輔助駕駛： 汽車(chē)離道報警完整結構設計

b.采用空間濾波技術(shù)去除圖像中多余的噪聲?？捎玫乃惴ㄓ兄狈綀D均衡化、領(lǐng)域平均、中值濾波等。

c. 采用道路圖像的二值化分割對圖像進(jìn)行分割，以獲取明顯的車(chē)道線(xiàn)特征，大大簡(jiǎn)化了后面分析并檢測車(chē)道標識線(xiàn)的復雜度?？捎玫乃惴ㄓ兄狈綀D波形分析法、最大熵法、最大類(lèi)方差法等。

d. 劃分感興趣的區域。通過(guò)縮減檢測區域的范圍來(lái)減少冗余的數據，提高運算速度。常見(jiàn)的感興趣區域的劃分算法有:基于灰度圖投影法、動(dòng)態(tài)感興趣區域。

3. 車(chē)道線(xiàn)檢測算法設計與實(shí)現

車(chē)道線(xiàn)的快速與準確識別是實(shí)現車(chē)道偏離預警系統實(shí)時(shí)性和魯棒性的前提和基礎，本章在敘述基于曲線(xiàn)擬合的車(chē)道線(xiàn)檢測的原理的基礎上提出了一種基于LMedsquare選取最佳子集。LMedsquare的核心思想是對隨機選擇數據子集進(jìn)行重復操作，直到至少有一個(gè)子集的數據能夠達到一定的可信度(比如95%)，它是一種隨機采樣算法。車(chē)道線(xiàn)檢測算法包含以下幾個(gè)步驟：

a. 種子點(diǎn)的選取。要想準確得到車(chē)道線(xiàn)坐標方程，就需要先找出車(chē)道線(xiàn)的中心點(diǎn)，再對車(chē)道線(xiàn)中心點(diǎn)的集合進(jìn)行車(chē)道線(xiàn)擬合。因此，需要找出車(chē)道線(xiàn)中心點(diǎn)。在這里，可以根據車(chē)道線(xiàn)圖像二值化后車(chē)道線(xiàn)的特征來(lái)找出車(chē)道線(xiàn)中心點(diǎn)，為下一步車(chē)道線(xiàn)參數擬合做準備工作。

b. 車(chē)道標識線(xiàn)的檢測。在種子點(diǎn)歸類(lèi)后，我們就要判斷待擬合的種子點(diǎn)數是否充足，在道路路況較好的情況下，近視野車(chē)道線(xiàn)比較清晰，自下至上掃描歸類(lèi)，一般都會(huì )獲得數目比較充足車(chē)道線(xiàn)種子點(diǎn)數，則可以直接利用LMedsquare選取最佳子集的車(chē)道線(xiàn)檢測算法進(jìn)行參數的擬合。

c. 基于最佳子集的最小二乘直線(xiàn)擬合。運用最小二乘法擬合曲線(xiàn)是智能導航技術(shù)中常用的擬合算法，但是其最大的缺點(diǎn)就是對噪聲比較敏感，顯而言之，解決噪聲的影響是準確地擬合出車(chē)道線(xiàn)參數的前提和基礎。因此，在車(chē)道線(xiàn)種子點(diǎn)歸類(lèi)后種子點(diǎn)數目比較充足時(shí)，可以利用LMedsquare曲線(xiàn)擬合技術(shù)的思想選取最佳子集，以去除多余的噪聲后，再利用最小二乘法在最佳子集內進(jìn)行直線(xiàn)擬合，會(huì )得到很好的效果。

第三部分：系統原理和技術(shù)特點(diǎn)

1.首先用EDK軟件XPS(Xilinx Platform Studio)構建一個(gè)MicroBlaze軟核系統，FPGA內部CPU外圍各種模塊用Vhdl語(yǔ)言編寫(xiě)，然后再將FPGA外部模塊通過(guò)FPGA接口與FPGA相連。

2.道路圖像采集可以采用CCD攝像頭。CCD攝像頭安裝于擋風(fēng)玻璃內側，駕駛臺中央位置，采用長(cháng)焦鏡頭，采集路面狀況。路面信息碼流處理應用Philips半導體公司的視頻解碼芯片SAA7115，它是一款多通道輸入的視頻解碼器，支持多種視頻信號格式，如PAL制、NTSC制、SECAM制等。SAA7115對于輸入的視頻信號自動(dòng)檢測并完成轉換。SAA7115能提供捕捉各種標準清晰度信號的高性能。芯片采用一個(gè)小的100 引腳QFP14X142100A封裝，并在其中集成抗鋸齒濾波器和ADLLT( adap tive digital line length tracking，自適應數字列長(cháng)度追蹤) ，且支持多種視頻信號格式，如PAL 制、NTSC制、SECAM制等，能對于輸入的視頻信號自動(dòng)檢測并完成轉換?；谝陨咸匦员驹O計選用其作為視頻編碼芯片，可以實(shí)現與FPGA的無(wú)縫連接。因外圍電路與FPGA的處理速度相差甚大,故信號流要先經(jīng)SN74CBT3245芯片緩沖,然后送處理器進(jìn)行車(chē)道特征值得提取。

