（载运工具运用工程专业论文）车辆换道盲区检测技术研究.pdf

江苏大学硕士学位论文 摘要 近年来，随着我国交通运输事业的快速发展，交通事故也更为频 繁和严重。虽然由换道引起的交通事故占到总交通事故的比例很小， 但是由其引起的事故造成的交通延误却占到总交通延误时间的相当 一部分，并且给人民生命、财产都造成了重大损失。作为减少这些交 通事故的手段，车辆辅助安全驾驶技术越来越受到人们的重视。对于 驾驶员而言，当其进行换道操作行为时，在车辆的两侧存在一些无法 观察到的道路图像。本文基于视觉的辅助车辆换道的盲点区域检测系 统在车辆左右侧后视镜的上方安放摄像头拍摄侧后方的道路图像，利 用计算机视觉的方法对道路图像进行处理，检测是否有可能造成威胁 的车辆，以辅助驾驶员进行变换车道的行为。 本文的盲点区域检测系统包括：近侧车道线的检测以及实虚线的 判断、远侧车道线位置的估计、侧方车辆检测、侧方车辆识别、侧方 车辆距离估计、侧方车辆跟踪及车辆相对运动关系分析。 在本车侧后方的道路图像中，对车道线分为近侧、远侧进行研究。 对近侧车道线提取边缘特征点，再通过最小：二乘法拟合的直线作为近 侧车道线。利用已知的道路宽度及摄像头参数以及逆投影变换方法对 远侧车道线的位置进行估计，并由近侧和远侧车道线所划分的区域， 作为侧方车辆的搜寻范围。利用车底阴影和车辆左右垂直边界识别的 车辆边界框，再利用车宽与车道宽的比例，区域灰度水平对称性来验 证边界框内是否属于车辆。为了增加处理速度和正确率，利用连续图 i 江苏大学硕士学位论文 像的信息，对已检测到的车辆边界框进行跟踪。利用前几帧图像中车 辆边界框的中心位置，预测车辆在下一帧图像中的位置，并用固定比 例来扩大出一个跟踪范围，并比较新的追踪区域与检测区域的灰度差 异程度，以判断是否属于同一辆车。如果符合条件，则利用新检测到 的边界框更新要跟踪的车辆边界框，并继续跟踪和记录车辆中心位置 在连续图像中的移动向量，当侧方车辆逐渐接近本车的时候，系统将 在驾驶员进行换道行为时进行预警。 通过仿真实验结果表明该方法能够在日间条件下有效的检测出 车道线，识别并跟踪侧方道路图像中的车辆，并将与侧方车辆的距离 信息提供给驾驶员。但该方法并不适用夜间或不良天气的条件，因此， 研究新的检测算法或者融合其他传感器来对不同环境下的检测作为 未来研究的主要目标。 关键词：单目视觉，辅助驾驶，盲点区域，车道检测，车辆识别，车 辆跟踪 江苏大学硕士学位论文 a b s t r a c t i nr e c e n ty e a r s ，w i t ht h ed e v e l o p m e n to fc h i n a st r a n s p o r t a t i o n ，t h e n u m b e ro ft r a f f i ca c c i d e n t sh a sb e e ng r o w nr a p i d l y , r o a ds m o o t hb e c o m e av e r yc o m p l e xs o c i a lp r o b l e m a l t h o u g ht h et r a f f i ca c c i d e n t sc a u s e db y l a n ec h a n g ea c c o u n tas m a l lp e r c e n t a g eo ft h et o t a la c c i d e n t s ，b u tt h e d e l a yc a u s e db yt h i sk i n do fa c c i d e n ta c c o u n tal a r g ep a r to ft h er o a d t r a n s p o r t ，a n dh a v eav e r yn e g a t i v ei m p a c to ft h en a t i o n a le c o n o m y i n o r d e rt or e d u c et h et r a f f i ca c c i d e n t s ，d e v e l o p i n gar e a l - t i m ea u t o m o t i v e d r i v e ra s s i s t a n ts y s t e mf o rs a f e t yh a se m e r g e dw i d ea t t e n t i o ni nr e c e n t y e a r s w h e nd r i v i n go nt h er o a d ，t h ef i e l d s o fv i e wb e s i d et h eh o s t v e h i d ef o rd r i v e r sa r e l i m i t e d t h e r e f o r e ，t w oc a m e r a sa r em o u n t e d a b o v es i d e v i e wm i r r o r so fav e h i c l et om o n i t o rt h ec i r c u m s t a n c ei nt h e b l i n d - s p o ta r e a sf o rd r i v e r st oa v o i dp o s s i b l ec o l l i s i o nw h e nc h a n g i n g l a n e 。 