車道偏離實(shí)時(shí)預(yù)警系統(tǒng)的目標(biāo)檢測和識別

張凱欣,徐美華

(上海大學(xué) 機(jī)電工程與自動化學(xué)院,上海 200072)

?

車道偏離實(shí)時(shí)預(yù)警系統(tǒng)的目標(biāo)檢測和識別

張凱欣,徐美華

(上海大學(xué) 機(jī)電工程與自動化學(xué)院,上海 200072)

為解決各類道路環(huán)境車道線檢測系統(tǒng)常用Hough算法計(jì)算量大，魯棒性差和易受環(huán)境干擾等問題，文中通過選取圖像感興趣區(qū)域，采用時(shí)間模糊對圖像增強(qiáng)，對邊緣梯度圖像進(jìn)行分塊閾值選取以及圖像腐蝕，實(shí)現(xiàn)一種提取車道標(biāo)示線中心線參數(shù)的改進(jìn)的Hough算法.測試結(jié)果表明：在不同道路環(huán)境及復(fù)雜光照條件下設(shè)計(jì)的分層算法精確率能達(dá)到95.84%，每幀圖像處理的時(shí)間大約為26ms，滿足實(shí)時(shí)性要求，解決了Hough算法在車道線檢測中存在環(huán)境干擾和冗余的計(jì)算造成的算法的運(yùn)行效率低的問題.

車道線識別;圖像增強(qiáng);圖像腐蝕;Hough算法

根據(jù)(美國)聯(lián)邦公路局的估計(jì)，美國2002年所有致命的交通事故中44%與車道偏離有著直接或間接的關(guān)系[1].而據(jù)我國交通部門統(tǒng)計(jì)，汽車交通事故約有50%是因?yàn)槠嚻x正常行駛的車道引起的，所以車道偏離預(yù)警系統(tǒng)(LaneDepartureWarningSystem，LDWS)的研究具有重要的意義，LDWS能在偏離車道前0.5s內(nèi)發(fā)出警報(bào)，為駕駛員提供更多的反應(yīng)時(shí)間，減少了因車道偏離發(fā)生的交通事故.

目前為止，國內(nèi)外車道偏離預(yù)警系統(tǒng)無一例外的采用具有價(jià)格低廉，結(jié)構(gòu)簡單，信息豐富，方便與其他傳感器進(jìn)行數(shù)據(jù)融合等優(yōu)點(diǎn)的導(dǎo)航技術(shù)的機(jī)器視覺作為主要的感知方式.現(xiàn)如今已有大量基于視覺的車輛輔助駕駛技術(shù)的研究結(jié)果公諸于世，如美國俄亥俄州的伊頓(Eaton)公司研發(fā)的EatonVORAD系統(tǒng)[2]，該系統(tǒng)利用一個(gè)通過側(cè)向雷達(dá)傳感器來監(jiān)測盲點(diǎn)區(qū)域來實(shí)現(xiàn)車輛安全變道的模塊，其缺點(diǎn)是僅能對其他車道的車輛進(jìn)行檢測而無法有效識別車道標(biāo)記;日本的決策支持系統(tǒng)(DriverSupportSystem，DSS)[3]，該系統(tǒng)通過一個(gè)主控制器根據(jù)識別的結(jié)果，結(jié)合駕駛?cè)瞬僮餍袨橐约败囕v狀態(tài)傳感器所獲得信息，判斷出車輛行駛狀態(tài)，系統(tǒng)具有全面性以及準(zhǔn)確性，然而該系統(tǒng)對數(shù)據(jù)在空間和時(shí)間的廣度上有很高的要求，處理環(huán)境很難滿足要求，計(jì)算量大導(dǎo)致實(shí)時(shí)性不是很好.吉林大學(xué)的智能車輛課題組研制出JLUVA系列視覺導(dǎo)航系統(tǒng)[4-5]，系統(tǒng)利用安裝在汽車后視鏡位置的CCD攝像頭采集前方道路圖像，通過圖像處理獲得當(dāng)前車輛與兩條車道線之間的相對距離來判斷車輛是否即將超出車道線，最新的第四代智能樣車上裝備有世界先進(jìn)水平的3D激光成像儀，采用了多傳感器信息融合技術(shù)、人工智能、最優(yōu)控制理論、安全車距保持等多種技術(shù)，雖然較好的實(shí)現(xiàn)了路徑的自動跟蹤，自動轉(zhuǎn)向和自動行駛，同時(shí)也使得該系統(tǒng)成本偏高.從車道偏離報(bào)警系統(tǒng)目前研究的情況來看系統(tǒng)在實(shí)際運(yùn)行時(shí)有很多局限性，如車輛行駛道路環(huán)境的多樣性，單純依靠車道線的一種特征，容易產(chǎn)生誤檢，計(jì)算量大導(dǎo)致系統(tǒng)實(shí)時(shí)性差或系統(tǒng)成本較高難以滿足日常大量駕駛?cè)说男枨?，以及系統(tǒng)需要在特定的道路環(huán)境、天氣中才能較好的實(shí)現(xiàn)所需的功能等問題.因此，本文提出了一種在有效感興趣區(qū)域內(nèi)通過時(shí)間模糊得到清晰的車道線信息，然后進(jìn)行目標(biāo)檢測和邊緣增強(qiáng)以解決路面光照情況復(fù)雜，車道標(biāo)記不明顯等問題，最后利用改進(jìn)的Hough變換提取車道線中心線參數(shù)的方法進(jìn)行檢測和識別，提高了Hough變換在各種道路及天氣環(huán)境中的識別準(zhǔn)確率以及實(shí)時(shí)性.并通過車道偏離預(yù)警機(jī)制進(jìn)行報(bào)警.

