自動(dòng)駕駛輔助系統(tǒng)中基于視覺(jué)的車道檢測(cè)和跟蹤框架研究.pdf

1、對(duì)增加道路安全和減少交通事故的迫切需求促使高級(jí)駕駛輔助系統(tǒng)(ADAS)技術(shù)的快速發(fā)展。如強(qiáng)制安全帶的使用率，降低限速，安全氣囊和側(cè)振動(dòng)帶等一系列更嚴(yán)格的車輛安全要有，則有助于減少事故和死亡人數(shù)。
　　車道感知和道路檢測(cè)是至關(guān)重要的，其中的一些應(yīng)用，如車道偏離警告系統(tǒng)(LDWS)和車道保持系統(tǒng)，能夠體現(xiàn)它們的重要性。ADAS是一種用于例如車道偏離警告系統(tǒng)，其任務(wù)是為四級(jí)提高即(將)變道的安全性。因此，一個(gè)強(qiáng)大的和高效率的車道探測(cè)系統(tǒng)

2、是實(shí)現(xiàn)這種任務(wù)的關(guān)鍵。顯然自動(dòng)車道檢測(cè)對(duì)自動(dòng)交通和安全駕駛來(lái)說(shuō)是至關(guān)重要的，但是它在復(fù)雜的路況、光照變化和視圖變化情況下是一項(xiàng)非常具有挑戰(zhàn)性的任務(wù)。
　　本文的目的是介紹，開(kāi)發(fā)和分析一個(gè)能夠利用車輛上的攝像頭自動(dòng)準(zhǔn)確判斷和識(shí)別路面和車道的視覺(jué)系統(tǒng)。本文主要是利用圖像處理技術(shù)的形成一個(gè)單一的朝向前方的攝像頭車道檢測(cè)的方法。本文提出的框架能夠運(yùn)用合適的算法對(duì)結(jié)構(gòu)化和非結(jié)構(gòu)化等不同類型的道路進(jìn)行檢測(cè)。對(duì)于結(jié)構(gòu)化的道路，可以利用穩(wěn)健特征提

3、取和跟蹤方法進(jìn)行車道檢測(cè)。實(shí)驗(yàn)結(jié)果證明了算法在復(fù)雜車道標(biāo)記估計(jì)和非結(jié)構(gòu)化路面檢測(cè)的穩(wěn)定性。
　　最后，我們通過(guò)本研究的幾個(gè)較有價(jià)值的創(chuàng)新點(diǎn)，討論的今后的研究研究方向以及對(duì)本文進(jìn)行總結(jié)。
　　基于視覺(jué)的通道檢測(cè)是自動(dòng)車輛輔助系統(tǒng)的重要組成部分，因?yàn)檐嚨涝诎踩透咝糜沃蟹浅Ｖ匾?。本文介紹了幾種用于道路/通道檢測(cè)的方法，每種方法和算法都有自己的優(yōu)缺點(diǎn)。本文結(jié)尾，在可用的硬件和該領(lǐng)域的環(huán)境下選擇實(shí)現(xiàn)合適的結(jié)果。建立一個(gè)可以準(zhǔn)確地估

4、計(jì)車道的幾何形狀和具有應(yīng)用價(jià)值的陸上旅行的道路網(wǎng)絡(luò)的系統(tǒng)，并且可以集成到全自動(dòng)車輛或車輛安全系統(tǒng)中。到目前為止，許多研究人員已經(jīng)開(kāi)發(fā)出不同條件下的許多不同算法，使得智能交通系統(tǒng)更加強(qiáng)大和可靠。
　　無(wú)論光照和道路狀況變化的另一種高效車道檢測(cè)和跟蹤算法在第2章中描述。在這章中，為了在夜間道路和白天場(chǎng)景中檢測(cè)過(guò)程的穩(wěn)健性，本文使用了基于適應(yīng)性和自然的圖像增強(qiáng)技術(shù)的方法。車道檢測(cè)方法包括了車道標(biāo)線提取方法、車道模型擬合和車道跟蹤，所有這

5、些在本章進(jìn)行詳細(xì)的描述。該算法已經(jīng)在白天和晚上收集的數(shù)據(jù)集上進(jìn)行了測(cè)試，證明其魯棒性。無(wú)論道路的光照情況，在現(xiàn)實(shí)世界中增加駕駛員的安全是至關(guān)重要的。
　　并非所有道路的類型具有設(shè)計(jì)清晰和可見(jiàn)車道標(biāo)線的結(jié)構(gòu)。以城市道路為例，有完全沒(méi)有車道標(biāo)線的道路。然而，為智能運(yùn)輸系統(tǒng)設(shè)計(jì)的算法可以處理在現(xiàn)實(shí)環(huán)境中發(fā)生的這種情形。在第3章中，介紹了非結(jié)構(gòu)化道路檢測(cè)中的改進(jìn)陰影檢測(cè)去除技術(shù)。在道路檢測(cè)中，陰影是一個(gè)關(guān)鍵問(wèn)題，因?yàn)殛幱斑吔缈赡鼙诲e(cuò)誤地識(shí)

