道路识别算法研究.pdf

74 3．图形影像处理技术 3．9道路识别算法研究 刘佳1李哲荚2吴长奇3 北京联合大学信息学院” 燕山大学信息科学与工程学院3 摘要：本文针对有中心线和无中心线两种道路情况提出了不同的算法，算法根据不同的道路特点及工程路 线的实际情况，分别在实时性和准确性上提出了改进．针对有中心线的道路，改进了得到道路中心线的拟合算 法，提高了路径跟踪的准确性，并大大提高了系统的运行效率．针对无中心线的道路，系统在直线车道模型上， 分别利用初始识别算法和跟踪识别算法得到车辆起始和稳定行驶过程中的实时道路边界信息。初始识别算法融 合边缘和区域两种边界信息，利用两组边界在空间上的相近性进行判断，以获得准确的道路边界；跟踪算法在 识别算法的基础上，利用已知边界信息，通过设定边界的感兴趣区域缩小识别范围，节省计算时间。 关键词t计算机视觉道路识别中心线道路边界 一 已『考、 ’，l口 公路运输中，由于运输车车体的庞大而给司机的驾驶带来了诸多不便，为了确保车辆的安全『F确行驶， 给车辆安装上驾驶员预警系统是非常必要的。 根据工程要求，大型桥梁运输车在路基上行驶时，为了车辆安全行驶，必须限制其‘j路捺中心的偏差红 ±20cm之内。为了对行驶偏差进行控制，最基本的任务是道路感知。道路感知可以有多种方法，如在道路中 嵌入磁极、雷达、红外、激光、超声波等方法，但不同的方法都存在一定的缺陷。本文采用计算机视觉技术 识别道路信息。通过分析道路信息，检测出车辆在车道中的位置，如果偏离车道中一tL,，系统将及时把偏差信 息通过报警告诉驾驶员，从丽提醒驾驶员及时调整车辆前进方向，确保车辆的安全行驶。视觉图像的方法具 有信息丰富、处理目标与人类视觉一致的优点。 本文基于机器视觉，对有道路中心线和无道路中心线两种道路情况的道路识别算法进行研究和实验验证““。 二、道路模型建立 在目前道路识别的算法研究中，采用的车道模型主要有两种即直线车道模型和曲线车道模型l“。这两种 车道模型相比，直线车道模型具有适用的道路形状广和计算量相对较少，适于实时处理的优点。无论车道什 么形状，只要视野足够小，就可以将小范围视野内的车道线作为直线进行处理。基于直线车道的这些优点， 选取其作为运梁车行驶路面的模型，来实现系统对道路线的实时跟踪。如图l所示。 y 图l直线车道模型 模型假定视野内的道路区域位于同一平面内，左右边界相互平行，且具有一定的连续性。图1中，XY为 道路平面坐标系，Xy为车辆坐标系(即像平面坐标系)，V为车辆当前速度方向，V’为预行驶速度方向：r 为道路平面Y轴与像平面Y轴的夹角。 若道路线为弧形，车辆的视觉系统的视野为近视野即为有限的梯形区域。在图2(图2为弧形道路线中 一小段的放大图)，Y轴代表车辆的行驶方向，梯形虚框代表车辆行进过程中的视野范围，弧线为实际的路 径标识线，虚线箭头代表车道的拟合直线，也即为车辆所跟踪的虚拟直线。该模型将实际的弧形道路标识线 全国第篇未嚣。警联合学桧议舣集 。， 用一条拟合的直线代替，作为车辆的跟踪直线。下面分析该模型的误差。 T H 上 y}j ／～。 l f 』 标识线 夕梯形 区域 一??一一支 』一一j L— j。? ■受：j。未?一 幽2 运粱车的直线道路模砸 根据车辆预瞄理论H7。车速与预瞄距离之间的关系如下： D=V×11．2～l，4l (1) 当车速小于lOkm／h时(工程要求)，需要2～5n1的预瞄距离，此时运梁车的视觉系统CCD掇像头俯仰角 为45度，视野梯形下底为148．5cm，上底为383．9cm，高为248．4cm。，车辆运行的实际路面路径标识线的111：I 率半径一股都火于100m，存这种情况下，直线模型与实际弧形标识线的最人误差为： 广—————————了 ed=R一、／R2一(o．5×Ⅳ)‘ (2) 式中，护为拟合直线。i标识线的偏差；d为视野内标识线的弧尚；曰为道路弧线的nf|率半径：∥为视野梯彤的高。 由(2)可计算?．当胆100m时，上述情况拟合直线与实际道路标识线之间的偏差e0．77lc川。陔偏差和 双差允许范围内，所以该模型是司‘行的。 三、有道路中心线的道路识别算法 对于有中心线的道路，识别的图像相对简单．为丫提高系统的实时性，采用线性拟合的方法进行识别。 采集到的原始路嘶图像，受到噪声、光照等地影响，图像的质量刁i高，需要进行原始图像的预处理，以何利 于提取需要的信息。本文采用的图像预处理包括图像增强、iF滑滤波、均衡化等过程|{’“l。为J’准确的分割? 道路中心线’j背景，本文采用最大类间方差的方法对图像进行二值化处理。对得到的二值幽像进行线’降拟含， 算法通过减少进行拟合的像素点数，并排除掉被错误判断为标识线上的白点，通过对图像有效区域内进行标 识线左右边界点的判断，得到道路标识线的中心线