基于單目視覺(jué)的汽車(chē)追尾預(yù)警系統(tǒng)研究

摘要：汽車(chē)追尾預(yù)警是智能車(chē)輛視覺(jué)導(dǎo)航系統(tǒng)中的重要研究?jī)?nèi)容。設(shè)計(jì)了一個(gè)應(yīng)用于結(jié)構(gòu)化道路環(huán)境，基于單目視覺(jué)的汽車(chē)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(cè)算法識(shí)別前方道路，然后利用灰度、邊緣和對(duì)稱(chēng)性等特征識(shí)別前方車(chē)輛，接下來(lái)根據(jù)前后車(chē)距判斷其威脅等級(jí)，最終向駕駛員提供相應(yīng)的聲光報(bào)警信號(hào)。該系統(tǒng)已在合肥的高速公路上進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示，系統(tǒng)運(yùn)行速度達(dá)到車(chē)輛駕駛的實(shí)時(shí)性要求，能夠完成車(chē)輛檢測(cè)和碰撞預(yù)警的任務(wù)。
關(guān)鍵詞：車(chē)輛檢測(cè)；碰撞預(yù)警；單目視覺(jué)；智能車(chē)輛

0 引言
基于計(jì)算機(jī)視覺(jué)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(cè)到車(chē)道和前方車(chē)輛是實(shí)現(xiàn)這類(lèi)系統(tǒng)面臨的最關(guān)鍵問(wèn)題。近20年來(lái)，國(guó)內(nèi)外很多研究人員對(duì)這個(gè)問(wèn)題進(jìn)行了大量研究，提出了多種多樣的實(shí)用算法并成功開(kāi)發(fā)了一些視覺(jué)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(jué)的方法、基于運(yùn)動(dòng)的方法、基于外形的方法和基于知識(shí)的方法?；陔p目立體視覺(jué)的方法計(jì)算量大，需要特殊硬件支持；基于運(yùn)動(dòng)的方法，無(wú)法檢測(cè)靜止目標(biāo)且實(shí)時(shí)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(wèn)題；基于知識(shí)的方法，在障礙物數(shù)量較少時(shí)效率較高，但復(fù)雜環(huán)境下錯(cuò)誤率有所增加。
針對(duì)常規(guī)算法的不足，本文設(shè)計(jì)了一種精度高，穩(wěn)定性好的基于單目視覺(jué)的車(chē)載追尾預(yù)警系統(tǒng)。它利用一種新的邊緣檢測(cè)算法識(shí)別前方道路，然后利用陰影檢測(cè)與跟蹤相結(jié)合的方法識(shí)別前方車(chē)輛，接下來(lái)根據(jù)前后車(chē)距判斷其威脅等級(jí)，最終向駕駛員提供相應(yīng)的聲光報(bào)警信號(hào)。

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(guò)串口向工控機(jī)發(fā)送本車(chē)車(chē)速信息，安裝在車(chē)內(nèi)擋風(fēng)玻璃后的CCD攝像機(jī)將圖像幀通過(guò)視頻采集卡送入工控機(jī)，經(jīng)過(guò)軟件的處理分析后，在顯示終端上標(biāo)注出前車(chē)障礙物和道路標(biāo)線，同時(shí)根據(jù)車(chē)速、間距等判斷危險(xiǎn)等級(jí)，發(fā)出相應(yīng)的聲光報(bào)警信號(hào)；
系統(tǒng)的軟件部分包括道路檢測(cè)、道路跟蹤、車(chē)輛檢測(cè)、車(chē)輛跟蹤、測(cè)距、決策和報(bào)警等模塊。當(dāng)車(chē)速達(dá)到60km／h時(shí)，系統(tǒng)開(kāi)始處理實(shí)時(shí)采集到的圖像序列。對(duì)于每一幀圖像，首先檢測(cè)并跟蹤圖像中的車(chē)道白線，然后在車(chē)道確定的感興趣區(qū)域內(nèi)檢測(cè)車(chē)輛。如果存在疑似障礙車(chē)輛，則啟動(dòng)車(chē)輛跟蹤，利用跟蹤信息進(jìn)一步排除虛警。在實(shí)現(xiàn)對(duì)障礙車(chē)輛穩(wěn)定跟蹤后，估算出兩車(chē)間距和相對(duì)運(yùn)動(dòng)速度，判定其威脅等級(jí)，并發(fā)出相應(yīng)的報(bào)警信號(hào)。