t h ep r o p o s e dv i s u a lb l i n d s p o td e t e c t i o ns y s t e mi n c l u d e sn e a rl a n e m a r kd e t e c t i o n ，c l a s s i f i c a t i o no fs l i d d a s h e dl a n em a r k ，f a rl a n em a r k e s t i m a t i o n ，s i d ev e h i c l ed e t e c t i o n ，d i s t a n c ee s t i m a t i o no fs i d ev e h i c l e s ， v e h i c l et r a c k i n g ，a n do b j e c t b a s e dm o t i o na n a l y s i s i nt h ep r o p o s e ds y s t e m ，t h el a n em a r ka tt h en e a rs i d eo ft h eh o s t v e h i d ei sd e t e c t e db ys e a r c h i n gt h eo p t i m a lp a r a m e t e r so fad e f i n e dl a n e i i i 江苏大学硕士学位论文 m o d e lo nt h ei m a g e s ，a n dt h el a n em a r ka tt h ef a rs i d ei se s t i m a t e df r o m t h er e l a t i v ep o s i t i o no fn e a rl a n em a r kb yi n v e r s ep e r s p e c t i v et r a n s f o r m t h u st h ep o s i t i o ns y s t e mi sa b l et oe x t r a c tt h er e g i o no ft h ea d j a c e n tl a n e a n dd e t e c t t h e a p p r o a c h i n gv e h i c l e s s i d ev e h i c l e sa r ed e t e c t e db y u n d e r n e a t hs h a d o wa n dl e f t r i g h tb o r d e r s ，a n dv e r i f i e db yt h er a t i oo f v e h i c l ew i d t ha n dr o a dw i d t h ，s y m m e t r yo ft h ev e h i c l er e g i o n i no r d e rt o i n c r e a s et h ea c c u r a c ya n dp r o c e s s i n gs p e e d ，t h ed e t e c t e d v e h i c l e sa r e t r a c k e di nc o n s e c u t i v ei m a g e st oa c q u i r et h e i rr e l a t i v ep o s i t i o n sb e t w e e n f r a m e sa n dc o m p u t et h e i rm o t i o nv e c t o r s t h eg r a y l e v e lv a r i a n c ei su s e d t oj u d g ew h e t h e rt h ev e h i c l ei sa p p r o a c h i n gt h es u b j e c tv e h i c l e ，a n dt h e s y s t e mw i l lw a r nt h ed r i v e ri ft h e r ei sav e h i c l ea p p r o a c h i n gd u r i n gt h e d r i v e rc h a n g e sl a n e t h es i m u l a t i o nr e s u l t ss h o wt h a tt h ea l g o r i t h mc a nd e t e c tt h el a n e m a r k i n g s ，i d e n t i f ya n dt r a c kt h ev e h i c l ee f f i c i e n t l yi nd a y t i m ea n dg o o d