自主导航中对交通指示的快速识别开题报告.doc

毕业设计(论文)开题报告学生姓名： 赵尚 学 号： 1503120131 所在学院： 电气工程与控制科学学院 专 业： 测控技术与仪器 设计(论文)题目 自主导航中对交通指示的快速识别 指导教师： 陈玉明 2016年 1 月 12日 毕 业 设 计（论 文）开 题 报 告文 献 综 述1. 智能交通系统与智能车概述随着生活质量的提高，小轿车也越来越多。因此，世界各国都面临着相同的问题那就是交通问题。交通拥挤造成了时间的浪费，也造成了巨大的经济损失，更加大了环境的污染。为缓解交通压力和拥挤带来的经济损失，各国都非常重视只能交通系统的研究2。智能交通系统(Intelligent Transportation System，简称ITS)是未来交通系统的发展方向，它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。 智能交通系统分为四个子系统：车辆控制系统、交通监控系统、车辆管理系统、旅行信息系统。真正的智能交通系统离不开交通标识识别( traffic signs recognition，TSR) 系统，交通标识识别是通过机器视觉相关技术来完成，利用车载相机获得车辆前方图像， 通过计算机视觉与图像处理的方法来识别交通标识，达到真正指示车辆安全行驶的目的。可以研究内容用与车辆控制系统相关，车辆控制系统是指辅助驾驶员驾驶汽车或替代驾驶员自动驾驶汽车的系统。该系统通过安装在汽车前部和旁侧的雷达或红外探测仪，可以准确地判断车与障碍物之间的距离，遇紧急情况，车载电脑能及时发出警报或自动刹车避让，并根据路况自己调节行车速度，人称“智能汽车”。所谓“智能车辆”，就是在普通车辆的基础上增加了先进的传感器（雷达、摄像）、控制器、执行器等装置，通过车载传感系统和信息终端实现与人、车、路等的智能信息交换，使车辆具备智能的环境感知能力，能够自动分析车辆行驶的安全及危险状态，并使车辆按照人的意愿到达目的地，最终实现替代人来操作的目的。智能汽车与一般所说的自动驾驶有所不同，它指的是利用多种传感器和智能公路技术实现的汽车自动驾驶。自动驾驶主要分两种技术路线6。一种是基于传感器探测与控制的驾驶辅助ADAS （Advanced DriverAssistance Systems） 技术 ，这种技术就像是给汽车安装了眼睛， 让汽车可以看到道路交通标志和周边的车辆行人， 在遵守交通规则的基础上， 避让周边的障碍物，实现自动驾驶。另外一种是指基于车车通信 V2V （ Vehicle -to -vehicle）、车路通信V2I（Vehicle-to-Infrastructure）、V2X车联通信和智能交通技术， 它是给汽车安装通信设备，让汽车与周边的交通标志、收费站、 汽车、摩托车、 自行车和行人通信， 实现在遵守交通规则和避让行人基础上的安全驾驶。 这有些像盲人走路，虽然看不到周边的情况， 但是通过不断地询问周边的车辆和交通 设施， 了解四周的情况和行驶的方向。（自动驾驶其车的发展趋势）2. 交通标志相关知识分析 （1）路标分析5交通标志是一种常见而且比较规范的人工路标。在道路上，我们可以看到各种各样的交通标志。它们用图案、符号、文字来表达特定的含义，用来提醒驾驶员和行人注意附近环境。 交通标志是用图形符号、颜色和文字向交通参与者传递特定的信息，用于管理交通的外部设施。交通标志主要分为禁止、警告、指示、辅助、道路施工等种类。一般，最常见的交通标志主要有警告、禁令和指示标志等三类。警告标志共计 49 种，如交叉口、急弯、铁路道口、易滑、路面不平、傍山险路等，它们主要用来警告驾驶人员、行人注意前方路段存在的危险及应采取的措施；禁令标志共43 种，主要是根据道路和交通量情况，为保障交通安全而行人、车辆某种交通行为加以禁止或限制等的标志；指示标志共 29 种，如直行、左转、右转、单向行驶、步行街等，它们主要用来指示车辆、行人按照规定方向、地点行进。对前两种交通标志识别的算法和研究相对较多，并取得较好的成果；但对于指示标志的研究相对较少。（2）交通标志的特征分析7 指示标志的各项特征如下：（1） 颜色：蓝底、白图案。（2）形状：内部背景形状分为圆形或者方形。（3）尺寸：其圆形直径60120cm长方形 边 长 60 120 cm，长方形边长140 190 cm，会车先行标志 （正方形）60 80 cm，衬边宽度 0.4 1.0cm。