CN105047019A - 一种客运车辆防止后车超车后突然变道判断方法及装置 - Google Patents

Abstract

本发明公开了一种客运车辆防止后车超车后突然变道判断方法及装置。该装置包括图像采集模块、液晶显示器、报警模块、存储硬盘以及数字信号处理器。所述的方法是通过摄像机采集车道图像，首先判断左侧车道是否有车辆处于超车状态，在此基础上结合前车车道车辆行驶状态，如果前方车道仅左前侧车道有车或左前侧车道车辆车距小于本车道前车与本车车距时即超车车辆会有变道可能性时，系统装置将会报警，同时把超车变道车辆图像传输到存储硬盘中。该装置和方法可以有效防止因后车在超车变道过程中所发生的交通事故，切实提高公路客运安全管理的科技含量与能力，达到有效改善我国公路客运安全性和提高公路客运的营运效益及保持行业可持续发展的目的。

Description

一种客运车辆防止后车超车后突然变道判断方法及装置

技术领域

本发明涉及客运车辆驾驶安全领域，特别涉及客运车辆防止后车超车变道判断方法及其预警装置。

背景技术

近年来，在我国公路运输业快速发展的同时，道路交通事故也居高不下，造成了大量的人身伤亡和财产损失，特别是每一起大型公路客运车辆交通事故，造成的损失更为巨大，给社会造成的影响也尤为严重。如何有效控制或杜绝客车不安全事故的发生，显得愈来愈紧迫。

众所周知，客车驾驶员的驾驶行为是保障客运车辆行驶安全的首要条件。通过认真分析公路客运交通事故的原因，我们发现其中相当一部分与后方车辆驾驶员的超速变道、抢道有着直接或间接的关系，这些行为不经意间就会导致被超车辆驾驶员被迫采用紧急操作，从而引发矛盾纠纷和追尾、侧碰、甚至侧翻等交通事故。

目前，客运车辆针对防止后车超车并突然变道，仅仅是凭借驾驶员主观认知进行预判，其缺点主要在于：第一，有相当一部分新手驾驶员在未做超车提示下，随意超车并变道，作为客车驾驶员对超车车辆意向很难把握；第二，面对超车车辆驾驶员违规超车行为，很多情况下，客车驾驶员被迫采用应急处理手段，无法提前采取有效措施；第三，事故发生后不能为交管部门提供有效直观的判决依据。

发明内容

本发明的目的在于提供一套适合客运车辆的防止后车超车变道判断方法及预警装置，该预警装置采用图像技术、控制精确度高、使用成本低、适合规模化推广，还具有驾驶员违规图像存储功能，为交管部门提供判决依据。

一种客运车辆防止后车超车后突然变道判断方法，包括以下步骤：

步骤一，对安装在车辆上的摄像机进行标定，并利用摄像机采集车辆前方的车道图像，对车道图像进行预处理；

步骤二，左侧超车车辆的检测

在车道图像中，选取车道图像左下角一块区域进行连续的三阶累积量的计算，根据三阶累积量的变化判断当前车辆的左侧车道是否有超车；

步骤三，前方车辆的识别与判定

若左侧车道有超车，则对当前车辆的前方车道图像中出现的目标的边缘轮廓进行获取，按照下式判定出现目标是否为车辆：

$S=\frac{\underset{h=1}{\overset{H}{\Σ}}\underset{\mathrm{\ω}=1}{\overset{W/2}{\Σ}}|G(W/2-\mathrm{\ω},h)-G(W/2+\mathrm{\ω},h)|}{H\×W}$

上式中，H、W分别为目标边缘轮廓的高和宽，G()表示灰度值；

若S大于设定的阈值T，则认为出现的目标为车辆；

步骤四，若在当前车辆左侧车道超车的前方存在车辆B，或当前车辆的正前方存在车辆C，则对B和C的位置进行判断，并根据判断结果确定是否报警。

进一步地，所述的步骤二的具体过程包括：

在车道图像中，选取车道图像左下角一块的区域，对该区域进行一系列的图像抓取，并从抓取的第n+1(n≥2)帧图像开始，按照下式进行三阶累积量C₃的计算：

$C_3=\left|C_{f_{n-1}{f}_n{f}_{n+1}}\right|/10000$

其中：

$C_{f_{n-1}{f}_n{f}_{n+1}}=m_{f_{n-1}{f}_n{f}_{n+1}}-m_{f_{n-1}}{m}_{f_n{f}_{n+1}}-m_{f_n}{m}_{f_{n-1}{f}_{n+1}}-m_{f_{n+1}}{m}_{f_{n-1}{f}_n}+2m_{f_{n-1}}{m}_{f_n}{m}_{f_{n+1}}$

