于善義, 曹 凱, 張仁永

(山東理工大學(xué) 交通與車輛工程學(xué)院， 山東 淄博 255091)

在越來越擁擠的道路上駕車.駕駛員在轉(zhuǎn)彎、換道過程中要不斷環(huán)顧四周交通狀況，視線發(fā)生轉(zhuǎn)移，分散了對(duì)前方道路的注意力；由于存在后視鏡盲區(qū)和通過后視鏡觀察側(cè)后方車輛的距離和速度容易產(chǎn)生誤判等原因，發(fā)生與前方或側(cè)方的機(jī)動(dòng)車、非機(jī)動(dòng)車以及行人刮蹭或碰撞的交通事故日漸頻繁.為了讓駕駛員專注前方道路交通動(dòng)態(tài)，集中精力駕駛車輛，有必要在車輛轉(zhuǎn)向或換道時(shí)，為駕駛員提供側(cè)/后方機(jī)動(dòng)車、非機(jī)動(dòng)車以及行人動(dòng)態(tài)等道路交通狀況的平視信息，為此，設(shè)計(jì)開發(fā)車輛側(cè)/后方監(jiān)控抬頭顯示系統(tǒng)對(duì)于減輕駕駛員在擁擠道路中的駕駛負(fù)擔(dān)，提高車輛行駛安全具有現(xiàn)實(shí)意義.

目前，一些高檔車上增加了平視信息顯示配置，個(gè)別車(如寶馬)還提供平視導(dǎo)航信息等[1-2].有關(guān)車輛側(cè)/后方道路狀況監(jiān)控系統(tǒng)在不斷出現(xiàn)，具有代表性的系統(tǒng)是馬自達(dá)“ATENZA”配備的后方車輛監(jiān)視系統(tǒng)(RVM)、日產(chǎn)的側(cè)向碰撞預(yù)防系統(tǒng)(SCP)、德國聯(lián)邦教育和研究部的HLCA系統(tǒng)、Mobileye的LCA/BSD 系統(tǒng)、沃爾沃的ELA 系統(tǒng)和Twente大學(xué)的VisionSense 系統(tǒng)等[3].這些系統(tǒng)共同特點(diǎn)是使用雷達(dá)作為主要手段對(duì)側(cè)/后方道路狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，在車輛轉(zhuǎn)向和變道時(shí)，系統(tǒng)會(huì)通過語音或后視鏡上方的指示燈來提醒駕駛員注意.語音提示雖然不會(huì)產(chǎn)生駕駛員的視線轉(zhuǎn)移，但由于對(duì)道路狀況描述過于簡(jiǎn)單，使駕駛員無法感受到周圍環(huán)境的危險(xiǎn)程度；指示燈提醒存在語音提示同樣的問題，駕駛員必須移動(dòng)視線才能得知提醒信息.

為了提高駕駛員對(duì)車輛側(cè)后方道路交通狀況識(shí)別能力，同時(shí)減輕駕駛員在擁擠道路中的駕駛負(fù)擔(dān)，本文提出了側(cè)后方車輛實(shí)時(shí)監(jiān)測(cè)與平視信息顯示相結(jié)合抬頭顯示系統(tǒng).該系統(tǒng)利用車輛位置、底部陰影和邊緣特征識(shí)別側(cè)后方目標(biāo)車輛，得到目標(biāo)車輛的外接矩和質(zhì)心，將其作為跟蹤時(shí)的初始化搜索框；然后采用HSI色彩空間下改進(jìn)的camshift算法對(duì)車輛進(jìn)行跟蹤，得到目標(biāo)車輛的位置信息；再由激光測(cè)距傳感器測(cè)得兩車之間的相對(duì)距離信息.車輛檢測(cè)過程采用先識(shí)別后跟蹤的方法，縮小了跟蹤過程中對(duì)目標(biāo)車輛的搜索范圍，能夠有效的提高實(shí)時(shí)性及準(zhǔn)確性.此外，采用激光傳感器測(cè)距方法[4]，減少了視覺測(cè)距的復(fù)雜程度，增加了測(cè)距的準(zhǔn)確性.