（4）位置：一般设于行车道的入口处。3. 交通指示快速识别思路交通指示牌的识别通常方法一般包括侦测和分类两个模块1。侦测阶段一般是通过交通指示牌的色彩和形状特征侦测出可能包含交通指示牌的区域，然后将感兴趣的区域性进行大小规则化，在分类阶段进一步判定交通指示牌区域的有效性并识别出交通指示牌的含义。按图像识别系统的主要流程可以分为捕捉图像、图像预处理、图像分割、特征提取与模式识别等几个部分。外界路面信息通过图像采集模块（彩色 CCD 摄像机、图像采集卡）被采集到主控微机的内存中得到交通标志的原始图像。图像预处理是路标检测的第一步，起到对图像进行了粗分割，降噪的作用。削弱或去除图像中无关的信息，突出有用的信息，增强有信息的可检测性和最大限度地简化数据。预处理过程包括数字化、几何变换、归一化和图像增强。图像分割是有选择性地定位感兴趣对象在图像中的位置和范围的过程，是将图像表示为物理上有意义的连通区域的集合，也就是指把图像中具有特定涵义的不同区域相互分开，以达到这些区域互不相交，使得每一个区域都满足特定区域的一致性。由于交通指示牌具有非常明显的颜色和形状特征，因此颜色抽取可以作为指示类标志特征抽取的主要手段；形状特征可作为辅助手段，用以进一步明确目标所在，从而分离出交通指示牌和外界干扰因素。4. 交通指示快速识别方法道路交通标志识别（TSR）4系统主要有两个基本技术阶段：第一个阶段为检测阶段，主要是对交通标志所在区域进行定位及必要的预处理；第二阶段是交通标志的识别阶段，是对粗分辨出的交通标志进行特征提取与分类。常用的交通指示快速识别的方法如下：（1）基于颜色信息的交通标志检测识别由于颜色信息对于图形几何形变具有不变性，同时交通标志的设计往往采用鲜明的颜色为基底，使其很容易同背景物体区分开，因此首先利用颜色特征对采集到的实际图像进行处理可以滤除大部分的无关区域。而基于颜色空间的阈值分割方法由于其简单方便的特性，是当前交通标志检测识别普遍采用的一类方法。（2）基于形状信息的交通标志检测识别当交通标志颜色信息随光照条件发生改变情况时，其形状特征并不会发生变化，因此部分研究人员采用仅仅依靠交通标志形状信息进行检测识别的方法。基于形状信息的交通标志检测识别常用方法有基于形状检测、基于角点检测、Hough 变换、回归函数法、以及模板匹配等方法。（3）基于特征提取的交通标志识别及分类通标志识别指对目标候选区域的内部特征进行具体确定，主要包括特征提取及分类器设计。特征提取是从图像中获取区域信息并进行相关分析，特征提取的效果对目标识别有着至关重要的作用。5.自主导航的应用前景近年来，互联网技术的迅速发展给汽车工业带来了革命性变化的机会。与此同时，汽车智能化技术正逐步得到广泛应用，这项技术使汽车的操作更简单，行驶安全性也更好，而其中最典型也是最热门的未来应用就是无人驾驶汽车。虽然目前无人驾驶汽车产业化仍存在各种问题，但无人驾驶汽车实质上是建立在汽车主动安全技术、智能化技术逐步升级的基础上的，只要市场对这些技术有持续的需求，就能推动汽车向完全无人化演进。因此，相当多的企业对于其前景表示乐观。目前，已经开发出来的无人驾驶汽车技术包括自适应巡航控制和车道保持、智能刹车、路标识别等。这些还属于主动安全系统的范畴，推动无人驾驶汽车的发展还需要开发更先进的传感器技术。另外，车车、车基础设施通信系统也将推动无人驾驶汽车的发展。美国 IEEE 预测，到 2040年全球上路的汽车总量中，75% 将会是无人驾驶汽车。市场研究公司 IHS 则预测，2025 年全球无人驾驶汽车销量将达到 23 万辆，2035 年将达到1 180万辆，届时无人驾驶汽车保有量将达到 5 400万辆。其中，2035 年 4 级完全无人驾驶汽车每年销量可达到 480 万辆。IHS 预测，到 2035 年，北美在无人驾驶汽车市场上的份额将达到 29% ，中国为 24% ，西欧为 20% 。未来，人类交通系统或将发生翻天覆地的变化。但无人驾驶技术现阶段的发展重点还是辅助驾驶，以提高人工驾驶的安全性，要真正实现完全无人驾驶商业化运行可能还需 20 年。所以自主导航在未来无人驾驶中会得到更广泛的应用。参考文献1 宋文杰，付梦印，杨毅.一种面向无人驾驶汽车的高校交通标志识别方法J.机器人， 2015,37(1)：102-111. 