2 系統(tǒng)關(guān)鍵技術(shù)
2．1 道路檢測(cè)
目前，車(chē)道線檢測(cè)算法主要適用于光照充足的環(huán)境下。由于車(chē)道線與路面之間對(duì)比度大，因此很容易利用各種常規(guī)邊緣檢測(cè)算子獲得清晰的車(chē)道輪廓信息，然后選取合適的閾值對(duì)圖像進(jìn)行二值化處理，最后采用Hough變換識(shí)別車(chē)道線。然而在復(fù)雜光照環(huán)境下，圖像會(huì)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(chē)道本身突變性質(zhì)，導(dǎo)致無(wú)法正確檢測(cè)出車(chē)道。
本系統(tǒng)采用了一種利用光密度差得到車(chē)道標(biāo)線與路面反射率差，進(jìn)而進(jìn)行非線性邊緣檢測(cè)，再進(jìn)行Hough變換的車(chē)道檢測(cè)算法。此算法可以有效解決在復(fù)雜光照條件下的車(chē)道檢測(cè)，也可以用于夜間的車(chē)道檢測(cè)。
另外，目前車(chē)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(chē)道線檢測(cè)的結(jié)果來(lái)劃分感興趣區(qū)域，以實(shí)時(shí)跟蹤車(chē)道線。然而，固定區(qū)域法對(duì)2幀圖像的相關(guān)性依賴(lài)大，劃分感興趣區(qū)域大，實(shí)時(shí)性差；而Kalman濾波法劃分感興趣區(qū)域小，容易產(chǎn)生檢測(cè)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(chē)道線時(shí)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(lái)說(shuō)，只將車(chē)道邊界線交點(diǎn)(即滅點(diǎn))以下、2車(chē)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(chē)輛依然對(duì)本車(chē)有威脅，算法把兩車(chē)道線分別向兩側(cè)平移40個(gè)像素，使感興趣區(qū)域擴(kuò)展到可以覆蓋跨道車(chē)輛的范圍。
2．2 車(chē)輛檢測(cè)
圖像中包含車(chē)輛前方很大視野內(nèi)的物體，如道路、樹(shù)木、護(hù)欄、標(biāo)牌以及其他車(chē)輛，要從中準(zhǔn)確檢測(cè)出前方車(chē)輛是一項(xiàng)困難的工作，而本文的車(chē)輛檢測(cè)模塊會(huì)根據(jù)圖像背景自動(dòng)改變?cè)O(shè)置參數(shù)，以適應(yīng)不斷變化的道路場(chǎng)景和光照條件。
要實(shí)現(xiàn)車(chē)輛的快速檢測(cè)，首先需要根據(jù)車(chē)輛的基本特征進(jìn)行初步檢測(cè)，將所有可能的疑似車(chē)輛區(qū)域從圖像中提取出來(lái)，然后再根據(jù)其他特征對(duì)疑似區(qū)域進(jìn)行篩選排除。
2．2．1 車(chē)輛初步檢測(cè)
初步檢測(cè)采用的特征是車(chē)輛陰影，即一塊位于目標(biāo)車(chē)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(chē)輛都具有這一顯著特征。
車(chē)輛初步檢測(cè)的流程如圖1所示。車(chē)輛陰影和車(chē)道一樣具有灰度突變的特點(diǎn)，因此可以調(diào)用車(chē)道檢測(cè)算法對(duì)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(shí)還要對(duì)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(cè)實(shí)時(shí)性，以本車(chē)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(chē)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(chē)輛陰影圖像。