專利名稱：基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通和智能車輛研究領(lǐng)域，尤其是一種車道偏離報(bào)警系統(tǒng)。本發(fā)明能夠通過車輛的前置攝像頭實(shí)時(shí)采集的圖像信號(hào)，通過圖像處理技術(shù)對(duì)車道線進(jìn)行檢測(cè)，同時(shí)，能夠通過模式識(shí)別技術(shù)來學(xué)習(xí)駕駛員的駕駛模式，對(duì)駕駛員在疲勞駕駛或疏忽駕駛情況下產(chǎn)生的車輛偏離車道的狀態(tài)進(jìn)行警報(bào)，提醒駕駛員對(duì)車輛進(jìn)行糾偏操作，從而減少潛在交通事故的發(fā)生。
背景技術(shù)：
隨著經(jīng)濟(jì)和交通事業(yè)的不斷發(fā)展，汽車已經(jīng)成為人們不可或缺的交通工具。但隨著汽車使用率的不斷提高，交通事故率也呈現(xiàn)出了逐年上升的趨勢(shì)。據(jù)統(tǒng)計(jì)，在所有機(jī)動(dòng)車事故中，由于車道偏離而造成的交通事故占所有交通事故的百分之二十，更嚴(yán)重的是，由車道偏離而引起的交通事故死亡率占所有交通死亡率的百分之三十七。從這一數(shù)據(jù)可以看出，車道偏離事故已經(jīng)嚴(yán)重影響到了人們的生命財(cái)產(chǎn)安全。因此，近年來國內(nèi)外許多研究機(jī)構(gòu)開始致力于車道偏離報(bào)警系統(tǒng)的研究?，F(xiàn)有技術(shù)提供了一種車道偏離報(bào)警系統(tǒng)。該系統(tǒng)通過對(duì)前視攝像頭實(shí)時(shí)采集來的圖像信息進(jìn)行處理，通過使用圖像濾波技術(shù)提取車道線特征，然后利用檢測(cè)技術(shù)將提取到的特征進(jìn)行參數(shù)估計(jì)，估計(jì)出車道線參數(shù)，再通過計(jì)算這些參數(shù)與車輛之間的相對(duì)位置關(guān)系，當(dāng)車輛偏離車道線時(shí)，給出警告，提醒駕駛員糾正車輛回到安全行駛狀態(tài)。但是這些研究的重點(diǎn)往往放在了如何提高車道線的檢測(cè)精度和系統(tǒng)運(yùn)行的實(shí)時(shí)性上，而忽略了一個(gè)很關(guān)鍵的問題駕駛員是否是在疲勞駕駛或疏忽駕駛狀態(tài)等無意識(shí)狀態(tài)下使車輛偏離車道。因?yàn)?，換道和超車等操作本身也會(huì)產(chǎn)生車道偏離狀態(tài)。如果一種車道偏離報(bào)警系統(tǒng)沒有有效的區(qū)分駕駛員的換道行為，而簡單的在每一種車道偏離狀態(tài)都給出警告，會(huì)產(chǎn)生兩種設(shè)計(jì)缺陷1，報(bào)警信號(hào)會(huì)對(duì)正確駕駛行為下的駕駛員產(chǎn)生注意力干擾，從而引發(fā)交通事故；2，頻繁報(bào)警會(huì)促使駕駛員關(guān)閉車道偏離報(bào)警系統(tǒng)，從而使系統(tǒng)失去其作用和意義。另外，基于視覺的車道偏離報(bào)警系統(tǒng)，其車道線檢測(cè)方法在各種復(fù)雜環(huán)境和各種路況下的抗干擾性和魯棒性仍然是現(xiàn)有技術(shù)的瓶頸。

發(fā)明內(nèi)容