w e a t h e rc o n d i t i o n h o w e v e r , t h ea l g o r i t h md o e s n ta p p l ya tn i g h to rb a d w e a t h e rc o n d i t i o n s t h e r e f o r e ，f i n d i n go t h e rd e t e c t i n gm e t h o do rf u s i n g d i f f e r e n ts e n s o rd a t ai st h ef u t u r ew o r k k e yw o r d s ：m o n o c u l a rv i s i o n ，d r i v e r a s s i s t a n t ，b l i n d s p o t ，l a n e d e t e c t i o n ，v e h i c l er e c o g n i t i o n ，v e h i c l et r a c k i n g i v 独创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已注明引用的内容以外，本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 喙世花 日期：2 0 1 0 年6 月 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权江苏大学可以将本学位论文的全部内容或部分内容编入 有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本 学位论文。 本学位论文属于 保密口，在年解密后适用本授权书。 不保密。 学位论文作者虢鼢托 yt 9 年毛舄b e t 指导教师签名：0 卜马 b | o 年毛其? o 日 江苏大学硕士学位论文 第一章绪论 1 1本课题的研究背景 1 1 1 智能交通系统与智能车辆概况 机动车辆作为社会发展、人类文明和科学技术进步的产物，为人类进步和社 会经济发展做出了巨大贡献。然而，随着机动车保有量的增加，传统的道路交通 运输方法的诸多弊端已日益浮现出来，比如道路交通设施的有效利用率问题、交 通安全管理问题以及交通信息交流问题、交通堵塞与交通疏导问题等，而这些问 题在很大程度上可通过以现代信息、通信以及自动化控制为主导技术的智能交通 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 n ，简称i t s ) 得到解决。其基本思想是从系统的观 点出发，力图利用现有宏观交通设施( 道路、桥梁、隧道等) 将道路和车辆综合 起来考虑以解决交通问题。智能交通系统是将先进的信息技术、数据通讯技术以 及计算机技术等有效地综合运用于整个交通管理体系和车辆而建立起来的一种 大范围、全方位发挥作用的、实时、准确、高效、先进的运输系统。智能交通系 统的主要目的是提高道路的通行能力、提升交通的安全性和快捷性、并在此基础 上节约能源等。 近十年来，智能交通系统成为世界交通运输领域的研究热点，它结合了传感 技术、信息处理、通信技术等来减少交通堵塞、降低交通事故、提高运输效率。 智能交通系统涵盖交通的各个方面，包括交通管理系统、信息服务系统、车辆安 全系统、交通监控系统、公共交通系统和物流管理系统等，其中，车辆安全系统 又包括车辆辅助驾驶系统、实时动态导航系统、车辆防碰撞系统【1 】【2 1 1 3 1 1 4 。 智能车辆( i v ：i n t e l l i g e n t v e h i c l e ) 是智能交通系统的重要组成部分，它 利用先进的车载传感器系统、信息处理系统和执行系统等对驾驶员的状态、车辆 周围环境、车辆自身状态进行监控，当有危险时向驾驶员发出警告或者接替驾驶 员完成部分操作功能。其目的是提高陆路交通的安全性、提高道路的通行能力、 节约能源、减轻驾驶员的劳动强度、提高其舒适度等。智能车辆技术按功能分类 主要分为辅助驾驶和自动驾驶两个方面。自动驾驶技术应用有赖于整个i t s 系统 的建立和完善，有赖于相关法律法规的制定和客户思想的转变，近期内难以实现， 因此各国都在大力发展先进驾驶员辅助系统( a d a s ：a d v a n c e dd r i v e r a s s i s t a n c e s y s t e m s ) 。a d a s 系统利用各种传感器对驾驶员、车辆自身和主车辆周围环境的 江苏大学项士学住论文 状进行感知，在必要时发出警告、提出驾驶建议或者部分地代替驾驶员进行车辆 控制操作。从辅助驾驶系统发展的目的来看，主要改善以下四个方面： ( 1 )安全性：防止或减少交通事故，减小交通事故损失 ( 2 ) 舒适性：提高驾驶舒适性，减小驾驶员的劳动强度 ( 3 ) 交通效率；提高道路通行能力，减轻交通拥挤； ( 4 )环境：减少燃油消耗，降低噪声污染。 圈11 由各种原因引起趵交通事故 f i 9 11 v a r i o u s r e 蛐r b o f t r a f f i ca c d d e n t 其中，提高安全性和舒适性是辅助驾驶系统的丰要目的。