基于單目視覺(jué)的汽車(chē)追尾預警系統研究

摘要：汽車(chē)追尾預警是智能車(chē)輛視覺(jué)導航系統中的重要研究?jì)热?。設計了一個(gè)應用于結構化道路環(huán)境，基于單目視覺(jué)的汽車(chē)追尾預警系統。該系統按照攝像機提供的道路圖像序列，首先利用一種新的邊緣檢測算法識別前方道路，然后利用灰度、邊緣和對稱(chēng)性等特征識別前方車(chē)輛，接下來(lái)根據前后車(chē)距判斷其威脅等級，最終向駕駛員提供相應的聲光報警信號。該系統已在合肥的高速公路上進(jìn)行了實(shí)驗。實(shí)驗結果顯示，系統運行速度達到車(chē)輛駕駛的實(shí)時(shí)性要求，能夠完成車(chē)輛檢測和碰撞預警的任務(wù)。
關(guān)鍵詞：車(chē)輛檢測；碰撞預警；單目視覺(jué)；智能車(chē)輛

0 引言
基于計算機視覺(jué)的高速公路防撞系統是當前智能交通管理系統研究的熱點(diǎn)之一。如何在多變的環(huán)境下快速準確地從視頻圖像里檢測到車(chē)道和前方車(chē)輛是實(shí)現這類(lèi)系統面臨的最關(guān)鍵問(wèn)題。近20年來(lái)，國內外很多研究人員對這個(gè)問(wèn)題進(jìn)行了大量研究，提出了多種多樣的實(shí)用算法并成功開(kāi)發(fā)了一些視覺(jué)系統。這些系統所采用的算法基本上可以分為基于雙目視覺(jué)的方法、基于運動(dòng)的方法、基于外形的方法和基于知識的方法?；陔p目立體視覺(jué)的方法計算量大，需要特殊硬件支持；基于運動(dòng)的方法，無(wú)法檢測靜止目標且實(shí)時(shí)性差；基于外形的方法，因建立有效的培訓樣本仍然是需要研究的問(wèn)題；基于知識的方法，在障礙物數量較少時(shí)效率較高，但復雜環(huán)境下錯誤率有所增加。
針對常規算法的不足，本文設計了一種精度高，穩定性好的基于單目視覺(jué)的車(chē)載追尾預警系統。它利用一種新的邊緣檢測算法識別前方道路，然后利用陰影檢測與跟蹤相結合的方法識別前方車(chē)輛，接下來(lái)根據前后車(chē)距判斷其威脅等級，最終向駕駛員提供相應的聲光報警信號。

1 系統工作原理
系統硬件部分包括MCC-4060型CCD攝像機、VT-121視頻采集卡、GPS、PC-104工控機和顯示終端。GPS通過(guò)串口向工控機發(fā)送本車(chē)車(chē)速信息，安裝在車(chē)內擋風(fēng)玻璃后的CCD攝像機將圖像幀通過(guò)視頻采集卡送入工控機，經(jīng)過(guò)軟件的處理分析后，在顯示終端上標注出前車(chē)障礙物和道路標線(xiàn)，同時(shí)根據車(chē)速、間距等判斷危險等級，發(fā)出相應的聲光報警信號；
系統的軟件部分包括道路檢測、道路跟蹤、車(chē)輛檢測、車(chē)輛跟蹤、測距、決策和報警等模塊。當車(chē)速達到60km／h時(shí)，系統開(kāi)始處理實(shí)時(shí)采集到的圖像序列。對于每一幀圖像，首先檢測并跟蹤圖像中的車(chē)道白線(xiàn)，然后在車(chē)道確定的感興趣區域內檢測車(chē)輛。如果存在疑似障礙車(chē)輛，則啟動(dòng)車(chē)輛跟蹤，利用跟蹤信息進(jìn)一步排除虛警。在實(shí)現對障礙車(chē)輛穩定跟蹤后，估算出兩車(chē)間距和相對運動(dòng)速度，判定其威脅等級，并發(fā)出相應的報警信號。

