（通信与信息系统专业论文）基于机器视觉的道路检测跟踪系统研究.pdf

中文摘要 摘要：基于机器视觉的智能导航系统是智能交通系统的组成部分，是智能车辆导 航系统的一项关键技术，而道路图像检测跟踪系统又是智能导航系统中的重点部 分，本文针对智能车辆视觉导航系统研究了基于机器视觉的图像处理和分析的道 路检测和跟踪算法。 论文介绍了智能交通系统的研究背景、研究意义、当今国内外的发展现状、 发展趋势和难点；介绍了实现道路检测算法所采用的计算机视觉理论和方法。 本文利用视觉传感器( 摄像机) 采集道路图像，主要利用v i r t u a lc + + 对算法进行 仿真。在图像滤波和增强处理方面，经过试验效果对比，特别是通过对比在对图 像加入噪声模拟气候条件不好的情况下，发现采用中值滤波效果好、速度快，滤 波后边缘也比较清晰，利于以后的继续处理。在图像边缘检测中，通过仿真实验 比较，本文利用s o b e l 算子，它的优点是方法简单、计算量小、处理速度快，并且 所得的边缘光滑、连续、误差率低，而且s o b e l 算子对噪声条件下的图像检测效果 比较令人满意，受到噪声影响小，检测结果边缘比较连续，比较适用于道路图像 检测跟踪系统。 在本文中，为了提高系统的实时性和鲁棒性，需要对图像进行二值化，选择 利用对最佳阈值分割方法进行改进，采用迭代方法，提高了算法的抗噪声能力。 为了更好的提取道路图像的车道线，提出了利用基于集合思想的数学形态学， 形态学运算保证了道路区域的封闭性，同时对噪声有很好的滤波作用。对于道路 图像的车道线，本文采用直线道路模型等道路约束条件，利用h o u g h 变换进行直线 特征提取，h o u g h 变换鲁棒性好，抗噪音性能强，且能连接共线短直线。通过直线 参数可以求出车辆相对车道线的位置偏移和角度偏移，接着论文提出利用卡尔曼 滤波对车道线跟踪。论文还提出了针对不同路况同时利用g p s 、红外等异类多传感 器进行信息融合，从而达到利用多个传感器联合导航的优势，提高导航系统的有 效性。 利用采集的实际道路图像对本文提出的算法进行仿真实验，仿真结果表明道 路检测和跟踪算法是可行的和有效的。 本文共有图4 8 幅，参考文献3 4 篇 关键词：机器视觉；图像增强；边缘检测；h o u g h 变换；卡尔曼滤波 分类号：t p 3 9 1 4 a bs t r a c t a b s t r a c t ：i n t e l l i g e n tn a v i g a t i o ns y s t e mb a s e do nm a c h i n ev i s i o ni s ap a r to ft h e i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m s i ti st h ek e yt e c h n i q u eo fi n t e l l i g e n tv e h i c l eg u i d a n c e t h er o a di m a g et r a c k i n gs y s t e mp l a y sa ni m p o r t a n tr o l ei nt h ei n t e l l i g e n tn a v i g a t i o n s y s t e m t h i sp a p e rr e s e a r c h e st h ea l g o r i t h mo fl a n ed e t e c t i o na n dt r a c kf o rt h ev i s u a l i n t e l l i g e n tv e h i c l en a v i g a t i o ns y s t e mb a s e di m a g ep r o c e s s i n ga n da n a l y s i s i nt h i sp a p e r , r e s e a r c hb a c k g r o u n d ，m e a n i n g ，c u r r e n ts t a t u so fi n t e r n a la n dw o r l d ， t r e n da n dd i f f i c u l t i e so ft h ei n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m si sf i r s t l yi n t r o d u c e d t h e nm a c h i n ev i s i o nt h e o r ya n dm e t h o df o rt h er e a l i z a t i o no ft h er o a dd e t e c t i o n a l ei n t r o d u c e d i nt h i sp a p e r , t h ev i s u a ls e n s o r ( c a m e r a ) i su s e dt oc o l l e c tt h er o a d i m a g e s ，a n dv i r t u a lc + + i su s e df o rt h es i m u l a t i o na l g o r i t h m i ni m a g ef i l t e r i n ga n de n h a n c e m e n t ，c o m p a r i n gw i t ht h er e s u l to ft h et r i a l s ， e s p e c i a l l yc o m p a r i n gt h ei m a g e sa f t e ra d d i n gn o i s e t os i m u l a t et h er e a lc l i m a t i c c o n d i t i o n ，i tc a nb ef o u n dt h a tt h ee f f e c to fm e d i a nf i l t e r i n gi sf a s t ，g o o dt ou s e ，a n dt h e e d g ei sc l e a r e rt h e no t h e r s i ti si nf a v o ro ft h ef u t u r et od e a lw i t h i ni m a g ee d g e ，b y s i m u l a t ee x p e r i m e n t s ，t h ep a p e ru s e ss o b e le d g ed e t e c t o r i ti ss i m p l e i t so p e r a t i o n s p e e d i sq u i c ka n d p r o c e s s e sl u b r i c i t ya n ds e r i e s a n d i ta f f e c t sb yt h en o i s es m a l l e r i t i ss u i t a b l ef o rd e t e c t i o no ft h er o a di m a g et r a c k i n gs y s t e m f o rt h er e a lt i m ea n d r o b u s t n e s so fs y s t e m ，t h er o a di m a g em u s tb eb i n a r y b yt h ei m p r o v e m e n to fo p t i c a l t h r e s h o l ds e g m e n t ，i t e r a t i o nm e a ni su s e df o rt h ea d v a n c e m e n to fr e s i s tn o i s e f o rt h e d i s t i l l i n gr o a dl i n eb e t t e r , m a t h e m a t i c a lm o r p h o l o g y b a s e do na s s e m b l ei su s e df o rt h e s e a l i n ga n df i l t e r i n go fr o a d a b o r tt h el i n ei m a g e s ，a st h er e s t r i c t i o nc o n d i t i o no ft h e l i n ea n ds oo n h o u g ht r a n s f o r mi su s e do fd i s t i l l i n gt h el i n e t h er e a lt i m ea n d r o b u s t n e s so fh o u g ht r a n s f o r mi sv e r yg o o d a n di tl i n k st h es h o r tl i n go fo n el i n e b y t h ep a r a m e t e ro fr o a dl i n e ，t h ed e v i a t i o no fs i t ea n da n g l ea r ek n o w nb e t w e e nt h er o a d l i n ea n dv e h i c l e a n dk a l m a nf i l t e ri su s e df o rt r a c k i n gt h er o a dl i n e i nt h i sp a p e r , i ta l s op r o p o s e st h a tu s i n gg p s ，i n f r a r e da n do t h e rh e t e r o g e n e o u s m u l t i s e n s o ri n f o r m a t i o nf u s i o na tt h es a m et i m ef o rd i f f e r e n tr o a d t h ea d v a n t a g eo f u s i n gd i f