【畢業(yè)學(xué)位論文】汽車(chē)前方可行區(qū)域計(jì)算機(jī)視覺(jué)感知系統(tǒng)的研究-車(chē)輛工程

提 要 1論文分類(lèi)號(hào) 單位代碼 10183 密級(jí) 內(nèi) 部 研究生學(xué)號(hào) 2201207 吉 林 大 學(xué) 碩 士 學(xué) 位 論 文 汽車(chē)前方可行區(qū)域計(jì)算機(jī)視覺(jué)感知系統(tǒng)的研究 者姓名： 曹?chē)?guó) 專(zhuān)業(yè)： 車(chē)輛工程 導(dǎo)師姓名： 管欣 及職稱(chēng)： 教 授 論文起止年月：2001年10月至2003年2月 吉林大學(xué)碩士學(xué)位論文 2提 要 如何給智能輔助駕駛車(chē)輛提供準(zhǔn)確的外界環(huán)境信息，使其決策控制建立在實(shí)時(shí)準(zhǔn)確的道路環(huán)境信息之上是智能輔助駕駛車(chē)輛研究的關(guān)鍵問(wèn)題。 本文對(duì)車(chē)輛可行區(qū)域的感知環(huán)節(jié)進(jìn)行了研究，通過(guò)分析攝像頭采集的道路圖像，提出了道路邊緣曲線(xiàn)點(diǎn)生長(zhǎng)搜索算法，并對(duì)其進(jìn)行了聚類(lèi)直線(xiàn)擬合，同時(shí)對(duì)攝像機(jī)建立了鏡頭畸變模型并確定其內(nèi)部參數(shù)，運(yùn)用道路平坦假設(shè)將圖像平面內(nèi)的車(chē)輛可行區(qū)域轉(zhuǎn)換到車(chē)體坐標(biāo)系下，從而為智能輔助駕駛車(chē)輛提供最基本的外界環(huán)境信息。最后將可行區(qū)域感知系統(tǒng)在實(shí)驗(yàn)車(chē)上進(jìn)行集成實(shí)現(xiàn)，并進(jìn)行了相應(yīng)的道路實(shí)驗(yàn)，取得了良好的道路感知效果。該論文的研究對(duì)于智能輔助駕駛車(chē)輛的視覺(jué)系統(tǒng)研究提供了一條可行的研究途徑。 目 錄 錄 第一章 緒論 1 .二章 可行區(qū)域感知系統(tǒng)的整體設(shè)計(jì) 10 能車(chē)輛的整體結(jié)構(gòu)分析.課題感知系統(tǒng)的體系結(jié)構(gòu).知系統(tǒng)各功能模塊的設(shè)計(jì)分析.三章 可行區(qū)域感知系統(tǒng)的算法研究 16 . 圖像噪聲的去除.道路邊緣的增強(qiáng).道路邊緣與圖像背景的分割.道路邊緣矢量點(diǎn)的提取.道路邊緣矢量點(diǎn)聚類(lèi)擬合.從序列圖像中提取可行區(qū)域的算法.四章 可行區(qū)域感知系統(tǒng)的實(shí)現(xiàn) 37 .圖像的捕捉設(shè)備：.林大學(xué)碩士學(xué)位論文 知系統(tǒng)處理設(shè)備.其他輔助設(shè)備.圖像的捕捉.可行區(qū)域建立的算法實(shí)現(xiàn).處理結(jié)果的存儲(chǔ)實(shí)現(xiàn).其他相關(guān)問(wèn)題的解決實(shí)現(xiàn).章小結(jié).五章 感知系統(tǒng)的試驗(yàn) 50 .文總結(jié) 57 參考文獻(xiàn) 58 致 謝 要 I 第一章 緒論 1第一章 緒論 著城市化的發(fā)展和汽車(chē)的普及，交通運(yùn)輸問(wèn)題日益嚴(yán)重。近年來(lái)，車(chē)輛增長(zhǎng)的速度也已遠(yuǎn)遠(yuǎn)高于道路和其他交通設(shè)施的增長(zhǎng)速度，交通事故頻繁、人員傷亡于日增多及財(cái)產(chǎn)損失巨大這都要求車(chē)輛必須具有良好的主動(dòng)安全性，隨之智能車(chē)輛（概念應(yīng)運(yùn)而生。作為汽車(chē)主動(dòng)安全方面最新的發(fā)展方向，因其在公路交通運(yùn)輸中廣闊的應(yīng)用前景而受到世界各發(fā)達(dá)國(guó)家的普遍關(guān)注。車(chē)輛的智能自動(dòng)駕駛不僅可以大大減少交通事故，提高汽車(chē)的主動(dòng)安全性，還可降低車(chē)輛的燃料消耗，減少排氣污染，提高公路的運(yùn)輸效率，同時(shí)，也減輕了駕駛員的負(fù)擔(dān)，提高了乘坐的舒適性。 視覺(jué)感知系統(tǒng)作為智能車(chē)輛最基本的外界信息感知環(huán)節(jié)有著舉足輕重的作用，智能車(chē)輛的決策控制也主要建立在視覺(jué)系統(tǒng)之上，因此，智能車(chē)輛也對(duì)其有著近乎苛刻的要求。 能車(chē)輛是一個(gè)集環(huán)境感知、規(guī)劃決策、自動(dòng)駕駛等多種功能于一體的綜合系統(tǒng)。它的自動(dòng)駕駛就是指完全脫離駕駛員的操作，依靠汽車(chē)控制系統(tǒng)駕駛汽車(chē)，自動(dòng)分析和處理汽車(chē)運(yùn)行過(guò)程中遇到的各種情況，并根據(jù)現(xiàn)從一個(gè)地點(diǎn)向另一個(gè)地點(diǎn)的移動(dòng)。簡(jiǎn)單的說(shuō)，就是車(chē)輛本身具有“頭腦”,能夠運(yùn)用它的“眼睛”對(duì)外界環(huán)境進(jìn)行辨識(shí)，然后自我決策運(yùn)行軌跡并控制車(chē)輛的行駛。 視覺(jué)系統(tǒng)就充當(dāng)著“眼睛”的角色，智能車(chē)輛要求其必須具備實(shí)時(shí)性、魯棒性、實(shí)用性這三方面技術(shù)特點(diǎn)：實(shí)時(shí)性是指視覺(jué)系統(tǒng)的數(shù)據(jù)處理必須與車(chē)輛的高速行駛同步進(jìn)行;魯棒性是指智能車(chē)輛對(duì)不同的道路環(huán)境，如高速公路、市區(qū)標(biāo)準(zhǔn)公路、普通公路等，復(fù)雜的路面環(huán)境，如路面及車(chē)道線(xiàn)的寬度、顏色、紋理、動(dòng)態(tài)隨機(jī)障礙與車(chē)流等，以及變化的氣候條件，吉林大學(xué)碩士學(xué)位論文 2如日照及景物陰影、黃昏與夜晚、陰天與雨雪等均具有良好的適應(yīng)；實(shí)用性是指要求智能車(chē)輛在體積與成本等方面能夠?yàn)槠胀ㄆ?chē)用戶(hù)所接受14。 善的視覺(jué)系統(tǒng)在車(chē)輛的自動(dòng)駕駛以及輔助駕駛中所扮演的角色正如人的眼睛與人一樣，它從圖像中檢測(cè)出道路信息和障礙物信息即道路的形狀與車(chē)輛的相對(duì)關(guān)系。根據(jù)這些信息，車(chē)輛會(huì)發(fā)出車(chē)線(xiàn)偏離警告，以及前方障礙物警告，進(jìn)一步運(yùn)用控制系統(tǒng)的決策來(lái)改變車(chē)輛的行駛行為。 