首页 基于视频图像的实时车道探测算法研究.pdf

基于视频图像的实时车道探测算法研究.pdf

基于视频图像的实时车道探测算法研究.pdf

上传者: wanghao198901 2013-12-08 评分1 评论0 下载0 收藏0 阅读量676 暂无简介 简介 举报

简介:本文档为《基于视频图像的实时车道探测算法研究pdf》,可适用于硬件技术领域,主题内容包含基于视频图像的实时车道探测算法研究哈尔滨工业大学交通科学与工程学院马骥裴玉龙【摘要】智能交通系统的目标是获得更有效、更安全的道路交通因此发展了自动道符等。

基于视频图像的实时车道探测算法研究哈尔滨工业大学交通科学与工程学院马骥裴玉龙【摘要】智能交通系统的目标是获得更有效、更安全的道路交通因此发展了自动道路、自动驾驶、前期事故源探测和事故预防等系统其中精确的实时车道探测是先决条件。本文介绍了车辆无意识脱离车道的视频探测试验报警系统的发展探讨了基于视频图像的实时车道探测算法。该算法既可应用于施划标线或非施划标线道路也可应用于曲线道路或直线道路。车道探测采用Hough变换其结果不仅可以确定车道边界位置、头车与影响车之间的相关交通信息而且可以提供车道脱离报警功能。【关键词】视频车道探测图像分割图像识别Hough变换中图分类号:U文献标识码:A.引言目前汽车产业一直致力于获得更有效、更安全的道路交通并且在自动道路、自动驾驶、前期事故源探测和事故预防等方面做了很多研究工作。对于智能车辆为了提高避免碰撞能力和事故存活率已经发展了各种不同的碰撞预警系统和碰撞避免系统。由于系统算法依赖于精确的探测、识别和跟踪系统因此对于碰撞避免系统精确的实物探测和识别系统是先决条件。目前以视频图像为基础的车辆探测和识别系统已经有所发展。对于驾驶员辅助报警系统实时车道探测跟踪系统也是非常重要的组成模块它可以提供与车道有关的车道结构和车辆位置信息。在美国每年发生超过万起车辆因脱离车道而并没有与其它车辆相碰撞的交通事故。据估计如果具有驾驶员辅助报警系统会有超过的交通事故可以避免。实时车道探测系统可以很容易地用于提供脱离车道报警功能。使车辆沿道路某一给定车道行驶是非常复杂的。这项研究的第一步是车道探测问题也是本文的主旨。两个主要内容包括识别车道边界和确定车辆的行驶路径。随着探测问题的解决第二步是采取有效措施进行预防例如产生适当的车辆干涉(如采用单向刹车控制系统)。车道边界识别的一种方法可以基于计算机视频图像。这种方法的主要优点在于假定道路上只有常规的标志标线(如路面划实线或虚线)道路上不必设置其它附加设备(如信号发送器)。这种方法属于图像处理和图像识别研究领域而该领域近年来已经得到迅速发展。目前有很多算法能够快速识别位图图像上的物体。另外还有很多低成本的设备可以利用例如CCD摄像机、图像数字化的外围设备以及实时图像处理的快速计算设备。.硬件系统应用的硬件系统包括具有帧接收机转接卡的个人电脑和CCD摄像机。CCD摄像机用于图像获取。探测脱离车道的计算机通过通讯界面与数据采集计算机相连(已经安置在试验车内)以便获取探测算法所必需的前轮速度和驾驶观测角度。.基于视频图像的车道探测方法这里探讨对于道路上车辆无意识脱离车道的探测方法。探测基于CCD摄像机获取的图像以及车辆的前轮速度和测定角度。首先假定两张图像起点之间的车辆速度向量是恒定的。在这种情况下通过图像的透视变换预测的车辆前进道路即成梯形(见图)。梯形的高度由现状车速和给定的反应时间来决定该反应时间是一种测定参数。算法的目的就是确定车辆的预测行驶路径是否包含在车道边界以内。在道路表面平整、视线良好的情况下车道根据亮度值的大小是同质均匀的区域其边界范围是比较容易确定的而且曲率变化也不大。这些特性有助于以比较简便的方法分离出现状的车道边界。从上述图像特性也可以总结出图像处理的步骤。图探测过程中的数据显示示意边界探测边界探测边界探测边界探测与该方法的其它步骤相比边界探测需要花费大量的时间因为每一个像素点都要进行计算。采用降低图像的分辨率或自适应改变探测区域的方法可以降低所需花费的计算时间。由于车道曲率变化不大可以采用一种简单的方法预测车道位置:在图像中确定车道边界位置并将其存储于表格中通过对存储于表格中的车道边界位置加上或减去适当的值使车道实际上宽一些在下一张图像中修改表格对应位置就可以确定车道边界。应用这种方法可以得出较好的结果同时可以大大降低边界探测的时间。速度(公里小时)探测时间(秒)驾驶角度灰色区域:预测的车辆行驶路径图像数据源统计分析边界探测的结果统计分析边界探测的结果统计分析边界探测的结果统计分析边界探测的结果计算边界的绝对值后下一步是将其分类以便确定属于车道边界的绝对值。在数字化过程中的数字转换会出现相似误差为了消除这些误差必须作出亮度直方图然后计算平均值和方差。