上式中，为第n-1帧、第n帧和第n+1帧图像的三阶矩，分别表示第n-1帧、第n帧和第n+1帧图像的一阶矩，和分别为第n帧和n+1帧、第n-1帧和n帧、第n-1帧和n+1帧图像之间的二阶矩；

当ε_n≥2.5×maxε_n-1时，判定当前车辆的左侧车道有超车；

当ε_n＜2.5×maxε_n-1时，判定当前车辆的左侧车道无超车；

其中ε_n和maxε_n-1分别表示第n帧图像时的三阶累积量变化值和前n-1帧图像中最大的三阶累积量变化值。

进一步地，所述的步骤三中，对当前车辆前方车道图像中出现的目标边缘轮廓的具体过程为：

若步骤二在第k帧图像中判定有超车，则在第k+1帧图像中采用最大类间法进行阈值分割，阈值分割之后得到二值图像，其中目标的像素灰度值为0，背景像素灰度值为255；扫描图像得到垂直、水平方向的像素灰度投影直方图，设定阈值为220，当统计直方图中连续数组像素平均值小于该阈值时，则认为该目标即为车辆，记录该位置的边缘坐标，得到目标的左右边缘轮廓；同理可得到目标的底部边缘和上边缘轮廓。

进一步地，所述的步骤四中，对B和C的位置判断的具体过程包括：

a.车道线方程的获取

对第k+1帧图像进行图像预处理并进行二值化处理，利用阈值分割法对预处理后的k+1帧图像进行分割，用一个或几个阀值将图像的灰度直方图分类，把灰度值在同一个范围内的像素归为同一个物体，对于左右两侧的车道，采用Sobel算子分别对左右两侧车道的水平进行检测，采用的Sobel算子如下：

$\begin{array}{cc}{S}_L=\left[\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ -1& 0& -1\end{array}\right]& S_R=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]\end{array}$

上述Sobel算子中S_L、S_R分别表示右侧、左侧车道所使用的模板算子；

利用Hough变换算法实现车道线的提取，得到左右两侧车道线的方程；

b.车道宽度的计算

在图像平面坐标系下，将左侧车道线上的各点(u_i,v_i)和右侧车道线上的各点(u_i+1,v_i+1)转化为道路平面坐标系中对应的点(x_i,y_i)和(x_i+1,y_i+1)，并从点(x_i,y_i)和(x_i+1,y_i+1)中筛选出满足以下公式的两点c(x₃,y₃)和d(x₄,y₄)：

(y₄-y₃)/(x₄-x₃)＝0

则由此可获得当前车辆所在的车道宽度为：

d_width＝|x₄-x₃|

c.前方车辆位置的判断

将步骤三中识别出的车辆用矩形框标记出来，求取该矩形框底边中点A的图像平面坐标A(u_mid,v_mid)以及车道图像平面底边中点O的图像平面坐标O(u′_mid,v′_mid)，并将这两个坐标转换为道路平面坐标系中对应的坐标a(x_mid,y_mid)以及o(x′_mid,y′_mid)；

当x_mid-x′_mid＜0时：

若则表示前方车辆在当前车辆的左侧车道；

若则表示前方车辆在当前车辆所在的车道；

同时可以得出前方车辆与当前车辆的水平距离d_length＝|y_mid-y′_mid|。

进一步地，所述的步骤四中，根据判断结果确定是否报警的过程为：

当前车辆前方同时存在车辆B和C时，按照公式d_length＝|y_mid-y′_mid|分别计算出B、C两车与本车的水平距离d_BA和d_CA，若d_BA<d_CA，则进行报警；