可行區(qū)域 車(chē)道跑偏報(bào)警障礙物檢測(cè)圖11 車(chē)輛輔助駕駛報(bào)警系統(tǒng) 障礙物檢測(cè)智能車(chē)輛本身作為一個(gè)大的系統(tǒng)包含著許多子系統(tǒng)：認(rèn)知模塊、決策模塊和控制模塊。認(rèn)知模塊，實(shí)際上是指駕駛員的“感覺(jué)器官”，是用以獲取外界環(huán)境信息，并通過(guò)一定的處理從這一系列信息中提煉出駕駛員駕駛所需的內(nèi)容。而決策模塊好比駕駛員的“大腦”，是以認(rèn)知模塊提供的道路狀況、車(chē)輛姿態(tài)、位置等信息為基礎(chǔ)，對(duì)汽車(chē)安全、高效行駛所應(yīng)采取的運(yùn)行狀態(tài)進(jìn)行分析，決策出汽車(chē)運(yùn)動(dòng)狀態(tài)應(yīng)發(fā)生的改變?？刂颇K是駕駛員的“肌肉”，控制系統(tǒng)對(duì)汽車(chē)的實(shí)際操作，包括踏油門(mén)，轉(zhuǎn)方向盤(pán)等，都是通過(guò)駕駛員“肌肉”運(yùn)動(dòng)，以實(shí)現(xiàn)決策模塊所決策的汽車(chē)運(yùn)動(dòng)狀態(tài)的改變。視覺(jué)系統(tǒng)作為認(rèn)知模塊的主要部分，它的豐富與完善會(huì)使“大腦”做出準(zhǔn)確而又明智的選擇，使“肌肉”達(dá)到和諧與輕松的境界。 第一章 緒論 3能車(chē)輛不僅具有廣闊的應(yīng)用前景，而且被認(rèn)為交通工具發(fā)展歷史的必然趨勢(shì)，吸引著越來(lái)越多的研究機(jī)構(gòu)和汽車(chē)廠(chǎng)商的興趣。智能車(chē)輛的研究涉及到計(jì)算機(jī)測(cè)量與控制、計(jì)算機(jī)視覺(jué)、傳感器數(shù)據(jù)融合、車(chē)輛工程等諸多領(lǐng)域，可以說(shuō)，智能車(chē)輛的研究是計(jì)算機(jī)視覺(jué)與計(jì)算機(jī)控制研究在車(chē)輛工程上的綜合，下面以整車(chē)系統(tǒng)以及視覺(jué)系統(tǒng)的性能為線(xiàn)索，介紹智能車(chē)輛研究現(xiàn)狀。 一. 非基于視覺(jué)的智能車(chē)輛研究 在智能車(chē)輛研究早期，最初計(jì)劃采用地下埋電纜的方式，通過(guò)電磁感應(yīng)進(jìn)行導(dǎo)航，此種方法不能提供車(chē)輛需要的方位信息及障礙物信息，在80年代美國(guó)的洲的本的此種方案的造價(jià)過(guò)于高昂，據(jù)美國(guó)資料報(bào)道，為采用此種導(dǎo)航方案所鋪設(shè)的公路大約是10K$/m。 二基于視覺(jué)的智能車(chē)輛的發(fā)展歷程 基于視覺(jué)的智能車(chē)輛是在汽車(chē)上安裝攝像鏡頭，利用計(jì)算機(jī)視覺(jué)技術(shù)，模仿人眼視覺(jué)機(jī)理，通過(guò)處理攝像鏡頭捕捉的圖像，獲得引導(dǎo)信息，與以上引導(dǎo)技術(shù)相比，視覺(jué)引導(dǎo)有許多優(yōu)勢(shì)，它不必在道路上增加設(shè)施，能適合來(lái)往車(chē)輛、行人、臨時(shí)設(shè)施等不可預(yù)先建模確定的隨機(jī)障礙物，與以滿(mǎn)足智能車(chē)輛全天候的絕大部分需求。90年代以來(lái)，視覺(jué)引導(dǎo)技術(shù)與大加速了智能車(chē)輛的研究。 在歐洲，早在1987年奔馳公司和德國(guó)國(guó)防軍大學(xué)聯(lián)合研制7公里。在隨后幾年不斷創(chuàng)造新的時(shí)速記錄并且具備了超車(chē)換道功能和對(duì)多種氣象條件的適應(yīng)能力，其核心是運(yùn)行于制的 系吉林大學(xué)碩士學(xué)位論文 4統(tǒng)也已在高速公路和普通標(biāo)準(zhǔn)公路上進(jìn)行了大量實(shí)驗(yàn)，實(shí)驗(yàn)內(nèi)容包括跟蹤車(chē)道線(xiàn)，躲避障礙，以及自動(dòng)超車(chē)等。利用自適應(yīng)控制進(jìn)行縱向及橫向自主方式行為實(shí)驗(yàn)，該系統(tǒng) 1995年公布的最高時(shí)速可達(dá) 1 3 0 1996年已提高到 1 60 h 。法國(guó)帕斯卡大學(xué)自動(dòng)化與電子材料科學(xué)實(shí)驗(yàn)室與法國(guó) D. R. A. 術(shù)中心合作研制 視覺(jué)系統(tǒng)使用單攝像機(jī)實(shí)時(shí)檢測(cè)并跟蹤道路白線(xiàn)，采用高斯濾波和平均值計(jì)算確定灰度標(biāo)準(zhǔn)方差，利用梯度計(jì)算確定車(chē)道線(xiàn)的右 (或左)邊緣，同時(shí)選擇多項(xiàng)式函數(shù)建立軌跡模型，利用時(shí)空光滑方法降低噪聲和提高魯棒性。當(dāng)車(chē)體前方或駕駛參數(shù)出現(xiàn)非正常狀況時(shí)，系統(tǒng)以語(yǔ)音信號(hào)的方式向駕駛員發(fā)出警告性提示，以避免或降低因駕駛員疏忽所引發(fā)的行車(chē)事故，提高車(chē)輛在道路行駛中的安全性，可見(jiàn)該系統(tǒng)完成的是相對(duì)簡(jiǎn)單的安全警告與輔助導(dǎo)航功能。意大利帕爾馬大學(xué)研制的核心是基于道路平坦假設(shè)，采用單攝像機(jī)重投影完成平行的道路標(biāo)志線(xiàn)檢測(cè)，雙攝像機(jī)重投影完成車(chē)輛檢測(cè)功能，根據(jù)現(xiàn)道路跟蹤，此外還能夠?qū)崿F(xiàn)人觸發(fā)的換道操作。 在美國(guó)，卡內(nèi)基米倫大學(xué)（多家汽車(chē)公司研制995年建立了智能實(shí)驗(yàn)車(chē) ，運(yùn)動(dòng)跑車(chē)。上開(kāi)發(fā)了 及快速自適應(yīng)車(chē)體定位處理器 實(shí)驗(yàn)車(chē)的功能：1* 車(chē)道保持運(yùn)用道路平坦假設(shè)，檢測(cè)和追蹤道路標(biāo)記，控制車(chē)輛橫向位置；2* 障礙物檢測(cè)利用激光雷達(dá)測(cè)量距離信息；3* 油門(mén)和剎車(chē)由駕駛員控制。 裝備：1* 一臺(tái)便攜式計(jì)算機(jī)，一臺(tái)分辨率為 1 0 2 4 768的液晶顯示器 2*一臺(tái) * 差分 * 具有數(shù)字輸出的光纖阻尼陀螺儀。 圖像處理和道路識(shí)別策略：采用視覺(jué)窗口技術(shù)，僅處理感興趣區(qū)域的局部信息， 梯形窗口中每一行所對(duì)應(yīng)的實(shí)際水平寬度約7約為典型車(chē)道寬度的兩倍，然后對(duì)梯形窗口的內(nèi)容進(jìn)行幾何變換，建立一個(gè) 3 0 3 2象素的低分辨率圖像，滿(mǎn)足實(shí)時(shí)性要求。