边界探测结果的阈值边界探测结果的阈值边界探测结果的阈值边界探测结果的阈值通过应用边界探测结果的阈值可以得到车道边界的图像。该阈值与上述计算方差是成比例相关的。在车辆预测路径中确定车道边界在车辆预测路径中确定车道边界在车辆预测路径中确定车道边界在车辆预测路径中确定车道边界应用Hough变换来确定车道边界是非常有效的因为它可以将不属于车道边界的点筛出。虽然Hough变换可以计算更复杂的曲线但经常用于确定车道边界的线性部分。由于车道曲率变化不大因此也可以近似地认为车道边界是线性的。在道路表面状况整洁良好、照明良好的情况下Hough变换适宜在线探测。当道路表面具有白色虚线时可以获得最好的结果。必须强调一点该方法必须进行发展改进以便提高在线图像处理和试验集成硬件系统的计算能力。将来这种方法还可以通过“智能层”进行拓展该“智能层”会采用很多先进的方法(模糊、神经网络等技术)以提高基本信号和图象处理层的功能适应不同的道路表面系统。.基于视频图像的车道探测算法过去的十多年中以视频图像为基础的车道边界探测已经进行了大量研究。由于接收图像经常伴随着杂讯许多车道探测算法都已经向过滤这些杂讯以获得稳定图像的方向发展。无论采用何种算法车道探测算法都应该具有下列性能:探测不能受到阴影的影响。这些阴影通常由树、建筑物、大型车辆等造成。它应该能够处理施划标线或无施划标线的道路。它必须准确探测道路施划的标线和无施划标线的道路的边界。它应该能够处理曲线形道路而不是将其假设为一条直线道路。算法综述算法综述算法综述算法综述目前许多以视频图像为基础的车道探测算法已经发展起来。在这些算法中几种车道探测系统最具代表性。LOIS(LikelihoodofImageShape)由密歇根州立大学人工智能实验室开发应用变形模板方法。但是这种算法如果没有大量繁琐的计算资源并不能保证全局优化和整体精确度并不适于实时数据处理。RALPH(RapidlyAdaptingPositionHandler)是卡内基梅隆大学机器人学院开发的系统。它用于控制自治车辆的侧面横向位置。但是它只能确定道路的曲率。道路的标线位置在驾驶环境中探测实物也十分重要RALPH并没有考虑这一点。本文中研究的实时车道探测算法是以获取道路上行驶车辆的实时视频图像为基础。在该车道探测算法中应用彩色信号提示来处理道路面积分割和阴影消除。由于道路通常具有长度和平滑曲线所以应用Hough变换。这种车道探测算法可以应用于施划标线路面或非施划标线路面也可以应用于曲线或直线道路。Hough变换的输出结果不仅可以确定车道边界的位置以及头车和影响车之间的关系而且可以提供脱离车道的报警功能。车道探测算法车道探测算法车道探测算法车道探测算法图表明车道探测跟踪算法的流程图。它包括个步骤:图像采集、图像分割、边界探测、Hough变换和车道跟踪。图车道探测跟踪系统流程图图像采集这种以视频图像为基础的系统的输入数据是从行驶的车辆中获取的一系列彩色图像。在车辆挡风玻璃后面沿中心线安装一部CCD摄像机。它在车辆的前部拍摄图像包括道路、路上的车辆、路边交通标志以及路上相关物体。具有图像捕捉卡的单板计算机可以实时拍摄图像并且存储至计算机中。车道探测系统从存储中调取图像进行处理。为了获得较好的车道分析值、提高算法的运行速度通过高斯金字塔将原始图像尺寸从像素减至像素。图像分割在分析驾驶过程中图像分割是至关重要的一步。虽然道路边界的识别和相关场景特征的探查对于驾驶员来说是很平常的但是对于精确的图像自动分割却是非常困难的也是不可靠的。许多传统的系统建议通过提取几何特征用于推断和证明某种物体的存在以此为基础来恢复交通场景的一部分。这里将色彩提示作为分割标准。彩色可视模块能够提供道路区域的信息与是否划分车道边界、是否存在照明设施无关。许多车道探测系统都受到阴影的限制因此只能应用于公路。这里可以应用色彩提示来解决阴影问题。道路区域面积探测在道路图像中道路区域面积具有下述特性:考虑图像较低位置中的绝大部分是道路区域道路区域具有类似统一的均匀颜色。基本思想是当道路区域置于相对色彩丰富的环境时通常是“灰色”的。移去阴影在绝大多数车道探测算法中阴影是很大的问题。阴影可能是树、建筑物、大型车辆等投影造成的。可以通过采用HSV色彩模型(Hue色度,Saturation饱和度,Value纯度)来解决。很显然可以发现阴影区域的平均色度值和饱和度要高于非阴影区域但是阴影区域的亮度却稍稍低于非阴影区域应用这些特点可以移去阴影。移去不相关的图像部分虽然通过色彩分割图像是很好的但是图像中仍然包含一些非道路图像像素。例如经过图像分割后还存在一些路旁图像。这一步骤的目的是消除那些非相关的图像像素可以通过对上述步骤产生的结果进行自下而上的扫描来移去这些不相关的图像。边界探测图像采集图像分割边界探测Hough变换车道跟踪应用Sobel过滤器获得边界图像。对于每次扫描从图像中心至图像边缘始终在边界线像素中搜索顿点。