地面标识检测与识别算法
地面標識檢測與識別算法
輸入輸出接口
Input：
（1）圖像視頻分辨率（整型int）
（2）圖像視頻格式（RGB，YUV，MP4等）
（3）攝像頭標定參數（中心位置（x,y）和5個畸變
系數（2徑向，2切向，1棱向），浮點型float）
（4）攝像頭初始化參數（攝像頭初始位置和三個坐標方向
的旋轉角度，車輛寬度高度車速等等，浮點型float）
Output：
（1）BandingBox左上右下的坐標位置（浮點型float）
（2）Type類型：人，車，…，… （整型int）
（3）執行度：是指判別目標物為某種類型的比率。
比如為人，車，…，…的比率。（浮點型float）
（4）需要遮擋目標區域的左上右下的坐標位置（浮點型float）
（5）攝像頭與目標物距離 （浮點型float）
功能定義
（1）檢測路面標識
（2）計算路面標識BandingBox左上右下的坐標位置
（3）攝像頭與目標物距離
這份研究開發任務書是用來定義基于yolov3算法自動把路面上的標志提取識別系統的開發目標以及方案可行性評估報告和相關的具體技術要求、性能目標參數，以及相關的開發計劃還有注意事項等。總體用來規范和有效管理該項目的研發。
圖1. 交通標識實例
- 技術路線方案
1）
研究背景
路面標志是汽車駕駛過程中必須要遵守的交通規則之一，能為道路使用者提供關鍵信息，幫助駕駛員正確、安全地行駛，同時也能維持道路交通的順暢。
但是，在駕駛過程中，往往會因為某些原因沒有注意到路面上的標志，或者有時候駕駛員不知道某個標志的具體含義，這就會影響正常的交通秩序，而且容易發生交通事故。利用現有的技術對道路上的標志進行自動提取和識別能夠更好地輔助駕駛員正確地行駛。目前已經有相應的技術算法，如YOLOV3目標檢測算法，但是更多的是用于道路行人車輛的識別提取。
圖2. 道路上的標志
2）
研究范圍定義
道路路面上的交通標志的提取和識別。
產品要求
綜述(總體方案)
此項目針對的是在車輛駕駛過程中，對路面上的交通標志進行提取和識別，幫助駕駛員更好的進行駕駛。
本次開發基于YOLOV3目標檢測算法展開，最終程序能有一定的實時性、魯棒性。
系統職責
程序的設計和開發要保證整個系統工作正常。
要求一致性
程序與本設計任務書上任何附加的要求也要一致。
3）開發方案
開發研究實現：
代碼實現的具體實現如下：
1）建立模型：建立算法的模型
2）訓練模型：根據已有的數據集進行訓練，獲得模型
3）測試模型：測試已經訓練好的模型，根據情況調整模型超參數
路面標志是汽車駕駛過程中必須要遵守的交通規則之一，能為道路使用者提供關鍵信息，幫助駕駛員正確、安全地行駛，同時也能維持道路交通的順暢。
但是，在駕駛過程中，往往會因為某些原因沒有注意到路面上的標識，或者有時候駕駛員不知道某個標識的具體含義，這就會影響正常的交通秩序，而且容易發生交通事故。利用現有的技術對道路上的標識進行自動提取和識別能夠更好地輔助駕駛員正確地行駛。
城市交通事故大都發生在交通路口附近，路面交通標志識別技術作為高級駕駛輔助系統的重要研究分支，主要用于提供道路信息，在行車安全方面有不可替代的作用。傳統的路面交通標志自動分割大都基于多種圖像預處理技術。城市交通事故大都發生在交通路口附近，路面交通標志識別技術作為高級駕駛輔助系統的重要研究分支，主要用于提供道路信息，在行車安全方面有不可替代的作用。傳統的路面交通標志自動分割大都基于多種圖像預處理技術，例如FoucherP等提出一種可以識別人行橫道、箭頭標志和其它幾種標志的方法，該方法主要分為兩步：提取路面交通標志要素和基于單模式，或重復矩形模式連接標志各組件。模板匹配的方法也可以實現路面交通標志的識別，采用最大限度地穩定極值區域（MSERs）算法檢測路面交通標志感興趣區域。為了進一步提升路面交通標志檢測系統的抗干擾性和保證系統的實時性，根據路面交通標志檢測對于車道線位置有很強的依賴性，提出基于車道線的路面交通標志檢測，通過車道線的位置確標定志感興趣區域。Hu不變矩、Zemike矩能夠提取目標的邊緣特征，具備平移和旋轉不變性，該類方法可以基本滿足實時性，但魯棒性不夠好。
通過YOLO算法將道路上的交通標識標注出來，如圖4所示。之前有在車輛環節介紹過YOLO算法原理，故不再贅述。
圖3 通過算法實現標注
4）開發環境說明
表1. 路面標識開發環境
- 關鍵技術參數和性能指標
實現路面標志的提取識別，最終達到以下兩個指標：
1）把路面上90%的交通標志提取/框選出來。
2）把提取出來的標志進行識別，并且識別率能達到95%。
3）實時性
總結
以上是生活随笔為你收集整理的地面标识检测与识别算法的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 坡道场景识别算法
- 下一篇： 车辆摄像头夜晚场景图像ISP增强算法