邵毅,溫艷,曹吉花

（宿州學院機械與電子工程學院,安徽宿州234000）

基于霍夫變換的車道偏離警示系統(tǒng)

邵毅,溫艷,曹吉花

（宿州學院機械與電子工程學院,安徽宿州234000）

以霍夫變換為基礎,分析了其在智能交通中的車道偏離預警系統(tǒng)中的應用.車道偏離系統(tǒng)由MATLAB的計算機視覺工具箱和Simulink模塊進行搭建.為驗證系統(tǒng)有效性,通過對采集視頻進行實驗,結果表明：系統(tǒng)可以同時檢測出兩條車道線,檢測準確性和實時性較好,但復雜環(huán)境的檢測結果會帶來較大的誤差,相關算法仍需進一步改進.

霍夫變換；車道偏離；計算機視覺

作為智能交通系統(tǒng)（intelligent transpation system,ITS）的基礎技術之一,智能視頻技術的基本任務就是對采集視頻進行處理,獲取各種交通狀況的實時信息,同時對現(xiàn)場路況作出即時反應[1].該技術廣泛應用于運動車輛檢測,道路交通標示識別,車輛預碰撞預警,車道偏離預警等,其核心是計算機視覺技術[2].計算機視覺技術將圖像及其描述對應起來,再由數(shù)字圖像處理和分析得出采集視頻所包含的對監(jiān)控和預警有用的信息.無論對于車輛安全行駛降低事故發(fā)生率,還是提高車輛駕乘的舒適性,車道線的檢測都具有非常重要的作用,使之成為ITS的研究熱點[3].為提高運動汽車車道偏離預警系統(tǒng)的實時性和穩(wěn)定性,本文在分析了基于霍夫變換（Hough transform）車道線檢測算法的基礎上,利用MATLAB計算機視覺工具箱（computer vision toolbox）和Simulink模塊建立車道偏離預警系統(tǒng),采集視頻并進行實驗,在視頻中檢測和追蹤車道線并提醒駕駛員是否越線.結果表明設計系統(tǒng)的檢測實時性較好,并且在車輛低速運行時檢測結果穩(wěn)定可靠.

1 相關知識

1.1 MATLAB計算機視覺工具箱

MATLAB計算機視覺工具箱可以方便用戶進行視頻處理系統(tǒng)的設計和模擬[2].該工具箱包含眾多算法,通過對圖像感知及預處理、目標檢測、目標跟蹤、特征提取與識別等操作,從而完成視頻文件的輸入和輸出、分析處理、顯示、圖形繪制和合成等.

1.2 Hough變換車道線檢測基本原理

在視頻幀處理中,常用Hough變換識別圖像幀里所包含的直線.處理數(shù)據量適中,占用系統(tǒng)資源相對較少,本文采用此算法提取視頻幀中的車道線.Hough變換利用點與線的對偶性,將原始圖像空間給定的曲線變?yōu)閰?shù)空間的一個點.將原始圖像中給定曲線的檢測問題轉化為尋找參數(shù)空間中的峰值問題,即將檢測整體特性轉化為檢測局部特性.Hough變換示意圖如圖1所示.

圖1 Hough變換示意Fig.1 Hough transform scheme

由圖1可以看到,在直角坐標系中有一條直線l,原點到該直線的垂直距離為ρ,垂線與x軸的夾角為θ,則這條直線是唯一的,且其直線方程為式（1）.而這條直線的極坐標表示則為一點（ρ,θ）.可見,直角坐標系中的一條直線對應極坐標系中的一點,這種線到點的變換就是Hough變換[4].

Hough變換的算法實現(xiàn).首先將（ρ,θ）空間量化,得M（ρ,θ）,此矩陣是累加單元,假設初值M（ρ,θ）=0.對邊界上的每一個點（xi,yi）,將θ的所有量化值代入（1）式,計算相應的ρ,并將M（ρ,θ）加1,將全部（xi,yi）處理后,分析M（ρ,θ）,如果M（ρ,θ）≥T,就可以認為存在一條有意義的線段,是該線段的擬合參數(shù).T是一個非負整數(shù),由采集的圖像幀中車道的先驗特征決定.最后由（ρ,θ）和（xi,yi）共同確定圖像幀中的車道線,并將斷裂部分連接起來,最終確定車道線的位置.