1　車道偏離預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

車道偏離預(yù)警系統(tǒng)總體架構(gòu)分為7部分，分別是：感興趣區(qū)域的劃分，圖像灰度化，圖像增強(qiáng)，感興趣目標(biāo)檢測，車道線的檢測與識別，車道線跟蹤以及偏離決策.其系統(tǒng)框圖如圖1所示.

圖1　車道偏離預(yù)警系統(tǒng)框圖

1.1圖像采集及預(yù)處理

智能車輛上的視覺系統(tǒng)通常首先通過車載相機(jī)獲取車輛前方的道路圖像，經(jīng)過實(shí)時(shí)處理得到檢測目標(biāo)信息.本文采用速度較快，信號讀取十分簡單的CMOS圖像傳感器[6-8]作為車載攝像機(jī)，以達(dá)到實(shí)時(shí)性要求.為了獲取較好的道路圖像，相機(jī)的安裝應(yīng)當(dāng)符合以下幾點(diǎn)要求：① 在能看清一定距離的道路場景下，應(yīng)當(dāng)盡量增大道路的俯仰角，使得攝像頭在采集的過程中能夠盡量減少由于圖像深度帶來的影響.② 攝像頭應(yīng)當(dāng)安裝在室內(nèi)，可以避免灰塵、雨雪、高溫等帶來的影響.③ 安裝方便，應(yīng)當(dāng)盡量減少對車輛的改裝.為了滿足以上要求，將攝像頭安裝在汽車前方擋風(fēng)玻璃中線處，這個(gè)位置視野開闊，能夠很好的觀測車輛前方的道路場景，有利于判斷車輛偏離情況.

1.1.1感興趣區(qū)域選取與圖像灰度化

通過對原始圖像進(jìn)行裁剪提取出感興趣區(qū)域，需要滿足最大化的選擇感興趣區(qū)域，同時(shí)最大限度地減少外來物的干擾.對原始圖像進(jìn)行裁剪提高了車道檢測系統(tǒng)的速度和正確率，速度的提高來源于在處理過程中圖像尺寸的減少，然而精度的提高來源于消除了除感興趣區(qū)域外其他和車道線有相同特征的干擾.目前，一些消失點(diǎn)到車輛引擎蓋以上的部分被選為感興趣區(qū)域.

在車道線檢測系統(tǒng)中圖像預(yù)處理首先就是要將彩色圖像轉(zhuǎn)化為灰度圖像.圖2為圖像經(jīng)過感興趣區(qū)域提取及灰度化處理后的結(jié)果，其中圖2(a)和圖2(c)為道路原始圖像，圖2(b)與圖2(d)是處理后的結(jié)果.

圖2　感興趣區(qū)域提取及灰度化處理結(jié)果

1.1.2圖像增強(qiáng)

對獲得的圖像進(jìn)行降噪，采用3×3大小模板的中值濾波[9],中值濾波去除孤立噪聲點(diǎn)的過程僅是把鄰域中的圖像的像素按灰度等級進(jìn)行排序，選擇改組的中間值作為輸出像素值.當(dāng)需要消除噪音,又想盡量保留圖像邊緣完整,中值濾波器通常比簡單的卷積更加有效.

