[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107506760B - 基于gps定位与视觉图像处理的交通信号检测方法及系统 - Google Patents

基于gps定位与视觉图像处理的交通信号检测方法及系统 Download PDF

Info

Publication number
CN107506760B
CN107506760B CN201710659729.3A CN201710659729A CN107506760B CN 107506760 B CN107506760 B CN 107506760B CN 201710659729 A CN201710659729 A CN 201710659729A CN 107506760 B CN107506760 B CN 107506760B
Authority
CN
China
Prior art keywords
traffic light
image
image processing
traffic
positioning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710659729.3A
Other languages
English (en)
Other versions
CN107506760A (zh
Inventor
段书凯
林少波
王丽丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University
Original Assignee
Southwest University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest University filed Critical Southwest University
Priority to CN201710659729.3A priority Critical patent/CN107506760B/zh
Publication of CN107506760A publication Critical patent/CN107506760A/zh
Application granted granted Critical
Publication of CN107506760B publication Critical patent/CN107506760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于GPS定位与视觉图像处理的交通信号检测方法及系统，其方法包括以下步骤：S1：基于GPS定位信息触发视觉图像处理进程；S2：通过摄像装置获取道路前方图像，并分别送入交通灯边框定位进程和交通灯信号识别进程中；S3：检测图像中是否存在交通灯灯架，如果存在，确定其位置；S4：检测图像中是否存在交通灯信号，如果存在，确定其位置以及对应的信号模式；S5：判断灯体位置是否与灯架位置相匹配，不匹配进入步骤S6；S6：通过模式识别确定其交通灯信号，如果不存在，则返回步骤S2重新获取图像；S7：语音播送当前交通信号指示情况。该方法处理速度快，囊括场景广阔，可应用于无人驾驶或导盲系统中。

