縮微交通環境下的錐形標識別方法

2023-06-21 04:09:41 1

專利名稱：縮微交通環境下的錐形標識別方法
技術領域：
本發明屬於智能交通領域，將視覺圖像處理和智能交通集成，提供一種縮微交通環境下的錐形標識別方法。
背景技術：
隨著經濟的發展和人民生活水平的提高，交通活動已經成為人們生活中的重要組成部分。然而由於汽車增長過快，道路相對不足，交通問題已成為經濟發展的瓶頸。智能交通系統(ITS)於上世紀60年代末產生了。智能汽車是一個集環境感知、規劃決策、多等級輔助駕駛等功能於一體的綜合系統。智能車輛駕駛系統集中地運用了計算機、傳感器、信息融合、通訊、人工智慧以及自動控制等技術，是典型的高新技術綜合體。作為智能交通系統的重要研究內容之一，智能車輛駕駛主要研究整體自動或者作為輔助駕駛系統完成車輛駕駛任務。目前的智能車輛技術中自主導航和自動駕駛是智能車輛開發的關鍵技術，而自主導航和自動駕駛的實現過程中，最為關鍵的技術就是計算機視覺。 作為智能交通系統的重要研究內容之一，智能車輛駕駛已經成為未來汽車市場的發展趨勢。由於實際交通環境難於為真車智能駕駛技術研究提供試驗場地和場景，因此，建立縮微尺度的三維複雜交通環境，為智能駕駛技術研究提供模擬現實、可重複、可驗證、可評價的試驗平臺就顯得尤為需要。在李德毅院士等專家的倡導下，智能車輛駕駛領域的相關專家已於2009開始，陸續在北京、重慶、西安、天津等地進行了多次工作會議以及縮微智能車自主駕駛演示。縮微智能車的智能體現在對縮微交通環境下的交通標誌、交通燈、錐形標、障礙物等的正確識別，同時作出正確的駕駛行為。現有技術對縮微環境下的錐形標的識別並未見記載，進而根據錐形標的擺放位置作出相應的駕駛行為存在困難。

發明內容
本發明針對現有技術對縮微環境下的錐形標的識別並未見記載，進而根據錐形標的擺放位置作出相應的駕駛行為存在困難的問題，提出一種縮微交通環境下錐形標識別方法，以便更好的體現縮微智能車在縮微交通環境下的智能性，對錐形標進行識別，進而便於根據錐形標的擺放位置作出相應的駕駛行為。縮微交通環境下錐形標識別方法，包括建立以縮微智能車為原點的地面坐標系的步驟；獲取地面圖像信號的步驟；對地面圖像信號進行分析識別錐形標的步驟。優選的，所述對地面圖像信號進行分析識別錐形標的步驟包括101、逐個像素掃描，識別圖像中的紅色像素，將相鄰紅色像素進行標記形成圖像中的紅色區域；103、尋找能框住該紅色區域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，並記錄其左上角點和右上角點坐標；105、對編號的兩兩紅色矩形塊進行錐形標匹配，識別錐形標。優選的，步驟103中在對紅色矩形塊編號之前，還包括103A、紅色矩形塊預處理過程，即計算紅色矩形塊面積，去除面積大於1000或小於150的紅色矩形塊。優選的，步驟103之後，還包括304、對編號的紅色矩形塊進行預處理，建立兩兩編號關聯，去除明顯不具有錐形特徵的編號。優選的，步驟101所述逐個像素掃描，採用以下任意一種方式在圖像坐標系下沿著X軸方向從左到右，沿著Y軸方向從上到下；或者
在圖像坐標系下沿著X軸方向從右到左，沿著Y軸方向從上到下；或者在圖像坐標系下沿著X軸方向從左到右，沿著Y軸方向從下到上；或者在圖像坐標系下沿著X軸方向從右到左，沿著Y軸方向從下到上。優選的，步驟101中所述識別圖像中的紅色像素為，利用RGB顏色模型和HSV顏色模型尋找圖像中的紅色區域所述HSV是指色相H、飽和度S和明度V ；所述紅色區域尋找方法為，採用像素判別公式R > 50& (G < 120 I IB < 120) & (R-G > 30) & (R-B > 30)(H >= 0&H 170&H < = 180)其中，R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB
圖像像素點藍色分量值。優選的，步驟103所述尋找能框住該紅色區域的最小矩形，形成紅色矩形塊為，對於滿足條件的紅色像素，記錄它們的X軸坐標值，Y軸坐標值，尋找坐標值的最大值和最小值，表示為max (X)、min (X)、max (Y)、min (Y),將坐標點X軸坐標值分別與max (X)、min (X)比較，Y軸坐標值分別與max⑴、min⑴比較,如果X軸坐標值大於max⑴，則用當前的像素X軸坐標值更新max (X)，如果X軸坐標值小於min (X)，則用當前的像素X軸坐標值更新min (X),如果Y軸坐標值大於max (Y),則用當前的像素Y軸坐標值更新max (Y),如果Y軸坐標值小於min (Y),則用當前的像素Y軸坐標值更新min (Y),最後max (X)、min (X)、max (Y)、min(Y)所形成的矩形即為最小矩形。優選的，步驟105中所述對編號的兩兩紅色矩形塊組進行錐形標匹配，識別錐形標，包括105-1、識別紅色矩形塊組的上下紅色梯形區域；105-2、判斷紅色矩形塊組的矩形中心點的X坐標值差值Xe是否小於10像素，若是，進入105-3，否則，轉至105-6 ；105-3、判斷兩塊紅色區域合成的新矩形與Y軸平行的邊長和與X軸平行的邊長的比值Pc是否大於I. 5小於3，若是，進入105-4，否則，轉至105-6 ；105-4、判斷白色像素點個數是否佔特別矩形區域裡像素點總個數的70%以上，若是，則轉至105-5，否則，轉至105-6 ；所述特別矩形區域為上紅色區域右下角坐標和下紅色區域左上角坐標為對角點且兩邊平行X軸兩邊平行Y軸所圍成；105-5、標記錐形標匹配成功，記錄紅色矩形塊組，並將白色區域左上角的點標記為錐形標的位置點，轉至105-6 ；105-6，判斷是否所有紅色塊組都已匹配完，若是，匹配完成，否則，對下一紅色塊組進行錐形標匹配，重複以上過程。優選的，步驟105-4所述白色像素點個數根據逐個像素識別特別矩形區域點是否為白色而獲得；所述逐個像素識別特別矩形區域點是否為白色為，利用RGB顏色模型尋找特別矩 形區域中的白色像素，即0. 212671 XR+0. 715160XG+0. 072169XB > 120R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像
像素點藍色分量值。優選的，在步驟101中還包括識別圖像中的白色像素，將相鄰白色像素進行標記形成圖像中的白色區域；所述識別圖像中的白色像素為利用RGB顏色模型尋找圖像中的白色像素點，0. 212671 XR+0. 715160XG+0. 072169XB > 120R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像
像素點藍色分量值。本發明建立以縮微智能車為原點的地面坐標系，對獲取的圖像信號進行分析處理從而識別錐形標，即逐個像素掃描，識別圖像中的紅色像素，將相鄰紅色像素進行標記形成圖像中的紅色區域；尋找能框住該紅色區域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，並記錄其左上角點和右上角點坐標；對編號的兩兩紅色矩形塊進行錐形標匹配，識別錐形標，從而完成對錐形標的識別，本發明能夠在複雜的縮微交通環境下，特別是在有多塊紅色幹擾的情況下能準確識別錐形標，從而為縮微智能車根據錐形標的擺放位置作出相應的駕駛行為提供準確的道路信息。


