城市轻轨系统作为城市交通系统的重要组成部分,其建立缓解了城市内部客运压力,弥补了巴士等公共交通工具的不足,近年来在全球范围内再次逐渐成为新兴的城市公共交通工具。目前,城市轻轨系统大多采用“共享路权”与“人工控制”的方式运行,智能化的列车辅助驾驶系统是未来轻轨交通系统的发展方向。列车定位系统作为智能化辅助驾驶系统中的重要组成部分之一,其提供列车位置信息的准确性直接影响列车行驶与调度的安全性与有效性,研究高精度的轻轨实时定位技术有着重要意义。基于视觉信息的定位作为一种新兴的定位方法,因其不依赖特殊传感器且安装门槛低、维护成本低、不易受外界信号干扰等优势,被广泛应用于车辆以及机器人的定位与导航系统中。其原理是将摄像机拍摄的视觉信息转化为地图信息,通过场景匹配方法实现当前视觉信息与历史参考信息的最优匹配,进而获取当前的位置信息。目前基于视觉的轻轨定位仍存有许多问题亟待解决,本课题针对城市轻轨定位的特点以及问题,结合实时性、高精度、维护成本低、可拓展性等实际需求,研究基于视觉信息的高精度轻轨实时定位系统关键技术,从场景特征提取、场景特征区域检测、场景特征描述以基于场景匹配的定位等关键技术入手,设计开发了面向轻轨辅助驾驶的高精度实时定位系统,以期提高轻轨系统的运行效率与安全性。主要研究内容如下:(1)提出了一种基于Haar小波的旋转与尺度不变的图像二值化特征描述方法。针对目前基于像素灰度二值化以及局部梯度二值化的图像特征对图像旋转、光照、模糊以及缩放等鲁棒性不足的问题,该方法首先计算特征描述区域内的Haar小波响应,利用随机生成的二值化采样模式提取图像局部二值化特征,选取重心向量方向归一化特征区域,并以多尺度Haar小波算子计算不同尺度下的特征向量以保证图像特征的方向尺度不变性。实验证明,基于该算法提取出的图像二值化特征描述符在特征点匹配中明显优于其他特征描述算法,显著提高了二值化图像局部描述的可区分性,对于图像发生模糊、降质、视角以及光照等变化具有较高的匹配精度和速度。(2)提出了一种基于区域显著性的无监督场景特征区域检测与关键帧提取方法。针对轻轨视频序列场景图像中存在大量来自无用区域、光照、视角、遮挡等干扰的问题,该方法通过设计一种显著性分数用以衡量场景内像素的显著性,采用一种相对阈值算法提取出高帧率视频中最能够代表当前场景的特征区域,极大减少了在线场景匹配时场景特征提取与匹配的运算量。为解决不同路段但场景内容相似的问题,基于区域显著性分数提取参考序列的关键帧,为场景跟踪提供合适的检索窗口,以避免因相似场景造成的较大跟踪定位误差。实验证明,该方法在显著缩短场景匹配运算时间的同时,有效提高了场景匹配的精度。(3)提出了一种基于特征显著性分数与相关系数的场景特征快速提取方法。针对高帧率轻轨视频序列中连续场景相似度高而难以区分的问题,该方法在图像特征区域内建立像素对集合,通过定义一种显著性分数计算方式,分析衡量像素对集合中所有像素对在场景特征描述中的贡献。为减少生成的二值化描述符中的冗余信息,基于显著性分数,使用贪婪算法筛选出像素对集合中相关性较低的像素对,以提高场景描述符对场景的描述力。实验证明,基于该方法提取的场景特征描述符,能够在高帧率视频中区分具有极高相似度的场景图像,实现对轻轨车辆的高精度实时定位。(4)提出了一种基于全局-局部场景特征与关键帧检索的高精度轻轨实时定位方法。针对轻轨视频序列中因车站等具有相似外观的场景给定位带来的干扰,以及高帧率下连续场景相似度高的问题,该方法在以上提出的特征区域检测、关键帧提取以及场景特征提取方法的基础上,结合一种关键帧检索策略,使用基于全局-局部场景特征和SeqSLAM的场景匹配方法,实现了面向轻轨的高精度实时定位。最终设计实现了一种基于视觉信息的高精度轻轨实时定位系统。实验表明,该系统能够在高帧率视频中实现轻轨的精确定位,并且在场景大面积遮挡等极端情况中依旧保持较高的匹配准确度,在满足了轻轨系统高精度定位的同时,显著提高了定位的实时性。