[发明专利]道路标志的识别方法和装置

说明书

技术领域

本公开涉及图像识别技术领域，尤其涉及一种道路标志的识别方法和装置。

背景技术

随着科技的不断发展，无人驾驶作为前沿科技，已被人们所熟知。无人驾驶就是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息来控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。其中，如何能够准确地识别道路标志，并控制车辆按照道路标志行驶，已成为重点研究课题。

发明内容

为克服相关技术中存在的问题，本公开提供一种道路标志的识别方法和装置。

根据本公开实施例的第一方面，提供一种道路标志的识别方法，包括：

获取包含道路标志的图像；

对所述图像中的像素在横向和纵向两个方向分别进行像素累加，根据所述像素累加结果识别所述图像中包括的所述道路标志。

如上所述的道路标志的识别方法，对所述图像中的像素在横向和纵向两个方向分别进行像素累加，根据所述像素累加结果识别所述图像中包括的所述道路标志，包括：

基于最小显著差异算法LSD或HOUGH变换确定所述道路标志所在的区域；

对所述区域进行二次投影，并确定所述道路标志在所述图像中的坐标信息；

根据所述坐标信息提取所述道路标志。

如上所述的道路标志的识别方法，在根据所述像素累加结果识别所述图像中包括的所述道路标志之后，还包括：

确定所述道路标志的类别信息。

如上所述的道路标志的识别方法，确定所述道路标志的类别信息，包括：

提取所述道路标志的特征；

将所述特征与预先训练的训练模型进行匹配，以确定所述道路标志的类别信息。

如上所述的道路标志的识别方法，在确定所述道路标志的类别信息之前，还包括：

采集道路标志样本；

基于方向梯度直方图HOG和支持向量机SVM学习模型对所述道路标志样本进行训练，并生成所述训练模型。

如上所述的道路标志的识别方法，对所述区域进行二次投影，并确定所述道路标志在所述图像中的坐标信息，包括：

对所述区域进行二值化，以生成对应的感兴趣ROI区域；

对所述ROI区域进行横向投影，并获取所述道路标志的纵坐标信息；

对所述ROI区域进行纵向投影，并获取所述道路标志的横坐标信息。

如上所述的道路标志的识别方法，所述道路标志的类别信息为前进、左转、右转、前进或左转、前进或右转、前进或左转或右转中的一种。

如上所述的道路标志的识别方法，在确定所述道路标志的类别信息之后，还包括：

提供与所述类别信息对应的提示信息。

根据本公开实施例的第二方面，提供一种道路标志的识别装置，包括：

获取模块，用于获取包含道路标志的图像；

处理模块，用于对所述图像中的像素在横向和纵向两个方向分别进行像素累加，根据所述像素累加结果识别所述图像中包括的所述道路标志。

如上所述的道路标志的识别装置，所述处理模块，包括：

确定单元，用于基于最小显著差异算法LSD或HOUGH变换确定所述道路标志所在的区域；

处理单元，用于对所述区域进行二次投影，并确定所述道路标志在所述图像中的坐标信息；

提取单元，用于根据所述坐标信息提取所述道路标志。

如上所述的道路标志的识别装置，还包括：

确定模块，用于在根据所述像素累加结果识别所述图像中包括的所述道路标志之后，确定所述道路标志的类别信息。

如上所述的道路标志的识别装置，所述确定模块，用于：

提取所述道路标志的特征；

将所述特征与预先训练的训练模型进行匹配，以确定所述道路标志的类别信息。

如上所述的道路标志的识别装置，还包括：

训练模块，用于在确定所述道路标志的类别信息之前，采集道路标志样本，基于方向梯度直方图HOG和支持向量机SVM学习模型对所述道路标志样本进行训练，并生成所述训练模型。

如上所述的道路标志的识别装置，所述处理单元，用于：

对所述区域进行二值化，以生成对应的感兴趣ROI区域；

对所述ROI区域进行横向投影，并获取所述道路标志的纵坐标信息；

对所述ROI区域进行纵向投影，并获取所述道路标志的横坐标信息。