Description

基于GPS定位与视觉图像处理的交通信号检测方法及系统
技术领域
本发明涉及信号与信息处理技术领域，具体涉及到一种基于GPS定位与视觉图像处理的交通信号检测方法及系统。
背景技术
随着当前无人驾驶以及辅助导盲系统的发展，人们对计算机视觉以及图像处理技术在交通方面的应用提出了更高的要求。红绿灯作为指示车辆以及行人出行的关键交通标志，近年来受到信息领域科研人员的广泛重视，很多基于计算机视觉以及数字图像处理技术的交通灯检测与识别算法被提出，大体分为如下四类：基于颜色分割、基于模板匹配、基于形状检测以及基于特征提取分类的方法。此外，一些基于辅助设备，比如GPS、GIS的智能系统也提供了解决该问题的新方法。
申请号为201410822929.2的中国发明专利公开了一种交通灯识别方法，该方法通过RGB空间灰度二值化和HSV颜色空间二值化方法的切换，获取二值化结果并从中提取代表交通灯信号灯亮区的连通域，设计分类器，根据提取出的连通域的数目、颜色、位置特征，得到交通灯目标的分类识别结果。
申请号为201310436336.8的发明专利公开了一种交通灯自动识别辅助驾驶系统，该系统包括布设在交通灯所安装电线杆上的驾驶辅助装置以及安装于车辆上的驾驶辅助识别仪、GPS导航仪和车速检测单元，通过驾驶辅助装置与驾驶辅助识别仪之间以无线通信方式进行双向通信从而进行交通灯的自动识别。
申请号为201510181832.2的发明专利公开了一种交通灯定位方法，该方法通过对交通灯所在的目标区域进行扩展以及二值化确定当前时间为白天还是夜晚，然后根据不同的特征进行交通灯的定位。
申请号为201510208977.7的发明专利公开了一种应用于无人驾驶汽车的交通灯快速检测算法，能够结合颜色特征与传感器数据，提高交通灯检测的精确度。
申请号为201610298509.8的发明专利公开了一种基于单目视觉和GPS组合导航系统的实时城区交通灯识别系统，该系统通过交互图像标注、相机标定、三维位置恢复等方法步骤离线创建交通灯地图，然后在感兴趣区域中利用交通灯的形态信息进行交通灯的颜色分割与形状识别。该交通灯识别系统可适应于多种不同路况和场景，实现多种环境下的交通灯稳定且长距离的检测感知。
申请号为201710043802.4的发明专利公开了一种基于先验概率图的多类交通灯检测方法及系统，采用基于学习的交通灯检测方法，通过利用交通灯的分布规律构建先验概率图，对分类阈值进行自适应设置，以解决现有技术方案往往只适用于某个特定形状交通灯和抗干扰能力差的技术问题。
上述已有的交通灯检测与识别算法均存在一定程度的问题：(1)需要的辅助感知设备过多，开发平台不够智能；(2)无法有效的理解周围环境，如十字路口的判别和定位；(3)有关图像识别算法在实际环境下的鲁棒性不足；(4)没有一个相对完整的系统框架用于智能设备，大多停留在实验室验证阶段。
发明内容
针对现有技术中的缺陷，本发明提供一种基于GPS定位和计算机视觉的交通灯检测与识别系统。该系统基于智能手机进行实现，通过深入研究图像处理算法以及完善系统的技术框架，解决了当前交通灯检测与识别系统准确度不高、操作复杂以及价格昂贵等缺点。
本发明采用的技术方案为：一种基于GPS定位与视觉图像处理的交通灯检测方法，其关键在于包括以下步骤：
S1：基于GPS定位信息判断当前位置是否处于相应路口预定范围内，如果是，则进入步骤S2，触发视觉图像处理进程；
S2：视觉图像处理进程启动，通过摄像装置获取道路前方图像，并分别送入交通灯边框定位进程和交通灯信号识别进程中；
S3：通过交通灯边框定位进程检测图像中是否存在交通灯灯架，如果存在，通过边框提取确定灯架在图像中的位置；
S4：通过交通灯信号识别进程检测图像中是否存在交通灯信号，如果存在，通过颜色分割和霍夫变换确定灯体在图像中的位置以及对应的信号模式；
S5：判断步骤S4所获取的灯体位置是否与步骤S3所获取的灯架位置相匹配，如果匹配成功，则交通灯信号检测准确，如果匹配不成功，则进入步骤S6启动后验进程；
