【正文】 畢業(yè)設計題 目 無人駕駛系統(tǒng)中復雜動態(tài) 環(huán)境下顯著性目標的識別 學 院 機械工程學院 專 業(yè) 機械工程及其自動化 班 級 工程0701 學 生 李訓文 學 號 20070407030 指導教師 王玉增 二〇一一年五月三十日1 前言 背景機動車輛作為社會發(fā)展與科技進步的產(chǎn)物，為人類的文明進步和社會經(jīng)濟的發(fā)展做出了不可磨滅的貢獻。然而，汽車在給人類帶來方便生活的同時，也給人們帶來了大量的問題，例如交通安全、經(jīng)常性的交通擁擠和環(huán)境污染問題等。交通事故給國家和人民的生命財產(chǎn)帶來了巨大損失。根據(jù)統(tǒng)計資料表明，全世界道路交通事故的總數(shù)大約占安全事故的90%左右，所造成的傷亡人數(shù)占所有安全事故傷亡人數(shù)的80%以上。在人類的非正常死亡之中，道路交通事故作為“第一殺手”實至名歸。為了解決全球社會共同面臨的交通問題，美國、歐洲、日本等發(fā)達國家已經(jīng)逐步采用高新技術改造現(xiàn)有的道路交通系統(tǒng)和管理體系以替代傳統(tǒng)的修建更多的道路、擴展路網(wǎng)規(guī)模，并投入了大量的人力和物力以開展智能交通系統(tǒng)的研究。交通標志識別系統(tǒng)作為無人駕駛系統(tǒng)的一個非常重要的子系統(tǒng)，也是難點之一，對其深入研究有助于提高機動車駕駛的安全性和舒適性，對智能交通系統(tǒng)和智能車的研究具有重要意義。另外，自然場景下的交通標志識別也是基于視覺的目標識別的一個特例，交通標志的識別技術可自然地推廣到軍用或民用的無人駕駛車的研究中，因而，對其深入研究也具有重要的價值。無人駕駛系統(tǒng)中復雜動態(tài)環(huán)境下顯著性目標的識別主要是研究交通標志識別，交通標志識別是通過安裝在車輛上的攝像機或照相機錄取或攝取戶外自然場景圖像，然后經(jīng)過相應的的檢測與分類算法對其進行分類理解和分析，它比一般的簡單的目標識別更具挑戰(zhàn)性，原因在于自然場景中存在各種各樣的因素會影響到交通標志的檢測效果和分類精度。 國內(nèi)外研究現(xiàn)狀目前，國內(nèi)雖然在智能交通系統(tǒng)和高級輔助駕駛系統(tǒng)方面作了初步的研究，也取得了一些成績和進步。但是，由于我國在智能交通系統(tǒng)和智能汽車方面的研究起步比外國晚了幾十年，研究的深度和廣度遠遠不及國外發(fā)達國家的水平。交通標志由特定的顏色、形狀以及內(nèi)部圖形組成，因而，大部分交通標志檢測算法一般都是基于顏色和形狀的信息來檢測交通標志。接下來對這兩類檢測算方法分別進行闡述。（1）基于顏色信息的檢測算法：顏色作為交通標志的主要特征之一，有很多算法都是具有大小、視角不變性和可分離性的特點。通過對特征顏色進行分割，可以刪除大片非顯著區(qū)域，大大增強了系統(tǒng)的實時性。根據(jù)檢測算法所采用的彩色空間，基于顏色的檢測算法又可分為以下四類：RGB彩色空間的閾值分割算法、HIS彩色空間的閾值分割算法、 HSV彩色空間的閾值分割算法和CIE彩色空間的閾值分割算法[20]。（2）基于形狀特征的檢測算法：盡管顏色信息具有大小和視角不變性和較強的可分離性，但是由于多變的自然環(huán)境的和天氣的變化莫測，導致交通標志的顏色信息不穩(wěn)定強度增加，給基于顏色的標志檢測增加了很大的困難[20]。因此基于交通標志幾何形狀的特征一般不受光照影響特點，許多學者參與研究了基于幾何形狀的檢測算法。交通標志的分類理解和識別是交通標志識別問題的最終目標。目前，世界上已有很多的交通標志分類算法，大致可分為統(tǒng)計分類方法、神經(jīng)網(wǎng)絡分類方法、句法存分類和集成分類方法等[20]。在學術方面，通過對這種顯著性目標識別算法的研究，使用實時錄像和識別作為智能車輛系統(tǒng)的信息獲取手段，再結合交通和計算規(guī)則的決策和智能自動控制技術等多種先進技術的綜合應用，對于無人駕駛系統(tǒng)的研究有著探索性的意義。