為了解決現(xiàn)有技術(shù)方案所存在的問題，本發(fā)明提供了一種基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)。以便能夠?qū)Ω鞣N路況下以及各種復(fù)雜環(huán)境下的車道線進(jìn)行精確的檢測(cè)，并通過在線學(xué)習(xí)駕駛員的駕駛模式，只對(duì)駕駛員在無意識(shí)狀態(tài)下時(shí)的車道偏離狀態(tài)產(chǎn)生警告。本發(fā)明采用分層的設(shè)計(jì)方法，將系統(tǒng)按照不同的功能分為底層系統(tǒng)(Pl)和上層系統(tǒng)(P2)，底層系統(tǒng)(Pl)由系統(tǒng)的硬件部分，其中含有信號(hào)層(LI)。上層系統(tǒng)(P2)是系統(tǒng)的軟件部分，包括檢測(cè)層(L2)和決策層(L3)。信號(hào)層(LI)為上層系統(tǒng)計(jì)算所需的信號(hào)量提供接口、驅(qū)動(dòng)以及信號(hào)的計(jì)算平臺(tái)。在上層系統(tǒng)(P2)中，檢測(cè)層(L2)負(fù)責(zé)接收由信號(hào)層(LI)傳遞的車速信號(hào)、車輛加速度信號(hào)、轉(zhuǎn)向燈信號(hào)、油門信號(hào)、制動(dòng)信號(hào)和圖像信號(hào)，并通過對(duì)圖像信號(hào)進(jìn)行處理，提取出車道線信號(hào)；決策層(L3)負(fù)責(zé)用檢測(cè)層(L2)傳遞的信號(hào)來量化駕駛模式，然后通過學(xué)習(xí)這些駕駛模式，并對(duì)本次車道偏離狀態(tài)進(jìn)行判斷，對(duì)不符合安全駕駛行為下的車道偏離狀態(tài)進(jìn)行警告。
一種基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，硬件系統(tǒng)包括圖像傳感模塊(H1)，用于實(shí)時(shí)獲取汽車前方圖像數(shù)據(jù)；CAN總線通訊模塊(H2)，與汽車CAN總線進(jìn)行通訊，實(shí)時(shí)獲取車速信號(hào)、轉(zhuǎn)向燈信號(hào)、制動(dòng)信號(hào)、油門信號(hào)；中央處理器模塊(H3)，為車道線模型檢測(cè)方法(SI)和在線學(xué)習(xí)方法(S2)提供計(jì)算平臺(tái)，人機(jī)交互模塊(H4)，該模塊包括開關(guān)、兩個(gè)調(diào)節(jié)按鈕、LED顯示器和喇叭，開關(guān)用于開啟和關(guān)閉車道偏離報(bào)警系統(tǒng)，兩個(gè)調(diào)節(jié)按鈕分別用來設(shè)定危險(xiǎn)預(yù)警級(jí)別，LED顯示器用來顯示左右車道線，喇叭用來提供車道偏離預(yù)警聲音；數(shù)據(jù)存儲(chǔ)器模塊(H5)，用于存儲(chǔ)攝像機(jī)標(biāo)定參數(shù)和S2在線學(xué)習(xí)方法中所使用的樣本數(shù)據(jù)。軟件系統(tǒng)包括車道線模型檢測(cè)方法(SI)，用于實(shí)時(shí)檢測(cè)汽車前方車道線，并計(jì)算車道線與汽車之間的相對(duì)位置；在線學(xué)習(xí)方法(S2)，通過該方法對(duì)汽車偏離車道的狀態(tài)進(jìn)行在線學(xué)習(xí)，有效區(qū)分駕駛員有意識(shí)的換道操作而造成的車道偏離狀態(tài)和駕駛員無意識(shí)下使汽車偏離車道行駛的車道偏離狀態(tài)，并通過學(xué)習(xí)結(jié)果，對(duì)第二種車道偏離狀態(tài)進(jìn)行預(yù)警。本發(fā)明在信號(hào)層(LI)的設(shè)計(jì)如下本發(fā)明所設(shè)計(jì)的信號(hào)層(LI)如附圖3所示，其目的是為了為檢測(cè)層(L2)和決策層(L3)提供信號(hào)、信號(hào)接口、信號(hào)驅(qū)動(dòng)以及信號(hào)的計(jì)算平臺(tái)。