[发明专利]基于双低成本摄像头的车道偏离预警方法

说明书

技术领域

本发明是基于双低成本摄像头的车道偏离预警方法，属于智能辅助驾驶技术领域。

背景技术

车道偏离预警是智能辅助驾驶系统研究的一个关键方面，随着安全驾驶、智能交通越来越受人们关注和重视，车道偏离预警方法研究已经成为研究的热点问题。车道偏离预警方法的设计是根据前方道路环境和本车位置关系，判断车辆偏离车道距离并进行及时提醒，防止由于驾驶员疏忽造成的车道偏离事故的发生。根据研究表明，车道偏离预警方法的实现与应用可以避免30-70％的车道偏离交通事故的发生，对提高道路交通安全，减少交通事故引发具有重大意义。传统的车道偏离预警方法其设计在单目摄像机下的前视位置进行，包括图像采集模块、车道线检测模块与预警模块。一般首先通过图像传感器获取车辆行驶过程中实时的道路图像，接着在硬件处理平台上的对车道线检测获取车辆的偏离车道线距离参数等，然后通过预警方法对当前行驶状态是否有发生车道偏离的可能性进行评估，最后显示预警信息。

发明内容

本发明利用车辆车耳朵(后视镜)正下方的两个低成本的摄像头进行的车道偏离预警方法，能够正确、实时地提供车道偏离预警信息。其优点是对摄像头的成本要求非常低，并且保证了运算开销最小和实时性。算法的设计是基于双低成本的摄像头，能够适应车辆生产家对成本、实时性及准确的要求，市场前景将非常好。

为了实现上述目的，本发明采取了如下的技术方案：

步骤1：传感器安装；

将摄像机分别安装在智能车辆两侧后视镜的正下方并与车体的纵向坐标轴平行，安装摄像机时，应保证两摄像机必须位于同一平面内，并能够采集到车辆两侧车道线图像；

步骤2：摄像头标定；

分别对两摄像头进行标定，标定的视野范围为：宽600cm,远1000cm。调整摄像头的左右、上下角度，使标定后左右摄像头的位置要在同一平面内(要求获取的图片能够在同一平面内处理)；

步骤3：图像的预处理；

根据车道线特征，先对图像进行灰度处理，灰度处理的公式为

G_ray＝R*0.5+G*0.5，其中R、G分别代表红蓝通道分量值，G_ray表示转换后的像素的灰度值。然后对图像进行中值滤波，本实验中采用3×3的方形领域对图像进行滤波处理。

步骤4：IPM；

对灰度图像进行逆透视处理得到鸟瞰图像，透视矩阵是标定后的H矩阵。

步骤5：特征点提取；

车道线的灰度值要比其两边的值要高，形成一个波峰；呈现从左到右是先升后降趋势；车道线区域内均值较高时，均值与其峰顶值相差较大。我们利用这些特性，通过计算相邻图像像素的变化来判断车道线的边缘。

步骤5-1：计算相邻图像像素的均值；

设某点是(x,y)，满足y∈[0,h)且x∈[2,w-2)。x,y分别是像素点的列和行，w是图像的宽度，h是图像的高度。则有相邻图像像素的均值为：

其中t∈[1,3,5,7,……]，t＝5能取得很好的效果。

步骤5-2：计算边缘提取阈值T,其计算公式表达如下：

其中avg_(x,y)为点(x,y)水平线附近的均值。

步骤5-3：计算边缘的升变点e_p和降变点e_v。

e_p∈{f(x+2,y)-f(x,y)>T}

e_v∈{f(x+2,y)-f(x,y)<-T}

f(x,y)为当前点(x,y)的灰度值，f(x+2,y)为该点水平方向的间隔点的灰度值。

步骤5-4：车道线的升变点和降变点在图像中是成对出现的，并且之间满足一定的距离。比较升变点和降变点的宽度，剔除不满足的点。

Δw＝e_p(x)-e_v(x)

若Δw>W，则认为是不可能出现的车道线，则要舍弃。其中，e_p(x)和e_v(x)分别表示升变点和降变点的列像素坐标，W为车道线在图像中占有的最大的像素个数。

步骤6：基于车道线的聚类方法。