f e r e n tk i n d so fm u l t i p l es e n s o r si s t h a tc a ni m p r o v et h ee f f e c t i v e n e s so f n a v i g a t i o ns y s t e m s t h ea l g o r i t h mp r o p o s e db yt h ep a p e ra r eu s e dt op r o c e s sa c t u a ll a n ei m a g e ， s i m u l a t e dr e s u l t ss h o wt h a tt h ea l g o r i t h mi sr i g h ta n de f f e c t i v e t h e r ea l e4 8f i g u r e sa n d3 4r e f e r e n c e si nt h i sa r t i c l e k e y w o r d s ：m a c h i n ev i s i o n ；i m a g ee n h a n c e m e n t ；e d g ed e t e c t i o n ；h o u g h t r a n s f o r m ；k a l m a nf i l t e r c l a s s n o ：t p 3 9 1 4 v 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特另j ：o n 以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名：、萄 签字日期： 6 2 v 1 年z 月6 日 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 1 哥 签字日期加f 6 月l6 日 签字隰。彳年多州日 致谢 本论文的工作是在我的导师荆涛教授的悉心指导下完成的。在这里，我首先 要衷心感谢荆涛老师在研究生期间对我的培养、关心与教育。在这近两年的学习 生活中，荆涛老师严谨的治学态度和科学的工作方法给予我极大的影响和帮助。 在课题研究期间，李兴华老师为我创造了良好的实验环境，悉心指导我完成 了实验室的科研工作，并对我的科研工作和论文提出了很多的宝贵意见，在此向 李兴华老师表示衷心的感谢。 在实验室工作及撰写论文期间，李云强、胡卓、孙静等同学，以及张超、张 强等几位工程师对我论文的研究工作给予了热情帮助，在此向他们表达我的感激 之情。 另外，也要感谢我的家人，他们的理解和支持使我能够在学校专心完成我的 学业，也是我前进的最大动力。 1 综述 1 1 课题背景 汽车交通是现代社会的重要标志之一，但随着经济的发展，已在给人们的生 活提供便利的同时也产生了一系列社会和环境问题。有限的土地资源、日益增多 的车辆、出行大幅度增加、车辆速度提高等使交通事故增多、交通拥挤加剧、交 通环境恶化。据美国有关部门预测，到2 0 2 0 年，美国因交通事故造成的经济损失 每年将会超过1 5 0 0 亿美元，而日本东京目前因交通拥堵每年造成的经济损失约为 1 2 3 0 亿美元。解决交通问题的传统办法是修建或扩建道路，但是，随着人口的增 长，城市人均居住面积目益减少，可供修建道路的空间越来越少。同时，交通系 统是一个复杂的综合性系统，单独从道路或车辆的角度来考虑，都将很难解决交 通问题。在这种背景下，把车辆和道路综合起来系统地解决交通问题的思想就油 然而生，这就是智能交通系统( i t s ) 。 智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，简称i t s ) 是目前世界各国交通 运输领域竞相研究和开发的热点。i t s 的含义是指将先进的计算机处理技术、信息 技术、数据通讯传输技术及电子自动控制技术等有效地综合运用于整个交通管理 体系中，将人、路、车有机结合起来，以达到最佳的和谐统一，从而建立起一种 在大范围内、全方位发挥作用的实时、准确、高效的交通运输综合管理系统【l 】。 智能交通系统一般由下六个系统组成： ( 1 ) 先进的交通管理系统a t m s ( a d v a n c e dt r a f f i cm a n a g e m e n ts y s t e m ) ，a t m s 是智能交通系统的基础，是一种主动控制的综合交通管理系统，它将对道路系统 中的交通状况、交通事故、气象情况和交通环境进行实时的监视和管理，根据收 集到的信息，动态交通控制系统将对各道口交通流量状况进行响应，以缓解交通 拥挤。它提供道路管理、公路干线信号控制、交通拥挤预测及消除、车辆行驶路 线选择等功能。a t m s 的技术与服务主要包括系统集成、实时交通监控、意外事故 侦察及消除、网络通信、预测交通模型算法、电子收费等。 ( 2 ) 先进的交通信息系统a t i s ( a d v a n c e dt r a f f i ci n f o r m a t i o ns y s t e m ) ，a t i s 的 技术与服务主要包括系统集成、实时交通和气象信息、车载移动电话接收信息系 统、无线通信技术、车辆定位及行车路线规划、路由引导系统及选择最佳路径的 电子地图、网络通信、直观的用户界面等。