圖I為縮微智能車輛模型；圖2為圖像採集裝置採集的錐形標圖像；圖3為本發明縮微交通環境下錐形標識別方法優選實施例流程示意圖；圖4為本發明縮微交通環境下錐形標識別方法另一優選實施例流程示意圖；圖5為本發明縮微交通環境下錐形標識別方法對地面圖像信號進行分析識別錐形標的優選實施例流程示意圖；圖6本發明縮微交通環境下錐形標識別方法對編號的兩兩紅色矩形塊組進行錐形標匹配，識別錐形標的優選實施例流程示意圖；圖7為本發明縮微交通環境下錐形標識別方法另一優選實施例流程示意圖。
具體實施例方式為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明做進一步詳細說明。為便於理解，參見圖I所示縮微智能車輛模型，圖像採集裝置11 (例如羅技COMSC210攝像頭)位於縮微智能車輛中部位置距離地面大約25-28釐米處，圖像採集裝置(攝像頭)將採集到的信號傳送給微處理器，微處理器按本發明實施例對每一幀圖像進行處理，從而對錐形標進行識別；在圖2所示縮微環境下，錐形標的顯著特徵是在圖像坐標系下沿著Y軸方向從上到下錐形標是由上紅色梯形區域、白色梯形區域、下紅色梯形區域組成，三塊區域中心點的X軸坐標值相等或者相差不大；本發明的縮微交通環境下錐形標識別方法，優選實施例流程示意如圖3所示，包括201、建立以縮微智能車為原點的地面坐標系的步驟；202、獲取地面圖像信號的步驟；
203、對地面圖像信號進行分析識別錐形標的步驟。由於小車的攝像頭垂直對應小車前輪軸線，所述建立以縮微智能車為原點的地面坐標系的步驟即是建立以縮微智能車為原點(典型的如縮微智能車前軸的中心)、以地面水平面為橫軸(X軸)、以垂直地面為縱軸(Y軸)建立的地面坐標系。特別說明的是，本發明所述建立以縮微智能車為原點的地面坐標系，並不限制在圖像採集前進行，也可以在獲取地面圖像信號後，例如，對地面圖像信號進行分析處理前進行，或者甚至在對地面圖像信號進行分析處理過程中進行。所述獲取地面圖像信號的步驟即是獲取地面圖像信號，可採用通用或者專用攝像頭，例如，COMS攝像頭，或者CCD攝像頭等；作為一個實例，利用COMS攝像頭(例如羅技C210)實時採集道路圖像信息，參見圖2所示。所述對地面圖像信號進行分析識別錐形標的步驟即是對地面圖像信號進行分析識別錐形標，優選實施例流程示意如圖4所示,包括301、逐個像素掃描，識別圖像中的紅色像素，將相鄰紅色像素進行標記形成圖像中的紅色區域；本實施例中，所述識別圖像中的紅色像素為利用RGB顏色模型和HSV顏色模型尋找圖像中的紅色像素點，所述HSV是指色相H、飽和度S和明度V ；R > 50& (G < 120 I IB < 120) & (R-G > 30) & (R-B > 30)(H >= 0&H 170&H < = 180)其中，R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像像素點藍色分量值，H為HSV顏色模型的色相分量。對於識別圖像中的紅色像素，進行逐個像素掃描的方向，可以採用以下方式一在圖像坐標系下沿著X軸方向從左到右，沿著Y軸方向從上到下；或者在圖像坐標系下沿著X軸方向從右到左，沿著Y軸方向從上到下；或者在圖像坐標系下沿著X軸方向從左到右，沿著Y軸方向從下到上；或者在圖像坐標系下沿著X軸方向從右到左，沿著Y軸方向從下到上；
