邱 航

(南京工程學(xué)院工業(yè)中心，江蘇南京 211167)

一種多優(yōu)先級(jí)三線(xiàn)制賽道檢測(cè)判斷算法

邱 航

(南京工程學(xué)院工業(yè)中心，江蘇南京 211167)

本文提出了一種新的多優(yōu)先級(jí)三線(xiàn)制賽道數(shù)據(jù)檢測(cè)判斷算法.該算法利用攝像頭采集到的實(shí)際賽道數(shù)據(jù)，利用不同的檢測(cè)優(yōu)先級(jí)以三線(xiàn)方式對(duì)賽道進(jìn)行分段檢測(cè)，同時(shí)完成對(duì)賽道前瞻，車(chē)頭位置以及航跡路徑的檢測(cè).該方法占用系統(tǒng)資源極少，計(jì)算簡(jiǎn)單，有非常高的響應(yīng)速度和判斷穩(wěn)定性.在實(shí)際比賽過(guò)程中起到了重要作用.

三線(xiàn)制；賽道檢測(cè)；多優(yōu)先級(jí)

1 引言

目前汽車(chē)智能控制正朝著自動(dòng)化無(wú)人駕駛的趨勢(shì)發(fā)展，無(wú)人化的進(jìn)程越來(lái)越快.在歷屆“飛思卡爾”智能車(chē)設(shè)計(jì)大賽中，各個(gè)高校都涌現(xiàn)出一批杰出的攝像頭控制賽車(chē)，同時(shí)也提出了許多相應(yīng)的圖像數(shù)據(jù)處理算法用以規(guī)劃小車(chē)航跡.但是這些算法在完成功能的同時(shí)也兼具了一定的缺陷[1]，如計(jì)算量過(guò)大，數(shù)據(jù)受到系統(tǒng)噪聲影響而導(dǎo)致計(jì)算誤差，形狀類(lèi)似的賽道信息無(wú)法準(zhǔn)確區(qū)分等情況[2].針對(duì)這些問(wèn)題，本文提出了一種多優(yōu)先級(jí)三線(xiàn)賽道檢測(cè)判斷算法.

2 三線(xiàn)賽道檢測(cè)算法分析

傳統(tǒng)的攝像頭賽道預(yù)判方法通常利用在一定光強(qiáng)照射下對(duì)賽道的白色跑道區(qū)域和黑色定位邊緣區(qū)域進(jìn)行區(qū)分，利用二值化的處理方法提取出有效的賽道區(qū)域從而規(guī)劃智能車(chē)的航跡.

這種方法的缺陷在于每次統(tǒng)計(jì)賽道信息時(shí)必須將所有的賽道數(shù)據(jù)都進(jìn)行計(jì)算才能夠準(zhǔn)確地規(guī)劃智能車(chē)航跡，計(jì)算量十分巨大，對(duì)于使用單片機(jī)為控制和計(jì)算核心的系統(tǒng)來(lái)說(shuō)，會(huì)占用相當(dāng)大的系統(tǒng)時(shí)間，致使系統(tǒng)響應(yīng)變慢，無(wú)法讓智能車(chē)在高速下進(jìn)行各種運(yùn)動(dòng)變換操作.

