TQGCML2023基于AI视觉的交通标志识别与车辆控制系统.pdf

T/QGCMLXXXX—2023

基于AI视觉的交通标志识别与车辆控制系统

1范围

本文件规定了基于AI视觉的交通标志识别与车辆控制系统的术语和定义、缩略语、系统构成、功能

要求、安全要求、测试方法。

本文件适用于AI视觉的交通标志识别与车辆控制系统的使用及维护。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其必威体育精装版版本（包括所有的修改单）适用于本

文件。

GB/T20984信息安全技术信息安全风险评估方法

GB/T35273信息安全技术个人信息安全规范

3术语和定义

下列术语和定义适用于本文件。

AI视觉的交通标志识别与车辆控制系统AIvisiontrafficsignrecognitionandvehicle

controlsystem

通过AI视觉进行交通标识的识别，并在此基础上实现对车辆的控制。

惯性导航inertialnavigation

惯性导航，通过陀螺和加速度计测量载体的角速率和加速度信息，经积分运算得到载体的速度和位

置信息。

姿态attitude

姿态描述的是一个坐标系的轴系相对于另一个坐标系的轴系之间的角度关系（方向）。在惯性导航

中，姿态主要用于比力、角速度及其它向量的投影变换（例如从载体坐标系变换到导航坐标系）。

4缩略语

AI：人工智能（ArtificialIntelligence）

MCU：多点控制单元(MicroControllerUnit)多点控制单元

PID：进程控制符（ProcessIdentifier进程控制符）

5系统构成

使用Mobilenetv2网络，通过自动端到端学习来解决检测和识别交通标志的整个流程，降低了大量

运算量的同时也不失准确率；使用Matlab对图像进行去雾和增强处理，所得到的清晰图像明显提高了识

别的准确率；利用YOLOV5模型对多种类别实物进行分类识别，达到了多元和快速识别检测的目的；使用

1

T/QGCMLXXXX—2023

惯性导航模块确定车辆自身的位置信息，再根据交通标志识别，通过信息融合处理与决策控制车辆的行

驶。

6功能要求

基本设置

——网络：适用于移动端的Mobilenetv2网络；

——设置圈定矩形的规则，矩形设置规则为长与宽至少有一条边超过30cm且全部小于40cm，并且

需要长与宽相差不能超过5cm，这样便于让人工智能识别到大小适中且形似正方形的图形；

——置图像LAB颜色跟踪阈值，交通标志的图像颜色基本为红色、黑色与白色，所以需要滤去除

此之外的颜色，以免误识别，设置图像LAB的颜色跟踪阈值规则如下，32L60，17A44，

-23B-6。

图像处理

使用暗通道先验去雾算法与直方图增强算法还原图像质量，图像处理流程见图1。

图1图像处理流程

6.2.1暗通道先验去雾算法

暗通道先验是一种无雾室外图像的统计。大多数无雾室外图像的局部区域包含一些像素，这些像素

在至少一个颜色通道（R,G,B）中的强度非常低。利用这一先验模型，可以估计图像中的薄雾的厚度，

并恢复高质量的无薄雾图像。雾天降质图像可用大气散射模型描述，即

I(x)J(x)t(x)=+A[1−t(x)]··························································(1)

式中：

I(x)—表示观测到的带雾图像；

J(x)—表示待复原的无雾图像；

A—表示全局大气光值；

t(x)—表示初始透射率；

对于非天空区域的清晰无雾图