论文部分内容阅读
车道偏离预警系统（LDWS）是智能交通系统（ITS）中车辆安全辅助驾驶子系统（SDAS）的一个重要组成部分。LDWS通过各种传感器获得行驶道路的相关信息,并参考车辆运行状态,预警阈值、距离等数据分析车辆有没有偏离当前车道的趋势。如果有发生偏离的趋势,则LDWS会通过图像、声音或震动等方式向驾驶员发出预警信息。LDWS的不断深入研究和广泛应用将大大提升驾驶员的行车安全,降低交通事故的发生概率。目前,LDWS已经成为了国内外相关研究人员聚焦的一个热点问题。本文主要研究内容是基于单目机器视觉的LDWS关键技术及相关算法研究。LDWS一般分为道路图像中车道线的识别检测、车道线建模、车道偏离决策预警等几个功能模块。目前恶劣天气环境下的车道线检测技术依然是一个难题。本文针对LDWS中的这些关键功能模块,主要研究的内容包括以下几个方面。（1）提出了一种自适应阈值的单行滑动窗口车道线检测算法。针对树阴遮挡、轻度雾霾、夜间光线差等不同情况,依据车道线图像中单行像素具有的“双峰”结构特征,设计了以滑动窗口进行图像行像素扫描,动态调整检测阈值,达到快速检测车道线的一种算法。经实验分析,该算法有着较强的准确性和鲁棒性。针对长度小于6和长度大于“滑动窗口”2倍的连续噪声都有着显著的抑制效果。（2）提出了一种基于分数阶微分和Frangi的夜间车道线检测算法。针对夜间光线较弱、图像噪声较大、单幅帧图像中车道线信息少的特点,通过合并连续3-4幅图像,使车道线信息相对比较丰富。再对合并后的图像进行降噪增强处理,然后进行车道线检测。经实验分析,该算法能够快速有效地检测出夜间道路图像中的车道线,准确率76%。（3）提出了一种基于山脊直线检测的车道线检测算法,针对大雨和雾（霾）的天气情况下,道路图像中含有大量雨滴、雾（霾）、水汽、路面积水等噪声导致对比度明显下降,设计了一种在图像去噪增强的基础上、再使用山脊直线检测、骨架提取、间隙缝合等过程的车道线检测算法。经过实验分析,该算法能够快速有效地检测出大雨和雾（霾）天气下的车道线,准确率71%。（4）结合我国公路设计标准《公路工程技术标准》（JTG B01-2014）和《车道偏离报警系统性能要求与检测方法》（GB/T26773-2011）重点分析了直线模型的实际意义。使用了一种基于Kalman滤波的车道线追踪算法,对车道标识线进行滤波追踪,有效地提升了车道线的检测效率。（5）提出了一种改进TLC并与CCP相结合的车道偏离决策算法。文中分析了各种车道偏离决策模型的优缺点,研究了有效检测区域下方车辆中心和左右车道线距离变化的速度、速率和趋势,结合驾驶员的驾驶特性,提出了一种改进TLC和CCP相结合的偏离决策算法。通过实验分析,文中算法误警率低于5%,漏警率低于4%。