一种无人驾驶车载交通信号灯识别系统及方法技术方案

本发明专利技术实施例公开了一种无人驾驶车载交通信号灯识别系统，包括用于对交通信号灯图片进行颜色和形状组合分析的检测识别模块；用于对摄像头组件拍摄的动态视频构建基于运动模型的交通信号灯变换预测模块；利用GPS系统对检测识别模块和变换预测模块的数据分析结果附加基于概率模型的地理位置信息的GIS模块，其识别方法为：通过对红绿灯的颜色和形状特征提取从摄像模块获取的图像中取出候选区域；采用图像下采样算法，降低候选区域的图像分辨率，得到低分辨率像素组；再通过线性色彩分类器为低分辨率像素组的每个像素赋予色彩类别标签，随后采用图像分隔算法处理获得不同色彩类别的信号灯候选区域，从物理和算法结构上极大提高了信号灯的识别效率。

【技术实现步骤摘要】
一种无人驾驶车载交通信号灯识别系统及方法
本专利技术实施例涉及无人驾驶
，具体涉及一种无人驾驶车载交通信号灯识别系统及方法。
技术介绍
交通信号灯识别技术作为无人驾驶汽车技术的一个重要组成部分，有着很广阔的应用范围。随着社会经济的发展与科学技术的进步，汽车成为人们一个重要的代步工具。汽车极大地方便了人们的生活，使得大规模的城市成为可能，并极大地拉近了城市间的距离。通过技术手段，能够让车辆在比人眼可视距离更远的距离上，识别出交通信号灯的指示信息，提醒驾驶员前方路口的通行规则。交通信号灯的主要特征包括颜色特征，形态特征和位置特征。其中位置特征主要用于减少运算量，由于交通信号灯安装位置较高，通常只对图像的上半部分进行处理识别。颜色特征和形态特征则是交通信号灯识别的主要依据。针对颜色特征，在不同的颜色空间中分析颜色的分布特征，设置相应的筛选条件，将具有固定颜色特征(红绿黄)的交通信号灯从原图像中分割出来。当图像中存在颜色与交通信号灯相近的物体，即非交通信号灯图像同样满足筛选条件时，易产生误识别的问题。RGB空间是最常见的颜色空间，但是也存在着易受光照条件的问题。Masako等对RGB空间进行归一化处理，并设置了阈值，对红色和绿色的区域进行了筛选提取，作为候选区域。提取图像的边缘信息，使用Hough变换搜索其中的圆形的轮廓，统计Hough变换搜索到的圆形轮廓所包含颜色像素数量，进行计数，计数值最高的认为是交通信号灯。该方法结合了颜色和圆形形态特征，但是Hough变换运算量较大，且对形变敏感，易出现无法识别的问题。交通信号灯的识别主要从其自身的颜色、形态、位置等特征入手，通过针对不同特征的识别方法，特征识别的顺序以及各个环节结果的融合，对图像中的交通信号灯图像进行识别提取，但是图像中如果存在颜色与形状均与交通信号灯类似的物体，在识别过程中能够满足筛选要求，则难以分辨正确的交通信号灯。
技术实现思路
为此，本专利技术实施例提供一种无人驾驶车载交通信号灯识别系统及方法，有效的解决了传统信号灯识别过程中对于图像的处理、算法的架构以及图像识别中的存在较多的干扰项的问题。为了实现上述目的，本专利技术的实施方式提供如下技术方案：一种无人驾驶车载交通信号灯识别系统，包括：检测识别模块，用于对摄像头组件拍摄的静态交通信号灯图片以物理结构降低分辨率，并进行裁切、模糊分类以及坐标投影操作后，以颜色和形状匹配组合方式分析图片中的信号灯像素因子；算法处理模块，包括对信号灯像素因子进行分类的像素分类器，以及存储的日间交通灯算法和夜间交通灯算法；日间交通灯算法对一定数量的信号灯像素因子进行颜色空间分布特征提取，夜间交通灯算法对一定数量的信号灯像素因子进行RG空间阈值中光晕图像提取筛选，将筛选结果二值化，通过区域包围零点数量筛选和局部区域取反操作，消除光晕，提取出完整的交通灯轮廓，然后通过区域形态特征方法识别，还包括结合日间交通灯算法和夜间交通灯算法的对信号灯像素因子进行明暗区域同步识别的中间算法；变换预测模块，基于汽车运动的速度和位置的数据，对摄像头组件拍摄的信号灯动态视频进行连续多帧的信号灯像素因子的变换预测，并以信号灯连续多帧的动态视频中颜射骤变状态为截取点，对经过处理模块处理后的信号灯像素因子进行契合度匹配；GIS模块，利用GPS系统对检测识别模块和变换预测模块的数据分析的结果附加基于概率模型的地理位置信息。