S6：根据步骤S3所确定的灯架在图像中的位置调整图像大小，通过特征提取判断该图像内是否存在交通灯，如果存在交通灯，然后通过模式识别确定其交通灯信号，如果不存在，则返回步骤S2重新获取图像；
S7：在确定具体的交通信号后，通过启动语音播报进程播送当前交通信号指示情况。
进一步地，步骤S3中所述的交通灯边框定位进程具体按照以下步骤进行：
S31：图像预处理，包括进行图像大小调整以及亮度补偿；
S32：采用自定义阈值进行分割以及进行形态学变换；
S33：利用矩形度特征进行矩形边框定位；
S34：基于矩形框的长宽特性进行候选块的筛选，最终确定为交通灯边框。
进一步地，步骤S4中所述的交通灯信号识别进程具体按照以下步骤进行：
S41：图像预处理，包括进行图像大小调整以及亮度补偿；
S42：根据经验数据设定分割阈值，对步骤S41处理后的RGB图像进行颜色分割，通过颜色分割产生的三个二值图，分别表示提取的红绿黄三色区域；
S43：通过高斯滤波、中值滤波以及腐蚀膨胀操作消除干扰；
S44：对二值图像进行边缘检测与霍夫圆变换，最终标记出圆形交通灯候选区域。
进一步地，步骤S5中根据灯体位置与灯架位置的重合度来判断是否相匹配，记灯体区域面积大小为S1，灯体与灯架重合区域面积大小为S2，如果比值S1/S2处于预设阈值范围内，并且灯体在灯架内的位置对应正确，则判定交通灯信号检测准确。
进一步地，步骤S6中的后验进程的具体步骤如下：
S61：根据步骤S3所确定的灯架在图像中的位置，分割待处理区域；
S62：根据图像像素点的RGB值判断连通区域的大小是否超过阈值，如果超过阈值，则认定为存在交通灯；
S63：提取连通区域的特征参数，通过基于神经网络的分类识别器识别出交通灯信号模式。
进一步地，步骤S63输入的特征参数包括连通区域个数、每一个连通区域面积，每一个连通区域RGB分量的平均值、每一个连通区域左右端部面积比、每一个连通区域上下端部面积比、连通区域的长度以及连通区域的宽度。
进一步地，所述分类识别器识别出的交通灯信号模式包括圆盘灯红、黄、绿三种状态；人体行走灯红、黄、绿三种状态；直行箭头灯红、黄、绿三种状态；左转弯灯红、黄、绿三种状态，右转弯灯红、黄、绿三种状态以及调头灯红、黄、绿三种状态。
进一步地，在分类识别器识别出交通灯信号模式后，所述语音播报进程播报对应的语音提示信息。
基于上述陈述，本发明还提出一种实现上述方法的系统，该系统包括智能手机，该智能手机的处理器中安装有视觉图像处理进程控制程序，通过智能手机自带的GPS获取定位信息，通过智能手机自带的摄像头获取前方图像，当处理器中的视觉图像处理进程识别出交通信号灯模式时，通过智能手机自带的语音输出模块输出对应的语音提示信息。
采用上述的技术方案，具有以下优点：
本发明提出的基于GPS定位与视觉图像处理的交通信号检测方法及系统，在路口处可以准确检测出交通灯的位置并且识别出相应的状态；对天气等干扰具有较强的鲁棒性；基于GPS的路口定位，使得视觉信息处理模块可以实现动态运行，从而减少资源消耗。本发明通过计算机视觉技术和GPS定位技术，在智能手机上搭建了一个集定位、图像实时获取以及处理的交通灯检测与识别系统，针对常规的圆形交通灯而言，检测方便快捷，针对异型的交通灯而言，再通过分类器进行智能识别，有效克服了现有系统处理对象单一，应用范围狭窄的缺陷。
附图说明
图1为本发明的方法流程图；
图2为本发明的系统原理框图；
图3为本发明部分可识别的交通信号灯模型图。
具体实施方式
为了使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述，这里的描述不意味着对应于实施例中陈述的具体实例的所有主题都在权利要求中引用了。
如图1-图2所示，一种基于GPS定位与视觉图像处理的交通灯检测方法，包括以下步骤：
S1：基于GPS定位信息判断当前位置是否处于相应路口预定范围内，如果是，则进入步骤S2，触发视觉图像处理进程；
