基于視覺的駕駛輔助系統研究

閆龍 劉玉敏 崔帥恒 李若暉 潘鱈懿

摘? 要：二十一世紀，隨著汽車技術的研究更加深入，汽車技術領域發展迅速，目前汽車技術已經到達智能化階段，機器視覺技術在汽車輔助駕駛技術中占有重要地位，研發內容也不是傳統的機電設備問題，目前已發展到先進的輔助傳動系統（ADAS）研究。文章主要以對車載攝像頭所拍攝圖像的處理技術和車道線的提取、檢測方法的研究。灰度化和平滑處理使原始圖像中的其他線條干擾程度降低，降低噪點使得車道線輪廓更加明顯。運用梯度計算邊緣檢測與非最大值抑制方法檢測邊緣，通過選擇高閥值過濾邊緣像素。得到車道線輪廓線后基于Hough的車道線檢測原理，使用二元性的點和線，將原始圖像給出的曲線轉化為一個點在參數空間的曲線表達形式，解決曲線檢測問題轉化為參數空間中的最大值，且將整體特征的檢測轉換為本地檢測的特點。

關鍵詞：圖像處理;邊緣檢測;車道線檢測

中圖分類號：P237? ? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）11-0049-03

Abstract： In the 21st century， with the more in-depth research of automobile technology， the field of automobile technology has developed rapidly. At present， automobile technology has reached the intelligent stage， machine vision technology plays an important role in automobile auxiliary driving technology， and the content of research and development is not the problem of traditional mechanical and electrical equipment， but has been developed to the research of advanced driver assistance system （ADAS）. This paper mainly focuses on the processing technology of the image captured by the vehicle camera and the extraction and detection method of the lane line. Graying and smoothing reduce the interference of other lines in the original image， and reduce the noise to make the outline of the lane more obvious. The edge detection method of gradient calculation and non-maximum suppression method is used to detect the edge， and the edge pixels are filtered by selecting a high threshold. After the lane contour is obtained， based on the principle of lane detection based on Hough， the curve given by the original image is transformed into a curve expression of a point in the parameter space by using binary points and lines， the curve detection problem is transformed into the maximum value in the parameter space， and the overall feature detection is transformed into the characteristics of local detection.

Keywords： image processing; edge detection; lane detection

引言

近年來由于汽車堵塞嚴重，交通事故頻發，污染等問題嚴重，因此，如何減少交通事故是當今世界面臨的主要社會問題之一。在實際生活中，馬路上的情況絕大多數是通過車輛駕駛員的眼睛獲取。比如：與前方車輛車距或是否有障礙物和行人在馬路上等。因此利用視覺傳感器檢測路面情況，可以幫助駕駛員觀測，增強駕車安全系數，同時也降低了駕駛員疲勞程度，盡量避免交通事故發生。本文開發了基于視覺的駕駛輔助系統，研究框架如圖1。

1 圖像預處理

車輛攝像機拍攝的圖像可能受到道路兩側建筑和樹木等無關信息的干擾，也可能受到光線強度變化不均的影響，這會影響到提取車道線的精度，因此，需要對原始圖像進行預處理。

1.1 圖像數字化

在P×Q的點陣上對圖像加以量化（歸為12n ），則P、Q和n的值決定了圖像的質量，值越大，質量越好。同時P、Q和n值的乘積決定了圖像的儲存量，因此，在有限的儲存量中為了獲得更好的質量選擇合適的值。

1.2 圖像灰度化（灰度轉換）

由于視覺傳感器所采集的彩色圖像中有些信息對車道線檢測沒有價值，白色的車道線與路面的灰度值相差又比較大，所以在灰度圖中能更加方便地提取出車道線，因此，在灰度圖像中提取車道線是最佳選擇。參考文獻[4]，圖像是由像素組成的，三通道彩色圖像將有紅綠色和藍色通道，每個像素有三個強度值的組合，而灰度圖像只有一個通道，每個像素只有一個強度值，范圍從0到255。通過使用灰度圖像處理單通道的點比處理三通道彩色圖像的點更快，并且計算強度更低。對R， G， B三個分量進行加權求和得到灰度圖如圖3所示，公式如下：

1.3 圖像平滑處理

最初的圖像往往受到了外部條件的影響，造成了圖像噪音。天氣惡劣，如經常出現的降雨和雪、設備本身的缺陷以及圖像傳輸過程中信息的丟失等都可能讓圖像出現亮度過大的區域或產生一些亮點。在進行車道線檢測之前，應對圖像進行平滑濾波處理，以減少圖像噪聲的影響。同時，盡可能避免由于不適當使用該方法而造成的信息模糊，例如圖像邊界和其他有用的線條。