其中，圖像傳感模塊(Hl)由鏡頭(HlPl)和CMOS傳感器(H1P2)組成，負(fù)責(zé)提供的實(shí)時(shí)前方道路圖像數(shù)據(jù)；CAN總線通訊模塊(H2)由一個(gè)CAN收發(fā)器(H2P1)組成，負(fù)責(zé)提供車速信號(hào)、車輛加速度信號(hào)、轉(zhuǎn)向燈信號(hào)、油門信號(hào)和制動(dòng)信號(hào)；數(shù)據(jù)存儲(chǔ)器模塊(H5)包括Flash存儲(chǔ)器(H5P1)和SDRAM存儲(chǔ)器(H5P2)，其作用是用來存儲(chǔ)軟件計(jì)算時(shí)所需要的中間變量以及駕駛模式樣本數(shù)據(jù)；人機(jī)交互模塊(H4)由開關(guān)(H4P1)、鍵盤(H4P2)和喇叭(H4P3)組成，其作用是為檢測(cè)層(L2)和決策層(L3)提供開關(guān)命令和安全級(jí)別命令，并接收來自決策層(L3)的報(bào)警命令。本發(fā)明在檢測(cè)層(L2)的設(shè)計(jì)如下本發(fā)明設(shè)計(jì)的檢測(cè)層(L2)的示意圖如附圖4所示，其實(shí)現(xiàn)的功能是通過計(jì)算由信號(hào)層(LI)提供的圖像數(shù)據(jù)，經(jīng)過四個(gè)模塊對(duì)車道線進(jìn)行精確的識(shí)別和跟蹤，上述四個(gè)模塊分別為圖像信息獲取模塊(a)、車道線濾波處理模塊(b)、車道線投影變換模塊(C)、車道線模型檢測(cè)模塊(d);同時(shí)，為了實(shí)現(xiàn)對(duì)車輛狀態(tài)的精確估計(jì)，本發(fā)明使用卡爾曼濾波器模塊(L2P1)對(duì)車速信號(hào)、車輛加速度信號(hào)、油門信號(hào)和制動(dòng)信號(hào)進(jìn)行濾波處理；由于狀態(tài)信號(hào)之間的關(guān)系是非同步的，本發(fā)明使用信號(hào)同步模塊(L2P2)將卡爾曼濾波器模塊(L2P2)所提供的濾波信號(hào)進(jìn)行線性內(nèi)插值和外插值處理，以解決各信號(hào)之間的同步問題。本發(fā)明在決策層(L3)的設(shè)計(jì)如下本發(fā)明設(shè)計(jì)的決策層(L3)的示意圖如附圖5所示，其包括駕駛模式在線學(xué)習(xí)模塊
(f)和車道偏離危險(xiǎn)狀態(tài)估計(jì)模塊(g)。其中，駕駛模式在線學(xué)習(xí)模塊(f)具有以下兩個(gè)工作步驟
步驟I :車道偏離判斷模塊(FPl)通過檢測(cè)層(L2)傳遞的左車道線位置、右車道線位置和轉(zhuǎn)向燈信號(hào)判斷是否啟動(dòng)車道偏離危險(xiǎn)狀態(tài)估計(jì)模塊(g)和在線學(xué)習(xí)模塊(FP2)。判斷方法為，當(dāng)檢測(cè)到車道偏離時(shí)，如果相應(yīng)偏離方向的轉(zhuǎn)向燈未開啟，則啟動(dòng)模塊
(g)，并將本次駕駛模式狀態(tài)發(fā)送給模塊(g)，反之，則啟動(dòng)模塊(FP2)并將本次駕駛模式狀態(tài)發(fā)送給模塊(FP2)；步驟2 :當(dāng)收到車道偏離判斷模塊發(fā)來的啟動(dòng)命令后，在線學(xué)習(xí)模塊(FP2)對(duì)換道過程進(jìn)行監(jiān)測(cè)并記錄駕駛狀態(tài)數(shù)據(jù)，然后，將記錄的數(shù)據(jù)存放在正樣本數(shù)據(jù)庫中。另外，車道偏離危險(xiǎn)狀態(tài)估計(jì)模塊(g)的兩個(gè)工作步驟為步驟I :由危險(xiǎn)級(jí)別計(jì)算模塊(GPl)通過利用Fisher線性判別準(zhǔn)則對(duì)樣本庫中的正負(fù)樣本進(jìn)行統(tǒng)計(jì)，計(jì)算出正負(fù)樣本的線性決策面，然后，計(jì)算由模塊(f)提供的本次駕駛模式狀態(tài)到?jīng)Q策面的距離，并將該距離值傳遞給報(bào)警決策(GP2)；步驟2 :將危險(xiǎn)級(jí)別計(jì)算(GPl)傳遞的距離值與用戶預(yù)設(shè)安全級(jí)別進(jìn)行對(duì)比，通過查詢表I來判斷是否發(fā)送報(bào)警命令。表I