在该步骤中，首先通过GPS芯片等硬件设备获取实时的GPS信号，然后利用定位软件对信号进行处理得到定位数据，最后将定位数据与地图进行匹配，将所在位置显示在电子地图中，从而可以计算与相应路口的距离。本发明利用Android手机内置定位模块，百度地图API，百度定位API，实际路面数据来实现路口定位模块的功能。Android手机自带的GPS模块，可以用来作为接受GPS信号的硬件设备；软件方面，位置信息的获取与处理使用百度定位API，当应用程序向定位API发起定位请求时，定位API会根据应用的定位因素(GPS、基站、Wi-Fi信号)的实际情况(如是否开启GPS、是否连接网络、是否有信号等)来进行定位。在实际使用中，需要开启GPS，并处于能正常接收到GPS信号的室外场所，利用百度地图API主要是为了方便数据的显示和处理，地图的拓扑数据存储在SQLite数据库中。当用户接近路口时，触发视觉信息处理进程。
S2：视觉图像处理进程启动，通过摄像装置获取道路前方图像，并分别送入交通灯边框定位进程和交通灯信号识别进程中；
S3：通过交通灯边框定位进程检测图像中是否存在交通灯灯架，如果存在，通过边框提取确定灯架在图像中的位置；
具体实施时，所述的交通灯边框定位进程具体按照以下步骤进行：
S31：图像预处理，包括进行图像大小调整以及亮度补偿；
S32：采用自定义阈值进行分割以及进行形态学变换；
S33：利用矩形度特征进行矩形边框定位；
S34：基于矩形框的长宽特性进行候选块的筛选，最终确定为交通灯边框。
交通灯边框定位是基于实际场景的正常甚至高曝光图像，实现提取交通灯黑色边框的功能。因为交通灯边框是黑色的，黑色在曝光度低或者亮度低的环境下不易检测，因此需要根据实际情况来对获取的图像进行亮度方面的提升，以便于边框的检测。
图像预处理单元首先接收摄像头采集的路口图像，获取图像的基本参数，调整图像的大小并将图像的曝光度根据实际光照条件进行调整(调高或者不变)。通常交通灯设置有一定的高度，根据摄像头拍摄角度，图像下半部分通常为无效图像，因此需要将图像下半部分剪掉，只考虑图像上半部分。将调整之后的图像进行RGB直方图均衡化，然后进行中值滤波和图像灰度化处理，最后输出并保存相应的处理结果。其中直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使图像整体的灰度值均匀分布。RGB直方图均衡化对于背景和前景都太亮或者太暗的图像非常有用，可以显示曝光过度或者曝光不足照片中更好的细节。
经过预处理后的图像进行自定义阈值分割和腐蚀膨胀操作，然后保存相应的处理结果。其中自定义阈值分割算法基于黑色边框的颜色特性，人工设置分割阈值，从而实现目标和背景分离的一种分割算法。该分割方法可以滤除大部分干扰，是一种高效的分割方法。此处阈值设置在0.2～0.3。
交通灯边框定位是利用矩形度特性进行矩形框的定位，然后基于矩形框的长宽比进行候选块的筛选，剩下的矩形框标记为交通灯边框。
S4：通过交通灯信号识别进程检测图像中是否存在交通灯信号，如果存在，通过颜色分割和霍夫变换确定灯体在图像中的位置以及对应的信号模式；
具体实施时，所述的交通灯信号识别进程具体按照以下步骤进行：
S41：图像预处理，包括进行图像大小调整以及亮度补偿；
S42：根据经验数据设定分割阈值，对步骤S41处理后的RGB图像进行颜色分割，通过颜色分割产生的三个二值图，分别表示提取的红绿黄三色区域；
S43：通过高斯滤波、中值滤波以及腐蚀膨胀操作消除干扰；
S44：对二值图像进行边缘检测与霍夫圆变换，最终标记出圆形交通灯候选区域。
所谓颜色分割是基于预处理输出的RGB图像进行颜色分割，前期通过统计分析大量交通灯图像颜色分布确定的RGB颜色分割阈值如下表所示。
表1：RGB颜色分割阈值表
Figure GDA0002443445230000061
通过颜色分割产生的三个二值图，分别表示提取的红绿黄三色区域。通过高斯滤波、中值滤波以及腐蚀膨胀操作消除部分干扰，最后将处理后的三幅图像输出并保存。
接下来针对二值图像进行边缘检测与霍夫圆变换，标记出圆形交通灯候选区域。
