一种路标识别系统的设计开题报告
2020-04-12 16:22:25
1. 研究目的与意义（文献综述）
国内研究现状：目前关于交通标志牌自动识别系统的研究我国起步较晚，并且这个研究的难度大,在目前为止还没有成型的系统运用到汽车上,但是发展较快，具有很大的发展潜力，已有多所大学和研究所开展类似方面的研究。清华大学、国防科技大学等高校的研究走在前列,而且成果丰硕。其中清华大学研究的“thmr-v智能车经过实验研究已经能够实现结构化环境下的车道线跟踪，准结构化环境下的道路跟踪，复杂环境下的道路避障，道路停障，视觉临场感遥控驾驶等功能。2003年媒体报道，在车道线自动跟踪驾驶情况下最大驾驶速度的高速度达到150km/h。但是他们做的是在画有清晰白线的结构化道路进行车道跟踪。
还有蒋刚毅和郑义等人推出的基于数学形态相关知识处理图像,特征元素选择形态学的骨架函数作为匹配模板,进行路标的匹配分类识别。该算法有效的识别了交通标志,在位移不变性和识别稳健性上有重大突破,并且能对十个警告标志进行识别,王申明教授基于神经网络系统的交通识别标志,对于道路交通中的十一种标志通过神经网络进行分类,这几种方法没有验证他们的普遍性,只是针对了几种常见的标志,因此研究带有了一定的局限性。所以还没有一个具有完善功能的识别系统推广到市场,但这个研究的前景非常广阔。
国外研究现状:路标检测系统目前已经成为国外非常热门的课题。在这方面技术研究比较成熟的国家主要集中在日本和美国等发达国家。在1984年的日本就出现了第一份与交通标志识别系统相关的报道。但是当时只是尝试用不同的计算机视觉方法检测户外目标作为研究目的。之后世界上就相继出现了几个研究团队开始涉足这方面。在针对道路标志的繁杂性的不可预知因素,他们采用了各种方法检测标志,包括边缘提取,颜色分割和相关法等。
2. 研究的基本内容与方案
本次毕业设计提出了一种基于matlab设计的路标识别系统，该系统的功能是对道路交通标志的图像进行预处理。如图像分割、边缘检测、背景消除等，图像预处理的目的是为了消除各种因素对原始图像的影响，然后才能依据训练得到的数字特征进行识别。系统要系统要实现功能应该如下：
1、图像信息操作：实现图像灰度化、画出图像的直方图以及进行直方图的均衡化处理。
2、阈值分割：实现图像的固定阈值和自适应阈值对图像进行分割。
3. 研究计划与安排
第1－3周：查阅各种国内外相关文献资料，了解所研究课题的方向和 目的，确定方案，完成开题报告。
第4－7周：开始分析用户需求，收集有关交通标志识别的相关资料熟
4. 参考文献（12篇以上）
| 4、阅读的参考文献不少于15篇（其中近五年外文文献不少于3篇） [1] Boguslaw Cyganek, 数字图像目标检测与识别-理论与实践[M]，电子工业出版社，2016 [2]何东建，数字图像处理（第三版）[M]，西安电子科技大学出版社，2015 [3] K. R. Castleman，Digital Image Processing[M]，清华大学出版社，2012 [4] MATLAB数学实验在经济模型教学中的应用[J]. 陈汉威.吉林工程技术师范学院学报.2017(01) [5]基于Matlab的多模态医学图像融合仿真[J]. 陈文,郁芸,周梅红电子技术与软件工程.2017(02) [6]MATLAB环境下基于小波变换的图像融合方法[J]. 谭晓静.装备制造技术.2017(02) [7]冈萨雷斯.数字图像处理(第二版)[M].电子工业出版社. [8]史忠科，曹力.交通图像检测与分析/科学出版社[M].2007:1-20 [9]陈小龙，冯桑，何春.道路交通标志检测识别技术的应用分析[M]，汽车与配件.2012:2-14页 [10]交通标志的智能检测方法研究[J]. 高向东,刘红,杨大鹏. 中外公路. 2011(02) [11]Visual navigation using heterogeneous landmarks and unsupervised geometric constraints[J]. Lu Y,Song D Z. IEEE Transactions on Robotics . 2015 [12]An Improved Hybrid Median-Mean Filter Algorithm[J] . Fang Jia,De Cheng Xu,Xin Fu. Applied Mechanics and Materials . 2015 (701) [13]QR-code based localization for indoor mobile robot with validation using a 3D optical tracking instrumen[J]t. Lee SJ,Tewolde G,Lim J,et al. Proceedings of 2015 IEEE International Conference on Advanced Intelligent Mechatronics(AIM) . 2015 [14]Fast traffic sign recognition with a rotation invariant binary pattern based feature[J]. Yin S,Ouyang P,Liu L,et al. Sensors . 2015 [15]Fully convolutional networks for semantic segmentation[J]. Long J,Shelhamer E,Darrell T. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition . 2015 |
