基于MATLAB的汽车偏离车道报警系统

一、背景

为提高汽车的主动安全性并克服现有的汽车偏离车道报警系统所存在的结构复杂和成本高等缺点，文章设计了 一 种基于Matlab的汽车偏离车道报警系统，利用摄像头获取车道图像并实时传给车内计算机系统，经过对图像一系列的处 理分析判断汽车是否偏离车道而进行报警经验证，该系统能够实时检测出左右车道标志线，可以根据车道夹角法判断 汽车是否偏离车道，满足了汽车偏离车道报警的需要.该系统结构简单高效，能显著提高汽车行驶的主动安全性 关键词：汽车；偏离车道；图像处理；报警系统

据统计，约有44%的汽车事故与汽车偏离正常车 道行驶有关，其主要原因是驾驶员注意力不集中或者 疲劳驾驶，造成汽车的无意识偏离"汽车偏离车道报 警系统正是基于基本交通规则的汽车安全系统，可使 司机保持直线行驶，在司机昏昏欲睡偏离车道时发出 报警以避免交通爭故的发生目前研发的汽车偏离车 道报警系统，结构和使用复杂且成本髙，为r克服现有 技术存在的缺点，文章介绍了一种简单高效的汽车偏 离车道报警系统。

二、课题算法

1系统的结构组成

基于Mallah的汽车偏离车道报警系统由1个摄像 头、1台计算机和1个扬声器组成 摄像头安装在汽车 的纵向中心线上，在汽车的行驶过程中，由它不断地对 路面进行拍摄，并将拍摄的图像实时地传给计算机;计 算机对采集到的图像进行灰度处理、平滑滤波、边缘检 测、膨胀与腐蚀和二值化等系列处理卜气然后利用Hough 变换得到车道线，根据摄像头内参、外参和在汽车上的 安装位置等参数确定汽车相对于车道标志线的位置并 进行车道标志线跟踪；当汽车偏离车道时，系统便驱动扬声器发声提醒驾驶员修正汽车行驶方向。

2系统的算法流程

2.1灰度处理与平滑滤波

汽车偏离车道报警系统的算法流程图，如图1所示、 由于气候条件、环境温度、汽车运动及电磁的干扰，摄 像头在采集图像的过程中会受到噪声（随机信号）和最 化误差的影响.使图像变得模糊。从图1可以看出，系 统初始化后，先将摄像头采集到的图像转变为灰度图， 然后计算机系统采用两维卷积运算对灰度图像进行平滑滤波。

图1汽车偏离车道报警系统算法流程

在图像处理过程中，两维卷积运算为加权求和的 过程，使用到的图像区域中的每个像素分别与卷积核 （权矩阵）的每个元素对应相乘，所有乘积之和作为区 域中心像素的新值。两维卷积运算的公式为：

力(x,.y)寸f(u,v)g(x-u,y-v)

式中——图像中的某一个像素点；

1. u 像素点的横坐标,mm;

y, v '象素点的纵坐标,mm。

通过此运算，利用输入像素临域像素的加权和来 代替该输入像素，就能使灰度图像的边界变得较为平 滑清晰。

2.2边缘检测与二值化处理

对滤波后的灰度图像进行边缘检测。由于车道标 志线与路面背景具有较强的对比度,车道边缘较明显， 利用边缘检测算法检测出车道标志线边缘。在边缘检 测中，采用Sobel算子模板。Sobel算子有2个,分别用 于检测水平边沿和垂直边沿。Sobel算子模板将方向差 分运算与局部平均相结合，具有一定的噪声抑制能力， 而且由于S。阮/算子的计算量比较小，便于实时系统的 采用。在本系统中，针对左右两侧车道，可以采用Sobel 算子分别对左右车道的水平边缘进行检测。取定的 Sobel算子为：

Sobel=[-1 -2-l;000;l 2 1]

利用边缘检测法检测出车道标志线的边缘后，再 利用Ostu法对边缘增强的图像序列进行二值化处理， 该算法能够自动确定分割阈值，使前景与背景两者的 方差最大。

2.3膨胀与腐蚀处理

图像在经过平滑滤波和边缘检测后，仍存在一些 噪声,如椒盐噪声。为了使后续的处理更加容易，减少 车道标志线在检测过程中受噪声的干扰,Matlab图像 处理采用了先膨胀后腐蚀的处理过程来消除遗留噪 声。由于椒盐噪声就是黑图像上的白点，白图像上的黑 点,因此利用膨胀腐蚀过程就能很好地消除遗留噪声 2.4车道标志线识别与跟踪

经过上述处理的图像中既包括了车道标志线，又 包括了很多杂散线条，因此要对车道线进行识别，需要 将车道标志线从杂散线条中提取出来。由于实际道路 中出现直道的概率远大于弯道出现的概率，所以本系 统采用了简化的道路模型，即直线车道模型，利用 Hough变换来检测车道标志线

Hough变换是一种用于区域边界形状描述的方 法，其基本思想是将图像空间域变换为参数空间，用大 多数边缘点满足的某种参数形式来描述图像中的曲 线。Hough变换将原始图像中给定形状的曲线或直线 变换成参数空间的I个点，这样就把原始图像中曲线 或直线的检测问题，变换成寻找参数空间中峰点的问 题。直线的极坐标方程为：

p=A：cos 04-ysin 6 式中:p 像素点的极径,mm;

0一象素点的极角，（。）0

经过Hough变换系统获得直线拟合参数，然后经过 适当的变换到原图像坐标中就可以将车道标志线提取 出来。计算机系统再通过滤波器（Kalman滤波器叫对车 道标志线进行跟踪,预测出下一帧图像中车道标志线的 状态并进行参数计算，并将此参数传递给Hough变换. Hough变换在依据此参数的基础上再进行下一帧图像 中车道标志线的检测，减少Hough变换的计算负荷, 2.5偏离判断与报警

计算机系统将车道标志线提取出来后，根据车道夹角法来判断汽车是否偏离车道，如图2所示，图2 中:劣和分别为车道左右标志线与水平线夹角。

1 ）左偏时的边界：当伍+仇＞ 左侧临界角+右侧临 界角时，左偏报警；

2）右偏时的边界：当仇+^v左侧临界角+右侧临 界角时，右偏报警。

本车道偏离决策不需要对相机进行标定，安装时 保持相机与汽车平行即可。如果汽车的左右车道夹角 之和超过某一设定阈值,则认为汽车偏离正常车道，系 统根据当前行驶状况综合判断驾驶员是否无意识偏离 了行车道，并发出报警，提醒驾驶员纠正行车路线。

图2车道标志线偏离夹角示意图

3车道检测结果

图3示出提取出的车道标志线结果（车道标志线 上的2条绿实线儿试验结果表明，该系统能够实时检 测出左右车道标志线，可以满足汽车偏离车道报警的 需要。

图3车道标志线检测结果

4结论

该系统能够较好地实时检测出车道的左右标志 线，达到了预期的要求，显著提高了汽车行驶的主动安 全性。

参考文献

［1］易强,秦文虎.一种基于机器视觉的车道偏离报警系统［JI.轻型汽车 技术,2007（1）:18-20.

|2］毕雁冰.车道偏离预警系统的一种图像预处理方法［J］.深圳信息职业 技术学院学报,2006,4（3）： 25-28.

［3］ 王琪.一种基于MATLAB的视频图像信号提取方法［J］.大众科技,2008

（4）:60-61.

［4］ 王宇，程耀瑜.基于Kalman滤波原理的运动目标跟踪［J］.信息技术，

2008（10）:56-58.