中文摘要：

交通环境视觉感知要素图就是用道路标线、交通标志等基元对交通环境的一种表示技术。借助生理心理学、数学等领域的研究成果建立交通环境视觉感知要素图提取的计算模型，具有重要的理论意义。同时，交通环境视觉感知要素图在交通环境检测、目标识别以及无人驾驶车辆的运动控制方面具有广阔的应用前景。 本项目以交通环境视觉感知信息为研究对象，通过对其特征的分析，学习交通环境视觉感知的基元，构建交通环境基元库；利用构建的基元库，根据视觉感知图像的内容，建立交通环境要素的提取、表达以及描述的数学模型；研究基于Markov逻辑网的交通环境视觉感知要素关系模型的建立方法，设计快速、高效的要素关系模型的推理算法和参数学习算法；建立交通环境视觉感知要素图提取的计算模型和基于要素图的车辆安全行驶的决策模型，设计模型求解算法，提取交通环境视觉感知要素图，给出车辆行驶的决策，为智能车辆视觉导航提供理论保证和技术支撑。

结论摘要：

本项目以交通环境视觉感知信息为研究对象，围绕重大研究计划中总体目标而展开研究，与重大研究计划中总体目标一致，具体表现在利用小波域隐Markov树模型和轮廓波理论分别对交通场景图像进行学习，得到能够很好表示结构信息的图像基元，构建了交通环境基元库; 提出了一种思路新颖、运算简单的基于正交表的图像特征检测算法，以此可以提取交通要素；提出了基于分数阶微分的图像特征提取算法，包括融合多方向CRONE算子的图像特征提取和基于S+Z型曲线的分数阶微分特征检测模板的构造，在提取特征过程中充分利用图像像素间的邻域信息，可以得到图像中目标的细节特征；给出了基于IPM的交通场景要素图提取方法，提取的要素图可以有效地表现交通场景里的车道线、车辆、行人、障碍物等重要信息，消除道路边界外的树木、建筑物等非交通场景信息；研究了多特征融合的前方车辆检测方法和基于ISODATA聚类的词汇树图像检索方法，为快速、准确的从众多的交通要素（如车辆、行人等）中查找出需要的交通要素提供了技术支持；提出了基于Retinex的图像增强算法，可用于雾天图像去雾，提高雾天环境下交通要素提取的准确率；探讨了稠密立体匹配算法，结合SIFT特征提取、EMD算法和基于窗口的匹配技术的优势，提出了一种稠密立体匹配算法。首先，给出一种结合SIFT和EMD的特征检测算法，以此提取图像的特征点，通过特征匹配方法和外极线约束得到更精确的匹配点对，用以估计初始的视差搜索范围；其次，使用改进的基于窗口的匹配技术获取稠密的视差图。改进的基于窗口匹配技术包括新的块匹配策略，修正的匹配代价函数，改进的视差可信度函数以及加权的能量函数。通过视差计算交通场景各要素间的距离和位置关系，估计场景中各要素的关系和车辆的运动状态，为车辆安全行驶提供决策依据。 交通环境视觉感知要素图提取的计算模型研究，对于提取交通要素，确定各要素间的位置关系，计算车辆与车辆、车辆与行人以及车辆与障碍物间的距离，理解交通场景的瞬时状态具有重要的理论意义和实际价值。本项目的相关研究成果，可用于交通环境异常场景检测与理解、恶劣天气条件下交通场景的要素识别与跟踪、交通要素关系的分析和理解以及无人驾驶车辆的运动控制，为无人驾驶车辆的安全行驶提供决策依据和技术支撑。