无人驾驶--交通标志检测实战（付源码）

最新推荐文章于 2025-06-28 22:45:05 发布

原创

最新推荐文章于 2025-06-28 22:45:05 发布 · 3.8k 阅读

67 ·

CC 4.0 BY-SA版权

文章标签：

#无人驾驶 #计算机视觉 #交通标志牌 #人工智能 #机器人

本文介绍了一个使用OpenCV进行无人驾驶中交通标志检测的项目，通过图像增强、颜色阈值筛选和MSER算法，对交通标志进行检测和形状分类。该项目适用于无GPU设备，提供了GitHub源码和实际效果展示，旨在为他人学习提供参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

无人驾驶--交通标志检测实战（付源码）

前言

前言

做完项目后写了个技术小结，为他人学习提供参考。
另外建了一个无人驾驶方面的微信交流群，有兴趣的朋友可以加我微信：wxl609278502 请注明：姓名-单位/学校
项目描述：
使用opencv实时处理车载摄像机采集的道路图像，检测道路交通标志牌，并对交通标志牌进行形状分类，为下一步的交通标志识别提供检测基础。
此项目使用的传统计算机视觉的方法，针对的是没有GPU设备的项目。相对深度学习的交通标志检测和分类存在鲁棒性不够高的问题。
基于深度学习的交通标志牌的检测和分类会在后续博文中进行整理。
项目代码GitHub地址：https://github.com/xlwang123/Self-Driving_Projects
付几张交通标志检测的效果图：


原图	增强图


阈值处理	几何判断

测试地点：南京

软硬件要求

普通车载记录仪（要求畸变不严重，对于畸变严重的需要进行图片校正）
工控机（带GPU更好，没有GPU也无所谓）
Ubuntu16.04 + opencv3.2

交通标志牌检测流程

基于红黄蓝三色的交通标志牌图像增强
基于颜色筛选感兴趣目标
MSER 最大极值稳定区域
基于几何不变矩的颜色筛选
结果输出

图像增强

基于三色颜色增强算法，对交通标志牌特有的颜色进行增强，非交通标志牌的颜色进行抑制。

def color_enhance(img):
    height = img.shape[0]
    weight = img.shape[1]
    channels = img.shape[2]
    print("weight : %s, height : %s, channel : %s" % (weight, height, channels))
    for row in range(height):
        for col in range(weight):
            r = img[row, col, 0]
            g = img[row, col, 1]
            b = img[row, col, 2]
            if ((r > 100) & (g > 100) & (b > 100)) | ((abs(r - b) < 25) & (abs(r - g) < 25) & (abs(g - b) < 25) | (
                    (b > g) & (b > r) & (r < g) & (r > 2 * b))):
                img[row, col, :] = 0
            if (2 * (r - g) < (r - b)) & (b > g) & (r > b):
                img[row, col, :] = 0
    return img

颜色增强效果前后对比如图所示：


增强前	增强后

颜色阈值筛选

基于红色、黄色、蓝色的HSV阈值进行交通标志的筛选。

def color_select(img):
    lower_blue = np.array([100,40,40])
    upper_blue = np.array([130,255,255])
    lower_yellow = np.array([15,55,55])
    upper_yellow = np.array([50,255,255])
    lower_red1 = np.array([0, 43, 46])
    upper_red1 = np.array([10, 255, 255])
    lower_red2 = np.array([156, 43, 46])
    upper_red2 = np.array([180, 255, 255])
    hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
    mask_blue = cv2.inRange(hsv, lower_blue, upper_blue)
    mask_yellow = cv2.inRange(hsv, lower_yellow, upper