陳效華，孫 銳，陳 軍

(奇瑞汽車股份有限公司前瞻技術(shù)科學(xué)院，蕪湖 241009)

前言

隨著車輛技術(shù)的發(fā)展，汽車安全也越來越得到用戶和汽車廠商的重視，工業(yè)界和學(xué)術(shù)界都致力于開發(fā)各種安全系統(tǒng)來改善交通安全［1－2］。

在交通事故中，由于駕駛員疲勞或注意力不集中導(dǎo)致車輛偏離車道而引起的交通事故比例很高，車道偏離報警系統(tǒng)是解決汽車駕駛安全的重要手段，其研究的關(guān)鍵是如何快速和準(zhǔn)確檢測出車道線及其偏離報警策略［3－4］。典型的車道線識別方法可分為基于Hough變換的方法［5］、基于特征的方法［6］和基于模型的方法［7］，其中最常用的方法是基于Hough變換的車道線識別算法。傳統(tǒng)的車道線檢測算法復(fù)雜，速度慢，無法滿足實時性要求。隨著近年來電子技術(shù)的發(fā)展，尤其是像FPGA和DSP等可編程器件的快速發(fā)展，使得在小型器件上也能實現(xiàn)車道偏離預(yù)警［8］。本文中基于FPGA和計算機(jī)視覺核心算法開發(fā)出一種車道偏離報警系統(tǒng)，能快速和準(zhǔn)確地檢測出車道線，實現(xiàn)車道偏離報警。

1 系統(tǒng)框架

車道偏離報警系統(tǒng)由單片視覺處理系統(tǒng)和人機(jī)交互模塊兩部分組成。單片視覺處理系統(tǒng)主要完成對道路場景的理解，實時計算出道路與車輛之間的關(guān)系。而人機(jī)交互模塊的主要功能是把系統(tǒng)的報警結(jié)果通過聲音和光等信息傳遞給駕駛員。

系統(tǒng)核心是單片視覺處理系統(tǒng)，主要在一塊FPGA芯片上實現(xiàn)。單片視覺處理系統(tǒng)的框架如圖1所示。在該系統(tǒng)中，道路圖像采集采用的傳感器是基于內(nèi)容成像的高動態(tài)范圍CMOS攝像機(jī)。該攝像機(jī)作為前視攝像機(jī)安裝在車輛的駕駛室內(nèi)，負(fù)責(zé)拍攝前方道路環(huán)境。

核心模塊為基于單FPGA的嵌入式視覺處理平臺，該平臺負(fù)責(zé)本系統(tǒng)所有的計算，包括圖像預(yù)處理、邊緣提取、車道線的檢測與跟蹤和車道偏離報警等工作;主要完成兩個功能:一是通過對車載攝像機(jī)獲取的序列圖像進(jìn)行處理，獲得道路環(huán)境信息;二是進(jìn)行車道偏離分析，必要時給出報警指令。系統(tǒng)通過CAN總線協(xié)議與車體計算機(jī)進(jìn)行數(shù)據(jù)通信。

人機(jī)交互界面主要用于車道偏離報警系統(tǒng)與駕駛員進(jìn)行交互。目前，系統(tǒng)可為駕駛員提供兩種形式的信息:一是聲音提醒，二是圖形界面燈光提醒。圖形界面提醒可為駕駛員提供以下幾種信息:當(dāng)前的車體速度，車道偏離報警系統(tǒng)的上電和工作狀態(tài)，是否即將產(chǎn)生車道偏離等。

2 系統(tǒng)關(guān)鍵技術(shù)

2.1 自適應(yīng)曝光技術(shù)

圖像的成像質(zhì)量直接關(guān)系到后續(xù)的視覺處理的好壞。采集一幅好的(適合后續(xù)處理)圖像主要取決于攝像機(jī)芯片的選擇和攝像機(jī)視覺算法。

