一種適用于城市道路車道線預(yù)測及預(yù)警方法
【專利摘要】本發(fā)明公開了一種適用于城市道路車道線預(yù)測及預(yù)警方法，首先，對(duì)采集到的道路圖像降采樣，設(shè)定感興趣檢測區(qū)域，灰度化，濾波增強(qiáng)，用Canny算子進(jìn)行邊緣檢測，將邊緣檢測后的圖像二值化，映射到Hough平面，用改進(jìn)的Hough變換提取車道線；然后，采用經(jīng)典Kalman濾波算法預(yù)測車道線參數(shù)，建立感興趣區(qū)域，用最小二乘法對(duì)感興趣區(qū)域內(nèi)的車道線進(jìn)行擬合，得到最優(yōu)預(yù)測值。最后，將道路路面信息和汽車當(dāng)前位置信息相結(jié)合，建立基于橫向距離的車道偏離報(bào)警模型，實(shí)現(xiàn)偏離報(bào)警。本發(fā)明提出的車道線識(shí)別算法具有良好的實(shí)時(shí)性和魯棒性，車道偏離報(bào)警模型計(jì)算簡單，報(bào)警準(zhǔn)確。
【專利說明】一種適用于城市道路車道線預(yù)測及預(yù)警方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于汽車主動(dòng)安全【技術(shù)領(lǐng)域】，涉及一種適用于城市道路車道線預(yù)測及預(yù)警方法。
【背景技術(shù)】
[0002]隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，汽車的數(shù)量越來越多，這給人們的生活帶來便捷的同時(shí)，也帶來了頻發(fā)的交通事故。據(jù)統(tǒng)計(jì)，每年世界范圍內(nèi)的公路交通事故中大約有1000萬人受傷，這些事故直接造成的經(jīng)濟(jì)損失約占世界⑶P的13%。根據(jù)美國聯(lián)邦公路局估計(jì)，美國2002年所有致命的公路交通事故中大約有44%與車輛偏離車道有關(guān)。為了有效減少和避免車道偏離交通事故的發(fā)生，國內(nèi)外研究機(jī)構(gòu)和汽車研發(fā)、生產(chǎn)廠商越來越重視車道偏離報(bào)警系統(tǒng)(Lane Departure Warning System, LDWS)的研究。它是一種輔助駕駛員減少車輛無意識(shí)的車道偏離，以防發(fā)生交通事故的系統(tǒng)。隨著計(jì)算機(jī)視覺技術(shù)的快速發(fā)展，基于視覺的LDWS具有成本低廉、信息量豐富等優(yōu)點(diǎn)，因此機(jī)器視覺技術(shù)被廣泛地應(yīng)用于車道偏離報(bào)警系統(tǒng)中。
[0003]基于視覺的車道偏離報(bào)警系統(tǒng)的研究主要是針對(duì)車道線的檢測以及在此基礎(chǔ)上的車道偏離報(bào)警決策。當(dāng)前基于視覺的車道線檢測算法可以歸納為基于道路特征的方法和基于道路模型的方法。基于特征的方法一般根據(jù)車道線的顏色、邊緣特征等進(jìn)行識(shí)別，算法簡單，但是僅適用于光照良好的干凈路面，其抗干擾性和魯棒性不佳?；谀Ｐ偷姆椒ㄍǔ２捎弥本€、曲線、分段直線、樣條曲線模型等來進(jìn)行車道線識(shí)別，該方法魯棒性好，但是模型越復(fù)雜，確定模型參數(shù)值的計(jì)算量也就越大。目前的車道偏離決策主要有以下幾種:基于當(dāng)前車道位置的CCP(Car’s current position)報(bào)警模型；基于車輛將橫越車道邊界時(shí)間的TLC(Time to Lane Crossing)報(bào)警模型；基于左右車道線在圖像中夾角和的方法等。
