导盲系统作为保障盲人安全出行的重要手段,主要包括斑马线识别模块、红绿灯定位与识别模块、安全避障模块、语音提醒模块等,通过对盲人外出在道路上行走的场景进行模拟分析,利用图像识别与自监督学习技术对盲人出行过程中遇到的斑马线、红绿灯进行监控与判断,从而为盲人的安全出行提供保障。导盲系统性能的优劣是由其关键算法的强弱决定的,目前随着交通环境越来越复杂,导盲系统在斑马线识别与红绿灯定位识别的过程极易受到类似物的干扰而做出错误判断,不仅如此,越来越多的大雾或雾霾天气也会导致导盲系统斑马线识别模块与红绿灯定位与识别模块的效率和识别度不高。为此,本文基于上述问题对导盲系统的斑马线识别模块与红绿灯定位与识别模块的算法做出进一步研究与改进,并在导盲系统的关键算法中融合基于暗通道的图像降采样去雾算法,为盲人在大雾或雾霾天气下的安全出行加上另一道安全防线。首先,讲述了本文的研究背景以及意义,分析了导盲系统在实际应用中的导盲需求,并对导盲系统、机器视觉以及图像处理技术的研究现状进行简述,对本文研究内容的应用平台做了简单介绍,并对在导盲系统关键算法的研究过程中所涉及的一些理论知识进行简要概述。然后,针对大雾或者雾霾天气下导盲系统对于斑马线与红绿灯的错误识别问题,本文在导盲系统的关键算法中融合了去雾算法,利用暗通道的图像降采样与大气物理雾图形模型实现实时性图像去雾,并分别将基于物理去雾模型的去雾手段与基于图像增强的去雾手段对雾霾天气下的斑马线与红绿灯进行去雾效果性能对比测试,结果表明本文融合的基于暗通道的图像去雾算法对于连续视频帧的图像处理最为自然,实时性较高,综合效果也最好。再者,针对斑马线识别的功能需求,本文对基于模糊图像加速检测的SURF特征匹配算法加以优化,融合了基于KNN的单应性图像矩阵匹配点筛选算法,达到了减少错误匹配的目的,实现了对斑马线的精确、快速识别,经过实验对比分析该算法无论在效率还是在匹配精确度上都具有较好的效果,同时具有较好的鲁棒性。最后,为了解决在复杂交通环境下红绿灯的定位与识别问题,本文研究并实现了基于级联分类器与SVM相结合的定位识别算法,先是利用adaboosting与haar-like特征训练出级联分类器,对数据集进行一层层的判断筛检实现对红绿灯的定位,再依据色彩模型中的颜色特征用SVM分类器对定位区域进行颜色分类识别,通过与其它算法的实验结果对比分析可知,本文研究的基于级联分类器与SVM相结合的自监督学习算法拥有更好的可行性与有效性。本文各模块功能的实现都是在装有Windows10系统的Rasberry Pi 3上进行的。以OpenCV和VS作为系统的开发环境,通过对盲人出行道路场景的模拟进一步对各研究模块的算法性能进行验证与测试,最终实验结果证明,本文研究的三种算法的实时性和准确率基本满足预先设定的功能需要,同时具有较好的鲁棒性,有一定的扩展空间。