所述將相鄰紅色像素進行標記形成圖像中的紅色區域，典型的，採用區域生長法，通過區域生長法可以找到每塊滿足閥值範圍的紅色塊；303、尋找能框住該紅色區域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，並記錄其左上角點和右上角點坐標；所述尋找能框住該紅色區域的最小矩形，形成紅色矩形塊為，對於滿足條件的紅色像素，記錄它們的X軸坐標值，Y軸坐標值，尋找坐標值的最大值和最小值，表示為max (X)、min (X)、max (Y)、min (Y)。對於坐標點，將其X軸坐標值分別與max (X)、min (X)比較，Y軸坐標值分別與max (Y)、min (Y)比較,如果X軸坐標值大於max (X),貝U用當前的像素X軸坐標值更新max (X)，如果X軸坐標值小於min (X)，則用當前的像素X軸坐標值更新min (X),如果Y軸坐標值大於max (Y),則用當前的像素Y軸坐標值更新max (Y),如果Y軸坐標值小於min (Y),則用當前的像素Y軸坐標值更新min (Y),最後max (X)、min (X)、max (Y)、min(Y)所形成的矩形即為最小矩形。 本實施例中，根據進行圖像掃描方向，對於第一個滿足條件的紅色塊編號為紅色矩形塊1，第二個滿足條件的紅色塊編號為紅色矩形塊2，依次類推，對所有紅色矩形塊進行編號。進一步地，作為一種優選實施方式，步驟303中在對紅色矩形塊編號之前，還包括303A、紅色矩形塊預處理過程，即計算紅色矩形塊面積，去除面積大於1000或小於150的紅色矩形塊進一步地，作為一種優選實施方式，如圖5所示，包括304、對編號的紅色矩形塊進行預處理，建立兩兩編號關聯，去除明顯不具有錐形特徵的編號，即面積明顯偏大或偏小的。所述編號關聯是指兩個編號之間的距離具有錐形特徵的可能性。305、對編號的兩兩紅色矩形塊進行錐形標匹配，識別錐形標。所述對編號的兩兩紅色矩形塊(也稱為紅色矩形塊組)進行錐形標匹配，識別錐形標，優選實施例流程如圖6所示,包括305-1、識別紅色矩形塊組的上下紅色梯形區域，即根據紅色矩形塊組左上角點坐標的Y值判斷上下紅色梯形區域，Y值小的為錐形標的上紅色梯形區域，Y值大的為錐形標下紅色梯形區域；305-2、判斷紅色矩形塊組的矩形中心點的X坐標值差值Xe是否小於10像素，若是，進入305-3，否則，轉至305-6 ；305-3、判斷兩塊紅色區域合成的新矩形與Y軸平行的邊長和與X軸平行的邊長的比值Pc是否大於I. 5小於3，若是，進入305-4，否則，轉至305-6 ；305-4、判斷白色像素點個數是否佔特別矩形區域裡像素點總個數的70%以上，若是，則轉至305-5，否則，轉至305-6 ；所述特別矩形區域為上紅色區域右下角坐標和下紅色區域左上角坐標為對角點且兩邊平行X軸兩邊平行Y軸所圍成，所述白色像素點個數根據逐個像素識別特別矩形區域點是否為白色而獲得；所述逐個像素識別此矩形區域點是否為白色為，利用RGB顏色模型尋找圖像中白色區域，即0. 212671 XR+0. 715160XG+0. 072169XB > 120
R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像
像素點藍色分量值。本實施例根據錐形標兩塊紅色區域中間應該是白色梯形區域的特點，進行白色區域識別，以便進一步確定錐形標。305-5、標記錐形標匹配成功，記錄紅色矩形塊組，並將白色區域左上角的點標記為錐形標的位置點，轉至305-6 ；305-6，判斷是否所有紅色塊組都已匹配完，若是，匹配完成，否則，對下一紅色塊組進行錐形標匹配，重複以上過程，即重複305-1至305-6。
本實施例中，如果紅色矩形塊I和紅色矩形塊2匹配不成功，則拋棄紅色矩形塊1，讓紅色矩形塊2和紅色矩形塊3匹配，以此類推，直到遍歷所有紅色矩形塊。所述對地面圖像信號進行分析識別錐形標，另一優選實施例流程示意如圖7所示，包括401、逐個像素掃描，識別圖像中的紅色像素和白色像素，將相鄰紅色像素進行標記形成圖像中的紅色區域，將相鄰白色像素進行標記形成圖像中的白色區域，本實施例中，所述識別圖像中的紅色像素為利用RGB顏色模型和HSV顏色模型尋找圖像中的紅色像素點，HSV是指色相H、飽和度S和明度V ；R > 50&(G < 120 I B < 120) & (R-G > 30) & (R-B > 30)(H >= 0&H 170&H 120R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像