2 系統關(guān)鍵技術(shù)
2．1 道路檢測
目前，車(chē)道線(xiàn)檢測算法主要適用于光照充足的環(huán)境下。由于車(chē)道線(xiàn)與路面之間對比度大，因此很容易利用各種常規邊緣檢測算子獲得清晰的車(chē)道輪廓信息，然后選取合適的閾值對圖像進(jìn)行二值化處理，最后采用Hough變換識別車(chē)道線(xiàn)。然而在復雜光照環(huán)境下，圖像會(huì )受到各種光線(xiàn)直射和物體多次反射形成雜散光的干擾，圖像光強不能反映車(chē)道本身突變性質(zhì)，導致無(wú)法正確檢測出車(chē)道。
本系統采用了一種利用光密度差得到車(chē)道標線(xiàn)與路面反射率差，進(jìn)而進(jìn)行非線(xiàn)性邊緣檢測，再進(jìn)行Hough變換的車(chē)道檢測算法。此算法可以有效解決在復雜光照條件下的車(chē)道檢測，也可以用于夜間的車(chē)道檢測。
另外，目前車(chē)道線(xiàn)的跟蹤研究主要采用固定區域法或者Kalman濾波法，根據前一幀車(chē)道線(xiàn)檢測的結果來(lái)劃分感興趣區域，以實(shí)時(shí)跟蹤車(chē)道線(xiàn)。然而，固定區域法對2幀圖像的相關(guān)性依賴(lài)大，劃分感興趣區域大，實(shí)時(shí)性差；而Kalman濾波法劃分感興趣區域小，容易產(chǎn)生檢測誤差，而造成跟蹤誤差累積，跟蹤正確率不高。因此，本系統在跟蹤車(chē)道線(xiàn)時(shí)采用了一種融合固定區域法和KaIman濾波法劃分感興趣區域的新方法。
一般來(lái)說(shuō)，只將車(chē)道邊界線(xiàn)交點(diǎn)(即滅點(diǎn))以下、2車(chē)道線(xiàn)之間的區域作為感興趣區域，考慮到跨道行駛的車(chē)輛依然對本車(chē)有威脅，算法把兩車(chē)道線(xiàn)分別向兩側平移40個(gè)像素，使感興趣區域擴展到可以覆蓋跨道車(chē)輛的范圍。
2．2 車(chē)輛檢測
圖像中包含車(chē)輛前方很大視野內的物體，如道路、樹(shù)木、護欄、標牌以及其他車(chē)輛，要從中準確檢測出前方車(chē)輛是一項困難的工作，而本文的車(chē)輛檢測模塊會(huì )根據圖像背景自動(dòng)改變設置參數，以適應不斷變化的道路場(chǎng)景和光照條件。
要實(shí)現車(chē)輛的快速檢測，首先需要根據車(chē)輛的基本特征進(jìn)行初步檢測，將所有可能的疑似車(chē)輛區域從圖像中提取出來(lái)，然后再根據其他特征對疑似區域進(jìn)行篩選排除。
2．2．1 車(chē)輛初步檢測
初步檢測采用的特征是車(chē)輛陰影，即一塊位于目標車(chē)輛底部、灰度值明顯比附近路面區域低的區域。在一般環(huán)境條件下，大部分車(chē)輛都具有這一顯著(zhù)特征。
車(chē)輛初步檢測的流程如圖1所示。車(chē)輛陰影和車(chē)道一樣具有灰度突變的特點(diǎn)，因此可以調用車(chē)道檢測算法對圖2(a)中的原始圖像做二值化處理，得到圖2(b)中的邊緣二值化圖像。同時(shí)還要對原始圖像進(jìn)行灰度二值化，得到圖2(c)中的灰度二值化圖像。為提高檢測實(shí)時(shí)性，以本車(chē)附近路面區域的平均灰度作為二值化閾值。由于邊緣二值化圖像和灰度二值化圖像都包括了車(chē)輛的下底邊，將這兩幅圖像進(jìn)行“或”運算，就可以得到如圖2(d)所示的車(chē)輛陰影圖像。