图像滤波;边缘检测;二值化处理;区域标记

越来越多的车辆不仅造成了交通拥堵，也使得交通变得更加复杂化。越来越多的交通信息需要通过交通标志传达出来。在复杂交通情况下或者驾驶员没有专注驾驶的情况下，交通标志往往被忽视了。因此，研究一套交通标示自动识别与提示系统就十分有必要。特别是随着智能交通理念的提出和无人驾驶技术的发展，人们要求汽车能够自己主动获取道路交通信息。本文针对交通警示标志进行了检测和识别。通过再HSV颜色空间下进行颜色分割，将交通标志候选区域提取出来，对候选区域进行进一步图像处理，甄别出交通警示标志的区域。本文采用了BP神经网

针对道路环境中路灯的提取,提出一种车载激光点云中路灯提取方法。该方法首先对原始点云建立三维格网索引,分析灯杆在二维投影平面中的圆弧形态以及在三维空间中的柱状形态,提取杆目标;然后根据树木与路灯上部点云三维形态的差异去除树木,提取候选路灯;最后,建立路灯灯头模板库,通过模板匹配精确去除交通信号灯和交通标志牌等,实现路灯的准确提取。实验证明,该方法可以有效提取实际道路环境中的不同路灯,提取准确率和召回率分别达到94.01%和89.47%,且不需要辅助数据,具有较强的适用性。数据处理效率较现有同类方法

为提高矿井机车定位系统的稳定性,提出利用双目视觉技术实现机车定位的方法。由巷道顶部设置的标志牌外层红色特征确定2幅图像的感兴趣区域,提取该区域内各层正方形边界的拐角获得特征点,通过相应计算实现机车的定位。实验结果表明,该方法距离测量误差小,是一种有效的定位方法。