專利名稱：一種相機(jī)參數(shù)和車輛系統(tǒng)無(wú)關(guān)的車道偏離提前預(yù)警方法
技術(shù)領(lǐng)域：
本發(fā)明主要涉及基于視覺(jué)的車道偏離預(yù)警(Lane Departure Warning based onVision)領(lǐng)域,特別涉及一種基于CCP(Car’s Current Position)和灰色預(yù)測(cè)的車道偏離預(yù)
警方法。
背景技術(shù)：
隨著經(jīng)濟(jì)的飛速發(fā)展，人們對(duì)汽車的需求量不斷攀升，交通事故的發(fā)生率也隨之快速增長(zhǎng)，安全駕駛也成為了社會(huì)關(guān)注的焦點(diǎn)之一。在所有的交通事故中，因駕駛員注意力不集中而造成的車道偏離事故所占比例高達(dá)37.4%。因此，如何減少因車輛偏離而導(dǎo)致的交通事故的發(fā)生率，成為當(dāng)今社會(huì)的重大挑戰(zhàn)。調(diào)查表明，如果能夠提前0.5秒預(yù)警，交通事故的發(fā)生率將會(huì)降低60%。車道偏離預(yù)警技術(shù)是解決這一問(wèn)題的有效解決方案。車道偏離預(yù)警技術(shù)是基于視覺(jué)的車道偏離預(yù)警系統(tǒng)的核心技術(shù)之一，預(yù)警效果的好壞直接決定著整個(gè)系統(tǒng)的實(shí)用性，因此研究車道偏離預(yù)警方法具有重要意義。目前，基于視覺(jué)的車道偏離預(yù)警方法可以歸納為兩類:基于圖像信息的方法和基于圖像信息與道路模型相結(jié)合的方法。基于圖像信息的車道偏離預(yù)警方法，利用了物體從真實(shí)的三維世界轉(zhuǎn)化到圖像中的二維平面過(guò)程中車輛和車道的一些關(guān)聯(lián)特征，例如圖像平面內(nèi)車道與車輛位置變化的劇烈程度直接反應(yīng)了真實(shí)三維空間中車道與車輛位置變化的劇烈程度，圖像中車道線與左右車道線夾角的差別與真實(shí)三維空間中車輛與左右車道線夾角的差別直接相關(guān)。這種方法的優(yōu)點(diǎn)在于其不需要相機(jī)參數(shù)和車輛系統(tǒng)，但其缺點(diǎn)也是明顯的，即往往會(huì)因?yàn)榭紤]信息不全面而出現(xiàn)許多錯(cuò)誤判斷?；趫D像信息和車道模型相結(jié)合的車道偏離預(yù)警方法，使用圖像信息和幾何模型，通過(guò)嚴(yán)格的數(shù)學(xué)推導(dǎo)，可以得到高準(zhǔn)確度的車道偏離預(yù)警決策。然而，這種方法一般會(huì)建立圖像平面和真實(shí)空間的幾何模型，需要相機(jī)參數(shù)和車輛行駛狀態(tài)，對(duì)相機(jī)和車輛系統(tǒng)的依賴性較強(qiáng)，不易實(shí)現(xiàn)大眾化；此類方法中，對(duì)相機(jī)和車輛系統(tǒng)依賴性較弱的CCP方法只能判斷當(dāng)前時(shí)刻車輛是否發(fā)生車道偏離，但是不能提前預(yù)警車道偏離事件的發(fā)生，所以不能給駕駛員提供足夠的預(yù)警時(shí)間采取必要措施糾正偏離車道現(xiàn)象。

發(fā)明內(nèi)容