2 車道偏離警示系統(tǒng)設計

利用Simulink模塊和Computer Vision Toolbox進行仿真系統(tǒng)設計[5].系統(tǒng)主要由視頻輸入輸出模塊,車道線檢查模塊,車道線追蹤模塊和越線報警模塊組成.系統(tǒng)模型如圖2所示.

圖2 車道偏離警示系統(tǒng)Fig.2 Lane departure warning system

2.1視頻輸入模塊

視頻輸入模塊（input）使用DSP工具箱的Source中的From Multimedia File模塊進行視頻的采集. From Multimedia File模塊可以對聲音、圖像和視頻采集,Windows平臺可以對壓縮文件、視頻讀取,而非Windows平臺只能讀取非壓縮的視頻.為提高檢測的效率,視頻輸入模塊通常使用圖像轉換模塊對視頻幀做預處理,主要包括：利用rgb2gray函數(shù)將其轉化為灰度圖像,用中值法濾波去除信號噪聲,再用迭代算法將去噪后的灰度圖像二值化,最后利用edge函數(shù)找出圖像邊緣.預處理后得到三路顏色空間的輸出信號：RGB,灰度圖像和Y’CrCb.其中的灰度圖像為車道檢測和車道偏離模塊提供輸入,RGB為系統(tǒng)輸出模塊提供輸入,Y’CrCb為車道偏離預警模塊提供輸入.

2.2 車道線檢測模塊

圖3 車道線檢測Hough變換子模塊Fig.3 Lane detection Hough transform submodule

2.3 車道線追蹤模塊

車道線追蹤模塊（lane tracking）使用卡爾曼濾波（Kalman filtering）算法來實現(xiàn)[6].卡爾曼濾波一種利用線性系統(tǒng)狀態(tài)方程,通過系統(tǒng)輸入輸出觀測數(shù)據,對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法,該算法實時性較好,由于采集的圖像數(shù)據中包括信號噪聲,那么這個估計也可以看做一個濾波去噪的過程.算法利用車道線的動態(tài)信息,主要是上一幀車道線位置的估計值和當前時刻的觀測值,以此濾出噪聲,得到較為接近車道線位置的估計.對當前車道線位置的估計,包含對于將來位置的估計（預測）,以及對過去位置的估計（插值或平滑）.卡爾曼算法對視頻幀的基本操作如下,令（12）式和（3）式分別為車道線位置的狀態(tài)方程和測量方程.

其中,X（t）為t時刻的系統(tǒng)狀態(tài)矢量,Z（t）為t時刻的測量矢量.A、B、C為測量系統(tǒng)的系數(shù),W表示測量時的噪聲.則卡爾曼濾波算法推到如下.t時刻系統(tǒng)狀態(tài)估計值為X( t )%.估計誤差方差矩陣見式（4）

利用式（2）,由t-1時刻的估計值計算t時刻值

再由t時刻的測量值Z（t）,以及增益矩陣K（t）修正該估計值,得到X( t )%.

則,當前時刻的誤差方差矩陣為

車道線追蹤模塊采用Kalman Filter模塊.對輸入視頻幀做卡爾曼濾波,以降低噪聲影響,預測和判斷動態(tài)系統(tǒng)的狀態(tài).

2.4 偏離警告模塊

車道線偏離警告模塊（departure waming）采用Hough直線檢測算法來實現(xiàn)偏離警告.系統(tǒng)采用Computer Vision Toolbox里的Hough Lines模塊,模塊可以實現(xiàn)由rho和theta確定的直線笛卡爾坐標.偏離警告系統(tǒng)可以對行車偏離進行提示,同時還可以提示檢測到的車道線類型（黃線還是白線,實線還是虛線）.線型提醒可以通過MATLAB Function模塊編程來實現(xiàn).

2.5 系統(tǒng)輸出模塊

系統(tǒng)輸出模塊（output）采用Computer Vision Toolbox中的To Video Display模塊來顯示結果.圖4是檢測到的一次右邊偏離的結果.