图1 1 足美国i 项目统计的导致交通事故的各种原因所占的比例。在这样的情况下，目前辅助驾 驶系统的研究热点集中在如下几个方面： 自适应巡航控制系统a c c ( a d a p t i v ec r u i s ec o n t r 0 1 ) ：巡航控制系统一方面 可以减轻驾驶员的劳动强度，另方面可以通过与前方车辆保持适当的相对距离 和速度而减小发生碰撞的可能性： 车道偏离预警避免系统l d w s ( l a n ed e p a r t u r ew a r n r i gs y s t e m ) ：车道偏离 引起的交通事故约占所有交通事故的2 1 ，车道偏离警告系统通过传感器检测车 辆的车道中的位置和前方道路的情况，在预测到可能发生车道偏离的时候向驾驶 员发出警告或者自动控制车辆以避免事故的发生； 碰撞预警避免系统c w c a ( c o l l i s i o nw m f i n g a v o i d a n c e ) ：追尾碰撞事故占 所有交通事故的2 9 ，车辆换道所产生的碰撞事故占所有交通事故的9 ，碰撞 警告避免系统通过实时检测主车辆和其它车鼯的状态、并对其进行分析，当有 碰撞的危险时，向驾驶员发出警告或者自动控制车辆来避免碰撞事故的发生： 江苏大学硕士学位论文 驾驶员状态监控系统d c w ( d r i v e rc o n d i t i o nw a r n i n g ) ：该类系统通过监控驾 驶员的眼部或者头部的运动情况来判断驾驶员的状态，卡车交通事故的3 - 6 是 由于驾驶员疲劳引起的，因此发展该系统意义重大； 导航系统r g n s ( r o u t eg u i d a n c ea n dn a v i g a t i o ns y s t e m s ) ：导航系统不仅可 以使乘客方便快捷的到达目的地，更可以优化整个路网的使用，从而提高其交通 容量； 视觉增强系统v e ( v i s i o ne n h a n c e m e n t ) ：通过红外成像和图像处理等手段使 驾驶员能更好地感知车辆周围的环境，如夜视系统； 交叉路口碰撞避免系统i c a ( i n t e r s e c t i o nc o l l i s i o na v o i d a n c e ) ：约2 6 的交 通事故是在交叉路口发生的，发展车间通讯系统或者信号灯状态检测系统可以在 危险情况下发出警告； 其它正在发展的系统有车道保持系统r f ( r o a df o l l o w i n g ) ，自动驾驶系统 a d ( a u t o n o m o u sd r i v i n g ) 等。 本文主要研究智能车辆的安全保障技术，重点在车辆换道盲点区域的检测。 1 1 2 计算机视觉技术概况 机器视觉( m a c h i n ev i s i o n ) 也称为计算机视觉( c o m p u t e rv i s i o n ) ，是用计 算机模拟人眼的功能，从图像或图像序列中提取信息，对客观世界的物体进行形 态和运动识别。 机器视觉系统是指通过机器视觉产品( 即图像摄取装置，分c m o s 和c c d 两种) 把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像 素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别，进而根据判别 的结果来控制现场的设备动作。 机器视觉用各种成像系统代替视觉器官作为输入手段，由计算机代替大脑完 成处理和解释。机器视觉的最终研究目标就是使计算机能像人那样通过视觉观察 和理解世界，具有自主适应环境的能力。这是要经过长期努力才能达到的目标， 因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系 统能依据视觉敏感和反馈以某种程度的智能完成一定的任务。 从2 0 世纪5 0 年代，特别是2 0 世纪7 0 年代末麻省理工学院人工智能实验室 的d a v i dm a r t 教授提出了m a r t 视觉计算理论开始【5 】，经过9 0 年代的蓬勃发展到 3 江苏大学硕士学位论文 现在，在很多方面已经得到了广泛的应用，特别是在一些先进的工业化国家，应 用更是广泛。其应用包括在工业生产与装配中的零件识别与定位，产品检测，移 动机器人导航，遥感图像分析，医学图像分析，安全鉴别，监视与跟踪以及很多 其他的领域如食品和饮料、化妆品、烟草制造、制药、建材和化工、金属加工、 电子制造、包装印刷、交通安防物流、汽车制造等行业 6 1 1 7 1 8 1 1 9 1 。机器视觉的引 入，代替传统的人工检测方法，极大地提高了投放市场的产品质量，提高了生产 效率。 机器视觉的一个重要应用领域就是车辆的智能辅助驾驶，目前还没有条件实 现跟人那样识别和理解任何环境、完成自主导航的系统。因此，目前人们努力的 研究目标是实现在高速公路上具有道路跟踪能力，可避免与前方车辆碰撞的视觉 辅助驾驶系统。这里要指出的一点是在机器视觉系统中计算机起代替人脑的作 用，但并不意味着计算机必须按人类视觉的方法完成视觉信息的处理。