_1<=距離<0 0<=距離<0.33 0. 33<=距離<0. 66 0. 66<=距離<1
預(yù)設(shè)安全級(jí)別4報(bào)警報(bào)警報(bào)警報(bào)警預(yù)設(shè)安全級(jí)別3報(bào)警報(bào)警報(bào)警不報(bào)警
預(yù)設(shè)安全級(jí)別2報(bào)警報(bào)警不報(bào)警不報(bào)警
預(yù)設(shè)安全級(jí)別I報(bào)警不報(bào)警不報(bào)警不報(bào)警本發(fā)明的積極效果在于能夠在在大多數(shù)天氣狀況下(如雨天、雪天、陰天、晴天等)以及復(fù)雜環(huán)境下(如擁堵路段、陰影較多的路段等)準(zhǔn)確的檢測(cè)到車道線，并且能夠通過對(duì)駕駛員駕駛習(xí)慣的學(xué)習(xí)，準(zhǔn)確判斷駕駛員的駕駛意圖，對(duì)駕駛員在無意識(shí)情況下產(chǎn)生的車道偏離情況給出警告。而對(duì)于駕駛員在有意識(shí)換道超車等操作下產(chǎn)生的車道偏離情況不給出預(yù)警。而且，該發(fā)明給用戶提供了預(yù)設(shè)安全級(jí)別的接口，用戶可以根據(jù)需要，設(shè)定安全級(jí)別，安全級(jí)別越高，系統(tǒng)的敏感性越高，同時(shí)，該發(fā)明還提供了安全級(jí)別4的選擇，當(dāng)用戶設(shè)定了該安全級(jí)別，系統(tǒng)將對(duì)任何無轉(zhuǎn)向信號(hào)等狀況下的換道操作進(jìn)行警告。


圖I.基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)的示意2.系統(tǒng)設(shè)計(jì)層次3.信號(hào)層工作原理示意4.檢測(cè)層工作原理示意5.決策層工作原理示意6.實(shí)施例一信號(hào)層結(jié)構(gòu)不意7.車道線特征前處理示意8.車道線與車輛關(guān)系三維示意9.車道偏離判斷模塊工作流程圖
圖I中，Hl為圖像傳感模塊，H2為CAN總線通訊模塊，H3為數(shù)據(jù)存儲(chǔ)器模塊，H4為人機(jī)交互模塊，H5為中央處理器模塊，HI、H2、H3、H4和H5組成了系統(tǒng)硬件結(jié)構(gòu)部分；S1為車道線 模型檢測(cè)方法，S2為在線學(xué)習(xí)方法，SI和S2組成了系統(tǒng)的軟件方法部分；S1中包括a.圖像信息獲取模塊、b.車道線濾波處理模塊、c.車道線投影變換模塊、d.車道線模型檢測(cè)模塊；S2中包括f.駕駛模式在線學(xué)習(xí)模塊、g.車道偏離危險(xiǎn)狀態(tài)模塊
具體實(shí)施例方式為了更清楚地說明本發(fā)明，使得本領(lǐng)域普通技術(shù)人員能夠在不付出創(chuàng)造性勞動(dòng)的前提下能夠?qū)崿F(xiàn)本發(fā)明中所有的技術(shù)方案，下面將清楚、完整地描述本發(fā)明的幾個(gè)實(shí)施例，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。實(shí)施例一給出了信號(hào)層的硬件結(jié)構(gòu)的詳細(xì)說明—種基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，硬件系統(tǒng)包括圖像傳感模塊(H1)，用于實(shí)時(shí)獲取汽車前方圖像數(shù)據(jù)；CAN總線通訊模塊(H2)，與汽車CAN總線進(jìn)行通訊，實(shí)時(shí)獲取車速信號(hào)、轉(zhuǎn)向燈信號(hào)、制動(dòng)信號(hào)、油門信號(hào)；中央處理器模塊(H3)，為車道線模型檢測(cè)方法(SI)和在線學(xué)習(xí)方法(S2)提供計(jì)算平臺(tái)，人機(