（计算机应用技术专业论文）基于机器视觉的车道偏离预警方法研究.pdf

江苏大学硕士研究生毕业论文 摘要 研究表明 在驾驶员 汽车 道路3 个环节中 驾驶员是可靠性最差的 一个环节 8 0 以上的交通事故来自子驾驶员的错误 据统计 其中约有4 4 的交 逶事故与车辆行驶偏离正常车道有关 其主要覆戮是驾驶员注意力不集中或者疲 劳驾驶 造成车辆的无意识偏离 针对此情况 同时也是为了提高运输效率 行 车过程中的车道检测及报警的研究 受到了世界各国的高度重视 本文的主要工作是 通过车载c c d 摄像装置对车辆前方车道进行实时监视 以获取当前的路蘧图像 并通过近视场和远视场的视觉差异 采用分段切换车道 模型来准确判断当前路面所适用的车道模型 针对直道模型 通过建立车道图像 的边缘分布函数e d f e d g ed i s t r i b u t i o nf u l l c t i o n 来计算车道边界线方向角 针 对弯道模型 利用误差最小化的最小二乘法拟合出车道益线模型 相比于单一车 道模型 本文的方法能够适应有曲率和无曲率道路的识别要求 具有更高的灵活 性 且由于边缘分布函数的引用能够迅速的提取出判断车道偏离程度的重要特征 因此使得开发的车道偏移监视系统能满足实时性需求 本文的工作主要包括4 个方面 具体内容如下 1 综述了课题的研究背景 指如了车道偏离预警系统对降低交通事故率的重要 性 并简要介绍了目前国内外研制的一些基于视觉的道路识别和跟踪系统 再 分析了目前国内外已提出的车道检测方法 并对各种检测方法进行了比较 2 提出了基于灰度阂值的车道边缘检测方法 将两种基予灰度特征的车道边缘 提取方法进行融合 提出了基于灰度阈值的车道边缘检测方法 该方法能够在 进行边缘检测的同时配合路面的灰度特征 从而准确提取车道边缘特征点 并 利用车道边缘梯度的方向性 分离出车道的外边缘 消除了内 外车道边缘方 向不同焉带来的误差 再通过瓣 疆曲变换对车遒标志线的初步检测定义了感兴 趣区域 保证了感兴趣区域内车道边缘特征点的完整 3 设计了车道标志线的检测与识别方法 通过分段切换车道模型将弯道与直道 这两种车道模型联系起来 并有选择地调用不同的检测方法来识别不同车道模 型的车道标志线 再将识别的结果输入到分段切换模型中 作为判断当前路面 车道模型的重要依据 从而提离了检测结果的准确率 4 实现了车道偏离预警原型系统 通过采用面向对象的设计方法 设计实现了 车道偏离预警原型系统 并从实验角度验证了上述方法的有效性 关键词 机器视觉 智能交通 车道边缘检测 车道偏离预警 a b s t l 譬c 量 b a s o d 雠r e l a t i v e 心s e a r c ho nt r a 垂 f i ei s s u e s 越v e rc a n 崦t h ew e a k e s ll i 放i ni 鲻u e s o f 酾v e r v e m c l ea n dr o a d a n dm o m a n8 0 柏衔ca c c i d e n t sa b l 蝴e dt o 鲥v e r s m i s 翻b s 谨la b o 斑4 4 撼ca i d e 髓镭辩f e l 鑫t 醯的击i v i n g 如p a r 氛射 穗e 糯a s o no f 删馥i s 也e 强 o 璐e i q 璐l 勰ed e p 鑫呶黼e 勰s 醴姆f a t i 鄹e d 西v i 鹋黻赫v 嚣 s c l e s s n e s s o na c c o u i l to fm es i 眦t i o na b o v e a n da l s o t 0r a i s et 量1 ee 饿c i e n c vo f t m s p o r t a t l o n m o r ca n dm o r e u 埘i e s 粼n o wp u 伉i n gt h e i r 舭n t i o no nt h er e s e a r c h o fl 黼鑫印蠢曩醛愆 l 鼗 斌e r 论e 礞疵搬e 敷燃eo f 搬e 鳓撼 鑫e c dc 躺e 魅w i l l l o a 嬉 o 觳v e 毯e l e t os u p e r i s et h el a n e t h e nt l l em o d es w i t c hm o d u l ec a n a u t o m a t i c a l l yd o c i d em em o d e o f t h ef o a db a s c do nt h ev i s 谢d i 毹粥n c ec a u s e d 姆n e a rs e e n ea n d 协s c e n e w i m 辩豁撼孙濂s 溉g 融潮如 酝l 黼蠢e p 蹴张髓i 鼗gs y 嫩诫l l 哦邳e 纛嚣 d i s t 曲越o nf 黼e t i 强t oc 越c u l a t e h ea n 誉e 娃t h el a l l e s w h i l e 遮a u r v em o d e t l 硷 s y 8 t e mw i l lu