對于車道檢測，相比于城市交通車道標(biāo)志，高速公路的車道更容易被檢測，因?yàn)樵诟咚俟飞系能嚨谰€在圖像中一般以一條長線來顯示，而城市交通車道線是虛線根據(jù)不同的曝光時(shí)間在圖像中可能是以一些斷線或者許多點(diǎn)在出現(xiàn)的.本文采用時(shí)間模糊的方法，通過對輸入的一些圖像進(jìn)行平均，然后創(chuàng)建當(dāng)前的圖像，將虛線車道標(biāo)記近似看成一個(gè)實(shí)線車道標(biāo)記.計(jì)算公式如下：

(1)

考慮到一個(gè)包含十幀圖像的視頻，每幀圖像通過n進(jìn)行編號，n∈ [1,N].I為從當(dāng)前的圖像中進(jìn)行確定初始值，Δ為平均幀之間的大小，對i和Δ的值進(jìn)行有效選擇使于模糊圖像時(shí)間只有幾毫秒，可減少由于運(yùn)動模糊所導(dǎo)致的重影.圖3顯示出時(shí)間模糊的結(jié)果，其中圖3(a)為道路原圖，正如預(yù)期的那樣，圖3(b)中車道為虛線，圖3(c)中為實(shí)線.基于本文研究的直線道路上的車道線檢測，相比于車輛前進(jìn)的速度，車輛的側(cè)向移動速度慢得多，因此，模糊對車道標(biāo)記寬度的影響可以忽略不計(jì).

1.1.3感興趣目標(biāo)檢測

數(shù)字圖像的邊緣檢測是圖像分割、目標(biāo)區(qū)域的識別、區(qū)域形狀提取等圖像分析領(lǐng)域中十分重要的基礎(chǔ)，本文采用Canny算子進(jìn)行道路圖像邊緣特征檢測，Canny算子是一種尋找圖像梯度局部最大值的邊緣檢測算子，目標(biāo)是找到一種最優(yōu)的算法它既能很好的對圖像噪聲干擾進(jìn)行抑制，也能準(zhǔn)確的定位圖像的邊緣，是一類具有優(yōu)良性能的邊緣檢測算子，在圖像處理領(lǐng)域內(nèi)[10]得到了廣泛的應(yīng)用.

圖3　時(shí)間模糊的結(jié)果

在閾值自動選取的方法上，采用Otsu提出的的最大類間方差法[11]來確定Canny邊緣檢測中所需的高、低閾值.這種方法的基本思想是按照圖像的灰度特性選取最佳閾值對圖像進(jìn)行分割，使得背景與目標(biāo)之間的類間方差達(dá)到最大.針對夜間等光線較暗的環(huán)境下，前景像素對應(yīng)于直方圖中比例較小，因此本文提出一種以O(shè)tsu為基礎(chǔ)的邊緣梯度圖像分塊閾值選取方法：將整幅圖像分割為幾個(gè)小塊，然后在每個(gè)小塊的圖像區(qū)域中分別使用Otsu獲得局部最佳閾值.并提出一種水平腐蝕算子對道路邊緣圖進(jìn)一步處理以減少后續(xù)車道線檢測模塊所需要輸入的車道特征點(diǎn)，加快運(yùn)算速度.腐蝕算子的模板為相鄰的兩個(gè)像素.模板從圖像的左上角開始從左往右，從上往下進(jìn)行滑動.當(dāng)在滑動的過程中，判斷到兩個(gè)像素同時(shí)為白色，說明在當(dāng)前模板所在位置有兩個(gè)水平方向上緊挨著的兩個(gè)邊緣點(diǎn)，因此可將其中一個(gè)像素置成黑色，滑動窗口繼續(xù)向下滑.這樣能夠保證圖像中不會有兩個(gè)水平方向相鄰的兩個(gè)邊緣點(diǎn)，很大程度上減少了圖像中無關(guān)邊緣點(diǎn)并細(xì)化了車道線邊緣，提高了算法的速度.圖4(a)為夜晚道路場景原圖，圖4(b)為經(jīng)過Otsu局部分塊閾值分割法以及道路圖像形態(tài)學(xué)腐蝕后的處理結(jié)果.