它建立在完善的信息网络基础上，向 旅行者提供不断更新的交通状况信息。旅行者可以通过装备在道路上、车上、换 乘站上、停车场上以及气象中心的传感器和传输设备，向交通信息中心提供各处 的交通信息，系统得到这些信息并通过处理后，实时向旅行者提供道路交通信息、 公共交通信息、换乘信息、交通气象信息、停车场信息、事故信息、天气信息、 最佳行驶路线、最佳行车时速建议、道路限制等以及与出行相关的其他信息。同 时旅行者可以通过信息标识、交通电台、蜂窝电话和车载计算机等在路途中接收 这些信息，也可以在固定场所如信息站点、办公室和家中，通过计算机、交互电 视等获取实时交通信息。 ( 3 ) 先进的公共交通系统a p t s ( a d v a n c e dp u b l i ct r a n s p o r t a t i o ns y s t e m ) ，包括公 共交通车辆定位系统、客运量自动检测系统、行驶信息诱导系统、自动调度系统、 公交计费系统、视野支持系统和旅客服务系统等。它的主要目的是改善公共交通 的效率，提供便捷、经济、运量大的公交系统。a p t s 的研究集中于使公共运输更 有效和可靠。a p t s 的技术与服务包括a t m s 中的信息服务、a t i s 中的旅行路线 规划、自动收费及自动车辆定位与跟踪等。 ( 4 ) 先进的车辆控制系统a v c s ( a d v a n c e dv e h i c l ec o n t r o ls y s t e m ) ，是对车辆本 身而言的，主要由车辆辅助安全驾驶系统和自动驾驶系统两部分组成。a v c s 通过 改进驾驶方式来提高行车安全。如通过障碍物( 包括其它车辆) 检测和车道检测提醒 司机以避免车辆碰撞等事故，或根据检测的路面状态参数直接对车辆进行自动控 制。 ( 5 ) 、先进的电子收费系统a e t c s ( a d v a n c e de l e c t r o n i ct o l lc o l l e c t i o ns y s t e m ) 包括电子自动收费设备、小停车自动收费系统、停车引导和收费系统。即通过电 子卡自动完成行驶或进出停车场车辆的收费，实现地面交通费用收缴的自动化， 从而减少停车延误，提高运营效率。 ( 6 ) 紧急事件管理与救援系统e a m s s ( e m e r g e n ta f f a i rm a n a g e m e n ta n ds u c c o r s y s t e m ) ，是一个特殊的系统，它的基础是a t m s ，a t i s 和有关的救援机构，通 过a t m s 和a t i s 将交通监控中心、交通警察、道路养护管理机构、职业的救援机 构及灾害处置管理中心等联成有机的整体，为道路使用者提供现场紧急处置、拖 车、现场救护、排除事故车辆等服务 2 】【3 】【4 】。 1 2 国内外研究现状 随着i t s 体系的建立、发展和完善，各发达国家都加强了智能车辆技术的应 用研究。经过3 0 年的发展，美国、欧洲、日本成为世界i t s 研究的三大基地。目 前，另外一些国家和地区的i t s 研究也有相当大的规模，如澳大利亚、韩国、新加 坡、香港等。可以说，全球正在形成一个新的i t s 产业，难易计数的大小项目正在 开展，发展规模和速度惊人，以“保障安全、提高效益、改善环境、节约能源” 2 为目标的i t s 概念正逐步在全球形成。 美国自动化的交通管理水平以前是落后于欧洲与日本的，由于美国土地资源 相对比较丰富，因此相当一段时间内是靠修路来解决交通拥堵问题。但近年来美 国逐渐重视i t s 的发展。因此，1 9 9 1 年美国国会通过了“综合地面运输效率方案 ( i s t e a ) ，旨在利用高新技术和合理的交通分配提高整个网络的效率。目前，美国 在智能公共交通领域已建立起相对完善的车队管理、公交出行信息、电子收费和 交通需求管理技术等四大系统及多个子系统及技术规范标准。 近年来，日本的智能交通发展也是相当迅速，推出的车载塞车预测系统，装 置有预测系统的车辆经过某一区间时，信息中心会收集其通过这一区间所需时间， 从而减少城市塞车的时间。此外，日本还投入了1 5 亿日元开发了全国公路电子地 图系统，打开了车辆电子导航市场。 欧盟对i t s 的研究、开发也不甘落后，组成了欧洲道路运输信息技术实施组 织( e r t i c o ) ，总开发投入5 0 亿美元，实施智能道路和车载设备的研究发展计划。 目前欧洲的智能交通处在国际领先水平，至今已有相当一部分的研究成果投入到 实际的应用当中。 2 0 世纪9 0 年代以来，中国经济进入高速发展的时期，交通需求越来越高，因 此智能交通系统在我国的实施势在必行。智能交通系统的研究和推进在我国还处 于起步阶段，但i t s 作为新世纪经济增长点和交通系统建设必然选择的重要性已 得到国家相关部门的高度重视。 近几年来，i t s 在中国有了长足的发展。1 9 9 7 年在北京召开了智能交通系统 发展趋势国际学术研讨会。