s ot l l el e a s ts q u a 心m e t h o d w h i c hc a nh a v et h e1 e a s t 烈 rr a t e t od r a wu p m ec u 粼l i n e 论r 斑 e u r v i 飘e e o m p a r e d 诚t hs t r a 毫c g yo f s i n g i em d e t h i sm e t h o d e 黻堍m 妣囊熬q 诧爨e x 羚l k e 雏s eq f 矾蠡强i 毯l 姆瓤b o 凌溉g 融携de 疆诧l a 辩 m o r e o v e r 也em o s ti m p o 煳t 8 抛r e b yw h i e hc a nd e t e n n i n et h ed e 刚u r ed e g r e e c a nb ee x t r a c t e dq u i c 心yb e c a u s eo f t h ci n 乜的d u c t i o no f t h ee d g ed i s t r i b u t i o nf u n c t i o n f 谢潮嚏sa r ei 觳d 谣e d 遗黼s 龇s i sa sf o l l o w 堍 1 g e 蕊瓣硒莲u c t i 蕊姻r e s o a 琏h s 酝e l g 辩髓澍 f i 勰tp 缸 罐t ki 疆 曩a eo f l a i l ed e p a m l r ew a 删n gs y s t e mi nd e c r e n gt h et r a 蕊c c i d e n t t h c nb r i e f l y i l l u s t r a t es o m ev i s u a lb a s e ds y s t e m so fi a n e 心c o g n i t i o na n df o l l o w i n g1 a t e l y s i 秘d 姆的凌o v 溯磊n d 南撒e s t i es c i e i 量琏弼 毛豁 l y 托鑫ly z es o m em 采鼗 越箩瘫h m so f l 躐ed e 埝e i o 怒掣 麴s e d 姆o v e r s e a s 溉d m e s 鼍主cs e i e n t i 璐 曩芏l d 蕊恻 c o m p a r i s o na n dc o m r a c t i o no ft h e m 移 p f p o s e 采g o r i t b m so f l a n ee d g ed 哟c t i 黼b a s e do ng r a yl e v e l 髓玳s b o l d 转e c a u s eo f 谯ei 嫩e g 蹴i 鳆o f 椭k i 矬d so f 镬蔬愆n t 辫yl e v e l 妇 e s 幻撼b a s 醚l a 薹l e 甜g e d e t e c t i o nm i 油o d t b j sa 1 9 0 r i m m sc a i lp r e c i s 蹦ye x 妇c t1 a n ee d g ef e a m r e s a n da tt h e s 鑫心el 两es e 脚壤eo 毛薹溆蠢g eo fl a n e 娃餮凇a 寥o fw h i e he 黻击嫩i 矗主娥谯e d i 虢r e n c eb r o u 曲tb yi 姗e ra n do u t e re d g eo fl a n e t h r o u 鲈t h ed e f i n i t i o no fl a i l e 醴g e s 鑫i 辩e 墩搬 强 砖 f 撼e 嚣翮糙囊ei 蹴薛童yo f 专 l 褫e 凳绷弦 臻豁 韵峨 t r a n s f o 勰a t i o nw o u k lb ec a n e dt ot a k ei n i t i a ls t e p st od e 颤n et h er e 鐾i o no fi n t e r e s t 3 d e s 氆nm e t h o df o rl a n ed e t e c t i o nm l dr c c o g n i t i o n f i r s tc o n n e c ts t r a i g h tm o d ea n d 毽转棼凌o d e 磷i 像爨o d es w i 凳纛融 文l l 羲 d e l i e e l i o 珏箍l g o 正l l l m s 辆re i c hf 鞋o d e t h e 薹l l l l 巍ds e l e c 专i v o l y 建l o e 鑫誊e 鑫i 热r e 嫩l 鲢e 墩es y s 汹nw i l li 坤u lm ef e s u l l so fl a n e 江苏大学颟 研究生毕啦论文 d e t e c t i o ni 嫩ot h em o d e 刚t c hm o d u l ea st l l em o s ti m p o r t a n td a 协s