基于視覺(jué)的駕駛輔助系統(tǒng)研究

閆龍 劉玉敏 崔帥恒 李若暉 潘鱈懿

摘? 要：二十一世紀(jì)，隨著汽車技術(shù)的研究更加深入，汽車技術(shù)領(lǐng)域發(fā)展迅速，目前汽車技術(shù)已經(jīng)到達(dá)智能化階段，機(jī)器視覺(jué)技術(shù)在汽車輔助駕駛技術(shù)中占有重要地位，研發(fā)內(nèi)容也不是傳統(tǒng)的機(jī)電設(shè)備問(wèn)題，目前已發(fā)展到先進(jìn)的輔助傳動(dòng)系統(tǒng)（ADAS）研究。文章主要以對(duì)車載攝像頭所拍攝圖像的處理技術(shù)和車道線的提取、檢測(cè)方法的研究?；叶然推交幚硎乖紙D像中的其他線條干擾程度降低，降低噪點(diǎn)使得車道線輪廓更加明顯。運(yùn)用梯度計(jì)算邊緣檢測(cè)與非最大值抑制方法檢測(cè)邊緣，通過(guò)選擇高閥值過(guò)濾邊緣像素。得到車道線輪廓線后基于Hough的車道線檢測(cè)原理，使用二元性的點(diǎn)和線，將原始圖像給出的曲線轉(zhuǎn)化為一個(gè)點(diǎn)在參數(shù)空間的曲線表達(dá)形式，解決曲線檢測(cè)問(wèn)題轉(zhuǎn)化為參數(shù)空間中的最大值，且將整體特征的檢測(cè)轉(zhuǎn)換為本地檢測(cè)的特點(diǎn)。

關(guān)鍵詞：圖像處理;邊緣檢測(cè);車道線檢測(cè)

中圖分類號(hào)：P237? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2095-2945（2020）11-0049-03

Abstract： In the 21st century， with the more in-depth research of automobile technology， the field of automobile technology has developed rapidly. At present， automobile technology has reached the intelligent stage， machine vision technology plays an important role in automobile auxiliary driving technology， and the content of research and development is not the problem of traditional mechanical and electrical equipment， but has been developed to the research of advanced driver assistance system （ADAS）. This paper mainly focuses on the processing technology of the image captured by the vehicle camera and the extraction and detection method of the lane line. Graying and smoothing reduce the interference of other lines in the original image， and reduce the noise to make the outline of the lane more obvious. The edge detection method of gradient calculation and non-maximum suppression method is used to detect the edge， and the edge pixels are filtered by selecting a high threshold. After the lane contour is obtained， based on the principle of lane detection based on Hough， the curve given by the original image is transformed into a curve expression of a point in the parameter space by using binary points and lines， the curve detection problem is transformed into the maximum value in the parameter space， and the overall feature detection is transformed into the characteristics of local detection.

Keywords： image processing; edge detection; lane detection

引言

近年來(lái)由于汽車堵塞嚴(yán)重，交通事故頻發(fā)，污染等問(wèn)題嚴(yán)重，因此，如何減少交通事故是當(dāng)今世界面臨的主要社會(huì)問(wèn)題之一。在實(shí)際生活中，馬路上的情況絕大多數(shù)是通過(guò)車輛駕駛員的眼睛獲取。比如：與前方車輛車距或是否有障礙物和行人在馬路上等。因此利用視覺(jué)傳感器檢測(cè)路面情況，可以幫助駕駛員觀測(cè)，增強(qiáng)駕車安全系數(shù)，同時(shí)也降低了駕駛員疲勞程度，盡量避免交通事故發(fā)生。本文開(kāi)發(fā)了基于視覺(jué)的駕駛輔助系統(tǒng)，研究框架如圖1。

1 圖像預(yù)處理

車輛攝像機(jī)拍攝的圖像可能受到道路兩側(cè)建筑和樹(shù)木等無(wú)關(guān)信息的干擾，也可能受到光線強(qiáng)度變化不均的影響，這會(huì)影響到提取車道線的精度，因此，需要對(duì)原始圖像進(jìn)行預(yù)處理。

1.1 圖像數(shù)字化

在P×Q的點(diǎn)陣上對(duì)圖像加以量化（歸為12n ），則P、Q和n的值決定了圖像的質(zhì)量，值越大，質(zhì)量越好。同時(shí)P、Q和n值的乘積決定了圖像的儲(chǔ)存量，因此，在有限的儲(chǔ)存量中為了獲得更好的質(zhì)量選擇合適的值。