無人駕駛系統(tǒng)所涉及到的其他技術包括圖像處理、數(shù)據(jù)融合等多方面，是一項綜合性極高的工程。人類的視覺具有選擇性注意的特性，我們能夠從復雜、未知場景中不受復雜背景影響而快速準確地檢測到我們所需要的顯著目標。但在機器視覺技術和自動目標識別等領域，基于視覺注意顯著圖的生成方式到目前為止還沒有形成統(tǒng)一模型。同時由于顯著區(qū)域的檢測在自適應壓縮，圖像檢索和目標檢測等領域中有著廣泛的應用價值，因此，顯著目標區(qū)域檢測得到國內(nèi)外眾多學者的廣泛和深切關注。目前打多數(shù)人所使用的顯著目標提取算法都是從低級視覺出發(fā)的，這是因為高級視覺計算模型需要學習大規(guī)模的和圖像數(shù)據(jù)庫有關的理論和知識，計算量大而且不具有通用性。目前現(xiàn)有的而且受大家歡迎的低級視覺模型主要依賴像素與像素之間的相互對比，因而缺乏利用顯著目標的自身所具有的特征進行分析理解。因此，本論文依據(jù)顯著目標是緊湊、顯眼和完整的思路，提出一種基于局部復雜度和目標空間分布特性的自動視覺注意顯著目標自動提取算法。首先根據(jù)局部區(qū)域與其多個尺度的鄰域的對比，得到亮度顯著圖；然后利用顏色信息的顯眼性的特征、空間分布的方式和區(qū)域一致性的特點得到顏色顯著圖；同時通過對方向的空間分布方法和局部的復雜度進行多個尺度分析得到方向顯著圖。最后通過所得顯著值的空間分布和面積增強因子相結合的融合策略得到原始圖像的顯著圖，并且根據(jù)顯著區(qū)域確定感興趣區(qū)域所在的位置，在此基礎上完成目標的檢測，來克服傳統(tǒng)方法的缺陷，以得到更加合理有效的顯著圖[13]。2 顯著性目標識別系統(tǒng) 顯著性目標識別系統(tǒng)的開發(fā)環(huán)境由于顯著性目標識別系統(tǒng)對圖形操作的需要和系統(tǒng)運算及處理的實時性要求，我們選用Microsoft Visual ++作為開發(fā)的語言環(huán)境。同時，強大的消息處理機制和靈活的內(nèi)存操作使得系統(tǒng)響應實時性更好，有利于提高處理圖像的質(zhì)量和顯示速度，為我們開發(fā)更加優(yōu)質(zhì)的目標識別系統(tǒng)打下了良好的基礎。本目標識別系統(tǒng)采用面向?qū)ο蟮某绦蛟O計方法，面向?qū)ο蟮某绦蛟O計語言將現(xiàn)實世界中的客觀事物描述成具有屬性和行為的對象，通過抽象找出同一類對象的共同屬性（靜態(tài)屬性）和行為（動態(tài)特征），形成類[15]。類與外界進行交流是通過一個簡單的外部接口實現(xiàn)的，對象與對象之間通過消息映射機制來進行通訊。這使程序模塊與模塊之間的關系更為簡單，同時，也良好的保障了為程序模塊的獨立性、數(shù)據(jù)的安全性。類的繼承性與多態(tài)性是面向?qū)ο笤O計方法的最大特點，這不僅大大提高了程序的可重用性，可以讓程序員很方便地實現(xiàn)代碼的重用，而且縮短了軟件開發(fā)周期、減少了開發(fā)費用并使風格統(tǒng)一起來，顯得更加美觀。因此，面向?qū)ο蟮木幊陶Z言使程序能夠比較直接反映問題域的本來面目，軟件開發(fā)人員能夠利用人類認識事物所采用的一般思維方法來進行軟件開發(fā)。C++面向?qū)ο笤O計有三個優(yōu)點，如下所示，(1)封裝性這里所說的封裝，就是把數(shù)據(jù)和函數(shù)有機地聯(lián)系在一起形成一個具有同類特的特性的對象[15]。封裝好的對象應具有明確的功能和方便的接口，以便其他類引用。另外，封裝的對象也有priviate，即封裝內(nèi)部的數(shù)據(jù)應該受到類保護，防止被外界分子不合法的獲取或更改。(2)繼承性根據(jù)c++語言，類可以派生，從類派生出的類稱為子類，而原來的類稱為父類。在類的派生中，子類可以具備父類的全部數(shù)據(jù)、成員變量及成員函數(shù)，這個特征稱為類的繼承[15]。在子類中，不但可以繼承父類的的變量和函數(shù)，它也可以增加屬于自己新的數(shù)據(jù)或新的操作，用來完成新的功能。(3)多態(tài)性多態(tài)性是c++針對面向?qū)ο蟮奶卣鬟M行程序設計的一種特征。C++允