o u r c et o d e t e r m i n em ec u n e n tm o d eo ft h er 0 醚 i nt h i s 鞭眺h i 酶a c e u r a e yo fl 醐ed e 谳建i o n e 勰b e 薛叙麓t e e 莲 4 d 粼l 雌l 越ed e p a 呶瀚w a m i n gs y s t e m b u i l du pl 艘ed e p 嘲r ew 删n g s y s t e mb ym e a n so fo 场e c t o r i e n t e dl a n 昏煅g e a n dv e r i 母t h ee 饿c i e n c yo fm i s s y s t e mb ye x p e 嘲髓e n t k 蠼w o 斑s m 鹳燃n ev i s i o n i n t e l l i 萨嫩t f a n s p o 燃i 雠 h n ed c t e c t i o n l a n e d e p a m 雌w 撕l i n g i v 菠苏火掌颈l j 骈究童毕馥论文 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舨 允许论文被查阅和借阕尊本人授权江苏大学可以将本学位论文的全部 悫窑或部分内容编入青关数据库进行检索 可以采用影印 缩印或扫 描等复制手段保存帮汇编本学位论文毒 本学位论文属于 傈密口 在年解密后适用本授权书 不保密口 学位论文作者签名 盖汐口栌年舌月6 日 指导教师签名彳弘粤 矾草 a 岛匹 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 均己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 嘲 日期 如弼年 月 日 夏痧 江苏久学硕士研究生毕鼗论文 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 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 然蕊 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 瓤e l l i 鬈e 越翡a n s p 越i o 纛s y s 绝m 篱称l t s 得到解决 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 通信技术等来减少塞车 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 辆自动 或辅助 驾驶系统 实时动态导航系统 车辆防碰撞系统 l 2 3 4 1 智能车辆 i n t e l l i g e n tv e h i c l e 是智能交通系统中的关键环节 智能车 辆技术按功麓主要分为自主导航和安全保障两个方面 总结最近几年各国学者的 研究开发成果 目前的智能车辆技术涵盖了安全监控 智能防撞 辅助驾驶 自 动驾驶 行为规划与决策 系统体系结构 综合集成等方面 主要的研究内容如 下吼 l 驾驶员行为分析 d 蠢v 锻b e 辄i o f 觚番y s i s 主要研究驾驶员的行为方式 精神状态与车辆行驶之间的内在联系 目的在于建立各种辅助驾驶模型 为智能 车辆安全辅助驾驶或自动驾驶提供必要的数据 如对驾驶员面部表情的归类分析 能够判定驾驶员是否处于疲劳状态 是否困倦瞌睡等 2 环境感知 嚣n v i 约瓣l e 熊l lp e 愆e 西雌 主要是运用传感器融合等技术 来获 得车辆行驶环境的有用信息 如车流信息 车道状况信息 周边车辆的速度信息 行车标志信息等 3 极端情况下的自主驾驶 a u t o n o m o u s 哺v i n go ne x 讹m ec o u r s e s 主要研究 在某些极端情况下 如驾驶员的反应极限 车辆失控等情况下的车辆皇主驾驶 4 规范环境下的自主导航 a u t o n o m o u sn a v i g a t i o no nn o 嬲a le n v i r o n m e n t 主 要研究在某些规范条件下 如有人为设置的路标或道路环境条件较好 智能车辆 根据环境感知所获得的环境数据 结合车辆的控制模型 在无入干预下 自主地 完成车辆的驾驶行为 5 车辆运动控制系统 v e h i c l em o t i o nc o n t r o ls y s t e m s 研究车辆控制的运动 淀苏大学矮上轿究生擎监论文 学 动力学建模 车体控制等阀题 6 主动安全系统 a c t i v e s a f e t ys y s t c m s 主要是以防为主 如研究各种情 况下的避障 防撞安全保障系统等 7 交通监控 车辆导航及协作 t r a 娥cm o 癫t o r i n g v e h i e l en 鑫v 迳a t i o na l l d c o o r d i n a t i o n 主要研究交通流诱导等问题 s 霹 