車道偏離決策算法設(shè)計與仿真*

鄧 歡，羅 山

(攀枝花學(xué)院智能制造學(xué)院，四川 攀枝花 617000)

0 引言

目前國內(nèi)外開發(fā)了許多車道偏離預(yù)警系統(tǒng)，如日本的DSS系統(tǒng)[1]、美國卡內(nèi)基梅隆大學(xué)研發(fā)的AURORA系統(tǒng)[2]、荷蘭以色列公司Mobileye研制的Mobileye_AWS系統(tǒng)[3]、德國的AutoVue系統(tǒng)[4]等。這些系統(tǒng)在判斷車輛即將偏離車道時，立即給駕駛員發(fā)出警告(如聲音警報、LED顯示、座椅或方向盤振動等)，提醒駕駛員采取正確的操作措施來防止車輛發(fā)生車道偏離[5]。但是目前的車道偏離預(yù)警系統(tǒng)一般采用的是單一車道偏離決策算法，對于復(fù)雜的行駛環(huán)境不能及時、準(zhǔn)確的進行偏離預(yù)警，并且很多算法復(fù)雜性高、計算量大，導(dǎo)致系統(tǒng)不能及時進行偏離預(yù)警，實時性差。為此本文提出一種基于將來偏離量與車輛將橫越車道邊界時間的聯(lián)合預(yù)警模型，有效地結(jié)合了FOD(Future Offset Difference)模型和TLC(Time to Lane Crossing)模型的優(yōu)點，同時在劃分預(yù)警區(qū)域時，不同行駛速度可選擇不同的預(yù)警區(qū)域。

1 車道偏離決策算法設(shè)計

本文的車道偏離決策算法流程如圖1所示。

圖1 車道偏離決策算法控制模型流程圖

1.1 逆透視法

安裝在車輛上的攝像機所拍攝到的是車道線發(fā)生變形的透視圖像，需要先將透視圖像轉(zhuǎn)換為俯視圖像。本文所使用的坐標(biāo)轉(zhuǎn)換方法叫逆透視法，它是基于圖像平面到路面的單映射矩形計算得到，通過逆透視變換可以得到車道線的空間信息，其變換見式(1)。

(1)

1.2 車道偏離決策算法

1) TLC模型：TLC算法[6]是通過計算在當(dāng)前行駛狀態(tài)下，車輛前輪觸碰到車道邊界線的時間t,再與設(shè)定的預(yù)警閾值T相比較，當(dāng)車輛行駛時間t小于閾值T時，系統(tǒng)發(fā)出警報。具體計算如下：

Y(l)=y0+θ*l

(2)

Δyl=b/2-(Y(l)+bc/2)

(3)

Δyr=b/2+(Y(l)+bc/2)

(4)

上式中Y(l)表示車輛偏離量；θ表示車輛與所在車道的夾角；y0表示車輛中心與車道線的距離；l表示車輛直線行駛距離；Δyl表示左側(cè)偏離量；Δyr表示右側(cè)偏離量；b表示車道寬度；bc表示車身寬度。

2) FOD模型：FOD模型[6]是一種基于未來偏離量的預(yù)警模型，不同的駕駛員可以選擇不同的預(yù)警閾值，以減少駕駛習(xí)慣不同而造成的預(yù)警誤差。該模型的判斷標(biāo)準(zhǔn)為：

當(dāng)Lp0>V時，判斷車輛偏離車道線，預(yù)警系統(tǒng)提示駕駛員采取應(yīng)對措施。

Lp0>V

(5)

Lp0=Lp+T*LV

(6)

T=(V-X)/LV

(7)

上式中，Lp0為預(yù)瞄時間后車輛的側(cè)向位置；V為虛擬車道線；Lp為車輛中心距車道線的距離；T為預(yù)瞄時間；Lv為車輛側(cè)向速度；X為期望發(fā)生預(yù)警點。

3) 聯(lián)合預(yù)警模型

如圖2所示，L1為左車道線；L2為右車道線；D為車道寬度；H表示預(yù)警臨界線。當(dāng)車輛保持直行時，車輛實際行駛方向與車道線方向仍然存在夾角，此時的車輛橫向速度不為0，這里認(rèn)為當(dāng)車輛橫向速度滿足0≤vx≤0.08 m/s時，預(yù)警閾值為D=0.08 m；當(dāng)車輛橫向速度0.08≤vx≤1 m/s時，預(yù)警閾值滿足D=0.5*vx；當(dāng)車輛橫向速度滿足vx≥1 m/s時，預(yù)警閾值D=0.5 m。

