張亞秋，劉雅莉*，趙 珣

（1.玉溪師范學(xué)院，云南 玉溪 653100；2.華加日西林實業(yè)有限公司，廣東 深圳 518000）

0 引 言

隨著我國經(jīng)濟(jì)水平的提升，國家對基礎(chǔ)設(shè)施持續(xù)大量投入，道路基礎(chǔ)設(shè)施建設(shè)取得巨大成就。截至2021 年末，全國公路總里程達(dá)528 萬公里，高速公路16.9 萬公里，高速公路里程居世界第一。與此同時，汽車保有量和汽車駕駛?cè)藬?shù)量均大幅增加，截止2022 年3 月底，全國汽車保有量達(dá)3.07 億輛，汽車駕駛?cè)?.50 億人。然而，因道路交通事故造成的傷亡人數(shù)和經(jīng)濟(jì)財產(chǎn)損失數(shù)額巨大。根據(jù)世界衛(wèi)生組織《2018 年全球道路安全現(xiàn)狀報告》統(tǒng)計，全球每年約有135 萬人死于道路交通事故，另約2 000 萬至5 000 萬人受到非致命傷害。據(jù)統(tǒng)計，80%的交通意外是由于駕駛員超速行駛、酒駕、疲勞駕駛或操作不當(dāng)造成的，而車輛偏離車道行駛問題僅次于超速行駛，位于駕駛?cè)艘蛩貙?dǎo)致交通事故原因的第二位[1]。車輛行駛過程中，若駕駛員不是主動變道，當(dāng)車輛發(fā)生側(cè)向偏離時，若輔助駕駛系統(tǒng)能夠及時發(fā)出預(yù)警信號提醒駕駛員謹(jǐn)慎駕駛，則此類事故將會大大減少。因此，車道偏離預(yù)警系統(tǒng)的研究具有重要的現(xiàn)實意義。

1 車道偏離預(yù)警系統(tǒng)

車道偏離預(yù)警的實現(xiàn)途徑有機(jī)器視覺、雷達(dá)以及磁性導(dǎo)航技術(shù)等[2-4]。對于標(biāo)識規(guī)范的城市道路和高速公路，基于機(jī)器視覺的方法是實現(xiàn)車道偏離預(yù)警使用最多也最為成熟的方法。該方法利用車載相機(jī)采集車輛的道路行駛視頻，經(jīng)圖像預(yù)處理提取、識別車道線，然后根據(jù)車輛與當(dāng)前車道的相對位置和車輛行駛狀態(tài)估計車輛偏離風(fēng)險，據(jù)此進(jìn)行偏離預(yù)警。系統(tǒng)工作流程如圖1 所示。系統(tǒng)功能實現(xiàn)的關(guān)鍵在于車道線識別和對車輛是否偏離車道的判斷。

圖1 基于機(jī)器視覺的車道偏離預(yù)警系統(tǒng)工作流程

2 車道線識別

2.1 圖像預(yù)處理

本文使用的道路視頻圖像采集于東風(fēng)雪鐵龍C4L 車型車前擋風(fēng)玻璃下沿車身正中位置，距地面1.10 m，像平面垂直于車身行駛方向。采集到的道路視頻圖像為彩色圖像，為減少數(shù)據(jù)量，先轉(zhuǎn)化為灰度圖像。該灰度圖像包含了成像系統(tǒng)（CCD）本身的噪聲和外部環(huán)境（如光照強(qiáng)度、天氣狀況等）的噪聲，因此，還需進(jìn)一步進(jìn)行降噪處理。常用的降噪方法有均值濾波、中值濾波及自適應(yīng)濾波。本文選用速度較快且效果較好的中值濾波方法。

在直線檢測之前，需將視頻轉(zhuǎn)換為幀圖像。由于每秒視頻可以轉(zhuǎn)換成30 幀圖像，這樣產(chǎn)生的大量圖片會導(dǎo)致后續(xù)處理過程中計算量過大，因此本文提出關(guān)鍵幀的概念，用于改善圖片處理效率。關(guān)鍵幀可以根據(jù)自身需求設(shè)定，本文每隔10 幀提取一幀關(guān)鍵幀。這樣既保留了重要信息，又減少了信息處理量。

2.2 Hough 變換直線檢測

Hough 變換基于點-線的對偶性[5]，即在圖像空間中同一條直線上的點對應(yīng)在參數(shù)空間中是相交的直線。反過來，在參數(shù)空間中相交于同一點的所有直線，在圖像空間中都有共線的點與之對應(yīng)。

設(shè)在圖像空間XY中，已知二值化圖像中有一條直線，所有過點(x,y)的直線都滿足斜截式方程：

式中：u0為斜率，v0為截距。如果將x和y視為參數(shù)，式（1）可改寫為：

式（2）代表參數(shù)空間UV中過點(u0,v0)的一條直線，該方程即直角坐標(biāo)中對點(x,y)的Hough 變換。

如圖2 所示，圖2（a）是圖像空間中的一條直線，圖2（b）是對應(yīng)的參數(shù)空間。在圖像空間XY中點P1確定了一簇直線，它們在參數(shù)空間中是一條直線；同理，過圖像空間中點P2的直線在參數(shù)空間中也是一條直線。由于P1和P2是同一條直線上的兩點，所以它們有相同的參數(shù)(u0,v0)，而這一點正是參數(shù)空間UV中兩條直線的交點。由此可見，圖像空間XY中過P1和P2的直線上的每一點，都對應(yīng)于參數(shù)空間中的一條直線，且這些直線必定相交于點(u0,v0)，(u0,v0)恰恰就是圖像空間中直線方程的參數(shù)。這樣，通過Hough 變換，可以將圖像中直線檢測的問題轉(zhuǎn)化為參數(shù)空間中的點的檢測問題，而參數(shù)空間中點的檢測只要完成簡單的累加統(tǒng)計、尋找極大值就可完成。