1.2 圖像灰度化（灰度轉(zhuǎn)換）

由于視覺(jué)傳感器所采集的彩色圖像中有些信息對(duì)車道線檢測(cè)沒(méi)有價(jià)值，白色的車道線與路面的灰度值相差又比較大，所以在灰度圖中能更加方便地提取出車道線，因此，在灰度圖像中提取車道線是最佳選擇。參考文獻(xiàn)[4]，圖像是由像素組成的，三通道彩色圖像將有紅綠色和藍(lán)色通道，每個(gè)像素有三個(gè)強(qiáng)度值的組合，而灰度圖像只有一個(gè)通道，每個(gè)像素只有一個(gè)強(qiáng)度值，范圍從0到255。通過(guò)使用灰度圖像處理單通道的點(diǎn)比處理三通道彩色圖像的點(diǎn)更快，并且計(jì)算強(qiáng)度更低。對(duì)R， G， B三個(gè)分量進(jìn)行加權(quán)求和得到灰度圖如圖3所示，公式如下：

1.3 圖像平滑處理

最初的圖像往往受到了外部條件的影響，造成了圖像噪音。天氣惡劣，如經(jīng)常出現(xiàn)的降雨和雪、設(shè)備本身的缺陷以及圖像傳輸過(guò)程中信息的丟失等都可能讓圖像出現(xiàn)亮度過(guò)大的區(qū)域或產(chǎn)生一些亮點(diǎn)。在進(jìn)行車道線檢測(cè)之前，應(yīng)對(duì)圖像進(jìn)行平滑濾波處理，以減少圖像噪聲的影響。同時(shí)，盡可能避免由于不適當(dāng)使用該方法而造成的信息模糊，例如圖像邊界和其他有用的線條。

參考文獻(xiàn)[7]平滑濾波主要有基于頻率域和空間域兩大處理方法，這兩種方法都是通過(guò)去除圖像中的噪聲來(lái)平滑圖像，但是處理方法不大相同。頻率域是對(duì)圖像中各個(gè)空間頻率成分的組成和分布的特征進(jìn)行分解、處理和分析的一種方法;空間域是使圖像區(qū)域中的每個(gè)像素通過(guò)卷積運(yùn)算得到新值的一種方法。其中空間域?yàn)V波方法算法簡(jiǎn)單且實(shí)用性較強(qiáng)，而我們利用空間域?yàn)V波中的高斯濾波進(jìn)行圖像平滑處理。從圖4可以看出平滑后的圖像感覺(jué)更加潤(rùn)滑，去除了噪聲，并且車道線邊緣信息更加凸顯。

1.4 圖像增強(qiáng)

為了達(dá)到滿意的效果，對(duì)圖像中的線條進(jìn)行有選擇的增強(qiáng)和抑制，突出有用的線條而削弱無(wú)用的。

2 邊緣檢測(cè)

2.1 梯度計(jì)算

梯度是指某一函數(shù)在該點(diǎn)處的方向?qū)?shù)沿著該方向所取得最大值。將某點(diǎn)的梯度強(qiáng)度在正、負(fù)梯度方向上的其他兩點(diǎn)的梯度強(qiáng)度進(jìn)行比較，如果該點(diǎn)值最大，保留該像素點(diǎn)，否則抑制該像素點(diǎn)。

2.2 非極大值抑制（邊緣抑制）

在梯度矩陣上進(jìn)行非極大值運(yùn)算處理，可以直接比較中心點(diǎn)0，90，45，135這四個(gè)方向的梯度值，如果這個(gè)點(diǎn)值最大，就予以保留，否則為0。

2.3 雙閾值邊緣連接處理

在非最大值抑制之后，設(shè)置上限和下限閾值。如果某個(gè)點(diǎn)的梯度值高于上限閾值，則保留該點(diǎn);如果低于下限閾值，則刪除該點(diǎn);如果介于兩者之間，則保留此點(diǎn)等待進(jìn)一步處理。參考文獻(xiàn)[2]中的算法。

3 車道線檢測(cè)

3.1 基于Hough變換的車道線檢測(cè)

經(jīng)典Hough變換就是直角坐標(biāo)系中一個(gè)點(diǎn)對(duì)應(yīng)參數(shù)坐標(biāo)系中一條直線，原始坐標(biāo)系中一條直線的全部點(diǎn)的斜率和截距是相同的，所以，求出的參數(shù)坐標(biāo)系的聚集點(diǎn)就是對(duì)應(yīng)原始坐標(biāo)系下的直線[1]。

