曹福來　郭瑞瑞　齊明峻

摘 要：針對由于車輛偏離車道而引起的交通事故，本文提出來一種基于hough變換的車道偏離預(yù)警模型。在車道線擬合方面，由于Hough變換相比最小二乘法具有抗干擾性強(qiáng)易于實現(xiàn)等特點(diǎn)，本文選擇了通過Hough變換來擬合車道線。在建立在預(yù)警模型時論文提出了擬合車道線的斜率比較法，通過設(shè)定合適的車道線斜率閾值來判斷當(dāng)前是否偏離車道。最終通過試驗將圖像中擬合車道線的斜率和設(shè)定的閾值進(jìn)行了對比，分析驗證了所提出方法的可行性和有效性。

關(guān)鍵詞：車道偏離預(yù)警;Hough變換;車道線擬合

1 引言

智能交通系統(tǒng)（ITS）是解決現(xiàn)在交通問題的重要途徑，智能車輛作為智能交通系統(tǒng)的重要組成部分越來越受到人們的重視。根據(jù)一項調(diào)查發(fā)現(xiàn)50%的道路交通事故是由于車輛偏離車道而引起的，因此建立車道偏離預(yù)警系統(tǒng)可以在車輛行駛的過程中判斷車輛行駛路線是否偏離，通過警報來提醒駕駛員安全行駛，最大程度的避免事故的發(fā)生，減少減少道路交通事故給我們帶來的生命和財產(chǎn)的損失。國外對車道偏離預(yù)警系統(tǒng)的研究起步較早，比較有代表性的主要有AURORA系統(tǒng)、AutoVue系統(tǒng)、Mobileye_AWS系統(tǒng)以及DSS系統(tǒng)[1]。國內(nèi)在此方面比較有代表性的是JLUVA-1系統(tǒng)及基于DSP的嵌入式預(yù)警系統(tǒng)[2]。

本文提出了一種基于Hough變換的車道偏離預(yù)警模型，該方法將平面直線檢測問題轉(zhuǎn)化為極坐標(biāo)下尋求空間最大值的問題[3]，這樣可解決復(fù)雜光照及障礙物等的環(huán)境影響，提高預(yù)警系統(tǒng)的適應(yīng)性與實用性，同時也提高了其處理速度。

2.2 基于Hough變換的車道線擬合

Hough變換實質(zhì)是一個空間映射到另一個空間，其整體描述可以通過局部變量來實現(xiàn)，這樣可以提高圖像的抗干擾性降低對噪音的敏感度，并且易于實現(xiàn)和處理。特別是在檢測不連通的直線圖像時，其缺失的像素點(diǎn)可以通過該方法還原，該特點(diǎn)可以在在檢測連續(xù)的車道線時很好地利用。

在直角坐標(biāo)系中，過點(diǎn)點(diǎn)的直線方程可以用或者表示，其中為斜率，為截距。在極坐標(biāo)系中，是點(diǎn)的極坐標(biāo)表示式，其中為原點(diǎn)O到點(diǎn)A的長度，為與極軸OA夾角，通過數(shù)學(xué)轉(zhuǎn)換我們可以得到，，。

綜上可知，任意一個值代入式中（1.8）就可得到唯一對應(yīng)的直線方程，在直角坐標(biāo)中由、可以確定一條唯一的直線，且該直線上的所有點(diǎn)在極坐標(biāo)中其正弦曲線相交于同一點(diǎn)[3]，這些點(diǎn)可以凝聚在一起形成峰點(diǎn)，運(yùn)用圖像空間與參數(shù)空間點(diǎn)對線的映射關(guān)系就可以找出需要識別的直線。Hough變換參數(shù)空間檢測直線主要分為三個步驟，第一確定和的極值范圍，建立參數(shù)空間的二維數(shù)組并構(gòu)造計數(shù)器;第二通過Hough變換將像素的坐標(biāo)轉(zhuǎn)變?yōu)橄鄳?yīng)的值;第三設(shè)定閾值t選擇大于閾值所對應(yīng)的數(shù)組其對應(yīng)的曲線被識別。

3 車道偏離預(yù)警模型

下圖1是車輛從車道線中間向右行駛到車輪壓到車道線的平面圖，隨著車輛偏離車道行駛，車道線的斜率也隨著改變。車道偏離的預(yù)警模型根據(jù)其預(yù)警原理的不同主要有四種，分別是CCP模型、FOD模型、TLC模型和KBIRS模型。本文在CCP模型的基礎(chǔ)下通過討論車道擬合直線的斜率與預(yù)先設(shè)置的閾值之間的關(guān)系來判斷是否預(yù)警。