机器视觉 可以而且应该根据计算机系统的特点来进行视觉信息的处理。 为了能在智能辅助驾驶中应用，机器视觉必须具备实时性、鲁棒性、实用性 这三个特点。实时性是指系统的数据处理必红i 与车辆的行驶速度同步进行。鲁棒 性是指智能车辆上的机器视觉对不同的道路环境和变化的气候条件具有良好的 适应性。实用性是指智能车辆或辅助驾驶系统能够为普通用户所接受。 实时性是目前机器视觉的主要难点。人们一般通过提高硬件性能或改进算法 来提高系统的实时性。相对于机器视觉的巨大数据处理量，目前单个计算机的速 度难以满足实时性的要求，为此，人们通常在智能车辆上采用并行计算机或者专 用数据处理芯片以达到实时性的要求。 1 2 本课题研究的目的和意义 随着公路建设路程的增长、汽车保有量的增加、车流量的加大以及行车速度 的提高，道路交通事故呈逐年恶化的态势，特别是特大恶性交通事故频繁发生， 给人们的生命财产和国民经济造成了巨大的损失。据不完全统计，2 0 0 5 年，我 国公安机关交通管理部门共受理道路交通事故4 5 0 2 5 4 起，造成9 8 7 3 8 人死亡， 其中由发生于高速公路的事故造成的死亡人数为6 4 0 7 人，占总数的6 4 9 【1 0 】； 2 0 0 6 年死亡1 0 人以上的特大交通事故多达3 8 起，造成5 5 8 人死亡。据国外有 关资料统计，发达国家高速公路的行车事故率仅为普通公路的1 3 1 2 1 1 】，而在 4 江苏大学硕士学位论文 我国高速公路每百公里的事故发生率是普通公路的4 倍。在欧洲，据欧盟统计， 由换道引起的交通事故约占到总的交通事故的4 至1 j1 0 ，换道事故中人为原因 造成的约占7 5 【1 2 1 ，虽然由其引起的交通事故死亡的人数仅占到总死亡人数的 0 5 【1 3 】左右，但是由其引起的交通延误却占到了交通事故总延误时间的1 0 1 1 4 l 。 据粗略统计，有7 0 8 0 的交通事故是由驾驶员操作失误所致。研究表明，若 在潜在的交通事故发生前提前1 秒钟给驾驶员警报，则可避免9 0 的类似交通事 故。 对一般车辆来讲，由于在车辆侧后视镜的可视范围之外存在许多视觉上的盲 点，并且在当驾驶员集中注意力驾驶车辆行进时，驾驶员本身的视野也会缩小， 这使得驾驶员在进行换道操作行为的时候不能确定车辆是否安全，因此驾驶员会 短暂的转移注意力到车辆侧方的盲点区域去观察是否有其他车辆的存在，这样就 造成了驾驶员无法集中注意力在车辆前方的状况因而导致其他类型的车祸发生， 并且在当驾驶员长时间工作的时候，很容易造成驾驶员心理上的负担。而车辆换 道盲区检测系统，就是在当驾驶员正在进行错误的换道操作行为时，能够给予主 动预警的一种车辆辅助驾驶系统。开展车辆换道盲区检测的研究能够有效的保障 行车安全，大大减少汽车因换道所引发的碰撞事故，降低人们的生命、财产损失， 同时也为我国智能交通体系的建立打好良好的基础。 1 3 本文的研究内容与结构 1 3 1本论文的主要内容 本文定义车辆盲点区域如图1 2 所示，盲点区域位于本车相邻车道中。一般 而言，造成驾驶员侧方视觉盲点存在的原因有两个，第一个是由于人类本身视觉 的特性以及视野的限制，第二个理由，就是由于车辆在设计时，驾驶员和车辆侧 后视镜的距离以及车辆侧后视镜本身的成像原理所造成的结果。 为了能够减少车辆侧方视觉盲点区域，通常有两种比较常见的方法来增加侧 方后视镜的视野范围，第一种方式是增加驾驶员和车辆侧方后视镜的距离，但是 这种方法能得到的效果有限，这是因为车辆本身的车体是固定的，所以驾驶员和 车辆后视镜间能够调整的距离是相当有限的；而第二种方法，就是以各式各样的 曲率面镜( 双曲率面镜或是变曲率面镜) 来取代传统的平面镜，因为曲率面镜中 所反射的图像将会变形，并且随着面镜的曲率增加，相对应的变形也就越严重， 5 江苏大学硕士学位论文 若是图像变形过度严重的话，驾驶员也就没有办法利用车辆倒方后视镜来判断后 方来车和本车的距离。为了克服这些问题，本文选择利用c m o s 摄像头作为视 觉传感器，对相邻车道的盲点区域进行检测。为了能够定义出检测的范国，首先 要对本车侧方车道线进行检测，来确定所要检测的牟道，然后在车道范围内对车 辆进行识别最后计算出侧方车辆与本车的距离。当系统发现侧方盲区此时有车 辆快速接近的时候，此时如果驾驶员要进行换道操作，系统会对驾驶员进行提醒。 为了适应高速公路，考虑到驾驶员的反应时f h j ，本文所检测的距离设定为3 0 米 以内。 持测r 域 巾r 托幕 国1 2 车辆盲点区域 f i g 12 b l i n d - s p o t o f v e h i c l e 本文的研究工作属于安全辅助驾驶技术范畴，其研究目的是为了车辆换道盲 点区域检测系统做技术支持的。本文在广泛阅读国内外现有的关于辅助车辆换道 的盲点榆测系统的文献后，比较和借鉴现有成功的方法对本车侧方道路图像中 车道和车辆的检测方法进行改进和完善。论文的主要研究内容和工作主要包括以 下几个方面； ( 1 ) 对计算机视觉理论及数字图像处理技术的研究。在对本车侧后方车道 线检测、车辆识别等关键技术之前，做好初始化检测工作，借以辅助后续工作的 进行。 ( 2 ) 本车侧方车道线检测方法。