辆交互透信 1 挝锻一硫魏泌l ec o 凇雌i e 蘸i o 致 研究车辆之间有效的信患交 流 主要是各种车辆间的无线通信问题 9 军事应用 m i l i t a 秽a 弹l i e a t i o n s 研究智能车辆系统在军事上的应用 l o 系统结构 s y s t e ma r c h i t e c t u r e s 研究智能车辆系统的结构组织问题 1 1 先进的安全车辆 a d v a l l c e ds a f e t yv e h i c l e s 研究更安全 具有更高智能 化特征的车辆系统 本文主要研究智能车辆的安全保障技术 重点在车道偏离检测及识别技术 1 1 2 机器视觉技术概述 机器视觉 m a c h i n ev i s i 雌 也称为计算机视觉 c o m 那绝rv i s i 鼹 是用诗算 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 根据像素分东 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宙作为输入手段 幽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 具有童主适疲环境的貔力 这是要经过长期努力才能达到的墨标 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 能依攥视觉敏感和反馈以某种程度煎智麓完成一定的任务 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 撕dm 瓣教授提出了m a 嚣视觉计算理论开始 副 经过9 0 年代的蓬勃发展到现在 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 交逶安防物流 汽车制造等行业 7 嗣陬澜 机器视觉的弓 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 2 江苏人学硕i j 研究生毕业论文 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 现像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须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 公路交通事故给各个国家的人民生命财产和国民经济造成了巨大的损失 据世 界道路协会1 9 9 9 年统计 全世界每年因公路交通事故而死亡的人数达8 0 万 重伤 人数超过5 0 0 万人 因公路交通事故而死亡的人数已居非自然因素死亡人数之首 l l j 统计资料表明 驾驶员人为因素导致的公路交通事故率最高 1 2 2 0 0 4 年我国因 驾驶员导致的公路交通事故数 死亡人数 受伤人数分别占各自总数的8 9 8 8 7 4 9 0 6 在对事故原因的调查过程中 研究人员发现由于驾驶员注意力分 散 转移等原因造成的交通事故逐年增加 1 3 1 4 1 5 1 6 1 7 18 1 目前我国已经成为世 界上道路交通事故最严重的国家之一 归结原因主要是 随着我国高速公路通车 里程的延长和汽车保有量的增加 在高速公路上行驶的车辆越来越多 而目前国 内车辆技术性能差异很大 轿车 客车和载货车对持续高速行驶的工况适应能力 各不相同 再加上驾驶员的个人素质参差不齐 对高速公路上的行车要求不清楚 甚至还在沿用在普通道路上的驾驶习惯 基于机器视觉的车辆辅助驾驶系统能够利用图像处理和计算机视觉检测道路 其他车辆 交通标志 行人 交通事故等道路状况 以保证车辆行驶在正确的车 道 保持安全的车距和合适的车速 并及时处理非常情况 车道检测是车辆辅助驾驶系统的基础性工作 各国学者在过去的二十年内 对 基于视觉的车道和道路的检测进行了广泛的研究 这些研究最大的应用价值在于 车道偏离预警系统中 涯苏大学璐圭磺究受挲监论文 星前 高速公路上行车发生的交通事数主要表现为攀道偏离事故和追尾攀敞 其中车道偏离事故占整个交通事故的三分之 嚣霹 蠢车道偏离造成的第 辆其它 车辆与发生车道偏离的车辆之间发生的碰撞事故称淹车道编离事故 鄙翼深 建驻n 0 f f 冀 列 事敌 瞧豫旁s 黯 i 释g 呈e e 捻至 羔e 雾 氇妇鑫萝0 e 辩r 专毪r e 驻锈 摄攥美 委 n a s sg e s t h en a t i o n a la u t o m o t i v es a m p l i n gs y s t e mg e n e r a le 8 t i m a t e s s y s 专e 曲秘f 袁黔蠢h ef 8 专a 至t y 矗鼗a 王y s 主s 建e p o r 专i n gs y s 专e l l l 酶统计报告分析 由于车道偏离造成的嵇亡事故呈上升趋势器 若在潜在交逶攀敌发生前提翦1 秒镑 绘驾驶曼发恣警掇 刹爵避免9 0 酸类似交遵事故 瑟攀道偏离预警系统 就是 当驾驶员发生疲劳以及精神分散 