道路檢測(cè)使用道路平坦假設(shè)和平行于道路的特征如車(chē)道線(xiàn)、道路邊界等識(shí)別道路。 第一章 緒論 5自主駕駛的平均速度為 88. 5 h，還首次進(jìn)行了橫穿美國(guó)大陸的長(zhǎng)途自主駕駛實(shí)驗(yàn)，距離長(zhǎng)達(dá) 4586計(jì)結(jié)果表明，自主駕駛的行程 44968. 1 %。在1997年研制了，小型商務(wù)車(chē)，能夠進(jìn)行方向速度控制，依然是在日本，也成立類(lèi)似專(zhuān)門(mén)機(jī)構(gòu)，每年展示智能車(chē)輛取得的新成就，并在高級(jí)安全車(chē)輛上安裝了這些成果，提供車(chē)道跑偏警告，車(chē)距保持及障礙檢測(cè)功能。 在中國(guó)，國(guó)防科技大學(xué)由常文森、賀漢根教授領(lǐng)導(dǎo)研制了自動(dòng)駕駛汽車(chē)，是小型廂式客車(chē)，進(jìn)行方向、速度控制，完成校園環(huán)境的低速無(wú)人駕駛試驗(yàn)，其特色是視覺(jué)系統(tǒng)采用行開(kāi)發(fā)的圖像處理系統(tǒng)。2001年研制的完成了高速公路上與其他普通車(chē)輛一起行駛的試驗(yàn)，效果較好，華大學(xué)研制小型商務(wù)車(chē)，能夠進(jìn)行方向、速度控制，完成高速公路場(chǎng)景錄象仿真。吉林大學(xué)王榮本教授研制度較慢，主要用于柔性加工中的貨物運(yùn)輸。 右圖為一智能車(chē)輛的外圍獲取信息設(shè)備簡(jiǎn)圖。 圖1德國(guó)大眾公司的智能車(chē)輛系統(tǒng) （上:車(chē)輛原型 下:系統(tǒng)布置） （1. 雷達(dá) 24. 激光掃描器 吉林大學(xué)碩士學(xué)位論文 6三視覺(jué)研究的歷史與現(xiàn)狀 人類(lèi)通過(guò)視覺(jué)識(shí)別文字圖片和周?chē)沫h(huán)境，從信息處理的角度來(lái)搞清楚視覺(jué)形成的機(jī)理，研究其計(jì)算理論與算法，以使計(jì)算機(jī)實(shí)現(xiàn)人的視覺(jué)識(shí)別能力，是人類(lèi)在基礎(chǔ)研究與應(yīng)用中面臨的最重大的挑戰(zhàn)之一。如果機(jī)器不能自動(dòng)感知與識(shí)別周?chē)h(huán)境，機(jī)器智能也就無(wú)從談起，因此，用計(jì)算機(jī)實(shí)現(xiàn)模式的自動(dòng)識(shí)別是開(kāi)發(fā)智能機(jī)器的一個(gè)最關(guān)鍵的突破口。人們通過(guò)眼睛與大腦來(lái)獲取、處理與理解視覺(jué)信息的，外界環(huán)境的物體在可見(jiàn)光的照射下在人眼的視網(wǎng)膜上形成二維圖像，這是圖像的形成過(guò)程即成像過(guò)程。視覺(jué)過(guò)程作為成像過(guò)程的逆過(guò)程，其目的是要從帶噪聲、畸變的二維圖像中恢復(fù)三維場(chǎng)景的有關(guān)信息，如形狀、位置、運(yùn)動(dòng)等物理特性（對(duì)本課題而言是恢復(fù)有關(guān)道路形狀、位置的信息）。 計(jì)算機(jī)視覺(jué)的歷史不長(zhǎng)，至今也就是三十幾年，它是伴隨著計(jì)算機(jī)科學(xué)與技術(shù)產(chǎn)生和發(fā)展起來(lái)的，大致可以分為兩個(gè)階段，早期（1965近期（1976 早期的計(jì)算機(jī)視覺(jué)研究集中在積木世界（線(xiàn)條圖（圍，這通常是指那些以平面為表面的多面體的世界。那時(shí)的計(jì)算機(jī)視覺(jué)系統(tǒng)都是自底向上結(jié)構(gòu)的，直接取決于低層次視覺(jué)的處理，因而研究工作集中在線(xiàn)條和邊界的抽取和區(qū)域劃分上。當(dāng)時(shí)出現(xiàn)了大量的算法，如s s s 木世界的研究反映了視覺(jué)早期研究中的一些特點(diǎn)，即從簡(jiǎn)化的世界出發(fā)進(jìn)行研究，這些工作對(duì)視覺(jué)研究的發(fā)展起到了促進(jìn)作用，但對(duì)于稍微復(fù)雜的景物便難以奏效。 近期的計(jì)算機(jī)視覺(jué)研究開(kāi)始于20世紀(jì)70年代中期，迄今為止最系統(tǒng)化的視覺(jué)理論，要表 現(xiàn)在研究?jī)?nèi)容和方向集中在與人類(lèi)視覺(jué)系統(tǒng)中的感知獨(dú)立模塊相對(duì)應(yīng)的課題上，也就是根 據(jù)影調(diào)、運(yùn)動(dòng)、立體、 輪廓、紋理等線(xiàn)索恢復(fù)物體表面的形狀。這些研究極大地深化了計(jì)算機(jī)視覺(jué)的研究。計(jì)算理論層次，表達(dá)與算法層次和硬件實(shí)現(xiàn)層次： 第一章 緒論 71、計(jì)算理論層次指的是視覺(jué)系統(tǒng)基本的輸入、輸出關(guān)系，輸入為二維圖像，輸出是則由二維圖像重建出來(lái)的三維物體的位置和形狀。 2、對(duì)于表達(dá)和算法層次則是指系統(tǒng)內(nèi)各個(gè)模塊的輸入、輸出和內(nèi)部的信息表達(dá)，以及實(shí)現(xiàn)計(jì)算理論所規(guī)定的算法。 3、硬件實(shí)現(xiàn)層次是如何用硬件實(shí)現(xiàn)以上算法的問(wèn)題。 計(jì)算機(jī)視覺(jué)作為一門(mén)新興的學(xué)科，眾多學(xué)者都在努力完善視覺(jué)理論，提出并改進(jìn)各種算法如光流方法、能量態(tài)估計(jì)器等等以使得該學(xué)科更加經(jīng)濟(jì)實(shí)用。 題將使用環(huán)境限定為具有良好標(biāo)志的結(jié)構(gòu)化高速公路上或者是規(guī)范化道路結(jié)構(gòu)的普通公路上，主要完成道路標(biāo)志線(xiàn)跟蹤，給車(chē)道跑偏報(bào)警提供依據(jù)，本體車(chē)輛定位等功能。相應(yīng)的研究把精力集中在簡(jiǎn)單結(jié)構(gòu)化環(huán)境中的輔助駕駛上，目標(biāo)是提高汽車(chē)駕駛的安全性，盡管該課題定位有很大的局限性，但是，若它成功實(shí)現(xiàn)將會(huì)部分解決汽車(chē)駕駛中最為常見(jiàn)也最易出危險(xiǎn)的操作問(wèn)題。 課題研究的目的是：建立可行區(qū)域感知系統(tǒng)，實(shí)現(xiàn)車(chē)輛在行駛過(guò)程中對(duì)道路邊緣、標(biāo)志線(xiàn)的自動(dòng)檢測(cè)與識(shí)別，確定車(chē)輛與道路的相對(duì)位置關(guān)系，實(shí)時(shí)的給出車(chē)輛行駛的可行區(qū)域，為整個(gè)智能輔助駕駛系統(tǒng)提供道路 場(chǎng)景 信息 環(huán)境 參量 決策得到的路線(xiàn)或速度 實(shí)際輸入的控制信號(hào)車(chē)輛實(shí)際狀態(tài) 道路、運(yùn)動(dòng)和交通感知模塊控制模塊決策模塊車(chē)輛模型駕駛員模型 汽車(chē)模型 本課題的位置 圖13 吉林大學(xué)碩士學(xué)位論文 8外界環(huán)境信息輸入。 