快速公交專(zhuān)用車(chē)道檢測

3.4 車(chē)道線(xiàn)跟蹤

跟蹤分為消失點(diǎn)的跟蹤和車(chē)道線(xiàn)的跟蹤。

(1) 消失點(diǎn)的跟蹤： 消失點(diǎn)一般較遠， 車(chē)輛在行進(jìn)過(guò)程中消失點(diǎn)范圍變化不是很大，而靠近車(chē)道線(xiàn)的道路兩邊由于車(chē)輛輪胎接觸較為頻繁， 紋理較為明顯， 對消失點(diǎn)的貢獻較大。因此， 隨機選取靠近車(chē)道線(xiàn)兩邊100 個(gè)點(diǎn)對消失點(diǎn)及其周?chē)娜舾蓚€(gè)點(diǎn)( 本文選取36 個(gè)點(diǎn)) 進(jìn)行投票，如圖8 所示。

(2)車(chē)道線(xiàn)跟蹤：根據上一幀測量的結果，限定角度在一定變化范圍內(本文限制在10°范圍，如圖8(b)所示)進(jìn)行Hough變換，這樣大大減少了運算速度。當圖像檢測的消失點(diǎn)及車(chē)道線(xiàn)上的點(diǎn)少于所設定的閾值時(shí)，程序重新初始化。

4 車(chē)道識別

本文在應用的基礎上對合肥以及沈陽(yáng)的BRT車(chē)道進(jìn)行統計，其BRT車(chē)道相對其他車(chē)道具有如下特點(diǎn)：其左右車(chē)道線(xiàn)都為黃色，一般位于路的兩邊，道路的兩邊有欄桿或者路牙等特征?；诖颂攸c(diǎn)，本文實(shí)現了BRT車(chē)道的識別系統，結合GPS判斷其所在位置范圍內有無(wú)BRT車(chē)道，若有則判斷車(chē)道線(xiàn)顏色是否為黃色，即建立顏色模型，對車(chē)道線(xiàn)上的每一點(diǎn)顏色進(jìn)行標記，并綜合判斷其左右車(chē)道線(xiàn)是否是黃色車(chē)道線(xiàn)，對黃色進(jìn)行標記，如圖9左圖所示。由于車(chē)道線(xiàn)長(cháng)期受到磨損有一定的失真，且在晚上黃光燈照射下不易準確地識別顏色，本文結合其欄桿、路牙等特征識別車(chē)道，對檢測的車(chē)道線(xiàn)兩邊的一定區域(圖9右圖白色矩形區域)進(jìn)行對比，比較其顏色邊緣紋理等特征差別。通過(guò)大量的測試，本文得到了判斷其是否為BRT車(chē)道的先驗閾值，當矩形區域差別大于設定閾值時(shí)，則判斷為公交專(zhuān)用車(chē)道，從而準確實(shí)現車(chē)道檢測。

5 實(shí)驗結果與分析

實(shí)現BRT 車(chē)道識別的具體流程如圖10 所示。

本文首先通過(guò)GPS采集車(chē)輛所在區域的經(jīng)緯度信息， 并建立道路經(jīng)緯度信息庫判斷車(chē)輛所在位置附近是否具備BRT專(zhuān)用車(chē)道，若有，則進(jìn)行車(chē)道線(xiàn)檢測，找到車(chē)輛所在車(chē)道的左右車(chē)道線(xiàn)，并判斷車(chē)道線(xiàn)上顏色信息以及車(chē)道線(xiàn)左右的邊緣亮度等信息，分析其是否具備BRT快速公交車(chē)道的特征，如具備，則可以作為監控前方車(chē)輛是否違規駛入BRT車(chē)道的一個(gè)依據。

6 改進(jìn)應用

該模型不僅適用于公路等有車(chē)道線(xiàn)的結構化道路，也可適用于車(chē)轍痕跡較為清晰的鄉間土路、沒(méi)有車(chē)道線(xiàn)的柏油路等非結構化道路， 能夠較為準確地檢測道路的消失點(diǎn)。當車(chē)輛行進(jìn)方向偏離其消失點(diǎn)時(shí)， 提醒司機采取相應的措施， 從而實(shí)現了車(chē)道偏離預警， 可以有效地抑制事故的發(fā)生。圖12 為對白色區域進(jìn)行Gabor 卷積運算， 將卷積結果較大( 即能量較大) 的點(diǎn)的方向繪制出來(lái)， 如圖12 右圖所示?？梢钥闯?， 方向基本指向道路的消失點(diǎn)。圖13 為復雜道路的消失點(diǎn)， 其中圓圈表示消失點(diǎn)投票結果。

本文對合肥公交專(zhuān)用車(chē)道進(jìn)行了大量的實(shí)驗，實(shí)驗結果表明，該算法具有很強的適用性，能夠準確地檢測到車(chē)輛所在車(chē)道的車(chē)道線(xiàn)，并對其車(chē)道作出正確的判斷。車(chē)道識別結果如圖11所示。

本文提出了基于道路紋理特征的車(chē)道線(xiàn)檢測方法，將直線(xiàn)模型算法成功移植到DM6437開(kāi)發(fā)平臺。通過(guò)攝像頭實(shí)時(shí)采集道路圖像(25 S/s,圖像大小為720×576)，實(shí)時(shí)統計車(chē)道線(xiàn)信息，并在城市道路上進(jìn)行了大量的實(shí)驗測試，平均每幀圖像的算法耗時(shí)控制在50 ms以?xún)?，能夠較為準確地檢測出車(chē)道線(xiàn)的位置，具有較強的實(shí)時(shí)性和魯棒性。