当前车辆前方只存在车辆B时，进行报警。

一种用于实现前述方法的装置，包括：

图像采集模块，由摄像机和图像解码器组成，其中摄像机安装在车辆前部挡风玻璃的内侧，斜指向前方车道；

液晶显示器，通过USB接口与数字信号处理器连接；

存储硬盘，用于存储摄像机采集的车道图像；

报警模块，由发光二极管和蜂鸣器组成；

所述的数字信号处理器连接图像解码器、存储硬盘、发光二极管和蜂鸣器。

进一步地，所述的摄像机依靠支架固定在车辆前挡风玻璃的内侧，摄像机的安装高度为1.66米，倾斜角为15.4°。

进一步地，所述的数字信号处理器、液晶显示器、报警模块、存储硬盘分别通过螺栓固定在一个金属壳体内，金属壳体通过支架以及螺栓固定在客运车辆仪表盘的上方。

本发明的防止后车超车变道预警装置，体积小、操作简单、产品制造成本价低，具有较大的市场竞争力。基于上述后方车辆超车变道预警装置的判断方法，其道路图像的处理、前方车辆所处位置计算、左侧车道车辆超越行驶状态的判断以及预警都是由高速数字信号处理器完成，可靠性以及智能性高，还可以把超车变道车辆的图像传输到存储硬盘中，当发生交通事故时，可以为交管部门提供判决依据。该装置可以有效防止因后车在超车变道过程中所发生的交通事故，切实提高公路客运安全管理的科技含量与能力，进而达到有效改善我国公路客运安全性和提高公路客运的营运效益及保持行业可持续发展的目的。

附图说明

图1为本发明的摄像机的安装示意图；

图2为本发明的硬件结构示意图；

图3为本发明方法的流程图；

图4为标定板标定示意图；

图5(a)和图5(b)为本发明判定需要报警的两种工况示意图；

图6为目标边缘轮廓的标记示意图；

图7为两侧车道线识别示意图；

图8为道路坐标系示意图；

图9为摄像机坐标系示意图；

图10为图像平面坐标系及像素坐标系示意图；

图11为中点坐标取定示意图；

图中的标记分别表示：1—图像采集模块，2—金属壳体，3—数字信号处理器，4—液晶显示器，5—报警模块，6—存储硬盘。

具体实施方式

本发明的基本原理是通过使用CCD图像传感器在短时间内拍摄前方环境的瞬时图像，然后经过图像解码芯片把图像信号传输到高速信号数字处理器中，高速信号数字处理器通过程序判断左侧超车车道是否有超车车辆信息，结合前方车道车辆状况综合分析判断，如果存在超车车辆会有变道可能性时,例如:前方车道仅左前侧车道有车或左前侧车道车辆车距小于本车道前车与本车车距时，系统装置将会通过使用发光二极管和蜂鸣器向驾驶人进行提示，为客运车辆在道路上的安全行驶提供辅助帮助；此外，系统装置还会把超车变道车辆的违规图像传输到存储硬盘中，当发生交通事故时，可以为交管部门提供判决依据。

一、装置部分

参照图1，用于实现本发明方法的装置，包括：

图像采集模块，由摄像机和图像解码器组成，其中摄像机安装在车辆前部挡风玻璃的内侧，斜指向前方车道；

液晶显示器，通过USB接口与数字信号处理器连接；

存储硬盘，用于存储摄像机采集的车道图像；

报警模块，由发光二极管和蜂鸣器组成；

所述的数字信号处理器连接图像解码器、存储硬盘、发光二极管和蜂鸣器。

其中摄像机采用CCD摄像机，摄像机的安装高度h为1.66米，倾斜角α为15.4°，镜头朝向前方偏下。

高速数字信号处理器、液晶显示器、报警模块、存储硬盘分别通过螺栓固定在一个金属壳体内，其中，金属壳体通过支架以及螺栓固定在客运车辆仪表盘的上方，如图2所示。

本实施例中摄像机采用1/4"SONY机器视觉专用的WAT-231S2工业摄像机，有效像素600万，图像解码芯片的型号为TVP5145。图像解码器的输出信号通过USB2.0数据线与高速数字信号处理器3的VP1口连接。

装置的高速数字信号处理器3的VP0口电连接液晶显示器的视频线，高速数字信号处理器的GP0[15]脚电连接报警模块的发光二极管，高速数字信号处理器的GP0[13]脚电连接报警模块的蜂鸣器，高速数字信号处理器3扩展资源的标准IDE硬盘接口电连接存储硬盘6。

本实施例中，高速数字信号图像处理器的型号为TMS320DM642。液晶显示器的型号为MKS-7082，发光二极管的型号为SMD0802，蜂鸣器的型号为SFM-27，存储硬盘的型号为希捷ST4000DX0015900。