像素點藍色分量值。對於逐個像素識別圖像中的紅色像素和白色像素的掃描方向，可以採用以下方式在圖像坐標系下沿著X軸方向從左到右，沿著Y軸方向從上到下；或者在圖像坐標系下沿著X軸方向從右到左，沿著Y軸方向從上到下；或者在圖像坐標系下沿著X軸方向從左到右，沿著Y軸方向從下到上；或者在圖像坐標系下沿著X軸方向從右到左，沿著Y軸方向從下到上；典型的，所述將相鄰紅色像素進行標記形成圖像中的紅色區域和所述將相鄰白色像素進行標記形成圖像中的白色區域採用區域生長法，通過區域生長法可以找到每塊滿足閥值範圍的紅色塊或者白色塊。403、尋找能框住該紅色區域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，並記錄其左上角點和右上角點坐標；所述尋找能框住該紅色區域的最小矩形為，對於滿足條件的紅色像素，記錄它們的X軸坐標值，Y軸坐標值，尋找坐標值的最大值和最小值，表示為max(X)、min(X)、max⑴、min⑴。對於坐標點,將其X軸坐標值分別與max⑴、min⑴比較，Y軸坐標值分別與max (Y)、min (Y)比較,如果X軸坐標值大於max (X),則用當前的像素X軸坐標值更新max (X),如果X軸坐標值小於min (X),則用當前的像素X軸坐標值更新min (X),如果Y軸坐標值大於max (Y),則用當前的像素Y軸坐標值更新max (Y),如果Y軸坐標值小於min (Y),貝丨J用當前的像素Y軸坐標值更新min (Y),最後max (X)、min (X)、max (Y)、min (Y)所形成的矩形即為最小矩形。本實施例中，根據進行圖像掃描方向，對於第一個滿足條件的紅色塊編號為紅色矩形塊1，第二個滿足條件的紅色塊編號為紅色矩形塊2，依次類推，對所有紅色矩形塊進行編號。進一步地，作為一種優選實施方式，步驟403中在對紅色矩形塊編號之前，還包括 402、紅色矩形塊預處理過程，即計算紅色矩形塊面積，去除面積大於1000或小於150的紅色矩形塊進一步地，作為一種優選實施方式，包括404、對編號的紅色矩形塊進行預處理，建立兩兩編號關聯，去除明顯不具有錐形特徵的編號，即面積明顯偏大或偏小的。所述編號關聯是指兩個編號之間的距離具有錐形特徵的可能性。405、對編號的兩兩紅色矩形塊進行錐形標匹配，識別錐形標。所述對編號的兩兩紅色矩形塊(也稱為紅色矩形塊組)進行錐形標匹配，識別錐形標，包括405-1、識別紅色矩形塊組的上下紅色梯形區域，即根據紅色矩形塊組左上角點坐標的Y值判斷上下紅色梯形區域，Y值小的為錐形標的上紅色梯形區域，Y值大的為錐形標下紅色梯形區域；405-2、判斷紅色矩形塊組的矩形中心點的X坐標值差值Xe是否小於10像素，若是，進入405-3，否則，轉至405-6 ；405-3、判斷兩塊紅色區域合成的新矩形與Y軸平行的邊長和與X軸平行的邊長的比值Pc是否大於I. 5小於3，若是，進入405-4，否則，轉至405-6 ；405-4、判斷白色像素點個數是否佔特別矩形區域裡像素點總個數的70%以上，若是，則轉至405-5，否則，轉至405-6 ；所述特別矩形區域為上紅色區域右下角坐標和下紅色區域左上角坐標為對角點且兩邊平行X軸兩邊平行Y軸所形成，所述白色像素點個數根據逐個像素識別特別矩形區域點是否為白色而獲得；所述識別圖像中的白色像素為利用RGB顏色模型尋找圖像中的白色像素點；0. 212671 XR+0. 715160XG+0. 072169XB > 120R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像