3.圖像預處理技術(shù)

圖像中含有豐富的信息，在車(chē)道識別中，并不是所有信息都是需要的。因此要對采集到的連續圖像進(jìn)行處理，去除無(wú)用信息，增強有用信息，有利于后續處理。在進(jìn)行圖像預處理時(shí)，車(chē)道檢測部分對其進(jìn)行反饋，可以增快它的處理速度。具體步驟包括圖像灰度變換、圖像噪聲濾除、圖像邊緣檢測、圖像二值分割。

圖像在采集過(guò)程中，由于光照強度、障礙物遮擋等影響因素，對采集進(jìn)來(lái)的圖像中車(chē)道線(xiàn)信息造成影響。因此，要想準確提取出車(chē)道線(xiàn)參數，就必須對采集的道路圖像在車(chē)道線(xiàn)檢測之前進(jìn)行預處理。在圖像處理算法中，沒(méi)有哪一種算法可以適用于各類(lèi)圖像，每一種算法都有自己的局限性。因此，在實(shí)際運用中，需要做大量的實(shí)驗，并結合車(chē)道偏離預警系統的需要，選取適合該系統的算法。

首先采用空間濾波技術(shù)去除圖像中多余噪聲。

然后進(jìn)行道路圖像的二值化分割將圖像分割，這將大量壓縮數據，而且將簡(jiǎn)化其后的分析和處理。

再進(jìn)行車(chē)道線(xiàn)特征點(diǎn)搜索區域的劃分，及感興趣區域的劃分，通過(guò)縮減檢測區域范圍來(lái)減少冗余數據，提高運算速度。

4.車(chē)道線(xiàn)識別算法

一是基于Hough變換的車(chē)道線(xiàn)識別技術(shù)。首先提取出車(chē)道線(xiàn)樣本點(diǎn)，然后對樣本點(diǎn)進(jìn)行Hough擬合。用此法進(jìn)行車(chē)道線(xiàn)檢測時(shí)優(yōu)點(diǎn)是不受車(chē)道線(xiàn)間斷影響，有很好的抗干擾性。但其也有不足之處，到實(shí)際運用時(shí)需要通過(guò)做實(shí)驗驗證并進(jìn)行改進(jìn)。

二是基于LMedsquare選取最佳子集結合卡爾曼預測的車(chē)道線(xiàn)檢測算法。首先進(jìn)行種子點(diǎn)的選取，然后進(jìn)行車(chē)道標識線(xiàn)的檢測，最后進(jìn)行基于最佳子集的最小二乘直線(xiàn)擬合。

5.車(chē)道偏離決策

我們是依靠機器視覺(jué)預警決策方法，可以用僅基于圖像的車(chē)道線(xiàn)夾角法偏離預警決策方式，有兩種報警方式：一是設定一個(gè)角度閾值為大偏航角分界，如果連續幾幀圖片檢測結果顯示車(chē)輛位置處于大偏航角狀態(tài)，則立即報警。二是設定一個(gè)角度域值為小偏航角的分界，車(chē)輛位置處于小偏航角狀態(tài)時(shí)，等待連續多幀圖片處理結果，如果連續多幀圖像顯示車(chē)輛偏航角處于持續增大過(guò)程，則立即報警。

6.擴展功能:

在人為主動(dòng)換道時(shí)，在離道之前打開(kāi)指示信號，報警系統在車(chē)偏離車(chē)道時(shí)不會(huì )報警。

技術(shù)特點(diǎn)：

1.用EDK軟件XPS構建MicroBlaze軟核系統，簡(jiǎn)便而且高效地實(shí)現了系統設計對CPU的要求。在FPGA內的各種接口模塊，將采用vhdl語(yǔ)言編寫(xiě)。

2.圖像處理細節較多，而且圖像處理每一步算法多樣，在實(shí)際應用時(shí)要結合所采用的硬件，經(jīng)過(guò)實(shí)際做實(shí)驗，結合系統需要選取最合適的算法。

3.圖像預處理算法中選取感興趣部分。它不僅提高了計算速率，而且減小了不必要的信息干擾，為提高了檢測的準確性和及時(shí)性打下了很好的基礎。

4.車(chē)道線(xiàn)檢測算法中采用了選取種子點(diǎn)以后的基于最佳子集的最小二乘直線(xiàn)擬合方法，它可以很好地除去最小二乘直線(xiàn)擬合法中常遇到的噪聲干擾問(wèn)題。