接下来通过将圆形交通灯区域与之前定位的交通灯边框结合，从而确定交通灯的位置与状态。若圆形交通灯恰好位于矩形框内部，并且其大小比例以及分布位置正确，则证明交通灯识别正确，反之不正确，需要进一步确认。其中霍夫圆变换可以实现圆形检测，算法具体步骤如下：
1.对输入的图像进行边缘检测，获取边界点，即前景点。
2.假如图像中存在圆形，那么其轮廓必定属于前景点。
3.将圆形的一般性方程进行坐标变换。由x-y坐标系转换到a-b坐标系。写成如下形式：
(a-x)2+(b-y)2＝r2。那么x-y坐标系中圆形边界上的一点对应到a-b坐标系中即为一个圆。
4.那x-y坐标系中一个圆形边界上有很多个点，对应到a-b坐标系中就会有很多个圆。由于原图像中这些点都在同一个圆形上，那么转换后a,b必定也满足a-b坐标系下的所有圆形的方程式。直观表现为这许多点对应的圆都会相交于一个点，那么这个交点就可能是圆心(a,b)。
5.统计局部交点处圆的个数，取每一个局部最大值，就可以获得原图像中对应的圆形的圆心坐标(a,b)。
霍夫圆变换可以通过设置半径r的范围来减少计算量。
S5：判断步骤S4所获取的灯体位置是否与步骤S3所获取的灯架位置相匹配，如果匹配成功，则交通灯信号检测准确，如果匹配不成功，则进入步骤S6启动后验进程；
具体实施时，步骤S5中根据灯体位置与灯架位置的重合度来判断是否相匹配，记灯体区域面积大小为S1，灯体与灯架重合区域面积大小为S2，如果比值S1/S2处于预设阈值范围内，并且灯体在灯架内的位置对应正确(圆形交通灯在框内有相对固定的位置分布)，则判定交通灯信号检测准确。由于拍摄角度容易引起图像位置的变化，无法保证每一张图都是正投影，因此其低阈值设0.1～0.2即可，而高阈值设为0.5～0.6。
S6：根据步骤S3所确定的灯架在图像中的位置调整图像大小，通过特征提取判断该图像内是否存在交通灯，如果存在交通灯，然后通过模式识别确定其交通灯信号，如果不存在，则返回步骤S2重新获取图像；
具体实施时，步骤S6中的后验进程的具体步骤如下：
S61：根据步骤S3所确定的灯架在图像中的位置，分割待处理区域；
S62：根据图像像素点的RGB值判断连通区域的大小是否超过阈值，如果超过阈值，则认定为存在交通灯；
S63：提取连通区域的特征参数，通过基于神经网络的分类识别器识别出交通灯信号模式。
S7：在确定具体的交通信号后，通过启动语音播报进程播送当前交通信号指示情况。
步骤S63输入的特征参数包括连通区域个数、每一个连通区域面积，每一个连通区域RGB分量的平均值、每一个连通区域左右端部面积比、每一个连通区域上下端部面积比、连通区域的长度以及连通区域的宽度。
结合图3可以看出，所述分类识别器识别出的交通灯信号模式包括圆盘灯红、黄、绿三种状态；人体行走灯红、黄、绿三种状态；直行箭头灯红、黄、绿三种状态；左转弯灯红、黄、绿三种状态，右转弯灯红、黄、绿三种状态以及调头灯红、黄、绿三种状态。
在分类识别器识别出交通灯信号模式后，所述语音播报进程播报对应的语音提示信息。
从图2还可以看出，本实施例还提出一种实现上述方法的系统，包括智能手机，该智能手机的处理器中安装有视觉图像处理进程控制程序，通过智能手机自带的GPS获取定位信息，通过智能手机自带的摄像头获取前方图像，当处理器中的视觉图像处理进程识别出交通信号灯模式时，通过智能手机自带的语音输出模块输出对应的语音提示信息。
基于上述设计可以理解：本发明提出的基于GPS定位与视觉图像处理的交通信号检测方法及系统，能够直接通过智能手机上增设APP控制软件实现，针对常见的圆形交通灯而言，运算量小，处理速度极快，能快速反馈处理结果，针对非常见的异型交通灯，也能利用智能识别算法进行分类识别，结合GPS定位和语音播报，能有效对路口交通灯信号进行检测，为无人驾驶和盲人导航提供便利。
最后需要说明的是，上述描述为本发明的优选实施例，本领域的普通技术人员在本发明的启示下，在不违背本发明宗旨及权利要求的前提下，可以做出多种类似的表示，这样的变换均落入本发明的保护范围之内。