為擺脫車道偏離方法對(duì)相機(jī)和車輛系統(tǒng)的依賴性且能實(shí)現(xiàn)提前車道偏離預(yù)警功能，本發(fā)明提供一種相機(jī)參數(shù)和車輛系統(tǒng)無(wú)關(guān)的車道偏離提前預(yù)警方法。其主要思想為:通過(guò)分析兩類方法的優(yōu)缺點(diǎn)，發(fā)現(xiàn)CCP方法具有準(zhǔn)確度高且不依賴相機(jī)參數(shù)和車輛系統(tǒng)的優(yōu)勢(shì)，但其存在一個(gè)明顯的不足，即只能判斷當(dāng)前時(shí)刻車輛是否發(fā)生車道偏離，未實(shí)現(xiàn)提前預(yù)警的功能。針對(duì)這一弊端，通過(guò)深入分析CCP數(shù)據(jù)得知，同一視頻段中的CCP數(shù)據(jù)具有短時(shí)間相關(guān)性，而對(duì)不同視頻段中的CCP數(shù)據(jù)具有隨機(jī)性。這正符合灰色預(yù)測(cè)的特性:對(duì)樣本量少、隨機(jī)性高的數(shù)據(jù)具有較好的預(yù)測(cè)效果，因此在保持CCP方法優(yōu)勢(shì)的基礎(chǔ)上，使用灰色預(yù)測(cè)實(shí)現(xiàn)提前預(yù)警功能。已知圖像中當(dāng)前車道的兩條車道線被檢測(cè)出。本發(fā)明解決其技術(shù)問(wèn)題的技術(shù)方案是:
步驟I一計(jì)算CCP數(shù)據(jù):
根據(jù)CCP方法計(jì)算每幀圖片中本車前部中心距離同一參考車道中線的橫向距離，記為ccpData,根據(jù)每巾貞圖片的車道線信息可以得到一個(gè)當(dāng)前時(shí)刻的ccpData。步驟2—灰色預(yù)測(cè):
當(dāng)ccpData連續(xù)累計(jì)大于等于15個(gè)數(shù)據(jù)時(shí)，使用符合其數(shù)據(jù)特點(diǎn)的灰色預(yù)測(cè)方法預(yù)測(cè)將來(lái)一段時(shí)間內(nèi)的ccpData,記為predictCCPData。步驟3—提前預(yù)警時(shí)間計(jì)算:
當(dāng)將來(lái)一段時(shí)間內(nèi)的所有預(yù)測(cè)值predictCCPData中存在一個(gè)符合車道偏離現(xiàn)象時(shí)提前發(fā)出預(yù)警，并計(jì)算預(yù)警時(shí)間；否則不發(fā)出預(yù)警。1、CCP 方法:
在基于圖像信息和車道模型相結(jié)合的車道偏離預(yù)警方法中，發(fā)現(xiàn)CCP方法具有準(zhǔn)確度高且不依賴相機(jī)參數(shù)與車輛系統(tǒng)的優(yōu)勢(shì)，本發(fā)明使用CCP方法為本發(fā)明所提出的能提前預(yù)警的車道偏離方法擺脫對(duì)相機(jī)參數(shù)和車輛系統(tǒng)的依賴性奠定了基礎(chǔ)。CCP方法比較直觀，主要是根據(jù)車輛相對(duì)于當(dāng)前車道的位置信息，計(jì)算車輛與當(dāng)前車道中線的距離，并以此為依據(jù)判斷當(dāng)前時(shí)刻車輛是否發(fā)生車道偏離。2、灰色預(yù)測(cè):
CCP方法計(jì)算本車前部中點(diǎn)與當(dāng)前車道中線的距離DiSt，根據(jù)Dist可以判斷當(dāng)前時(shí)刻本車是否偏離車道。但是，CCP方法只能判斷當(dāng)前時(shí)刻車輛是否發(fā)車道偏離現(xiàn)象而不能實(shí)現(xiàn)提前一定時(shí)間預(yù)警的功能。通過(guò)分析CCP數(shù)據(jù)得知，其對(duì)同一視頻段具有短時(shí)間相關(guān)性，對(duì)不同視頻段具有隨機(jī)性，這正符合灰色預(yù)測(cè)的特性:對(duì)樣本量少、隨機(jī)性高的數(shù)據(jù)具有較好的預(yù)測(cè)效果?；诖耍景l(fā)明使用灰色預(yù)測(cè)方法實(shí)現(xiàn)車道偏離提前預(yù)警功能。本發(fā)明具有的有益效果是:
