專利名稱：縮微交通環(huán)境下的錐形標(biāo)識別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能交通領(lǐng)域，將視覺圖像處理和智能交通集成，提供一種縮微交通環(huán)境下的錐形標(biāo)識別方法。
背景技術(shù)：
隨著經(jīng)濟的發(fā)展和人民生活水平的提高，交通活動已經(jīng)成為人們生活中的重要組成部分。然而由于汽車增長過快，道路相對不足，交通問題已成為經(jīng)濟發(fā)展的瓶頸。智能交通系統(tǒng)(ITS)于上世紀(jì)60年代末產(chǎn)生了。智能汽車是一個集環(huán)境感知、規(guī)劃決策、多等級輔助駕駛等功能于一體的綜合系統(tǒng)。智能車輛駕駛系統(tǒng)集中地運用了計算機、傳感器、信息融合、通訊、人工智能以及自動控制等技術(shù)，是典型的高新技術(shù)綜合體。作為智能交通系統(tǒng)的重要研究內(nèi)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(tǒng)完成車輛駕駛?cè)蝿?wù)。目前的智能車輛技術(shù)中自主導(dǎo)航和自動駕駛是智能車輛開發(fā)的關(guān)鍵技術(shù)，而自主導(dǎo)航和自動駕駛的實現(xiàn)過程中，最為關(guān)鍵的技術(shù)就是計算機視覺。 作為智能交通系統(tǒng)的重要研究內(nèi)容之一，智能車輛駕駛已經(jīng)成為未來汽車市場的發(fā)展趨勢。由于實際交通環(huán)境難于為真車智能駕駛技術(shù)研究提供試驗場地和場景，因此，建立縮微尺度的三維復(fù)雜交通環(huán)境，為智能駕駛技術(shù)研究提供模擬現(xiàn)實、可重復(fù)、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(dǎo)下，智能車輛駕駛領(lǐng)域的相關(guān)專家已于2009開始，陸續(xù)在北京、重慶、西安、天津等地進(jìn)行了多次工作會議以及縮微智能車自主駕駛演示?？s微智能車的智能體現(xiàn)在對縮微交通環(huán)境下的交通標(biāo)志、交通燈、錐形標(biāo)、障礙物等的正確識別，同時作出正確的駕駛行為?，F(xiàn)有技術(shù)對縮微環(huán)境下的錐形標(biāo)的識別并未見記載，進(jìn)而根據(jù)錐形標(biāo)的擺放位置作出相應(yīng)的駕駛行為存在困難。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)對縮微環(huán)境下的錐形標(biāo)的識別并未見記載，進(jìn)而根據(jù)錐形標(biāo)的擺放位置作出相應(yīng)的駕駛行為存在困難的問題，提出一種縮微交通環(huán)境下錐形標(biāo)識別方法，以便更好的體現(xiàn)縮微智能車在縮微交通環(huán)境下的智能性，對錐形標(biāo)進(jìn)行識別，進(jìn)而便于根據(jù)錐形標(biāo)的擺放位置作出相應(yīng)的駕駛行為?？s微交通環(huán)境下錐形標(biāo)識別方法，包括建立以縮微智能車為原點的地面坐標(biāo)系的步驟；獲取地面圖像信號的步驟；對地面圖像信號進(jìn)行分析識別錐形標(biāo)的步驟。優(yōu)選的，所述對地面圖像信號進(jìn)行分析識別錐形標(biāo)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(jìn)行標(biāo)記形成圖像中的紅色區(qū)域；103、尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，并記錄其左上角點和右上角點坐標(biāo)；105、對編號的兩兩紅色矩形塊進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)。優(yōu)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(yù)處理過程，即計算紅色矩形塊面積，去除面積大于1000或小于150的紅色矩形塊。優(yōu)選的，步驟103之后，還包括304、對編號的紅色矩形塊進(jìn)行預(yù)處理，建立兩兩編號關(guān)聯(lián)，去除明顯不具有錐形特征的編號。優(yōu)選的，步驟101所述逐個像素掃描，采用以下任意一種方式在圖像坐標(biāo)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(biāo)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(biāo)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(biāo)系下沿著X軸方向從右到左，沿著Y軸方向從下到上。優(yōu)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(qū)域所述HSV是指色相H、飽和度S和明度V ；所述紅色區(qū)域?qū)ふ曳椒椋捎孟袼嘏袆e公式R > 50& (G < 120 I IB < 120) & (R-G > 30) & (R-B > 30)(H >= 0&H < 12) I I (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(lán)色分量值。