Claims (6)

1.一种基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于包括以下步骤：
S1：基于GPS定位信息判断当前位置是否处于相应路口预定范围内，如果是，则进入步骤S2，触发视觉图像处理进程；
S2：视觉图像处理进程启动，通过摄像装置获取道路前方图像，并分别送入交通灯边框定位进程和交通灯信号识别进程中；
S3：通过交通灯边框定位进程检测图像中是否存在交通灯灯架，如果存在，通过边框提取确定灯架在图像中的位置；
S4：通过交通灯信号识别进程检测图像中是否存在交通灯信号，如果存在，通过颜色分割和霍夫变换确定灯体在图像中的位置以及对应的信号模式；
S5：判断步骤S4所获取的灯体位置是否与步骤S3所获取的灯架位置相匹配，如果匹配成功，则交通灯信号检测准确，如果匹配不成功，则进入步骤S6启动后验进程；
S6：根据步骤S3所确定的灯架在图像中的位置调整图像大小，通过特征提取判断该图像内是否存在交通灯，如果存在交通灯，然后通过模式识别确定其交通灯信号，如果不存在，则返回步骤S2重新获取图像；
S7：在确定具体的交通信号后，通过启动语音播报进程播送当前交通信号指示情况；
步骤S5中根据灯体位置与灯架位置的重合度来判断是否相匹配，记灯体区域面积大小为S1，灯体与灯架重合区域面积大小为S2，如果比值S1/S2处于预设阈值范围内，并且灯体在灯架内的位置对应正确，则判定交通灯信号检测准确；
步骤S3中所述的交通灯边框定位进程具体按照以下步骤进行：
S31：图像预处理，包括进行图像大小调整以及亮度补偿；
S32：采用自定义阈值进行分割以及进行形态学变换；
S33：利用矩形度特征进行矩形边框定位；
S34：基于矩形框的长宽特性进行候选块的筛选，最终确定为交通灯边框；
步骤S4中所述的交通灯信号识别进程具体按照以下步骤进行：
S41：图像预处理，包括进行图像大小调整以及亮度补偿；
S42：根据经验数据设定分割阈值，对步骤S41处理后的RGB图像进行颜色分割，通过颜色分割产生的三个二值图，分别表示提取的红绿黄三色区域；
S43：通过高斯滤波、中值滤波以及腐蚀膨胀操作消除干扰；
S44：对二值图像进行边缘检测与霍夫圆变换，最终标记出圆形交通灯候选区域。
2.根据权利要求1所述的基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于，步骤S6中的后验进程的具体步骤如下：
S61：根据步骤S3所确定的灯架在图像中的位置，分割待处理区域；
S62：根据图像像素点的RGB值判断连通区域的大小是否超过阈值，如果超过阈值，则认定为存在交通灯；
S63：提取连通区域的特征参数，通过基于神经网络的分类识别器识别出交通灯信号模式。
3.根据权利要求2所述的基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于：步骤S63输入的特征参数包括连通区域个数、每一个连通区域面积，每一个连通区域RGB分量的平均值、每一个连通区域左右端部面积比、每一个连通区域上下端部面积比、连通区域的长度以及连通区域的宽度。
4.根据权利要求3所述的基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于：所述分类识别器识别出的交通灯信号模式包括圆盘灯红、黄、绿三种状态；人体行走灯红、黄、绿三种状态；直行箭头灯红、黄、绿三种状态；左转弯灯红、黄、绿三种状态，右转弯灯红、黄、绿三种状态以及调头灯红、黄、绿三种状态。
5.根据权利要求4所述的基于GPS定位与视觉图像处理的交通灯检测方法，其特征在于：在分类识别器识别出交通灯信号模式后，所述语音播报进程播报对应的语音提示信息。
6.一种实现权利要求1所述的基于GPS定位与视觉图像处理的交通灯检测方法的系统，其特征在于：包括智能手机，该智能手机的处理器中安装有视觉图像处理进程控制程序，通过智能手机自带的GPS获取定位信息，通过智能手机自带的摄像头获取前方图像，当处理器中的视觉图像处理进程识别出交通信号灯模式时，通过智能手机自带的语音输出模块输出对应的语音提示信息。
CN201710659729.3A 2017-08-04 2017-08-04 基于gps定位与视觉图像处理的交通信号检测方法及系统 Active CN107506760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710659729.3A CN107506760B (zh) 2017-08-04 2017-08-04 基于gps定位与视觉图像处理的交通信号检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710659729.3A CN107506760B (zh) 2017-08-04 2017-08-04 基于gps定位与视觉图像处理的交通信号检测方法及系统