圖4　基于Otsu局部分塊閾值分割及水平腐蝕結(jié)果

1.2車道線的檢測與識別

由于Hough算法[12-15]檢測車道線存在的一些魯棒性差，易受環(huán)境干擾造成誤檢等缺點(diǎn)，為了提高算法實(shí)時(shí)性，本文提出了改進(jìn)的Hough算法對車道線進(jìn)行檢測.首先，將應(yīng)用自適應(yīng)閾值獲取的灰度圖像拆分為左右兩半，用以分別識別左右車道線.通常情況下，左車道線位于圖像的左半平面，右車道線位于圖像右半平面，如圖5所示.

圖5　圖像拆分的相應(yīng)部分

Hough變換是用極坐標(biāo)來表示平面坐標(biāo)，如直線方程

y=k·x+b

(2)

式中：(x,y)為原始邊緣圖像中處于一條直線上的邊緣點(diǎn)的坐標(biāo)；k為斜率；b為橫截距.

表示為

ρ=x·cosθ+y·sinθ

(3)

式中：ρ為坐標(biāo)原點(diǎn)到直線的距離；θ為直線與水平坐標(biāo)軸之間的夾角，直線的Hough變換在極坐標(biāo)系中轉(zhuǎn)換成一個(gè)點(diǎn).

建立坐標(biāo)系,使原點(diǎn)為圖像底邊的中點(diǎn),x軸的正向?yàn)樗较蛴?豎直向上為y軸的正向,如圖6所示.采用的左、右道路標(biāo)識線模型為

(4)

假設(shè)汽車是在車道內(nèi)部行駛的,因此在每一半的圖像中,只需要一個(gè)車道標(biāo)記設(shè)置,在車輛變道時(shí)會出現(xiàn)兩個(gè)車道標(biāo)記同時(shí)出現(xiàn)在一個(gè)一半的圖像中,如圖6中,車輛向左變道,那么就有可能當(dāng)前左車道和左車道2同時(shí)出現(xiàn)在左半圖像中,那么這個(gè)方法不能保持即會存在缺陷.為了避免這種錯(cuò)誤和誤差,需要對左、右車道線與y軸所成的夾角設(shè)定一個(gè)合適的閾值來幫助檢測車道標(biāo)記,因此將其計(jì)算范圍控制在15°～75°之間.由于車道線自身具有一定的寬度,而理想的識別結(jié)果是識別出車道線的中心線,Hough變換能提取出的車道線只是車道線的一條邊緣.為了解決這個(gè)問題,以右側(cè)車道線為例,首先要利用Hough算法同時(shí)識別右車道線的兩個(gè)邊緣.第一步求出圖像中最長白線位置將其作為其中一條邊緣,記其參數(shù)(ρr1,θr1),然后將邊緣上的白點(diǎn)灰度值賦為0,接著再利用Hough算法在參數(shù)(ρr1±8,θr1±4)區(qū)間內(nèi)重新求一條最長白線的位置作為右側(cè)車道標(biāo)識線的另一條邊緣,記其參數(shù)(ρr2,θr2).通過一樣的方法可以在同時(shí)求出左側(cè)車道線的邊緣.

圖6　Hough變換圖像坐標(biāo)系

根據(jù)上述方法,獲取了為(ρl1,θl1),(ρl2,θl2),(ρr1,θr1),(ρr2,θr2)的左、右車道線的邊緣參數(shù),求平均值即可得到左、右車道標(biāo)識線的中心線參數(shù)(ρl,θl)和(ρr,θr).而根據(jù)參數(shù)(ρl,θl)和(ρr,θr),可以按式(5)和式(6)得到式(4)所示的左、右車道標(biāo)識線模型中的參數(shù)(kl,bl)和(kr,br).識別結(jié)果如圖7所示.

(5)

(6)

可以看出在車道線識別中能夠取得較好的結(jié)果，并且左、右兩半圖像可以同時(shí)對左、右車道線進(jìn)行識別，滿足實(shí)時(shí)性要求.