這里所指的可行區(qū)域是指當(dāng)車(chē)輛行駛在道路上時(shí)，由道路的寬度、方向、曲率以及其他車(chē)輛位置和交通法規(guī)所決定的能夠行駛的區(qū)域。也就是本課題所重點(diǎn)研究的內(nèi)容。（如圖15中黑色折線(xiàn)所圍成的閉區(qū)域即為圖像平面可行區(qū)域） 如圖14所示，實(shí)際道路或?yàn)橹本€(xiàn)或圓形彎道或純過(guò)渡彎道，當(dāng)車(chē)輛在行駛時(shí)，根據(jù)駕駛員預(yù)瞄距離，我們僅就車(chē)輛前方至百米左右的區(qū)域感興趣，在感興趣的區(qū)域區(qū)間段內(nèi)可以認(rèn)為道路是由直線(xiàn)組成的（21, 就整條道路看則分成了一系列線(xiàn)段組成的，障礙物所在的區(qū)域現(xiàn)在不予考慮，也就是在課題建立的大的可行區(qū)域之中去除障礙物所在區(qū)域。 本課題研究的主要工作： 1* 圖像捕捉與前期處理： 首先選擇圖像采集設(shè)備，對(duì)設(shè)備的原理、性能有大致的了解。采用 取道路圖像，通過(guò)采集卡進(jìn)行A/圖像數(shù)據(jù)送入計(jì)算機(jī)后，由于采集的圖像含有噪聲需要對(duì)圖像進(jìn)行去除噪聲圖15 真實(shí)道路圖像中可行區(qū)域 道路左邊界輪廓線(xiàn) &,&,中心虛線(xiàn) 中心雙實(shí)線(xiàn) 障礙物 路信息的簡(jiǎn)化處理示意圖 第一章 緒論 9處理，之后根據(jù)要求再進(jìn)行可行區(qū)域輪廓增強(qiáng)等處理，目的是獲得比較理想的可行區(qū)域輪廓圖像。要選擇設(shè)計(jì)檢測(cè)模板，進(jìn)一步優(yōu)化圖像前期處理結(jié)果，使得后續(xù)處理建立在較為準(zhǔn)確的基礎(chǔ)之上。 2*道路邊緣提取過(guò)程： 車(chē)輛在道路上行駛時(shí)，道路邊緣位置時(shí)刻在變，邊緣提取易受光線(xiàn)、車(chē)體振動(dòng)等干擾，使得搜索結(jié)果不可靠。我們提出了點(diǎn)搜索算法提取道路邊緣，運(yùn)用聚類(lèi)直線(xiàn)擬合減少噪聲影響。在車(chē)輛在行駛過(guò)程中，采集的序列圖像道路邊緣是連續(xù)漸進(jìn)變化的，不會(huì)發(fā)生突變，根據(jù)此特點(diǎn)限定了搜索道路邊緣的范圍，保證可行區(qū)域矢量點(diǎn)的提取的準(zhǔn)確及可靠性。 3* 車(chē)體坐標(biāo)系下攝像機(jī)標(biāo)定： 在車(chē)體坐標(biāo)系下，攝像機(jī)參數(shù)可以分為兩類(lèi)，外部的六自由度參數(shù)和內(nèi)部參數(shù)，外部參數(shù)是指攝像機(jī)坐標(biāo)系與選定的車(chē)體坐標(biāo)系之間的空間位置關(guān)系，而內(nèi)部參數(shù)則是由攝像機(jī)系統(tǒng)采用的于攝像機(jī)參數(shù)眾多，且是時(shí)變的，我們建立了合適的攝像機(jī)模型，對(duì)各參數(shù)進(jìn)行合理的假設(shè)以及取舍，確定標(biāo)定方法，得到攝像機(jī)的參數(shù)。 4* 車(chē)體坐標(biāo)系下可行區(qū)域的建立： 攝像機(jī)的參數(shù)確定后，就成為二維圖像向三維世界坐標(biāo)轉(zhuǎn)換的橋梁。將圖像處理得到的二維可行區(qū)域邊緣矢量轉(zhuǎn)化為車(chē)體坐標(biāo)系中的結(jié)構(gòu)參數(shù)，得到車(chē)輛在空間道路中的實(shí)際位置，同時(shí)也建立了車(chē)輛的可行區(qū)域。通過(guò)硬件以及編寫(xiě)算法使此感知系統(tǒng)能夠真正的在車(chē)輛上得以實(shí)現(xiàn)，實(shí)時(shí)的運(yùn)轉(zhuǎn)起來(lái)。 吉林大學(xué)碩士學(xué)位論文 10第二章 可行區(qū)域感知系統(tǒng)的整體設(shè)計(jì) 能車(chē)輛的整體結(jié)構(gòu)分析 智能車(chē)輛集多種傳感器數(shù)據(jù)融合、視覺(jué)信息處理、導(dǎo)航、避障等功能于一體，為完成如此復(fù)雜、如此眾多的功能，歷史上曾有幾種體系結(jié)構(gòu)，如水平型結(jié)構(gòu)、垂直型結(jié)構(gòu)和綜合型結(jié)構(gòu)。下圖為一 典型的智能車(chē)輛的體系結(jié)構(gòu)。 如下圖22，管欣教授提出的駕駛員操縱行為模型結(jié)構(gòu)框圖，框圖詳細(xì)描述了駕駛員的行為特性，將其分為三大部分：道路、運(yùn)動(dòng)和交通感知環(huán)節(jié)、預(yù)瞄決策環(huán)節(jié)和控制校正環(huán)節(jié)。該模型從總體上對(duì)汽車(chē)動(dòng)態(tài)模擬國(guó)家重點(diǎn)實(shí)驗(yàn)室研究的智能輔助駕駛車(chē)輛各功能模塊進(jìn)行了界定，對(duì)于該課題的總體設(shè)計(jì)產(chǎn)生很大的指導(dǎo)作用。 課題感知系統(tǒng)的體系結(jié)構(gòu) 在可行區(qū)域感知系統(tǒng)中，采用下圖)，攝像機(jī)安裝在車(chē)輛的頂部，或者安裝在車(chē)輛駕駛室內(nèi)的上部。為獲取汽車(chē)在道路上的位置以及道路本身的情況，在此對(duì)應(yīng)用條件視覺(jué)系統(tǒng) 激光掃描器 激光測(cè)距雷達(dá). 制中心 駕駛機(jī)器人 電子副駕駛 車(chē)輛導(dǎo)航&控制 車(chē)輛診斷系統(tǒng)數(shù)據(jù)采集&記錄 感器數(shù)據(jù) 車(chē)輛動(dòng)作命令 型的智能車(chē)輛體系結(jié)構(gòu)第二章 可行區(qū)域感知系統(tǒng)的整體設(shè)計(jì) 11做一些必要的假設(shè)以簡(jiǎn)化系統(tǒng)及處理的難度。 