Publications (2)

Publication Number Publication Date
CN107506760A CN107506760A (zh) 2017-12-22
CN107506760B true CN107506760B (zh) 2020-06-05

Family

ID=60690442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710659729.3A Active CN107506760B (zh) 2017-08-04 2017-08-04 基于gps定位与视觉图像处理的交通信号检测方法及系统

Country Status (1)

Country Link
CN (1) CN107506760B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110542931B (zh) * 2018-05-28 2021-12-28 北京京东乾石科技有限公司 红绿灯检测方法、装置、电子设备及计算机可读介质
CN108960200A (zh) * 2018-07-31 2018-12-07 北京微播视界科技有限公司 一种基于智能交互的数据处理方法及电子设备
CN111565283A (zh) * 2019-02-14 2020-08-21 初速度（苏州）科技有限公司 一种交通灯颜色的识别方法、校正方法和装置
CN110069986B (zh) * 2019-03-13 2021-11-02 北京联合大学 一种基于混合模型的交通信号灯识别方法及系统
CN110146095B (zh) * 2019-05-23 2021-07-20 北京百度网讯科技有限公司 视障人士导航的方法和装置、电子设备、计算机可读介质
CN110415541A (zh) * 2019-07-19 2019-11-05 重庆长安汽车股份有限公司 一种路口通行状态提示方法及系统
CN110543814B (zh) 2019-07-22 2022-05-10 华为技术有限公司 一种交通灯的识别方法及装置
CN110598563A (zh) * 2019-08-15 2019-12-20 北京致行慕远科技有限公司 可移动设备行进的处理方法、装置及存储介质
CN112766026B (zh) * 2019-11-05 2024-02-02 大富科技(安徽)股份有限公司 交通灯的检测方法、计算机存储介质、车载终端和车辆
TWI743637B (zh) * 2019-12-27 2021-10-21 財團法人工業技術研究院 號誌辨識系統及其方法
CN113940462A (zh) * 2020-07-15 2022-01-18 陕西科技大学 一种智能雨衣及其控制方法
CN112036391B (zh) * 2020-07-22 2023-09-19 四川长宁天然气开发有限责任公司 一种基于页岩气田生产站场的电子巡检方法及系统
CN112036392B (zh) * 2020-07-22 2022-05-03 四川长宁天然气开发有限责任公司 一种页岩气田生产场站ups指示灯状态的自动识别方法
CN112587036A (zh) * 2020-12-10 2021-04-02 苏州阿甘机器人有限公司 一种基于机器视觉的无人扫地机及其工作方法
CN113034530B (zh) * 2021-04-02 2024-07-26 广州绿怡信息科技有限公司 手机摆放检测方法及装置
CN113177522A (zh) * 2021-05-24 2021-07-27 的卢技术有限公司 一种用于自动驾驶场景下的红绿灯检测与识别方法
CN113591727A (zh) * 2021-08-03 2021-11-02 彭刚 一种配送机器人交通信号识别装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023623A (zh) * 2016-07-28 2016-10-12 南京理工大学 基于机器视觉的车载交通信号与标志的识别及预警方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778786B (zh) * 2013-12-17 2016-04-27 东莞中国科学院云计算产业技术创新与育成中心 一种基于显著车辆部件模型的交通违章检测方法
CN105389993B (zh) * 2015-12-11 2018-02-23 余战秋 视觉交通信号的处理与识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023623A (zh) * 2016-07-28 2016-10-12 南京理工大学 基于机器视觉的车载交通信号与标志的识别及预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
交通信号灯检测与识别算法的研究;黄振威;《中国优秀硕士学位论文全文数据库信息科技辑》;20130215(第02期);第2-25页 *
交通信号灯检测与识别算法研究;葛俊辉;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20150315(第03期);第21-37页 *

Also Published As

Publication number Publication date
CN107506760A (zh) 2017-12-22

Similar Documents

Publication Publication Date Title
CN107506760B (zh) 基于gps定位与视觉图像处理的交通信号检测方法及系统
CN108804983B (zh) 交通信号灯状态识别方法、装置、车载控制终端及机动车
EP3152706B1 (en) Image capturing parameter adjustment in preview mode
JP5747549B2 (ja) 信号機検出装置及びプログラム
CN103345766B (zh) 一种信号灯识别方法及装置
EP2282295A1 (en) Object recognizing device and object recognizing method
CN101599175B (zh) 确定拍摄背景发生改变的检测方法及图像处理设备
CN107301405A (zh) 自然场景下的交通标志检测方法
JP2012068965A (ja) 画像認識装置
JP2011216051A (ja) 信号灯識別プログラムおよび信号灯識別装置
CN107886034B (zh) 行车提醒方法、装置及车辆
TW201528220A (zh) 車輛定位裝置與方法
CN111881832A (zh) 车道目标检测方法、装置、设备及计算机可读存储介质
CN109916415B (zh) 道路类型确定方法、装置、设备及存储介质
CN112001208A (zh) 用于车辆盲区的目标检测方法、装置和电子设备
CN107886033B (zh) 识别圆形交通灯的方法、装置及车辆
CN112863194B (zh) 一种图像处理方法、装置、终端及介质
CN111046741A (zh) 车道线识别的方法和装置
JP5200861B2 (ja) 標識判定装置および標識判定方法
CN111723805A (zh) 一种信号灯的前景区域识别方法及相关装置
CN110422168B (zh) 车道识别系统、方法及自动驾驶汽车
CN109800693B (zh) 一种基于颜色通道混合特征的夜间车辆检测方法
JP7264428B2 (ja) 道路標識認識装置及びそのプログラム
CN107992788B (zh) 识别交通灯的方法、装置及车辆
JP2004086417A (ja) 横断歩道等における歩行者検出方法及び同装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant