交通标识牌自动识别系统的关键技术的研究

详细信息    本馆镜像全文|  推荐本文 |  |   获取CNKI官网全文

作者：于利云 论文级别：硕士 学科专业名称：通信与信息系统 中文关键词：交通标识牌自动识别 ; 图像分割 ; 摄像机标定 ; 图像匹配 英文关键词：Traffic sign automatic recognition ; Image segment ; Camera Calibration ; Image matching 学位年度：2003 导师：杨忠根 学科代码：081001 学位授予单位：上海海运学院 论文提交日期：2003-02-01

摘要

在全球大力发展智能交通系统的背景下，交通标识牌自动识别系统作为其一个组成部分已经越来越引起学术界和交通部门的注意，在国外其已经成为一个重点研究课题。而在国内由于起步较晚，目前还没有现成的可应用的系统。结合如此现状，适逢摩托罗拉公司又提出了这个课题，因此我们大胆接受挑战，进行交通标识牌自动识别系统的关键技术的研究。
     交通标识牌自动识别系统作为一个视觉识别系统，其输入数据是由摄像机所拍的图像，通过识别得到交通标识牌的内容。在本文中，因课题定位输入的图像为静态图像，所以所处理的图像都是静态图像。本文设计交通标识牌自动识别系统由以下几个模块组成：图像分割、摄像机标定、特征曲线的提取、三维复原和图像匹配。因此本文也主要研究这几项技术。
     图像分割是任何一个视觉系统的关键技术，是对图象进行处理的基础。在本文中，重点研究了各种阈值分割技术和Canny算子分割方法。因为Canny算子能够提供梯度方向角，而且其分割效果也较为理想，本文采用了Canny算子进行图象分割。摄像机标定是视觉系统不可缺少的一个组成部分，在本文中我们研究了以针孔模型为模型的线性摄像机标定技术，并根据经验确定了简单且可行的摄像机标定技术。特征曲线的提取技术也是一个重点研究的方向，根据交通标识牌多为圆形和多边形的特点，我们研究出了椭圆和直线的提取技术，并研究了优势点提取技术。三维复原是本文中最重要的一个研究点，也是本文中最具创新性的所在。通过研究我们提出了平板圆复原和三角板复原技术，并将它们模块化，使之具有较强的可移植性。图象匹配是物体复原后进行具体识别的一个过程。本文中，我们详细介绍了图像匹配的原理和各种匹配技术。根据交通标识牌的实际情况和本课题的要求，我们按照光学字符识别的原理，通过分类匹配，对图象进行了匹配。
     应该说本文的研究立足点在于对静态交通标识牌的识别系统的关键技术的研究上，并没有考虑到系统的实时性。但考虑到我国目前的研究现状，本文的理论研究对于交通标识牌的识别还是有一定的作用的。因此本文的研究是有一定的现实意义的。
With the worldwide development of the intelligent traffic system, traffic sign automatic recognition, as a part of the development, is now receiving more and more attention from academe and traffic department. It is an important study project abroad, in China, however, there is no such a traffic sign automatic recognition system available now due to the late start of its development. Considering the actuality and the situation that Motorola has brought forward the plan of recognizing the traffic sign, we meet the challenge and begin to study traffic sign automatic recognition system.
    As a vision recognition system, the input data of the traffic sign automatic recognition system are images from the camera. By recognizing these images, the system can recognize the content of the traffic sign. In the thesis, images processed are all static because the input images in the project are static. The traffic sign automatic recognition system is composed of the following modules: image segment, camera calibration, characteristic curve extraction, three-dimension recovery and image matching. In the thesis, we mainly study these techniques.
    Image segment is the key technique for each vision system, and the base of image processing. In the thesis, emphases are put on the study of some threshold-based segment techniques and Canny operator segment method. The thesis selects Canny operator to segment the image because Canny operator can provide the gradient orientation angle and it can segment the image efficiently. Camera calibration technique is an indispensable part of the vision system. In the thesis, many efforts are made on the study of the linear camera calibration technique, which is based on pin-hole imaging model and at last a simple and feasible camera calibration technique is determined according to the experience. Characteristic curve extraction technique is also an important technique. The techniques of ellipse and line extraction, including the dominant point detection are studied in the thesis on the basis of the
    