6、別或簡(jiǎn)單地阻礙道路檢測(cè)進(jìn)程導(dǎo)致較高的誤檢測(cè)率。首先，使用歸一化方差指數(shù)和基于Otsu的閾值法檢測(cè)陰影。在圖像的預(yù)處理步驟進(jìn)行陰影去除之后，估計(jì)道路的光照不變和計(jì)算道路概率圖，來(lái)決定每個(gè)像素是否屬于路表面。最后，進(jìn)行了大量的實(shí)驗(yàn)表明了該方法的有效性。
　　后來(lái)我們介紹了用改進(jìn)的均值漂移分割和動(dòng)態(tài)區(qū)域合并的方法對(duì)非結(jié)構(gòu)化道路邊界檢測(cè)的總體框架。在本章中，展示了檢測(cè)非結(jié)構(gòu)化道路的不同方法。該方法是基于均值漂移分割和區(qū)域合并。輸入道路圖像

7、是采用改進(jìn)的均值漂移分割技術(shù)的分割圖，該技術(shù)可以把場(chǎng)景分成區(qū)域。最終的分割由均值漂移分割算法分割的區(qū)域自動(dòng)合并得到。這是通過(guò)使用一種新穎基于區(qū)域合并的最大相似性技術(shù)得到的，從而確保了自適應(yīng)和魯棒的合并過(guò)程，且在不設(shè)置相似度閾值需要的提前下有效地提取出道路區(qū)域。如果所有與Q的相鄰區(qū)域之間的相似性最高為R，區(qū)域R被合并到鄰近區(qū)域Q。還使用不同類型的非結(jié)構(gòu)化道路圖像進(jìn)行了定性和定量實(shí)驗(yàn)還表明了該技術(shù)的性能和效率。
　　車道偏離預(yù)警系統(tǒng)的

8、實(shí)現(xiàn)是第5章的主要部分。先進(jìn)駕駛輔助系統(tǒng)在很大程度上依賴于車道線檢測(cè)，即車道偏離預(yù)警系統(tǒng)。它描述了用于估計(jì)檢測(cè)車輛任一側(cè)上離車道標(biāo)記的距離過(guò)程。本文使用真實(shí)世界的數(shù)據(jù)（視頻剪輯）意味著結(jié)果可以實(shí)施在線車道偏離警示系統(tǒng)中。
　　在本論文中提出的所有算法和結(jié)果的角度來(lái)看，毫無(wú)疑問(wèn)的我們已經(jīng)開(kāi)發(fā)了在不同場(chǎng)景的車道或道路檢測(cè)中更加穩(wěn)健的啟發(fā)式算法。我們的方法降低了復(fù)雜性，嚴(yán)格基于視覺(jué)，沒(méi)有使用其他傳感器的任何數(shù)據(jù)，也容易在任何嘈雜的環(huán)境中

9、實(shí)現(xiàn)。然而，介紹的算法仍然有改進(jìn)的空間。這是我在該領(lǐng)域未來(lái)的工作和研究中的建議。
　　至于未來(lái)可能的工作，我們建議通過(guò)引入例如提前特征選擇和分類，改進(jìn)的車道跟蹤算法，新的軟件工具箱等進(jìn)行可能的提高。本論文中，提出了一些最新的車道線檢測(cè)算法。然而，仍然有余地進(jìn)一步提高研究工作，從而提出更好的改進(jìn)和魯棒性的算法。
　　首先，該算法已經(jīng)在不同的編程平臺(tái)上實(shí)現(xiàn)，如基于OpenCV，Matlab與C/C++。將來(lái)的一個(gè)任務(wù)是(將)這些

10、算法變換成高速算法和滿足實(shí)時(shí)應(yīng)用需求于一身的軟件開(kāi)發(fā)環(huán)境。
　　本文使用的車道跟蹤算法具有粒子或卡爾曼濾波適應(yīng)問(wèn)題的所有好處，但也有一些缺點(diǎn)。離群點(diǎn)的檢測(cè)和消除，這可能是車道標(biāo)線，也可能會(huì)導(dǎo)致估計(jì)發(fā)散。在這種情況下，多假設(shè)跟蹤器(將)非常適用于處理這些情況。
　　相位一致性與Sobel算子，Canny算子，harr等相比被證明是一個(gè)更好的邊緣過(guò)濾器，可以作為未來(lái)增強(qiáng)算法來(lái)提取道路特征。
　　即使在車道線檢測(cè)的主題中，還

11、是有很多工作要做。例如特征選擇，在某些情況下仍然具有較高的假正率和錯(cuò)過(guò)了許多重要的車道標(biāo)線。包括褪色車道涂料，侵蝕路緣石，和道路上其他車輛的存在遮擋了車道標(biāo)線。一種改進(jìn)的或未來(lái)的研究方向可能考慮車道沒(méi)有標(biāo)記或其他車輛阻礙或天氣狀況（雪，水等），特別是在交通繁忙的情況下車輛可能自發(fā)組織成車道等情況。
　　至于車道偏離檢測(cè)與預(yù)警，基于圖像采集系統(tǒng)的雙攝像頭研究可以重點(diǎn)對(duì)車輛位置進(jìn)一步探討，以獲得更有意義的信息也幫助避免圖像采集過(guò)程中可