圖7　Hough變換提取車道標(biāo)識線結(jié)果

1.3跟蹤與偏離決策

采用卡爾曼濾波法[16-17]對車道線進(jìn)行跟蹤，其主要特點(diǎn)是誤差準(zhǔn)則為均方誤差最小準(zhǔn)則，并且采用遞歸計(jì)算，不需要知道狀態(tài)歷史值，用狀態(tài)方程來描述狀態(tài)變量的動態(tài)變化規(guī)律具有較高的魯棒性和實(shí)時(shí)性.在車道線跟蹤的過程中，需要不斷的更新系統(tǒng)的觀測值以得到最優(yōu)估計(jì)值，所以要將每幀道路圖像中的車道線檢測值作為觀測值送入濾波器進(jìn)行迭代.為了達(dá)到平穩(wěn)估計(jì)，減少路面抖動等情況下經(jīng)常會出現(xiàn)的單幀檢測出錯(cuò)等情況對整個(gè)系統(tǒng)決策的影響，需要將卡爾曼濾波器輸出的預(yù)測值和檢測值進(jìn)行對比，如果誤差在設(shè)定的閾值T以內(nèi)，則認(rèn)為此次跟蹤有效，否則認(rèn)定為誤檢，再將預(yù)測值作為觀測值輸入濾波器，完成下一次的預(yù)測.如果認(rèn)定誤檢，則開始一個(gè)記錄連續(xù)誤檢次數(shù)的計(jì)數(shù)器，如果連續(xù)20次系統(tǒng)均否定車道線檢測值，則認(rèn)為跟蹤無效，重新對卡爾曼濾波器進(jìn)行訓(xùn)練，進(jìn)入新的車道線追蹤迭代.通過卡爾曼濾波器，可以極大的平滑檢測結(jié)果，使車道線檢測過程中出現(xiàn)的明顯的搖擺情況得到了良好的改善，并使車道線檢測值的準(zhǔn)確性以及穩(wěn)定性等各項(xiàng)性能上都有極大的提升.

由于攝像機(jī)安裝在汽車前方擋風(fēng)玻璃中線處，因此可認(rèn)為左右車道線對稱的分布在道路圖像的兩側(cè)，車道線的角平分線應(yīng)該與坐標(biāo)系y軸重合.將所拍攝的道路圖像的中線，即坐標(biāo)系y軸認(rèn)為是當(dāng)前車輛的行駛方向，y軸與左右車道線的角平分線夾角ω,稱為系統(tǒng)偏航角.采用基于偏航角大小的偏離預(yù)警決策方式，即符合人類的思維方式又節(jié)約了硬件成本，并且操作實(shí)行簡單準(zhǔn)確.本文設(shè)定在以下兩種情況的任何一種出現(xiàn)時(shí)進(jìn)行報(bào)警：①如果將大偏航角的閾值設(shè)定過大，那么在車速較快的情況下駕駛?cè)藢o法及時(shí)調(diào)整車輛方向.但是閾值設(shè)定過小，在保證預(yù)警實(shí)時(shí)性的基礎(chǔ)上會出現(xiàn)檢測幀數(shù)太少則而影響預(yù)警系統(tǒng)的準(zhǔn)確性.所以文中將大偏航角設(shè)定為10°，據(jù)實(shí)驗(yàn)經(jīng)驗(yàn)證實(shí)合理可行.如果連續(xù)2幀圖像ω檢測到車輛位置處于大偏航角狀態(tài)，則立即報(bào)警.如果ω<0,當(dāng)前車輛行駛狀態(tài)為左偏，反之為右偏.②同樣根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn)將小偏航角的閾值設(shè)定為3 較為合理，車輛位置處于小偏航角的狀態(tài)時(shí)，如果連續(xù)15幀圖像檢測到車輛位置處于小偏航角的狀態(tài)， 絕對值大于3°且處于持續(xù)增大過程，則報(bào)警.如果ω<0,當(dāng)前車輛行駛狀態(tài)為左偏，反之為右偏.

2　測試結(jié)果和分析

根據(jù)上述算法，對采集的道路圖像進(jìn)行實(shí)驗(yàn)驗(yàn)證，圖8為本實(shí)驗(yàn)過程中在各個(gè)路況條件下采用本文提出的車道偏離預(yù)警算法的處理結(jié)果.在跟蹤過程中，每幀圖像處理的時(shí)間大約26ms,能夠滿足實(shí)時(shí)性要求.

圖8　不同路況條件下的車道線檢測結(jié)果

圖8(a)中車流量較大，當(dāng)前車道被嚴(yán)重覆蓋，車道線的識別較為困難；圖8(b)為強(qiáng)光條件下，圖像平均灰度值較高，車道線與路面之間對比度較低，增加識別難度；圖8(c)是光線較好，但路面上有其他交通標(biāo)志干擾信息以及多欄桿的道路環(huán)境中車道線的檢測結(jié)果.