1 系統(tǒng)的框架

該系統(tǒng)是由控制硬件和軟件組成，其中系統(tǒng)硬件包括視頻處理模塊，視頻采集模塊、視頻輸出模塊、存儲(chǔ)模塊、電源模塊、測(cè)距測(cè)角模塊、云臺(tái)、語音提示模塊、抬頭顯示模塊和控制模塊.視頻處理模塊采用了專門用于數(shù)據(jù)處理的TMS320DM642芯片作為視頻處理器；視頻采集模塊由SAA7113及CCD攝像機(jī)組成，主要進(jìn)行視頻采集；視頻輸出模塊包括SAA7121H和液晶顯示器，用于視頻輸出；存儲(chǔ)模塊包括SDRAM和FLASH，其中SDRAM存儲(chǔ)視頻數(shù)據(jù)，F(xiàn)LASH存儲(chǔ)系統(tǒng)配置數(shù)據(jù)及程序；測(cè)距測(cè)角模塊使用激光測(cè)距儀和角度傳感器測(cè)量本車與目標(biāo)車輛的相對(duì)距離及云臺(tái)轉(zhuǎn)過的角度；云臺(tái)采用高精度伺服電機(jī)，控制攝像機(jī)及激光測(cè)距儀的轉(zhuǎn)動(dòng)，實(shí)現(xiàn)對(duì)目標(biāo)車輛的實(shí)時(shí)跟蹤；語音提示模塊由語音處理芯片及喇叭組成，用于發(fā)布提示信息；抬頭顯示模塊由高亮LED和數(shù)碼管組成，將提示信息投射到前擋風(fēng)玻璃上進(jìn)行顯示；控制模塊使用增強(qiáng)型51系列單片機(jī)，實(shí)現(xiàn)對(duì)各功能模塊的驅(qū)動(dòng)及控制.

圖1 系統(tǒng)功能流程圖

系統(tǒng)功能流程圖如圖1所示.本系統(tǒng)工作時(shí)，系統(tǒng)上電，DM642首先對(duì)EMIF、EDMA、SAA7113、SAA7121H等芯片進(jìn)行初始化設(shè)置，同時(shí)51單片機(jī)對(duì)云臺(tái)、測(cè)距測(cè)角模塊、抬頭顯示模塊進(jìn)行初始化.SAA7113將CCD攝像頭采集得到的模擬視頻數(shù)據(jù)轉(zhuǎn)換為數(shù)字視頻數(shù)據(jù)，并傳送到DM642的VP0口，然后通過EDMA傳輸?shù)絊DRAM中的采集緩存區(qū)，為防止數(shù)據(jù)沖突，建立臨時(shí)緩存區(qū)，CPU對(duì)臨時(shí)緩存區(qū)中的視頻數(shù)據(jù)進(jìn)行處理，處理完成后再將視頻數(shù)據(jù)送往顯示緩存區(qū)，然后SAA7121H將數(shù)字視頻數(shù)據(jù)轉(zhuǎn)換為模擬視頻數(shù)據(jù)輸出.與此同時(shí)，DM642將處理后得到的目標(biāo)車輛位置信息通過串口傳送至51單片機(jī).51單片機(jī)控制云臺(tái)轉(zhuǎn)動(dòng)，使激光測(cè)距儀指向目標(biāo)車輛進(jìn)行實(shí)時(shí)跟蹤測(cè)距，并測(cè)得云臺(tái)轉(zhuǎn)過的角度，將得到的數(shù)據(jù)傳回51單片機(jī)，判斷本車能否進(jìn)行安全轉(zhuǎn)彎或變道，最后將提示信息傳送給語音提示模塊和抬頭顯示模塊輸出.

2 系統(tǒng)的基本算法

2.1 基于特征的車輛識(shí)別

車輛識(shí)別主要是依據(jù)車輛底部區(qū)域的亮度值明顯低于車輛其它區(qū)域以及車輛具有明顯的邊緣等特征[5]，為此，系統(tǒng)采用車輛的位置特征、底部的陰影特征和邊緣特征相結(jié)合的方式對(duì)目標(biāo)車輛進(jìn)行檢測(cè).

2.1.1 道路區(qū)域和車道線的提取

道路區(qū)域和車道線的提取過程中，利用了車道線相對(duì)于路面具有更高的亮度和明顯的邊界的特性.在圖像處理前，為降低計(jì)算復(fù)雜度和噪聲的影響，首先將彩色圖像轉(zhuǎn)換為灰度圖像，再進(jìn)行高斯平滑和中值濾波去除噪聲.圖2為圖像預(yù)處理的效果.