    
    
    characteristics of the traffic sign. Three-dimension recovery is the most important technique expounded and also serves as the most innovational point in the thesis. Through research, we put forward the techniques of the circle and triangle object recovery and make them as the modules so that they can be easily transplanted. Image matching is a recognition process after the object is three-dimension recovered. In the thesis, we spare no effort to introduce the image matching theory and some matching methods. In light of the optic character recognition principle and after the dominant feature matching, the images are matched to the module images.
    The image being static, the technique of the system isn't real-time. But considering the present study situation in china, the theory study in the thesis makes for the advance of the traffic sign recognition. Therefore the thesis has its practical significance.

引文

1 马颂德，张正友．计算机视觉——计算机理论与算法基础．科学出版社。1998
    2 高文，陈熙霖．计算机视觉——算法与系统原理．清华大学出版社，广西科学技术出版社．1999
    3 吴立德．计算机视觉．复旦大学出版社．1993
    4 何斌Visual C++数字图像处理．人民邮电出版社．2001
    5 王新成．高级图像处理技术．中国科学技术出版社．2001
    6 容观澳．计算机图像处理．清华大学出版社．1998
    7 田捷，沙飞，张新生．实用图象分析与处理技术．电子工业出版社．1995
    8 王润生．图像理解．科学技术出版社．1993
    9 周长发．精通Visual C++图像编程．电子工业出版社．2000
    10 向世明．Visual C++数字图像与图形处理．电子工业出版社．2001
    11 K.R.Castleman(朱志刚、林学闫、石定机等译)．数字图象处理．电子工业出版社&Prentice Hall. 1998
    12 K.R.Castleman. Digital Image Processing．清华大学出版社& Prentice Hall. 1998
    13 章毓晋．图象工程上册 图象处理和分析．清华大学出版社．1999
    14 朱志刚．数字图象处理．清华大学计算机系．1998．7
    15 崔屹．数字图象处理技术与应用．电子工业出版社．1997．3
    16 吕风军．数字图象处理编程入门．清华大学出版社．1999．9
    17 周长发．精通Visual C++图像编程．电子工业出版社．2000．1
    18 边肇祺、张学工等．模式识别．清华大学出版社．2000．1
    19 杨忠根．基于协中值滤波的目标分割算法．机器人．1994．第17卷专辑：57-60
    20 杨忠根．基于模型的水下目标三维视觉信息复原．中国图象图形学报．1996年5月第一卷第一期(总第一期)，47—52和图版Ⅰ．
    21 杨忠根．基于最小冗余子集的单视图鲁棒精确复原目标三维位姿，模式识别与人工智能．2001年3月．第14卷第1期：38-41
    
    
    22 杨忠根．单视图目标三维信息的鲁棒精确复原．哈尔滨工程大学学报．1998年6月．第19卷第3期：51-57
    23 杨忠根．由单视图确定多面体的空间位姿．图象图形学论文集NSIG’．1995．94年：455—458
    24 杨忠根、马彦、栾晓明．基于广义正交概念的K—RANSAC椭圆提取．哈尔滨工程大学学报．2001年10月，第22卷第15期：52—56
    25 连石柱．基于分离度的图像特征提取与识别方法．中国图象图形学报．1996年7月．第一卷第三期(总第三期)：196—200和图版Ⅰ
    26 王磊等．基于Canny理论的边缘提取改善方法．中国图象图形学报．1996年7月．第一卷第三期(总第三期)：191—195和图版Ⅰ
    27 王春波．计算机视觉在智能交通中的应用．测控技术．2000．第19卷第5期：22—24
    28 赵字明，李介谷．用于点特征匹配的神经网络算法人工智能与模式识别．1995年．第8卷第4期：313—319
    29 梁毅军、贺朋令、蔡元龙．用于图像边缘检测的BD模型及其快速算法．模式识别与人工智能．1998，第11卷第4期：434-441
    30 杨恒、梁德群．基于图像信息测度的多尺度边缘检测方法．模式识别与人工智能．1998．第11卷第4期：442-446
    31 周凌翔、顾伟康．最佳边缘检测的准则与算子．模式识别与人工智能．1998．第11卷第1期：54-61
    32 罗成平、龚沛曾．图象匹配技术．微型电脑应用．2000年．第16卷第3期：26—28
    33 李俊山、沈绪榜．图象匹配技术研究．微电子学与计算机．2000年．第2期：10—14
    34 赵小松．摄像机标定技术的研究．机械工程学报．2002年3月．第38卷第3期：149—151
    35 高立志、方勇、林志航．立体视觉测量中摄像机标定的新技术．电子学报．1999年2月．第2期：12—14
    36 张健新、段发阶、叶声华．简便的高精度摄像机标定技术，仪器仪表学报．1999年4月．第20卷第2期：193—196
    37 高立志．高精度立体视觉测量中一种通用的摄像机标定技术．机械科学与技术．1998年9月．第17卷第15期：808—811
    38 罗中兵、付忠良、阮波．一种改进的模板匹配算法．计算机应用．2002
    
