《电子技术应用》

结合机器视觉的车道偏离识别算法研究

来源:电子技术应用2013年第3期
刘纪红, 康小霞, 杨 丽
(东北大学 信息科学与工程学院,辽宁 沈阳 110819)
摘要: 首先确定车道偏离检测的目标区域,然后利用数字图像处理技术及多种算法进行处理,将推算出的左右车道线夹角作为判别车辆是否偏离车道行驶的预警依据。实验结果表明,该算法具有较好的稳定性和一定的应用价值。
中图分类号: TP391
文献标识码: A
文章编号: 0258-7998(2013)03-0133-03

Algorithm research for lane departure recognition using machine vision

Liu Jihong, Kang Xiaoxia, Yang Li
(School of Information Science and Engineering, Northeastern University, Shenyang 110819, China)
Abstract: Firstly, the target area is determined for the lane departure detection. Secondly, the system uses digital image processing technologies and multiple algorithms processing. Finally, it adapts the calculated angle between the left and right lane as the standard to judge the vehicle whether or not deviated from the lane. The experimental results show that the design presented in this paper is stable and with good application value.

    汽车主动安全技术是指为预防汽车发生事故,避免人员受到伤害而采取的安全技术(如LDWS、ABS、EBD等)。车道偏离预警系统LDWS(Lane Departure Warning System)是一种通过报警的方式辅助驾驶员减少汽车因车道偏离而发生交通事故的系统,其研制获得很多国家的高度重视[1-3]。其中,美国卡内基梅隆大学机器人学院于1997年成功开发AURORA系统;日本三菱汽车公司提出的DSS系统于1999年应用于模型车上。2006年吉林大学汽车动态模拟国家重点实验室开发了基于单目视觉的JLUVA-1系统;2012年南京航空航天大学和东南大学共同开发的车道偏离检测[4],可计算出车道偏离的程度。

 


1 车道图像预处理与车道线检测
     通常摄像头采集的道路图像会包含与车道无关的信息。为了简化算法难度,影像区域的中下部分分辨率为400×100的图像作为图像处理区域。



1.2 车道线识别
    在车道偏离预警系统中,车道偏离决策算法要依赖车道线识别结果。本文主要研究对近景区域中的车道线,选用直线模型[7]拟合车道线。由于在连通域标记的开始阶段,在连通域标记的图像中,当前工作像素点之后的值都为零。因此,本文的连通域标记算法中,只调整在连通域标记图像中对应于当前工作点之前的像素点的标号,从而减少了每次遍历的时间。在连通域选择阶段,首先对连通域图像分成左右对称的两个区域,然后分别对两个区域中的连通域进行搜索,扫描连通域标记图像。若该点的像素值为零,则继续扫描下一点;否则将两个数组中与当前像素点的值对应的元素加1。这样只需对图像进行一次遍历就能够完成各个连通域像素个数的统计操作,分别求得两个部分的像素点个数最多的连通域。然后采用最小二乘法将上述得到连通域中的像素点进行拟合,进而得到车道线的斜率和截距。该方法可以提高车道线拟合的准确性和系统的实时性。
1.3 车道偏离决策
    根据是否对摄像头进行标定可将基于机器视觉的车道偏离决策算法分为两类:一类是需要对摄像头进行标定的算法[8];另一类是非摄像头标定算法[9-11]。与参考文献[12]中方法不同,本文采用的预警判别中的车道线夹角定义为道路图像中左右车道线与水平轴夹角之和。在判断偏离的基础上区分出是左偏还是右偏,本文采用非摄像头标定算法进行车道偏离决策。车道线夹角法的原理示意图如图3所示,θL、θR为左、右车道线与水平轴的夹角,θS为两个夹角之和。若θS超过设定的阈值,则认为车道偏离正常行驶车道。    

车道线的斜率求出车道线夹角θS=θL+θR,从而计算出车道偏离决策阈值θ1和θ2。若θS值大于θ1,则判定车辆左偏,系统将预警;若θS值小于θ2,则判定车辆右偏,系统也将预警。
2 测试与结果分析
2.1系统算法的Matlab仿真测试结果

    车道安全预警算法的实现是建立在各个模块算法的基础上,本文利用Matlab中时间函数tic、toc统计算法准确的运行时间。正常行驶、左偏行驶和右偏行驶时的待测试图像如图5所示。

    由表2可知,DSP系统能够作为一个独立的平台,实现车道偏离和障碍检测预警功能。
2.3 结果分析
  本文算法测试结果与实际情况相符,验证了算法的可行性。测试系统通过读取测试图像,选取感兴趣区域、执行偏离分析算法及进行预警显示,每幅图像在Matlab仿真环境下的平均处理时间约为0.6 s,此值为整个测试系统程序运行的时间。在未来开发车载系统的实际应用中,图像采集等部分可由专用硬件平台实现(如声音提示),车道偏离分析预警程序运行的时间将远小于仿真系统需要的时间。
    本文系统阐述了基于视频实时车道偏离预警算法的研究,算法主要采用图像预处理算法、车道线识别算法、车道偏离决策算法、改进的中值滤波等预处理算法、优化的循环体Ostu自适应算法、最小二乘法和车道线夹角法。利用车道线拟合后得到的车道线斜率,求得左右车道线与水平轴夹角之和来判断车辆是否偏离车道,并通过Matlab仿真实验验证了算法的可行性和鲁棒性。
参考文献
[1] 仝光, 李虎, 郑文成. 车道偏离预警系统研究概述[J]. 汽车与配件,2009,18(5):26-27.
[2] BERTOZZI M, BROGGI A. Artificial vision in road vehicles[C]. Proceedings of the IEEE, 2002,90(7):1258-1271.
[3] BOUMEDIENE M, OUAMRI A,DAHNOUN N. Lane boundary detection and tracking using NNF and HMM approaches[C]. Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul, 2007.
[4] 余厚云,张为公,赵转萍.基于车道线斜率的车道偏离检测[J].光电工程,2012,39(07):43-48.
[5] 田炳香,郑榜贵,吴晴.高速公路车道线检测与跟踪算法研究[J].现代电子技术, 2008(9):180-183.
[6] 胡颖.Otsu算法的研究与改进[J].枣庄学院学报,2009,26(5):68-69.
[7] Xu Houjie, Li Huifang. Study on a robust approach of lane departure warning algrithm[C]. 2010 2nd International  Conference on Signal Processing Systems (ICSPS), 2010.
[8] 毕雁冰. 高速汽车车道偏离预警系统可行区域感知算法研究[D]. 吉林:吉林大学,2006.
[9] 于兵, 张为公, 龚宗洋.基于机器视觉的车道偏离报警系统[J]. 东南大学学报,2009,39(5):930-931.
[10] 刘燕兵.基于方向可调滤波器的车道线识别方法研究[D].成都:电子科技大学,2009.
[11] An Xiangjing, Wu Mo, He Hangen. A novel approach to provide lane departure warning using only one for-wardlooking camera[C]. International Symposium on Collaborative Technologies and Systems, 2006.
[12] 吴沫.基于计算机视觉的车道跑偏告警系统方法研究[D]. 长沙:国防科技大学,2005.

继续阅读>>