基于小波分解的彎道識(shí)別技術(shù)

杜毓皓，張亞岐，李 健

(長(zhǎng)安大學(xué)汽車學(xué)院，陜西西安 710064)

基于小波分解的彎道識(shí)別技術(shù)

杜毓皓，張亞岐，李 健

(長(zhǎng)安大學(xué)汽車學(xué)院，陜西西安 710064)

為了保障車輛安全有效的通過(guò)彎道，準(zhǔn)確識(shí)別彎道曲率尤為重要。因此，文中提出一種基于小波分解的彎道識(shí)別技術(shù)，該算法通過(guò)車載CCD實(shí)時(shí)采集自車前方的車道線的圖像信息，對(duì)采集的圖像進(jìn)行小波去噪以及小波邊緣檢測(cè)，最終準(zhǔn)確辨識(shí)車道線，通過(guò)曲線擬合確定道路的曲率半徑。經(jīng)試驗(yàn)驗(yàn)證，該算法能準(zhǔn)確辨識(shí)出彎道的曲率半徑。

彎道識(shí)別;小波分解;曲線擬合

車輛在彎道行駛時(shí)少有產(chǎn)生變道行為，因此在彎道上行駛時(shí)，近似認(rèn)為車輛始終處于車道保持狀態(tài)。且新手駕駛員路感差，通過(guò)彎道時(shí)不能準(zhǔn)確控制車速，易造成交通事故，且在交通流量較大的路段，快速高效地通過(guò)彎道路段對(duì)改善交通流量有幫助。因此，尋求簡(jiǎn)單易行的彎道超速預(yù)警算法成為研究人員關(guān)注的焦點(diǎn)。文中在此基礎(chǔ)上提出了基于小波分析的彎道識(shí)別技術(shù)，一方面，通過(guò)車載CCD實(shí)時(shí)采集車輛前方道路信息，利用小波分解對(duì)采集回來(lái)的圖像進(jìn)行去噪、邊緣檢測(cè)處理，經(jīng)過(guò)坐標(biāo)變換轉(zhuǎn)換成實(shí)際道路曲線弧長(zhǎng)，確定道路的曲率半徑;另一方面，通過(guò)車載加速度傳感器實(shí)時(shí)采集車輛橫向和縱向加速度，經(jīng)過(guò)推導(dǎo)得到車輛超速比，單片機(jī)通過(guò)超速比的大小來(lái)提醒駕駛員當(dāng)前車速是否超速，若超速，則單片機(jī)控制蜂鳴器會(huì)提醒駕駛員當(dāng)前車速過(guò)高，以當(dāng)前車速通過(guò)該路段有危險(xiǎn)，因此，該算法結(jié)合車載傳感器采集回來(lái)數(shù)據(jù)對(duì)車輛超速進(jìn)行預(yù)警。目前，圖像去噪方法甚多，較為成熟的有:均值濾波、中值濾波、高斯濾波［1］以及雙向?yàn)V波等。這些方法簡(jiǎn)單，對(duì)去除與信號(hào)不相關(guān)的噪聲效果也較為理想，但是，這些方法易造成邊緣和紋理的模糊。文中利用小波分析去噪，再進(jìn)行邊緣提取，最終準(zhǔn)確確定道路曲率半徑。該方法精度高、穩(wěn)定性好，對(duì)改善交通堵塞具有一定的輔助作用，且檢測(cè)結(jié)果與實(shí)際結(jié)果吻合度高。

1 小波分析

1.1 小波分析

小波被譽(yù)為“數(shù)學(xué)顯微鏡”，在時(shí)頻兩域具有較好的局部特性。將信號(hào)f(t)進(jìn)行小波級(jí)數(shù)分解

式中，Ψj，k(t)為小波函數(shù);dj，k為小波系數(shù)，且為小波函數(shù)的共軛函數(shù)，小波是級(jí)數(shù)的兩重求和，同時(shí)兼有頻率指標(biāo)j和時(shí)間指標(biāo) k，小波函數(shù)

式中，j為伸縮參數(shù);k為平移參數(shù)。小波變換的窗口是可調(diào)的時(shí)頻窗，尺度因子j不僅改變小波的頻譜結(jié)構(gòu)，而且改變時(shí)頻窗口的大小。若j大，此時(shí)對(duì)應(yīng)低頻端，頻率分辨率高，時(shí)間分辨率低;若j小，對(duì)應(yīng)高頻端，頻率分辨率低，時(shí)間分辨率高。