駕駛員操縱行為道路、運(yùn)動(dòng)和交通感知控制校正預(yù)瞄決策受控車(chē)輛車(chē)道邊界識(shí)別交通標(biāo)志識(shí)別道路、交通環(huán)境障礙/車(chē)輛檢測(cè)車(chē)輛最優(yōu)預(yù)瞄加速度決策車(chē)輛未來(lái)運(yùn)動(dòng)預(yù)瞄控制動(dòng)態(tài)校正操作行為車(chē)輛特性學(xué)習(xí)交通法規(guī)、法律合法性評(píng)估易操縱評(píng)估安全性評(píng)估可行區(qū)域判斷車(chē)輛當(dāng)前運(yùn)動(dòng)感知1光照良好假設(shè) 汽車(chē)在室外公路上行駛，周?chē)饩€(xiàn)強(qiáng)度隨著汽車(chē)的位置以及時(shí)間的變化而變化，一方面要求日照條件良好，另一方面要求我們采用的攝像頭能夠自動(dòng)暴光，以適應(yīng)日照光線(xiàn)強(qiáng)度的變化，從而滿(mǎn)足攝取的圖像有清晰的道路輪廓。 2. 針對(duì)的道路是結(jié)構(gòu)化道路，一般指高速公路和部分結(jié)構(gòu)化較好的公路，它們具有清晰的車(chē)道線(xiàn)和道路邊界，車(chē)道線(xiàn)一般是連續(xù)的白(黃)線(xiàn)或短劃線(xiàn)，在這種情況下，道路檢測(cè)問(wèn)題可以簡(jiǎn)化為車(chē)道線(xiàn)或道路邊界的檢測(cè)問(wèn)題。 另外車(chē)道上的積水及陰影先不予考慮。 在早期的智能車(chē)輛研究中，由于早期的計(jì)算機(jī)的處理能力十分有限，視覺(jué)導(dǎo)航系統(tǒng)的實(shí)時(shí)性成為其可用性的瓶頸，因此各國(guó)的研究者們通常都采用大規(guī)模的并行處理技術(shù)，在這一階段，研究者的精力過(guò)多的耗費(fèi)在硬件平臺(tái)的設(shè)計(jì)、實(shí)現(xiàn)和測(cè)試上，但隨著計(jì)算機(jī)技術(shù)的飛躍發(fā)展，其處理能力爆炸似圖22 駕駛員操縱行為結(jié)構(gòu)框圖吉林大學(xué)碩士學(xué)位論文 12的提高，該種體系結(jié)構(gòu)已經(jīng)不是研究的重點(diǎn)了。在本課題中，從圖像以及計(jì)算機(jī)視覺(jué)算法的實(shí)現(xiàn)處理方式分析，采用串行處理方式，即整個(gè)視覺(jué)系統(tǒng)的數(shù)據(jù)操作由一臺(tái)功能較強(qiáng)的計(jì)算機(jī)實(shí)現(xiàn)全部控制處理功能，這是由本課題的定位目標(biāo)所決定的。 下面分析視覺(jué)系統(tǒng)的圖像采集方式，采集方式主要是指采用的攝像機(jī)個(gè)數(shù)，根據(jù)圖像采集方式的選取，目前世界上視覺(jué)系統(tǒng)一般分為三類(lèi)：?jiǎn)螖z像頭式，雙攝像頭式和多攝像頭式。而大多數(shù)采用單鏡頭或是雙鏡頭方式 多攝像頭式（a）各攝像頭之間有著不同的焦距，視角從小到大，可以獲取車(chē)輛前方到百米左右各處清晰的路面圖像，現(xiàn)在視覺(jué)系統(tǒng)采集圖像遇到的問(wèn)題是：采用大焦距攝像頭時(shí)，轉(zhuǎn)彎時(shí)視角過(guò)窄，無(wú)法觀(guān)察到車(chē)輛兩旁的景物；選用廣角鏡頭捕捉車(chē)輛前方場(chǎng)景圖像時(shí)，拍攝遠(yuǎn)處則存在圖像分辨率較低，非線(xiàn)性畸變大等問(wèn)題，采用多攝像頭方式就可解決這些問(wèn)題15。例如，德國(guó)用此種方式，需要同時(shí)處理多幀圖像，計(jì)算量巨大,運(yùn)用此種方式的系統(tǒng)比較少。 雙攝像頭式（b） 采集區(qū)域如圖所示，對(duì)不同視角的攝像機(jī)獲取的兩幅圖像進(jìn)行區(qū)域匹配，實(shí)現(xiàn)立體視覺(jué)，可以得到相對(duì)較多的信息，例如車(chē)輛及障礙物的檢測(cè)等，但涉及的計(jì)算復(fù)雜，運(yùn)算量較大，也不容易實(shí)現(xiàn)。 單攝像頭式（c）采用一個(gè)面陣型攝像機(jī)，在精度要求不很高的情況下，圖23 車(chē)輛及攝像機(jī)位置關(guān)系圖第二章 可行區(qū)域感知系統(tǒng)的整體設(shè)計(jì) 13其采集區(qū)域同上，可以獲得足夠的信息，進(jìn)行道路標(biāo)志線(xiàn)跟蹤，利用道路平坦假設(shè)，能將道路特征從圖像坐標(biāo)系轉(zhuǎn)換到車(chē)體坐標(biāo)系。由于其僅處理單幀圖像，計(jì)算量小可以實(shí)時(shí)處理。 b c a 圖24 各種圖象采集方式以及對(duì)應(yīng)的采集區(qū)域 其中表示攝象機(jī)，表示攝象機(jī)的圖象采集 在本課題的應(yīng)用中，主要是檢測(cè)出道路的信息如車(chē)道線(xiàn)的跟蹤，因此采用單攝像頭的采集方式更為合理。另外，在進(jìn)行道路標(biāo)志線(xiàn)跟蹤時(shí)，是基于色彩信息還是基于灰度信息，首先比較了幾種不同的處理方法：區(qū)域生長(zhǎng)法，模板匹配方法，鏈碼跟蹤法等等之后，決定選取鏈碼跟蹤的簡(jiǎn)單方法，也因此選用基于灰度信息來(lái)處理圖像，在進(jìn)行該系統(tǒng)整體設(shè)計(jì)時(shí)選用黑白的攝像頭作為我們的圖像捕捉設(shè)備。另外，基于當(dāng)車(chē)輛在較黑暗的條件下運(yùn)行時(shí)，攝像機(jī)需要加裝相應(yīng)的紅外線(xiàn)設(shè)備的考慮，不能用彩色攝像機(jī)；黑白敏度高和傳輸距離遠(yuǎn)等優(yōu)點(diǎn)。因此感知系統(tǒng)采用的是黑白吉林大學(xué)碩士學(xué)位論文 14知系統(tǒng)各功能模塊的設(shè)計(jì)分析 基于單攝像頭的可行區(qū)域感知系統(tǒng)，它所要實(shí)現(xiàn)的最終目的是確定道路邊界相對(duì)于汽車(chē)的位置，為整個(gè)智能輔助駕駛車(chē)輛的控制提供可行區(qū)域信息。整個(gè)感知系統(tǒng)的輸入是汽車(chē)行駛時(shí)所處道路的場(chǎng)景，系統(tǒng)的輸出是道路邊界相對(duì)于汽車(chē)的位置，正如人腦通過(guò)對(duì)眼睛獲取的圖像進(jìn)行分析從而形成視覺(jué)一樣，智能輔助駕駛車(chē)輛可行區(qū)域感知系統(tǒng)也通過(guò)對(duì)圖像采集設(shè)備采集到的道路圖像進(jìn)行相應(yīng)的分析，從中提取出道路邊界信息，為智能車(chē)輛的控制提供必要的、精確的數(shù)據(jù)。 不同于人腦的視覺(jué)形成機(jī)理，我們所研究的感知系統(tǒng)僅僅對(duì)代表道路邊界（道路路肩或者是道路上斷續(xù)的標(biāo)志線(xiàn)）的邊緣曲線(xiàn)相對(duì)于汽車(chē)的位置感興趣，因此整個(gè)分析過(guò)程，可以通過(guò)如下圖23所示的幾個(gè)步驟來(lái)實(shí)現(xiàn)。