基于视觉的驾驶辅助系统研究

来源:用户上传      作者:

　　摘  要：二十一世纪，随着汽车技术的研究更加深入，汽车技术领域发展迅速，目前汽车技术已经到达智能化阶段，机器视觉技术在汽车辅助驾驶技术中占有重要地位，研发内容也不是传统的机电设备问题，目前已发展到先进的辅助传动系统（ADAS）研究。文章主要以对车载摄像头所拍摄图像的处理技术和车道线的提取、检测方法的研究。灰度化和平滑处理使原始图像中的其他线条干扰程度降低，降低噪点使得车道线轮廓更加明显。运用梯度计算边缘检测与非最大值抑制方法检测边缘，通过选择高阀值过滤边缘像素。得到车道线轮廓线后基于Hough的车道线检测原理，使用二元性的点和线，将原始图像给出的曲线转化为一个点在参数空间的曲线表达形式，解决曲线检测问题转化为参数空间中的最大值，且将整体特征的检测转换为本地检测的特点。
　　关键词：图像处理;边缘检测;车道线检测
　　中图分类号：P237          文献标志码：A         文章编号：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
　　近年来由于汽车堵塞严重，交通事故頻发，污染等问题严重，因此，如何减少交通事故是当今世界面临的主要社会问题之一。在实际生活中，马路上的情况绝大多数是通过车辆驾驶员的眼睛获取。比如：与前方车辆车距或是否有障碍物和行人在马路上等。因此利用视觉传感器检测路面情况，可以帮助驾驶员观测，增强驾车安全系数，同时也降低了驾驶员疲劳程度，尽量避免交通事故发生。本文开发了基于视觉的驾驶辅助系统，研究框架如图1。
　　1 图像预处理
　　车辆摄像机拍摄的图像可能受到道路两侧建筑和树木等无关信息的干扰，也可能受到光线强度变化不均的影响，这会影响到提取车道线的精度，因此，需要对原始图像进行预处理。
　　1.1 图像数字化
　　在P×Q的点阵上对图像加以量化（归为12n ），则P、Q和n的值决定了图像的质量，值越大，质量越好。同时P、Q和n值的乘积决定了图像的储存量，因此，在有限的储存量中为了获得更好的质量选择合适的值。
　　1.2 图像灰度化（灰度转换）
　　由于视觉传感器所采集的彩色图像中有些信息对车道线检测没有价值，白色的车道线与路面的灰度值相差又比较大，所以在灰度图中能更加方便地提取出车道线，因此，在灰度图像中提取车道线是最佳选择。参考文献[4]，图像是由像素组成的，三通道彩色图像将有红绿色和蓝色通道，每个像素有三个强度值的组合，而灰度图像只有一个通道，每个像素只有一个强度值，范围从0到255。通过使用灰度图像处理单通道的点比处理三通道彩色图像的点更快，并且计算强度更低。对R， G， B三个分量进行加权求和得到灰度图如图3所示，公式如下： 　　1.3 图像平滑处理
　　最初的图像往往受到了外部条件的影响，造成了图像噪音。天气恶劣，如经常出现的降雨和雪、设备本身的缺陷以及图像传输过程中信息的丢失等都可能让图像出现亮度过大的区域或产生一些亮点。在进行车道线检测之前，应对图像进行平滑滤波处理，以减少图像噪声的影响。同时，尽可能避免由于不适当使用该方法而造成的信息模糊，例如图像边界和其他有用的线条。
　　参考文献[7]平滑滤波主要有基于频率域和空间域两大处理方法，这两种方法都是通过去除图像中的噪声来平滑图像，但是处理方法不大相同。频率域是对图像中各个空间频率成分的组成和分布的特征进行分解、处理和分析的一种方法;空间域是使图像区域中的每个像素通过卷积运算得到新值的一种方法。其中空间域滤波方法算法简单且实用性较强，而我们利用空间域滤波中的高斯滤波进行图像平滑处理。从图4可以看出平滑后的图像感觉更加润滑，去除了噪声，并且车道线边缘信息更加凸显。
　　1.4 图像增强
　　为了达到满意的效果，对图像中的线条进行有选择的增强和抑制，突出有用的线条而削弱无用的。
　　2 边缘检测