[0004]前面提出的車道檢測和偏離報(bào)警的算法大部分都是針對(duì)路況優(yōu)越的結(jié)構(gòu)化道路進(jìn)行的。而對(duì)于城市半結(jié)構(gòu)化道路，由于路況復(fù)雜多變、車道標(biāo)識(shí)線缺損、受污染嚴(yán)重、路面干擾標(biāo)識(shí)較多等諸多因素，現(xiàn)有算法出現(xiàn)了道路模型適應(yīng)性不強(qiáng)、車道線可識(shí)別性不高、受干擾嚴(yán)重等問題，進(jìn)而導(dǎo)致車道偏離報(bào)警準(zhǔn)確性較低。因此，針對(duì)城市道路環(huán)境，需要研究出一種魯棒性好、準(zhǔn)確性高、實(shí)時(shí)性好的車道識(shí)別方法，進(jìn)而建立一個(gè)預(yù)報(bào)準(zhǔn)確、及時(shí)的偏離報(bào)警系統(tǒng)，達(dá)到輔助駕駛的目的。

【發(fā)明內(nèi)容】

[0005]為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種適用于城市道路車道線預(yù)測及預(yù)警方法，是一種抗干擾性強(qiáng)、準(zhǔn)確性高、實(shí)時(shí)性好的城市道路車道線檢測方法，并且在準(zhǔn)確檢測出車道線的基礎(chǔ)之上，進(jìn)行及時(shí)預(yù)報(bào)和準(zhǔn)確的偏離報(bào)警。
[0006]一種適用于城市道路車道線預(yù)測及預(yù)警方法，包括以下幾個(gè)步驟:
[0007]步驟1:實(shí)時(shí)獲取行車道路圖像，并以道路圖像的下半部分作為道路感興趣區(qū)域ROI ；[0008]步驟2:圖像預(yù)處理；
[0009]對(duì)道路感興趣區(qū)域ROI依次進(jìn)行灰度化處理、高斯濾波處理、邊緣檢測及二值化處理獲得道路預(yù)處理圖像；
[0010]步驟3:采用Hough變換對(duì)道路預(yù)處理圖像進(jìn)行車道線檢測，獲得當(dāng)前幀圖像的車道線的直線方程I = kx+b,設(shè)置預(yù)測次數(shù)T初始值為O ;
[0011]利用Hough變換對(duì)道路預(yù)處理圖像進(jìn)行車道線檢測，獲得車道線方程y = kx+b，其中，X和y表示車道線上任意點(diǎn)的橫坐標(biāo)和縱坐標(biāo)，圖像的底邊為X軸，圖像底邊的中垂線為I軸，垂直向上為I軸正方向，以X軸和I軸的交點(diǎn)作為坐標(biāo)原點(diǎn)，k和b由車道線的極坐標(biāo)參數(shù)極徑P和極角轉(zhuǎn)換獲得；
[0012]步驟4:若當(dāng)前幀為第一幀圖像，則將車道線檢測值存儲(chǔ)到存儲(chǔ)器中；否則，將當(dāng)前幀圖像的車道線檢測值與預(yù)測器對(duì)上一幀圖像輸出的車道線參數(shù)預(yù)測值做差值，將獲得的差值c與設(shè)定的閾值范圍[m，n]進(jìn) 行比較，如果差值滿足m≤c≤n，則將當(dāng)前幀圖像的車道線檢測值代替存儲(chǔ)器中的車道線參數(shù)，否則以預(yù)測器輸出的車道線參數(shù)預(yù)測值代替存儲(chǔ)器中的車道線參數(shù)；
[0013]步驟5:判斷預(yù)測次數(shù)T是否小于設(shè)定閾值T0，若小于，則將存儲(chǔ)器中的車道線參數(shù)輸入Kalman預(yù)測器建立車道線感興趣區(qū)域，預(yù)測次數(shù)T加1，并進(jìn)入步驟6 ;否則，進(jìn)入步驟7 ;
[0014]步驟6:從車道線感興趣區(qū)域中任意提取η個(gè)數(shù)據(jù)點(diǎn)，采用最小二乘法進(jìn)行擬合，獲得當(dāng)前幀圖像的車道線參數(shù)預(yù)測值；
[0015]步驟7:利用前面步驟中獲取的車道線參數(shù)、車道線位置和道路圖像大小，對(duì)車輛行車路線進(jìn)行偏離報(bào)警；