這樣，攝像頭簡(jiǎn)化參數(shù)的確定 車(chē)體坐標(biāo)系下 可行區(qū)域的建立 道路圖像的 前期處理 道路邊緣 矢量點(diǎn)提取 圖像平面 可行區(qū)域的建立 攝象機(jī)捕捉 道路圖象 曲線(xiàn)搜索： 運(yùn)用點(diǎn)生長(zhǎng)搜索法對(duì)道路路肩邊緣曲線(xiàn)進(jìn)行搜索，建立路肩曲線(xiàn)矢量 圖像前期處理： 去除道路圖像噪聲 道路邊緣增強(qiáng) 可行區(qū)域建立： 對(duì)邊緣矢量點(diǎn)進(jìn)行聚類(lèi) 擬合 決策模塊 圖23 行區(qū)域感知系統(tǒng)的整體設(shè)計(jì) 15可行區(qū)域感知系統(tǒng)大體可以分為兩個(gè)大的部分：圖像平面內(nèi)可行區(qū)域的建立、車(chē)體坐標(biāo)系下可行區(qū)域的建立。 圖像平面內(nèi)可行區(qū)域的建立包括圖像噪聲的去除、道路邊界的增強(qiáng)（這一部分主要是對(duì)捕捉圖像進(jìn)行的初步處理，目的是獲得比較理想的邊緣圖像，以利于系統(tǒng)進(jìn)行下一步分析），可行區(qū)域中道路邊緣矢量點(diǎn)的提取，是整個(gè)圖像處理工作的核心，根據(jù)實(shí)際的道路路面情況，編寫(xiě)可行的搜索算法，它的輸出是可行區(qū)域邊界點(diǎn)的坐標(biāo)（圖像坐標(biāo)系下）。車(chē)體坐標(biāo)系下可行區(qū)域的建立包括攝像頭簡(jiǎn)化參數(shù)的確定（這一部分是圖像平面內(nèi)的可行區(qū)域與車(chē)體坐標(biāo)系下可行區(qū)域轉(zhuǎn)換的橋梁），然后根據(jù)這個(gè)橋梁，可以獲取車(chē)體坐標(biāo)系下的可行區(qū)域。 吉林大學(xué)碩士學(xué)位論文 16第三章 可行區(qū)域感知系統(tǒng)的算法研究 本章根據(jù)感知系統(tǒng)的總體設(shè)計(jì)，從基本的計(jì)算機(jī)視覺(jué)理論出發(fā)，對(duì)系統(tǒng)各功能部分進(jìn)行分析，然后編寫(xiě)設(shè)計(jì)具體的處理算法。主要分為兩大部分：圖像平面內(nèi)可行區(qū)域的算法研究及車(chē)體坐標(biāo)系下可行區(qū)域建立的算法研究，下面進(jìn)行較為詳細(xì)的介紹。 本課題的目的是經(jīng)過(guò)圖像處理后，檢測(cè)出車(chē)輛行駛前方的可行區(qū)域，因此道路標(biāo)識(shí)線(xiàn)（道路邊界）便成為我們檢測(cè)的一個(gè)主要問(wèn)題。道路邊緣檢測(cè)有以下幾種常見(jiàn)方法：區(qū)域生長(zhǎng)法，模板匹配方法，鏈碼跟蹤方法，1、區(qū)域生長(zhǎng)法：其基本思想是首先在各個(gè)區(qū)域里尋找一些核心點(diǎn) (或核心區(qū)、原子區(qū) )，通過(guò)適當(dāng)?shù)目山邮艿臏?zhǔn)則將其周?chē)徑南袼攸c(diǎn)(或子區(qū) )歸并進(jìn)來(lái)以使區(qū)域逐漸生長(zhǎng)擴(kuò)大，直到?jīng)]有可并入的點(diǎn)時(shí)，整個(gè)生長(zhǎng)過(guò)程結(jié)束。在區(qū)域生長(zhǎng)的過(guò)程中可根據(jù)有關(guān)區(qū)域的先驗(yàn)知識(shí)例如區(qū)域的顏色均勻性要求，紋理或形狀等要求來(lái)調(diào)整歸并準(zhǔn)則以期獲得較好的區(qū)域生長(zhǎng)和區(qū)域分割結(jié)果。一般先在道路上找出種子點(diǎn)，然后區(qū)域生長(zhǎng)，最后求其補(bǔ)集找出道路邊界。這種方法對(duì)于本研究課題有些舍近求遠(yuǎn)，先求道路區(qū)域大小，然后定出區(qū)域的補(bǔ)集，計(jì)算開(kāi)銷(xiāo)大。 2、模板匹配方法：根據(jù)經(jīng)驗(yàn)，事先做好一些道路檢測(cè)模板，然后檢測(cè)道路曲線(xiàn)與哪一種模板匹配程度最好。這種方法缺點(diǎn)在于實(shí)際道路形狀復(fù)雜多變，很難用簡(jiǎn)單的幾塊模板將道路曲線(xiàn)全部描述出來(lái)。若模板變大，雖然抗干擾，但更加難于與復(fù)雜的道路曲線(xiàn)相匹配，增多模板個(gè)數(shù)又會(huì)使道路檢測(cè)時(shí)間變長(zhǎng)，達(dá)不到實(shí)時(shí)性要求。 3、之在另一坐標(biāo)空間的特定位置上出現(xiàn)峰值，找出峰值位置即檢出曲線(xiàn)。例如直線(xiàn)= ,在參數(shù)空間只需一個(gè)點(diǎn)（即可表示。 第三章 可行區(qū)域感知系統(tǒng)算法研究 17在此不討論干擾，魯棒性好，但是于在實(shí)時(shí)時(shí)間內(nèi)完成道路檢測(cè)。另外，道路曲線(xiàn)形狀越復(fù)雜，參數(shù)空間的參數(shù)就越多，找出參數(shù)出現(xiàn)峰值的特定位置更加困難。 綜合上述方法的優(yōu)缺點(diǎn)，采用了邊緣跟蹤的方法，直接將道路的邊緣道路邊界、道路的標(biāo)志線(xiàn)，用鏈碼跟蹤的方法將其檢出。下面將詳細(xì)介紹此種方法的思路及做法。 整體思路用框圖表示如下 圖象噪聲的去除 道路邊緣的增強(qiáng) 道路邊緣與圖象背景的分割 可行區(qū)域矢量點(diǎn)的提取 矢量點(diǎn)的聚類(lèi)擬合 圖31圖像平面可行區(qū)域提取流程 1. 圖像噪聲的去除 在圖像獲取過(guò)程中由于采樣量化、傳遞和環(huán)境干擾的存在致使圖像出現(xiàn)一些高頻的噪聲，這些噪聲會(huì)影響后續(xù)處理的效果，對(duì)圖像進(jìn)行平滑處理可降低噪聲，獲取比較理想的圖像質(zhì)量，提高后續(xù)處理的精度。 圖像平滑的基本方法分空間域法和頻率域法兩類(lèi)，因?yàn)楸菊n題所研究的系統(tǒng)要求有極高的實(shí)時(shí)性，而頻率域法所采用的算法比較復(fù)雜，要求對(duì)整個(gè)圖像進(jìn)行處理，實(shí)時(shí)性較差，因此系統(tǒng)采用比較簡(jiǎn)單的空間域法。 空間域法的基本算法有三種： 鄰域平均法： 基本思想是用鄰域內(nèi)的點(diǎn)的平均值來(lái)取代該點(diǎn)的灰度值。但是如果該點(diǎn)的值與鄰域平均值相差不大的話(huà)，則說(shuō)明該點(diǎn)的噪聲并不大，不需要平滑處理，從而保持邊界，減少模糊；對(duì)于孤點(diǎn)噪聲的灰度則與其鄰域平均灰度相差懸殊，可以通過(guò)此方法濾掉。 吉林大學(xué)碩士學(xué)位論文 18=其他當(dāng)),(),(1),( ),(1),(),(),(),(),(31) 其中：,(表示位于該點(diǎn)鄰域內(nèi)的點(diǎn)的個(gè)數(shù)（不包括該點(diǎn)）。 (),(表示該點(diǎn)的去心鄰域內(nèi)的點(diǎn)的灰度值之和。 