随着自动驾驶技术的发展,高精度导航地图的作用越来越明显。但高精度导航地图的更新存在着挑战。以道路交通指路牌更新为例,我国道路总体里程数大,交通指路牌的数量巨大,传统将地图整体更新的方式会产生过高的成本和大量的冗余信息,不能满足高精度导航地图高效、实时更新的要求。需要一种局部检测并更新道路交通指路牌的方法。本文主要利用街景影像检测街道交通指路牌信息变化。针对街景影像中无关变化信息较多,街景影像对往往无法直接匹配,本文先从街景影像中提取交通指路牌,再选择合适的预处理方法处理变化影像对。针对高精度导航地图中交通指路牌数据量大、更新速度快、精度要求高的特点,本文设计了一种能自适应判别阈值的机器学习变化检测方法,相比于传统方法,在提升变化检测精度的同时减少了时间消耗。为了增加检测模型的泛化性及自动化程度,本文设计了另一种有效的变化检测方法。两种算法对光照、天气及影像质量不佳等因素具有很强的抗干扰能力。具体而言,本文研究并开展了以下几个方面的工作:1.针对不同时间采集的街景影像,环境变化复杂,无法实现自动化匹配,本文先利用特定的色彩区间选取交通指路牌,再进行高斯模糊处理,提取出交通指路牌。其中,对于视差及采集器不同而引起的指路牌影像畸变及尺度不相同问题,将影像进行旋转与插值运算,缩放到同一尺寸保存。2.为消除光照差异、采集噪声的影响,本文通过测试三种滤波在不同参数下得到的结果,折衷考虑信噪比及失真度,选择合适的滤波及其参数处理影像,在去除噪声的同时很好地保留影像特征。利用直方图分析影像对的像素值分布状况,比较影像色彩分布范围,分析两期影像对比度与受光照影响的程度,为变化检测参数调整提供数据依据,提升变化检测的精度。3.本文设计了一种基于影像灰度化自适应SVM的交通指路牌变化检测方法。通过构建灰度化指路牌差异影像对,输入SVM模型中进行变化检测。实验表明,该方法大幅度减弱光照条件对变化阈值的干扰,同时减小了数据的复杂度,降低了计算时间成本。形态学算子处理影像,有效抑制了噪声对检测结果的干扰。该方法检测性能较传统的变化检测方法有很大的提升。4.本文设计了一种基于胶囊网络的变化检测算法。该方法先通过SOM聚类,再利用胶囊网络考虑角度、色彩、像素顺序信息的特点,获取变化检测结果。实验表明,该方法表现出较强的泛化性能,提升了二维场景下变化检测的准确性和自动化程度。