2.1 改進(jìn)的賽道數(shù)據(jù)二值化方法研究

多優(yōu)先級(jí)三線(xiàn)賽道檢測(cè)判斷算法的核心思想如下圖1所示：

圖1 三線(xiàn)賽道檢測(cè)算法功能示意圖

在圖1中，在攝像頭采集到的有效的圖像區(qū)域內(nèi)構(gòu)建三根平行檢測(cè)線(xiàn)，以梯形的形狀貼合攝像頭傾斜視場(chǎng)下賽道的實(shí)際情況.其中，標(biāo)記“1”號(hào)線(xiàn)用于對(duì)賽道前瞻進(jìn)行預(yù)判，其處理結(jié)果直接表明智能車(chē)下一步將要面對(duì)的賽道情況，從而作出是否打角轉(zhuǎn)彎的判斷操作.標(biāo)記“3”號(hào)線(xiàn)反應(yīng)當(dāng)前車(chē)頭位置，該位置的優(yōu)先級(jí)低于“1”號(hào)線(xiàn)，在賽道前瞻判斷結(jié)束后，由“3”號(hào)線(xiàn)決定車(chē)輛的精確打角幅度并實(shí)時(shí)跟蹤車(chē)輛位置，確保車(chē)輛不會(huì)沖出賽道.標(biāo)記“2”號(hào)線(xiàn)優(yōu)先級(jí)最低，在車(chē)輛運(yùn)行過(guò)程中，用以對(duì)“1”、“3”號(hào)線(xiàn)的沖突命令作出投票判斷，以決定車(chē)輛的運(yùn)動(dòng)姿態(tài)服從哪一個(gè)檢測(cè)線(xiàn)的指令.該算法的詳細(xì)運(yùn)行方法如下：當(dāng)車(chē)輛進(jìn)入賽道后，首先需要對(duì)所采集到的圖像進(jìn)行簡(jiǎn)單的濾波去噪處理，以剔除椒鹽噪聲對(duì)賽道判斷帶來(lái)的信號(hào)干擾.我們采用的是3×3的中值濾波算法，濾波之后能夠有效的剔除圖像上的椒鹽噪聲，使賽道檢測(cè)時(shí)的二值化過(guò)程更加穩(wěn)定.

智能車(chē)始終保持連續(xù)運(yùn)動(dòng)狀態(tài)，因此攝像頭所采集的圖像的灰度值也在變化，如果在光強(qiáng)較強(qiáng)的地方時(shí)，整體像素點(diǎn)的灰度值多會(huì)提高.若用定值閾值進(jìn)行判斷時(shí)勢(shì)必會(huì)出現(xiàn)錯(cuò)誤，因此本小組使用動(dòng)態(tài)閾值判斷方法來(lái)適應(yīng)根據(jù)光強(qiáng)變化調(diào)整圖像的灰度動(dòng)態(tài)范圍分布，保證二值化過(guò)程的準(zhǔn)確進(jìn)行.閾值選取的思想是：選取攝像頭近端的一行數(shù)據(jù)，以冒泡法求出這一行像素點(diǎn)的最大灰度值white以及最小灰度值dark，利用式(1)給出該行數(shù)據(jù)的灰度漂移范圍dif，然后乘以閾值補(bǔ)償系數(shù)coeff來(lái)完成最終閾值的確定.

(1)

(1)式中，threshold表示最終確定的圖像二值化閾值.在不同的光強(qiáng)照射下，攝像頭采集到的每幀圖像灰度的動(dòng)態(tài)范圍會(huì)發(fā)生不斷的整體偏移，其灰度最大最小值會(huì)不斷地發(fā)生變化，但是其動(dòng)態(tài)范圍卻幾乎不怎么變，如圖2所示：

圖2 不同光強(qiáng)照射下圖像灰度動(dòng)態(tài)范圍直方圖分布示意圖

如圖2所示，當(dāng)光照較弱時(shí)，圖像灰度整體偏向于低灰度區(qū)域，此時(shí)圖像整體較暗.當(dāng)光照適中時(shí)，圖像灰度基本處于直方圖中間區(qū)域，此時(shí)人眼觀察圖像最為合適.當(dāng)光照過(guò)強(qiáng)時(shí)，圖像灰度基本處于直方圖高灰度區(qū)域，此時(shí)大部分?jǐn)?shù)據(jù)接近飽和，圖像整體較亮.因此我們首先求出每幀數(shù)據(jù)中灰度動(dòng)態(tài)范圍的相對(duì)變化量dif，然后乘以閾值補(bǔ)償系數(shù)coeff來(lái)確定每幀圖像的二值化閾值大小.閾值補(bǔ)償系數(shù)的作用是為了防止在一些光線(xiàn)照射十分不均勻的位置處，動(dòng)態(tài)范圍不僅發(fā)生平移，而且發(fā)生了拉伸變化時(shí)，用以修正閾值使其不會(huì)突然出現(xiàn)畸變的作用.經(jīng)過(guò)實(shí)際的測(cè)試，該系數(shù)選用0.75時(shí)圖像效果最佳，如圖3所示.