根据车载c m o s 摄像头所获取的本车相邻 车道区域的道路图像，利用计算机视觉技术对其进行预处理，根据提出的车道检 测算法，从道路图像中提取车道标线。 江苏大学硕士学位论文 ( 3 ) 相邻车道侧方车辆的检测与跟踪方法。在已确定的车道区域内，研究 一种高效的车辆识别方法，并实现对其进行实时跟踪。 ( 4 ) 本车与相邻车道侧方车辆距离的测量方法。建立车距测量模型，并根 据所获取的道路图像，提取相关信息，得到距离信息，并与实际距离进行对比， 检验方法的准确性。 ( 5 ) 对上述实验结果进行分析，提出改进方案，展望发展前景。 1 3 2 论文结构 论文共分六章，主要内容概括如下： 第一章介绍了本课题的研究背景和研究目的。概述了智能交通系统在当今社 会的重要性，确定了本课题的研究价值。同时分析和提出本文的主要研究工作。 第二章综述了目前国内外一些侧方盲点视觉检测技术的相关研究。首先根据 他们的研究方法对其分类介绍，然后再比较和研究这三类方法的效率，以提供可 行的研究方向。 第三章讨论了道路图像的预处理算法。通过对这些算法的试验结果比较，选 出合适的算法进行预处理。 第四章研究了本车侧后方车道线的检测方法。其中对车道线分为近侧、远侧 进行研究，对近侧车道线利用提取边缘特征点，利用最小二乘法对其进行直线拟 合。对远侧车道线利用实际道路宽度与摄像头参数，在已知近侧车道线的位置的 基础上估计得出。最后通过这两条车道线所划分的区域作为车辆的检测范围。 第五章研究了本车侧方车辆的检测及跟踪方法。通过车辆底部阴影和车辆左 右垂直边界寻找可能车辆区域，再利用车宽与车道宽的比例、区域对称性以及区 域灰度的变化来验证车辆。对车辆的跟踪，则利用前几帧图像中车辆区域的中心 位置对车辆在下一张图像的位置进行预测，并确定追踪范围。对侧方车辆距离的 估计利用单目视觉测距的方法。 第六章对全文工作进行总结，并对未来的研究进行展望。 7 江苏大学硕士学位论文 1 3 3 研究流程 图1 3 盲点区域检测流程图 f i g 1 3t h ef l o wc h a r to fb l i n d s p o td e t e c t i o n 8 江苏大学硕士学位论文 第二章车辆换道盲区检测的相关研究 21 车辆换道盲区检测的国内外研究现状 i i 前在车辆换道的盲区检测研究方面，比较有代表性的系统有包括h l c a 系统、l c a b s d 系统、e l a 系统和v i s i o ns e n s e 系统，b l i s 系统等。 h l c a 系统 h l c a 系统由德国联邦教育和研究部的m r u d e r 等人研发而成i 。该系统 融合了一个后视雷达和两个c c d 摄像机的信息。其中雷达传感器安装在实验车 辆后方的左边，进行远距离检测，范围在1 5 0 1 1 1 左右，测量的数据包含距离，方 向和速度。另外两个c c d 安装在车辆后方的玻璃宙上，构成立体视觉系统，进 行4 0 m 左右的中距测量。该系统所有传感器由c a n 总线连接到计算机，并通过 c a n 总线向传感器发出指令。所有数据通过k a l m a n 滤波进行数据融合( 各传感 器的信息权重根据实际路况而设定) ，给出车辆分别沿x 方向和y 方向的位置速 度和加速度。本车换道时，当目标车道存在危及自车安全的车辆或其他障碍时， 系统发出警告。h l c a 软件系统的界面如图2 1 所示，该系统分别安装在b m w 7 3 5 轿车和m b 6 0 9 d 大篷车内进行了测试，如图2 2 所示。 图21f l l c a g 软件系境界面 f i 9 21s o f t w a r e i n t e r f a c e o f h l c a m l c a b s d 系统 国22 安装l i l c 圳的车辆 f 垃2 2 h l c a m i n v e h i c l e s l c a b s d 系统由以色列的m o b i l e y e 公司研究开发完成f 1 6 1 。它通过安装在侧 边后视镜上的单个摄像机对目标进行检测。该系统能够对本车的盲点区域和后方 接近的车辆进行适时的探测，其探测的距离可以达到5 0 米。其安装位置如图2 3 9 江苏大学硕士学位论文 所示。通过车载计算机对传感器获得的信息的分析，结合车道线识别系统，对目 标进行车道分配，通过不同的颜色( 如红色、绿色、蓝色等) 来提示在当前状况 下本车进行换道操作的安全性。图2 , 4 所示的是运用1 a 2 a b s d 系统进行实际试 验的情景，从图中可以观察到系统成功的检测到目标车道后方的车辆，并且计算 出其与本车的相对距离，运用安全换道的评估算法判定当前状况下是可以进行换 道操作的。其中绿色表示在当前状况下车辆进 图23l c a b s d 系统的传感器位置示意目 f i g 2 3 t h ep o s i l i o b o f i n l c a b s d e l a 系统 行换道操作是安全的 囤24l c a b s d 系统的实车实验 f i 9 2 4 t h el e s t o f l c a b s d e l a 系统由v o l v o 公司研发而成i 埘，它通过检测车道线、本道和目标车道 的车辆，建立自车运动和目标车辆运动的非线性模型，使用拓展j 幽a n 滤渡方 法来估计和跟踪参数，使用跨道时间方法来制定报警策略，存在危险时自动对车 轮旌加转向力矩。 