基于視覺的車道偏離預警系統研究

何建輝 潘陳兵

摘 要：針對目前車道預警系統中運用神經網絡算法進行車道線識別導致硬件成本上漲的問題，本文通過運用車道線感興趣區域提取、圖像灰度化和中值濾波操作一系列圖像預處理技術，以及運用Canny邊緣檢測算法和Hough變換實現車道線識別，從而降低硬件成本。根據識別的結果，本文設計了基于車輛橫向位置和偏航角度的預警模型。最終的實驗結果表明，本文設計的車道偏離預警系統具有實時性良好、準確度高、預警及時的特點。

關鍵詞：視覺;圖像預處理;車道線識別;車道偏離預警

1 引言

隨著科技發展及國家政策支持，新能源汽車保有量不斷上升，同時帶來的交通事故、人員傷亡和財產損失也不斷增加。根據交通事故的統計結果分析，超過90%的交通事故是由于駕駛員的錯誤判斷和決策造成的[1]。因此，對于新能源汽車的車道偏離預警系統（Lane Departure Warning System，LDWS）的研究對提高新能源汽車的安全性及未來無人駕駛技術的發展具有重要意義。

從目前的研究現狀來看，車道偏離預警系統已取得較大地突破，并在部分高檔車型上得到了應用。車道偏離預警系統需要解決兩大關鍵技術，一是車道線識別，二是車道偏離判斷。在車道線識別方面，神經網絡算法得到廣泛地應用[2]，但是由于神經網絡算法計算復雜加上車道偏離預警系統采集數據量大導致系統整體計算量偏大[3]，為了滿足實時性要求，必須運用計算能力較強的硬件[4]，從而導致車道偏離預警系統成本過高。……