作为本专利技术的一种优选方案，所述的检测识别模块内设置有用于对摄像头组件拍摄的佳通信号灯图片进行裁切的裁切器，以及对裁切器裁切的图片进行图像颜色特征筛选的模糊分类器，以及对模糊分类器分类的图片数据进行坐标投影分析的投影分析器。作为本专利技术的一种优选方案，所述变换预测模块通过连接汽车的MCU获取汽车运动状态，并通过GPS系统获取汽车到信号灯的地理坐标位置，同时估算信号灯在摄像头组件拍摄的交通信号灯动态视频中相对运动状态，进而构建运动模型；在该运动模型下，变换预测模块利用连续多帧的交通信号灯动态视频的检测识别分析。作为本专利技术的一种优选方案，所述变换预测模块利用连续多帧的交通信号灯动态视频的检测识别分析具体的参数包括基于车道方向的信号灯位置、高度和朝向。作为本专利技术的一种优选方案，所述检测识别模块还包括安装壳体，和嵌装在安装壳体上的主摄像头组件、副摄像头组件以及色彩传感器，所述安装壳体的四周设置有用于在物理上缩小和放大主摄像头组件拍摄图片像素的图像分隔机构；所述图像分隔机构包括设置在安装壳体四周，且沿主摄像头组件的拍摄方向上伸缩的柔性遮挡条，所述安装壳体的前表面的四个拐角处设置有供柔性遮挡条伸出的弧形导向槽孔，所述柔性遮挡条的一端连接有驱动装置。作为本专利技术的一种优选方案，其中一个所述柔性遮挡条中间设置有镀膜透明板，且所述柔性遮挡条在完全伸出时，柔性遮挡条的前端正好能够伸入与其正相对的弧形导向槽孔中。本专利技术提供了一种无人驾驶车载交通信号灯识别方法，包括步骤：S100、通过对红绿灯的颜色和形状特征提取从摄像模块获取的图像中取出候选区域；S200、采用图像下采样算法，降低候选区域的图像分辨率，得到低分辨率像素组；S300、再通过线性色彩分类器为低分辨率像素组的每个像素赋予色彩类别标签，随后采用图像分隔算法处理获得不同色彩类别的信号灯候选区域；S400、将摄像模块获取的前几帧图像的不同色彩类别的信号灯候选区作为先验信息，预测下一帧交通信号灯在图像中的位置，重复步骤S200和S300输出信号灯识别结果。作为本专利技术的一种优选方案，线性色彩分类器为基于HSV色彩空间的分类器，线性色彩分类器低分辨率像素组的每个像素赋予色彩类别标签的具体包括红色、黄色、绿色以及其他颜色四类；在S300中、采用图像下采样算法处理得到低分辨率像素组存储在灰度图中，以不同的灰度值标记不同的色彩类别标签。作为本专利技术的一种优选方案，在S400中，利用连续多帧的先验信息，基于概率模型实时估计信号灯所在图像位置分布，并附加基于GPS打点技术的信号灯位置以及车道朝向参数，打包存入具有离线数据提取和在线数据提取两部分的GIS模块，并在下一次通过同一路口时，从GIS模块中提取，作为先验信息。作为本专利技术的一种优选方案，在S400、对预测下一帧交通信号灯在图像中的位置处理成另一组摄像模块进行聚焦高清拍摄的触发信号，并根据不同色彩类别的信号灯候选区域的长宽比例和尺寸大小进行匹配，将符合匹配结果的不同色彩类别的信号灯候选区域中同一色彩标签的像素用矩形框连接，作为输出结果。本专利技术的实施方式具有如下优点：本专利技术从物理结构和软件算法上有效的实现了无人驾驶中的信号灯位置的识别，检测追踪以及数据存储，可以预测下一帧的目标位置，提高检测与识别的效率；变换预测模块将同一目标在连续若干帧中的信息联系起来，使得在做决策时不仅可以利用当前帧的信息，也可综合前几帧的信息，做出最优的决策，减少了系统算法的负担，降低了算法失效的可能性；将每一个交通信号本文档来自技高网...

