貴州師范大學(xué)物理與電子科學(xué)學(xué)院 張 旺

1 引言

智能駕駛技術(shù)已成為一個全球研究熱點，尤其是利用視覺傳感器實現(xiàn)智能駕駛得到熱烈追捧。視覺智能車相較于其他智能車，例如激光雷達(dá)、聲吶相比較，具有諸多的優(yōu)點：視覺傳感器為被動接受信息，不易受到其他傳感器和復(fù)雜電磁環(huán)境因素的影響；視覺傳感器能夠接受到大量的道路信息，即使出現(xiàn)丟失部分?jǐn)?shù)據(jù)的情況，也能夠較好的為車輛提供導(dǎo)航信息。根據(jù)參考文獻(xiàn)[1]，在這一技術(shù)領(lǐng)域中較為成熟的主要有意大利的GOLD系統(tǒng)、美國的RALPH系統(tǒng)等。目前我國交通安全事故時常發(fā)生，給國家和人民帶來了巨大的財產(chǎn)經(jīng)濟損失，同時給當(dāng)事人和他們的親人帶來了嚴(yán)重的精神傷害。

本文的實驗就是基于這樣的背景和參考文獻(xiàn)[2]的思想來實現(xiàn)駕駛車的安全速度控制與預(yù)警。本文通過運用一種較為簡易的道路識別，首先對采集的道路圖像進(jìn)行預(yù)處理，然后利用Sobel算子進(jìn)行道路標(biāo)線識別和提取，最后利用透視變換消除透視投影對道路識別的影響。本文主要針對具有道路標(biāo)線的直線結(jié)構(gòu)化道路模型。

2 道路圖像的預(yù)處理

2.1 圖像濾波

任何原始圖像都會存在一些圖像噪聲，這將影響圖像質(zhì)量，甚至圖像模糊無法識別等情況。尤其是道路圖像由于采集的環(huán)境一般較復(fù)雜多變。因此我們一般在對道路圖像進(jìn)行道路識別與提取前，先對其進(jìn)行圖像濾波處理，減少部分圖像噪聲對圖像處理結(jié)果的影響。本文選擇線性濾波對圖像進(jìn)行濾波，線性濾波是通過像素點和其周圍領(lǐng)域像素點的線性運算實現(xiàn)濾波。

2.2 道路圖像的灰度處理

對道路圖像進(jìn)行灰度變換，灰度變換能夠減少一部分背景信息，提高后續(xù)處理的速度。

根據(jù)參考文獻(xiàn)[3]，對圖像進(jìn)行一次中值濾波。它是一種在去除圖像中的噪聲的同時還能較好的保存道路邊界信息濾波方法。中值濾波會選取一個含有奇數(shù)個像素點的移動窗口，在圖像上從左到右，從上到下逐行移動，選取窗口內(nèi)灰度的中間值取代窗口中心像素的灰度值。它的輸出數(shù)學(xué)表達(dá)式如(1)所示。

式中為當(dāng)前點(x,y)的領(lǐng)域。根據(jù)中值濾波原理，本文選取5*5的濾波窗進(jìn)中值濾波處理。

3 道路識別與提取

3.1 道路標(biāo)線的識別

對道路圖像進(jìn)行二值化處理提取道路標(biāo)線的第一步，這也是道路標(biāo)線識別與提取最為關(guān)鍵的一步，它將道路標(biāo)線充背景圖像中提取出來。本文根據(jù)參考文獻(xiàn)[4]的方法實現(xiàn)了圖像二值化。

設(shè)原始的圖像函數(shù)為f(x,y)，特征值為T，將圖像分割成大于等于特征值的部分和小于特征值的部分，表達(dá)式如式(2)所示。

雖然目前關(guān)于邊緣檢測的算法有很多，例如Canny算子、神經(jīng)網(wǎng)絡(luò)檢測和模糊檢測等，但由于它們的計算時間較長，不能很好地滿足系統(tǒng)的實時性。本文根據(jù)參考文獻(xiàn)[5]，選擇Sobel邊緣檢測算子進(jìn)行道路標(biāo)線提取，其算法速度快，還能夠是邊緣光滑連續(xù)。Sobel算子實際上就是一個差分算法，定義如下式所示。

3.2 圖像透視變換

本文根據(jù)參考文獻(xiàn)[6-7]，采用透視變換算法來減弱圖像采集時引起的透視效應(yīng)。這種算法能夠重建道路信息，能夠更好的提高識別距離，提高識別的線性度等優(yōu)勢。本文是在道路標(biāo)線識別完成后對圖像進(jìn)行透視變換，則樣能夠減少其計算量，從而提高了識別的實時性。

