物流运输车辆车道偏离安全预警系统研究

物流运输车辆车道偏离安全预警系统研究

摘要：车道偏离是引发高速公路交通事故的重要起因之一，本文阐述了物流运输车辆车道偏离安全预警系统研究的意义，介绍了项目涉及的相关技术在国内外研究现状和发展趋势，提出了车道偏离预警系统研究的主要内容和关键技术。

关键词：物流运输车道偏离机器视觉

1 引言

经过一个多世纪的发展，汽车已成为当今社会不可缺少的交通工具，它带来了高速经济发展的同时，也改变了人们的时空观念，提高了人们的生活水平，为现代人类社会的进步和改善人类社会的生活条件做出了重要的贡献。但是，随着汽车保有量的逐渐增大，不可避免地带来了一系列交通问题，如交通拥挤、交通事故、环境污染、能源浪费等。特别是随着高速公路的发展，汽车速度的提高，交通事故频发，死亡人数逐年上升，造成不可估计的经济损失。

公路交通事故已成为社会关注的一大公害，如何提高汽车安全性能、减少道路交通事故一直是人们普遍关注的社会问题和科学技术进步所面临的重要课题。据统计，约有44％的交通事故与车辆行驶偏离正常车道有关，分析其主要原因，主要是驾驶员注意力不集中或者疲劳驾驶，造成车辆的无意识偏离。因此，如何预防由于车道偏离而造成的交通事故成为各国面临的“交通物流运输和长时长途客运”安

全课题。

金华市是“物流运输业”大市，以永康、义乌、兰溪等重要物流枢纽站点为例，全市的载货运输任务极为繁忙，大型物流载货运输车辆的交通安全保障技术十分值得研究。在车道偏离预警研究和开发方面，我省、我市对该领域的理论研究和样机开发非常少。本课题的研究背景和意义在于：研发车道偏离预警系统，通过警告那些打瞌睡和注意力不集中的驾驶员，使其修正无意识的车道偏离，从而减少这种车道偏离事故的发生。进而“降低大型物流载货运输车辆的交通事故率”，尤其是在高速公路上的恶性交通事故，对金华市的物流运输业具有重要的现实意义。

2 项目涉及的相关技术在国内外研究现状和发展趋势

本项目所涉及的核心技术是基于机器视觉的环境感知技术和车道识别方法。

(1)基于机器视觉的环境感知技术

机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

机器视觉系统的特点是提高生产的柔性和自动化程度。正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于安全监视、成品检验和质量控制等领域。

目前，在“汽车安全辅助驾驶”和“车辆主动安全研究和应用”方面，机器视觉技术受到广大学者和工程技术人员的重视，尤其是在路径跟踪、障碍物检测、车道识别领域。在理论研究的基础上，已经逐步在物流运输、工业柔性生产、倒车智能报警系统等方面形成“工业产品”，微小型机器视觉产品的实用化、智能化、低成本化是其主要的发展趋势所在。

(2)车道识别方法

车道识别技术，尤其是高速公路下的车道识别方法是车道偏离预警系统的又一核心技术之一，具体实现的方法有多种。

基于灰度特征的识别方法：基于灰度特征的识别方法是从车辆前方的序列灰度图像中，利用道路边界及车道标识线的灰度特征而完成的对道路边界及车道标识线的识别。基于视觉与其他传感器融合的识别方法：基于视觉与其他传感器融合的道路边界与车道标识识别方法目前是一个研究热点，这种方法通过融合多传感器感知到的道路信息，利用多种图像特征对道路进行识别。

当前车道识别方法的发展趋势和主要的研究难点在于：非结构化道路下识别方法、恶劣天下识别方法、光照变化影响和城市模糊车道识别等。本课题的研究对象主要是针对“大型物流载货运输车辆”在高速公路上的车道偏离预警系统开发，应用环境的道路路面状况一般较好且连续，研究的重点和难点在于车道标示线的快速识别和稳定跟踪。

3 研究开发的主要内容和关键技术

本课题的主要研究内容及具体实现的技术包括：

3.1 车道标识线模型的建立

根据道路图像中车道标识线的纹理特征，通过实车实验建立车道标志线的空间分布模型，将车道标识线已多段直线处理。基于动态矩的直线提取算法在一个局部动态坐标系中提取边缘点的同时，可以计算边缘点所在直线的参数，进而确定直线并变换到坐标系。

3.2 车道感兴趣区域（ROI）模型：梯形感兴趣区域

通过分析图片中车道标识线区域，初步获得车道的感兴趣区域。利用图像分割方法可以将图像分成各具特性的区域并取出感兴趣目标，从而进行特征提取和参数测量。

3.3 基于Kalman滤波的车道跟踪算法

基于目标特征的跟踪算法可以在目标和对比度较大的情况下使用，跟踪精度很高。基于Kalman滤波器的方法可以实现交通信息采集设备中的车辆检测与跟踪.它采用一种自适应背景更新算法,通过分割、二值化、腐蚀膨胀得出前景图像, 以包含前景图像的矩形框的中心作为Kalman滤波器的跟踪特征, 对运动车辆进行跟踪估计得出车辆的运动轨迹和速度，进而得到车道线的准确位置。