论文部分内容阅读
近年来,汽车保有量随着经济的繁荣不断增加,因车道偏离、汽车碰撞导致的交通安全事故也随之增长。为了减少这些事故造成的人员伤亡和财产损失,汽车生产商和研究机构都加大了对车辆安全预警系统的研究投入,基于视觉传感器的安全预警系统因为其造价低廉、信息丰富直观的优点而得到国内外研究者的青睐。本文结合北京工业大学BJUT-IV智能车平台和视觉传感器,对基于视觉的车道偏离及碰撞预警技术进行了研究,包括图像坐标系与路面坐标系之间的坐标变换、车道线检测、车辆检测、车道偏离及碰撞预警方法。本文完成的主要工作如下:1)介绍了BJUT-IV智能车平台的软硬件系统和视觉传感器的选型,并根据视觉传感器的成像模型对图像坐标系与路面坐标系之间的坐标变换进行了研究。2)针对车道线检测过程中阈值分割算法在存在车辆、树木阴影、道路围栏和路面泛白等干扰因素时难以取得理想的效果的问题,提出了一种基于改进SIS阈值分割的车道线检测算法。首先根据车道线与背景的灰度差改进了SIS阈值分割算法,与迭代法、最大熵阈值分割法、最大类间方差法和Bernsen法等常见的阈值分割算法相比,该算法在复杂环境中适应性更好。其次,在直线提取阶段采用直线段检测算法,与采用Hough变换的方法相比耗时较少。然后在输出的直线段中寻找平行线对来估计消失点位置,再利用消失点去除误检。最后,通过利用车道线的连续性和车道间距得到自适应的车道线感兴趣区域,在感兴趣区内寻找与前帧车道线位置最接近的直线段作为车道线。与传统的基于模型的车道线检测算法相比,该方法可以根据车道线数量自动调整车道线感兴趣区的数量。3)提出了基于车底阴影和Haar特征的车辆检测方法。针对Haar特征和级联分类器难以满足实时性要求的问题,利用车底阴影和周围环境的灰度差异分割阴影区域,然后对图像进行形态学处理,最后将包含所有阴影区域的外接矩形作为感兴趣区并利用haar特征和级联分类器在感兴趣区内进行车辆检测。实验结果表明该方法在不降低召回率和准确率的前提下提高了算法的实时性。4)首先提出了在路面坐标系下根据车道线的位置估计车辆位置的方法,并根据车辆与车道线之间的距离进行车道偏离预警。然后对路面坐标系下车辆与前方车辆之间距离的计算方法进行了研究,并根据距离信息为车辆提供碰撞预警。最后,根据课题工作编写了基于MFC的测试软件并验证算法的实用性。