1.2 像素距離向?qū)嶋H距離的轉(zhuǎn)化

圖1是攝像機(jī)傾角成像原理圖。

圖1 攝像機(jī)傾角成像原理圖

圖1中，F(xiàn)為鏡頭的光心位置;虛線為主光軸;M，N分別為鏡頭視角的上下端點(diǎn);A，B為成像物體的上下端點(diǎn);C，D分別為A，B兩點(diǎn)在圖像中的成像位置;L為焦點(diǎn)到垂直平面距離。當(dāng)A點(diǎn)在鏡頭主光軸的上部，B點(diǎn)在下部，則

式中，2n為視角內(nèi)總的像素;PA，PB分別為 A，B兩點(diǎn)像素值。AB就為物體的實(shí)際長(zhǎng)度。其他兩種情況跟上述情況相似，只是A，B點(diǎn)在主光軸的位置不同。

2 試驗(yàn)驗(yàn)證

2.1 彎道識(shí)別

試驗(yàn)采用攝像頭拍攝的照片，并利用Matlab語(yǔ)言［2］對(duì)其進(jìn)行圖片處理。小波函數(shù)選用的是dB2，進(jìn)行2層分解。為最大限度的保障安全，選用圖2(a)中右邊線作為彎道弧線，試驗(yàn)中對(duì)各個(gè)車道線曲率半徑均進(jìn)行擬合，挑選曲率半徑最小的彎道作為當(dāng)前彎道曲率半徑。

由圖3可以看出，小波去噪后能夠較好地保持圖像的邊緣特征，小波多尺度分解能夠細(xì)化圖像邊緣，為精確提取圖像邊緣特征提供有效的數(shù)據(jù)支撐。進(jìn)行3次曲線擬合如圖4所示。

圖4 曲線擬合

擬合關(guān)系式f(x)=p1*x3+p2*x2+p3*x+p4;p1=1.594e－005;p2=－0.013 6;p3=4.46;p4=－340.4;將該段曲線近似看作一段弧長(zhǎng)，經(jīng)過(guò)坐標(biāo)變換得出彎道的曲率半徑為725.33 m。實(shí)際彎道的曲率半徑為719.9 m，誤差為1%。

2.2 預(yù)警方案

彎道超報(bào)警輔助裝置包括車輛橫向加速度傳感器，縱向加速度傳感器，速度傳感器，8051單片機(jī)以及報(bào)警裝置。當(dāng)自車行駛到彎道時(shí)，車速傳感器、車輛橫向加速度傳感器以及縱向加速度傳感器采集車輛的運(yùn)動(dòng)參數(shù)，將車輛的運(yùn)行參數(shù)經(jīng)過(guò)A/D轉(zhuǎn)換器輸入單片機(jī)，在單片機(jī)內(nèi)進(jìn)行簡(jiǎn)單運(yùn)算后，根據(jù)判定條件，單片機(jī)直接控制蜂鳴器是否作用。在單片機(jī)內(nèi)需要計(jì)算車輛通過(guò)彎道的最大速度vmax，由于車輛在轉(zhuǎn)彎時(shí)很少變道，因此，忽略彎道處車輛的變道情況。且不考慮車輛質(zhì)心側(cè)偏角的影響，計(jì)算車輛通過(guò)彎道的最大速度vmax公式如下

其中，R為轉(zhuǎn)彎的曲率半徑;v為車輛的速度，ax通過(guò)傳感器采集;為車輛的縱向加速度，通過(guò)加速度傳感器采集;aymax為最大橫向加速度，通過(guò)加速度傳感器采集;vmax為車輛通過(guò)彎道的最高車速;v為車輛當(dāng)前的速度，通過(guò)速度傳感器采集。u為路面的附著系數(shù)，一般取0.7。也可通過(guò)儀器采集獲得。