像素點藍色分量值。本實施例根據錐形標兩塊紅色區域中間應該是白色梯形區域的特點，進行白色區域識別，以便進一步確定錐形標。405-5、標記錐形標匹配成功，記錄紅色矩形塊組，並將白色區域左上角的點標記為錐形標的位置點，轉至405-6 ；405-6，判斷是否所有紅色塊組都已匹配完，若是，匹配完成，否則，重複以上過程。本實施例中，如果紅色矩形塊I和紅色矩形塊2匹配不成功，則拋棄紅色矩形塊1，讓紅色矩形塊2和紅色矩形塊3匹配，以此類推，直到遍歷所有紅色矩形塊。本發明所舉實施方式或者實施例對本發明的目的、技術方案和優點進行了進一步的詳細說明，所應理解的是，以上所舉實施方式或者實施例僅為本發明的優選實施方式而已，並不用以限制本發明，凡在本發明的精神和原則之內對本發明所作的任何修改、等同替 換、改進等，均應包含在本發明的保護範圍之內。
權利要求
1.縮微交通環境下錐形標識別方法，其特徵在於包括 建立以縮微智能車為原點的地面坐標系的步驟； 獲取地面圖像信號的步驟； 對地面圖像信號進行分析識別錐形標的步驟。
2.根據權利要求I所述縮微交通環境下錐形標識別方法，其特徵在於所述對地面圖像信號進行分析識別錐形標的步驟包括 101、逐個像素掃描，識別圖像中的紅色像素，將相鄰紅色像素進行標記形成圖像中的紅色區域； 103、尋找能框住該紅色區域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，並記錄其左上角點和右上角點坐標； 105、對編號的兩兩紅色矩形塊進行錐形標匹配，識別錐形標。
3.根據權利要求2所述縮微交通環境下錐形標識別方法，其特徵在於步驟103中在對紅色矩形塊編號之前，還包括103A、紅色矩形塊預處理過程，即計算紅色矩形塊面積，去除面積大於1000或小於150的紅色矩形塊。
4.根據權利要求2或3所述縮微交通環境下錐形標識別方法，其特徵在於步驟103之後，還包括304、對編號的紅色矩形塊進行預處理，建立兩兩編號關聯，去除明顯不具有錐形特徵的編號。
5.根據權利要求2-4任一所述縮微交通環境下錐形標識別方法，其特徵在於步驟101所述逐個像素掃描，採用以下任意一種方式 在圖像坐標系下沿著X軸方向從左到右，沿著Y軸方向從上到下； 或者 在圖像坐標系下沿著X軸方向從右到左，沿著Y軸方向從上到下； 或者 在圖像坐標系下沿著X軸方向從左到右，沿著Y軸方向從下到上； 或者 在圖像坐標系下沿著X軸方向從右到左，沿著Y軸方向從下到上。
6.根據權利要求2-4任一所述縮微交通環境下錐形標識別方法，其特徵在於步驟101中所述識別圖像中的紅色像素為，利用RGB顏色模型和HSV顏色模型尋找圖像中的紅色區域，所述HSV是指色相H、飽和度S和明度V ; 所述紅色區域尋找方法為，採用像素判別公式R > 50& (G < 120 I IB < 120) & (R-G > 30) & (R-B > 30)(H >= 0&H 170&H <= 180) 其中，R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像像素點藍色分量值。
