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(gè)全球研究熱點(diǎn)，尤其是利用視覺傳感器實(shí)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(diǎn)：視覺傳感器為被動(dòng)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(guó)的RALPH系統(tǒng)等。目前我國(guó)交通安全事故時(shí)常發(fā)生，給國(guó)家和人民帶來(lái)了巨大的財(cái)產(chǎn)經(jīng)濟(jì)損失，同時(shí)給當(dāng)事人和他們的親人帶來(lái)了嚴(yán)重的精神傷害。

本文的實(shí)驗(yàn)就是基于這樣的背景和參考文獻(xiàn)[2]的思想來(lái)實(shí)現(xiàn)駕駛車的安全速度控制與預(yù)警。本文通過(guò)運(yùn)用一種較為簡(jiǎn)易的道路識(shí)別，首先對(duì)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(shí)別和提取，最后利用透視變換消除透視投影對(duì)道路識(shí)別的影響。本文主要針對(duì)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(huì)存在一些圖像噪聲，這將影響圖像質(zhì)量，甚至圖像模糊無(wú)法識(shí)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(duì)道路圖像進(jìn)行道路識(shí)別與提取前，先對(duì)其進(jìn)行圖像濾波處理，減少部分圖像噪聲對(duì)圖像處理結(jié)果的影響。本文選擇線性濾波對(duì)圖像進(jìn)行濾波，線性濾波是通過(guò)像素點(diǎn)和其周圍領(lǐng)域像素點(diǎn)的線性運(yùn)算實(shí)現(xiàn)濾波。

2.2 道路圖像的灰度處理

對(duì)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(duì)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(shí)還能較好的保存道路邊界信息濾波方法。中值濾波會(huì)選取一個(gè)含有奇數(shù)個(gè)像素點(diǎn)的移動(dòng)窗口，在圖像上從左到右，從上到下逐行移動(dòng)，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(diǎn)(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(shí)別與提取

3.1 道路標(biāo)線的識(shí)別

對(duì)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(shí)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(lái)。本文根據(jù)參考文獻(xiàn)[4]的方法實(shí)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(cè)的算法有很多，例如Canny算子、神經(jīng)網(wǎng)絡(luò)檢測(cè)和模糊檢測(cè)等，但由于它們的計(jì)算時(shí)間較長(zhǎng)，不能很好地滿足系統(tǒng)的實(shí)時(shí)性。本文根據(jù)參考文獻(xiàn)[5]，選擇Sobel邊緣檢測(cè)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(shí)際上就是一個(gè)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(lái)減弱圖像采集時(shí)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(shí)別距離，提高識(shí)別的線性度等優(yōu)勢(shì)。本文是在道路標(biāo)線識(shí)別完成后對(duì)圖像進(jìn)行透視變換，則樣能夠減少其計(jì)算量，從而提高了識(shí)別的實(shí)時(shí)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(diǎn)在圖像坐標(biāo)系中的投影點(diǎn)為(u.v)之間的轉(zhuǎn)換關(guān)系如下式所示。

本文是識(shí)別道路標(biāo)線，最后對(duì)識(shí)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(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)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(jī)上，利用MATLAB進(jìn)行實(shí)驗(yàn)仿真。在不考慮圖像采集時(shí)間及篩選時(shí)間的情況下整個(gè)過(guò)程處理時(shí)間為2.5237s。為保證我們的汽車安全行駛，我們?cè)O(shè)安全剎車距離為S，識(shí)別距離為L(zhǎng)。

圖2

假設(shè)每次識(shí)別距離一定且都為L(zhǎng)，則有：

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

(1)不超過(guò)九座的載客汽車 初速度50Km/h時(shí)，不超過(guò)19m；

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

(3)其它汽車，汽車列車 初速度30Km/h時(shí)，不超過(guò)9m。

本次實(shí)驗(yàn)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(shí)，安全制動(dòng)距離為40m則：

可知此速度無(wú)法滿足安全預(yù)警。

當(dāng)速度為50Km/h時(shí)，安全制動(dòng)距離為20m則：

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

5 實(shí)驗(yàn)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(duì)道路圖像信息進(jìn)行處理提取道路識(shí)別距離。最后根據(jù)其得到的處理距離對(duì)車輛行駛速度提供預(yù)警。通過(guò)實(shí)驗(yàn)仿真證明該實(shí)驗(yàn)具有較好的實(shí)時(shí)性和魯棒性。本實(shí)驗(yàn)對(duì)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(shí)驗(yàn)的逆變投影變換結(jié)果線性度不好，當(dāng)尤其是在識(shí)別距離超過(guò)一定距離后，還需要對(duì)線性度進(jìn)行改善。所以本實(shí)驗(yàn)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(guò)于復(fù)雜，所需時(shí)間較長(zhǎng)，導(dǎo)致系統(tǒng)實(shí)時(shí)性不太好?；谶@9些缺點(diǎn)本實(shí)驗(yàn)還不能滿足高速公路安全速度預(yù)警的要求。

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

[2]徐友春.基于機(jī)器視覺的汽車主動(dòng)安全技術(shù)的研究[J].清華大學(xué)學(xué)報(bào),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(guó)圖像圖形學(xué)報(bào),2004,9(4):408-411.

[4]吳冰,秦志遠(yuǎn).自動(dòng)確定圖像二值化最佳閾值的新方法[J].測(cè)繪學(xué)院學(xué)報(bào),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(cè)研究[J].激光與紅外,2009,39(1):85-87.

[6]郭磊,李克強(qiáng).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(bào)(自然科學(xué)學(xué)報(bào)),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(jì)算機(jī)測(cè)量與控制,2009,17(9):1810-1812.