车辆出现无意识的车道偏离时能给予主动预警 的一种车辆辅助驾驶系统 该系统的应用必将极大地降低公路交通事赦发生的可 熊性 对于减少公路交通事簸及人员死饶肖着十分重要熬现实意义 在9 e 军代裰 期 硬究太员提撼了车邀编离颈警系统的研究f 2 2 根据研究认为车道偏离预罄系 统霹以减少至少2 4 的车道偏离伤亡事故 矧 嚣翦发达国家在车道偏离预警技术 的研究方面投入了大量入力 物力 并取得了许多有价值的研究成采 产生了骥 要翁社会黎经济效益 我基震蓊在穗关援本麴餐究才禳鼷怒步 这载捷得车i 莲镳 离预警憋研究在我星具套更大携紧迫性和现实意义 晷前 传统基于雷达的汽车主动安全系统价格偏离 且这种系统大多具有较窄 的视场和较茬的侧向分辨率 难于在实际中推广 由于驾驶员操纵车辆时 所获 得的信息中超过9 0 是遴过巍觉感翔褥到熬 霾l 墩 考虑搜耀机器视觉 m a c 糕嚣 磁s 泌聚 将这些信息解释为视觉信息是缀裔发展翦爨酶 1 3 本文的研究内容与结构 1 3 1 本论文主要内容 汽车在高速公路或者高等缓公路上行驳游 蠢于路嚣状溅良好 速度会褶瓣较 嵩 盈行驶平稳 这群情况下 车辆长嚣重闽高速行驶 容易导致驾驶爨疲劳驾驶 爱瘟遴钝 缀可能对车辆的横向健置产生错觉和误判 翔聚在这种状态下行驶 就可能会偏离行车路线 与邻近车道的车辆发生碰撞或撞到防护栏上 甚歪可能 蛊接脱离路面 蠹予离速公路中汽车靛行驶速度缀麓 这类事故一爨发生 就会 是非常严重的交遵事故 本文豹研究王作属于安全辅助驾驶技术范畴 其磺究鳗的是为了车道偏离预 警系统做技术支持的 本文在广泛阅读国内外现有的关于率道检测和车道偏离捌 断兹文献蔷 魄较和借鉴现有藏功懿牵道德离预警方法 对楣痰鳇车道识剃及躐 4 江苏久学鼷l j 研究釜毕鼗论文 踪的关键技术进行改进和完善 同时提出自己的车道偏离预警体系 并开发出相 应的车道偏离预警原型系统 论文的主要研究内容和工作包括以下尼方面 1 对机器视觉理论及数字图像处理技术的研究 在车道模型判断 车道识别 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 根据车载c c d 摄像装置所获取的车辆前方车道图像 采用分段车道切换模 型来对近视场区域以及远视场区域中车道标志线逮率进行分析 并进一步 对当前路面所适用的车道模型进行选择切换 3 针对不同的车道模型 采用各自适用的车道检测算法来提取并拟合出车道 标志线 在直道路面上 为了剔除掉冗余信息 突出车道偏离判断的重要 变化量 车道线边界线方向 同时也为了降低车道偏离预警系统的时间 及空间复杂度 研究采用基于车道图像的边缘分布函数来对前方车道图像 进行识别 4 用本文所研究的车道偏离识别方法 设计实现车道偏离预警原型系统 对 实车行进中拍摄的车道视频图像进行车道偏离检测 验证所提方法的有效 性 本文的研究工作是江苏省高技术研究 1 3 i g 2 0 0 5 0 2 8 及镇江市工业攻关项目 的重要组成部分 基于本文的工 乍 作者撰写的一篇学术论文已被中文核心期稍 录用 即将发表 基于边缘特征的车道偏移检测与预警 计算机应用与软件 3 2 论文结构 论文共分七章 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 同时分析和提淝本文的主要研究工作 第二章综述了基前图爽钋车道偏离颈警系统的研究与发展现状 首先篱要奔 绍一些较成功的道路识别和跟踪系统 再对各种车道识别方法的优缺点进行比较 第三章提出了车道边缘特征点的提取算法及车道初始化检测算法 后期的感 兴趣区域的定义需要有准确的车道边缘特征点作为输入 因此在本章中 提如了 基予灰度阑值分割的车道外边缘检测方法来分离车道的外边缘特征点 再在车道 初始化检测模块中通过h o u 曲变换定义了合理的感兴趣区域 有效的缩短了后期 处理的运算时间 第霹章提出了分段切换车道模型的概念 通过分段切换逻辑对远视场和近视 场中道路状况进行分析 准确的判断出当前路面所属的车道模型 以此作为调耀 不同车道检测算法的依据 5 江苏大学硕七研究生毕业论文 第五章就不同的车道模型提出了各自适用的车道检测与识别算法 在直线模型 中 根据边缘分布函数 e d g ed i s t r i b u t i o nf u n c t i o n 的特点 提取出车道偏离判 断的重要特征 车道边界线方向角 在弯道模型中 使用误差最小的最小二乘 法进行道路的曲线拟合 第六章介绍采用面向对象设计模式的思想设计并开发的车道偏离预警原型系 统 并对其运行流程进行详细的分析 第七章对全文进行了总结并阐述了本文的创薪点 6 江苏大学硕士研究生毕业论文 第二章车道偏离预警系统的研究与发展 2 l 概述 车道偏离预警系统简称l d w s l a n ed e p a r t u r ew a r n i n gs y s t e m 或r d w s r o a d w a yd e p a r t u r ew a r n i n gs y s t e m 是基于基本交通规则的安全系统 2 4 根 据 美国 国家公路交通安全管理局的定义 