e l a 的报警策略已经在如图2 5 所示的场景成功的区分了危险换道和安全换 道的情形，在车辆处于危险的状态时，可以控制车辆并且保证车辆在一个安全的 位置。系统使用的门限值算法是通过对周围详细的车辆的环境的评估来实现的。 囱醚爹曼 圈25 系统实验所涉厦到的场景 f i 9 2 5s y s t e m m # s c c n a d o s 江苏大学硕士学住论文 比如本车的位置信息、其它车辆的运动信息，还包括道路的几何参数信息，比如 道路的宽度、曲率半径等。运用扩展的k a l m a n 滤波器来评估这些参数，并且利 用非线性算法来保证系统的有效性。 v o l v o 的盲点信息系统( b l i n ds p o ti n f o r m a t i o ns y s t e m ，b l i s ) 该系统【1 ”在汽车的后视镜上安放数码摄影机，如同2 6 所示。摄影机每秒拍 摄2 5 张画面，并透过画面比对的先进技术，b l i s 会在车身四周形成长9 5 米， 宽3 米的警示区域中随时做出反应。无论汽车或者其他机动车辆，并且在不同的 环境条件下，b l i s 都能准确监控所有接近车身的物体，只要行车速度超过每小 时1 0 公里，b l l s 就会自动启动，若在预警区域内遭遇比自身时速慢2 0 公罩或 是快7 0 公里以内的移动物体，便会向驾驶员做出提醒，有此可见侧边防撞的重 要性。 图26v 0 1 v o 的b lt s 系统 f i g 2 6 b i a s o f v o l v o 目前，因为车辆换道的宣点检测系统主要针对本车侧方车辆的识别进行研 究，而在国内对侧方车辆识别的研究还不是很多，目前仅发现有清华大学1 1 ”以 及吉林大学【加】) f 展这方面的研究但是针对此识别方法的重要意义，对于侧方 车辆的研究工作将会越来越受到重视。 22 车辆侧方盲点区域检测方法综述 基于视觉的辅助驾驶系统已经发展了十几年，目前针对盲点区域车辆的检测 主要分为基于特征的检测，基于运动的检测以及基于多传感器融合的方法，本文 将对这几种方法进行介绍，并对它们进行比较和总结。 江苏大学硕士学位论文 2 21 基于特征的检测 基于特征的车辆检测通常利用图像处理和模式识别中的特征提取和辨别法。 这种方法通常实现简单并且实时性较高。 k r i p s 2 1 惺出了一种基于阴影的分类算法和自适应模板匹配法来检测车辆， 侧方驶来的车辆通过基于阴影的分类算法被识另口为潜在的目标，然后利用自适应 模板以及匹配的比例来对目标进行区分。 a c b l e r 和t r i v e d i i 。i 提m 了利用全方位摄像机所得到的车辆两侧边模拟视野 中的车轮特征来检测车辆。作者利用高斯滤波以及主成分分析法检测侧放车辆的 车辆，然后根据车轮的检测结果确定侧方车辆的存在，并使用卡尔曼滤波对侧方 车辆进行跟踪。 c h u n g i 叫提出了换道决定辅助系统l a n ec h a n g ed e c i s i o na i ds y s t e m ( l c d a s ) 。这个系统对天气和周边环境的改变具有良好的适应性。系统根据输 入的车辆传感器信息( 雨刷器，前大灯，左右转向信号，车速传感器) 判断此时 的天气和环境条件，选择不同的处理模式。相关的实验结果如图2 7 所示： s e a r c ha r e a ( a ) 日问模式 尊醚 ( b ) 夜间模式 图27 不同环境下的检剥蛄果 f i g 27d e t e c t e dr e s u l t s b l a n c l “ 提出的算法有两个部分组成。第一部分算法通过支持向量机s u p p o r t v e c t o rm a c h i n e ( s v m ) 人工学习法检测侧方驶来车辆前部的重要特征。其中 车辆前部飞垂直边缘以及边缘曲线的顶点作为s v m 人工学习算法的输入信息。 检测的效果如图2 8 所示。第二部分算法在车辆前部不可见的时候启动。主要利 江苏太擘硕士学位论文 用模板匹配算法检测车辆的车轮。检测的结果如图2 9 所示。 ( a ) 左撮像头荻取的图像( b ) 形态学梯度处理后的图像 c ) 图像扭曲的结果( d ) 峰值检测算法 圉28l a r a s i d e c a m 的第一个算法结果 f i g 2 8 t h er e s u l t o f t h e f i r s t m e t h a d o f l a r a s i d o u m ( a ) ，蔫 输八图像 ( b ) 精确模板匹配 ( c ) 最后蛄果 图29 l a r a s i d e c a m 的第二个算法姑果 f i g 2 9 t h e m u n o f t h es e c o n d m e t h o d o f l a r a s i d a m w u z 5 l 利用安放在试验车侧边镜上的两个c c d 摄像机获取本车侧方道路图 像，并提出了车辆检测以及距离估计算法。在对车道线和车辆的检测上运用了 s o b e l 算子以及扶度强度。