文 献 综 述

1.智能车研究意义及感知技术

智能车辆^[1]是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的高新技术综合体。从科技巨头到汽车制造商，再到各国政府，越来越多的人将智能汽车看作整个汽车行业的未来， 并积极投入金钱和精力进行相关研究。

人类在驾驶汽车时所接受的信息几乎全部来自于视觉，交通信号、交通标志、交通图案、道路标志等均可以看作是环境对驾驶员的视觉通讯语言。当机器视觉用于智能车辆时必须具备实时性、鲁棒性和实用性三方面的技术特点。实时性是指视觉处理系统的数据处理必须与车辆的高速行驶同步进行；鲁棒性是指智能车辆对不同的道路环境具有良好的适应性；实用性是指智能车辆在体积和成本等方面能够为普通汽车用户所接受。

2.交通标志识别研究现状

交通标志^[2]是用图形符号、颜色和文字向交通参与者传递特定的信息，用于管理交通的外部设施。指示标志一般为蓝底、白图案，内部背景形状分为圆形或者方形。

视觉传感器采集的彩色图片多以 RGB 色彩空间数据形式存储，所以它不需要经过任何变换可以直接对采集数据进行处理。挪威的研究人员针对包含红、白、黑三种颜色的限速标志提出了RGB空间下的分割方法，该方法优点是分割算法简单、 速度很快， 缺点是颜色极易受光照变化影响，对光照变化很敏感，因此适应性较差。

Aoyagi ^[3]利用滤波算子和 Laplace 边缘算子将彩色图像转化为二值图像，然后用遗传算法检测圆形标志；Gavril ^[4]利用基于距离变换的分层模板匹配方法对形状进行检测，其优点是可同时检测多个目标，但实时性较差。

近年来，有学者用快速辐射对称性检测三角形或圆形内心，然后以内心为窗口中心对图像作 Hough 变换检测直线段找出满足条件的线段组合。Hough 变换^[5]是最常用的圆形标识检测方法，该方法的优点是可靠性高，缺点是计算量和资源需求比较大，其相应的很多改进算法都致力于减少算法的时间和空间复杂性，另外该算法对于遮挡等情况下的检测效果不理想。

Ayaou 等^[6]运用多规模Retinex 方法，用标准交叉关联方程进行预处理，对检测结果进行加强。Greenhalgh 等^[]提出了一个新颖的交通标志识别系统，综合运用了方向梯度直方图（HOG），最稳定极端区域（MSER）以及支持向量机（SVM）进行检测与识别，对光照条件的变化具有不敏感性。