2 邹晓琦.关于智能交通的发展与研究J.科技创新导报，2015（19）.3 初秀民，严新平，毛喆.道路标志图案方法研究J.汽车工程.2006,28(11):1051-1055.4 慕容华.交通指示牌自动识别J.计算机光盘软件与应用.2012,18:85-87.5 慕容华.交通指示牌自动识别技术研究J.科学促进发展.2011,12:214-215+221.6 张翔.自动驾驶汽车技术的发展趋势J.汽车电器.2015,8:1-3.7 刘金龙，薛名芷.机器视觉技术在交通路标识别中的实现方法J.硅谷.2014，5:45-468 孙振平，安向京，贺汉根.CITAVT-IV-视觉导航的自主车J.机器人.2002，24（2）:115-121 9 高德芝，段建民，郑榜贵等.智能车辆环境感知传感器的应用现状J.现代电子技术.2008， 19:151-156.10 郁佳佳.车辆自动检测技术研究进展J.信息通信.2015,9:109-110.11张鹏飞，何克忠，欧阳正柱等.多功能室外智能移动机器人实验平台 -THMR-VJ.机器人. 2002,24(2):115-12112GarlippT. Detection of linear and circular shapes in image analysisJ. Computational statistics & data analysis, 2006, 51:1479-1490.13Garcia-Garrido M A, Sotelo M A, Martin-Gorostiza E. Fast Traffic Sign Detection and Recognition Under Changing Lighting ConditionsC.In Proceedings of the IEEE Intelligent Transportation Systems Conference, 2006, 811-816.14Koo T K,Aw Y B,A three-dimensional visualization approach to traffic accident mappingJ. Photogrammetric Engineering and Remote Sensing.1991,52(7):921-925.15 Ji S W, Li K Q, Miao L X, et al. Design of a New Typeof AGV Based on Computer Vision J. ChineseJournal of Mechanical Engineering (English Edition). 2004,17(1) :97-101.16Andresen F P, Davis L S, Eastman R D, et al. VisualAlgorithms for Autonomous Navigation.IEEEInternational Conference on Robotics and AutomationC.Silver Spring MD USA, 1985: 856-861. 17 De LA ESCALERA A,ARMINGOJ J M,MATA M Traffic sign recognition and anaysis for Intelligent vehiclesJ.Image and vision Computing.2009,21(3):247-258.18 Brusaglino G. Safe and Effective Mobility inEurope-the Contribution of the PROMETHEUSProgramme. IEE Colloquium on Prometheus andDrive C. London UK, 1992: 101-110. 19 Wei L, Xue C, Duan B B, et al. A System for Road Sign Detection, Recognition and Tracking Based on Multi-cues HybridC. In Proceedings of the IEEE Intelligent Vehicles Sy