圖8(d)為夜間環(huán)境下光線比較黯淡，車道線與路面反差不是那么明顯，不過通過本文提出的基于分塊Otsu閾值分割效果，使得在這種低對比度的道路圖像中，也能很好的提取出車道線的邊緣，使得車道線能夠得以正確的被識別.經(jīng)過實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)，文中提出的車道偏離預(yù)警系統(tǒng)準(zhǔn)確率為95.84%，達(dá)到準(zhǔn)確性要求.本文設(shè)定在偏離預(yù)警時(shí)在圖像上標(biāo)記出相應(yīng)的箭頭表明偏離方向，圖9(a)為正常行駛的檢測結(jié)果，圖9(b)為車輛向左偏的車道線檢測結(jié)果以及報(bào)警結(jié)果.圖9(c)為車輛向右偏的車道線檢測結(jié)果以及報(bào)警效果.

圖9　車道偏離檢測與預(yù)警實(shí)驗(yàn)結(jié)果

3　結(jié) 論

1) 基于Hough算法的基礎(chǔ)上，設(shè)計(jì)了一種具有魯棒性和實(shí)時(shí)性的車道偏離預(yù)警系統(tǒng).提出一種邊緣梯度圖像分塊閾值選取方法并結(jié)合橫向腐蝕算子，在復(fù)雜光照條件下更好的保留車道線信息.使用改進(jìn)的Hough算法對車道線進(jìn)行識別.

2) 與傳統(tǒng)的Hough算法相比，改進(jìn)算法處理每幀圖像的時(shí)間可達(dá)到26ms,有效解決了原有的計(jì)算量大，實(shí)時(shí)性差的缺點(diǎn).同時(shí)明顯改善了受環(huán)境干擾帶來的誤差甚至錯(cuò)誤檢測的情況，在復(fù)雜光照條件下檢測結(jié)果的準(zhǔn)確率高達(dá)平均95.84%，驗(yàn)證了所提算法的穩(wěn)定性和有效性.

3) 本文研究的車道線識別與跟蹤方法主要是針對高速公路及市區(qū)車道具有標(biāo)準(zhǔn)車道線的道路圖像信息不清晰的情況下，輔助過度疲憊或者長時(shí)間單調(diào)駕駛無法保持精神集中的駕駛?cè)吮３周囕v在車道內(nèi)行駛，并不適用于所有特殊路況條件下的車道線檢測.進(jìn)一步的研究工作將對彎道及陡坡道路環(huán)境下車道偏離預(yù)警進(jìn)行深入的研究.

[1]ZHOUY,XUR,HUXF,etal.ALaneDepartureWarningSystemBasedonVirtualLaneBoundary[J].JournalofInformationScience&Engineering,2008,24(1):293.

[2]韓鋒鋼.商用車輛制動發(fā)展趨勢[J].商用汽車,2000(6):36.

HANFenggang.CommercialVehicleBrakingTrends[J].CommercialVehicle,2000(6):36.(inChinese)

[3]MOTOYAMAS,OHTAT,WATANBET,etal.DevelopmentofLaneDepartureWarningSystem[R]//7thITSWorldCongress.Turin,Italy:TransportResearchLaboratory,2000.

[4]王榮本,徐友春,李兵,等.基于線性模型的導(dǎo)航路徑圖像檢測算法研究[J].公路交通科技,2001,18(l):40.

WANGRongben,XUYouchun,LIBing,etal.StudyonLinearModelBasedImageRecognitionAlgorithmofNavigationRoute[J].JournalofHighwayandTransportationReseachandDevelopment,2001,18(1):40.(inChinese)

[5]WANGR,XUY,ZHAOY.AVision-basedRoadEdgeDetectionAlgorithm[C]//IntelligentVehicleSymposium,2002.Changchun:IEEE,2002:141.

[6]金寶智.圖像傳感器:CCD與CMOS的對比[J].現(xiàn)代電視技術(shù),2005(5):80.

JINBaozhi.ImageSensor:CCDandCMOSComparison[J].AdvancedTelevisionEngineering,2005(5):80.(inChinese)

[7]朱釤.基于DSP的道路識別技術(shù)研究[D].武漢:武漢理工大學(xué),2010.

