针对在道路导向箭头的检测和识别中支持向量机(SVM)多分类器的识别效率下降的问题,提出一种利用简单二分类SVM通过对结果的自定义二进制编码实现导向箭头多分类的方法。对导向箭头感兴趣区域(ROI)图像进行Harris角点粗检测,利用改进FAST-9(Features from accelerated segment test-9)算法对伪角点进行筛选,根据最终获取的角点集合中纵坐标最大的两个角点位置分割图像获得待识别区域;再利用几何不变矩特征训练SVM分类器;对分类结果进行二进制编码,从而实现单一种类SVM下多种导向箭头的分类。算法在实拍获取的500帧图像中进行测试,识别率优于96.8%。结果表明:所提算法不需逆透视变换,利用一种SVM二分类器即可实现导向箭头的识别,有效提高了导向箭头识别的准确率和运行效率。

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题, 提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像, 然后对展开图像进行不同相位角的Gabor滤波处理, 快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中, 只对处于该区间内的边缘点进行非极大值抑制及进一步处理, 实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试, 识别率优于94.2%。结果表明所提算法不易受复杂环境影响, 可用性强, 有效地提高了车道偏离预警系统的实时性与稳定性。