優(yōu)選的，步驟103所述尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊為，對于滿足條件的紅色像素，記錄它們的X軸坐標(biāo)值，Y軸坐標(biāo)值，尋找坐標(biāo)值的最大值和最小值，表示為max (X)、min (X)、max (Y)、min (Y),將坐標(biāo)點X軸坐標(biāo)值分別與max (X)、min (X)比較，Y軸坐標(biāo)值分別與max⑴、min⑴比較,如果X軸坐標(biāo)值大于max⑴，則用當(dāng)前的像素X軸坐標(biāo)值更新max (X)，如果X軸坐標(biāo)值小于min (X)，則用當(dāng)前的像素X軸坐標(biāo)值更新min (X),如果Y軸坐標(biāo)值大于max (Y),則用當(dāng)前的像素Y軸坐標(biāo)值更新max (Y),如果Y軸坐標(biāo)值小于min (Y),則用當(dāng)前的像素Y軸坐標(biāo)值更新min (Y),最后max (X)、min (X)、max (Y)、min(Y)所形成的矩形即為最小矩形。優(yōu)選的，步驟105中所述對編號的兩兩紅色矩形塊組進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)，包括105-1、識別紅色矩形塊組的上下紅色梯形區(qū)域；105-2、判斷紅色矩形塊組的矩形中心點的X坐標(biāo)值差值Xe是否小于10像素，若是，進(jìn)入105-3，否則，轉(zhuǎn)至105-6 ；105-3、判斷兩塊紅色區(qū)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是否大于I. 5小于3，若是，進(jìn)入105-4，否則，轉(zhuǎn)至105-6 ；105-4、判斷白色像素點個數(shù)是否占特別矩形區(qū)域里像素點總個數(shù)的70%以上，若是，則轉(zhuǎn)至105-5，否則，轉(zhuǎn)至105-6 ；所述特別矩形區(qū)域為上紅色區(qū)域右下角坐標(biāo)和下紅色區(qū)域左上角坐標(biāo)為對角點且兩邊平行X軸兩邊平行Y軸所圍成；105-5、標(biāo)記錐形標(biāo)匹配成功，記錄紅色矩形塊組，并將白色區(qū)域左上角的點標(biāo)記為錐形標(biāo)的位置點，轉(zhuǎn)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(jìn)行錐形標(biāo)匹配，重復(fù)以上過程。優(yōu)選的，步驟105-4所述白色像素點個數(shù)根據(jù)逐個像素識別特別矩形區(qū)域點是否為白色而獲得；所述逐個像素識別特別矩形區(qū)域點是否為白色為，利用RGB顏色模型尋找特別矩 形區(qū)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(lán)色分量值。優(yōu)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(jìn)行標(biāo)記形成圖像中的白色區(qū)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(lán)色分量值。本發(fā)明建立以縮微智能車為原點的地面坐標(biāo)系，對獲取的圖像信號進(jìn)行分析處理從而識別錐形標(biāo)，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(jìn)行標(biāo)記形成圖像中的紅色區(qū)域；尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，并記錄其左上角點和右上角點坐標(biāo)；對編號的兩兩紅色矩形塊進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)，從而完成對錐形標(biāo)的識別，本發(fā)明能夠在復(fù)雜的縮微交通環(huán)境下，特別是在有多塊紅色干擾的情況下能準(zhǔn)確識別錐形標(biāo)，從而為縮微智能車根據(jù)錐形標(biāo)的擺放位置作出相應(yīng)的駕駛行為提供準(zhǔn)確的道路信息。


圖I為縮微智能車輛模型；圖2為圖像采集裝置采集的錐形標(biāo)圖像；圖3為本發(fā)明縮微交通環(huán)境下錐形標(biāo)識別方法優(yōu)選實施例流程示意圖；圖4為本發(fā)明縮微交通環(huán)境下錐形標(biāo)識別方法另一優(yōu)選實施例流程示意圖；圖5為本發(fā)明縮微交通環(huán)境下錐形標(biāo)識別方法對地面圖像信號進(jìn)行分析識別錐形標(biāo)的優(yōu)選實施例流程示意圖；圖6本發(fā)明縮微交通環(huán)境下錐形標(biāo)識別方法對編號的兩兩紅色矩形塊組進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)的優(yōu)選實施例流程示意圖；圖7為本發(fā)明縮微交通環(huán)境下錐形標(biāo)識別方法另一優(yōu)選實施例流程示意圖。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明做進(jìn)一步詳細(xì)說明。