jī)交互模塊(H4)，該模塊包括開關(guān)、兩個(gè)調(diào)節(jié)按鈕、LED顯示器和喇叭，開關(guān)用于開啟和關(guān)閉車道偏離報(bào)警系統(tǒng)，兩個(gè)調(diào)節(jié)按鈕分別用來設(shè)定危險(xiǎn)預(yù)警級(jí)別，LED顯示器用來顯示左右車道線，喇叭用來提供車道偏離預(yù)警聲音；數(shù)據(jù)存儲(chǔ)器模塊(H5)，用于存儲(chǔ)攝像機(jī)標(biāo)定參數(shù)和S2在線學(xué)習(xí)方法中所使用的樣本數(shù)據(jù)。如圖6，為了描述簡潔，只描述了實(shí)時(shí)本發(fā)明所需用到的核心元器件，本領(lǐng)域普通技術(shù)人員可根據(jù)該實(shí)施例的核心器件在沒有做出創(chuàng)造性勞動(dòng)前提下，復(fù)現(xiàn)本發(fā)明的信號(hào)層，其核心元器件分別對(duì)應(yīng)實(shí)現(xiàn)本發(fā)明信號(hào)層的幾個(gè)模塊的功能，它們分別為12毫米鏡頭和0V2610型號(hào)的CMOS傳感器實(shí)現(xiàn)圖像傳感模塊(Hl)；82C250型號(hào)的CAN收發(fā)器，將收發(fā)器的CAN高和CAN低兩線與汽車低速總線相連接，用以實(shí)現(xiàn)CAN總線通訊模塊；M29W640DT型號(hào)的FLASH和MT48LC16M16A2型號(hào)的SDRAM用來實(shí)現(xiàn)信號(hào)層的數(shù)據(jù)存儲(chǔ)模塊(H5)；ADSP-BF561型號(hào)的數(shù)字信號(hào)處理器，為該實(shí)例的中央處理器模塊(H3)，該模塊中包含了本發(fā)明中的檢測(cè)層(L2)和決策層(L3)中的軟件方法。實(shí)施例二給出了檢測(cè)層各模塊的詳細(xì)說明一種基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，軟件系統(tǒng)包括車道線模型檢測(cè)方法(SI)，用于實(shí)時(shí)檢測(cè)汽車前方車道線，并計(jì)算車道線與汽車之間的相對(duì)位置；在線學(xué)習(xí)方法(S2)，通過該方法對(duì)汽車偏離車道的狀態(tài)進(jìn)行在線學(xué)習(xí)，有效區(qū)分駕駛員有意識(shí)的換道操作而造成的車道偏離狀態(tài)和駕駛員無意識(shí)下使汽車偏離車道行駛的車道偏離狀態(tài)，并通過學(xué)習(xí)結(jié)果，對(duì)第二種車道偏離狀態(tài)進(jìn)行預(yù)警。其中，本實(shí)施例描述了車道線模型檢測(cè)方法(SI)的實(shí)施方法。圖像信息獲取模塊(a):該模塊負(fù)責(zé)接收由圖像傳感模塊(Hl)傳遞來的圖像數(shù)據(jù)，并傳遞給車道線濾波處理模塊(b)進(jìn)行處理，其中圖像數(shù)據(jù)的寬度和高度分別為752像素和480像素，圖像數(shù)據(jù)的屬性為三通道彩色圖像；車道線濾波處理模塊(b):該模塊根據(jù)四個(gè)步驟從圖像數(shù)據(jù)中提取車道線特征。步驟I :通過彩色空間變換(bl)將圖像從彩色圖像變換為灰度圖片，變換方式如公式⑴所示Gray (x,y) = 0. 2989 XR(x,y) +0. 5870 XG(x,y) +0. 1140 XB (x, y)(I)其中，Gray(x, y)為灰度圖片，R(x, y)為彩色圖片的紅色通道，G(x, y)為彩色圖片的綠色通道，B(x，y)為彩色圖片的藍(lán)色通道；步驟2 :通過中值濾波處理(b2)對(duì)灰度圖片降噪處理，本發(fā)明實(shí)施例中采用的中值濾波器大小為I行5列，按照逐行掃描的方式對(duì)灰度圖片進(jìn)行中值濾波處理，得到濾波后圖片 I (X, y)；步驟3 :根據(jù)交通法規(guī)規(guī)定，車道線為白色或者黃色，車道線的灰度值要比道路部分的灰度值高，如圖7中車道線示意圖(0701)所示，因此，車道線特征前處理(b3)根據(jù)這