(a)灰度圖

(b) 中值濾波后圖像圖2 圖像預(yù)處理效果圖

預(yù)處理后的圖像利用Sobel邊緣提取算子提取邊緣.由于Sobel算子是計(jì)算求解梯度獲得圖像邊緣，因此，很難獲得連續(xù)的圖像邊緣.目前，大多通過尋找鄰近斷點(diǎn)，依據(jù)梯度相似性進(jìn)行連接，或者增加邊緣點(diǎn)等方法.這些方法要么人工處理過多，要么對(duì)噪聲十分敏感.為此本文提出Sobel算子與網(wǎng)格分類組合的檢測(cè)方法：首先Sobel算子檢測(cè)圖像邊緣；然后在獲得的Sobel圖中，依照3個(gè)像素大小設(shè)定網(wǎng)格，并按照內(nèi)部均勻、含有邊緣和含有紋理對(duì)網(wǎng)格進(jìn)行分類，保留含有邊緣的網(wǎng)格，去除內(nèi)部均勻和含有紋理的網(wǎng)格內(nèi)的邊緣像素，以便去除噪聲.

從以上得到的圖像的底部向上掃描，如果沒有掃描到邊緣點(diǎn)，則獲得道路區(qū)域，否則，為非道路區(qū)域，這樣就獲得了道路區(qū)域(如圖3(a)).為了確定車輛兩旁車道內(nèi)的目標(biāo)車輛，在道路區(qū)域內(nèi)使用Hough變換提取車道線，然后使用最小二乘法擬合計(jì)算出車道線的軌跡方程，從而確定目標(biāo)車道(如圖3(b)).

(a)道路區(qū)域

(b) 車道線識(shí)別示意圖圖3 道路區(qū)域和車道線識(shí)別示意圖

在擬合計(jì)算出車道線相交的小區(qū)域內(nèi)搜索目標(biāo)車輛，就可以減小搜索范圍，提高檢測(cè)效率.

2.1.2 車底陰影區(qū)域的分割

基于視覺的車輛檢測(cè)方法有很多，如基于光流場(chǎng)方法，基于模型方法，基于立體視覺方法等等[6].這些方法要么對(duì)噪聲、光線變化較敏感, 實(shí)時(shí)性差，要么計(jì)算量大、成本高, 對(duì)車輛自身運(yùn)動(dòng)較為敏感.盡管光強(qiáng)及周邊環(huán)境會(huì)對(duì)車輛特征產(chǎn)生較大干擾, 但車輛下方的陰影區(qū)域在整個(gè)圖像中較暗,是一種較為魯棒的特征.

本系統(tǒng)通過對(duì)車底陰影區(qū)域的檢測(cè)來確定目標(biāo)車輛.對(duì)于車底陰影的分割，首先要選擇合適的陰影閥值.這個(gè)閥值不是一個(gè)固定值，需要根據(jù)光照及路面條件來確定.對(duì)上述獲得道路區(qū)域的像素灰度值進(jìn)行隨機(jī)采樣，利用樣本灰度直方圖計(jì)算出陰影閥值.依據(jù)計(jì)算出的陰影閥值對(duì)車底陰影進(jìn)行分割.

由于路面的灰度值符合高斯分布[7]，因此在正常光照條件下，陰影閥值可以由道路灰度值的均值μ和方差σ2來確定.首先在道路區(qū)域隨機(jī)采樣n個(gè)像素點(diǎn)的灰度值，通過式(1)～(2)

(1)

(2)

計(jì)算樣本的均值和方差.一般情況下，車底陰影區(qū)域的灰度值會(huì)小于路面灰度值的均值，所以不能直接將路面灰度均值作為陰影閥值，以防止過多陰影分割，不利于車底陰影區(qū)域的提取.

經(jīng)過試驗(yàn)統(tǒng)計(jì)，車底陰影的灰度方差大于路面灰度方差，因此，陰影閥值可以設(shè)置在道路灰度減小到零的位置，由式(3)計(jì)算得出

X=μn-kσ

(3)

其中實(shí)驗(yàn)表明當(dāng)k取值為3時(shí)，分割車底陰影區(qū)域?yàn)樽罴?

