基于机器视觉的车道偏离预警系统研究

行驶安全是汽车交通发展的永恒主题,随着汽车保有量的迅速增加,公路上的交通事故,特别是恶性交通事故发生率居高不下,交通安全问题日益突出。智能车辆应运而生,它是车辆工程领域的研究前沿,体现了车辆工程、人工智能、自动控制、计算机等多学科领域理论技术的交叉与综合,是未来车辆发展的趋势。安全保障技术是其中必不可少和十分重要的组成部分。 本文从车辆主动安全性的角度出发,在车辆的安全保障技术领域进行了积极有益的探索。本文以吉林大学智能车辆课题组购置的微型面包车为试验研究平台,对不同光照条件下车道标识线识别与跟踪、车道偏离预警进行了系统、深入的研究。本文研究成果将为我国汽车安全辅助驾驶系统的应用研究提供有力的理论和技术支撑。 不同光照条件下的车道标识线识别与跟踪是实现车道偏离预警的前提和基础,文中针对不同光照条件下的道路图像特点,采用不同的图像预处理方法,利用Hough变换或线性回归方法提取出车道标识线参数,采用建立梯形感兴趣区域的办法实现车道标识线的快速、准确的跟踪。 利用道路重建的方法以去除透视投影的影响,在重建图像中,针对不同光照条件下的重建图像特点,采用不同的图像预处理方法,利用Hough变换实现重建图像中车道标识线的识别,建立平行的感兴趣区域的方法实现重建图像中车道标识线的快速、准确跟踪。 利用信息融合的方法,将重建图像与原始图像中的车道标识线参数信息进行融合,提高了车道标识线识别的准确性与可靠性。 基于BP神经网络设计了道路图像光照模式分类器,实现了不同光照条件下车道标识线识别与跟踪算法的自动选取。 建立了车辆在当前车道中位置参数、方向参数以及车道宽度估计模型。在此基础上,建立了车道偏离预警模型,长距离道路试验证明,该模型能准确实现车道偏离预警,研发的车道偏离预警系统误警率低于3%,漏警率低于1%。