聯(lián)立以上3式可以求得超速比λ

在單片機(jī)內(nèi)判斷超速比是否＞1，如果超速比λ＞1時(shí)，表明此時(shí)車輛的速度過(guò)高，此時(shí)單片機(jī)控制報(bào)警裝置發(fā)出警報(bào)，提醒駕駛員以當(dāng)前的速度v通過(guò)該彎道時(shí)會(huì)有危險(xiǎn)。如果當(dāng)前超速比λ＞1時(shí)，報(bào)警裝置不起作用，說(shuō)明此刻的車速低，以當(dāng)前的速度v直接通過(guò)該彎道不會(huì)有危險(xiǎn)。因此，這種彎道超速報(bào)警裝置可以有效地提高彎道處車輛的通行能力，降低彎道處由于車速高而引起的交通事故。且在夜間行駛時(shí)，這種彎道超速報(bào)警裝置可以明顯改善事故多發(fā)路段的交通狀況。

圖5 預(yù)警方案圖

圖6 汽車穩(wěn)態(tài)轉(zhuǎn)向運(yùn)動(dòng)簡(jiǎn)圖

其中，忽略車輛的質(zhì)心側(cè)偏角，即認(rèn)為圖中的ax與v在同一方向上。v為車輛的質(zhì)心速度;ax，ay分別為車輛橫向加速度和縱向加速度;w為車輛的橫擺角速度;P為彎道的曲率中心;R為彎道的曲率半徑。

3 結(jié)束語(yǔ)

通過(guò)對(duì)采集的車道線圖像信息進(jìn)行小波去噪，充分保留圖像邊緣特征，為后續(xù)彎道識(shí)別提供了可靠數(shù)據(jù)支撐，而后進(jìn)行小波邊緣檢測(cè)［3－5］，提取圖像輪廓，通過(guò)圖像灰度值梯度變化率確定各個(gè)車道線，運(yùn)用3次曲線擬合，確定車道線的弧長(zhǎng)，經(jīng)坐標(biāo)變換最終確定彎道的曲率半徑。該方法充分利用小波良好的局部性質(zhì)，且通過(guò)車載傳感器實(shí)時(shí)采集車輛運(yùn)動(dòng)參數(shù)，根據(jù)判定條件決定報(bào)警單元是否報(bào)警，這樣可以有效提高車輛通過(guò)彎道的速度，為保障行車安全提供技術(shù)支持。

［1］呂玉琴，曾光宇.基于圖像邊緣檢測(cè)算法的研究［J］.太原科技，2009(2):31－33.

［2］張善文，雷英杰，馮有前.Matlab在時(shí)間序列分析中應(yīng)用［M］.西安:西安電子科技大學(xué)出版社，2007.

［3］甘亞輝，戴先中，李新德，等.小波邊緣檢測(cè)在焊縫圖像處理中的應(yīng)用［J］.華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2008，36(增刊 I):65 －67，86.

［4］賈超，王耀坤，邢晶晶.利用小波多尺度積實(shí)現(xiàn)裂紋缺陷的邊緣檢測(cè)［J］.計(jì)算機(jī)工程與應(yīng)用，2011(15):219－221.

［5］姜涌，曹杰，杜亞玲，等.基于形態(tài)學(xué)梯度矢量的圖像邊緣提取算法［J］.南京航空航天大學(xué)學(xué)報(bào)，2005，37(6):771－775.

Technology of Winding Roads Based on Wavelet Decomposition

DU Yuhao，ZHANG Yaqi，LI Jian
(School of Automobile，Chang'an University，Xi'an 710064，China)

In order to ensure that vehicles go through winding roads safely and effectively，accurate identification of the bend curvature is particularly important.Therefore，this article proposes a technology of identifying winding roads based on wavelet decomposition.This algorithm collects the real-time road images with vehicle-mounted CCD.The wavelet of the collected images is then de-noised and its edge detected.Finally the lane's line is accurately identified.The curvature radius is determined through curve fitting.Experiments show that this algorithm can accurately identify the curvature radius of the winding roads.

corners to identify;wavelet decomposition;curve fitting

TP206

A

1007－7820(2012)08－093－03

2012-01-03

國(guó)家道路交通安全科技行動(dòng)計(jì)劃基金資助項(xiàng)目(2009BAG13A05)

張亞岐(1986—)，男，碩士研究生。研究方向:車輛主動(dòng)安全及ACC自動(dòng)巡航控制。杜毓皓(1987—)，男，碩士研究生。研究方向:車輛主動(dòng)安全及ACC自動(dòng)巡航控制。