物流運輸車輛車道偏離安全預警系統研究①

摘 要:車道偏離是引發高速公路交通事故的重要起因之一，本文闡述了物流運輸車輛車道偏離安全預警系統研究的意義，介紹了項目涉及的相關技術在國內外研究現狀和發展趨勢，提出了車道偏離預警系統研究的主要內容和關鍵技術。

關鍵詞:物流運輸車道偏離機器視覺

中圖分類號:TP391文獻標識碼:A文章編號:1674-098X(2011)05(a)-0093-01

1 引言

經過一個多世紀的發展，汽車已成為當今社會不可缺少的交通工具，它帶來了高速經濟發展的同時，也改變了人們的時空觀念，提高了人們的生活水平，為現代人類社會的進步和改善人類社會的生活條件做出了重要的貢獻。但是，隨著汽車保有量的逐漸增大，不可避免地帶來了一系列交通問題，如交通擁擠、交通事故、環境污染、能源浪費等。特別是隨著高速公路的發展，汽車速度的提高，交通事故頻發，死亡人數逐年上升，造成不可估計的經濟損失。

公路交通事故已成為社會關注的一大公害，如何提高汽車安全性能、減少道路交通事故一直是人們普遍關注的社會問題和科學技術進步所面臨的重要課題。據統計，約有44％的交通事故與車輛行駛偏離正常車道有關，分析其主要原因，主要是駕駛員注意力不集中或者疲勞駕駛，造成車輛的無意識偏離。因此，如何預防由于車道偏離而造成的交通事故成為各國面臨的“交通物流運輸和長時長途客運”安全課題。

金華市是“物流運輸業”大市，以永康、義烏、蘭溪等重要物流樞紐站點為例，全市的載貨運輸任務極為繁忙，大型物流載貨運輸車輛的交通安全保障技術十分值得研究。在車道偏離預警研究和開發方面，我省、我市對該領域的理論研究和樣機開發非常少。本課題的研究背景和意義在于:研發車道偏離預警系統，通過警告那些打瞌睡和注意力不集中的駕駛員，使其修正無意識的車道偏離，從而減少這種車道偏離事故的發生。進而“降低大型物流載貨運輸車輛的交通事故率”，尤其是在高速公路上的惡性交通事故，對金華市的物流運輸業具有重要的現實意義。

2 項目涉及的相關技術在國內外研究現狀和發展趨勢

本項目所涉及的核心技術是基于機器視覺的環境感知技術和車道識別方法。

(1)基于機器視覺的環境感知技術

機器視覺系統是指通過機器視覺產品(即圖像攝取裝置，分CMOS和CCD兩種)將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分布和亮度、顏色等信息，轉變成數字化信號;圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。

機器視覺系統的特點是提高生產的柔性和自動化程度。正是由于機器視覺系統可以快速獲取大量信息，而且易于自動處理，也易于同設計信息以及加工控制信息集成，因此，在現代自動化生產過程中，人們將機器視覺系統廣泛地用于安全監視、成品檢驗和質量控制等領域。

目前，在“汽車安全輔助駕駛”和“車輛主動安全研究和應用”方面，機器視覺技術受到廣大學者和工程技術人員的重視，尤其是在路徑跟蹤、障礙物檢測、車道識別領域。在理論研究的基礎上，已經逐步在物流運輸、工業柔性生產、倒車智能報警系統等方面形成“工業產品”，微小型機器視覺產品的實用化、智能化、低成本化是其主要的發展趨勢所在。

(2)車道識別方法

車道識別技術，尤其是高速公路下的車道識別方法是車道偏離預警系統的又一核心技術之一，具體實現的方法有多種。

基于灰度特征的識別方法:基于灰度特征的識別方法是從車輛前方的序列灰度圖像中，利用道路邊界及車道標識線的灰度特征而完成的對道路邊界及車道標識線的識別。基于視覺與其他傳感器融合的識別方法:基于視覺與其他傳感器融合的道路邊界與車道標識識別方法目前是一個研究熱點，這種方法通過融合多傳感器感知到的道路信息，利用多種圖像特征對道路進行識別。

當前車道識別方法的發展趨勢和主要的研究難點在于:非結構化道路下識別方法、惡劣天下識別方法、光照變化影響和城市模糊車道識別等。本課題的研究對象主要是針對“大型物流載貨運輸車輛”在高速公路上的車道偏離預警系統開發，應用環境的道路路面狀況一般較好且連續，研究的重點和難點在于車道標示線的快速識別和穩定跟蹤。圖1為高速公路車道標示線識別示意圖。

3 研究開發的主要內容和關鍵技術

本課題的主要研究內容及具體實現的技術內容如下。

3.1 車道標識線模型的建立

根據道路圖像中車道標識線的紋理特征，通過實車實驗建立車道標志線的空間分布模型，將車道標識線已多段直線處理。基于動態矩的直線提取算法在一個局部動態坐標系中提取邊緣點的同時，可以計算邊緣點所在直線的參數，進而確定直線并變換到坐標系。

3.2 車道感興趣區域(ROI)模型:梯形感興趣區域

通過分析圖片中車道標識線區域，初步獲得車道的感興趣區域。利用圖像分割方法可以將圖像分成各具特性的區域并取出感興趣目標，從而進行特征提取和參數測量。

3.3 基于Kalman濾波的車道跟蹤算法

基于目標特征的跟蹤算法可以在目標和對比度較大的情況下使用，跟蹤精度很高。基于Kalman濾波器的方法可以實現交通信息采集設備中的車輛檢測與跟蹤.它采用一種自適應背景更新算法，通過分割、二值化、腐蝕膨脹得出前景圖像，以包含前景圖像的矩形框的中心作為Kalman濾波器的跟蹤特征，對運動車輛進行跟蹤估計得出車輛的運動軌跡和速度，進而得到車道線的準確位置。

參考文獻

[1]張榮輝.視覺引導區域交通智能車輛(CyberCar)導航控制器設計[D].長春:吉林大學，2006.

[2]邢艷云.強光照條件下車道標識線識別與跟蹤算法研究[D].長春:吉林大學，2006.