基于车载激光扫描点云的交通标志检测研究

来源 :厦门大学 | 被引量 : 0次 | 上传用户:tkxj501
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
交通标志牌作为一种重要的交通基础设施,可以为驾驶员和行人提供道路指引信息,规范驾驶员行为的同时也起到了便利交通、保障安全的作用。道路交通标志检测作为智能交通领域的一部分,对改善交通安全有着重要意义。车载三维激光扫描系统能够快速采集到道路地面以及两旁地物的点云,包括真实的地理空间信息和回波反射能量,其中回波反射可以反映物体表面的材料特性。因此,利用移动激光雷达技术对城市道路目标进行采集是非常理想可行的方式。本文提出了一种基于激光扫描点云的交通标志牌检测技术。主要研究工作如下:  (1)对激光扫描点云数据进行预处理。研究了包括噪声点去除,空间数据索引的建立,地面滤波等预处理工作,为算法提供高效的数据结构以及索引查询。  (2)提出了基于反射强度和形状特征相结合进行交通标志牌检测的方法。基于反射强度的检测方法利用交通标志牌在点云中的高强度特性进行检测。基于形状特征的检测方法通过识别杆状物,分析杆状物中非杆状部分的维度特征,提取出具有面状维度特征的目标物作为所要检测的交通标志牌。最后将两次检测结果进行叠加和合并形成最终的检测成果。  (3)提出了一种对常见交通标志牌的形状分类算法。根据圆形、矩形和三角形对检测到的交通标志牌分类,我们可以直观的区分交通标志所传达的警告、禁令和指示信息,并且使进一步的识别过程更加简单。根据聚类的凸包与最小外接圆与最小外接矩形的比例,基于交通标志牌的几何形状识别圆形和矩形交通标志牌。基于三维形状上下文,分别构造待分类目标与模板的形状上下文,根据待分类目标与模板的相似度识别三角形交通标志牌。  本文提出的算法在四个测试数据集上进行测试,测试数据集路段全长超过10km,实验结果中交通标志牌检测的平均召回率达到了95.7%,平均正确率达到了92.3%,验证了本文提出的交通标志牌检测算法具有较好的检测结果以及较高的应用价值。
其他文献
现实中的许多应用,如社交网络、P2P信贷、生物信息、社交投资等许多数据库系统都是构成异构信息网络。因此,针对异构信息网络的数据挖掘任务是当前热门的且充满挑战的研究新方
语义Web作为目前Web的一个延伸,目标是使Web上的数据具有机器可识别的语义,便于人机之间的交互与合作。然而其实现面临着语义互联、规范组织和智能聚合等理论和技术障碍。为
随着经济全球化的发展,企业的采购、生产和销售日趋国际化。市场竞争日益加剧,越来越多的企业意识到传统的生产管理模式与多变的市场不相适应,于是企业开始寻求适合自身发展的新
面向运动目标的视觉分析是计算机视觉领域最活跃的研究主题之一,在高级人机交互、安全监控、视频会议、医疗诊断及基于内容的图像存储与检索等方面具有广泛的应用前景。运动
文本聚类是聚类分析领域的一个重要研究分支,是聚类方法在文本处理领域的应用。针对大规模高维的文本数据,如何实施有效的文本聚类算法是数据挖掘领域的研究热点。文本数据的
校园网作为学校重要的基础设施,担当着学校教学、科研、管理和对外交流等许多角色,能够安全有效的对教育网络带宽进行调度和分配,满足教育网络多媒体教学和远程教学、图书馆
学位
与平面显示技术相比,立体显示技术可以提供更全面的场景信息,为观众带来逼真的现场感,是人类一直以来对自然视觉重现的追求。以往立体显示技术需要借助各种辅助工具进行观看,
随着信息技术的发展,作为信息技术的基础,软件正在随着其规模的扩大和复杂性的提高,变得越来越难以开发和维护。互联网技术的发展更使得软件漏洞暴露在大量的攻击和入侵事件
随着现代计算机网络技术的发展,诸如银行系统、火车票网上订票系统、卫星控制系统等分布式系统得到广泛的开发和使用。针对大规模分布式系统以及安全至上的系统,容错能力是其设
基于超图的半监督学习因其既利用了有标记数据样本的信息又利用了无标记数据样本的信息,近年成为一个研究热点,有很高的研究及应用价值,在图像处理、模式识别、语音识别等领域已