張欣，魏志恒，王兵

(1.河北大學(xué) 電子信息工程學(xué)院，河北 保定 071002；2.河北大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院，河北 保定 071002)

在自動駕駛系統(tǒng)中，為了讓汽車能夠安全行駛，避免追尾事故的發(fā)生，需要對前車以及前車所在位置進行識別，判斷其是否為監(jiān)測車輛；再對本車與前方監(jiān)測車輛之間的車距進行檢測，并結(jié)合當(dāng)前的車速與交通法規(guī)判斷本車與前方監(jiān)測車輛之間是否為安全距離.這些問題是自動駕駛領(lǐng)域中的研究熱點之一．

針對車距檢測，主要基于單目視覺[1-2]、雙目視覺[3]、多目視覺[4]、雷達[5-6]等方案.程瑤等[1]根據(jù)車牌在圖像中像素的數(shù)量實現(xiàn)車距的測量.梁炳春等[2]根據(jù)攝像機的小孔成像原理，通過坐標(biāo)變換的方式，將平面圖中的位置關(guān)系換算為真實距離.馬朝陽等[3]基于雙目視覺獲取目標(biāo)物的深度信息對車距進行檢測.佘彩云等[4]基于多目視覺，相比于雙目視覺提升了精度，增強了對不同環(huán)境的適應(yīng)能力.張海煥等[5]基于超聲波雷達進行測距.黃智勇[6]基于毫米波雷達進行測距.針對車速檢測問題，主要基于單目視覺[7]、雙目視覺[8]、定位技術(shù)[9-10]等.顧柏園[7]基于單目視覺，通過檢測一段車道線通過特定區(qū)域所需時間來計算車速.張書佩[8]基于雙目視覺，利用雙目相機的圖像進行三維還原，并計算其運動速度.祁昊等[9]應(yīng)用了GPS定位技術(shù)進行測速.孫培嘉等[10]應(yīng)用了北斗定位技術(shù)進行測速.

本文針對前車位置識別及安全車距監(jiān)測提出了一種單目視覺下的解決方案，相比于雙目視覺、多目視覺以及雷達和定位系統(tǒng)等方案，更簡單方便，成本低.首先，通過單目攝像機拍攝的視頻圖像中前方所有車輛的輪廓與本車道及同向車行道分界線是否相交確定是否為監(jiān)測車輛.其次，依據(jù)國家標(biāo)準規(guī)定的可跨越同向車行道分界線(以下簡稱白色虛線)長度及間隔，根據(jù)白色虛線的兩端點在像素坐標(biāo)系及空間坐標(biāo)系中的長度，構(gòu)建轉(zhuǎn)換模型，計算前方監(jiān)測車輛與本車的真實車距.最后，根據(jù)白色虛線在視頻圖像幀中的位置變化計算本車的行駛速度，并依據(jù)交通法規(guī)判斷本車與前方最近的一輛監(jiān)測車輛之間是否為安全距離.

單目視覺下的前車位置識別及安全車距監(jiān)測系統(tǒng)分為4個主要部分：系統(tǒng)校準、前車位置識別、車距檢測、車速檢測.系統(tǒng)流程如圖1所示.

圖1 安全車距監(jiān)測系統(tǒng)流程Fig.1 Safety distance monitoring system flowchart

1 算法描述與分析

1.1 前車位置識別

識別前車與本車是否處于同一車行道或壓線位置.首先在如圖2a所示的單目視頻幀圖像中，使用車道分界線識別算法[11]提取本車所在車道的同向車行道分界線二值圖，如圖2b所示；然后使用車輛識別算法[11]識別前車，并使用Canny算子提取前車輪廓，如圖2c所示；最后設(shè)本車道及車道分界線像素點坐標(biāo)集合為Φ1，前車輪廓像素點坐標(biāo)集合為Φ2，當(dāng)Φ1∩Φ2≠?時，前車為監(jiān)測車輛.監(jiān)測車輛判定標(biāo)準如表1所示.

a.原圖；b.同向車道分界線二值圖；c.提取前車輪廊.圖2 前車位置識別過程Fig.2 Vehicle ahead position recognition process