本实施例中使用摄像机在短时间内拍摄前方环境的连续序列的瞬时图像，然后经过图像解码器把图像信号传输到高速信号数字处理器(TMS320DM642)中，高速信号数字处理器通过程序判断车辆超车车辆是否会有变道的可能性，当前方车道仅左前侧车道有车或左前侧车道车辆车距小于本车道前车与本车车距时，装置将会通过使用发光二极管和蜂鸣器向驾驶人进行提示，为客运车辆在道路上的安全行驶提供辅助帮助；此外，装置还会把此时超车车辆图像传输到存储硬盘中，当发生交通事故时，可以为交管部门提供判决依据。

二、方法部分

采用上述装置实现客运车辆车道偏离判断方法，参照图3，具体步骤如下：

一种客运车辆防止后车超车后突然变道判断方法，包括以下步骤：

步骤一，对安装在车辆上的摄像机进行标定，并利用摄像机采集车辆前方的车道图像，对车道图像进行预处理；

(1)相机标定过程

首先制作标定板，标定板上有标定图形，变换标定位置，利用摄像机采集的这些图像进行标定，标定图形选用黑白相间的正方形方框，正方形的边长为10cm，如图4所示，标定板每个方向上共有6-7个方框，在摄像机的可视范围内变换标定板的位置，在不同位置采集标定板图像，然后将这些图像导入到MathWorks公司的数学处理软件MATLAB2009b中利用标定工具箱Toolbox_calib进行标定，就能得到摄像机的内部参数和外部参数。其中Toolbox_calib是Matlab提供给用户用于二维摄像机矫正或摄像机标定的工具箱，对于用户而言只需将图片放入该工具箱中按步骤操作即可。

摄像机标定得到的内部参数主要有：有效焦距f，扭曲系数f_c及畸变系数k_c，这些参数反应了摄像机本身所带来的图像畸变。摄像机标定得到的外部参数有摄像机距地面高度h，与车侧距离d，自转角γ，俯仰角α。

(2)车道图像预处理过程

装置开始工作后，摄像机采集车道图像，并将采集到的车道图像通过图像解码器和USB2.0数据线实时传输到数字信号处理器中，供高速数字信号处理器进行下一步的图像处理过程。

图像预处理包括去除道路图像中的无用点及干扰点。在实际的图像获取过程中，由于路面情况比较复杂，可能存在污迹、杂物干扰，将采集到的道路图像进行滤波，滤除部分随机噪声，因此需要用维纳滤波法进行图像的噪声处理，维纳滤波可实现自适应去噪。

由于摄像机获取的道路图像对比度有时候会比较低，所以可以采用直方图灰度变换来改善图像的对比度，Matlab的图像处理工具箱中有一个imadjust()灰度变换函数，它可将图像的灰度值重新进行映射，使之填满整个灰度值所允许的范围(0,255)。

步骤二，左侧超车车辆的检测

在车道图像中，选取车道图像左下角一块区域进行连续的三阶累积量的计算，根据三阶累积量的变化判断当前车辆的左侧车道是否有超车；

一般在高速公路上，超车道位于正常行驶车道的左侧，为此只需对图像的左侧进行监测，同时考虑超越车辆最先在图像的底部出现，因此只需对图像左下角的一小块区域进行三阶累积量的计算，具体为：

在车道图像中，选取车道图像左下角一块的区域，对该区域进行一系列的图像抓取，并从抓取的第n+1(n≥2)帧图像开始，按照下式进行三阶累积量C₃的计算：

$C_3=\left|C_{f_{n-1}{f}_n{f}_{n+1}}\right|/10000$

该公式的推导过程如下：

在图像应用中，图像f(i,j)可用下述模型描述：

f(i,j)＝m_1f(i,j)+δ_f(i,j)w(i,j)

上式中m_1f(i,j)、δ_f(i,j)分别表示图像中点(i,j)邻域中的均值与方差，ω(i,j)表示一个均值为0单位方差的高斯过程。对于某像素点(2M+1)×(2M+1)(M为邻域半径)的邻域，有：

$m_{1f}(i,j)=\frac{1}{{(2M+1)}^2}\underset{k=-M}{\overset{M}{\&Sigma;}}\underset{l=-M}{\overset{M}{\&Sigma;}}f(i+k,j+l)$

${\mathrm{\&delta;}}_f(i,j)=\sqrt{\&lsqb;m_{2f}(i,j)-{m_{1f}}^2(i,j)\&rsqb;}$

上式中m_2f(i,j)是f(i,j)的二阶距，考虑到图像的数字化特征，利用连续三幅图像来求取三阶累积量c₃，具体计算公式如下所示：

$m_{f_{n-1}}(i,j)=\frac{1}{{(2M+1)}^2}\underset{k=-M}{\overset{M}{\&Sigma;}}\underset{l=-M}{\overset{M}{\&Sigma;}}{f}_{n-1}(i+k,j+l)$