當(dāng)路面較暗或者光照條件較差時(shí)，需要估計(jì)一個(gè)較大的陰影閥值.由于迭代法能夠減小噪聲的干擾[8]，因此這里采用迭代法確定陰影閥值.即首先確定一個(gè)初始閥值，然后按照如下步驟不斷改進(jìn)這個(gè)閥值，直到改進(jìn)后的閥值滿足設(shè)定的標(biāo)準(zhǔn)為止.

(1)在目標(biāo)車道區(qū)域內(nèi)找到灰度最小值gmin和最大值gmax.

(2)設(shè)迭代初始閥值為g=(gmin+gmax)/2.

(3)依據(jù)閥值g將目標(biāo)車道區(qū)域按灰度劃分為R1和R2.

(4)分別計(jì)算兩組區(qū)域的灰度平均值μ1和μ2.

(5)計(jì)算μ1和μ2的均值，將該均值確定為閥值g的值.

(6)不斷重復(fù)步驟(3)～(5)，一直到μ1與μ2的差滿足給定的值為止.

圖4是利用上訴步驟對(duì)圖像進(jìn)行處理后得到的陰影區(qū)域.

圖4 陰影區(qū)域

為了檢測(cè)后方目標(biāo)車輛，在確定的目標(biāo)車道內(nèi)及在擬合計(jì)算出車道線相交的小區(qū)域以下，搜索滿足陰影閥值的陰影區(qū)域，從而確定目標(biāo)車道內(nèi)有車輛存在；如果無法找到滿足條件的陰影區(qū)域，則認(rèn)為目標(biāo)車道內(nèi)無車.確定目標(biāo)車輛底陰影區(qū)域后，再搜索陰影區(qū)域中寬度最大的行，作為定位目標(biāo)車輛可能區(qū)域(感興趣區(qū)域ROI)的底邊，以底邊行的左右端點(diǎn)所在的列作為ROI的左右兩邊.

根據(jù)車輛的高度和寬度的比例，可以確定ROI上邊緣的搜索范圍[Emin,Emax]，一般來說，小型車高寬比例為0.7，大型車為1.4[9].由如(4)和(5)搜索范圍

Emin=Y-0.7W

(4)

Emax=Y-1.4W

(5)

其中：Y為ROI下底邊所在的行；W為ROI的寬度.

可以利用車輛邊緣輪廓特征，對(duì)圖像采用Sobel邊緣提取算子提取水平邊緣，在ROI內(nèi)做水平投影，然后在[Emin,Emax]范圍內(nèi)，自上而下進(jìn)行搜索，找出滿足寬度閥值的行，將此行作為ROI的上邊緣，若不存在滿足條件的邊緣則認(rèn)為后方目標(biāo)車道無車.

為了跟蹤后方目標(biāo)車輛位置，只檢測(cè)車底陰影得到ROI左右邊緣并不準(zhǔn)確.為此，在ROI內(nèi)對(duì)圖像采用Sobel算子提取豎直邊緣，并做垂直投影.然后分別從左邊緣和右邊緣向ROI中心掃描，找到滿足閥值的最大值對(duì)應(yīng)的列，以此列作為ROI一個(gè)新的邊緣，再以中心為對(duì)稱軸找到與此列對(duì)稱的列作為另一邊緣[10].通過以上步驟，在光照良好的情況下，能夠準(zhǔn)確的檢測(cè)出目標(biāo)車輛存在的區(qū)域，并將此區(qū)域作為跟蹤過程的初始化搜索框，如圖5所示.

圖5 目標(biāo)車輛存在區(qū)域

2.2 基于改進(jìn)Camshift算法的車輛跟蹤

車輛與道路以及周邊環(huán)境對(duì)比，由于車輛的顏色特征對(duì)光照變化等干擾因素具有相對(duì)的穩(wěn)定性[11]，因此本文使用顏色特征作為跟蹤模版.