表1 監(jiān)測車輛判定標(biāo)準Tab.1 Monitored vehicle determination criteria

1.2 車距檢測

車距檢測即從圖像中的像素車距計算出真實空間的車距.因此，需要構(gòu)建圖像的像素坐標(biāo)系與道路空間坐標(biāo)系的對應(yīng)關(guān)系轉(zhuǎn)換模型.圖3b為像素坐標(biāo)系示意圖，采用圖像視角，y軸的單位為與原點之間的像素數(shù)量；圖3c為空間坐標(biāo)系示意圖，采用三維空間俯視視角，Y軸的單位為與原點之間的空間實際距離.以本車參考點作為兩坐標(biāo)系的共同原點.

a.原圖；b.像素坐標(biāo)系示意；c.空間標(biāo)系示意.圖3 白色虛線在不同坐標(biāo)系中的示意Fig.3 Diagram of the white dotted line in different coordinate systems

從原點開始將圖像中本車道右側(cè)(左側(cè)同理)每一條白色虛線的兩端點的y坐標(biāo)分別記為A、B、C、D、E、F、G、H.根據(jù)國家標(biāo)準GB5768.3—2009《道路交通標(biāo)志和標(biāo)線 第3部分：道路交通標(biāo)線》[12]中的白色虛線在空間坐標(biāo)系中的實際距離(設(shè)計速度小于60 km/h的道路為2 m，不小于60 km/h的道路為6 m)，以及白色虛線各端點在像素坐標(biāo)系中的坐標(biāo)，擬合得到空間實際距離與像素坐標(biāo)系的縱坐標(biāo)近似為指數(shù)函數(shù)關(guān)系，如圖4所示，由此得到像素坐標(biāo)系與空間坐標(biāo)系的模型轉(zhuǎn)換經(jīng)驗公式為

圖4 實際距離與像素坐標(biāo)系縱坐標(biāo)對應(yīng)曲線Fig.4 Curve of the real distance and the Y-coordinate of the pixel coordinate system

Y=iy-1，

(1)

其中，Y為空間坐標(biāo)系中縱坐標(biāo)；y為空間坐標(biāo)系中的點在像素坐標(biāo)系中的縱坐標(biāo)；i為待擬合參數(shù)，與攝像機的安裝角度有關(guān).

1.3 車速檢測

根據(jù)交通法規(guī)規(guī)定，不同的車速下要保持不同的安全車距.因此在獲得本車與監(jiān)測車輛的車距基礎(chǔ)上，要對本車進行車速檢測.

單目視覺圖像中可以持續(xù)作為車速檢測參照物的只有白色虛線，而在只有白色實線(不可跨越同向車行道分界線)的情況下，按定速巡航處理.以圖像最底端白色虛線的上端點為參考點，如圖5中點S1、S2所示，通過2相鄰圖像幀中參考點在像素坐標(biāo)系中的縱坐標(biāo)變化，結(jié)合2幀間隔時間t，代入公式(2)中計算本車在單位時間內(nèi)的平均車速近似瞬時車速v.

圖5 白色虛線參考點在兩相鄰圖像幀中的位置變化Fig.5 Reference point of the white dotted line in two adjacent image frames

v=(iyS1-iyS2)/t.

(2)

1.4 系統(tǒng)校準

在上述車距檢測和車速檢測的過程中，需要確定本車原點O和參數(shù)i，而單目攝像機在不同的汽車上的安裝角度都會導(dǎo)致本車參考點的位置和圖像比例發(fā)生變化，因此在安裝后必須要進行系統(tǒng)校準.

系統(tǒng)校準方法是汽車在有白色虛線的公路上以一個固定車速勻速行駛，為了與25幀/s的視頻幀率匹配，建議車速為40 km/h或80 km/h.首先根據(jù)圖像底部的本車邊緣確定本車原點；然后確定當(dāng)前道路的白色虛線長度；再根據(jù)白色虛線上下端點在像素坐標(biāo)系中的坐標(biāo)求得i值.具體步驟如下所示：

步驟1確定本車原點.從絕對安全的角度考慮，要保證檢測距離小于或等于實際距離，因此將圖像底部本車邊緣的上端點作為本車原點，如圖6中點O所示.這就要求設(shè)備在安裝的過程中必須要在圖像底部露出一部分本車邊緣，才能夠保證系統(tǒng)的正常校準，否則無法確定本車原點的位置.