1 9 9 8 年交通部正式批准成立了i s o t c 2 0 4 中国委员会， 进行中国智能运输系统标准体系框架的研究，为国家制定道路交通运输的发展和 政策提供科学依据。在1 9 9 9 年，组织成立了全国智能交通系统( i t s ) 协调小组，为 推动交通系统的智能化发展提供了组织机制保障。此外，在2 0 0 0 年完成了中国i t s 体系框架研究和标准规范的制定。2 0 0 7 年，第十四届以i t s 为专题的国际大会定 于在北京召开，这将进一步促进我国i t s 学术研究的发膨l 】【2 】。 近年来，基于机器视觉的车辆辅助驾驶系统成为研究的热门，该系统采用图 像处理和计算机视觉技术检测道路路面、交通标志、其他车辆、行人以及交通事 故等道路环境状况，以保证车辆以安全的车距和合适的车速行驶在正确的车道上， 并能对一些异常状况进行及时处理。如何实现快速准确地从车载传感器获取的视 频图像中检测到车道和前方的障碍物是实现这类系统面临的关键问题。 过去的1 0 多年里，有些国家已经成功开发了一些基于视觉的道路识别和跟踪 系统。其中，具有代表性的系统有：由美国密歇根州立大学人工智能实验室开发 的l o i s 系统；由意大利帕尔玛大学开发的g o l d 系统；由美国卡内基梅隆大学机 器人学院开发研究的r a l p h 系统；由美国卡内基梅隆大学机器入学院n a v l a b 实验 室和v i s i o n & a u t o n o m o u ss y s t e m sc e n t e r ( v a s c ) 联合开发的s c a r f 系统和 a l v i n n 系统。 我国在该领域的研究起步比较晚，与发达国家有一定的差距，但发展速度较 快。例如，我国清华大学智能技术与系统国家重点实验室研制的智能车t h m r 系列， 其车道线自动跟踪时平均速度可达l o o k m h ，最高速度可达1 5 0 k m h 以上，在速度 上已经接近国际上的先进水平，在图像处理、控制算法等方面也取得了一定的技 术突破；吉林工业大学的研制的j u t 系列智能汽车模型车，以王荣本教授为代表， 由国家自然科学基金项目、教育部博士基金项目，教育部科学技术研究重点项目 资助，其道路检测方法为用最大方差设定阈值提取道路边缘，然后利用线性模型 确定道路轨迹线，并进一步利用多传感器信息融合技术、人工智能、最优控制理 论深入开发非结构道路环境下的路径识别与跟踪、安全车距保持、换道超车等机 理与关键技术，总体研究开发具有世界先进水平，在国内处于领先地位。 1 3 基于机器视觉的道路检测及研究意义 随着中国公路交通基础设施的逐渐完善和私人汽车数量的增加，道路交通事 故造成的生命和财产损失越来越引起人们的关注。据公安部道路交通管理局对各 类交通事故以及事故伤亡人数统计，驾驶员超速行驶、占道行驶、无证驾驶、酒 后驾驶、疲劳驾驶是造成交通死亡事故的主要原因，因此减少由于驾驶员人为因 素造成的交通事故成为交通管理工作的重中之重。因此，一方面需要加强驾驶员 对交通法规的学习，提高自身的素质；另一方面，必须在技术上采取相应的措施 加以限制、预防和警告驾驶员危险的发生。 中华人民共和国道路交通管理条例规定机动车必须在机动车道内行驶， 假若车辆经常压道路标志线行驶或不时穿越道路标志线，一方面存在大量的安全 隐患，另一方面表征驾驶员处于非正常工作状态( 如疲劳驾驶、酒后驾驶等) p j 。 人类获取视觉信息是通过眼睛来完成的，并通过大脑来处理和理解信息。所 以说视觉是人类获取信息、认识世界的重要途径。但是，受生理因素和自然条件 的限制，人们在获取视觉信息上有很大的局限性，甚至无法观测某些信息。因此， 为了扩展人类视觉，人类一直试图利用各种技术手段来模拟人眼与人脑来记录和 存储自然界丰富的视觉信息。随着科技发展，摄像机可以将视觉信息以视频信号 的形式进行记录与传输，但是，摄像机只能作为一种视觉信息的采集与传输设备， 而人们获取视觉信息的目的是通过对获取信息的分析来理解信息中所表达的内容 含义，从而便于做出反应与决定。而摄像机并不能自动对所拍摄的信息内容进行 4 理解和分析。但是，随着计算机技术与信息技术的发展，图像处理、模式识别以 及人工智能的研究有了突飞猛进的进展，人们可以用摄像机获取场景中物体的图 像，并将其转换为数字信号，再利用计算机实现信息处理，来实现人类视觉真正 意义上的扩展【5 1 。 机器视觉具有检测信息量大，能够遥测的特点，非常适合用于路径的识别与 跟踪，因此是智能车辆导航研究中的一个重要方向。在实际生活中，驾驶员通过 视觉可以获得大量的环境信息，例如交通标志、交通信号、车道线、道路形状、 车辆、道路标记、障碍物等，但是由于人类生理上的限制，无法保证能过及时获 取以经济完全处理这些信息，此时可以考虑应用机器视觉来分析理解道路环境。 现实中，一个真正具有应用价值的道路检测系统必须同时具备实时性、鲁棒 性、实用性这3 方面。实时性是指系统的数据处理必须能够与车辆的高速行驶同步； 鲁棒性是指智能系统对不同的道路环境，如高速公路、市区标准公路、普通公路 等，复杂的路面环境，如路面及车道线的宽度、颜色、纹理、动态随机障碍与车 流等，以及变化的气候条件，如日照及景物阴影、黄昏与夜晚、阴天与雨雪等均 具有良好的适应性；实用性是指要求其在体积与成本等方面能够为普通用户所接 受。 