參考文獻[7]平滑濾波主要有基于頻率域和空間域兩大處理方法，這兩種方法都是通過去除圖像中的噪聲來平滑圖像，但是處理方法不大相同。頻率域是對圖像中各個空間頻率成分的組成和分布的特征進行分解、處理和分析的一種方法;空間域是使圖像區域中的每個像素通過卷積運算得到新值的一種方法。其中空間域濾波方法算法簡單且實用性較強，而我們利用空間域濾波中的高斯濾波進行圖像平滑處理。從圖4可以看出平滑后的圖像感覺更加潤滑，去除了噪聲，并且車道線邊緣信息更加凸顯。

1.4 圖像增強

為了達到滿意的效果，對圖像中的線條進行有選擇的增強和抑制，突出有用的線條而削弱無用的。

2 邊緣檢測

2.1 梯度計算

梯度是指某一函數在該點處的方向導數沿著該方向所取得最大值。將某點的梯度強度在正、負梯度方向上的其他兩點的梯度強度進行比較，如果該點值最大，保留該像素點，否則抑制該像素點。

2.2 非極大值抑制（邊緣抑制）

在梯度矩陣上進行非極大值運算處理，可以直接比較中心點0，90，45，135這四個方向的梯度值，如果這個點值最大，就予以保留，否則為0。

2.3 雙閾值邊緣連接處理

在非最大值抑制之后，設置上限和下限閾值。如果某個點的梯度值高于上限閾值，則保留該點;如果低于下限閾值，則刪除該點;如果介于兩者之間，則保留此點等待進一步處理。參考文獻[2]中的算法。

3 車道線檢測

3.1 基于Hough變換的車道線檢測

經典Hough變換就是直角坐標系中一個點對應參數坐標系中一條直線，原始坐標系中一條直線的全部點的斜率和截距是相同的，所以，求出的參數坐標系的聚集點就是對應原始坐標系下的直線[1]。

由于參數坐標系轉換計算過于復雜，所以我們采用極坐標轉換方法，圖7所示為通過原始圖像空間中一個點（xo，yo）的四條直線轉換至極坐標系可以表示為四個點。對邊緣檢測圖像中的非零點進行Hough變換，找出滿足線段之間距離和長度參數的直線段即為車道線。

3.2 曲線車道線識別

車輛在行駛過程中會遇到彎道，所以需要檢測曲線車道線，對比文獻[5][6]，那么基于直線模型的Hough變換在解決彎道時擬合曲線狀態的車道線效果不佳，如果通過折線模型近似處理曲線，這樣將會對運算處理復雜難度急劇增加。所以我們將采用最小二乘法來進行擬合。

最小二乘法相比其他擬合方法計算量更小。我們在圖像處理階段已經把大量的噪聲點去除，所以即使最小二乘法抗干擾能力較低，對檢測的影響也不大。邊緣檢測過程中盡量多地提取出非零點并對其進行擬合。設車道線方程為：

令E的平方和達到最小值即可得到aj的最佳估計值

公式4

得到計算a0，a1，a2的線性方程組

由計算得出曲線系數a0，a1，a2進而得到擬合曲線。

4 結束語

本文研究了基于計算機視覺的原理來進行駕駛輔助的相關技術，包括圖像處理技術，特征提取技術實現了圖像顯示、像素灰度信息提取、圖像增強、車道線檢測等技術，取得了滿意的效果。直線車道線利用基于Hough變換的車道線檢測，曲線車道線檢測使用最小二乘法計算為我們提供駕駛方案。將圖片信息從空間域變換到頻率域中，在頻率域中進行平滑處理，再將平滑后的信息轉換到空間域中。利用顏色、紋理、幾何形狀等信息將背景與車道線分離開，準確的從背景圖像中找出車道線。針對車輛行駛時常遇到的各種氣候和光照條件，通過對感興區域的裁剪和圖像預處理，結合圖像特征的Hough變換檢測方法，將陰影和積水等噪聲干擾減少到最低，得到了最適合測試車輛安裝的攝像頭采集圖像的車道線檢測方法。

參考文獻：

[1]仇寧川.基于視覺的車輛通過性駕駛輔助研究[D].湖南大學，2017.

[2]阿文.Canny算子中的梯度求取及非最大值抑制（NMS）實現[Z].CSDN，2019.

[3]安文彤.基于最小二乘法的車道線檢測[J].中國科技信息，2018（22）：55-57.

[4]拜穎乾.圖像處理方法研究及其應用研究[J].科技創新導報，2017（19）：150，152.

[5]黃建宇.基于邊緣提取和霍夫變換的快速車道線檢測[C].決策論壇——決策理論與方法研究學術論文集（上），2016：219.

[6]傅嘉政，楊少敏，劉浩.基于小波變換和霍夫變換的高分辨率遙感影像道路提取[J].測繪地理信息，2015（4）：48-50.

[7]關雪梅.幾種圖像平滑處理方法比較研究[J].牡丹江師范學院學報（自然科學版），2016（4）：31-33.