$m_{f_n}(i,j)=\frac{1}{{(2M+1)}^2}\underset{k=-M}{\overset{M}{\&Sigma;}}\underset{l=-M}{\overset{M}{\&Sigma;}}{f}_n(i+k,j+l)$

$m_{f_{n+1}}(i,j)=\frac{1}{{(2M+1)}^2}\underset{k=-M}{\overset{M}{\&Sigma;}}\underset{l=-M}{\overset{M}{\&Sigma;}}{f}_{n+1}(i+k,j+l)$

分别表示第n-1张、第n张和第n+1张图像的一阶矩。

$m_{f_{n-1}{f}_n}(i,j)=\frac{1}{{(2M+1)}^2}\underset{k=-M}{\overset{M}{\&Sigma;}}\underset{l=-M}{\overset{M}{\&Sigma;}}{f}_{n-1}(i+k,j+l)f_n(i+k,j+l)$

$m_{f_{n-1}{f}_{n+1}}(i,j)=\frac{1}{{(2M+1)}^2}\underset{k=-M}{\overset{M}{\&Sigma;}}\underset{l=-M}{\overset{M}{\&Sigma;}}{f}_{n-1}(i+k,j+l)f_{n+1}(i+k,j+l)$

$m_{f_n{f}_{n+1}}(i,j)=\frac{1}{{(2M+1)}^2}\underset{k=-M}{\overset{M}{\&Sigma;}}\underset{l=-M}{\overset{M}{\&Sigma;}}{f}_n(i+k,j+l)f_{n+1}(i+k,j+l)$

$m_{f_{n-1}{f}_n{f}_{n+1}}(i,j)=\frac{1}{{(2M+1)}^2}\underset{k=-M}{\overset{M}{\&Sigma;}}\underset{l=-M}{\overset{M}{\&Sigma;}}{f}_{n-1}(i+k,j+l)f_n(i+k,j+l)f_{n+1}(i+k,j+l)$

为第n-1帧、第n帧和第n+1帧图像的三阶矩， 和分别为第n帧和n+1帧、第n-1帧和n帧、第n-1帧和n+1帧图像之间的二阶矩；根据以上的各阶距，可以得到三阶累积量：

$C_{f_{n-1}{f}_n{f}_{n+1}}=m_{f_{n-1}{f}_n{f}_{n+1}}-m_{f_{n-1}}{m}_{f_n{f}_{n+1}}-m_{f_n}{m}_{f_{n-1}{f}_{n+1}}-m_{f_{n+1}}{m}_{f_{n-1}{f}_n}+2m_{f_{n-1}}{m}_{f_n}{m}_{f_{n+1}}$

由于三阶累积量较大且有出现负值的可能，本方案采用如下三阶累积量：

$C_3=\left|C_{f_{n-1}{f}_n{f}_{n+1}}\right|/10000$

文献资料表明在车辆出现前后图像的三阶累计变化量至少相差2.5倍，进而可依据下式进行判断左侧是否有车通过：

当ε_n≥2.5×maxε_n-1时，判定当前车辆的左侧车道有超车；

当ε_n＜2.5×maxε_n-1时，判定当前车辆的左侧车道无超车；

其中ε_n和maxε_n-1分别表示第n帧图像时的三阶累积量变化值和前n-1帧图像中最大的三阶累积量变化值。

在本方案中，如图5(a)和图5(b)的两种超车情况，其中A代表当前车辆(本车)，D代表超车，B和C为前方车辆。

步骤三，前方车辆的识别与判定

若左侧车道有超车，则对当前车辆的前方车道图像中出现的目标的边缘轮廓进行获取，按照下式判定出现目标是否为车辆：

$S=\frac{\underset{h=1}{\overset{H}{\&Sigma;}}\underset{\mathrm{\&omega;}=1}{\overset{W/2}{\&Sigma;}}|G(W/2-\mathrm{\&omega;},h)-G(W/2+\mathrm{\&omega;},h)|}{H\&times;W}$

