基于單目視覺的汽車追尾預警系統(tǒng)研究
摘要:汽車追尾預警是智能車輛視覺導航系統(tǒng)中的重要研究內(nèi)容。設計了一個應用于結(jié)構(gòu)化道路環(huán)境,基于單目視覺的汽車追尾預警系統(tǒng)。該系統(tǒng)按照攝像機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的聲光報警信號。該系統(tǒng)已在合肥的高速公路上進行了實驗。實驗結(jié)果顯示,系統(tǒng)運行速度達到車輛駕駛的實時性要求,能夠完成車輛檢測和碰撞預警的任務。
關鍵詞:車輛檢測;碰撞預警;單目視覺;智能車輛
0 引言
基于計算機視覺的高速公路防撞系統(tǒng)是當前智能交通管理系統(tǒng)研究的熱點之一。如何在多變的環(huán)境下快速準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)面臨的最關鍵問題。近20年來,國內(nèi)外很多研究人員對這個問題進行了大量研究,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;基于運動的方法,無法檢測靜止目標且實時性差;基于外形的方法,因建立有效的培訓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、VT-121視頻采集卡、GPS、PC-104工控機和顯示終端。GPS通過串口向工控機發(fā)送本車車速信息,安裝在車內(nèi)擋風玻璃后的CCD攝像機將圖像幀通過視頻采集卡送入工控機,經(jīng)過軟件的處理分析后,在顯示終端上標注出前車障礙物和道路標線,同時根據(jù)車速、間距等判斷危險等級,發(fā)出相應的聲光報警信號;
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。當車速達到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動速度,判定其威脅等級,并發(fā)出相應的報警信號。
2 系統(tǒng)關鍵技術(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行二值化處理,最后采用Hough變換識別車道線。然而在復雜光照環(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,圖像光強不能反映車道本身突變性質(zhì),導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線與路面反射率差,進而進行非線性邊緣檢測,再進行Hough變換的車道檢測算法。此算法可以有效解決在復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(即滅點)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、護欄、標牌以及其他車輛,要從中準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置參數(shù),以適應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,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,將這兩幅圖像進行“或”運算,就可以得到如圖2(d)所示的車輛陰影圖像。
評論