车道偏离预警系统是指一种通过报警 的方式辅助驾驶员避免或者减少车道偏离事故的系统 主要功能是在高速或者类 似的公路环境中 辅助过度疲惫或者长时间单调驾驶的驾驶员保持车辆在车道内 行驶 当由于驾驶员疏忽等原因 造成车道偏离的时候 对驾驶员进行报警 对 予由此可能弓 起的碰撞事故的警告在车道偏离系统的功能之外 而且l d 轷s 也不 具备控制车道动态特性的功能 因此一个车道偏离预警系统不会试图控制车辆以 防止可能发生的碰撞事故 任何与驾驶员交互作用的设计比如方向盘摇动器都只 是一种面向驾驶员的触觉接翻i 2 5 j 车道偏离预警系统是智能辅助驾驶系统研究的一个重要方面 近年来公路运 输过程中由于驾驶员过度疲劳 疏忽或突发疾病 使车辆偏离车道造成重大交道 事故的比例逐年增长 因此研究车道偏离预警系统辅助驾驶员在单调驾驶环境 如 高速公路 中保持车辆在车道内行驶 成为国内外的研究重点 壹予车道偏离预警系统工作环境的特殊性 对车道偏离检测和评价的方法也 有特殊的要求 车道偏离有多种表征 针对这些表征相应的存在多种识别方法和 评价标准 根据这些方法和标准 国内外提出了很多检测车道偏离的方案 2 2 车道偏离识别系统的现状 近1 0 多年来 作为世晃交通运输领域的研究热点 基于机器视觉的车辆自动 或辅助 驾驶系统采用图像处理和计算机视觉技术检测路恧 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 实现这类系统面临的首要关 键问题就是如何实现快速准确地从车载传感器获取的视频图像中检溯到车道和蔫 方的障碍物 为了解决这个问题 国内外很多研究人员都进行了深入研究并取彳导 了很多可喜的研究成果 这些研究具有很大的潜在应用价值 过去的l o 多年里 有些国家的学者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 具有代表缝的系统有 l 0 王s 系统 s 零熊系统 g 洗0 系统 l l 髓雅 系统 s c a r f 系统和a l v i n n 系统等 l o i s 系统由美国密歇根州立大学人工智能实验室开发 该系统利用 种可变形 7 江苏大学硕士研究生毕业论文 的模板技术将道路曲率以及车辆在车道中的位置的确定转化为多维参数空间的最 优化问题 s 戳r 系统主要包括车道识别传感器 孙ei a n ed e 专e e t i o ns e n s o r 横摆角速 度传感器 y a wr a t es e n s o r 前转向促动器 t h ef r o n ts t e e rin ga et u a t o r 和 控制器 t h ec o n t r o l l e r 车道识别传感器主要由黑白c c d 摄像头和图像处理部件 组成 摄像头安装在驾驶室后视镜处 指向前方车道 主要功能是识别车道标志 车道曲率半径 横向偏移和航向角 横摆角速度传感器主要功毵是检测车辆的横 摆角速度 前转向促动器主要由液压动力转向机构组成 主要功能是根据控制器 指令对转向机构施加一定大小的力矩 使方向盘转动一定的角度 控制器的主要 功能是计算当前车辆的实际行驶轨迹和预期行驶轨迹和两种轨迹的偏差 必要时 发出报警指令和转囊促动器控制指令 g o l d 系统由意大利帕尔玛大学开发 采用立体视觉技术 利用定位道路表面油 漆上的具有结构特征的道路标识来检测车道 由于其重组图像和立体视觉处理过 程中计算量菲常大 因而该系统设计了复杂的并行s i 釉硬件结构以达到实时运行 的疆的 r a l p h 系统由美国卡内基梅隆大学机器人学院开发 该系统首先对输入图像进 行再采样并进行逆透射变换 确定道路的曲率 然后计算车辆偏离车道中心的距 离 该系统在假设道路表面为平面的基础上 利用跟踪道路的平行线方法 提高了 对道路标识不清晰的道路识别算法的鲁棒性 s c a r f 系统和a l v i n n 系统都由美国卡内基梅隆大学机器人学院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 s c a r f 系统采用两个彩 色摄像机 在基于假设道路在图像中表现为梯形的条件下 利用 o u 酶变换寻找最 可能的道路位置 然后反投影到真实的道路平面 通过控制转向以使车辆朝向该区 域的主轴线方向 确保车辆在该区域中心行驶 a l v i n n 系统采用基于神经网络的方 法检测不规整道路 该系统利用特殊的气候条件下的车道特征来训练人工神经网 络 从而利用神经网络的方法对特定气候条件下的车道进行识别 以上大多数的车道偏离系统都是基于机器视觉的检测系统 2 3 车道标识识别方法综述 概括地说 道路边界及车道标志线识别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 2 3 基于特征的识别方法 基于特征的识别方法主要是结合道路边界图像的一些特征 颜色特征 灰度梯 8 江苏大学硕士研究生毕业论文 度特征等 从所获取的图像中识别出道路边界 基于特征的识别方法主要可分为 基于灰度特征和基于彩色特征的识别 目前应用较多的是基于灰度特征的识别方 