圖2 車道偏離平面圖

因此最終的車道偏離判斷條件為：

1) 當(dāng)vx≤0.5 m/s時，認(rèn)為車輛靠近車道邊界線的速度較小，聯(lián)合預(yù)警算法應(yīng)選用FOD算法，計算模擬車道線的相對坐標(biāo)；

2) 當(dāng)vx>0.5 m/s時，認(rèn)為車輛靠近車道邊界線的速度較大，聯(lián)合預(yù)警算法應(yīng)選用TLC算法，計算車輛距車道線的距離；

3) 確定決策算法后，需要根據(jù)不同的橫向偏離速度設(shè)置不同的預(yù)警閾值，使車道偏離平面圖2中的預(yù)警區(qū)域發(fā)生變化，判斷車輛是否處于預(yù)警區(qū)域內(nèi)；

4) 當(dāng)行駛車輛在兩預(yù)警線之間表示在安全區(qū)，此時由于車輛處于非預(yù)警區(qū)域內(nèi)，車道偏離預(yù)警系統(tǒng)未被激活，不觸發(fā)預(yù)警裝置；當(dāng)車輛左前輪或右前輪接觸臨界預(yù)警線，為LED燈預(yù)警區(qū)，并且轉(zhuǎn)向燈未打開，此時車輛偏離車道或即將偏離車道行駛，車道偏離預(yù)警系統(tǒng)被激活并發(fā)出警報，提示駕駛員有車道偏離的危險，方向盤上對應(yīng)方向的LED燈變紅并閃爍，警示駕駛員修正軌跡。

2 仿真結(jié)果與分析

2.1 仿真場景搭建

在Prescan的GUI界面搭建車道偏離預(yù)警模擬場景，給輸入車輛添加完車輛動力學(xué)模型、Camera傳感器和LaneMarker傳感器后，可在其3D可視化界面中查看模擬場景的三維效果圖和車輛行駛效果。

2.2 不同速度下仿真實驗及分析

預(yù)警區(qū)域是根據(jù)不同的橫向偏離速度設(shè)置不同的預(yù)警閾值設(shè)定的，為保證每次預(yù)警的實時性和準(zhǔn)確性，分別驗證高、低速情況下車輛偏離車道的預(yù)警效果。

1) 低速跟蹤仿真：在控制模塊取車輛行駛速度15 m/s。圖3為低速下仿真得到的車輛向右偏離車道線和向左偏離車道線預(yù)警的波形圖，Model/Right LDW為車輛向右偏離車道波形圖，Model/Left LDW為車輛向左偏離車道波形圖，其中1表示車輛發(fā)生車道偏離，0表示車輛正常行駛。

圖3 低速行駛下車道偏離波形圖

根據(jù)仿真實驗結(jié)果發(fā)現(xiàn)，低速仿真過程中車道偏離預(yù)警系統(tǒng)可較好的對車道偏離的車輛進行預(yù)警，也給駕駛員預(yù)留了修正車輛行為的時間。在預(yù)警時，可顯示此時車輛是左偏離還是右偏離，以及車輛此時的橫向距離、橫向速度。

2) 高速跟蹤仿真：在控制模塊取車輛行駛速度22 m/s。圖4為高速下仿真得到的車輛向右偏離車道線和向左偏離車道線預(yù)警的波形圖。根據(jù)仿真實驗結(jié)果發(fā)現(xiàn)，在高速情況下，預(yù)警算法模型的計算能力不能得到優(yōu)化，此時車道偏離預(yù)警時間與車輛已偏離車道線的時間幾乎同步，沒有留有足夠的駕駛員反應(yīng)時間，使得駕駛員不能及時修正車道線。

圖4 高速行駛下車道偏離波形圖

3 結(jié)束語

本文結(jié)合車道偏離預(yù)警系統(tǒng)的國內(nèi)外發(fā)展現(xiàn)狀，設(shè)計了基于TLC算法與FOD算法的聯(lián)合預(yù)警決策算法，并在PreScan仿真平臺進行了試驗驗證，系統(tǒng)不僅能夠快速且準(zhǔn)確檢測出車道線的邊緣信息，而且能結(jié)合車輛本身的狀態(tài)信息來判斷當(dāng)前車輛是否發(fā)生偏離，并判斷是否會進行報警，證明了該車道偏離預(yù)警系統(tǒng)有一定的實用性。但由于對道路實際情況以及天氣環(huán)境考慮的不夠周到，導(dǎo)致只能用于標(biāo)準(zhǔn)道路和天氣良好的行駛條件，限制了該預(yù)警系統(tǒng)的應(yīng)用范圍。