Camshift算法是在meanshift基礎(chǔ)上改進(jìn)而來，是一種以顏色直方圖為目標(biāo)模版的跟蹤算法.相比meanshift算法，Camshift算法能夠?qū)崟r(shí)調(diào)節(jié)搜索窗口的大小，在目標(biāo)尺度發(fā)生變化時(shí)不至于丟失，而且實(shí)時(shí)性更好[12].為此，將上述車輛識(shí)別算法得到的ROI作為Camshift算法的初始化搜索框，解決了Camshift算法起始運(yùn)行時(shí)需要人工選取目標(biāo)區(qū)域的問題，實(shí)現(xiàn)自動(dòng)跟蹤目的.

為減少光照對(duì)目標(biāo)跟蹤的影響，這里Camshift算法的實(shí)現(xiàn)是將RGB色彩空間圖像轉(zhuǎn)化到HSI色彩空間圖像后，利用色調(diào)H(Hue)進(jìn)行反向投影，然后通過迭代來得到質(zhì)心[13].在HSI色彩空間中，亮度I與圖像的彩色信息相互獨(dú)立，由色調(diào)H可以很好的區(qū)分各種顏色.H、 S、 I的計(jì)算式如下：

(6)

由公式(6)可知，在RGB色彩空間轉(zhuǎn)換到HSI色彩空間的計(jì)算過程中，色調(diào)H的計(jì)算需要進(jìn)行反余弦計(jì)算，這將耗費(fèi)大量圖像處理時(shí)間，影響對(duì)目標(biāo)跟蹤的實(shí)時(shí)性.因此本文采用Bajon近似算法，由式(7)代替式(6)中色調(diào)H的計(jì)算，

(7)

H=2π×H′

Camshift算法中，設(shè)xi(i=1,2,…,n)為目標(biāo)圖像像素的坐標(biāo)，同時(shí)設(shè)b(xi)為xi位置處的像素值，目標(biāo)直方圖可以表示為

(8)

在實(shí)際道路交通環(huán)境中，由于目標(biāo)車輛周圍很可能有噪聲干擾，因此可以采用加權(quán)直方圖的方法，對(duì)目標(biāo)車輛檢測(cè)區(qū)域內(nèi)不同位置的像素值賦予不同的權(quán)重.距離對(duì)目標(biāo)車輛檢測(cè)區(qū)域中心越近，相應(yīng)的權(quán)重則越大.計(jì)算式為

(9)

在某些情況下用于跟蹤的矩形搜索框中會(huì)包含部分背景，通過上述方法計(jì)算得到的直方圖并不能很好的對(duì)目標(biāo)進(jìn)行定位.為解決以上可能出現(xiàn)的問題，本文對(duì)候選區(qū)域直方圖pu采用公式(9)計(jì)算，對(duì)目標(biāo)模版區(qū)域直方圖qu采用式(10)背景加權(quán)直方圖計(jì)算：

(10)

根據(jù)背景中樣本點(diǎn)離目標(biāo)中心距離來決定樣本點(diǎn)的權(quán)重，距離目標(biāo)中心越近，權(quán)重越大，否則越小.同時(shí)對(duì)目標(biāo)相鄰背景區(qū)域的像素值賦予較小的權(quán)重，以此降低背景對(duì)目標(biāo)像素的影響.另外，本文采用如下式

(11)

Bhattacharyya系數(shù)來表示目標(biāo)候選區(qū)域與目標(biāo)模板區(qū)域的相似度[14].其中，m是顏色量化等級(jí)，ρ(p,q)的取值范圍為[0,1]，ρ(p,q)越大則p和q越相近，其對(duì)應(yīng)的中心坐標(biāo)則可能為目標(biāo)中心的當(dāng)前位置.于是，通過以上算法可以得到側(cè)后方目標(biāo)車輛的位置信息，并用于系統(tǒng)對(duì)目標(biāo)車輛的跟蹤.

2.3 最小換道距離的計(jì)算

轉(zhuǎn)向換道過程中，側(cè)后方車道上的其它目標(biāo)車輛是影響本車換道安全的重要因素之一，因此，實(shí)時(shí)、準(zhǔn)確地測(cè)量出本車與側(cè)后方車道上目標(biāo)車輛之間的最小安全距離的尤為重要[15].設(shè)本車為M，側(cè)后方車道上的目標(biāo)車輛為N，本車換道時(shí)間為t，為避免兩車之間可能發(fā)生的碰撞，設(shè)定必須滿足以下條件：

S0>SN-SM+L+λD

(12)

其中：S0為M與N初始車頭縱向間距；SN為N在t時(shí)段內(nèi)行駛的縱向距離；SM為M在t時(shí)段內(nèi)行駛的縱向距離；L為M車長(zhǎng)；D為換道之后兩車的最小安全間距；λ(λ∈[1,1.50])是最小安全間距系數(shù).

