离我们越来越近，使我们的生活变得高效、方便、简单、可靠。交通是现代生活离不开的话题，交通系统也需要智能系统来改革、优化。中国的汽车拥有量激增，交通问题愈来愈尖锐，尤其是在大城市，时间宝贵，但不断的堵车实在让人烦躁。其中有一个很重要的原因就是有一些车辆由于不熟悉复杂的路况而走错车道，不停地在马路上滞留，本文即有利于解决这一问题。

目前汽车已成为人们不可或缺的出行工具，汽车工业得到飞速的发展。与之而来的是愈来愈严重的交通问题。尤其是在城市道路中，道路网错综复杂，为此行驶规则日臻完善，车道数目日益增多，以分流各个方向的车流。如右转、直行、左转、公交车专用等等。行驶在正确的车道上不仅有利于公共交通的顺畅也有利于自己行驶。

导向标记的识别涉及到多个方面的知识如机器视觉、数字图像处理、模式识别以及人工智能算法等等。上个世纪八十年代国际上便开始研究对交通标志的识别，由于问题的复杂性，截至目前尚没有可以普及的成熟的系统。但我们可以从其他图像识别的相关领域获得支持，同时，我们的研究成果也可以促进这些领域的发展。

本文研究路面导向标记的快速识别算法，其结果可以为驾驶员或汽车智能系统提供车道信息，尤其是今后为无人驾驶汽车提供准确信息以作出正确的判断，避免安全事故的发生，以保障人员安全，为智能汽车能够完全自主的实现无人驾驶做出一点初步的探索。就目前来看可以应用到导航系统上，提醒驾驶员换道或预示警告。