其中，圖3(1)為補(bǔ)償系數(shù)設(shè)為0.85時(shí)的二值化效果，圖3(2)為補(bǔ)償系數(shù)設(shè)為0.75時(shí)的二值化效果.可以看出，補(bǔ)償系數(shù)設(shè)為0.85時(shí)雖然能夠真實(shí)的還原圖像中大部分的亮暗區(qū)域，并進(jìn)行二值化操作，但是過(guò)多的亮區(qū)域在智能車(chē)高速行駛中會(huì)造成賽道邊緣不清晰等賽道誤判現(xiàn)象，如圖中紅色標(biāo)識(shí)所示，從而大大降低智能車(chē)運(yùn)行的穩(wěn)定性.而補(bǔ)償系數(shù)設(shè)為0.75時(shí)可以看出，只有賽道區(qū)域被進(jìn)行了二值化，其他亮度不及賽道但又高于背景的無(wú)效場(chǎng)景信息也同時(shí)被剔除，保證智能車(chē)的航跡判斷準(zhǔn)確不出錯(cuò).

2.2 三線(xiàn)賽道檢測(cè)算法研究

當(dāng)賽道準(zhǔn)確提取出后，“1”號(hào)線(xiàn)開(kāi)始工作.由于“1”號(hào)線(xiàn)位于最前方，代表了賽道前瞻判斷，檢測(cè)時(shí)，從“1”號(hào)線(xiàn)的中間像素位置開(kāi)始向白色賽道兩邊逐像素點(diǎn)進(jìn)行連續(xù)電平檢測(cè)判斷，直到出現(xiàn)明顯的黑白電平翻轉(zhuǎn)時(shí)，認(rèn)為檢測(cè)到賽道邊緣，此時(shí)計(jì)算中間像素到兩側(cè)翻轉(zhuǎn)處像素的相對(duì)距離，若距離相等或在一個(gè)較小的差值范圍內(nèi)時(shí)，則認(rèn)為前瞻賽道保持在直道中.該方法簡(jiǎn)單易行，并且對(duì)彎道或者車(chē)輛在直道中位置不是保持正前方時(shí)都能夠及時(shí)地作出判斷并發(fā)出打角指令，如下圖4所示：

圖4 兩種不同的賽道前瞻檢測(cè)示意圖

圖4(1)為車(chē)輛前瞻進(jìn)入彎道的情況，此時(shí)智能車(chē)仍然在直道中，但是前瞻已經(jīng)進(jìn)入彎道.因此“1”號(hào)線(xiàn)在檢測(cè)時(shí)，只能在一側(cè)檢測(cè)到黑色的邊沿，而另一側(cè)則無(wú)法檢測(cè)到.說(shuō)明賽道即將偏離直道，需要開(kāi)始進(jìn)行打角操作.圖4(2)為車(chē)輛在直道中行駛方向偏離正中的情況，此時(shí)“1”號(hào)線(xiàn)的檢測(cè)結(jié)果與彎道情況類(lèi)似，同樣為丟失一側(cè)道路邊緣，因此也會(huì)作出向一側(cè)的打角操作，使智能車(chē)后續(xù)的行駛方向回到道路正中.

“1”號(hào)線(xiàn)的檢測(cè)結(jié)果會(huì)向系統(tǒng)發(fā)出打角操作的指令，“3”號(hào)線(xiàn)接收到該指令后會(huì)根據(jù)自身當(dāng)前對(duì)道路的判斷，決定是否接收該指令以及接收該指令時(shí)判斷車(chē)輛偏離中線(xiàn)多少距離.其檢測(cè)方法與“1”號(hào)線(xiàn)方法基本相同，但是由于“3”號(hào)線(xiàn)的位置離車(chē)頭最近，因此其能夠最準(zhǔn)確地反映車(chē)輛當(dāng)前的位置信息.其計(jì)算得出的結(jié)果也最真實(shí)準(zhǔn)確.其偏離中線(xiàn)的位置判斷方法如下式：

(2)

(2)式中，Drift為前后兩幀圖像中“3”號(hào)檢測(cè)線(xiàn)計(jì)算出的車(chē)輛在賽道中發(fā)生的實(shí)際偏移值，D1為前一幀圖像中車(chē)頭距賽道邊緣的位移，D2為后一幀圖像中車(chē)頭距賽道邊緣的位移.根據(jù)(2)式的計(jì)算，當(dāng)車(chē)輛發(fā)生偏移時(shí)，“3”號(hào)線(xiàn)只有一側(cè)能夠檢測(cè)到賽道邊緣，而另一側(cè)則無(wú)法檢測(cè)到，因此可以認(rèn)為此時(shí)車(chē)輛更靠近能夠檢測(cè)到賽道的一邊.此時(shí)用當(dāng)前計(jì)算得到的中間像素位置距離邊緣翻轉(zhuǎn)像素的位置之差與車(chē)輛位于賽道中間時(shí)的位置之差進(jìn)行取差操作，就能夠準(zhǔn)確地算出車(chē)輛當(dāng)前的中線(xiàn)偏離標(biāo)準(zhǔn)中線(xiàn)多少距離，從而根據(jù)“1”號(hào)線(xiàn)發(fā)出的打角操作命令決定車(chē)輪向某一側(cè)拐多少角度，使車(chē)輛沿著正確的軌跡行駛.如圖5所示.