随着技术的不断发展，目前的计算机硬件水平性能有了显著的提高，为实时 图像处理提供了可能。图像处理算法的发展提高了其适应能力。因此视觉导航在 车辆智能导航中的应用前景广阔。 基于图像处理的计算机视觉技术通过摄像机获取外界景物图像，并利用计算 机对图形进行处理，以模拟人的视觉功能。该技术广泛有效的应用在交通管理中。 图像处理技术在i t s 中的应用大致可以分成两类：车载处理系统( o n - b o a r d p r o c e s s i n gs y s t e m s ) 和路边处理系统( r o a d s i d ep r o c e s s i n gs y s t e m s ) 。 路边处理系统是指摄像机固定于道路两旁，检测收集交通流量、车速、路况 等有关实时交通状况信息的系统。 本课题的主要内容是通过图像检测技术来获取、分析和理解道路环境并对此 做出反应。一般来说，想要保证交通安全就需要车辆在道路中安全规范的行驶， 就需要知道车辆与道路的关系和道路环境信息。其中车辆与道路的关系包括车辆 自身的速度、车辆行驶的方向、车辆相对道路的位置等，道路环境信息包括道路 中障碍物的位置、尺寸及障碍物的速度、前方道路的延伸方向等信息，进而判断 出车辆驶出道路区域的可能性以及是否需要躲避障碍物。考虑到时间和课题的实 际准备情况，本文重点研究道路检测和跟踪技术。 由于图像的信息含量极为丰富，可进行多车道检测，信息获取面积大，可同 时实现道路检测和障碍物识别，维护费用比较低。如果在图像识别算法上取得突 5 破，就可以减少整个系统的运算时间，同时可以提高道路检测的正确率，所以利 用图像处理来理解道路环境是一个很有前途的研究方向。但他也有其自身的缺点， 例如易受天气情况影响及光线等因素制约，所需的图像计算量比较大等。 道路检测跟踪系统之所以能成为智能交通方向的一个研究热点，是由于在现 代生活中，该系统的作用越来越明显，需求更加广泛，系统研究具有重要的理论 意义和实际应用价值。 首先，基于道路检测技术的驾驶员辅助驾驶系统或预警系统，可以减轻驾驶 员的压力和疲劳程度，提高行驶的安全性，减少交通事故的发生，提高交通效率。 避免由于驾驶员操作不当引发的事故。 其次，系统还可应用于智能车辆导航中，智能车辆要实现在城市繁忙道路上 完全无人驾驶必须拥有自主导航的能力，道路情况及障碍物检测则是基础，只能 车辆可以跟踪检测出的道路行走，如遇到突发情况，则可以根据检测情况做出决 策，改变自身相对位置，寻找新的路线。而且，该道路检测技术还可以用来提高 智能巡航控制中跟踪引导车辆的精度，使车辆的队列自动驾驶系统更加可靠。 再者，道路检测技术可以和其它技术相结合，这样可以提高系统的性能扩展 系统的功能。例如可以把视觉传感器导航技术和自动驾驶技术相结合用以实现车 辆的自适应巡航，辅助人们把车开得又快又稳、安全可靠；汽车夜间行驶时，如 果装上红外摄像头，就能实现夜晚的汽车安全辅助驾驶 2 s 】。 随着社会不断发展，系统在工业、商业、科学应用方面会越来越受到人们的 重视。 当人们驾车时，人们所接收的信息几乎全部来自于视觉：交通信号、交通图 案、道路标识等，均可以看作是环境对驾驶员的视觉通讯语言。很显然的，人们 就会考虑到应用计算机视觉来解释这些环境语言。一个真正具有应用价值的智能 车辆系统必须具备实时性、鲁棒性、实用性这3 方面技术特点。实时性是指系统的 数据处理必须与车辆的高速行驶同步进行：鲁棒性是指智能车辆对不同的道路环 境，如高速公路、市区标准公路、普通公路等，复杂的路面环境，如路面及车道 线的宽度、颜色、纹理、动态随机障碍与车流等，以及变化的气候条件，如日照 及景物阴影、黄昏与夜晚、阴天与雨雪等均具有良好的适应性；实用性是指要求 智能车辆在体积与成本等方面能够为普通汽车用户所接受。随着计算机及电子技 术行业迅猛的发展，在硬件条件上，这已经成为可能。 1 4 本文所做的工作 本文根据实际需求，查找论文相关智能交通系统、道路检测算法资料，重点 6 讨论了实现道路检测算法所采用的图像处理以及计算机视觉理论和方法。 文章对基于机器视觉的道路图像检测系统各模块及主要实现步骤进行了研 究，通过对各种相关算法利用v i r t u a lc + + 进行仿真，对比选择各模块处理步骤适宜 算法。在文章中还讨论了如何增强系统实时性、鲁棒性、实用性三大特征以及如 何提高算法的抗噪声能力。 在论文的最后，讨论了系统研究的不足之处以及改进的方向。本文利用采集 的实际道路图像对本文提出的算法进行仿真实验，仿真结果表明道路检测和跟踪 算法是可行的和有效的。 1 5 文章结构 为了便于读者更好地阅读和理解本文，这里简单地介绍一下本文的各个章节 和内容的安排。 第一章介绍了项目的研发背景，介绍了何为智能交通系统以及智能交通系统 的组成；阐述了基于机器视觉的道路检测跟踪系统以及其研究意义；概述了本文 所做工作及研究目的。 第二章介绍了基于机器视觉的道路检测跟踪系统，首先提出设计的总体目标， 根据设计要求介绍了方案的总体设计，并且介绍了系统实现的主要功能以及所涉 及的主要技术。 第三章介绍了道路图像滤波和增强的几种技术和方法实现，讨论了各种方法 适用范围，并给出部分算法实现，针对不同噪声污染图像对比试验结果，选择适 宜算法。 