[0016]計(jì)算車輛與所在車道左右車道線之間的橫向距離，如果任一橫向距離小于預(yù)先設(shè)定的安全距離閾值，則判定車輛發(fā)生了車道偏離，否則，車輛未發(fā)生車道偏離，返回步驟I。
[0017]假設(shè)當(dāng)前像平面對(duì)稱軸為Xtl，道路區(qū)域?qū)ΨQ軸為X1，假設(shè)開始行駛時(shí)，汽車中心線與車道平行。當(dāng)汽車行駛在道路中心時(shí)對(duì)稱軸Xtl和X1重合，如果車輛行駛發(fā)生偏移時(shí)，X0和X1之間必然有較大的偏差。計(jì)算出像平面對(duì)稱軸X。距離左右車道線的距離Cl1和dr，設(shè)置一個(gè)安全距離閾值H = 0.4*W(W為圖像的寬度)，當(dāng)min (屯，dr) >H時(shí)，表明車輛處于正常行駛狀態(tài)；否則，如果d^H，則表明車輛向左側(cè)車道偏離，若d,〈H，則表明車輛向右側(cè)車道偏離。根據(jù)偏離的具體情況，報(bào)警系統(tǒng)對(duì)駕駛員做出相應(yīng)的提醒，以及時(shí)對(duì)車輛行駛狀態(tài)做出調(diào)整，避免發(fā)生無意識(shí)的車道偏離。
[0018]城市道路車道線檢測基于以下道路模型假設(shè):
[0019](I)基于直線模型假設(shè)。根據(jù)城市道路的特征以及相機(jī)拍攝的區(qū)域，將近視野范圍內(nèi)的車道線定義為直線模型:y = kx+b。
[0020](2)左右車道線平行假設(shè)。無論直道、彎道或者彎路等，都假設(shè)近視場范圍內(nèi)的左右兩車道線是相互平行的，延長線相交于遠(yuǎn)處消隱點(diǎn)。
[0021](3)車道線連續(xù)性假設(shè)。對(duì)于虛線車道線或者被車輛遮擋的車道線，假設(shè)其間斷區(qū)域也存在虛擬的邊緣點(diǎn)，當(dāng)作連續(xù)的車道線來處理。
[0022]邊緣點(diǎn)位置的可預(yù)測性假設(shè)。對(duì)視頻序列進(jìn)行處理時(shí)，由于車速較快，相機(jī)的采集速度(25幀/s)較快，視頻流中相鄰兩幀圖像中車道線位置變化比較小，因此邊緣點(diǎn)位置具有可預(yù)測性。
[0023]所述步驟5將存儲(chǔ)器中的車道線參數(shù)輸入Kalman預(yù)測器建立車道線感興趣區(qū)域，具體過程如下:
[0024]步驟A:建立Kalman預(yù)測器的狀態(tài)方程、觀測方程和預(yù)測器方程；
[0025]把第η幀的車道線參數(shù)作為觀測值輸入Kalman預(yù)測器，得到下一幀(η+1幀)圖像車道線位置的預(yù)測，計(jì)算出搜索區(qū)域；
[0026]Kalman預(yù)測器的狀態(tài)方程和觀測方程如下:
【權(quán)利要求】
1.一種適用于城市道路車道線預(yù)測及預(yù)警方法，其特征在于，包括以下幾個(gè)步驟: 步驟1:實(shí)時(shí)獲取行車道路圖像，并以道路圖像的下半部分作為道路感興趣區(qū)域ROI ； 步驟2:圖像預(yù)處理； 對(duì)道路感興趣區(qū)域ROI依次進(jìn)行灰度化處理、高斯濾波處理、邊緣檢測及二值化處理獲得道路預(yù)處理圖像； 步驟3:采用Hough變換對(duì)道路預(yù)處理圖像進(jìn)行車道線檢測，獲得當(dāng)前幀圖像的車道線的直線方程I = kx+b,設(shè)置預(yù)測次數(shù)T初始值為O ; 利用Hough變換對(duì)道路預(yù)處理圖像進(jìn)行車道線檢測，獲得車道線方程y = kx+b，其中，X和I表示車道線上任意點(diǎn)的橫坐標(biāo)和縱坐標(biāo)，圖像的底邊為X軸，圖像底邊的中垂線為I軸，垂直向上為I軸正方向，以X軸和I軸的交點(diǎn)作為坐標(biāo)原點(diǎn)，k和b由車道線的極坐標(biāo)參數(shù)極徑P和極角轉(zhuǎn)換獲得； 步驟4:若當(dāng)前幀為第一幀圖像，則將車道線檢測值存儲(chǔ)到存儲(chǔ)器中；否則，將當(dāng)前幀圖像的車道線檢測值與預(yù)測器對(duì)上一幀圖像輸出的車道線參數(shù)預(yù)測值做差值，將獲得的差值c與設(shè)定的閾值范圍[m，η]進(jìn)行比較，如果差值滿足m≤c ( n，則將當(dāng)前幀圖像的車道線檢測值代替存儲(chǔ)器中的車道線參數(shù)，否則以預(yù)測器輸出的車道線參數(shù)預(yù)測值代替存儲(chǔ)器中的車道線參數(shù)； 步驟5:判斷預(yù)測次數(shù)T是否小于設(shè)定閾值T0，若小于，則將存儲(chǔ)器中的車道線參數(shù)輸入Kalman預(yù)測器建立車道線感興趣區(qū)域，預(yù)測次數(shù)T加1，并進(jìn)入步驟6 ;否則，進(jìn)入步驟7 ； 步驟6:從車道線感興趣區(qū)域中任意提取η個(gè)數(shù)據(jù)點(diǎn)，采用最小二乘法進(jìn)行擬合，獲得當(dāng)前幀圖像的車道線參數(shù)預(yù)測值； 步驟7:利用前面步驟中獲取的車道線參數(shù)、車道線位置和道路圖像大小，對(duì)車輛行車路線進(jìn)行偏離報(bào)警； 計(jì)算車輛與所在車道左右車道線之間的橫向距離，如果任一橫向距離小于預(yù)先設(shè)定的安全距離閾值，則判定車輛發(fā)生了車道偏離，否則，車輛未發(fā)生車道偏離，返回步驟I。
2.根據(jù)權(quán)利要求1所述的適用于城市道路車道線預(yù)測及預(yù)警方法，其特征在于，所述步驟5將存儲(chǔ)器中的車道線參數(shù)輸入Kalman預(yù)測器建立車道線感興趣區(qū)域，具體過程如下: 步驟A:建立Kalman預(yù)測器的狀態(tài)方程、觀測方程和預(yù)測器方程； 把第η幀的車道線參數(shù)作為觀測值輸入Kalman預(yù)測器，得到下一幀(η+1幀)圖像車道線位置的預(yù)測，計(jì)算出搜索區(qū)域； Kalman預(yù)測器的狀態(tài)方程和觀測方程如下: \x(n + I) = Gx(n)+ w(n) I ζ (η) = Hx (η) + ν(?) 式中，χ(η+1)和χ(η)分別為系統(tǒng)第η+1幀和第η幀的狀態(tài)向量;w(n)為系統(tǒng)噪聲向量，v(n)觀測噪聲向量而是狀態(tài)轉(zhuǎn)移矩陣；H是測量矩陣；z(n)為觀測向量； 設(shè)定車道線為左車道線，X1和Z1的定義如下:
3.根據(jù)權(quán)利要求1或2所述的適用于城市道路車道線預(yù)測及預(yù)警方法，其特征在于，所述采用Hough變換對(duì)道路預(yù)處理圖像進(jìn)行車道線檢測時(shí)，將道路預(yù)處理圖像平均分為左右兩半，得到左半圖像和右半圖像，依次對(duì)左半圖像和右半圖像進(jìn)行Hough變換獲得左半圖像中左車道線和右半圖像中右車道線在極坐標(biāo)上的參數(shù)P和Θ:左半圖像中的像素點(diǎn)的Hough變換范圍是-5°〈0^-85°，右半圖像中的像素點(diǎn)的Hough變換范圍是5° <θ/85°，其中01和Θ ^分別表示左半圖像中的像素點(diǎn)的極角和右半圖像中的像素點(diǎn)的極角。
【文檔編號(hào)】G08G1/16GK104008645SQ201410260194
【公開日】2014年8月27日 申請日期:2014年6月12日 優(yōu)先權(quán)日:2014年6月12日
【發(fā)明者】王耀南, 彭湃, 趙科, 凌志剛, 張楚金, 盧笑 申請人:湖南大學(xué)