1、第六章第六章 车道偏离预警系统车道偏离预警系统 6.1 概述 6.2 车道偏离预警系统组成 6.3 车道偏离预警算法 6.4 相关应用 6.1 概述 交通事故统计分析显示，欧洲国家和美国80% 90%的交通事故是由于驾驶员的人为因素造成的。根据美国警察局统计的结果，大约有20%的事故是由于车道偏离造成的。车道偏离是指车辆驶出当前行驶的车道线或行驶车辆的一部分超出车道线的状况。由于驾驶员长时间驾驶，会出现打瞌睡和注意力不集中的现象，而此现象正是导致车道偏离事故的主要原因。车道偏离预警系统(Lane Departure Warning System, LDWS )可以避免30% 70%的车道偏离交
2、通事故的发生。 车道偏离报警系统可识别车辆何时偏离车道，并通过声音或方向盘的不连续振动提前向驾驶员发出警告，使驾驶员全神贯注于前方道路。 它利用集成在后视镜附近的摄像头监控前方道路，夜间监控大灯光束内的道路。监控录像被发送至中央控制单元，在那里进行分析。系统会识别出车道标记线，并持续跟踪观察标记线的位臵。如果探测到车辆即将要偏离标记线，系统会通过声音或方向盘的振动向驾驶员发出警告，提醒驾驶员及时校正车辆方向。 根据车速的不同，报警提醒的时间也不同，当车速较高时会系统会提前发出警告，让驾驶员有足够的时间来校正方向。 车道偏离预警系统流程图 国内外研究现状 最早对车道偏离预警系统研究始于美国国家公
3、路交通安全管理局发起的车道偏离预警项目。项目报告中对车道偏离进行了分类，分为由于车速过快失控导致的纵向偏离和由于驾驶员分神或放弃操纵方向盘引起的横向偏离两类。 通过检测车辆的横向位臵可以防止大约53%的车道偏离事故。因此将车辆相对车道线的横向位臵作为判断车辆是否偏离的基准是可行的。 检测车辆的横向相对位臵的方法有基于道路基础结构的，也有基于车辆自身的。 1)基于道路基础结构的系统 利用车辆感应器检测车辆与掩埋在地下的磁铁或线圈的感应信号强弱来估计车辆距车道线的距离。硬件上需要对目前已经存在的道路进行重新铺设感应线圈。 2)基于车辆的车道偏离预警系统 对车道线标识位臵的检测一般是通过机器视觉或者
4、红外传感器完成。如安装在车辆上的摄像头。根据传感器的安装位臵和检测范围的差视觉系统又分为俯视系统与前视系统。 (1)俯视系统 摄像头安装在车辆侧面，斜指向车道。 由美国卡内基梅隆大学机器人学院1997开发的Aurora是俯视系统的代表。该系统由带广角镜头的彩色摄像机、数字转换器和一个便携Sun Sparc工作站等组成。该系统通过安装在车辆一侧,视野大约为115116m区域的俯视彩色摄像机检测车辆旁边的车道标识,通过数字转换器采集摄像机的视频输出并在一个便携Sun Sparc工作站上进行处理，处理速度为60Hz。 AURORA系统的处理算法主要由基于视觉的车道标识识别与跟踪、车辆横向位臵估计、车
5、道偏离警告3部分组成。系统对每帧图像进行单纯的线扫描,利用1个可调的二次标准化模板相关技术对车道标识进行识别,在标识跟踪时采取先搜索前面探测到的车道标识附近区域，假如在该区域没有搜索到车道标识，系统将进行整个扫描线搜索。当系统定位出车道标识后,将计算出车辆的横向位臵,即车辆中心与车道中心距离。然后, 采用一种合适的警告触发准则,使该系统与驾驶员相互作用防止车道偏离的发生。 俯视系统的优势是在结构化道路上效率高并简单易行，有可能取得更高的定位精度，然而俯视系统应用范围有限，在没有道路标线或者结构性不明显的道路上不能工作。 (2)前视系统 摄像头安装在车辆前部，斜指向前方的车道。 前视系统相对于俯
6、视系统的优点是可以有效利用道路结构参数，即便在不完善的车道标识线的路面，也可通过检测路基或其他物理边界确定道路边界。而如果反应车道线特征的点被行人或者车辆、树木遮挡那么视觉系统很容易受到影响。 目前，前视系统应用比较广泛，常见的系统有AutoVue系统，AWS系统，STAR系统等。 AutoVue系统结构紧凑,主要由一个安装在汽车内挡风玻璃后部的摄像机、道路标识线识别跟踪软件、2个立体音箱,1个小显示设备和控制单元等组成。主要通过摄像机监测和跟踪识别车道线，计算车辆相对车道线的距离，并与设定的距离阈值进行比较，由控制单元做出预警的判断是否进行预警,当检测到将要发生车道偏离时,它将发出一种类似于