車輛從車道線中間向右行駛到車輪壓到車道線的行駛過程中，隨著車輛偏離車道行駛，車道線的斜率也隨著改變。以車輛從車道中間偏向右車道線行駛過程為例，其臨界狀態(tài)包含車輛在車道中間行駛時與車輛右車輪正好壓著右車道線時這兩種[6]，這兩種狀態(tài)下對應(yīng)的車道擬合直線的斜率為我們設(shè)定的閾值的上下限，同理車輛偏向車道左側(cè)行駛的預(yù)警可以通過車道的對稱性獲得，一旦檢測到圖像中擬合的直線的斜率超過閾值時，系統(tǒng)人為車輛偏離車道線并發(fā)出預(yù)警。

本論文只考慮車輛向右偏離的工況，向左偏離的工況可以由車道的對稱性獲得。當(dāng)車輛在車道線中間行駛時，擬合的右車道線的內(nèi)邊界線斜率為，右側(cè)行駛的過程中，圖像中擬合到的右車道線的直線的斜率是慢慢的增大，當(dāng)車輛行駛到右車輪正好壓上右車道線的時候，圖像中擬合的右車道線的內(nèi)邊界線斜率為。圖像中擬合到的車道線的斜率的取值范圍是[，]，取與為設(shè)定的預(yù)警系統(tǒng)的閾值。

由Hough變換擬合出圖像中的車道線得出該車道線的斜率后，綜合車輛在道路上行駛時的位置和方向參數(shù)后，就可以建立如下預(yù)警模型：

1）若<<時，則車輛在偏右的車道線內(nèi)正常行駛;

2）若≥時，則說明車輛右車輪正在壓著或者已經(jīng)跨過右車道線行駛，車道預(yù)警系統(tǒng)會立即發(fā)出預(yù)警提示。

若≤時，則說明車輛左車輪正在壓著或者已經(jīng)跨過左車道線行駛，車道預(yù)警系統(tǒng)會立即發(fā)出預(yù)警提示。

4 試驗驗證

為驗證擬合直線斜率判別法是否正確，本論文在許昌市魏武大道南段道路進(jìn)行了相關(guān)的實驗驗證。

4.1 車輛在車道中間行駛工況

利用CCD來采集車道中間行駛工況，然后將圖像經(jīng)過預(yù)處理后再經(jīng)過hough變換來擬合出道路圖像的車道線并得到其斜率，擬合結(jié)果如圖2所示。該擬合直線的方程式為：

4.2 車輛右側(cè)車輪正好壓著車道線行駛

該工況下CCD采集車輛右側(cè)車輪正好壓著車道線行駛工況，圖像經(jīng)過預(yù)處理后再經(jīng)過hough變換來擬合出道路圖像的車道線并得到其斜率，擬合結(jié)果如圖3所示。

經(jīng)過Hough變換擬合后其直線的方程式為：

圖像中擬合的直線的斜率分別為：

由以上數(shù)據(jù)可知擬合的車道線的斜率在[1.2310，2.3915]之內(nèi)時，車輛可以認(rèn)為時正常行駛。為驗證其正確性，依次采集如下5種情況下的道路圖像：（a）車輛在車道線中心行駛;（b）車輛偏向右車道四分之一行駛;（c）車輛偏向右車道二分之一行駛;（d）車輛偏向右車道線四分之三行駛;（e）車輛右車輪正好壓著右車道線行駛。經(jīng)圖像預(yù)處理利用Hough變換擬合的車道線的斜率如表1所示。

由表1數(shù)據(jù)可知擬合的車道線的斜率在[1.2310，2.3915]之內(nèi)時，車輛正常行駛，當(dāng)擬合的斜率大于等于2.3915時或者小于等于1.2310，這時車輛的車輪已經(jīng)壓著車道線或者已經(jīng)超過車道線行駛，驗證了擬合直線斜率判別法的正確性。

許昌學(xué)院2019年校級科研項目《基于Hough變換的車道偏離預(yù)警模型的研究》

參考文獻(xiàn)：

[1]秦欽龍.基于FPGA的車道線檢測系統(tǒng)設(shè)計[D].哈爾濱工程大學(xué)，2016.

[2]杜滕州.基于單目視覺的夜間車輛識別與測距方法研究[D].山東理工大學(xué)，2013.

[3]董因平.高速汽車車道偏離預(yù)警系統(tǒng)的算法研究[D].吉林大學(xué)，2004.

[4]趙萬香.基于馬爾科夫預(yù)測法的車道偏離預(yù)警系統(tǒng)研究[D].長安大學(xué)，2014.

[5]劉浪純.數(shù)字圖像處理技術(shù)在車道偏離預(yù)警系統(tǒng)中的應(yīng)用[D].長安大學(xué)，2015.

[6]王偉莉.車輛安全行駛輔助導(dǎo)航研究[D].西北工業(yè)大學(xué)，2007.