    年3月．第22卷第3期：28-30
    39 魏武．基于模板匹配和神经网络的车牌字符识别方法．模式识别与人工智能．2001年3月．第14卷第1期：123-127
    40 魏武．一种基于模板匹配的车牌识别方法．中国公路学报．2001年1月．第14卷第1期：104-106
    41 杨士富、昂海松、李天，由灰度恢复物体外形算法的应用．飞机设计．1995年．第2期：25-32
    42 昂海松．透视图象的三维实体几何复原．计算机辅助设计与图形学学报．1995年1月．第7卷第1期：17-24
    43 樊宏斌、耿国华、周明全．一种求曲线极小特征点集的算法．西北大学学报(自然科学版)．2002年4月．第32卷第2期：166-168
    44 周骏、石教英、赵友兵．图像特征点匹配的强壮算法．计算机辅助设计与图形学学报．2002年8月．第14卷第8期：754-757
    45 徐斌．基于灰度图像的兴趣点检测．西安电子科技大学学报(自然科学版)．2002年4月．第29卷第2期：205-209
    46 冯毅、康新．基于实数值边缘点的图形识别方法．北方工业大学学报．2002年3月．第14卷第1期：17-20
    47 Canny. A Computer Approach to Edge Detection,IEEE Trans. PAMI. 1986. Vol. PAMI-8.
    48 Zhonggen Yang. Robustly, Exactly and Real-Timely Extracting Lines and Conics from a Gray-Level Image. Dec. 1995. ICNNSP'95, Vol. Ⅱ: pp.Ⅱ-1410～Ⅱ-1413.
    49 Zhong-Gen Yang et. al.. A Real-Time Underwater 3D Vision System Guiding AUV in Underwater Missions. ACCV'95. Dec. 1995. Vol. 3 of 3, pp.Ⅲ-509～Ⅱ-513
    50 Yang Zhonggen, Qiao Jinlu, Sun Shenghe and Zhao Changbing. Detecting Edge and Identifying Arcs in Image by Means of Orthogonal Moment Operators. Dec. 1995. ICMEI'95:.423-426
    51 J. -L. Qiao, Z. -G. Yang, and S. -H. Shun. A New Method to Fast Extract the Dominant Points Directly from Gray-Level Image. Chinese Journal of Electronics. 1995. 4(2): 45-53
    52 R. Cole. On the Detection of Robust Curves. CVGIP: GMIP 1994.56(3): 189-204
    
    
    53 J.R. Kender and R. Nevatia. Shape From Contour. IEEE Tr. PAMI 1995. 17(2), 120-135
    54 Z. -G. Yang. Genetic Learning-Based Target Detection. IEEE ICNNSP'95. Vol.Ⅱ: pp.Ⅱ-1406～Ⅱ-1411
    55 Zhonggen Yang et. al. Robustly, Exactly and Real-Timely Extracting Lines and Conics from a Gray-Level Image. ICNNSP'95, Dec. 1995.Vol. Ⅱ: pp.Ⅱ-1410～Ⅱ-1413
    56 何海峰．基于虚拟现实的人脸识别技术．上海海运学院，2002