1、使用CCP方法準(zhǔn)確計(jì)算本車與同一參考車道中線的距離，保持了 CCP方法不依賴相機(jī)參數(shù)與車輛系統(tǒng)的優(yōu)勢(shì)，為本發(fā)明所提出的方法擺脫對(duì)相機(jī)參數(shù)和車輛系統(tǒng)的依賴性奠定了基礎(chǔ)。2、使用符合CCP數(shù)據(jù)特點(diǎn)的灰色預(yù)測(cè)方法預(yù)估未來(lái)一定時(shí)間內(nèi)的CCP數(shù)據(jù)，提供了提前預(yù)警所需的數(shù)據(jù)，且具有較高準(zhǔn)確度和快速計(jì)算能力。


圖1是車道偏離預(yù)警方法執(zhí)行步驟。圖2是車道線和本車頭部在像平面中的成像示意圖。圖3是車輛與同一參考車道中線的距離(ccpData)。圖4是車道偏離預(yù)警方法流程圖。
具體實(shí)施例方式下面結(jié)合附圖和具體實(shí)施應(yīng)用過(guò)程對(duì)本發(fā)明進(jìn)一步說(shuō)明:參照?qǐng)D1執(zhí)行步驟來(lái)說(shuō)明本發(fā)明的實(shí)施過(guò)程:
步驟I一計(jì)算CCP數(shù)據(jù):
此處的CCP數(shù)據(jù)是指當(dāng)前時(shí)刻車輛前部中點(diǎn)相對(duì)于同一條車道中線的橫向距離。每幀圖片中都可計(jì)算得出一個(gè)CCP數(shù)據(jù)，從連續(xù)多幀圖片中得出的CCP數(shù)據(jù)稱為CCP數(shù)據(jù)序列。觀察圖2車道線和汽車頭部在像平面中的成像示意圖，直線AF和DE是當(dāng)前車道的左右車道線在像平面中的成像，相交于點(diǎn)P。眾所周知，相機(jī)不可能一次照出前方所有角度范圍內(nèi)物體的像，每臺(tái)相機(jī)的像平面都有一個(gè)有效成像區(qū)域，假設(shè)圖2中的虛線框?yàn)檫@個(gè)有效成像區(qū)域，虛線框大小也即相機(jī)中圖像的大小。AF和DE與圖像底邊的交點(diǎn)分別為F和E ;線段BC代表車輛頭部的像，其中點(diǎn)記為M ;連接BP、MP、CP分別交圖像底邊于點(diǎn)H、N、G0建立直角坐標(biāo)系{0，U，V}，U軸與虛線框底邊重合，原點(diǎn)O為虛線框底邊的中點(diǎn)，過(guò)O且垂直U軸的直線為V軸。因?yàn)閿z像機(jī)安裝在本車頭部的中間，所以可近似看做M在V軸上。設(shè)在U軸上本車寬度為wvehiele，即線段HG的長(zhǎng)度，車道寬度為wlane，即線段FE的長(zhǎng)度。設(shè)FE的中點(diǎn)為J, J的坐標(biāo)記為( , V1),類似的A的坐標(biāo)記為(uA, va)等,其它各點(diǎn)的坐標(biāo)也類似此法表示。從車道檢測(cè)方法中可以得到P (%，Vp) > F (uF, vf)、E(ue, vE)的坐標(biāo)，假設(shè)M (O, vM)、P =Wlane /wvehicle均已知,則N (uN, O)點(diǎn)的U坐標(biāo)值為:
UN __ Vm Up / ( Vp - Vm)
J(%, O)點(diǎn)的U坐標(biāo)值為:
Uj =( Ue+ Uf)/2
U軸上車道寬度為Wlane為:
Wlane_ UE ~~ UF
所以U軸上本車前部中點(diǎn)與當(dāng)前車道中線的距離Dist為:
Dist= Un - Uj =- Vm Up / ( Vp - Vm)- ( Ue+ Uf)/2