該系統(tǒng)所選的攝像機(jī)除較好的動態(tài)范圍外，還具有很強(qiáng)的可控性:可以控制曝光時間，動態(tài)設(shè)置多段非線性曝光的參數(shù)和增益。這些可控參數(shù)可從底層對芯片進(jìn)行控制，以提高采集圖像的動態(tài)范圍。

針對可調(diào)參數(shù)，該系統(tǒng)采用了基于圖像內(nèi)容的攝像機(jī)自適應(yīng)曝光方法。這種方法可在不同的光照條件下或各種不同的環(huán)境下獲得較好的圖像質(zhì)量。從某種意義上講，這種方法擴(kuò)展了相機(jī)的動態(tài)范圍。而且，由于該方法是基于內(nèi)容的，因而可對感興趣區(qū)域進(jìn)行統(tǒng)計，然后對圖像如何曝光給出建議。圖2為一幅參考區(qū)域選取的示意圖。圖中白線勾勒的區(qū)域是在車道標(biāo)志線識別成功后，參與算法的圖像參考區(qū)域，而黑線勾勒的區(qū)域是起始感興趣窗口。

在識別和跟蹤車道標(biāo)志線之后，圖像參考區(qū)域就相應(yīng)劃定，算法在這個區(qū)域?qū)嚨罉?biāo)志線的灰度范圍進(jìn)行估計。在理想情況下，如果沒有陰影、反光和水漬，參考區(qū)域內(nèi)車道標(biāo)志線的亮度是一致的。但實際上車道標(biāo)志線的亮度范圍跨度很大，因此可將區(qū)域內(nèi)所有像素都用于計算。由此，標(biāo)志線灰度范圍的估計就轉(zhuǎn)化為參考區(qū)域圖像灰度范圍的估計。

注：上圖解決了《易經(jīng)》64卦序分布無數(shù)理邏輯規(guī)律的缺陷，在數(shù)理邏輯上，整個系統(tǒng)對稱平衡，每一卦序的位置、大小具有穩(wěn)定性和唯一性。

總體來說，系統(tǒng)中的自適應(yīng)曝光控制算法就是先進(jìn)行圖像分析，從而獲得可使攝像機(jī)得到高質(zhì)量圖像的曝光參數(shù)，然后再指導(dǎo)攝像機(jī)進(jìn)行成像。攝像機(jī)的自適應(yīng)曝光控制流程如圖3所示。

2.2 邊緣檢測

邊緣檢測是車道線檢測的重要步驟之一，其好壞直接影響后續(xù)算法的效果。通過對當(dāng)前比較流行的邊緣檢測算法進(jìn)行比較，認(rèn)為傳統(tǒng)的canny算法和適合FPGA運算的窗口卷積Sobel算法都是效果較好的邊緣二值化算法。

在FPGA中，流水線結(jié)構(gòu)的時間并行和空間并行是兩種最典型的并行方法，非常適合實現(xiàn)基于卷積結(jié)構(gòu)的算法，如圖4所示。

圖4中數(shù)字?jǐn)z像機(jī)的數(shù)據(jù)隨著系統(tǒng)時鐘依次流水進(jìn)入FPGA中，通過行移位寄存器和觸發(fā)器，即可同時得到圖像中相鄰3×3窗口中的數(shù)據(jù)，并對其進(jìn)行處理。因此，在FPGA中實現(xiàn)卷積結(jié)構(gòu)的算法時可在不保存整幅圖像的同時，邊取數(shù)據(jù)邊進(jìn)行相應(yīng)的處理，因此，對實現(xiàn)如Sobel算法等基于卷積結(jié)構(gòu)的濾波算法具有很高的效率。

考慮到車道線具有上升沿邊緣和下降沿邊緣，如果能夠同時使用雙邊緣的信息來檢測車道線的邊緣，就能排除很多非車道線信息的干擾。因此，如果能使用兩個邊緣檢測模板，分別檢測車道線的上升沿和下降沿，然后對它們進(jìn)行匹配，就能大大提高車道線檢測正確率，但在串行計算結(jié)構(gòu)的通用處理器中，邊緣檢測模板數(shù)量的增加引起了運算時間的線性增加，對系統(tǒng)的實時處理提出了更高的要求。