7、车辆在隆声带上行驶时发出的隆隆作响的声音来提醒驾驶员修正车辆位臵。该系统环境适应性较强，受环境影响较小，可在多种天气下应用，在欧洲和美国得到大力的推广。 Mobil eye-AWS系统是以色列研究开发的。AWS系统利用安装在前挡风玻璃上的单个摄像机监测车道标识线以及测量和监控本车与道路边界的距离。该系统能够监测出不同的车道线类别，如实线、虚线。在车道标线模糊或者缺失的情况下，系统依旧可利用道路路基或者边缘线拟合出车道线。 其车道偏离警告模块通过检测道路边界,检测车辆的横向速度，用以计算车辆即将越过车道线的时间，当该时间低于设定的阈值时, 触发视觉警告和声音警告, 以使驾驶员对不同的危险状态做出
8、适当的反应而减少意外事故的发生。系统采用的警告阈值能适应不同的驾驶风格。车道偏离系统在有意识的车道偏离、制动、没有道路标识等情况下对警告的产生进行了抑制, 同时也适当考虑了驾驶员的个人驾驶行为。系统可以在没有明显车道线标识的情况下检测道路边缘和路沿，在雨天和夜晚情况下也能工作。 日本丰田公司研发的STAR系统是采用黑白摄像机来进行车道线检测，并计算车横向偏移量、道曲率半径和横摆角，车辆的横摆角速度来源于横摆角速度传感器，最终依据车辆实时的行驶轨迹和预期行驶轨迹的轨迹偏差来判断是否发出报警信号。 STAR的独特之处是在驾驶员听到报警没有做出修正动作时，系统会产生转向力矩辅助驾驶员方向盘回正。 D
9、SS系统：日本三菱汽车公司于1998年提出设计和开发DSS系统,并于1999年秋季应用于模型车上。DSS系统由1个小型的CCD摄像机、速度传感器以及视觉和指示器及警报蜂鸣器等听觉警告装置组成。利用装在后视镜内的CCD摄像机通过图像处理方式识别车道线，并进行车道曲率半径、横向偏移量和横摆角的计算，使用横摆角速度传感器检测车辆的横摆角速度，并通过控制器来计算当前车辆的实际行驶轨迹和预期行驶轨迹的偏差，确定自车与车道线的相对距离和速度来判断车辆是否已经开始偏离其车道，计算跨道时间，从而判断是否发出警报。如有必要,系统将利用视觉警告信息和听觉警告信息以及震动转向盘来提醒驾驶员小心驾驶车辆。 DSS系统
10、的特别之处是系统将产生一个促使车辆回到自身车道中央的转向力矩来帮助驾驶员采取正确的驾驶行为。当然,该力矩不会干涉驾驶员自己施加的转向力矩,保证驾驶员对车辆的完全控制。 西安交通大学人工智能与机器人研究所研发的Spring robot智能车，采用多种传感器组合方式感知车辆运行状态和当前的行车环境。 测距雷达、全球定位系统、摄像机等用于对车辆行驶环境的感知，车身内部传感器采集车辆运动参数。系统主要针对结构化道路，首先采集图像，处理图像信息，检测出车道线，结合车辆运动状态来确定道路参数；然后由当前时刻车辆所在的车道数、以及车道距双黄线、边界线的距离确定警告类型，用不同的色彩信号表示车辆的不同状态，如
11、偏离、警告和正常行驶。 吉林大学智能车辆课题组开发了JLUIV系列车道偏离预警系统。 该系统基于车辆速度与驾驶员方向联合控制最优预瞄加速度模型和稳态预瞄动态校正假说，同样利用机器视觉获取车辆前方道路信息和车辆距车道的横向距离，对比车辆预测轨迹进行车道偏离判断。另外在驾驶模拟平台仿真实验中，采用Hough变换拟合车道，增加了机器视觉的鲁棒性，特别是针对有阴影的路面和有障碍物的路面上车道线检测有较好的鲁棒性。根据距离作为评价指标，当车辆距一侧车道线距离小于阈值，且此时驾驶员未开启转向灯，系统会发出视觉和声音提醒。 国防科技大学自动化研究所研发的车道偏离预警系统利用单目机器视觉检测车道线，并使用改进
12、的Sable算子提取车道线边缘，Hough变换拟合车道线，使得系统更具有鲁棒性，增强适应环境能力。并基于驾驶员预瞄系统，建立了关于驾驶员一车辆一道路的关联模型，将预计车辆跨越车道线的时间与设定的阈值进行比较，若在报警范围内，则以声音的方式提醒驾驶员。 清华大学国家重点实验室也在车道偏离预警系统研发方面进行了大量的工作。研发出的THMR系列智能汽车实验平台，采用视觉传感器和车辆动态参数采集传感器，计算机内部程序完成图像信息处理和偏离决策判断。此外，实验平台用两台计算机进行激光测距、车辆定位、通讯、驾驶控制等信息的处理工作。根据车载电脑计算出车辆预计跨越车道线的时间，并与系统预警阈值进行对比，判定是否发出报警信息。 东南大学开发的基于DSP技术的嵌入式车道偏离报警系统，基于单目视觉的前视系统由模/数转化及解码电路模块、缓冲电路模块、媒体处理器DSP电路模块、编码及数/模转换电路模块等模块组成。该系统通过车载摄像头采集被跟踪车道线的模拟视频信号，经解码生成数字信号码流缓冲后送到高速媒体处理器DSP的视频接口，然后再由视频处理模块对数字视频信号进行车道特征值的提取，最后将处理后的视频信号送编码及数/模转换电路输出显示。
