李军　崔盼

摘要：本文基于谷歌地球将交通标志在其上进行标记，并进行保存与测试。结果表明，本文采用的交通标志识别方法能有效的识别分类交通标志，而基于谷歌地图的农村公路交通标志标记，准确性高，对道路使用者起到提醒作用，有效的提升农村公路通行能力。

关键词：农村公路;交通标志;识别;谷歌地图;标记

中图分类号：F542 文献标识码：A 文章编号：1007-9416（2019）03-0092-02

0 引言

交通标志承载着重要的驾驶信息，忽略这些重要的驾驶信息会给驾驶员带来潜在的驾驶危险。因此，提醒驾驶员驾驶路段的基本信息至关重要。上世纪90年代末日本最先开始对交通标志检测进行研究，而后欧美等国基于几何特征和颜色特征对交通标志检测方法开展研究。在2000年，日本大阪大学第一个开发出实时交通标志识别系统;在第二年，美国Wisconsin-Madison大学开发出了停止标志识别系统[1];Ghisio等人提出的识别流程分为三个阶段：颜色分割、形状检测和神经网络方法进行分类，通过使用RGB颜色空间来减少处理的时间[2];

上述研究多基于城市的道路交通标志的识别与标记，而对农村的道路交通标志的识别与标记研究较少。因此，本文介绍了基于谷歌地图的农村公路交通标志标记，更好地满足驾驶员对农村路段的需求。

1 交通标志的标记

前期研究中，作者是先对交通图像进行采集并进行预处理，然后使用计算机图像识别技术来获取正确的识别信息的，这种识别方法只能在驾驶员驾车驶入该路段才能实时进行识别该路段的交通标志，但是如果把交通标志信息标志在地图上，驾驶员就可以在未驾驶的时候可以了解到该路段的基本路况，提前做好准备，有效地降低了交通事故发生率。鉴于当前城市的道路交通标志在地图上都有标记，而农村的道路很少标记。因此，下文基于谷歌地球将农村路段用交通标志符号在地图上进行标记，以期满足驾驶员对农村路段的需求。

1.1 谷歌地球简介

谷歌地球（Google Earth）是由美国谷歌公司开发设计的以地球为模型并且虚拟地球仪的一款软件，它主要是将航空照片、卫星影像与GIS的属性信息安放在三维的虚拟地球模型上，将这些数据进行整合，使地图数据信息十分详尽[9-10]。据研究，谷歌地球上全球地貌影像上的真实分辨率不小于100米，但是在中国大陆的分辨率却是30米，该视角的海拔高度大约是15km。但对特殊的地区，比如大城市、各种园区或者大型建筑区会提供较高的分辨率图像，可达到1米甚至0.5米，而视角高度降低至500米甚至350米。谷歌公司对谷歌地球上的图像信息进行实时更新，使用者能够快速、有效地在地图上寻找目标区域，对最新的地图信息进行免费、快捷查询。但是，谷歌地球的功能还没有被完善，比如不能像GPS技术那样进行导航、准确定位和追踪等功能。

目前，谷歌地球是最能体现数字地球的概念，并且还是拥有人性化与实用化的地球信息系统。它的主要优点是：功能强大、性能良好与免费的数据资源丰富等。通过谷歌地球提供应用程序接口—GE COM API，这样设计人员就可以应用谷歌地球的数据进行二次开发，为谷歌地球的应用奠定了基础。文中用到的谷歌地球界面如图1所示。

1.2 标记方法理论

本文开展的谷歌地球上进行标记，具体原理图如图2所示。

具体的操作步骤如下：（1）在谷歌地球上缩小范围找到目标农村路段;（2）提取出目标路段的交通标志并標明各个标志的大致位置;（3）计算各个交通标志在研究总路段的具体比例;（4）确定交通标志的最终位置并进行标记。

文中选取的路段起点是黄碾村，终点是长钢大街，如图8所示。该路段全长7.87公里，横跨7个农村，共有交通标志10个（其中禁令标志2个，指示标志4个，警告标志4个）。选取的路段如图3所示。

将谷歌地球上的目标路段缩小范围，根据标志牌在各个农村的具体位置，把这10个标志逐个标上去，这样能够更加准确地进行标记。由于目标路段较长，因此，分为两段进行标记，具体如图4所示。

2 结语

本文研究了基于谷歌地图的农村公路交通标志标记。结果表明，根据标记方法和原理图，通过具体的计算比例，把路段的每个交通标志标记在谷歌地球上，并进行保存并推广，是道路使用者对该路段有正确了解，有效减少了潜在的违章现象。

参考文献

[1] Liu H X，Ran B. Vision-based stop sign detection and recognition system for intelligent vehicles[J]. Transportation Research Record：Journal of the Transportation Research Board，2001，1748（1）：161-166.

[2] Broggi A，Cerri P，Medici P，et al. Real time road signs recognition[C]. Intelligent Vehicles Symposium，2007 IEEE.IEEE，2007：981-986.

[3] Gareth Loy，Alexander Zelinsky. Computer Vision — ECCV 2002[M]. Spring-er Berlin Heidelberg：2002.

[4] 郁梅，郁伯康.基于彩色图像的指示标志检测[J].计算机工程与应用，2000（04）：165-168.

[5] 郑义，蒋刚毅.形状的几何特征数值描述与交通标志的识别[J].信息与控制，1997（01）：74-81.

[6] 王坤明，杨斐，许忠仁.基于神经网络的交通标志识别方法[J].抚顺石油学院学报，2003（01）：76-79.

[7] 秦飛.交通标志实时检测与识别技术研究[D].重庆：重庆大学，2011.

[8] 陈亦欣，叶锋，肖锋，李庆楠.基于HSV空间和形状特征的交通标志检测识别研究[J].江汉大学学报（自然科学版），2016（02）：119-125.

[9] 王磊.谷歌地球在铁路工程地质测绘中的应用[J].资源环境与工程，2015（04）：476-479.

[10] 吕宣.谷歌地球在无线通信测量中的应用[J].通讯世界，2014（22）：26-27.

Traffic Sign Marking of Rural Highway Based on Google Map

LI Jun1，CUI Pan2

（1.Zhongxing Telecommunication Equipment Corporation，Shanghai  201203;

2.College of Mechanical and Transportation，Xinjiang Agricultural University，Urumqi  Xinjiang  830052）

Abstract：Based on Google Earth， traffic signs are marked， saved and tested. The results show that the traffic sign recognition method adopted in this paper can effectively identify and classify traffic signs. The traffic signs of Rural Highways Based on Google Maps are of high accuracy， which serves as a reminder to road users and effectively improves the traffic capacity of rural highways.

Key words：rural roads; traffic signs; recognition; Google Maps; markers