多幀平均法 這種方法是利用同一景物的多幅圖像的迭加而消除噪聲的，但是由于本課題所涉及的應(yīng)用條件，不可能在一次處理流程中，多次對(duì)同一個(gè)區(qū)域進(jìn)行圖像采集，因此這種方法也不合適。 中值濾波法 中值濾波法實(shí)際上是一種非線(xiàn)性的空間濾波法，它既能有效的抑制噪聲，又能起到保護(hù)邊界的作用。這種方法的基本思想是用鄰域內(nèi)的點(diǎn)按照灰度值的大小排序，取序列的中間一位作為該點(diǎn)的灰度值。 中值濾波在清除圖像上隨機(jī)脈沖噪聲較為有效，但對(duì)于某些作用形式較為緩和的噪聲，效果就要差些。 高斯濾波方法 高斯算子可用模板表示卷積核為A/16，高斯函數(shù)能把圖像變模糊，有效的消除一切尺度遠(yuǎn)小于高斯分布空間常數(shù)的圖像強(qiáng)度變化，它在空域和頻域內(nèi)都是平滑的，因而引入任何在原始圖像中未曾出現(xiàn)的變化的可能性最小 =121242121A 小結(jié)：經(jīng)過(guò)我們實(shí)際的實(shí)驗(yàn)測(cè)定，高斯濾波方法速度快，并且效果也較理想，因此圖像平滑采用這種方法。 第三章 可行區(qū)域感知系統(tǒng)算法研究 192道路邊緣的增強(qiáng) 許多學(xué)者分析了人和動(dòng)物的視覺(jué)，發(fā)現(xiàn)視覺(jué)對(duì)圖像中的邊緣更為靈敏，因此提出以物體區(qū)域的邊界為基礎(chǔ)的一類(lèi)圖像分割方法。邊界線(xiàn)或邊緣通常是以圖像中某些特性不連續(xù)行為表征的，如灰度的突變、彩色的變換、紋理結(jié)構(gòu)的變化等。邊界線(xiàn)或邊緣表示圖像中一個(gè)區(qū)域過(guò)渡到另一個(gè)區(qū)域。邊緣信息不但對(duì)人的視覺(jué)十分重要，而且對(duì)計(jì)算機(jī)視覺(jué)的設(shè)計(jì)都十分重要。通常圖像的邊界常采取以下幾種形式：階躍式、灰度漸變式、斜率上升又下降式、脈沖式以及帶有不同干擾等形式，如圖32。 突出圖像中的邊緣，然后再用某些閾值使之分割出來(lái)，從而得到邊界的圖像。常用的幾種預(yù)處理有差分運(yùn)算、梯度算子、模板匹配等。下面介紹幾種常見(jiàn)的計(jì)算機(jī)易處理簡(jiǎn)單方便的算子 (a) (b) 圖32理想的邊緣截面圖，表示在邊緣處灰度級(jí)的變化形式 (a)理想的階躍邊緣；(b)有噪聲并被模糊了的階躍邊緣； (c)理想的“脈沖狀”線(xiàn)；(d)與階躍邊緣組合的線(xiàn)。 (c) (d) ),(),(),( = （32） 式中（點(diǎn)的四鄰域，或用差分近似為： |)1,(),1(|,)1,1(),(),( += 吉林大學(xué)碩士學(xué)位論文 20這是較常用的四點(diǎn)鄰域的公式。也可歸入模板法，空域處理 =0110),(1 ，=1001),(2 子公式為：22222),(),(),(+= （33） 可以用模板表示其33算子為： =0101410101h，=1212421212h 這個(gè)算子是旋轉(zhuǎn)不變算子，從公式可以看出此算子對(duì)孤點(diǎn)或端點(diǎn)更加敏感。 加權(quán)平均再求差分，對(duì)模板如下 =1012021011h , =1210001212h 出的邊緣較寬。 高斯函數(shù)的一階微分，能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡，它有三個(gè)最佳邊緣檢測(cè)準(zhǔn)則如下： （1） 最優(yōu)檢測(cè)：不漏檢真實(shí)存在的邊緣，也不把非邊緣點(diǎn)檢出，這樣使得輸出的信噪比最大； （2） 最優(yōu)檢測(cè)精度：檢測(cè)到的邊緣點(diǎn)的位置與實(shí)際邊緣點(diǎn)的位置最近； （3） 檢測(cè)點(diǎn)與邊緣點(diǎn)一一對(duì)應(yīng)：每一個(gè)實(shí)際存在的邊緣點(diǎn)與檢測(cè)到的邊緣點(diǎn)是一一對(duì)應(yīng)關(guān)系。 但在道路圖像中經(jīng)過(guò)應(yīng)用，它檢出的邊緣過(guò)于注重細(xì)節(jié)，復(fù)雜且凌亂，不適合本課題的應(yīng)用。 小結(jié)：在實(shí)際應(yīng)用中，模板匹配方法需要建立大量的模板以適應(yīng)不同的道路，靈活性小，選擇不同的模板檢出道路也比較費(fèi)時(shí)，在此不予考慮此方法。以上幾種算子經(jīng)過(guò)實(shí)際應(yīng)用進(jìn)行比較，用個(gè)方向模板可以同時(shí)在圖像上檢出道路，效果比較好. 第三章 可行區(qū)域感知系統(tǒng)算法研究 213道路邊緣與圖像背景的分割 分割是采用閾值技術(shù)，就是簡(jiǎn)單的用一個(gè)或幾個(gè)閾值將圖像的灰度直方圖分成幾個(gè)類(lèi)，認(rèn)為圖像中灰度值在同一個(gè)灰度類(lèi)的像素屬于同一個(gè)物體。道路邊緣與圖像背景分割的效果是我們可行區(qū)域建立的基礎(chǔ)，分割點(diǎn)閾值的選取過(guò)低，則將會(huì)把道路上的陰影，污跡以及道路兩旁的建筑設(shè)施劃分到了道路邊緣的范疇，使得道路邊緣檢測(cè)出的準(zhǔn)確率大大下降，并且耗費(fèi)大量時(shí)間。閾值取得過(guò)高，則圖像中道路邊緣也會(huì)劃分到背景部分中，從而搜索不到道路邊緣，也就無(wú)從為后續(xù)的控制模塊提供可行區(qū)域信息。 最簡(jiǎn)單的一種全局方法就是根據(jù)經(jīng)驗(yàn)給定固定的值將圖像簡(jiǎn)單的分成道路邊緣以及背景。 =（ 當(dāng)0011,1,1=大津法：把圖像直方圖用某一灰度值分割成兩組，當(dāng)被分割成的兩組間方差最大時(shí)，此灰度值就作為圖像二值化處理的閾值，這種方法由日本的大津展之提出，主要依據(jù)是概率統(tǒng)計(jì)與最小二乘原理，該方法基于整幅圖像的統(tǒng)計(jì)特性，可實(shí)現(xiàn)閾值的自動(dòng)選取，對(duì)圖像二值化處理的效果較好，被諸多學(xué)者承認(rèn)，在實(shí)際中的應(yīng)用范圍較大。 設(shè)一幀圖像分為1度值 總象素?cái)?shù)=象素值概率 吉林大學(xué)碩士學(xué)位論文 22然后用一整數(shù).,2,1,.,2,110+=， 則010=，均值=(/)(/ 1=11 ，均值 +=1/)(/ 其中，=1100 +=，于是兩間方差 201102112002)()()( =+= （36） 從1，2，使得方差最大值的K，即)(其他方法:最大熵方法對(duì)不同目標(biāo)大小和信噪比的圖像均產(chǎn)生很好的分割效果，且受目標(biāo)大小的影響小，但此方法涉及對(duì)數(shù)運(yùn)算，運(yùn)算速度慢，不能用于實(shí)時(shí)處理。 