為便于理解，參見圖I所示縮微智能車輛模型，圖像采集裝置11 (例如羅技COMSC210攝像頭)位于縮微智能車輛中部位置距離地面大約25-28厘米處，圖像采集裝置(攝像頭)將采集到的信號傳送給微處理器，微處理器按本發(fā)明實施例對每一幀圖像進(jìn)行處理，從而對錐形標(biāo)進(jìn)行識別；在圖2所示縮微環(huán)境下，錐形標(biāo)的顯著特征是在圖像坐標(biāo)系下沿著Y軸方向從上到下錐形標(biāo)是由上紅色梯形區(qū)域、白色梯形區(qū)域、下紅色梯形區(qū)域組成，三塊區(qū)域中心點的X軸坐標(biāo)值相等或者相差不大；本發(fā)明的縮微交通環(huán)境下錐形標(biāo)識別方法，優(yōu)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(biāo)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(jìn)行分析識別錐形標(biāo)的步驟。由于小車的攝像頭垂直對應(yīng)小車前輪軸線，所述建立以縮微智能車為原點的地面坐標(biāo)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(biāo)系。特別說明的是，本發(fā)明所述建立以縮微智能車為原點的地面坐標(biāo)系，并不限制在圖像采集前進(jìn)行，也可以在獲取地面圖像信號后，例如，對地面圖像信號進(jìn)行分析處理前進(jìn)行，或者甚至在對地面圖像信號進(jìn)行分析處理過程中進(jìn)行。所述獲取地面圖像信號的步驟即是獲取地面圖像信號，可采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)實時采集道路圖像信息，參見圖2所示。所述對地面圖像信號進(jìn)行分析識別錐形標(biāo)的步驟即是對地面圖像信號進(jìn)行分析識別錐形標(biāo)，優(yōu)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(jìn)行標(biāo)記形成圖像中的紅色區(qū)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 < 12) I I (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(lán)色分量值，H為HSV顏色模型的色相分量。對于識別圖像中的紅色像素，進(jìn)行逐個像素掃描的方向，可以采用以下方式一在圖像坐標(biāo)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(biāo)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(biāo)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(biāo)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(jìn)行標(biāo)記形成圖像中的紅色區(qū)域，典型的，采用區(qū)域生長法，通過區(qū)域生長法可以找到每塊滿足閥值范圍的紅色塊；303、尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，并記錄其左上角點和右上角點坐標(biāo)；所述尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊為，對于滿足條件的紅色像素，記錄它們的X軸坐標(biāo)值，Y軸坐標(biāo)值，尋找坐標(biāo)值的最大值和最小值，表示為max (X)、min (X)、max (Y)、min (Y)。對于坐標(biāo)點，將其X軸坐標(biāo)值分別與max (X)、min (X)比較，Y軸坐標(biāo)值分別與max (Y)、min (Y)比較,如果X軸坐標(biāo)值大于max (X),貝U用當(dāng)前的像素X軸坐標(biāo)值更新max (X)，如果X軸坐標(biāo)值小于min (X)，則用當(dāng)前的像素X軸坐標(biāo)值更新min (X),如果Y軸坐標(biāo)值大于max (Y),則用當(dāng)前的像素Y軸坐標(biāo)值更新max (Y),如果Y軸坐標(biāo)值小于min (Y),則用當(dāng)前的像素Y軸坐標(biāo)值更新min (Y),最后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(jù)進(jìn)行圖像掃描方向，對于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(jìn)行編號。進(jìn)一步地，作為一種優(yōu)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(yù)處理過程，即計算紅色矩形塊面積，去除面積大于1000或小于150的紅色矩形塊進(jìn)一步地，作為一種優(yōu)選實施方式，如圖5所示，包括304、對編號的紅色矩形塊進(jìn)行預(yù)處理，建立兩兩編號關(guān)聯(lián)，去除明顯不具有錐形特征的編號，即面積明顯偏大或偏小的。所述編號關(guān)聯(lián)是指兩個編號之間的距離具有錐形特征的可能性。305、對編號的兩兩紅色矩形塊進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)。