在算法中还采用了车道预测技术来减少感兴趣区域 r o i ( r e g i o no fi n t e r e s t ) 的面积，从而使系统的实时性大大提高。对侧方车辆 的检测上利用了车辆灰度强度与路面灰度分布差异。晟后利用图像坐标和世界坐 标系的变换关系对车辆距离进行估计。检测结果如图2 1 0 所示。 江苏大学硕士学位论文 - 匿 ( a ) 高速公路( b ) 普通岔路 图210 拴薄4 结果 f i g2 1 0 1 1 i cr e s u r so f v e h i c l e d e t e c t i o n ： 222 基于运动的榱测 第二类针对旨点区域进行检测的方法是基于运动估计的算法。光流法足一种 针对连续图像进行运动分析的常用方法。通过对连续图像中运动向量的估计与分 类，就可以实现对物体进行分割和实时跟踪。 b a t a v i a 2 6 1 提出了一种基于光流的盲点区域检测障碍物的方法，并且这种方法 在城市道路以及高速公路上运行的效果显著。方法的核心就是对运行的环境做一 个可靠假设，解决逆投影变换问题，并且通过计算预测图像获得摄像机参数以及 车辆速度。然后预测图像用来和实际图像作对f ：，任何预测图像的不匹配之处可 以被认为由障碍物的影响所造成的。其中一个优点就是作者利用反投影变化圜像 去预测并寻找r 一阵图像边缘点的3 x 3 9 域，根据这个邻域去检测障碍物。此外， 这种方法对障碍物非常敏感，并且忽略了车道标志线和静止物体产生的阴影的影 响。检测结果如图2 1 1 所示。 网诵 ( a ) 道路图像( b ) 120 m s 后的图像 c ) 图像( a ) 的边缘图像 ( d ) 图像( b ) 的边缘图像 琴净 江苏大学硕士学位论文 = = ：= 了= 滢护 _ _ i 螽晕薯 ( e ) 图像“) 的预测 ( f ) 障碍精图像 图2 1 1 侧方车辆检洲 f 噜2 1 1 v e h i c l e d e t e c “o n o i l l a t e r a l d i a z p 7 提出了一种高度并行的生物激励光流算法，并在不同天气条件下对侧 方超车车辆进行实时检测。系统有两个部分组成。第一部分，通过一个生物激励 模型计算光流场。第二部分通过使用简单滤渡算法以及光流模板得到用于计算车 辆位置的图。检测结果如图2 1 2 所示。图2 1 2 ( b ) 中灰色区域为向右的运动单 元( 即车辆) ，浅色部分为向左的运动单元( 即背景) 电鬣墨0 一 ( a ) 原始图像b 】分割结果 图2 12 检测结果 f i 9 21 2 t h e d c t e c t c dr 幅m t b e c k e t 2 8 开发了一种盲点信息系统，系统包含一个完整的软硬件设计。为了 让系统在不同的条件下有较好的鲁棒性，系统软件设计分为了日间、夜间两种状 况。在h 间条件下，使用立体视赏的运动分析方法去提取和匹配特征。其中在夜 间条件下，系统通过从车辆前大灯提取两个亮块区域，并把它们组合到一起检测 车辆。最岳通过一个反应盲点区域车辆存在可能性的全局危险等级对连续图像中 的车辆进行危险评估。实验结果如图2 1 3 所示。 江苏大学硕士擘位论文 ( a ) 白天有雨( b ) 夜晚 囤213 不同务件下的检测持果 f i 9 2 1 3 t h e d e t e c t e d h a l t su n d e r d i e r c i rs i t u a t i o n s 侧后方的道路图像在侧后视镜中围为透视效应而产生扭曲，m o t a i ”】使用空 间变化重建方法对扭曲的图像进行修正。修正后的图像中，车辆的位置产生变化， 此时车辆运动的信息就能通过可靠的方式得到。超车场景的图像重建图如图2 1 4 所示。 贾嘱厣蓐 _ 、i -fl i 、 囤21 4 侧方i 璐囤g t g - f 培2 1 4 a m a p p c d i m a g eo f m a d 223 基于多传嚣器融台豹检测 最后一种对盲点区域车辆检测的方法是基于多传感器融合的方法。因为不同 的传感器的检测能力不同，通过融合技术，检测系统将会更有效。 mr u d e r l l l 在使用立体视觉系统、侧边雷达和信息融合技术来检测和跟踪本 车侧后方的物体。传感器的设置以及它们的检测区域如图所示。所有的传感器被 校准在同一个车辆坐标系统以便于被检测到的物体能被融合到一个传感器对象 数据库中。传感器的检铡范围如图21 5 所示。图中黑色区域为长距离雷达的检 测范围，灰色区域为立体视觉系统监测范围，浅色区域为侧边雷达检测范围。 江苏大学硕士学位论文 国2i5 传感嚣的检测区域 f i 9 21 5 d e t e c t i o na r e a o f t h e d i f f e r e n t 靶n s o r 23 各种检测方法的比较和总结 通过对以上三种类型的侧方车辆的检测方法的研究，可以得出：基于特征的 车辆检测方法主要利用单幅图像特征并通过序列图像识别物体的运动物体分割 方法，这种方法算法简单，处理速度快。基于立体视觉的车辆检测方法成本高， 算法复杂，对车辆本身的运动敏感，由于车辆总处于不断地运动变化之中，该方 法需要准确的标定摄像机参数的标定容易产生漂移。并且立体视觉增加了系统的 成本和计算