由于最小安全間距D與車輛行駛速度相關(guān)，依據(jù)文獻(xiàn)[16]給出的安全間距以及駕駛員對(duì)后向距離的感知特點(diǎn)，為確保換道安全，根據(jù)不同速度對(duì)最小安全間距D乘以系數(shù)λ，其取值如表1.

表1 市區(qū)不同速度下的換道安全間距

在測(cè)距過程中，設(shè)測(cè)距測(cè)角模塊連續(xù)兩次測(cè)量M與N之間的距離分別為L(zhǎng)1和L2，測(cè)得的角度分別為θ1和θ2，則縱向距離分別為：S1=L1cosθ1和S2=L2cosθ2；兩次測(cè)量的時(shí)間間隔為Δt，則M與N的速度差為vN-vM= (S1-S2) /Δt.

當(dāng)vN-vM≤0時(shí)，M可以進(jìn)行勻速換道，此時(shí)λ取值等于1，由式(12)可知

S0>SN-SM+(L+λD)=

(vN-vM)t+(L+λD)

(13)

為保證安全換道，M和N最小縱向安全距離為L(zhǎng)+D，D取值參照表1.

當(dāng)vN-vM>0時(shí)，為換道安全，λ取值大于等于1，參考表1進(jìn)行加速換道.并且，M車在完成加速換道后，其速度應(yīng)該與目標(biāo)車道上的N車速度相等[14].此時(shí)M加速時(shí)間為t=(vN-vM)/a，a為M換道時(shí)的加速度.由式(12)可知

(14)

為了保證車輛換道時(shí)的平穩(wěn)性及舒適性，換道時(shí)加速度取值范圍通常為0～2m/s2，則當(dāng)加速度a=2時(shí)[17]，得到M與N最小縱向安全距離為

(15)

所以，當(dāng)S0≥Smin時(shí)，M可以進(jìn)行加速換道；當(dāng)S0

(16)

3 系統(tǒng)驗(yàn)證及分析

本文將攝像頭及激光測(cè)距儀安裝在汽車的后視鏡上，在實(shí)際道路場(chǎng)景下進(jìn)行實(shí)驗(yàn)，得到的跟蹤結(jié)果如圖6所示，圖6(a)為正常光照條件下的跟蹤效果，圖6(b)為弱光照條件下的顯示效果，相對(duì)應(yīng)的抬頭顯示效果如圖7所示.

(a) 正常光照條件

(b) 弱光照條件圖6 目標(biāo)車輛跟蹤結(jié)果

采用人工計(jì)數(shù)的方式分別統(tǒng)計(jì)正常光照條件和弱光照條件下的側(cè)后方車道上的總目標(biāo)車輛數(shù)、系統(tǒng)正確識(shí)別的車輛數(shù)、錯(cuò)誤識(shí)別的車輛數(shù)、遺漏車輛數(shù)及正確測(cè)距的次數(shù)，統(tǒng)計(jì)結(jié)果見表2.

表2 實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)結(jié)果

(a) 正常光照條件

(b) 弱光照條件圖7 平視系統(tǒng)顯示效果

由數(shù)據(jù)可知，本系統(tǒng)在正常光照條件下的識(shí)別正確率為96.2%，測(cè)距正確率為98.6%；弱光照條件下的識(shí)別正確率為94.6%，測(cè)距正確率為98.3%；系統(tǒng)在車輛識(shí)別的圖像處理過程中，正常光照條件下的耗時(shí)約為210ms，弱光照條件下的耗時(shí)約為350ms，車輛跟蹤處理過程中對(duì)每幀圖像的平均處理時(shí)間約為30ms，可以達(dá)到實(shí)時(shí)性要求，并且具有一定的魯棒性和可靠性.

