智能驾驶和无人驾驶技术是汽车的重要发展方向,车辆的交通环境感知技术不可或缺,而红绿灯的自动检测与识别是环境感知的重要组成之一。此外,红绿灯自动识别技术还可以应用到其它领域,例如可为色盲、色弱患者的路口通行提供辅助决策等。根据所采用的技术方案不同,现有红绿灯识别方案主要分为基于车路通信、基于周边车辆状态感知、基于GPS导航和基于车载视觉四大类。虽然多方案融合是未来红绿灯自动识别技术发展的趋势,但是车载视觉方案稳定性好、成本低,基于车载视觉的红绿灯识别技术仍是学术界和企业界研究的热点。传统的红绿灯检测算法多使用单帧静态图像进行检测与识别,在复杂交通场景下可靠性有待提高。为此,本文将在优化传统检测方法的基础上引入图像的时域信息,重点解决复杂交通场景、高干扰情况下的红绿灯检测与识别,提高红绿灯自动识别算法的准确性和抗干扰能力。本文主要工作和研究成果如下:(1)实车采集红绿灯视频,录制了54段车辆行经红绿灯路口时的红绿灯视频,采集路线交通复杂,干扰物多样,采集天气包括日间、夜间和阴雨天,实验数据具有代表性,数据经后期处理,最终构建研究所需的检测图像数据库、识别算法训练集和测试集。(2)针对夜间交通红绿灯图像呈现光晕的问题,本文提出了包围零点筛选法去光晕,优化夜间红绿灯特征的提取;针对背板信息使用场景的局限性,在形状过滤的基础上,引入红绿灯尺度分布和位置分布特征,使用空域分布特征进一步过滤伪红绿灯区域。(3)基于红绿灯在时域中的亮暗转换规律,首先提出红绿灯时域亮暗转换曲线生成与自动更新算法,用于描述红绿灯在时间窗K内的亮暗变化特征。在此基础上提出时空联合的红绿灯动态检测算法,通过与传统基于静态特征的检测算法对比实验,验证了时空联合的动态检测算法的可靠性。(4)为了获得待定区域红绿灯的类型进而理解指示语义,本文测试了基于HOG特征和SVM分类器的红绿灯识别方法,然后提出了基于前景投影直方图特征的红绿灯识别算法,通过实验对比两者在识别率上不相上下,但后者实时性更好,符合本文对实时性的要求。最后设计语义编码规则,利用识别的结果,查阅语义映射表得到指示语义。(5)本文借助C++编程验证以上算法,借助qt5平台完成软件界面的开发,最终基于Linux平台和树莓派(Raspberry Pi)完成了系统样机的试制。经实验测试,软硬件系统各模块工作正常,检测和识别效果稳定。