其中Up、vP、uE、uF可通過(guò)車道位置信息獲??；-vm=H* Wf/w, H為相機(jī)的高度,W為車道的實(shí)際寬度。一般地，在車輛行駛過(guò)程中，不同時(shí)刻的當(dāng)前車道可能不是同一條車道，這樣計(jì)算的DiSt數(shù)據(jù)在某時(shí)刻可能出現(xiàn)較大跳躍，跳躍大小為車道寬度。這不利于對(duì)Dist的預(yù)測(cè)，所以需將其轉(zhuǎn)化為相對(duì)于同一條車道中線的距離，記為CCP數(shù)據(jù):ccpData?？梢允褂靡粋€(gè)變量cvtNum，初始值為O ;當(dāng)車輛向左橫穿車道線使當(dāng)前車道變?yōu)榱硪粋€(gè)車道時(shí)，cvtNum的值減一；當(dāng)向右橫穿車道使當(dāng)前車道變?yōu)榱硪粋€(gè)車道時(shí)，cvtNum的值增一；則在第k幀中，車輛頭部中點(diǎn)與原始參考車道中線的距離為:ccpData[k] =Dist [k]+cvtNum*WLane。按照上述處理得出的ccpData就變得連續(xù)了。步驟2—灰色預(yù)測(cè)
分析步驟I中計(jì)算的結(jié)果:ccpData。如圖3所示，是在三段不同路段下計(jì)算出的本車與同一參考車道中間線的橫向距離(ccpData)。一方面，本車與同一車道中線的距離所決定的曲線可能呈現(xiàn)各種形狀，具有隨機(jī)性，這是由道路環(huán)境的復(fù)雜性、實(shí)時(shí)性和駕駛員的行駛習(xí)慣等多種因素共同作用的結(jié)果。圖像的形成過(guò)程和車輛震蕩等因素進(jìn)一步加劇了 ccpData的不確定性；另一方面，ccpData具有短時(shí)間內(nèi)的相關(guān)性，即在短時(shí)間內(nèi)同來(lái)自于同一段視頻的ccpData具有前后關(guān)聯(lián)性。然而， 此時(shí)的短時(shí)間不能更換成任意長(zhǎng)時(shí)間，因?yàn)樵谛熊嚨倪^(guò)程中駕駛員會(huì)根據(jù)當(dāng)前的交通環(huán)境隨時(shí)調(diào)整車輛方向和速度，ccpData的前后關(guān)聯(lián)性會(huì)隨時(shí)間增加而減小。隨機(jī)性使得找不到一個(gè)函數(shù)或分布能適應(yīng)所有ccpData ;短時(shí)間相關(guān)性決定了只能使用最近的少量歷史數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)數(shù)據(jù)，這正符合了灰色預(yù)測(cè)方法的特性。實(shí)驗(yàn)表明，使用前I秒的ccpData預(yù)測(cè)最佳。假設(shè)視頻幀率為f幀每秒(具體計(jì)算時(shí)可能不會(huì)每幀都被處理，可根據(jù)實(shí)際處理的幀數(shù)調(diào)整f值)，則使用前f幀的ccpData預(yù)測(cè)未來(lái)的數(shù)據(jù)。按照步驟I中的方法，已經(jīng)知道當(dāng)前幀之前的f_l幀和當(dāng)前幀圖片中的CCP數(shù)據(jù)，按時(shí)間順序分別記為ccpData
、ccpData [I]、…、ccpData [f_l]。設(shè) ccpData 的累加數(shù)列為 accuCCPData:
accuCCPData[i] = ccpData [O] + ccpData[l]+…+ ccpData[i], i=0, 1，…，f-1則 ccpData 為 accuCCPData 的灰導(dǎo)數(shù)，即滿足條件:ccpData[i]= accuCCPData[i]_accuCCPData[1-1]。對(duì)accuCCPData中每個(gè)數(shù)的鄰域做如下運(yùn)算:
Z [i] = a *accuCCPData[i+l] + (1-α ) * accuCCPData [i], i=0, I,..., f~2
建立方程組:
權(quán)利要求
1.一種相機(jī)參數(shù)和車輛系統(tǒng)無(wú)關(guān)的車道偏離提前預(yù)警方法，設(shè)攝像機(jī)安裝于車輛前擋風(fēng)玻璃中間并朝向正前方，即攝像機(jī)的俯仰角、航偏角、旋轉(zhuǎn)角均為零，并能獲取車道圖像；其特征在于:使用CCP車道偏離決策方法，獲取每幀圖片中本車前部中心距離同一參考車道中線的橫向距離，并以此距離為基礎(chǔ)借助灰色預(yù)測(cè)方法判斷未來(lái)某時(shí)刻是否發(fā)生車道偏離，其具體步驟為: 步驟1一計(jì)算CCP數(shù)據(jù): CCP方法是一種車道偏離決策方法，根據(jù)CCP方法計(jì)算每幀圖片中本車前部中心距離同一參考車道中線的橫向距離，記為CcpData，根據(jù)每幀圖片的車道線信息可以得到一個(gè)當(dāng)前時(shí)刻的ccpData ； 步驟2—灰色預(yù)測(cè): 當(dāng)ccpData連續(xù)累計(jì)大于等于15個(gè)數(shù)據(jù)時(shí)，使用符合其數(shù)據(jù)特點(diǎn)的灰色預(yù)測(cè)方法預(yù)測(cè)將來(lái)一段時(shí)間內(nèi)的ccpData,記為predictCCPData ； 步驟3—提前預(yù)警: 當(dāng)將來(lái)一段時(shí)間內(nèi)的所有預(yù)測(cè)值predictCCPData中存在一個(gè)符合車道偏離現(xiàn)象時(shí)發(fā)出預(yù)警，并給出未來(lái)何時(shí)本車會(huì)發(fā)生車道偏離事件，否則不發(fā)出預(yù)警。
全文摘要
本發(fā)明公開一種相機(jī)參數(shù)和車輛系統(tǒng)無(wú)關(guān)的車道偏離提前預(yù)警方法。基于圖像信息和車道模型相結(jié)合的車道偏離預(yù)警方法要么不能實(shí)現(xiàn)提前預(yù)警要么對(duì)于相機(jī)參數(shù)和車輛系統(tǒng)依賴性較強(qiáng)。針對(duì)這一問(wèn)題，本發(fā)明首先用CCP(Car'sCurrentPosition)車道偏離決策方法計(jì)算本車頭部與同一參考車道中線的橫向距離，稱作ccpData；然后根據(jù)過(guò)去一段時(shí)間內(nèi)的一組ccpData使用灰色預(yù)測(cè)方法預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的ccpData，判斷未來(lái)某時(shí)刻是否發(fā)生車道偏離，并提前發(fā)出偏離預(yù)警。本發(fā)明中使用CCP方法為本預(yù)警方法的相機(jī)參數(shù)與車輛系統(tǒng)無(wú)關(guān)性奠定了基礎(chǔ)，利用灰色預(yù)測(cè)方法估計(jì)將來(lái)可能會(huì)發(fā)生車道偏離事件的時(shí)刻，實(shí)現(xiàn)車道偏離提前預(yù)警功能。
文檔編號(hào)B60W50/14GK103213579SQ20131011805
公開日2013年7月24日 申請(qǐng)日期2013年4月7日 優(yōu)先權(quán)日2013年4月7日
發(fā)明者徐向華, 高瑞勝 申請(qǐng)人:杭州電子科技大學(xué)