圖2 直角坐標(biāo)下Hough 變換的點-線對偶性

由于Hough 變換是對整張圖片進(jìn)行處理，對于參數(shù)相同的不連續(xù)的直線如虛線車道線，Hough 變換后參數(shù)空間中點依然累加，通過尋找峰值可將包含虛線車道的長直線檢測出來[6]。由于視頻圖像的上方一般為道路周邊景色，下方為道路信息，為進(jìn)一步減少計算量，本文將感興趣區(qū)域（Region of Interest，ROI）設(shè)定為整幅圖像的下半部分，只對ROI 區(qū)域進(jìn)行直線檢測。

圖3 ROI 區(qū)域直線檢測

2.3 車道識別

在直角坐標(biāo)系中，如果直線與x軸垂直，那么它的斜率u0將不存在。為便于檢測，本文采用極坐標(biāo)下的Hough 變換。

假定車輛在起始位置正常行駛于車道中間，車道為直線車道，攝像頭位于車輛前擋風(fēng)玻璃下沿中間處，與車輛中軸線重合。根據(jù)成像原理，左右兩平行車道在圖像平面相交于一點，取像平面最后一行、中間列為像平面原點，像平面原點即代表車軸中心。結(jié)合采集到的視頻，本文中左車道線在極角[10，65]范圍搜索極大值，左車道線在極角[-65，-10]，即[135，170]范圍搜索極大值，而后將參數(shù)空間選擇出的極大值參數(shù)（極角和半徑）一一對偶到原圖中，即可尋找到左右車道線，效果如圖4 所示。

圖4 車道線識別效果

3 車道偏離風(fēng)險估計

車道偏離風(fēng)險估計的方法主要有基于車輛當(dāng)前位置（CCP）和基于跨道時間（TLC）兩類[7]。車輛當(dāng)前位置估計需要車輛與當(dāng)前車道的相對位置及參數(shù)，主要包括橫向距離和航向角兩個參數(shù)；跨道時間計算還需了解車輛行駛速度和加速度等運動狀態(tài)參數(shù)，從機(jī)器視覺角度獲取運動參數(shù)難度大、耗時長。本文選用計算較為簡單的橫向距離作為車輛偏離預(yù)警觸發(fā)的判斷依據(jù)。

圖5 所示橫向距離、跨道時間等的計算是基于路面坐標(biāo)系的分析，而基于視覺的車道偏離判斷以視頻圖像為依據(jù)，是基于圖像坐標(biāo)系的分析。為避免圖像坐標(biāo)系與道路平面坐標(biāo)系轉(zhuǎn)換的復(fù)雜標(biāo)定和運算，本文直接在像平面內(nèi)進(jìn)行分析。

圖5 直線車道車輛勻速直線行駛示意圖

如圖6 所示，L1和Lr為左右車道，θ1和θr分別為左右車道的極角，d1和dr分別表示左右車道距圖像原點的垂直距離，L0是L1和Lr所構(gòu)成角的角平分線，代表車道中軸線，其與y軸的交點為y0，θ0為車道中軸線的極角；y1和yr分別為左右車道L1和Lr與y軸的交點，yr-y1表示圖像平面內(nèi)的車道寬度。

圖6 圖像坐標(biāo)系下各參數(shù)示意圖

式中：dlane為路面車道實際寬度，db為車輛軸距，代表車輛寬度，min(·)表示求最小值。

根據(jù)以上分析，只需設(shè)置合理的閾值dT，當(dāng)橫向距離dmin小于閾值dT時發(fā)出警報，即可實現(xiàn)基于橫向距離的車道偏離預(yù)警。

4 實驗結(jié)果

為驗證本算法的有效性，拍攝車輛道路行駛視頻進(jìn)行實驗驗證。圖7 為視頻中道路圖像直線檢測和車道線識別效果。從圖7 可直觀看出，車輛逐漸向右偏離。由于車道線識別設(shè)置了極角范圍，第305 幀圖片未識別出右側(cè)車道線。

圖7 道路圖像直線檢測及車道識別效果

實驗中，攝像頭安裝的高度為1.1 m，道路寬3.75 m，車軸寬1.80 m，當(dāng)橫向距離小于0.5 m 時系統(tǒng)警示車輛即將偏離。圖8（a）、圖8（b）、圖8（c）分別為車輛偏離預(yù)警系統(tǒng)對視頻第1 幀、第153 幀、第305 幀圖像的車道識別結(jié)果和偏離風(fēng)險估計。若給出第305 幀圖片的右車道參數(shù)時，偏離風(fēng)險估計如圖8（d）所示。從輸出結(jié)果可以看出，系統(tǒng)輸出結(jié)果與實際情況一致。

圖8 車輛偏離預(yù)警系統(tǒng)輸出結(jié)果

5 結(jié) 語

本文設(shè)計了一種基于橫向距離的車道偏離預(yù)警算法。該算法在圖像坐標(biāo)系下進(jìn)行分析，首先利用Hough 變換檢測直線，通過設(shè)定極角范圍識別出左右車道線，然后根據(jù)左右車道線參數(shù)計算出車輛距左右車道線的橫向距離，并通過設(shè)定橫向距離閾值觸發(fā)車道偏離警示。實驗結(jié)果表明，系統(tǒng)對車道偏離的風(fēng)險估計與實際情況吻合。本文基于橫向距離的車道偏離預(yù)警算法能夠有效估計車輛偏移情況，對防范交通事故具有一定實用價值。