圖5 車(chē)頭賽道偏移量檢測(cè)

在智能車(chē)的行駛過(guò)程中，會(huì)出現(xiàn)“1”、“3”號(hào)線(xiàn)命令無(wú)法統(tǒng)一的情況，如圖6所示：

圖6

在圖6中，“1”號(hào)線(xiàn)剛剛進(jìn)入彎道，已經(jīng)發(fā)出打角命令，而實(shí)際上此時(shí)車(chē)輛尚未完全進(jìn)入彎道，若此時(shí)拐彎則極易出現(xiàn)車(chē)輪出界犯規(guī)現(xiàn)象.此時(shí)“3”號(hào)線(xiàn)根據(jù)(2)式的計(jì)算得出車(chē)頭仍在直道內(nèi)，因此拒絕“1”號(hào)線(xiàn)發(fā)出的打角命令.若“1”、“3”號(hào)檢測(cè)線(xiàn)無(wú)法裁定車(chē)輛的行駛狀態(tài)，則由“2”號(hào)線(xiàn)按照(2)式進(jìn)行檢測(cè)，三根檢測(cè)線(xiàn)同時(shí)進(jìn)行投票操作，最終確定車(chē)輛下一步的行駛方式，因此可以保證車(chē)輛在賽道中準(zhǔn)確無(wú)誤地沿著賽道行駛.該方法由于利用了攝像頭能夠采集大量賽道數(shù)據(jù)的優(yōu)勢(shì)，因此對(duì)賽道中加入障礙物的檢測(cè)也能夠準(zhǔn)確有效地完成判斷，如圖7所示：

圖7 賽道中加入障礙物的檢測(cè)路徑規(guī)劃

在圖7中，賽道一側(cè)加入了明顯的障礙物，此時(shí)三線(xiàn)檢測(cè)能夠自動(dòng)計(jì)算出障礙物的位置并重新描繪賽道中線(xiàn)軌跡，從而為賽車(chē)正確繞過(guò)障礙物設(shè)置路徑，保證賽車(chē)順利通過(guò)障礙物.

3 結(jié)論

本文提出了一種新的多優(yōu)先級(jí)三線(xiàn)賽道檢測(cè)判斷算法.該算法提出了利用攝像頭數(shù)據(jù)量大的優(yōu)勢(shì)，設(shè)計(jì)三根不同優(yōu)先級(jí)的檢測(cè)線(xiàn)分別處理圖像數(shù)據(jù).利用三根檢測(cè)線(xiàn)不同的優(yōu)先級(jí)，分別檢測(cè)賽車(chē)在賽道上的前瞻判斷、中線(xiàn)判斷以及決定賽車(chē)的行駛狀態(tài).該算法具有計(jì)算量小、占用系統(tǒng)資源少和響應(yīng)速度快的優(yōu)勢(shì)，能夠在短時(shí)間內(nèi)快速的對(duì)賽道狀態(tài)以及賽車(chē)行駛方式作出反應(yīng)，保證了賽車(chē)在賽道上穩(wěn)定、快速地運(yùn)行.

[1]艾寧，瞿少成，劉冬，等.基于CCD攝像頭的智能車(chē)路徑識(shí)別及跟蹤研究[J].電子測(cè)量技術(shù)，2009(8).

[2]王榮本,游峰,崔高健，等.基于計(jì)算機(jī)視覺(jué)高速智能車(chē)輛的道路識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用,2004(26).

(責(zé)任編輯 張建軍)

2014-10-10

邱 航，女，安徽宣城人，南京工程學(xué)院工業(yè)中心講師，碩士.

TN919.8

A

1671-1696(2014)11-0009-03