【技术保护点】
1.一种无人驾驶车载交通信号灯识别系统，其特征在于，包括：/n检测识别模块，用于对摄像头组件拍摄的静态交通信号灯图片以物理结构降低分辨率，并进行裁切、模糊分类以及坐标投影操作后，以颜色和形状匹配组合方式分析图片中的信号灯像素因子；/n算法处理模块，包括对信号灯像素因子进行分类的像素分类器，以及存储的日间交通灯算法和夜间交通灯算法；/n日间交通灯算法对一定数量的信号灯像素因子进行颜色空间分布特征提取，夜间交通灯算法对一定数量的信号灯像素因子进行RG空间阈值中光晕图像提取筛选，将筛选结果二值化，通过区域包围零点数量筛选和局部区域取反操作，消除光晕，提取出完整的交通灯轮廓，然后通过区域形态特征方法识别，还包括结合日间交通灯算法和夜间交通灯算法的对信号灯像素因子进行明暗区域同步识别的中间算法；/n变换预测模块，基于汽车运动的速度和位置的数据，对摄像头组件拍摄的信号灯动态视频进行连续多帧的信号灯像素因子的变换预测，并以信号灯连续多帧的动态视频中颜射骤变状态为截取点，对经过处理模块处理后的信号灯像素因子进行契合度匹配；/nGIS模块，利用GPS系统对检测识别模块和变换预测模块的数据分析的结果附加基于概率模型的地理位置信息。/n...

【技术特征摘要】
1.一种无人驾驶车载交通信号灯识别系统，其特征在于，包括：
检测识别模块，用于对摄像头组件拍摄的静态交通信号灯图片以物理结构降低分辨率，并进行裁切、模糊分类以及坐标投影操作后，以颜色和形状匹配组合方式分析图片中的信号灯像素因子；
算法处理模块，包括对信号灯像素因子进行分类的像素分类器，以及存储的日间交通灯算法和夜间交通灯算法；
日间交通灯算法对一定数量的信号灯像素因子进行颜色空间分布特征提取，夜间交通灯算法对一定数量的信号灯像素因子进行RG空间阈值中光晕图像提取筛选，将筛选结果二值化，通过区域包围零点数量筛选和局部区域取反操作，消除光晕，提取出完整的交通灯轮廓，然后通过区域形态特征方法识别，还包括结合日间交通灯算法和夜间交通灯算法的对信号灯像素因子进行明暗区域同步识别的中间算法；
变换预测模块，基于汽车运动的速度和位置的数据，对摄像头组件拍摄的信号灯动态视频进行连续多帧的信号灯像素因子的变换预测，并以信号灯连续多帧的动态视频中颜射骤变状态为截取点，对经过处理模块处理后的信号灯像素因子进行契合度匹配；
GIS模块，利用GPS系统对检测识别模块和变换预测模块的数据分析的结果附加基于概率模型的地理位置信息。


2.根据权利要求1所述的一种无人驾驶车载交通信号灯识别系统，其特征在于，所述的检测识别模块内设置有用于对摄像头组件拍摄的佳通信号灯图片进行裁切的裁切器，以及对裁切器裁切的图片进行图像颜色特征筛选的模糊分类器，以及对模糊分类器分类的图片数据进行坐标投影分析的投影分析器。


3.根据权利要求1所述的一种无人驾驶车载交通信号灯识别系统，其特征在于，所述变换预测模块通过连接汽车的MCU获取汽车运动状态，并通过GPS系统获取汽车到信号灯的地理坐标位置，同时估算信号灯在摄像头组件拍摄的交通信号灯动态视频中相对运动状态，进而构建运动模型；在该运动模型下，变换预测模块利用连续多帧的交通信号灯动态视频的检测识别分析。


4.根据权利要求3所述的一种无人驾驶车载交通信号灯识别系统，其特征在于，所述变换预测模块利用连续多帧的交通信号灯动态视频的检测识别分析具体的参数包括基于车道方向的信号灯位置、高度和朝向以及用于安装信号灯。


5.根据权利要求1所述的一种无人驾驶车载交通信号灯识别系统，其特征在于，所述检测识别模块还包括安装壳体(1)，和嵌装在安装壳体(1)上的主摄像头组件(2)、副摄像头组件(8)以及色彩传感器(4)，所述安装壳体(1)的四周设置有用于在物理上缩小和放大主摄像头组件(2)拍摄...

【专利技术属性】
技术研发人员：郭晴，程莹，赵琪，谢小娟，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽;34