由于道路通常很长而且具有平滑曲线即使在边界杂讯像素存在的情况下也能保证探测线位的准确。Hough变换探测直线的代表方法是Hough变换。其中心思想是在路线参数的间隔中将路线探测问题转化为简单的峰值探测问题。尽管在几何上道路存在曲线线型直线仍然是车道最好的近似逼近值尤其在车辆安全行驶的可能范围内。因为通常情况下曲线也很长而且很平滑。车道跟踪车道探测和车道跟踪是有区别的。车道探测包括确定单独一个图像的车道位置并没有考虑车道形式的发展趋势。车道跟踪包括在一系列连续的图像中确定车道边缘线的位置并且应用前面图像的车道位置信息来限制当前图像中可能的车道探测位置。一些系统应用不同的车道探测跟踪算法。例如VaMoRs系统应用LOIS算法来确定道路的初始探测然后转向AURORA算法进行逐画面式车道位置跟踪。由于每秒钟可以获得很多图像画面按顺序图像之间的差别非常小因此在车道跟踪方面并不需要处理每一整张图像。根据前面的车道位置形式可以对当前图像画面做出正确的车道位置估计。因此在Hough变换中倾角ϑ受到前一张图像估计范围的限制。这样做将会大大提高计算速度和探测的准确度。每秒钟内车道探测算法将处理前几张图像画面并且给出后几张画面车道位置的准确定位估计。.车道探测算法的应用车辆脱离车道报警车辆脱离车道报警车辆脱离车道报警车辆脱离车道报警摄像机沿汽车的中心线安装。如果车辆在车道范围内通过摄像机采集的图像如图所示。经过Hough变换可以获得图像平面上介于探测车道和X轴之间的交角(,θθ)可以通过(,θθ)来确定是否脱离车道。如果车辆正常驾驶[(θθ)]的绝对值将在某一阈值范围内。相反如果[(θθ)]的绝对值超出这一阈值范围说明发生了车辆脱离车道或者车道变形。(a)(b)图脱离车道报警(a)正常驾驶:abs((θθ))阈值(b)车道变形或者车辆脱离车道:abs((θθ))>阈值yxθθxyθθ获取相关交通信息获取相关交通信息获取相关交通信息获取相关交通信息根据车辆探测和识别系统将会探测到头车。但是头车与影响车之间的关系比如距离和跟驰率都是不可知的除非采用一些传感器比如雷达(根据图像中的车辆尺寸这种信息只能粗略估计)。通过应用投影绘图和车道探测技术可以解决这种问题。假设汽车在地平面上行驶为了获得相关信息必须进行标定。由于既要处理平面运动又要处理平面探测因此在平面之间采用投影绘图关系而不用复杂的标定过程。投影绘图也就是透视变换是通过一点从一个平面映射到另一个平面。图表明了两个平面之间的关系(图像平面和地平面)。投影绘图的普通形式是线性比例绘图:YcXcYcXccXiig=YcXcYcXccYiig=()这里:(ggYX,)地平面上点的真实坐标(iiYX,)图像平面上点的坐标ic变换参数i=…图图像平面与地平面之间的关系应用相似矩阵方程()处理映射绘图十分简便。从方程()中可以计算出道路平面与图像平面之间相对应的四个点的标定。但是原始形式对于测量误差还是很敏感的会在很大程度上影响变换的精度。为了提高精度变换中引入探测误差如公式()所示。=BcA()=NNNBcAε()应用N套四点标定假设误差平均值为零。采用最小乘方法解方程()得到解(方程())。八个绘图参数的精度与地面平整度、探测误差等有关。投影中心图像平面地平面=NtNNtNBAAAc()一旦执行标定该变换允许计算头车与影响车之间的相对距离和相对速度。将摄像机的中心投影作为地面坐标的原点由于摄像机相对于地面仅仅是平移运动因此只要当影响车运动时映射变换就有效。从汽车探测系统中给定头车坐标应用映射变换可以很容易获得相对距离(gY)。考虑到很短的时段内距离变化很小因此可以很合理的得到头车和影响车之间的相对速度。.结语这里研究的实时车道探测算法基于从道路行驶车辆中获得的一系列视频图像。实时车道探测和跟踪系统是用于碰撞报警和预防的实物探测和识别系统中非常重要的模块。在这种车道探测算法中应用色彩提示进行图像分割、移去道路阴影。因为车道通常是平滑的长曲线因此在保证车辆安全行驶的范围内考虑将车道看成直线。车道探测应用Hough变换该车道探测算法适用于施划标线道路和非施划标线道路也适用于曲线道路和直线道路。Hough变换的输出结果不但能够确定道路边界的定位、头车与影响车之间的关系而且可以用于提供脱离车道报警。已经证实车辆无意识的脱离车道可以通过探测得知所需硬件即为个人电脑、实时传输数据至计算机内存的帧接收机转接卡和CCD摄像机。目前已经实现的集成系统为探测车辆脱离车道的算法提供了很好的基础而且这种车道脱离探测可以逐渐应用于汽车中。在不远的将来对单向刹车控制系统的研究将有效的预防基于视频探测技术发现车辆无意识脱离车道的危险行为。