所述對編號的兩兩紅色矩形塊(也稱為紅色矩形塊組)進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)，優(yōu)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(qū)域，即根據(jù)紅色矩形塊組左上角點坐標(biāo)的Y值判斷上下紅色梯形區(qū)域，Y值小的為錐形標(biāo)的上紅色梯形區(qū)域，Y值大的為錐形標(biāo)下紅色梯形區(qū)域；305-2、判斷紅色矩形塊組的矩形中心點的X坐標(biāo)值差值Xe是否小于10像素，若是，進(jìn)入305-3，否則，轉(zhuǎn)至305-6 ；305-3、判斷兩塊紅色區(qū)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是否大于I. 5小于3，若是，進(jìn)入305-4，否則，轉(zhuǎn)至305-6 ；305-4、判斷白色像素點個數(shù)是否占特別矩形區(qū)域里像素點總個數(shù)的70%以上，若是，則轉(zhuǎn)至305-5，否則，轉(zhuǎn)至305-6 ；所述特別矩形區(qū)域為上紅色區(qū)域右下角坐標(biāo)和下紅色區(qū)域左上角坐標(biāo)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(shù)根據(jù)逐個像素識別特別矩形區(qū)域點是否為白色而獲得；所述逐個像素識別此矩形區(qū)域點是否為白色為，利用RGB顏色模型尋找圖像中白色區(qū)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(lán)色分量值。本實施例根據(jù)錐形標(biāo)兩塊紅色區(qū)域中間應(yīng)該是白色梯形區(qū)域的特點，進(jìn)行白色區(qū)域識別，以便進(jìn)一步確定錐形標(biāo)。305-5、標(biāo)記錐形標(biāo)匹配成功，記錄紅色矩形塊組，并將白色區(qū)域左上角的點標(biāo)記為錐形標(biāo)的位置點，轉(zhuǎn)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(jìn)行錐形標(biāo)匹配，重復(fù)以上過程，即重復(fù)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(jìn)行分析識別錐形標(biāo)，另一優(yōu)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(jìn)行標(biāo)記形成圖像中的紅色區(qū)域，將相鄰白色像素進(jìn)行標(biāo)記形成圖像中的白色區(qū)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 < 12) I I (H > 170&H <= 180)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(lán)色分量值。對于逐個像素識別圖像中的紅色像素和白色像素的掃描方向，可以采用以下方式在圖像坐標(biāo)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(biāo)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(biāo)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(biāo)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(jìn)行標(biāo)記形成圖像中的紅色區(qū)域和所述將相鄰白色像素進(jìn)行標(biāo)記形成圖像中的白色區(qū)域采用區(qū)域生長法，通過區(qū)域生長法可以找到每塊滿足閥值范圍的紅色塊或者白色塊。403、尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，并記錄其左上角點和右上角點坐標(biāo)；所述尋找能框住該紅色區(qū)域的最小矩形為，對于滿足條件的紅色像素，記錄它們的X軸坐標(biāo)值，Y軸坐標(biāo)值，尋找坐標(biāo)值的最大值和最小值，表示為max(X)、min(X)、max⑴、min⑴。對于坐標(biāo)點,將其X軸坐標(biāo)值分別與max⑴、min⑴比較，Y軸坐標(biāo)值分別與max (Y)、min (Y)比較,如果X軸坐標(biāo)值大于max (X),則用當(dāng)前的像素X軸坐標(biāo)值更新max (X),如果X軸坐標(biāo)值小于min (X),則用當(dāng)前的像素X軸坐標(biāo)值更新min (X),如果Y軸坐標(biāo)值大于max (Y),則用當(dāng)前的像素Y軸坐標(biāo)值更新max (Y),如果Y軸坐標(biāo)值小于min (Y),貝丨J用當(dāng)前的像素Y軸坐標(biāo)值更新min (Y),最后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(jù)進(jìn)行圖像掃描方向，對于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(jìn)行編號。進(jìn)一步地，作為一種優(yōu)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(yù)處理過程，即計算紅色矩形塊面積，去除面積大于1000或小于150的紅色矩形塊進(jìn)一步地，作為一種優(yōu)選實施方式，包括404、對編號的紅色矩形塊進(jìn)行預(yù)處理，建立兩兩編號關(guān)聯(lián)，去除明顯不具有錐形特征的編號，即面積明顯偏大或偏小的。所述編號關(guān)聯(lián)是指兩個編號之間的距離具有錐形特征的可能性。