小結(jié)： 經(jīng)過(guò)試驗(yàn)得出結(jié)論：在道路陰影不太嚴(yán)重時(shí)，大津方法在處理速度以及圖像分割優(yōu)劣來(lái)看，大津閾值方法能夠自動(dòng)的對(duì)圖像閾值化且效果較好。 4道路邊緣矢量點(diǎn)的提取 由前邊所述。我們目前針對(duì)的主要是高速公路，其道路情況如下圖33所示，道路兩旁的邊界處為連續(xù)的白色標(biāo)識(shí)線(xiàn)，在道路內(nèi)部，則由斷續(xù)的白色標(biāo)識(shí)線(xiàn)將前行（或后行）道路分割為兩車(chē)道，或者是三車(chē)道，又由于車(chē)輛要高速行駛，要求要保持一定的車(chē)距，所以在道路邊緣搜索時(shí)，前方行駛的車(chē)輛不會(huì)對(duì)我們所感興趣的區(qū)域的道路標(biāo)識(shí)線(xiàn)有所遮擋。 可行區(qū)域矢量點(diǎn)的提取分為兩種模式：一是啟動(dòng)模式，另一種是運(yùn)行模式。該小節(jié)中講解一下啟動(dòng)模式。 啟動(dòng)模式：車(chē)輛剛剛運(yùn)行跟蹤算法時(shí)，沒(méi)有歷史紀(jì)錄，也就沒(méi)有其他參數(shù)可供參考，其處理相當(dāng)于對(duì)攝像機(jī)采集的第一幀靜止圖像進(jìn)行處理，得到第三章 可行區(qū)域感知系統(tǒng)算法研究 23初始的道路參數(shù)。 運(yùn)行模式：在圖像處理跟蹤算法中，我們得到的是大量的序列圖像，道路參數(shù)也有歷史紀(jì)錄，由于在車(chē)輛運(yùn)行中，我們經(jīng)過(guò)一個(gè)短暫的瞬時(shí)抓取圖像，因此道路參數(shù)可依靠歷史紀(jì)錄限定搜索的范圍，從而提高搜索的準(zhǔn)確性，縮短搜索時(shí)間。下面介紹啟動(dòng)模式的搜索算法： 經(jīng)過(guò)前邊對(duì)圖像噪聲的去除以及道路邊緣的增強(qiáng)處理后，攝像機(jī)攝取的圖像如下圖所示： 圖33 道路圖像 在進(jìn)一步的圖像處理前，解釋一下4連通及8連通的概念：在一個(gè)連通集中的任意兩個(gè)象素之間，存在一條完全由這個(gè)集合的元素構(gòu)成的連通路徑。有兩種可供選擇的連通性準(zhǔn)則，如果只依據(jù)旁側(cè)相鄰的像素（上、下、左、右）確定連通，稱(chēng)為4連通，如果再加上對(duì)角相鄰的（45度鄰點(diǎn)）象素也被認(rèn)為是連通的，就是8連通，在這里，我們采用8連通準(zhǔn)則，通常8連通的結(jié)果與人的感覺(jué)更接近5。 經(jīng)過(guò)對(duì)車(chē)輛在實(shí)際駕駛中，所拍攝到的路面狀況分析，發(fā)現(xiàn)在攝像機(jī)視野內(nèi)主要是車(chē)輛所在當(dāng)前車(chē)道的道路標(biāo)識(shí)線(xiàn)，而其他車(chē)道的標(biāo)志線(xiàn)較遠(yuǎn)，并且在圖像底部只存在當(dāng)前車(chē)道線(xiàn)的白色標(biāo)識(shí)線(xiàn)（如圖34），這就簡(jiǎn)化了我們的搜索方法，在圖像底部開(kāi)始搜索，滿(mǎn)足我們要求的線(xiàn)段點(diǎn)就是道路標(biāo)識(shí)吉林大學(xué)碩士學(xué)位論文 24線(xiàn)。 邊緣搜索思路： 1）遍歷二值化圖像的點(diǎn)(從圖像的底部中間開(kāi)始) 2）按照點(diǎn)搜索算法找到一起始點(diǎn)，滿(mǎn)足起始點(diǎn)的要求則記為（） 3）以起始點(diǎn)開(kāi)始，搜索出線(xiàn)段的幾個(gè)點(diǎn)，此為搜索出的局部線(xiàn)段，在一定步長(zhǎng)之內(nèi)搜索不到點(diǎn)則結(jié)束本步驟。 4）以上次搜索起始點(diǎn)為橫向搜索邊界，繼續(xù)從圖像中間開(kāi)始按2）3）步驟搜索出一局部線(xiàn)段，該步驟重復(fù)進(jìn)行，直到達(dá)到要求的搜索點(diǎn)數(shù)，或者到達(dá)規(guī)定圖像位置。 在道路曲線(xiàn)邊界搜索算法中，部分采用了文獻(xiàn)11中的思路，其思想簡(jiǎn)要介紹如下： 搜索道路邊緣曲線(xiàn)就是搜索到該曲線(xiàn)上一定數(shù)量的點(diǎn)，因?yàn)榍€(xiàn)上的點(diǎn)之間是相互連通的，所以如果需要整個(gè)曲線(xiàn)上的任意點(diǎn)，我們可以首先搜索到該曲線(xiàn)的一個(gè)起始點(diǎn)，再分析該點(diǎn)的八連通情況，根據(jù)對(duì)該曲線(xiàn)的大致趨勢(shì)（左側(cè)邊緣向右生長(zhǎng)，右側(cè)邊緣向左生長(zhǎng)，這樣可以縮小搜索范圍），找出與起始點(diǎn)相連通的曲線(xiàn)上的下一個(gè)點(diǎn)，然后再以剛剛尋找到的點(diǎn)為起始點(diǎn)，搜索新起始點(diǎn)的下一個(gè)點(diǎn)，重復(fù)以上過(guò)程，就可以獲得整個(gè)曲線(xiàn)。但是，根據(jù)這種連通原則設(shè)計(jì)算法，系統(tǒng)所需的計(jì)算量還是比較大的，而且搜索過(guò)程中不容易保證點(diǎn)始終在曲線(xiàn)搜索，因此又結(jié)合其他思路。 第一、 擴(kuò)大搜索區(qū)域，由原來(lái)的相鄰像素點(diǎn)搜索也就是2加到域，從區(qū)域的最后端開(kāi)始搜索，省略掉起始點(diǎn)與目的點(diǎn)之間多余的生長(zhǎng)搜索的運(yùn)算，認(rèn)為沿上圖所示方向得到的第一個(gè)點(diǎn)一定是目的點(diǎn) 圖34第三章 可行區(qū)域感知系統(tǒng)算法研究 25點(diǎn)生長(zhǎng)搜索法的思路： 第二、變步長(zhǎng)算法，該算法包括兩類(lèi)變步長(zhǎng)： 1、搜索變步長(zhǎng)（在固定區(qū)域內(nèi)，搜索不到點(diǎn)），為了處理搜索失敗的情況，如果曲線(xiàn)間斷距離較大，在固定的搜索區(qū)域內(nèi)，搜索不到下一個(gè)點(diǎn)，系統(tǒng)就采用減小搜索區(qū)域的方法，直至找到點(diǎn)或不滿(mǎn)足步長(zhǎng)要求。 2、區(qū)域變步長(zhǎng)（圖像上不同位置對(duì)應(yīng)的分辨率不同），圖像所包含的信息量隨位置的變化而變化，因此越靠近圖像頂端，步長(zhǎng)應(yīng)變小以保證整條曲線(xiàn)的精度。 左側(cè)路肩邊緣曲線(xiàn)右側(cè)路肩邊緣曲線(xiàn) 左側(cè)曲線(xiàn) 起始點(diǎn)O 右側(cè)曲線(xiàn)起始點(diǎn)515圖36 圖象道路邊緣示意圖 00000000000000000000000000000000000000000000000000000000000000000