ZHUShan.ResearchonTechnologyofRoadRecognitionBasedonDSP[D].Wuhan:WuhanUniversityofTechnology,2010.(inChinese)

[8]BOCK N,KRYMSKI A,SARWARI A,et al.A Wide-VGA CMOS Image Sensor with Global Shutter and Extended Dynamic Range[C]//IEEE Workshop on Charge-Coupled Devices and Advanced Image Sensors.Karuizawa,Japan:IEEE, 2005:222.

[9]朱志恩.中值濾波技術(shù)在圖像處理中的應(yīng)用研究[D].沈陽:東北大學(xué),2008.

ZHU Zhien.Application Research on Median Filtering Technique in Image Processing[D].Shenyang:Northeastern University,2008.(in Chinese)

[10]CANNY J.A Computational Approach to Edge Detection[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1986(6):679.

[11]VALA M H J,BAXI A.A Review on Otsu Image Segmentation Algorithm[J].International Journal of Advanced Research in Computer Engineering & Technology,2013,2(2):387.

[12]李明,黃華,夏建剛.基于Hough變換的車道檢測改進(jìn)算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2012,33(4):1638.

LI Ming,HUANG Hua,XIA Jiangang.Research on Robust Lane Detection Algorithm Based on Hough Transform[J].Computer Engineering and Design,2012,33(4):1638.(in Chinese)

[13]宋曉靜.基于Hough變換目標(biāo)檢測問題研究[D].秦皇島：燕山大學(xué),2014.

SONG Xiaojing.Study on Target Detection Based on Hough Transform[D].Qinghuangdao:Yanshan University,2014.(in Chinese)

[14]KARNIELI A,MEISELS A,FISHER L,et al.Automatic Extraction and Evaluation of Geological Linear Features from Digital Remote Sensing Data Using a Hough Transform[J].Photogrammetric Engineering and Remote Sensing,1996,62(5):525.

[15]PALMER P L,KITTLE J,PETROU M.An Optimizing Line Finder Using a Hough Transform Algorithm[J].Computer Vision and Image Understanding,1997,67(1):1.

[16]WAN E A,RONELL V D M.The Unscented Kalman Filter for Nonlinear Estimation[C]//Adaptive Systems for Signal Processing,Communications,and Control Symposium 2000,AS-SPCC,The IEEE 2000.OR,USA:IEEE,2000:153.

[17]EVENSEN G.The Ensemble Kalman Filter:Theoretical Formulation and Practical Implementation[J].Ocean Dynamics,2003,53(4):343.

(責(zé)任編輯、校對張立新)

TargetDetectionandRecognitionofReal-TimeLaneDepartureWarningSystem

ZHANG Kaixin,XU Meihua

(SchoolofElectromechanicalEngineeringandAutomation,ShanghaiUniversity,Shanghai200072,China)

Hough’salgorithmisoftenusedinthemulti-conditionslanedetectingsystem,butithasthedisadvantagesoflargeamountofcalculation,poorrobustnessandvulnerabilitytoenvironment.Inordertosolvetheseproblems,thepaperpresentsahierarchicalalgorithmforlanedetectionandrecognition.TheimprovedHough’salgorithmforextractingthecenterlineparametersofalanemarkinglinewasobtainedthroughselectingtheregionofinterest,usingtimeblurforimageenhancement,abstractingthethresholdvaluefromthedividededgegradientimage,andcorrodingtheimage.Theresultsshowthattheaccuracyrateofthehierarchicalalgorithmwhichwasdesignedunderthedifferentroadconditionsandcomplexlightingconditionscanreach95.84%andthattheprocessingspeedforeachframeisabout26ms/frame,meetingthereal-timerequirements.TheproposedalgrithmhassolvedtheproblemthatHough’salgorithmoperatswithlowefficiencyinthelanedetectionduetoenvironmentalinterferenceandredundantcalculation.

lanerecognition;imageenhancement;imagecorrosion;Houghalgorithm

10.16185/j.jxatu.edu.cn.2016.07.005

2016-05-29

國家自然科學(xué)基金項(xiàng)目(61376028);上海經(jīng)濟(jì)和信息化委員會項(xiàng)目(11XI-15)

張凱欣(1991-),女,上海大學(xué)碩士研究生.

徐美華(1957-),女,上海大學(xué)教授，主要研究方向?yàn)槠囯娮优cIC設(shè)計(jì).E-mail:mhxu@shu.edu.cn.

中圖號：U491.6A

1673-9965(2016)07-0539-06