一特征，對(duì)圖片中的車道線進(jìn)行特征提取，其計(jì)算過程如下面公式所示
權(quán)利要求
1.一種基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于，硬件系統(tǒng)包括 1)圖像傳感模塊(Hl)，用于實(shí)時(shí)獲取汽車前方圖像數(shù)據(jù)； 2)CAN總線通訊模塊(H2)，與汽車CAN總線進(jìn)行通訊，實(shí)時(shí)獲取車速信號(hào)、轉(zhuǎn)向燈信號(hào)、制動(dòng)信號(hào)、油門信號(hào)； 3)中央處理器模塊(H3)，為車道線模型檢測(cè)方法(SI)和在線學(xué)習(xí)方法(S2)提供計(jì)算平臺(tái)， 4)人機(jī)交互模塊(H4)，該模塊包括開關(guān)、兩個(gè)調(diào)節(jié)按鈕、LED顯示器和喇叭，開關(guān)用于開啟和關(guān)閉車道偏離報(bào)警系統(tǒng)，兩個(gè)調(diào)節(jié)按鈕分別用來設(shè)定危險(xiǎn)預(yù)警級(jí)別，LED顯示器用來顯示左右車道線，喇叭用來提供車道偏離預(yù)警聲音； 5)數(shù)據(jù)存儲(chǔ)器模塊(H5)，用于存儲(chǔ)攝像機(jī)標(biāo)定參數(shù)和S2在線學(xué)習(xí)方法中所使用的樣本數(shù)據(jù)。
2.一種基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于，軟件系統(tǒng)包括 車道線模型檢測(cè)方法(SI)，用于實(shí)時(shí)檢測(cè)汽車前方車道線，并計(jì)算車道線與汽車之間的相對(duì)位置； 在線學(xué)習(xí)方法(S2)，通過該方法對(duì)汽車偏離車道的狀態(tài)進(jìn)行在線學(xué)習(xí)，有效區(qū)分駕駛員有意識(shí)的換道操作而造成的車道偏離狀態(tài)和駕駛員無意識(shí)下使汽車偏離車道行駛的車道偏離狀態(tài)，并通過學(xué)習(xí)結(jié)果，對(duì)第二種車道偏離狀態(tài)進(jìn)行預(yù)警。
3.根據(jù)權(quán)利要求I所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于， 所述的圖像傳感模塊(Hl)采用高系數(shù)的低照度感光的CMOS器件。
4.根據(jù)權(quán)利要求2所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于， 所述的車道線模型檢測(cè)方法(SI)包括 1)圖像信息獲取模塊(a);通過中央處理器模塊(H3)從圖像傳感模塊(Hl)獲取前方道路圖片，圖片的寬度為752個(gè)像素，圖片的高度為480個(gè)像素； 2)車道線濾波處理模塊(b)，通過基于透視變換參數(shù)車道線濾波處理算法對(duì)車道線進(jìn)行濾波處理； 3)車道線投影變換模塊(C)，將通過車道線濾波處理模塊處理后的車道線信息進(jìn)行投影變換，變換到新的線性空間； 4)車道線模型檢測(cè)模塊(d)，將車道線投影變換模塊所得到的變換結(jié)果，對(duì)車道線進(jìn)行數(shù)學(xué)建模，從而利用模型匹配搜索的方法對(duì)車道線進(jìn)行檢測(cè)； 5)卡爾曼濾波模塊(e)，將CAN總線通訊模塊(H2)提供的車輛狀態(tài)信息和車道線模型檢測(cè)模塊 (d)提供的車道線信息進(jìn)行濾波處理，并計(jì)算出各信號(hào)連續(xù)狀態(tài)變化的增益系數(shù)，提供給信號(hào)同步模塊⑴; 6)信號(hào)同步模塊(f)通過對(duì)卡爾曼濾波模塊(e)提供的各信號(hào)連續(xù)狀態(tài)變化的增益系數(shù)，計(jì)算出各信號(hào)在同一時(shí)間點(diǎn)上的狀態(tài)值。