基于以上分析，系統(tǒng)采用并實現(xiàn)了一種基于FPGA的雙邊沿匹配車道線邊緣檢測算法，利用多個不同的窗口卷積模板同時檢測車道線的上升沿邊緣和下降沿邊緣，然后通過對兩條邊緣進(jìn)行并行匹配，得到車道線邊緣。由于其算法的核心都是基于窗口卷積技術(shù)，因此，邊緣檢測算法可實時實現(xiàn)。圖5示出邊緣檢測的實際效果。

2.3 車道線檢測

車道線提取是車道偏離提醒系統(tǒng)的核心，如何穩(wěn)定地提取車道線是系統(tǒng)能夠穩(wěn)定工作的關(guān)鍵。系統(tǒng)結(jié)合FPGA并行處理的優(yōu)勢和特點，對傳統(tǒng)的Hough變換進(jìn)行改進(jìn)，得到了一種基于FPGA的實時Hough變換，其變換流程如圖6所示，算法的并行性主要體現(xiàn)在空間上的并行處理和時間上的流水線處理兩個方面。在空間上，結(jié)合FPGA多核同時運算的特點，把Hough變換的角度均勻分成n等份，對每一等份的角度單獨設(shè)計一組Hough變換引擎，從而提高其工作效率。在流水線上，每一組引擎在時間上流水線作業(yè)，使Hough變換的每一次計算皆可在一個時鐘周期內(nèi)完成。

同時，為減小Hough變換的存儲空間，提出一種改進(jìn)的低存儲并行 Hough變換，通過把傳統(tǒng)的Hough變換的原點平移到車道線的焦點處，使Hough變換的存儲空間減小至傳統(tǒng)的1/10左右。

2.4 報警策略

車道偏離報警系統(tǒng)主要功能是在高速公路或者類似的公路環(huán)境中，輔助過度疲憊或長時間單調(diào)駕駛的駕駛員保持車輛在車道內(nèi)行駛，當(dāng)由于駕駛員疏忽可能造成車道偏離時，警告駕駛員。仿真結(jié)果表明，當(dāng)駕駛員的精神狀態(tài)良好時，車輛跟蹤車道中心線性能很好，如圖7虛線所示，當(dāng)駕駛員的精神狀態(tài)不佳，此時駕駛員的反應(yīng)滯后時間增加，汽車行駛軌跡明顯偏離中心虛線，如圖7中心實線所示。

根據(jù)以上分析，系統(tǒng)首先對道路標(biāo)志線進(jìn)行檢測，并結(jié)合車輛的車速和轉(zhuǎn)角等信息判斷車輛與道路的相對位置和預(yù)測車輛的行駛軌跡。但這只是實現(xiàn)報警功能的基礎(chǔ)，要實現(xiàn)車道偏離報警功能，還須解決兩個關(guān)鍵問題:一是如何結(jié)合車輛本身的運動參數(shù)和狀態(tài)信息來判斷駕駛員的操作意圖，有些偏離車道的行為是駕駛員的正常操作無需報警;二是如何建立合理的預(yù)警模型，使之及時準(zhǔn)確地在真實的危險到來之前發(fā)出報警信息。

目前實現(xiàn)車道偏離報警多使用TLC方法(time to lane crossing)。TLC方法的思想是預(yù)測車輛從行駛軌跡到將要觸碰車道線的時間，根據(jù)這一時間判斷車輛是否會偏離車道。TLC方法涉及到車輛運行軌跡的預(yù)測和道路曲率的估計。TLC方法雖能較及時地預(yù)警車道偏離，但參數(shù)多且獲取復(fù)雜。本系統(tǒng)采用了基于車道線夾角法的車道偏離報警方法，車道線夾角是車輛行駛軌跡與左右兩條車道線之間的夾角。車道線夾角法是利用車輛在行駛過程中自身位置與車道線相對位置的變化來預(yù)測車輛軌跡而發(fā)出預(yù)警信息。車道線夾角法所需參數(shù)較少，能提前預(yù)測危險情況發(fā)出報警，給駕駛員更長的反應(yīng)時間。