本文透視變換采用基本的針孔模型。根據(jù)參考文獻(xiàn)[7]中，設(shè)定平坦路面，在zw=0的平面，世界坐標(biāo)系的坐標(biāo)設(shè)定為(xw, yw, zw)與該點在圖像坐標(biāo)系中的投影點為(u.v)之間的轉(zhuǎn)換關(guān)系如下式所示。

本文是識別道路標(biāo)線，最后對識別的標(biāo)線進(jìn)行變換。投影后得到的近視區(qū)域和遠(yuǎn)視區(qū)域車道方程如式(7)、(8)兩式所示。

MATLAB仿真結(jié)果如圖1所示。

圖1 逆變投影結(jié)果圖

4 實驗結(jié)果

本實驗利用攝像頭采集道路圖像，在處理器為Intel(R)i5-2450M CPU@2.50GHz 2.50GHz的PC機上，利用MATLAB進(jìn)行實驗仿真。在不考慮圖像采集時間及篩選時間的情況下整個過程處理時間為2.5237s。為保證我們的汽車安全行駛，我們設(shè)安全剎車距離為S，識別距離為L。

圖2

假設(shè)每次識別距離一定且都為L，則有：

根據(jù)一般汽車制動距離要求，100Km/h的距離在40米左右，超過的越多剎車越差。下面為國標(biāo)GB 12676和GB/T 13594的規(guī)定的剎車距離：

(1)不超過九座的載客汽車 初速度50Km/h時，不超過19m；

(2)其它總質(zhì)量不超過4.5t的汽車 初速度50Km/h是時，不超過21m；

(3)其它汽車，汽車列車 初速度30Km/h時，不超過9m。

本次實驗的處理距離為80m，但由于逆變后線性度不夠優(yōu)良，我們選擇有效處理距離為60m。根據(jù)(10)、(11)兩式和上面的數(shù)據(jù)可得。

當(dāng)速度為100Km/h時，安全制動距離為40m則：

可知此速度無法滿足安全預(yù)警。

當(dāng)速度為50Km/h時，安全制動距離為20m則：

從表達(dá)式可得出結(jié)論，本實驗結(jié)果可以滿足此速度下的安全速度預(yù)警。

5 實驗分析

本文利用逆變投影變換得到俯視道路圖像為提取處理距離提供條件，二值化、Sobel算子對道路圖像信息進(jìn)行處理提取道路識別距離。最后根據(jù)其得到的處理距離對車輛行駛速度提供預(yù)警。通過實驗仿真證明該實驗具有較好的實時性和魯棒性。本實驗對于汽車保持安全距離行駛與汽車安全行駛速預(yù)警度具有一定積極意義，能提高道路安全、文明行駛。

但本實驗的逆變投影變換結(jié)果線性度不好，當(dāng)尤其是在識別距離超過一定距離后，還需要對線性度進(jìn)行改善。所以本實驗還不能滿足高速公路安全速度預(yù)警的要求。由于逆變投影的算法過于復(fù)雜，所需時間較長，導(dǎo)致系統(tǒng)實時性不太好。基于這9些缺點本實驗還不能滿足高速公路安全速度預(yù)警的要求。

[1]付夢印,李博,王美玲.一種基于逆變投影的智能車道識別方法[J].光學(xué)技術(shù),2008,34(3):368-371.

[2]徐友春.基于機器視覺的汽車主動安全技術(shù)的研究[J].清華大學(xué)學(xué)報,2005,16:16-17.

[3]張恒,雷志輝,丁曉華.一種改進(jìn)的中值濾波算法[J].中國圖像圖形學(xué)報,2004,9(4):408-411.

[4]吳冰,秦志遠(yuǎn).自動確定圖像二值化最佳閾值的新方法[J].測繪學(xué)院學(xué)報,2001,18(4):283-286.

[5]袁春蘭,熊宗龍,周雪花,彭小輝.基于Sobel算子的圖像邊緣檢測研究[J].激光與紅外,2009,39(1):85-87.

[6]郭磊,李克強.基于定向二位插值的逆變投影變換方法[J].清華大學(xué)學(xué)報(自然科學(xué)學(xué)報),2006,46(5):712—715.

[7]高德芝,鄭榜貴,段建明.基于透視變換的車輛定位技術(shù)[J].計算機測量與控制,2009,17(9):1810-1812.