405、對編號的兩兩紅色矩形塊進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)。所述對編號的兩兩紅色矩形塊(也稱為紅色矩形塊組)進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)，包括405-1、識別紅色矩形塊組的上下紅色梯形區(qū)域，即根據(jù)紅色矩形塊組左上角點坐標(biāo)的Y值判斷上下紅色梯形區(qū)域，Y值小的為錐形標(biāo)的上紅色梯形區(qū)域，Y值大的為錐形標(biāo)下紅色梯形區(qū)域；405-2、判斷紅色矩形塊組的矩形中心點的X坐標(biāo)值差值Xe是否小于10像素，若是，進(jìn)入405-3，否則，轉(zhuǎn)至405-6 ；405-3、判斷兩塊紅色區(qū)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是否大于I. 5小于3，若是，進(jìn)入405-4，否則，轉(zhuǎn)至405-6 ；405-4、判斷白色像素點個數(shù)是否占特別矩形區(qū)域里像素點總個數(shù)的70%以上，若是，則轉(zhuǎn)至405-5，否則，轉(zhuǎn)至405-6 ；所述特別矩形區(qū)域為上紅色區(qū)域右下角坐標(biāo)和下紅色區(qū)域左上角坐標(biāo)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(shù)根據(jù)逐個像素識別特別矩形區(qū)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(lán)色分量值。本實施例根據(jù)錐形標(biāo)兩塊紅色區(qū)域中間應(yīng)該是白色梯形區(qū)域的特點，進(jìn)行白色區(qū)域識別，以便進(jìn)一步確定錐形標(biāo)。405-5、標(biāo)記錐形標(biāo)匹配成功，記錄紅色矩形塊組，并將白色區(qū)域左上角的點標(biāo)記為錐形標(biāo)的位置點，轉(zhuǎn)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，重復(fù)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(fā)明所舉實施方式或者實施例對本發(fā)明的目的、技術(shù)方案和優(yōu)點進(jìn)行了進(jìn)一步的詳細(xì)說明，所應(yīng)理解的是，以上所舉實施方式或者實施例僅為本發(fā)明的優(yōu)選實施方式而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)對本發(fā)明所作的任何修改、等同替 換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于包括 建立以縮微智能車為原點的地面坐標(biāo)系的步驟； 獲取地面圖像信號的步驟； 對地面圖像信號進(jìn)行分析識別錐形標(biāo)的步驟。
2.根據(jù)權(quán)利要求I所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于所述對地面圖像信號進(jìn)行分析識別錐形標(biāo)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(jìn)行標(biāo)記形成圖像中的紅色區(qū)域； 103、尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，并記錄其左上角點和右上角點坐標(biāo)； 105、對編號的兩兩紅色矩形塊進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)。
3.根據(jù)權(quán)利要求2所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于步驟103中在對紅色矩形塊編號之前，還包括103A、紅色矩形塊預(yù)處理過程，即計算紅色矩形塊面積，去除面積大于1000或小于150的紅色矩形塊。
4.根據(jù)權(quán)利要求2或3所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于步驟103之后，還包括304、對編號的紅色矩形塊進(jìn)行預(yù)處理，建立兩兩編號關(guān)聯(lián)，去除明顯不具有錐形特征的編號。
5.根據(jù)權(quán)利要求2-4任一所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于步驟101所述逐個像素掃描，采用以下任意一種方式 在圖像坐標(biāo)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(biāo)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(biāo)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(biāo)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(jù)權(quán)利要求2-4任一所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于步驟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(qū)域，所述HSV是指色相H、飽和度S和明度V ; 所述紅色區(qū)域?qū)ふ曳椒?，采用像素判別公式R > 50& (G < 120 I IB < 120) & (R-G > 30) & (R-B > 30)(H >= 0&H < 12) I I (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(lán)色分量值。