圖6 本車參考點位置Fig.6 Position of this vehicle reference point

步驟2確定當(dāng)前道路的白色虛線長度d.國家標(biāo)準[12]中規(guī)定白色虛線的長度只有6 m或2 m 2種情況，因此假設(shè)當(dāng)前道路的白色虛線長度為6 m，輸入當(dāng)前的估值車速，計算以該車速行駛6 m所需的時間，經(jīng)過該時間之后若白色虛線的上端點位于之前下端點的位置附近，則當(dāng)前道路的白色虛線長度為6 m；如果位于之前下端點位置以下一段距離，則當(dāng)前道路的白色虛線長度為2 m.

步驟3計算i值.根據(jù)白色虛線的兩端點A和B在像素坐標(biāo)系中的縱坐標(biāo)，結(jié)合步驟2得到的當(dāng)前道路白色虛線的長度d，代入公式iyB-iyA=d，求得i值.

2 實驗分析

實驗數(shù)據(jù)共選取了50段用同一車載單目攝像頭拍攝的短視頻，每段視頻中本車都以不同的車速勻速行駛，每段視頻的時長在10 s左右，視頻格式為avi，分辨率為960*540.實驗硬件為Intel(R) Core(TM) i5處理器，2.50 GHz主頻，8 G內(nèi)存，操作系統(tǒng)為Windows10，軟件環(huán)境為Matlab R2016a，編程語言為Matlab.

2.1 前車位置識別實驗

根據(jù)《中華人民共和國道路交通安全法實施條例》[13]第八十條規(guī)定，機動車在高速公路上行駛，車速超過100 km/h時，應(yīng)當(dāng)與同車道前車保持100 m以上的距離，車速低于100 km/h時，與同車道前車距離可以適當(dāng)縮短，但最小距離不得少于50 m.因此至少要對距離本車100 m以內(nèi)的前車位置做出準確的識別.考慮到不同距離的前車位置識別準確率會有所不同，因此分別對50 m以內(nèi)、50～80 m、80～100 m的前車位置識別準確率進行統(tǒng)計，如表2所示.

表2 前車位置識別結(jié)果Tab.2 Position recognition results of the vehicle ahead

2.2 車距檢測實驗

采用本文方法檢測車距的結(jié)果如圖7a所示，當(dāng)i值固定時，隨著車距的增大，測量結(jié)果與實際距離之間的誤差也在加大.因此在實際應(yīng)用當(dāng)中，依據(jù)實測數(shù)據(jù)對式(1)進行分段校正，將像素坐標(biāo)系中公路所在區(qū)域依照實際距離平均分成5段，每段確定一個平均i值，最終的檢測結(jié)果如圖7b所示.為了保證絕對安全的車距，要對車距計算結(jié)果進行修正，在校準階段計算每段的最大絕對誤差作為該段的修正值，如表3所示.在實測過程中用計算結(jié)果減去該段的修正值，使得檢測的距離一定小于等于實際距離.

a.固定i值檢測結(jié)果;b.分段i值檢測結(jié)果.圖7 車距檢測結(jié)果Fig.7 Detecting results of vehicle distance

表3 各段最大絕對誤差Tab.3 Maximum absolute error of each segment

2.3 車速檢測實驗

由于在公路上行駛車輛的車速通常是漸變的，故利用短時間內(nèi)的平均車速代表瞬時車速.本文算法中的最小時間單位是視頻中相鄰2幀圖像的拍攝間隔時間，每1幀圖像計算1次車速；每計算1次車速后，將車速值放入一個集合中，當(dāng)集合中的元素累計達到5時，計算集合中所有元素的平均值作為當(dāng)前的瞬時車速；清空集合，再將下一幀測得的車速放入集合中，如此循環(huán).使用本文方法檢測得到的車速與實際計算車速的最大絕對實驗誤差約為2.70 km/h .為使檢測結(jié)果有益于安全駕駛，對計算結(jié)果進行修正，使檢測車速大于等于實際車速，計算得到的車速值均為正誤差.

3 結(jié)論

本文為使用單目視覺進行前車位置識別、車距檢測及車速檢測提供了一種新的解決方案.通過實驗分析，該解決方案可以有效地識別前車位置、監(jiān)測安全車距并降低系統(tǒng)成本，并且由于能夠根據(jù)視頻圖像中白色虛線端點在像素坐標(biāo)系和空間坐標(biāo)系中的位置擬合模型參數(shù)i值，解決了單目視覺系統(tǒng)對不同車型及攝像機不同安裝角度的適應(yīng)性問題.接下來的主要工作目標(biāo)是改進算法，進一步提高系統(tǒng)的實時性和精度.