法 基于灰度特征的识别方法 基于灰度特征的识别方法是从车辆前方的序列灰度图像中利用道路边界及车 道标识的特征而完成的对道路边界及车道标识的识别 陆建业 杨明等1 2 6 j 利用市肉交通环境中车道边缘具有平行憋线性特征作为进行 道路检测的主要依据 该算法利用提取出来的成对的特征线集合 as e to ft h e f e a m r el i n e s i n p a i r s f l p s 建立尽可能匹配的线性道路模型 该算法基于线性化参 数的道路模型 采用一个卡尔曼滤波跟踪程序检测每个f l p s 利用退火诊断技术 从所有朐f l p s 中估计出道路模型参数 再利用另一个卡尔曼滤波器逐帧跟踪道路 边界 从而得到更精确 更稳定的检测结果 周欣 黄席樾i 2 7 采用了基于单目视觉技术的高速公路多车道快速检测与重建 技术 来实现高速公路黔车道自动保持 并采用双阂值法快速分害l 高速公路的自 色分道线 用特征跟踪法提取分道线 根据道路视觉模型用圆锥曲线结合分道线 特征点重建4 条分道线 并分析了根据道路视觉模型和分道线重建来实现车道保持 的基本方法 e l i s 曲e 氇g 跫致艮8 利用车道标识与车道部分的亮度僮差异特性来进行车道标识 识别 其识别过程分为以下3 步 1 预处理 先利用低通滤波器 维纳滤波器 w i e n e rf i l t e r 进行滤波 然后利用非线性滤波器 中值滤波 m e d i a nf i l t e r 进行滤 波 2 o u 曲变换检测道路标识线 3 道路标识跟踪 初始化感兴趣区域 蛋 i 为图像下半部分 一旦用翦面的步骤检测到道路标识 则其位置就确定了下一帧 图像中r o i 的位置 同时 为了减少不必要的计算 算法将利用图像的灰度信息 将不含可见道路标识的图像帧抛弃 基于彩色特征的识别方法 彩色图像包含的信息远远多于单色图像所包含的信息 对于单色图像的分割来 说 仅有明亮度 1 i 曲t n e s s 是可用信息 但是人的视觉对明亮度的感觉一般只有 2 0 级左右p l 彩色图像不仅提供明亮度信息还包括色调和饱和度 因此 在很多 情况下对彩色图像的分割很有必要 也越来越引起人们的关注 基于彩色特征的识别方法是从获取的序列彩色图像中根据道路及车道标识的 特殊的色彩特征来完成对道路边界及车道标识的识别 程洪 郑南宁等搿q 提懑了基于局部统计特征和主元分析的道路识别方法 该方 法将色度与图像的局部统计特征楣结合来实现道路识别 并提出了基于局部统计 9 江苏大学硕十研究生毕业论文 特征和主元分析的道路识别算法 该算法首先用广义h e b b i a n 算法训练主元神经网 络 然后将局部统计特征和像素的r g b 分量作为主元神经网络的原始输入 通过 主元神经网络褥到特征矢量 利用k 2 均俊分类器对英进行聚类 最后根据参考 区域识别道路 m 鹪鑫w s 毯a o l i 酬提出了一种基于r g b 彩色巨像的道路识别一一s c a 灯 s u p e m s e dc l a 8 s i f i c a t i o na p p l i e dt or o a df o l l o w i n g 利用了r g b 彩色空间的原 理 根据道路在不同彩色分量上与周围环境对比度的变换 对输入的彩色图像进 行路面和非路面的二值划分 这种方法对非标准车道的适用性较好 2 3 2 基于模型的识别方法 基于模型的道路边界识别方法主要是根据不同的道路图像模型 2 d 或3 d 模 型 采用不同的识别技术 h o u 醢变换 模板匹配技术 神经网络技术等 来对道 路边界及车道标识进行识别 基予2 d 道路图像模型的识剐方法 利用2 d 道路图像模型进行道路识别的方法通常采用的道路图像模型有 直线 模型 多项式曲线模型 样条盐线模型 双卷线模型 利雳这种图像模型的方法 较之于采用3 d 模型的方法更便于采用的主要原因就是 它不需要精确的标定或知 道车辆的自身参数 其不利之处就是很难对车辆位置进行估计 因为这种估计需 要建立3 d 模型估计 邢延超 谈正 3 2 根据摄影几何投影变换从图像内容重建出道路平面图 将原本 3 d 的车道路面场景恢复到2 d 道路平面中 使得透视图像中相交予消失点两条车道 标志线恢复成相互平行的车道标志线 解决了图像中远方车道过于细小 难以检 测的缺点 算法对虚线车道特别有效 再通过二值化及细化 子线段融合后 拟 合出逆映射到图像平面的车道方程 最后根据积分投影变化对道路中的障碍物进 行判断 y u ew a n g 等 3 3 利用样条曲线对道路进行检测和跟踪 其算法利用二维的道路 模型 将检测左右两车道标识线的问题转化为利用先验知识求取道路中心线的问 题 再结合所选的道路模型 将道路中心线的检测问题转为求取样条曲线的控制 点的问题 该方法采用c h e v p 算法 c a n n y h o u g he s t i m a t i o no fv a n i s h i n gp o i n t s 来确定b s n a k e 益线的原始位置 然后利用最小平均方差潮s e 铆i n i m u m 麓e