第四章介绍了现有的道路图像边缘检测的各种方法并实现，重点讨论了几种 微分算子边缘提取算法，通过实验结果的对比，根据几种算子队部通噪声污染图 像边缘检测结果和系统的实际需要，选择最合适系统所用方法。 第五章介绍了道路图像检测识别跟踪系统的实际流程，各部分实现的主要算 法及具体方法，对多种道路情况图像进行处理来检测系统的可用性、有效性。 第六章介绍了在本文撰写中所做工作以及系统的不足之处和今后的改进方 向。 7 2 机器视觉检测系统 2 1 引言 机器视觉( m a c h i n ev i s i o n ) 技术就是利用计算机技术、视频图像处理技术以及 模式识别和人工智能知识，对摄像机获取的图像序列进行自动分析，对被监控场 景中的运动目标进行检测，跟踪和识别，描述和判别被监视目标的行为，并在有 异常现象发生的情况下能及时做出反应的智能技术。近些年来，随着技术的发展， 该项技术正逐渐的被用于民用保安，智能交通监控等诸多方面。 2 2 机器视觉及其发展 简单来讲，机器视觉可以理解为给机器加装上视觉装置，或者是加装有视觉 装置的机器。给机器加装视觉装置的目的，是为了使机器具有类似于人类的视觉 功能，从而提高机器的自动化和智能化程度。由于机器视觉涉及到多个学科，给 出一个精确的定义是很困难的，而且在这个问题上见仁见智，各人认识不同。美 国制造工程师协会( s m e ) 机器视觉分会和美国机器人工业协会( r t a ) 自动化视觉分 会关于机器视觉的定义是：“m a c h i n ev i s i o ni st h eu s eo fd e v i c e sf o ro p t i c a l n o n - c o n t a c ts e n s i n gt oa u t o m a t i c a l l yr e c e i v ea n di n t e r p r e ta ni m a g eo far e a ls c e n ei n o r d e rt oo b t a i ni n f o r m a t i o na n d o rc o n t r o lm a c h i n e so rp r o c e s s e s ”译成中文是：“机 器视觉是使用光学器件进行非接触感知，自动获取和解释一个真实场景的图像， 以获取信息和( 或) 控制机器或过程。”目前我国还没有哪个官方协会或组织给出 一个正式的中文定义嘲。 历经多年的发展，特别是近几年的高速发展，机器视觉的概念与含义也不断 丰富，现在机器视觉这个词语，可能是指“机器视觉系统”，“机器视觉产品 “机器视觉行业”等。机器视觉主要涉及到成像元器件( 半导体芯片、光学镜头等) 、 计算机软硬件( 图像增强和分析算法、图像卡、i o 卡等) 、自动控制等各个领域。 将所需要的这些不同技术集成到一起本身也是一门技术，需要各领域技术人员的 参与和合作才能促进机器视觉的快速发展。 8 2 2 1 机器视觉发展动力 机器视觉能够得到蓬勃发展，其动力主要来源于下列几个方面： ( 1 ) 市场需求的牵引 随着科学技术的发展，生产自动化程度不断提高，在生产过程中很多时候必 须使用精度更高、速度更快、分辨率更大，对被测目标干扰更小的机器视觉，来 提高提取信息的速度和精度以达到市场对产品的质量和设备的性能越来越高的要 求。 ( 2 ) 核心技术发展的推动 机器视觉的核心技术“光电图像传感”和“图像处理”技术的发展，给机器 视觉的发展奠定了基础。“图像处理”技术的发展，各种图像处理算法的出现，都 不同程度地推动了机器视觉的快速进步。一个更为重要的因素是图像处理硬件技 术的发展，使得非常复杂的算法也可以在有限的时间内完成，而且价格非常低廉， 为机器视觉的广泛应用提供了前提条件。未来机器视觉的发展，核心技术的推动 作用仍然是关键。 ( 3 ) 人类认知自然本能方式的延伸 人类获取与处理的信息9 0 以上来自于眼睛，“图像采集 可以视为人眼的延 伸，“图像处理”可以视为大脑的延伸，机器视觉以模拟和替代人眼和大脑为目标， 自然而然成为解决智能化的有效技术途径。 ( 4 ) 技术特点形成的优势 机器视觉与其他传统的传感与控制相比较，其获取信息量大，获取信息更为 细致，可以适应危险的工作环境，可以达到人工视觉无法涉及的场所，可以获得 人工视觉无法获取的信息，可以有效降低劳动强度，提高生产效率等优点为广大 用户所青睐，促进了机器视觉的发展【8 】。 2 2 2 机器视觉发展历程与应用趋势 国外机器视觉发展的起点难以准确考证，其大致的发展历程是：2 0 世纪5 0 年 代提出机器视觉概念，2 0 世纪7 0 年代真正开始发展，2 0 世纪8 0 年代进入发展正 轨，2 0 世纪8 0 年代发展趋于成熟，2 0 世纪9 0 年代后高速发展。 国内机器视觉发展的大致历程：真正开始起步是2 0 世纪8 0 年代，2 0 世纪9 0 年代进人发展期，加速发展则是近几年的事情。中国正在成为世界机器视觉发展 最活跃的地区之一其中最主要的原因是中国已经成为全球的加工中心，许许多多 先进生产线已经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际 9 先进水平的机器视觉系统也进人中国。