上式中，H、W分别为目标边缘轮廓的高和宽，G()表示灰度值；

若S大于设定的阈值T，则认为出现的目标为车辆。

具体过程为：

若在第k(k≥3)帧图像中识别出左侧车道存在如图5(a)或图5(b)中所示的超车车辆D时，则对第k+1帧图像进行分析判断是否存在如图5(a)或图5(b)中所示的前方车辆B或C，该步骤分为前方车辆识别和识别车辆判定两个步骤。

(1)前方车辆识别

若步骤二在第k帧图像中判定有超车D，则在第k+1帧图像中采用最大类间法进行阈值分割，阈值分割之后得到二值图像，其中目标的像素灰度值为0，背景像素灰度值为255；扫描图像得到垂直、水平方向的像素灰度投影直方图，如果图像区域内不存在车辆目标，投影直方图的值为255，反之，在目标位置的像素点灰度值为0，将导致投影灰度直方图中对应的值下降。设定阈值为220，当统计直方图中连续数组像素平均值小于该阈值时，则认为该目标即为车辆，记录该位置的边缘坐标，得到目标的左右边缘轮廓；同理可得到目标的底部边缘和上边缘轮廓。如图6中矩形框所示。

通过该步骤，可以对车辆前方车道中出现的目标(车辆或其他物体)进行初步的识别。

(2)识别车辆判定

经过上一步的阈值分割后第k+1帧图像变为了二值图像，所得到的“车辆”(目标)还可能包括例如交通标识牌阴影、建筑物阴影等干扰物，在前方车辆识别过程中可能会将其误判为车辆，为了排除其干扰，本发明利用车辆尾部对称这一特性将非对称的阴影部分去除。常用的对称性检测手段有基于灰度的对称性判断和基于轮廓边缘的对称性判断。本发明采用基于灰度的对称性判断为依据，对检测出来的“车辆”进行判断。按照下式对图6中矩形框内的灰度水平对称值S进行计算：

$S=\frac{\underset{h=1}{\overset{H}{\&Sigma;}}\underset{\mathrm{\&omega;}=1}{\overset{W/2}{\&Sigma;}}|G(W/2-\mathrm{\&omega;},h)-G(W/2+\mathrm{\&omega;},h)|}{H\&times;W}$

上式中，H、W分别为目标边缘轮廓的高和宽，G()表示灰度值，|G(W/2-ω,h)-G(W/2+ω,h)|表示图6中标出的红色矩形框内图像的灰度值，h、ω分别表示高度和宽度方向上的像素参数。上式中对称系数S越大，对称性越高。设定阈值T，若S>T即认为目标为车辆，反之则予以排除。

通过该步骤，可以检测出当前车辆的正前方、侧前方是否存在车辆，如图5中的B和C，为后续的处理过程提供必要信息。

步骤四，若在当前车辆左侧车道超车的前方存在车辆B，或当前车辆的正前方存在车辆C，则对B和C的位置进行判断，并根据判断结果确定是否报警。

若在第k+1帧图片中检测到了前方车道存在如图5(a)或图5(b)所示的行驶车辆B或C时，还需要对B或C所在车道位置进行进一步判定，即前方车辆是在本车车道左前侧还是右前侧。为此就必须计算出本车所在车道的宽度d_width。而为了得到本车车道宽度d_width就需要计算出本车所在车道线方程。具体步骤如下：

a.车道线方程的获取

为了获取本车所在车道线方程，本发明首先对第k+1帧图片进行图像预处理并进行二值化处理，利用阀值分割法对预处理后的第k+1帧图像进行分割，用一个或几个阀值将图像的灰度直方图分类，把灰度值在同一个范围内的像素归为同一个物体，然后利用Sobel算子检测车道边缘，Sobel算子是一种将方向差分运算与局部平均相结合的方法，具有一定的噪声抑制能力，可以达到快速检测车道线的目的，对于左右两侧的车道，采用Sobel算子分别对左右车道的水平进行检测，采用下述Sobel算子在结构化道路上具有良好的边缘增强效果，因此本发明取定的Sobel算子如下：

$\begin{array}{cc}{S}_L=\left[\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ -1& 0& -1\end{array}\right]& S_R=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]\end{array}$

上述Sobel算子中S_L、S_R分别表示右侧、左侧车道所使用的模板算子；

再利用Hough变换算法实现车道线的提取，Hough变换能够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，直线的极坐标方程如下：