7.根據(jù)權(quán)利要求6所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于步驟103所述尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊為，對于滿足條件的紅色像素，記錄它們的X軸坐標(biāo)值，Y軸坐標(biāo)值，尋找坐標(biāo)值的最大值和最小值，表示為max (X)、min(X)、max (Y)、min(Y)，將坐標(biāo)點X軸坐標(biāo)值分別與max (X)、min (X)比較，Y軸坐標(biāo)值分別與max⑴、min⑴比較，如果X軸坐標(biāo)值大于max (X),則用當(dāng)前的像素X軸坐標(biāo)值更新max (X),如果X軸坐標(biāo)值小于min (X),則用當(dāng)前的像素X軸坐標(biāo)值更新min (X),如果Y軸坐標(biāo)值大于max (Y),則用當(dāng)前的像素Y軸坐標(biāo)值更新max (Y),如果Y軸坐標(biāo)值小于min (Y),則用當(dāng)前的像素Y軸坐標(biāo)值更新min (Y),最后max (X)、min (X)、max (Y)、min (Y)所形成的矩形即為最小矩形。
8.根據(jù)權(quán)利要求2-4中任一所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于步驟105中所述對編號的兩兩紅色矩形塊組進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)，包括 105-1、識別紅色矩形塊組的上下紅色梯形區(qū)域； 105-2、判斷紅色矩形塊組的矩形中心點的X坐標(biāo)值差值Xe是否小于10像素，若是，進(jìn)A 105-3，否則，轉(zhuǎn)至 105-6 ； 105-3、判斷兩塊紅色區(qū)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是否大于I. 5小于3，若是，進(jìn)入105-4，否則，轉(zhuǎn)至105-6 ； 105-4、判斷白色像素點個數(shù)是否占特別矩形區(qū)域里像素點總個數(shù)的70%以上，若是，則轉(zhuǎn)至105-5，否則，轉(zhuǎn)至105-6 ； 所述特別矩形區(qū)域為上紅色區(qū)域右下角坐標(biāo)和下紅色區(qū)域左上角坐標(biāo)為對角點且兩邊平行X軸兩邊平行Y軸所圍成； 105-5、標(biāo)記錐形標(biāo)匹配成功，記錄紅色矩形塊組，并將白色區(qū)域左上角的點標(biāo)記為錐形標(biāo)的位置點，轉(zhuǎn)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(jìn)行錐形標(biāo)匹配，重復(fù)以上過程。
9.根據(jù)權(quán)利要求8所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于步驟105-4所述白色像素點個數(shù)根據(jù)逐個像素識別特別矩形區(qū)域點是否為白色而獲得； 所述逐個像素識別特別矩形區(qū)域點是否為白色為，利用RGB顏色模型尋找特別矩形區(qū)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(lán)色分量值。
10.根據(jù)權(quán)利要求2所述縮微交通環(huán)境下錐形標(biāo)識別方法，其特征在于在步驟101中還包括識別圖像中的白色像素，將相鄰白色像素進(jìn)行標(biāo)記形成圖像中的白色區(qū)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(lán)色分量值。
全文摘要
本發(fā)明實施例提供了一種縮微交通環(huán)境下錐形標(biāo)識別方法，建立以縮微智能車為原點的地面坐標(biāo)系，對獲取的圖像信號進(jìn)行分析處理從而識別錐形標(biāo)，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(jìn)行標(biāo)記形成圖像中的紅色區(qū)域；尋找能框住該紅色區(qū)域的最小矩形，形成紅色矩形塊，對紅色矩形塊編號，并記錄其左上角點和右上角點坐標(biāo)；對編號的兩兩紅色矩形塊進(jìn)行錐形標(biāo)匹配，識別錐形標(biāo)，從而完成對錐形標(biāo)的識別，本發(fā)明能夠在復(fù)雜的縮微交通環(huán)境下，特別是在有多塊紅色干擾的情況下能準(zhǔn)確識別錐形標(biāo)，從而為縮微智能車根據(jù)錐形標(biāo)的擺放位置作出相應(yīng)的駕駛行為提供準(zhǔn)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(yōu)先權(quán)日2012年5月11日
發(fā)明者任小龍, 儲衛(wèi)東, 劉慧兵, 時建桃, 王國胤, 王進(jìn) 申請人:重慶郵電大學(xué)