基于單目視覺的汽車追尾預(yù)警系統(tǒng)研究

摘要：汽車追尾預(yù)警是智能車輛視覺導(dǎo)航系統(tǒng)中的重要研究內(nèi)容。設(shè)計了一個應(yīng)用于結(jié)構(gòu)化道路環(huán)境，基于單目視覺的汽車追尾預(yù)警系統(tǒng)。該系統(tǒng)按照攝像機(jī)提供的道路圖像序列，首先利用一種新的邊緣檢測算法識別前方道路，然后利用灰度、邊緣和對稱性等特征識別前方車輛，接下來根據(jù)前后車距判斷其威脅等級，最終向駕駛員提供相應(yīng)的聲光報警信號。該系統(tǒng)已在合肥的高速公路上進(jìn)行了實驗。實驗結(jié)果顯示，系統(tǒng)運(yùn)行速度達(dá)到車輛駕駛的實時性要求，能夠完成車輛檢測和碰撞預(yù)警的任務(wù)。
關(guān)鍵詞：車輛檢測；碰撞預(yù)警；單目視覺；智能車輛

0 引言
基于計算機(jī)視覺的高速公路防撞系統(tǒng)是當(dāng)前智能交通管理系統(tǒng)研究的熱點(diǎn)之一。如何在多變的環(huán)境下快速準(zhǔn)確地從視頻圖像里檢測到車道和前方車輛是實現(xiàn)這類系統(tǒng)面臨的最關(guān)鍵問題。近20年來，國內(nèi)外很多研究人員對這個問題進(jìn)行了大量研究，提出了多種多樣的實用算法并成功開發(fā)了一些視覺系統(tǒng)。這些系統(tǒng)所采用的算法基本上可以分為基于雙目視覺的方法、基于運(yùn)動的方法、基于外形的方法和基于知識的方法?；陔p目立體視覺的方法計算量大，需要特殊硬件支持；基于運(yùn)動的方法，無法檢測靜止目標(biāo)且實時性差；基于外形的方法，因建立有效的培訓(xùn)樣本仍然是需要研究的問題；基于知識的方法，在障礙物數(shù)量較少時效率較高，但復(fù)雜環(huán)境下錯誤率有所增加。
針對常規(guī)算法的不足，本文設(shè)計了一種精度高，穩(wěn)定性好的基于單目視覺的車載追尾預(yù)警系統(tǒng)。它利用一種新的邊緣檢測算法識別前方道路，然后利用陰影檢測與跟蹤相結(jié)合的方法識別前方車輛，接下來根據(jù)前后車距判斷其威脅等級，最終向駕駛員提供相應(yīng)的聲光報警信號。

1 系統(tǒng)工作原理
系統(tǒng)硬件部分包括MCC-4060型CCD攝像機(jī)、VT-121視頻采集卡、GPS、PC-104工控機(jī)和顯示終端。GPS通過串口向工控機(jī)發(fā)送本車車速信息，安裝在車內(nèi)擋風(fēng)玻璃后的CCD攝像機(jī)將圖像幀通過視頻采集卡送入工控機(jī)，經(jīng)過軟件的處理分析后，在顯示終端上標(biāo)注出前車障礙物和道路標(biāo)線，同時根據(jù)車速、間距等判斷危險等級，發(fā)出相應(yīng)的聲光報警信號；
系統(tǒng)的軟件部分包括道路檢測、道路跟蹤、車輛檢測、車輛跟蹤、測距、決策和報警等模塊。當(dāng)車速達(dá)到60km／h時，系統(tǒng)開始處理實時采集到的圖像序列。對于每一幀圖像，首先檢測并跟蹤圖像中的車道白線，然后在車道確定的感興趣區(qū)域內(nèi)檢測車輛。如果存在疑似障礙車輛，則啟動車輛跟蹤，利用跟蹤信息進(jìn)一步排除虛警。在實現(xiàn)對障礙車輛穩(wěn)定跟蹤后，估算出兩車間距和相對運(yùn)動速度，判定其威脅等級，并發(fā)出相應(yīng)的報警信號。

