一種基于hough變換的車道偏離預(yù)警模型的研究

曹福來　郭瑞瑞　齊明峻

摘 要：針對(duì)由于車輛偏離車道而引起的交通事故，本文提出來一種基于hough變換的車道偏離預(yù)警模型。在車道線擬合方面，由于Hough變換相比最小二乘法具有抗干擾性強(qiáng)易于實(shí)現(xiàn)等特點(diǎn)，本文選擇了通過Hough變換來擬合車道線。在建立在預(yù)警模型時(shí)論文提出了擬合車道線的斜率比較法，通過設(shè)定合適的車道線斜率閾值來判斷當(dāng)前是否偏離車道。最終通過試驗(yàn)將圖像中擬合車道線的斜率和設(shè)定的閾值進(jìn)行了對(duì)比，分析驗(yàn)證了所提出方法的可行性和有效性。

關(guān)鍵詞：車道偏離預(yù)警;Hough變換;車道線擬合

1 引言

智能交通系統(tǒng)（ITS）是解決現(xiàn)在交通問題的重要途徑，智能車輛作為智能交通系統(tǒng)的重要組成部分越來越受到人們的重視。根據(jù)一項(xiàng)調(diào)查發(fā)現(xiàn)50%的道路交通事故是由于車輛偏離車道而引起的，因此建立車道偏離預(yù)警系統(tǒng)可以在車輛行駛的過程中判斷車輛行駛路線是否偏離，通過警報(bào)來提醒駕駛員安全行駛，最大程度的避免事故的發(fā)生，減少減少道路交通事故給我們帶來的生命和財(cái)產(chǎn)的損失。國外對(duì)車道偏離預(yù)警系統(tǒng)的研究起步較早，比較有代表性的主要有AURORA系統(tǒng)、AutoVue系統(tǒng)、Mobileye_AWS系統(tǒng)以及DSS系統(tǒng)[1]。國內(nèi)在此方面比較有代表性的是JLUVA-1系統(tǒng)及基于DSP的嵌入式預(yù)警系統(tǒng)[2]。

本文提出了一種基于Hough變換的車道偏離預(yù)警模型，該方法將平面直線檢測(cè)問題轉(zhuǎn)化為極坐標(biāo)下尋求空間最大值的問題[3]，這樣可解決復(fù)雜光照及障礙物等的環(huán)境影響，提高預(yù)警系統(tǒng)的適應(yīng)性與實(shí)用性，同時(shí)也提高了其處理速度。

2.2 基于Hough變換的車道線擬合

Hough變換實(shí)質(zhì)是一個(gè)空間映射到另一個(gè)空間，其整體描述可以通過局部變量來實(shí)現(xiàn)，這樣可以提高圖像的抗干擾性降低對(duì)噪音的敏感度，并且易于實(shí)現(xiàn)和處理。特別是在檢測(cè)不連通的直線圖像時(shí)，其缺失的像素點(diǎn)可以通過該方法還原，該特點(diǎn)可以在在檢測(cè)連續(xù)的車道線時(shí)很好地利用。

在直角坐標(biāo)系中，過點(diǎn)點(diǎn)的直線方程可以用或者表示，其中為斜率，為截距。在極坐標(biāo)系中，是點(diǎn)的極坐標(biāo)表示式，其中為原點(diǎn)O到點(diǎn)A的長度，為與極軸OA夾角，通過數(shù)學(xué)轉(zhuǎn)換我們可以得到，，。

綜上可知，任意一個(gè)值代入式中（1.8）就可得到唯一對(duì)應(yīng)的直線方程，在直角坐標(biāo)中由、可以確定一條唯一的直線，且該直線上的所有點(diǎn)在極坐標(biāo)中其正弦曲線相交于同一點(diǎn)[3]，這些點(diǎn)可以凝聚在一起形成峰點(diǎn)，運(yùn)用圖像空間與參數(shù)空間點(diǎn)對(duì)線的映射關(guān)系就可以找出需要識(shí)別的直線。Hough變換參數(shù)空間檢測(cè)直線主要分為三個(gè)步驟，第一確定和的極值范圍，建立參數(shù)空間的二維數(shù)組并構(gòu)造計(jì)數(shù)器;第二通過Hough變換將像素的坐標(biāo)轉(zhuǎn)變?yōu)橄鄳?yīng)的值;第三設(shè)定閾值t選擇大于閾值所對(duì)應(yīng)的數(shù)組其對(duì)應(yīng)的曲線被識(shí)別。

3 車道偏離預(yù)警模型

下圖1是車輛從車道線中間向右行駛到車輪壓到車道線的平面圖，隨著車輛偏離車道行駛，車道線的斜率也隨著改變。車道偏離的預(yù)警模型根據(jù)其預(yù)警原理的不同主要有四種，分別是CCP模型、FOD模型、TLC模型和KBIRS模型。本文在CCP模型的基礎(chǔ)下通過討論車道擬合直線的斜率與預(yù)先設(shè)置的閾值之間的關(guān)系來判斷是否預(yù)警。