由于參數(shù)坐標(biāo)系轉(zhuǎn)換計(jì)算過(guò)于復(fù)雜，所以我們采用極坐標(biāo)轉(zhuǎn)換方法，圖7所示為通過(guò)原始圖像空間中一個(gè)點(diǎn)（xo，yo）的四條直線轉(zhuǎn)換至極坐標(biāo)系可以表示為四個(gè)點(diǎn)。對(duì)邊緣檢測(cè)圖像中的非零點(diǎn)進(jìn)行Hough變換，找出滿足線段之間距離和長(zhǎng)度參數(shù)的直線段即為車道線。

3.2 曲線車道線識(shí)別

車輛在行駛過(guò)程中會(huì)遇到彎道，所以需要檢測(cè)曲線車道線，對(duì)比文獻(xiàn)[5][6]，那么基于直線模型的Hough變換在解決彎道時(shí)擬合曲線狀態(tài)的車道線效果不佳，如果通過(guò)折線模型近似處理曲線，這樣將會(huì)對(duì)運(yùn)算處理復(fù)雜難度急劇增加。所以我們將采用最小二乘法來(lái)進(jìn)行擬合。

最小二乘法相比其他擬合方法計(jì)算量更小。我們?cè)趫D像處理階段已經(jīng)把大量的噪聲點(diǎn)去除，所以即使最小二乘法抗干擾能力較低，對(duì)檢測(cè)的影響也不大。邊緣檢測(cè)過(guò)程中盡量多地提取出非零點(diǎn)并對(duì)其進(jìn)行擬合。設(shè)車道線方程為：

令E的平方和達(dá)到最小值即可得到aj的最佳估計(jì)值

公式4

得到計(jì)算a0，a1，a2的線性方程組

由計(jì)算得出曲線系數(shù)a0，a1，a2進(jìn)而得到擬合曲線。

4 結(jié)束語(yǔ)

本文研究了基于計(jì)算機(jī)視覺(jué)的原理來(lái)進(jìn)行駕駛輔助的相關(guān)技術(shù)，包括圖像處理技術(shù)，特征提取技術(shù)實(shí)現(xiàn)了圖像顯示、像素灰度信息提取、圖像增強(qiáng)、車道線檢測(cè)等技術(shù)，取得了滿意的效果。直線車道線利用基于Hough變換的車道線檢測(cè)，曲線車道線檢測(cè)使用最小二乘法計(jì)算為我們提供駕駛方案。將圖片信息從空間域變換到頻率域中，在頻率域中進(jìn)行平滑處理，再將平滑后的信息轉(zhuǎn)換到空間域中。利用顏色、紋理、幾何形狀等信息將背景與車道線分離開(kāi)，準(zhǔn)確的從背景圖像中找出車道線。針對(duì)車輛行駛時(shí)常遇到的各種氣候和光照條件，通過(guò)對(duì)感興區(qū)域的裁剪和圖像預(yù)處理，結(jié)合圖像特征的Hough變換檢測(cè)方法，將陰影和積水等噪聲干擾減少到最低，得到了最適合測(cè)試車輛安裝的攝像頭采集圖像的車道線檢測(cè)方法。

參考文獻(xiàn)：

[1]仇寧川.基于視覺(jué)的車輛通過(guò)性駕駛輔助研究[D].湖南大學(xué)，2017.

[2]阿文.Canny算子中的梯度求取及非最大值抑制（NMS）實(shí)現(xiàn)[Z].CSDN，2019.

[3]安文彤.基于最小二乘法的車道線檢測(cè)[J].中國(guó)科技信息，2018（22）：55-57.

[4]拜穎乾.圖像處理方法研究及其應(yīng)用研究[J].科技創(chuàng)新導(dǎo)報(bào)，2017（19）：150，152.

[5]黃建宇.基于邊緣提取和霍夫變換的快速車道線檢測(cè)[C].決策論壇——決策理論與方法研究學(xué)術(shù)論文集（上），2016：219.

[6]傅嘉政，楊少敏，劉浩.基于小波變換和霍夫變換的高分辨率遙感影像道路提取[J].測(cè)繪地理信息，2015（4）：48-50.

[7]關(guān)雪梅.幾種圖像平滑處理方法比較研究[J].牡丹江師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2016（4）：31-33.