参考文献:RanBandLiuX,DevelopmentofAVisionBasedRealTimeLaneDetectionandTrackingSystemforIntelligentVehicles,PresentedattheTRBAnnualMeetingandToAppearinTransportationResearchRecord,[日]社团法人交通工程研究会智能交通系统北京:人民交通出版社Soumelidis,A,GKovacs,JBokor,PGaspar,LPalkovicsandLGianone,AutomaticDetectionoftheLaneDepartureofVehicles,TransportationSystemsAProceedingsVolumefromtheIFACSymposium,EditedbyMPAPAGEDRGIOUandAPOULIEZOS,China,Greece,JuneKreucherC,LakshmananSandKlugeK,ADriverWarningSystemBasedontheLOISLaneDetectionAlgorithm,ProceedingsofIEEEInternationalConferenceonIntelligentVehicles,黄卫陈里得智能运输系统(ITS)北京:人民交通出版社WangY,ShenDandTeohK,LaneDetectionUsingCatmullRomSpline,ProceedingsofIntelligentVehiclesSymposium,AokiM,ImageProceedinginITS,ProceedingsofIntelligentvehiclesSymposium,SakuraiK,KyoS,andOkazakiS,ALaneRecognitionMethodBasedonWhiteLineDetectionandRoadAreaDetection,ProceedingsofIntelligentVehiclesSymposium,StudyofVisionBasedRealTimeLaneDetectionMaJi,PeiyulongTheTransportationCollegeofHarbinInstituteofTechnologyAbstract:ThegoalofITSistoobtainmoreeffectiveandsafewayoftheroadtransportation,soalotofeffortsarespentontheresearchanddevelopmentonthefieldsofautomatedhighways,automatedsteering,earlydetectionofaccidentsourcesandavoidingaccidentAccuraterealtimelanedetectionisaprerequisiteforthemThepaperreportsonthedevelopmentofanexperimentalwarningsystemforthevisualdetectionoftheunintentionallanedepartureofroadvehiclesThefundamentaladaptiverealtimelanedetectionalgorithmisdescribed,whichisbasedonvideosequencestakenfromavehicledrivingonroadsThelanesaredetectedusingHoughtransformationTheproposedlanedetectionalgorithmcanbeappliedonbothpaintedandunpaintedroadaswellascurvedandstraightroadTheoutputofHoughtransformationnotonlydeterminesthelocationoflaneboundary,andtherelationshipbetweentheleadingvehicleandsubjectvehicle,butalsoisusedtoprovidelanedeparturewarningKeyWords:Visionbased,lanedetection,imagesegmentation,imagerecognition,Houghtransformation

职业精品

分销渠道选择.ppt

辞职申请书(优质范文).doc

公司年检申请书doc.doc

厂家和经销商代理合同.doc

用户评论

0/200
    暂无评论
上传我的资料

精彩专题

相关资料换一换

资料评价:

/ 8
所需积分:1 立即下载

意见
反馈

返回
顶部