[发明专利]一种基于移动机器人的交通标志识别方法

权利要求书

1.一种基于移动机器人的交通标志识别方法，其特征在于，包括以下步骤：

(1)使用移动机器人负载摄像头拍摄交通标志并进行标注，制作工作环境下的交通标志数据集；

(2)移动机器人运行并通过负载摄像头实时采集路况信息，对当前时刻的单帧图像进行预处理；

(3)基于机器视觉方法检测步骤(2)中得到的预处理后的图像中可能存在交通标志的区域位置并分割出候选区域图像；

(4)基于CNN网络识别步骤(3)中得到的候选区域图像中是否存在交通标志，若存在，修正候选区域范围并进一步判断其类别；否则删除候选区域；

(5)根据步骤(4)识别结果，在步骤(2)的原始单帧图像上生成交通标志检测框，实时显示当前路况存在的交通标志类别及位置；

(6)实时采样多帧路况交通标志识别结果，决策得到路况交通标志指示状态，移动机器人根据指示状态进行自动反应决策。

2.根据权利要求1所述的一种基于移动机器人的交通标志识别方法，其特征在于，所述步骤(1)通过以下子步骤实现：

(1.1)使用移动机器人负载摄像头拍摄工作环境下多场景、多角度、多时段、多类别的含交通标志图像，构成工作环境下的交通标志数据集；

(1.2)提取数据集中的交通标志图片及对应标签，并按照标准划分为训练集、验证集和测试集，训练集和验证集用于模型训练，测试集用于评估模型性能。

3.根据权利要求1所述的一种基于移动机器人的交通标志识别方法，其特征在于，所述步骤(2)通过以下子步骤实现：

(2.1)将机器人负载摄像头获取的当前时刻原始单帧图像image0变换到HSI色彩空间下的image1，其中H、S、I三个分量分别表征色调、饱和度和亮度信息；

(2.2)对image1进行亮度自适应调整得到image2：设计亮度缩放因子，重新定义image1中每一个像素的I分量如下：

I′＝G(I)*I

其中，I表示输入图像的亮度，I′表示输出图像的亮度，G表示每个点的曝光调整因子，定义为：

G(I)＝f(I)*g(I)

其中，f为全局亮度调整算子，定义如下：

上式中，s为放缩因子，定义为：

s＝0.5I_m+0.05

其中，I_m为输入图像亮度的均值；

I_w＝s*min(255,Ratio(I,0.8)*1.25)

上式中，Ratio(I,0.8)为亮度阈值，表示图像image1中亮度低于该阈值的像素点数目占总像素的百分比为0.8；

g为局部亮度调整算子，定义如下：

上式中，I_abf为自适应的双边滤波结果值，η是信度阈值，δ为偏移量，CL为与亮度相关的置信度函数，定义为：

4.根据权利要求3所述的一种基于移动机器人的交通标志识别方法，其特征在于，所述步骤(3)通过以下子步骤实现：

(3.1)基于颜色特征的检测与分割：对于image2图像进行阈值分割，设置H分量中红色、黄色、蓝色三种通道区间分别为[300,355]，[34,62]，[220 240]，对于S、I分量，统一设置通道区间为[70,255]；将阈值分割后的图像进行均值滤波；将所得图像二值化之后，引入形态学闭运算；之后基于OpenCV中的轮廓提取算法，初步得到候选区域；

(3.2)基于几何约束的检测与分割：对步骤(3.1)的候选区域，基于交通标志的先验条件设计几何约束，设置候选区域面积在画面中最小占比为0.001，设置候选区域长宽比最大值阈值为1.8；

(3.3)基于形状特征的检测与分割：对于步骤(3.2)得到的候选区域，首先变换得到灰度图像，通过高斯滤波对图像降噪处理；然后基于模糊化霍夫圆检测算法，通过降低霍夫圆检测中梯度累加器投票参数，检测候选区域中存在的椭圆区域；进一步提炼候选区域信息并分割出候选区域。