車道線夾角法比TLC方法有著更加可靠的性能，例如在實際駕駛過程中，有很多駕駛員習(xí)慣緊靠車道線的一側(cè)行駛，若采用TLC方法預(yù)警，由于車輛距車道線過近，輕微擾動就會導(dǎo)致報警，誤報率很高，容易引起駕駛員不適。采用車道線夾角法則不會產(chǎn)生這種情況，在車輛緊靠車道一側(cè)行駛時車道線夾角的變化不大，不會報警。

3 實驗結(jié)果

該系統(tǒng)已分別安裝在不同的車輛上，進(jìn)行長期的實驗驗證，在實驗中該系統(tǒng)表現(xiàn)出良好的性能和穩(wěn)定的運行狀態(tài)，在不同光照和路況條件下具有很好的魯棒性。圖8示出系統(tǒng)可以克服減速帶的影響，圖9示出系統(tǒng)可以克服高架橋陰影的影響，圖10示出系統(tǒng)可以克服車道線退化的影響。

4 結(jié)論

提出了一種車道偏離報警系統(tǒng)，它采用車載專用攝像機(jī)，基于單FPGA芯片開發(fā)了并行實時車道線檢測算法，結(jié)合基于車道線夾角法的報警策略，幫助駕駛員提高行車安全性。與目前市場上基于DSP或微處理器MCU的車道偏離提醒系統(tǒng)相比，該系統(tǒng)具有兩大優(yōu)勢:基于FPGA芯片的并行處理能力，算法實時性更強(qiáng);基于單芯片的系統(tǒng)，其可靠性和穩(wěn)定性更好。實驗證明，該系統(tǒng)具有很強(qiáng)的適應(yīng)性，對于直線和曲線道路環(huán)境及其間的過渡狀態(tài)都有較好的跟蹤效果，算法能夠適應(yīng)不同交通場景，具有較高的實時性和魯棒性。

［1］ Kim Z W．Robust Lane Detection and Tracking in Challenging Scenarios［J］．IEEE Transactions on Intelligent Transportation System，2008，9:16 －26．

［2］ McCall Joel C，Trivedi Mohan M．Video-Based Lane Estimation and Tracking for Driver Assistance:Survey，System，and Evaluation［J］．IEEE Transactions on Intelligent Transportation Systems，2006，7(1):20 －37．

［3］ 劉富強(qiáng)，田敏，胡振程．智能汽車中基于視覺的道路檢測與跟蹤算法［J］．同濟(jì)大學(xué)學(xué)報(自然科學(xué)版)，2007，11:1535 －1541．

［4］ 王榮本，余天洪，郭烈．基于機(jī)器視覺的車道偏離警告系統(tǒng)研究綜述［J］．汽車工程，2005，27(4):346 －367．

［5］ Kuk J，An J，Ki H，et al．Fast Lane Detection ＆ Tracking Based on Hough Transform with Reduced Memory Requirement［C］．The 13th International IEEE Conference on in Intelligent Transportation Systems(ITSC)，2010:1344 －1349．

［6］ Truongq B，Lee B R．New Lane Detection Algorithm for Autonomous Vehicle Using Computer Vision［C］．2008 International Conference on Control，Automation and Systems，2008:1208 －1213．

［7］ 高德芝，段建民，楊磊，等．應(yīng)用多階動態(tài)規(guī)劃的車道線識別方法［J］．機(jī)械工程學(xué)報，2011，4:141 －145．

［8］ Marzotto R，Zoratti P，Bagni D，et al．A Real-time Versatile Roadway Path Extraction and Tracking on an FPGA Platform［J］．Computer Vision and Image Understanding，2010，114(11):1164 －1179．