ρ＝xcosθ+ysinθ

在极坐标系ρoθ空间内建立二维叠加数组A，第一维的范围为ρ的取值范围[-l,l],l指图像的对角线长度。第二维的取值范围是θ的取值范围[0°,180°]，并将数组A赋值为0。利用Hough变换分别计算出图像空间中的各点(x_i,y_i)所对应的极坐标值(ρ_i,θ_i)(i＝0,1,2,3…)并依次赋值给数组A(ρ_i,θ_i)中的相应元素，最后所得到的数组A中的值就是图像空间中与原点距离为ρ，与x轴夹角为θ的点的数目。由于本发明仅考虑单向行驶车道，故图片中仅检测距离行驶车辆所在车道最近的两条车道线，以左右两侧的直线束中距离与图像底部中点坐标o(u₀,v₀)最近的直线当作当前行驶车道的车道线。综合式ρ＝xcosθ+ysinθ可以得到图像底部中心o(u₀,v₀)与车道线的距离为：为求出F(ρ,θ)的最小值，分别令和求解出相对应的(ρ_i,θ_i)，即可获取两侧车道线的方程，如图7中两条线所示。

b.车道宽度的计算

车道在相机的几何成像系统中存在四个坐标系，分别为如图8所示的道路平面坐标系(O_L,X_L,Y_L,Z_L)，如图9所示的相机坐标系(O_C,X_C,Y_C,Z_C)，以及如图10所示的图像平面坐标系(u,v)和像素坐标系(i,j)。

在图像平面坐标系下，将左侧车道线上的各点(u_i,v_i)和右侧车道线上的各点(u_i+1,v_i+1)转化为道路平面坐标系(O_L,X_L,Y_L,Z_L)中对应的点(x_i,y_i)和(x_i+1,y_i+1)，(i≥0)；转换公式如下：

$\left\{\begin{array}{c}{y}_j=h\&times;k_1\&times;v_1\&times;\frac{1+k_2^2}{1-k_1{k}_2{v}_1}\\ x_j=\frac{k_5+y_1}{k_3{k}_4{k}_5{u}_1}\end{array}\right.$

上式中，k₁＝2tanα₀/W₁，k₂＝tanα，k₃＝h/cosα，k₄＝2tanβ₀/W₁，k₅＝(h×(tanα-tan(α-α₀))×cos(α-α₀))/(cos(α-α₀)-cosα)；

其中，W₁为整幅图像的宽，H₁为整幅图像的高，h为摄像机安装高度；2α₀为摄像机镜头的垂直视野角；2β₀为摄像机镜头的水平视野角；α为摄像机的俯仰角；

从点(x_i,y_i)和(x_i+1,y_i+1)中筛选出满足以下公式的两点c(x₃,y₃)和d(x₄,y₄)：

(y₄-y₃)/(x₄-x₃)＝0

即该两点的连线与车道线相垂直，那么这两点之间的距离即为车道宽度，则由此可获得当前车辆所在的车道宽度为：

d_width＝|x₄-x₃|

c.前方车辆位置的判断

如图11所示，将步骤三中识别出的车辆用矩形框标记出来，求取该矩形框底边中点A的图像平面坐标A(u_mid,v_mid)以及车道图像平面底边中点O的图像平面坐标O(u′_mid,v′_mid)，并将这两个坐标转换为道路平面坐标系(O_L,X_L,Y_L,Z_L)中对应的坐标a(x_mid,y_mid)以及o(x′_mid,y′_mid)；

当x_mid-x′_mid＜0时：

若则表示前方车辆在当前车辆的左侧车道；

若则表示前方车辆在当前车辆所在的车道；

同时可以得出前方车辆与当前车辆的水平距离d_length＝|y_mid-y′_mid|。

由于在以下两种工况中超车车辆变道的可能性极大，在检测到左侧车道有车辆D超越时均需要进行预警并将超车车辆信息存储至硬盘之中：

①当检测到前方车道都有车时，参照图5(a)中的B车和C车，按照公式d_length＝|y_mid-y′_mid|分别计算出B、C两车与本车的水平距离d_BA和d_CA，若d_BA<d_CA，则进行报警；

②当前车辆前方只存在车辆B正在行驶时，如图5(b)所示，进行报警。

Claims (8)