　　2.1 梯度计算
　　梯度是指某一函数在该点处的方向导数沿着该方向所取得最大值。将某点的梯度强度在正、负梯度方向上的其他两点的梯度强度进行比较，如果该点值最大，保留该像素点，否则抑制该像素点。
　　2.2 非极大值抑制（边缘抑制）
　　在梯度矩阵上进行非极大值运算处理，可以直接比较中心点0，90，45，135这四个方向的梯度值，如果这个点值最大，就予以保留，否则为0。
　　2.3 双阈值边缘连接处理
　　在非最大值抑制之后，设置上限和下限阈值。如果某个点的梯度值高于上限阈值，则保留该点;如果低于下限阈值，则删除该点;如果介于两者之间，则保留此点等待进一步处理。参考文献[2]中的算法。
　　3 车道线检测
　　3.1 基于Hough变换的车道线检测
　　经典Hough变换就是直角坐标系中一个点对应参数坐标系中一条直线，原始坐标系中一条直线的全部点的斜率和截距是相同的，所以，求出的参数坐标系的聚集点就是对应原始坐标系下的直线[1]。
　　由于参数坐标系转换计算过于复杂，所以我们采用极坐标转换方法，图7所示为通过原始图像空间中一个点（xo，yo）的四条直线转换至极坐标系可以表示为四个点。对边缘检测图像中的非零点进行Hough变换，找出满足线段之间距离和长度参数的直线段即为车道线。
　　3.2 曲线车道线识别
　　车辆在行驶过程中会遇到弯道，所以需要检测曲线车道线，对比文献[5][6]，那么基于直线模型的Hough变换在解决弯道时拟合曲线状态的车道线效果不佳，如果通过折线模型近似处理曲线，这样将会对运算处理复杂难度急剧增加。所以我们将采用最小二乘法来进行拟合。
　　最小二乘法相比其他拟合方法计算量更小。我们在图像处理阶段已经把大量的噪声点去除，所以即使最小二乘法抗干扰能力较低，对检测的影响也不大。边缘检测过程中尽量多地提取出非零点并对其进行拟合。设车道线方程为：
　　令E的平方和达到最小值即可得到aj的最佳估计值
　　公式4
　　得到计算a0，a1，a2的线性方程组
　　由计算得出曲线系数a0，a1，a2进而得到拟合曲线。
　　4 结束语
　　本文研究了基于计算机视觉的原理来进行驾驶辅助的相关技术，包括图像处理技术，特征提取技术实现了图像显示、像素灰度信息提取、图像增强、车道线检测等技术，取得了满意的效果。直线车道线利用基于Hough变换的车道线检测，曲线车道线检测使用最小二乘法计算为我们提供驾驶方案。将图片信息从空间域变换到频率域中，在频率域中进行平滑处理，再将平滑后的信息转换到空间域中。利用颜色、纹理、幾何形状等信息将背景与车道线分离开，准确的从背景图像中找出车道线。针对车辆行驶时常遇到的各种气候和光照条件，通过对感兴区域的裁剪和图像预处理，结合图像特征的Hough变换检测方法，将阴影和积水等噪声干扰减少到最低，得到了最适合测试车辆安装的摄像头采集图像的车道线检测方法。
　　参考文献：
　　[1]仇宁川.基于视觉的车辆通过性驾驶辅助研究[D].湖南大学，2017.
　　[2]阿文.Canny算子中的梯度求取及非最大值抑制（NMS）实现[Z].CSDN，2019.
　　[3]安文彤.基于最小二乘法的车道线检测[J].中国科技信息，2018（22）：55-57.
　　[4]拜颖乾.图像处理方法研究及其应用研究[J].科技创新导报，2017（19）：150，152.
　　[5]黄建宇.基于边缘提取和霍夫变换的快速车道线检测[C].决策论坛——决策理论与方法研究学术论文集（上），2016：219.
　　[6]傅嘉政，杨少敏，刘浩.基于小波变换和霍夫变换的高分辨率遥感影像道路提取[J].测绘地理信息，2015（4）：48-50.
　　[7]关雪梅.几种图像平滑处理方法比较研究[J].牡丹江师范学院学报（自然科学版），2016（4）：31-33.
转载注明来源:https://www.xzbu.com/1/view-15182239.htm