对这些机器视觉系统的维护和提升而产生 的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器 视觉企业的学习与竞争中不断成长。 机器视觉在工业、科学研究、军事和民用领域应用非常广泛。在产品质量检 测、产品分类、机器人定位、汽车工业、半导体材料元器件连接器生产、医疗设 备、电子产品生产、材料分析、生物分析、化学分析、以及航天、航空、测绘等 方面发挥极大作用。 智能交通、安全防范、文字识别、身份验证等方面的应用大大方便了人们的 日常生活。 未来机器视觉的发展将呈现下列趋势： ( 1 ) 技术方面的趋势是数字化、实时化、智能化 图像采集与传输的数字化是机器视觉在技术方面发展的必然趋势。更多的数 字摄像机，更宽的图像数据传输带宽，更高的图像处理速度，以及更先进的图像 处理算法将会推出，将会得到更广泛的应用。这样的技术发展趋势将使机器视觉 系统向着实时性更好和智能程度更高的方向不断发展。 ( 2 ) 产品方面：智能摄像机将会占据市场主要地位 ( 3 ) 市场份额迅速扩大 一方面已经采用机器视觉产品的应用领域，对机器视觉产品的依赖性将更强； 另一方面机器视觉产品将应用到更广泛的领域中去，市场将不断增大。 ( 4 ) 行业方面发展更加迅速 机器视觉行业专业性公司增多，投资和从业人员增加，竞争加剧是机器视觉 行业未来几年的发展趋势，机器视觉行业作为一个新兴的行业将逐步发展成熟， 将越来越越受到人们的重视【8 】【9 1 。 2 2 3 机器视觉技术环节 机器视觉包括3 个技术环节：采像、分析和控制。 采像，即图像采集，是机器视觉系统的基础部分，目的是采集到满足要求的 图像信息。 分析，即图像处理部分，包含图像增强、转换、分析等，是机器视觉系统的 核心部分，按照机器视觉功能的要求，对采集到的图像进行分析处理，然后输出 结果。 控制，即输入与输出控制。包括控制机器视觉系统本身，也包括根据图像处 理与分析的结果，输出信号，驱动相应机构，实现机器视觉系统的功能。 1 0 机器视觉系统的构成一般由上述3 个技术环节进行构建。典型的机器视觉系 统一般包括：光学系统、摄像机、图像采集卡、计算机( 或图像处理系统) 、图像处 理软件、输入与输出控制、执行机构等。其中，光学系统、摄像机、图像采集卡、 计算机属于采像技术环节，计算机( 或图像处理系统) 、图像处理软件属于分析技术 环节，其余属于控制技术环节【5 1 。 2 3 基于机器视觉的道路检测跟踪系统 汽车道路偏离预警装置，其组成一般为一个图像采集装置、一个微处理器、 一个音响报警装置，图像采集装置( 一般为摄像机) 设置在汽车内部可调节支架上， 与微处理器相连，微处理器与车速传感器及音响报警装置相连。摄像机设置在车 身的侧面或车前。报警装置设置在汽车车身内部。汽车在公路行驶时，摄像机采 集道路前方或一侧的标志线的图像信号并传入微处理器，微处理器根据图像信号 判断车身与标志线的距离，同时，车速传感器将车速信号传递到微处理器，由微 处理器计算车身与标志线的距离的变化速度，在变化速度与车速的关系达到设定 值时，和在车身与标志线的距离小于设定值时，触发音响报警装置报警，防止事 故发生。 在车载处理系统中，摄像机被固定在车辆上，系统识别的目标为车道，前方 其他车辆或障碍物，道路旁设立的各种交通标志或交通信号，司机是否处于疲劳 驾驶状态等。其中车道识别是车辆控制系统的基础，与之相关的信息包括车道线、 车辆与车道中心线是否偏离以及偏离程度、道路边界、路面状况( 是否有雨、雪、 结冰等1 。这是本论文研究的重点。 疲劳驾驶是司机发生交通事故的一个重要因素。目前，基于图像处理技术的 疲劳检测通常有两种方法：一是利用人眨眼的频率与疲劳的关系对司机眼部图像 进行处理，来判断其是否处于疲劳状态；另一种方法是利用道路识别技术来检测 车辆行驶状态，来判断司机是否处于疲劳状态，本文所做研究即可用于第二种方 法的疲劳检测。 2 3 1 基于机器视觉的道路检测方法 道路识别与跟踪是目前车用辅助驾驶系统中的重要功能，在现有的车载计算 能力情况下，系统可有效地识别与跟踪道路并通过离线报警系统防止车辆驶出车 道线。系统大致可以分为两个主要模块：车道线检测模块( 道路区域检测) 和车 辆检测与跟踪模块。 概括地说，道路检测方法基本上可归结为两大类方法，类为基于特征的 识别方法，另一类为基于模型的识别方法。 本文综合了基于特征和基于模型的思想，利用道路的边缘特征，使用简单的 直线道路模型，提出了一种适用于结构化道路的算法。 由于摄像机固定在车身上，在道路平整的假设下，图像中的地平线和车窗位 置都基本不变。为减小待处理的图像区域，可以把地平线以外的区域和摄像机视 野中的车窗等无用信息去掉。在安装好摄像机以后，一次性通过摄像机标定来确 定，去掉这些无用信息。 车辆视觉系统中道路检测的硬件部分组成主要有c c d 摄像头、视频采集卡、 工业控制机、监视器等部件。图2 。1 中所示，是车辆视觉系统的硬件组成部分。 本文中为了方便进行道路检测的仿真实验，利用数码相机( 三星f x 5 2 0 ) 代替了 图像采集卡和摄像头来采集道路图像，完成系统的仿真研究。