2 系統(tǒng)關(guān)鍵技術(shù)
2．1 道路檢測
目前，車道線檢測算法主要適用于光照充足的環(huán)境下。由于車道線與路面之間對比度大，因此很容易利用各種常規(guī)邊緣檢測算子獲得清晰的車道輪廓信息，然后選取合適的閾值對圖像進(jìn)行二值化處理，最后采用Hough變換識別車道線。然而在復(fù)雜光照環(huán)境下，圖像會受到各種光線直射和物體多次反射形成雜散光的干擾，圖像光強(qiáng)不能反映車道本身突變性質(zhì)，導(dǎo)致無法正確檢測出車道。
本系統(tǒng)采用了一種利用光密度差得到車道標(biāo)線與路面反射率差，進(jìn)而進(jìn)行非線性邊緣檢測，再進(jìn)行Hough變換的車道檢測算法。此算法可以有效解決在復(fù)雜光照條件下的車道檢測，也可以用于夜間的車道檢測。
另外，目前車道線的跟蹤研究主要采用固定區(qū)域法或者Kalman濾波法，根據(jù)前一幀車道線檢測的結(jié)果來劃分感興趣區(qū)域，以實時跟蹤車道線。然而，固定區(qū)域法對2幀圖像的相關(guān)性依賴大，劃分感興趣區(qū)域大，實時性差；而Kalman濾波法劃分感興趣區(qū)域小，容易產(chǎn)生檢測誤差，而造成跟蹤誤差累積，跟蹤正確率不高。因此，本系統(tǒng)在跟蹤車道線時采用了一種融合固定區(qū)域法和KaIman濾波法劃分感興趣區(qū)域的新方法。
一般來說，只將車道邊界線交點(diǎn)(即滅點(diǎn))以下、2車道線之間的區(qū)域作為感興趣區(qū)域，考慮到跨道行駛的車輛依然對本車有威脅，算法把兩車道線分別向兩側(cè)平移40個像素，使感興趣區(qū)域擴(kuò)展到可以覆蓋跨道車輛的范圍。
2．2 車輛檢測
圖像中包含車輛前方很大視野內(nèi)的物體，如道路、樹木、護(hù)欄、標(biāo)牌以及其他車輛，要從中準(zhǔn)確檢測出前方車輛是一項困難的工作，而本文的車輛檢測模塊會根據(jù)圖像背景自動改變設(shè)置參數(shù)，以適應(yīng)不斷變化的道路場景和光照條件。
要實現(xiàn)車輛的快速檢測，首先需要根據(jù)車輛的基本特征進(jìn)行初步檢測，將所有可能的疑似車輛區(qū)域從圖像中提取出來，然后再根據(jù)其他特征對疑似區(qū)域進(jìn)行篩選排除。
2．2．1 車輛初步檢測
初步檢測采用的特征是車輛陰影，即一塊位于目標(biāo)車輛底部、灰度值明顯比附近路面區(qū)域低的區(qū)域。在一般環(huán)境條件下，大部分車輛都具有這一顯著特征。
車輛初步檢測的流程如圖1所示。車輛陰影和車道一樣具有灰度突變的特點(diǎn)，因此可以調(diào)用車道檢測算法對圖2(a)中的原始圖像做二值化處理，得到圖2(b)中的邊緣二值化圖像。同時還要對原始圖像進(jìn)行灰度二值化，得到圖2(c)中的灰度二值化圖像。為提高檢測實時性，以本車附近路面區(qū)域的平均灰度作為二值化閾值。由于邊緣二值化圖像和灰度二值化圖像都包括了車輛的下底邊，將這兩幅圖像進(jìn)行“或”運(yùn)算，就可以得到如圖2(d)所示的車輛陰影圖像。