a n s q u a r ee r r o r 算法更新b s n a k e 曲线的控制点 该方法的优点 对图像采集过程 孛嗓音 阴影以及光照的变化具有很好的鲁棒性 对有 无髓确标线的道路识剐 都具有较好的适用能力 l o 江苏人学硕七研究生毕业论文 基于3 d 道路图像模型的识别方法 利用3 d 道路图像模型进行道路边界识别主要是采用道路模型参数和车辆在道 路中静位置参数的3 道路边界模型来确定图像中的道路边界位置 这耱摸型主要 是用于对距离的分析不是要求很高的 没有标识的道路识别 采用3 d 模型的方法 时主要缺点就是模型比较简单或嗓音强度比较大时 识别精度比较低 模型比较 复杂时 模型的更新比较困难 r o 羔锺蠢e h a 雾毪至s j e 勰l 鞠e 疆r 主t 3 4 设计鹃道路跟踪系统剩黛3 d 模型识裂当 前图像中的道路边缘 该3 d 模型可以提供很精确的3 d 参数 车辆位置 车轮转角 道路蓝率 估计 文中提出的道路跟踪器算法可以识别高速公路上的车道边缘鞠计 算单独的3 蛰参数 沈嚣车辆的侧韵位鬣 转向焦和德仰角 车道宽度和承平的馥 率 文中采用的道路边界识别方法主要是基子 1 图像中道路边界模型 2 感兴 趣隧域的建立 3 一侧道路边界的识别有助予另一侧边界的识别 基于享孛经瓣络 黼 酶识捌方法 人工神经网络是模式识别的一种重要工具和方法 一个神经网络由一组相互连 接鲶相同节点 处理单元 印e e s s i 耀e l e 黻e 嫩 p 动构成 每个p e 从网络上游的p e 接受输入 产生一个标量输出并送到下游的p e 中 神经网络一般有一个输入层 一个输嵩层葶器若干个隐含层 神经霹络一般要用训练样本对其进行诞练 图像分 割可以番作 个约束满足问题 c s p 并利用约束满足神经网络来解决 常用的 n n 有h o 两e l d 神经网络 h 心1 自组织映射 s e l o o 毽a n i z i n gm a p s o m b p 网 络 均值和学习商量量化等 在智能车辆导航研究中 采用人工神经嘲络是一种缀典型的方法 比如c m u 的鑫圭车n a v l 曲顼酲孛研究的道路方囊剃断的神经网络系统a 诠躐 a u 协n o m o u s l a n dv e h i c l ei nan e u r a ln e t 它采用三层前向网络 输入层 数据 为3 2 x 3 2 的翦方道路灰度图像 隐层秘输出层 为表示4 5 个道路方尚戆4 5 个结点 通过在实际豢物中驾驶车辆寒训练神经网 将摄像机图像和驾驶方向壹接联系起 来 这种方法的一个很大缺点就是不知道车道线的位置 因丽与率道线有关的许 多辅助功能无法实现 2 3 3 基于视觉与其他传感器融合的识别方法 基予视觉与其他传感器融合的道路边界与车道表示识别方法网前是 个研究 热点 这种方法通过融合多传感器感知弱酶道路信意 剥用多种图像特征黠道路 进行识鬟 t s 鑫至一嚣 轮g 嚣 鼗g 等蚓剥用激光传感器采集罂像获褥车辆翦方的距离信怠 采 江苏大学硕士研究生毕业论文 用彩色摄像机与激光传感器联合感知道路表面和定位道路边界 感知信息用于不 断的更新内在的道路表面的世界模型 该世界模型用于预测下一步道路位置并将 各传感器的注意力集中在各自图像的对应区域 并且该世界模型还根据当前的任 务和获得感知信息决定最合适的道路边界定位和跟踪算法 规划器利用来自世界 模型的信息为车辆确定最佳的行驶路径 该方法在不同的道路上 有标线的柏油 路 土路 沙石路等 利用了道路的不同特征 世界模型中的平坦性 感知区域内 的平坦性 彩色图像的彩色信息以及纹理特征等 进行了试验验证 该算法在试验 车上要求车辆在自动驾驶状态下在公路上车速达到6 0 k m h 在非结构化道路上白 天为3 5 k m h 晚上或恶劣的天气环境下为1 5 k m h 2 4 各种车道识别方法的比较与总结 由于所处理道路的模型不同 且各种车道偏离检测系统的偏离判断的标准不 同 对道路的要求也不尽相同 因此上述各种车道标识识别方法之间的优劣没有 可比性 但在方法分类上 各类方法都有其特点 基于灰度特征的识别方法充分考虑到道路边界图像中车道标志线的灰度和颜 色特征 可以对拍摄到的车道路面图像直接进行处理 通常利用车道标志线的灰 度和颜色特征将其从车道图像中提取出来 并加以检测 再对其进行跟踪处理 基于灰度特征的识别方法的优点是 可以直接处理透视的车道图像 容易提取车 道标志线的灰度特征 车道识别算法简单有效 实时性较高 该识别方法的缺点 是 较难适应变化的车道模型 对路面规划要求较高 基于模型的识别方法主要包括基于2 d 3 d 模型的识别方法和基于神经网络的识 别方法 前者将行驶的车辆 车道标志线放置到摄像机拍摄3 d 坐标系中 使之构 成一个3 d 拍摄系统 在该系统中考虑车道标志线的定位问题 该类识别方法既可 以直接在3 d 场景中对车道进行识别 也可以将3 d 场景映射到真实的2 d 场景后再进 行识别 该类方法的优点是 能有效的解决因透视而造成的前景模糊等问题 后 者基于神经网络的识别方法的优点是 可以充分逼近任意复杂的非线性关系 有 很强的鲁棒性和