車輛從車道線中間向右行駛到車輪壓到車道線的行駛過程中，隨著車輛偏離車道行駛，車道線的斜率也隨著改變。以車輛從車道中間偏向右車道線行駛過程為例，其臨界狀態(tài)包含車輛在車道中間行駛時(shí)與車輛右車輪正好壓著右車道線時(shí)這兩種[6]，這兩種狀態(tài)下對(duì)應(yīng)的車道擬合直線的斜率為我們?cè)O(shè)定的閾值的上下限，同理車輛偏向車道左側(cè)行駛的預(yù)警可以通過車道的對(duì)稱性獲得，一旦檢測(cè)到圖像中擬合的直線的斜率超過閾值時(shí)，系統(tǒng)人為車輛偏離車道線并發(fā)出預(yù)警。

本論文只考慮車輛向右偏離的工況，向左偏離的工況可以由車道的對(duì)稱性獲得。當(dāng)車輛在車道線中間行駛時(shí)，擬合的右車道線的內(nèi)邊界線斜率為，右側(cè)行駛的過程中，圖像中擬合到的右車道線的直線的斜率是慢慢的增大，當(dāng)車輛行駛到右車輪正好壓上右車道線的時(shí)候，圖像中擬合的右車道線的內(nèi)邊界線斜率為。圖像中擬合到的車道線的斜率的取值范圍是[，]，取與為設(shè)定的預(yù)警系統(tǒng)的閾值。

由Hough變換擬合出圖像中的車道線得出該車道線的斜率后，綜合車輛在道路上行駛時(shí)的位置和方向參數(shù)后，就可以建立如下預(yù)警模型：

1）若<<時(shí)，則車輛在偏右的車道線內(nèi)正常行駛;

2）若≥時(shí)，則說明車輛右車輪正在壓著或者已經(jīng)跨過右車道線行駛，車道預(yù)警系統(tǒng)會(huì)立即發(fā)出預(yù)警提示。

若≤時(shí)，則說明車輛左車輪正在壓著或者已經(jīng)跨過左車道線行駛，車道預(yù)警系統(tǒng)會(huì)立即發(fā)出預(yù)警提示。

4 試驗(yàn)驗(yàn)證

為驗(yàn)證擬合直線斜率判別法是否正確，本論文在許昌市魏武大道南段道路進(jìn)行了相關(guān)的實(shí)驗(yàn)驗(yàn)證。

4.1 車輛在車道中間行駛工況

利用CCD來采集車道中間行駛工況，然后將圖像經(jīng)過預(yù)處理后再經(jīng)過hough變換來擬合出道路圖像的車道線并得到其斜率，擬合結(jié)果如圖2所示。該擬合直線的方程式為：

4.2 車輛右側(cè)車輪正好壓著車道線行駛

該工況下CCD采集車輛右側(cè)車輪正好壓著車道線行駛工況，圖像經(jīng)過預(yù)處理后再經(jīng)過hough變換來擬合出道路圖像的車道線并得到其斜率，擬合結(jié)果如圖3所示。

經(jīng)過Hough變換擬合后其直線的方程式為：

圖像中擬合的直線的斜率分別為：

由以上數(shù)據(jù)可知擬合的車道線的斜率在[1.2310，2.3915]之內(nèi)時(shí)，車輛可以認(rèn)為時(shí)正常行駛。為驗(yàn)證其正確性，依次采集如下5種情況下的道路圖像：（a）車輛在車道線中心行駛;（b）車輛偏向右車道四分之一行駛;（c）車輛偏向右車道二分之一行駛;（d）車輛偏向右車道線四分之三行駛;（e）車輛右車輪正好壓著右車道線行駛。經(jīng)圖像預(yù)處理利用Hough變換擬合的車道線的斜率如表1所示。

由表1數(shù)據(jù)可知擬合的車道線的斜率在[1.2310，2.3915]之內(nèi)時(shí)，車輛正常行駛，當(dāng)擬合的斜率大于等于2.3915時(shí)或者小于等于1.2310，這時(shí)車輛的車輪已經(jīng)壓著車道線或者已經(jīng)超過車道線行駛，驗(yàn)證了擬合直線斜率判別法的正確性。

許昌學(xué)院2019年校級(jí)科研項(xiàng)目《基于Hough變換的車道偏離預(yù)警模型的研究》

參考文獻(xiàn)：

[1]秦欽龍.基于FPGA的車道線檢測(cè)系統(tǒng)設(shè)計(jì)[D].哈爾濱工程大學(xué)，2016.

[2]杜滕州.基于單目視覺的夜間車輛識(shí)別與測(cè)距方法研究[D].山東理工大學(xué)，2013.

[3]董因平.高速汽車車道偏離預(yù)警系統(tǒng)的算法研究[D].吉林大學(xué)，2004.

[4]趙萬香.基于馬爾科夫預(yù)測(cè)法的車道偏離預(yù)警系統(tǒng)研究[D].長安大學(xué)，2014.

[5]劉浪純.數(shù)字圖像處理技術(shù)在車道偏離預(yù)警系統(tǒng)中的應(yīng)用[D].長安大學(xué)，2015.

[6]王偉莉.車輛安全行駛輔助導(dǎo)航研究[D].西北工業(yè)大學(xué)，2007.