论文部分内容阅读
车道偏离预警系统作为智能交通系统的一个重要组成部分，从车辆主动安全性方面出发，应用现代计算机视觉信息、自动控制等技术在车辆即将发生车道偏离时给予报警。车道偏离预警系统的研究与开发大大提高了车辆的安全性和舒适性。本文针对基于机器视觉的车道偏离预警系统中的摄像机标定、车道线识别与跟踪算法和偏离预警决策算法进行了研究和实现。首先介绍了本课题研究的背景及意义，对车道偏离预警系统做了简要概述，总结了其在国内外的研究现状。然后从AVI视频文件里获取所需车道图像，建立单目针孔摄像机模型，采用非线性优化算法改进了Tsai两步法对已经求得的摄像机参数进行优化，完成摄像机的标定。对图像进行了加权平均法灰度化、去噪和边缘增强预处理。在Donoho小波收缩去噪法基础上提出自适应阈值小波去噪方法，使用自适应方法求解阈值，可以最大程度地将每一层的噪声从有用信息中分离出来，去噪效果良好。研究了边缘增强原理，通过分析对比常用边缘增强算法的原理及处理效果图，最后选用Sobel算子进行边缘增强。根据车辆状态和摄像机标定结果建立了车道线可行区域，在可行区域内采用分块分类法提取车道标志线特征点，作为车道线拟合候选点。然后建立线性-抛物线道路模型，根据提取的车道线特征点运用最小二乘法求解车道线模型参数。根据上一帧图像车道线斜率和截距状态值运用Kalman滤波预测当前帧图像的车道线搜索范围，实现了道路的实时跟踪和对车道线可行区域的更新。实验结果表明，基于分块分类拟合和卡尔曼算法的车道线识别和跟踪，对直线和弯道的拟合效果良好。之后建立了基于对称夹角与横向截距变化的车道偏离预警决策算法，通过对两者的综合判断决定系统是否发出预警。此预警算法运用对称夹角与横向截距变化提高了预警的准确率，并克服了弯道情况下的低预警准确率的情况。最后，在Window平台下，基于OpenCV和VC++6.0基础上设计了车道偏离预警系统。进行了系统仿真实验，并从车道线检测识别结果和车道偏离判断两方面验证了系统算法的准确性和有效性。