5.根據(jù)權(quán)利要求2所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于，所述的在線學(xué)習(xí)方法(S2)包括 1)駕駛模式在線學(xué)習(xí)模塊(g)，通過數(shù)學(xué)的方法學(xué)習(xí)駕駛員在有意識(shí)換道操作下的駕駛模式，并將這些駕駛模式作為樣本存儲(chǔ)在數(shù)據(jù)存儲(chǔ)器模塊(H5)中，并通過對(duì)以往樣本數(shù)據(jù)的學(xué)習(xí)，對(duì)進(jìn)行本次換道的駕駛模式進(jìn)行判斷，并給出判斷結(jié)果； 2)車道偏離危險(xiǎn)狀態(tài)估計(jì)模塊(h)，對(duì)比駕駛模式在線學(xué)習(xí)模塊(g)給出的本次換道的駕駛模式判斷結(jié)果，并將該結(jié)果與用戶選擇的安全級(jí)別進(jìn)行對(duì)比，當(dāng)判斷為危險(xiǎn)狀態(tài)后，打開H4中的LED和喇叭，發(fā)出報(bào)警信息。
6.根據(jù)權(quán)利要求4所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于，所述的車道線濾波處理模塊(b)包含的步驟為 1)灰度圖變換將由圖像信息獲取模塊(a)獲取到的彩色圖片轉(zhuǎn)換為灰度圖片； 2)中值濾波處理利用中值濾波器對(duì)灰度圖片進(jìn)行降噪處理； 3)車道線特征提取根據(jù)如下公式，對(duì)灰度圖片進(jìn)行車道線特征進(jìn)行提取I,i(x,y)-Kx-\y)>TF{x,y)= -I, I(x,y)-I(x-l,y)<-T0,其它 其中，x和y分別為圖像的橫坐標(biāo)和縱坐標(biāo)，F(xiàn)(x, y)為車道線特征圖像，I(x, y)為灰度圖像在(x，y)處的灰度值，T為閾值； 車道線提取根據(jù)提取到的車道線特征圖像，按照如下公式提取車道線T, 、 [I, F(x + l,y) = ~lJ.F(x-l,y) = \,并且對(duì)任意—/<0</都有/^卜 + 0,少)=0,L(x^) = |o,其它 其中，L(x，y)為車道線圖像，I為小于W的任意自然數(shù)，W為車道線寬度閾值。
7.根據(jù)權(quán)利要求4所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于， 所述的車道線投影變換模塊(C)，由如下公式對(duì)車道線圖像進(jìn)行投影變換a=0行i = A，A+1， ，B，j = C，C+l， ，D 其中，i和j分別為投影變換空間的橫坐標(biāo)和縱坐標(biāo)，s(i，j)是投影空間矩陣，G( )是絕對(duì)值函數(shù)，L是車道線圖像，H是圖像的高度，A和B分別對(duì)應(yīng)投影空間在橫坐標(biāo)方向上的最小值和最大值，C和D分別對(duì)應(yīng)投影空間在縱坐標(biāo)方向上的最小值和最大值。
8.根據(jù)權(quán)利要求4所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于， 所述的車道線模型檢測(cè)模塊(d)是利用車道線投影變換模塊(c)將車道線變換到新的投影空間，在這個(gè)投影空間中，對(duì)左右各車道線建立數(shù)學(xué)模型，其模型參數(shù)包括左車道線坐標(biāo)、右車道線坐標(biāo)和車道寬度從而實(shí)現(xiàn)對(duì)車道線的檢測(cè)。
