基于视觉的车道线检测方法研究.docVIP

基于视觉的车道线检测方法研究 尹金楷 魏玉 河南省纯电动轿车及关键零部件实验室 三门峡职业技术学院机电工程学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 随着我国汽车保有量急剧增加, 交通事故也呈现上升趋势, 车辆碰撞导致的交通事故在总交通事故中占据了较大的比例, 产生碰撞的主要原因之一就是由于人的视觉呈扇形, 驾驶员进行换道操作时, 存在一定的视觉盲区。笔者就是在汽车侧方后视镜上安装摄像机采集汽车两侧图像, 通过工控机识别图像中远近车道线, 近侧车道线用最小二乘法拟合, 在此基础上估计出远侧车道线, 利用车道线检测辅助驾驶员换道操作, 减少碰撞交通事故的发生。 关键词： 碰撞; 换道; 视觉盲区; 辅助驾驶; 作者简介：尹金楷 (1985-) , 男, 河南新乡人, 河南省纯电动轿车及关键零部件实验室人员, 三门峡职业技术学院机电工程学院讲师, 硕士, 主要研究方向:车辆智能控制与检测、汽车新技术、新能源方向。 收稿日期：2017-07-02 Received： 2017-07-02 0 引言 随着我国汽车保有量急剧增加, 交通事故也呈现上升趋势, 由于车辆碰撞导致的交通事故在总交通事故中占据了较大的比例, 给人们的生命和财产安全造成了重大的损失, 车辆换道造成事故多发的现象越来越受到各个国家的高度重视[1]。杨刚等[2]研究了多车协同自动换道, 通过对两车并行协同行为进行界定, 提出了两车并行协同自动换道控制策略。曲大义等[3]基于效用理论方法, 以实现驾驶行为决策效用最大化为目标, 建立车辆换道分层Logit模型。李娟等[4]在研究常规换道基础上提出交叉换道形式, 并对交叉换道最小安全距离进行仿真分析。笔者在我国智能车辆研究的基础上, 对车辆换道辅助技术即视觉辅助换道系统进行了深入研究, 以期能为我国智能车辆安全辅助换道技术的发展提供一定的理论支持。 1 侧方道路边道线检测 通过道路图像预处理, 能够准确识别图像信息, 感知周围环境, 为车辆换道辅助驾驶奠定了基础。但道路边线检测才是车辆换道辅助系统的核心技术, 只有明确道路信息方能确定周围车辆位置, 并且确定周边车辆与本车的相对位置, 确保换道操作时不发生碰撞, 实现安全换道。笔者将侧方车道线根据距离本车的位置划分为近侧车道线和远侧车道线。远近车道线描述形式如图1所示。 1.1 近车道线检测 根据摄像机的安放角度以及图像透视变换的影响, 近侧车道线近似于直线模型, 采用最小二乘法来求直线模型的参数[5]。最小二乘法是目前常见的回归分析方法之一, 是进行回归分析的基础。因此近侧车道线的直线模型y=ax+b可用线性回归法确定参数a和b。 图1 远近车道线 ??下载原图 1.2 确定道路图像中重点检测区域 由于本系统摄像机拍摄的图像中包括车以及车周围的环境, 而车辆换道检测系统中侧方车辆检测依据为车辆底部阴影, 所以道路图像的下部才是重点检测区域, 只需要处理这一部分的信息即可, 为了提高系统运算速度, 可以更为深入地把重点检测区域取为道路图像下半部分的一个梯形区域。由于摄像机安装在汽车左后视镜上, 所以我们把车辆左边的梯形区域作为重点检测区域, 如图2所示。 1.2.1 近道线的静态图像特性 为了防止汽车行驶过程中偏离车道线, 需要车辆智能辅助系统能够迅速辨别汽车两侧的车道线, 为了达到这一目标, 需要掌握道路图像中车道线的基本特征。为了使驾驶员在行驶中能够轻易区分车道线, 车道线需要与路面在色彩方面形成剧烈的反差, 这也是车道线通常呈现为白色或黄色的主要原因。当把三原色图像转换为灰度图像时, 这种色彩的差异会得以保留。根据车道线的这一基本特征, 近侧车道线算法的主要步骤如下: 1) 在ROI (Retrun On Investment) 内, 提取有用的颜色通道进行灰度处理, 并对灰度图像进行滤波和阈值化分割。 2) 在ROI内, 通过阈值化分割得到二值道路图像, 自上而下依次扫描, 获得车道线的道路特征点。判别道路特征点中的边缘点和非边缘点, 方法如下:二值图像中0表示非边缘点, 255表示边缘点, 在二值图像中运用搜索窗口进行车道标志点搜索, 最后进行车道线拟合, 如图3所示。 图2 梯形重点检测区域 ??下载原图 图3 近侧车道线拟合结果 ??下载原图 1.2.2 近道线的动态图像特性 在静态图像车道线拟合过程中, 通过融入前一帧图像的道路信息, 减少图像的噪声点, 更好地拟合出道路车道线, CCD摄像机拍摄的图像可达到30帧/秒, 所以道路图像可认为是连续的, 前后帧图像之间不会出现车道线突变的情况。这样就可以依据前一帧图像来设定