圖4 右側偏離的檢測結果Fig.4 Testing result of right deviation

3 實驗分析

實驗環(huán)境為Window8.1版本64位平臺,CPU為Intel（R）Core（TM）i7-4500U,內存8.00 G.所使用視頻段在206國道宿州段采集,avi格式,分辨率1 280*720,碼率1 461 Kbps.采用MATLAB2014a提供的計算機視覺工具箱（computer vision tool box）進行處理.

圖5是檢測結果,其中的橫線表示原點直線（安全線臨界線）,曲線若在其上表示未越線偏離,否則發(fā)出警告提示越線.

圖5 車道偏離系統(tǒng)檢測結果Fig.5 The detection results of lane departure system

通過檢測實驗數(shù)據分析,檢測系統(tǒng)檢出率見表1.

表1 車道偏離檢出率Tab.1 The detection rate of lane departure

由表1可知,右側檢出率92.3%,左側檢出率89.5%.根據采集視頻分析,左側檢出率低于右側的原因在于部分路段左側車道線磨損嚴重,造成采集視頻中部分左側車道缺損,此外環(huán)境光線的變化也是誤差來源的主要因素之一.

4 小結

本文在分析采用MATLAB的計算機視覺工具箱和Simulink模塊,分析了其在智能交通中車道偏離警示系統(tǒng)中的應用.通過實驗驗證發(fā)現(xiàn),在交通環(huán)境簡單的情況下,檢測速度快且比較準確性,但交通環(huán)境復雜時,如車道線不清楚,環(huán)境光線復雜,道路障礙物較多等等,此時搭建系統(tǒng)得出的實驗結果容易出現(xiàn)誤差.實際應用時還應根據實驗結果,需要對相關算法繼續(xù)優(yōu)化,以適應不同的交通環(huán)境.

[1]祁駿.智能交通視頻事件流監(jiān)控系統(tǒng)關鍵技術研究[D].南京：東南大學,2014：1-3.

[2]AKHIL S,DR MAHESH K.Collision avoider using lane departure warning[J].International Journal of Scientific and Research Publications,2014,4（2）：1-4.

[3]SON Y S,KIM W,LEE S H,et al.Robust multirate control scheme with predictive virtual lane for lane-keeping system of autonomous highway driving[J].IEEE Trans.Vehicular Technology,2015,64：3378-3391.

[4]于兵.基于視覺的汽車主動安全關鍵技術研究[D].南京：東南大學,2009：50-53.

[5]RAJASHRI G,ANUJA D.An overview of lane departure warning system based on DSP for smart vehicles[J].International Journal of Computer Science and Mobile Computing,2013,11（2）：79-84.

[6]陳濤,張洪丹,陳東,等.基于優(yōu)先像素與卡爾曼濾波追蹤的車道線檢測[J].汽車工程,2016（2）：200-205.

（責任編輯：盧奇）

Lane departure warning system based on Hough transform

SHAO Yi,WEN Yan,CAO Jihua
（College of Mechanical and Electronic Engineering,Suzhou University,Suzhou 234000,China）

Based on the Hough transform,its application in lane departure warning system was analysised.The system was designed by computer vision toolbox and simulink of MATLAB.In order to verifys the effectiveness of the algorithm,the experiment was completed by the vidieo.The experimental results showed that the accuracy of the algorithm was suitable for two lanes detection at the same time,but the detection results of complex environment will bring large error,and the related algorithm still need to be improved.

Hough transform；lane departure；computer vision

TP317.4

A

1008-7516（2016）06-0000-05

10.3969/j.issn.1008-7516.2016.06.012

2016-08-13

安徽高校自然科學研究項目（KJ2015A200）；宿州學院產學研合作培育項目（2014cxy02）；宿州學院教學研究項目（SZXY2015jy06）；宿州學院課程教學改革項目（SZXY2015kcjg09）；宿州學院煤礦機械與電子工程研究中心開放課題（2014YKY14）.

邵毅（1983―）,男,安徽蚌埠人,碩士,講師.主要從事信號與信息處理研究.