7.根據權利要求6所述縮微交通環境下錐形標識別方法，其特徵在於步驟103所述尋找能框住該紅色區域的最小矩形，形成紅色矩形塊為，對於滿足條件的紅色像素，記錄它們的X軸坐標值，Y軸坐標值，尋找坐標值的最大值和最小值，表示為max (X)、min(X)、max (Y)、min(Y)，將坐標點X軸坐標值分別與max (X)、min (X)比較，Y軸坐標值分別與max⑴、min⑴比較，如果X軸坐標值大於max (X),則用當前的像素X軸坐標值更新max (X),如果X軸坐標值小於min (X),則用當前的像素X軸坐標值更新min (X),如果Y軸坐標值大於max (Y),則用當前的像素Y軸坐標值更新max (Y),如果Y軸坐標值小於min (Y),則用當前的像素Y軸坐標值更新min (Y),最後max (X)、min (X)、max (Y)、min (Y)所形成的矩形即為最小矩形。
8.根據權利要求2-4中任一所述縮微交通環境下錐形標識別方法，其特徵在於步驟105中所述對編號的兩兩紅色矩形塊組進行錐形標匹配，識別錐形標，包括 105-1、識別紅色矩形塊組的上下紅色梯形區域； 105-2、判斷紅色矩形塊組的矩形中心點的X坐標值差值Xe是否小於10像素，若是，進A 105-3，否則，轉至 105-6 ； 105-3、判斷兩塊紅色區域合成的新矩形與Y軸平行的邊長和與X軸平行的邊長的比值Pc是否大於I. 5小於3，若是，進入105-4，否則，轉至105-6 ； 105-4、判斷白色像素點個數是否佔特別矩形區域裡像素點總個數的70%以上，若是，則轉至105-5，否則，轉至105-6 ； 所述特別矩形區域為上紅色區域右下角坐標和下紅色區域左上角坐標為對角點且兩邊平行X軸兩邊平行Y軸所圍成； 105-5、標記錐形標匹配成功，記錄紅色矩形塊組，並將白色區域左上角的點標記為錐形標的位置點，轉至105-6 ； 105-6，判斷是否所有紅色塊組都已匹配完，若是，匹配完成，否則，對下一紅色塊組進行錐形標匹配，重複以上過程。
9.根據權利要求8所述縮微交通環境下錐形標識別方法，其特徵在於步驟105-4所述白色像素點個數根據逐個像素識別特別矩形區域點是否為白色而獲得； 所述逐個像素識別特別矩形區域點是否為白色為，利用RGB顏色模型尋找特別矩形區域中的白色像素，即0. 212671 XR+0. 715160XG+0. 072169XB > 120 R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像像素點藍色分量值。
10.根據權利要求2所述縮微交通環境下錐形標識別方法，其特徵在於在步驟101中還包括識別圖像中的白色像素，將相鄰白色像素進行標記形成圖像中的白色區域； 所述識別圖像中的白色像素為利用RGB顏色模型尋找圖像中的白色像素點，.0. 212671 XR+0. 715160XG+0. 072169XB > 120 R為RGB圖像像素點紅色分量值；G為RGB圖像像素點綠色分量值；B為RGB圖像像素點藍色分量值。
全文摘要
本發明實施例提供了一種縮微交通環境下錐形標識別方法，建立以縮微智能車為原點的地面坐標系，對獲取的圖像信號進行分析處理從而識別錐形標，即逐個像素掃描，識別圖像中的紅色像素，將相鄰紅色像素進行標記形成圖像中的紅色區域；尋找能框住該紅色區域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，並記錄其左上角點和右上角點坐標；對編號的兩兩紅色矩形塊進行錐形標匹配，識別錐形標，從而完成對錐形標的識別，本發明能夠在複雜的縮微交通環境下，特別是在有多塊紅色幹擾的情況下能準確識別錐形標，從而為縮微智能車根據錐形標的擺放位置作出相應的駕駛行為提供準確的道路信息。
文檔編號G06K9/00GK102722695SQ20121014641
公開日2012年10月10日 申請日期2012年5月11日 優先權日2012年5月11日
發明者任小龍, 儲衛東, 劉慧兵, 時建桃, 王國胤, 王進 申請人:重慶郵電大學