基于机器视觉的车道线检测和交通标志识别研究

《基于机器视觉的车道线检测和交通标志识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于机器视觉的车道线检测和交通标志识别研究作者姓名刘兰馨工程领域车辆工程校内指导教师李巍华教授校外指导教师刘晓楠中级工程师所在学院机械与汽车工程学院论文提交日期2018年4月LaneDetectionandTrafficSignRecognitionBasedonMachineVisionADissertationSubmittedfortheDegreeofMasterCandidate：LiuLanxinSupervisor：Prof.LiWeihuaSouthChinaUniversityofTechnologyGuangzhou,China分类号：U471学校代号：10

2、561学号：201521003185华南理工大学硕士学位论文基于机器视觉的车道线检测和交通标志识别研究作者姓名：刘兰馨指导教师姓名、职称：李巍华教授刘晓楠中级工程师申请学位级别：工程硕士工程领域名称：车辆工程论文形式：产品研发工程设计应用研究工程/项目管理调研报告研究方向：智能车辆论文提交日期：2018年4月12日论文答辩日期：2018年5月22日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：丁康教授委员：熊锐教授、叶志刚高级工程师、李巍华教授、杨志坚副教授摘要路面交通信息包括车道线及路面标志信息，有效地获取路面交通信息将为无人车的决策起重要作用。在汽车数量日益

3、增加、交通安全事故居高不下，要求不断提升汽车的驾驶智能化的现实压力面前，开展以实时应用为目标的车道线和交通标志检测与识别技术研究，对于提高驾驶安全具有重大的意义。研究了道路图像中车道线的检测方法，对道路图像进行预处理，并利用梯度算法有效提取车道线边缘。提出了结合改进Hough变换和最小二乘法的车道识别算法。最后用广州市区实际道路视频和图像序列分别进行了测试，实验验证了本文算法的有效性，在多种天气和道路条件下均具有良好的鲁棒性，且基本满足实时性要求。卷积神经网络作为深度学习领域的算法之一，对于目标检测和分类具有良好的性能，SSD是深度卷积神经网络的代表，网络的结构参数直接影响其分类识别的能力。通

4、过实验研究了SSD网络结构参数对识别准确率的影响，包括迭代次数、输入层尺寸、批量尺寸大小，构建了对路面交通标志分类能力强且分类效率高的网络。针对路面标志识别鲁棒性、实时性的要求，提出了基于SSD网络的路面交通标志识别方法。通过数据采集获取不同天气、光线条件下的图像数据，预处理扩充样本量，使用图像标注软件对图像数据进行手工标注，制作完成路面标志数据集RM2017。通过实验验证了SSD模型识别路面交通标志的有效性，算法可准确识别出11种路面标志。针对实验中小目标的漏检情况，提出改进的R-SSD模型，与原模型进行对比实验，改进算法有效提高了模型识别准确率，对于原模型漏检的目标也能准确识别。关键词：S

5、SD；交通标志；车道线；目标检测IAbstractAmongtheroadinformation,therearethelanelinesandsignsinformation.Effectiveaccesstotherightlaneandroadsigninformationwillplayanimportantroleindriverlessvehicles'decisions.Improvingtheaccuracyandreal-timeperformanceoflanedetectionandroadsignrecognitionalgorithmisthekeytotheprac

6、ticalapplicationprocess.Infaceoftheincreasingnumberofcarsandhightrafficaccidents,itisofgreatsignificancetoimprovethesafetyofautomobiledriving.Thedetectionmethodoflanesinroadimagesisstudied.Firstly,theimageispre-processedandthelaneedgeiseffectivelyextractedbythegradientalgorithm.Then,alanedetectionme

7、thodbasedonimprovedHoughtransformandleastsquaresalgorithmsisproposed.Finally,themethodistestedwithactualtrafficimagesinGuangzhou.Theexperimentalresultsshowthatthelanedetectionmethodappliestoavarietyof