9.根據(jù)權(quán)利要求5所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于， 所述的駕駛模式在線學(xué)習(xí)模塊(g)，描述駕駛模式的參數(shù)有換道速率、換道時(shí)車速、換道時(shí)油門開度、換道時(shí)制動(dòng)開度、換道時(shí)油門變化率和換道時(shí)制動(dòng)變化率，同時(shí)利用換道標(biāo)志位變量判斷該駕駛模式的參數(shù)所屬的樣本類型，其中換道標(biāo)志位為I時(shí)表示該駕駛模式為有意識(shí)換道操作類型，將這種類型的樣本存儲(chǔ)到數(shù)據(jù)存儲(chǔ)器模塊(H5)中，換道標(biāo)志位為O時(shí)表示其它類型，同時(shí)，利用Fisher線性判別準(zhǔn)則，找到這些樣本的線性最優(yōu)決策平面。
10.根據(jù)權(quán)利要求9所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于， 所述的換道標(biāo)志位的確定方法為，當(dāng)由車道線模型檢測(cè)方法(SI)檢測(cè)到車輛偏離車道行駛時(shí)，如果CAN總線通訊模塊(H2)接收到了與偏離方向相同的轉(zhuǎn)向燈信號(hào)時(shí)，換道標(biāo)志位為I。如果CAN總線通訊模塊(H2)沒有接收到與偏離方向相同的轉(zhuǎn)向燈信號(hào)，換道標(biāo)志位為O。
11.根據(jù)權(quán)利要求5所述的基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，其特征在于， 所述的車道偏離危險(xiǎn)狀態(tài)估計(jì)模塊(h)的方法利用駕駛模式在線學(xué)習(xí)模塊(g)提供的線性最優(yōu)決策平面，并將本次換道操作駕駛模式的參數(shù)到該平面的距離，并將該距離與各危險(xiǎn)預(yù)警級(jí)別的閾值進(jìn)行對(duì)比，當(dāng)本次換道操作駕駛模式的危險(xiǎn)級(jí)別大于人機(jī)交互模塊(H4)所設(shè)定的預(yù)警級(jí)別時(shí)進(jìn)行預(yù)警操作。
全文摘要
本發(fā)明公開了一種基于車道線模型檢測(cè)方法和在線學(xué)習(xí)方法的車道偏離報(bào)警系統(tǒng)，涉及智能車輛領(lǐng)域技術(shù)。該發(fā)明可用來實(shí)現(xiàn)車道偏離報(bào)警功能，目的是用于汽車上，當(dāng)駕駛員因疲勞或疏忽而造成車輛偏離車道線時(shí)，能夠給出預(yù)警信號(hào)，避免危險(xiǎn)的發(fā)生。本發(fā)明包括硬件系統(tǒng)和軟件系統(tǒng)兩部分。硬件系統(tǒng)主要功能是獲取圖像數(shù)據(jù)，獲得車輛狀態(tài)信息，存儲(chǔ)在線學(xué)習(xí)的樣本數(shù)據(jù)和為軟件方法提供計(jì)算平臺(tái)。軟件系統(tǒng)包括車道線模型檢測(cè)方法和在線學(xué)習(xí)方法。本發(fā)明能夠車道線模型檢測(cè)方法準(zhǔn)確檢測(cè)到車道線的位置，并且能夠有效的在線學(xué)習(xí)駕駛員的駕駛模式，對(duì)駕駛狀態(tài)的危險(xiǎn)性進(jìn)行準(zhǔn)確的量化估計(jì)，在對(duì)危險(xiǎn)狀況進(jìn)行有效預(yù)警的同時(shí)，降低了車道偏離報(bào)警系統(tǒng)的虛警率。
文檔編號(hào)B60W40/06GK102616241SQ20121008718
公開日2012年8月1日 申請(qǐng)日期2012年3月28日 優(yōu)先權(quán)日2012年3月28日
發(fā)明者不公告發(fā)明人 申請(qǐng)人:周圣硯