4 結(jié)束語

本系統(tǒng)利用車輛的位置特征、底部陰影特征和邊緣特征相結(jié)合的方式對(duì)目標(biāo)車輛進(jìn)行識(shí)別，并采用改進(jìn)的背景加權(quán)直方圖Camshift跟蹤算法對(duì)車輛進(jìn)行跟蹤.同時(shí)，使用激光測(cè)距傳感器進(jìn)行測(cè)距，不僅能夠?qū)δ繕?biāo)車輛進(jìn)行實(shí)時(shí)跟蹤，而且能夠高效快速地實(shí)現(xiàn)對(duì)圖像和距離信息進(jìn)行采集與處理，并實(shí)時(shí)輸出結(jié)果，信息直觀清晰，具有良好的人機(jī)交互功能.

本系統(tǒng)是一個(gè)初步的框架，還存在不足之處，對(duì)于車道線不明顯的道路環(huán)境識(shí)別效果不理想，并且只適用于日間.另外，平視系統(tǒng)的表達(dá)還過于粗糙，有待于今后改進(jìn).

[1] 陳浩，曹增辰，戴磊.抬頭顯示系統(tǒng)：從飛機(jī)來到汽車[N].科技日?qǐng)?bào)，2013-6-28(6).

[2] 曹增辰，戴磊.HUD技術(shù)的汽車應(yīng)用以及國內(nèi)外發(fā)展情況[J].中國材料科技，2010,(S2):16-18.

[3] 楊雙賓.高速公路車輛行駛安全輔助換道預(yù)警系統(tǒng)研究[D].長(zhǎng)春：吉林大學(xué)，2008.

[4] 陳雷，岳迎春，鄭義,等.車載激光雷達(dá)測(cè)距測(cè)速原理[J/OL].中國科技論文在線,(2008-01-25)[2013-11-25].http://www.paper.edu.cn/releasepaper/content/2008/01/736.

[5] 胡 銦, 楊靜宇.基于單目視覺的路面車輛檢測(cè)及跟蹤方法綜述[J].公路交通科技，2007,24(12):127-131.

[6] 董春利，董育寧.基于視頻的車輛檢測(cè)與跟蹤算法綜述[J].南京郵電大學(xué)學(xué)報(bào):自然科學(xué)版，2009,29(2):88-94.

[7] 金立生，賈敏，孫玉芹，等.日間高速公路側(cè)后方車輛識(shí)別方法[J]. 西南交通大學(xué)學(xué)報(bào)，2010,45(2):231-237.

[8] 林俊，徐杜，蔣永平，等.基于梯度的動(dòng)態(tài)分塊迭代閾值圖像二值化方法[J].光學(xué)與光電技術(shù)，2006,4(5):98-100.

[9] 文學(xué)志，趙宏，王楠，等.基于知識(shí)和外觀方法相結(jié)合的后方車輛檢測(cè)[J].東北大學(xué)學(xué)報(bào):自然科學(xué)版，2007,28(3):333-336.

[10] Liu W，Wen X Z，Duan Bb.Rear vehicle detection and tracking for change assist[C].//Proceedings of the IEEE Intelligent Vehicle Symposium，Istanbul,Turkey,2007:252-257.

[11] 丁磊，宮寧生，俞克強(qiáng).改進(jìn)的Mean Shift跟蹤算法在車輛跟蹤上的應(yīng)用[J].電視技術(shù)，2013,37( 5):183-199.

[12] 高輝，杜慶玲.視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J].計(jì)算機(jī)與數(shù)學(xué)工程，2008,36(9):34-36.

[13] 程金漢，杜愛民.基于DM642的嵌入式實(shí)時(shí)車輛跟蹤系統(tǒng)[J].機(jī)電工程，2007,24(12):25-28

[14] 喻該，賈茜，李圓雙，等.基于DM642的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤系統(tǒng)[J].現(xiàn)代科學(xué)儀器，2011(2):30-32.

[15] 王偉杰，王春磊，王玖，等.高速公路最小行車安全距離及預(yù)警系統(tǒng)設(shè)計(jì)[J].大連交通大學(xué)學(xué)報(bào)，2010,31(5):6-10.

[16] 彭偉，淺析汽車行駛中的安全距離[J]. 四川工程職業(yè)技術(shù)學(xué)院學(xué)報(bào), 2012, 26(4): 42-45.

[17] 許倫輝，倪艷明，羅強(qiáng)，等.基于最小安全距離的車輛換道模型研究[J].廣西師范大學(xué)學(xué)報(bào)，2011,29(4):1-6.