1.一种客运车辆防止后车超车后突然变道判断方法，其特征在于，包括以下步骤：

步骤一，对安装在车辆上的摄像机进行标定，并利用摄像机采集车辆前方的车道图像，对车道图像进行预处理；

步骤二，左侧超车车辆的检测

在车道图像中，选取车道图像左下角一块区域进行连续的三阶累积量的计算，根据三阶累积量的变化判断当前车辆的左侧车道是否有超车；

步骤三，前方车辆的识别与判定

若左侧车道有超车，则对当前车辆的前方车道图像中出现的目标的边缘轮廓进行获取，按照下式判定出现目标是否为车辆：

$S=\frac{\underset{h=1}{\overset{H}{\&Sigma;}}\underset{\mathrm{\&omega;}=1}{\overset{W/2}{\&Sigma;}}|G(W/2-\mathrm{\&omega;},h)-G(W/2+\mathrm{\&omega;},h)|}{H\&times;W}$

上式中，H、W分别为目标边缘轮廓的高和宽，G()表示灰度值；

若S大于设定的阈值T，则认为出现的目标为车辆；

步骤四，若在当前车辆左侧车道超车的前方存在车辆B，或当前车辆的正前方存在车辆C，则对B和C的位置进行判断，并根据判断结果确定是否报警。

2.如权利要求1所述的客运车辆防止后车超车后突然变道判断方法，其特征在于，所述的步骤二的具体过程包括：

在车道图像中，选取车道图像左下角一块的区域，对该区域进行一系列的图像抓取，并从抓取的第n+1(n≥2)帧图像开始，按照下式进行三阶累积量C₃的计算：

$C_3=\left|C_{f_{n-1}{f}_n{f}_{n+1}}\right|/10000$

其中：

$C_{f_{n-1}{f}_n{f}_{n+1}}=m_{f_{n-1}{f}_n{f}_{n+1}}-m_{f_{n-1}}{m}_{f_n{f}_{n+1}}-m_{f_n}{m}_{f_{n-1}{f}_{n+1}}-m_{f_{n+1}}{m}_{f_{n-1}{f}_n}+2m_{f_{n-1}}{m}_{f_n}{m}_{f_{n+1}}$

上式中，为第n-1帧、第n帧和第n+1帧图像的三阶矩，分别表示第n-1帧、第n帧和第n+1帧图像的一阶矩，和分别为第n帧和n+1帧、第n-1帧和n帧、第n-1帧和n+1帧图像之间的二阶矩；

当ε_n≥2.5×maxε_n-1时，判定当前车辆的左侧车道有超车；

当ε_n＜2.5×maxε_n-1时，判定当前车辆的左侧车道无超车；

其中ε_n和maxε_n-1分别表示第n帧图像时的三阶累积量变化值和前n-1帧图像中最大的三阶累积量变化值。

3.如权利要求1所述的客运车辆防止后车超车后突然变道判断方法，其特征在于，所述的步骤三中，对当前车辆前方车道图像中出现的目标边缘轮廓的具体过程为：

若步骤二在第k帧图像中判定有超车，则在第k+1帧图像中采用最大类间法进行阈值分割，阈值分割之后得到二值图像，其中目标的像素灰度值为0，背景像素灰度值为255；扫描图像得到垂直、水平方向的像素灰度投影直方图，设定阈值为220，当统计直方图中连续数组像素平均值小于该阈值时，则认为该目标即为车辆，记录该位置的边缘坐标，得到目标的左右边缘轮廓；同理可得到目标的底部边缘和上边缘轮廓。

4.如权利要求3所述的客运车辆防止后车超车后突然变道判断方法，其特征在于，所述的步骤四中，对B和C的位置判断的具体过程包括：

a.车道线方程的获取

对第k+1帧图像进行图像预处理并进行二值化处理，利用阈值分割法对预处理后的k+1帧图像进行分割，用一个或几个阀值将图像的灰度直方图分类，把灰度值在同一个范围内的像素归为同一个物体，对于左右两侧的车道，采用Sobel算子分别对左右两侧车道的水平进行检测，采用的Sobel算子如下：

$S_L=\left[\begin{array}{ccc}1& 0& -1\\ 2& 0& -2\\ -1& 0& -1\end{array}\right]$ $S_R=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$

上述Sobel算子中S_L、S_R分别表示右侧、左侧车道所使用的模板算子；

利用Hough变换算法实现车道线的提取，得到左右两侧车道线的方程；

b.车道宽度的计算

在图像平面坐标系下，将左侧车道线上的各点(u_i,v_i)和右侧车道线上的各点(u_i+1,v_i+1)转化为道路平面坐标系中对应的点(x_i,y_i)和(x_i+1,y_i+1)，并从点(x_i,y_i)和(x_i+1,y_i+1)中筛选出满足以下公式的两点c(x₃,y₃)和d(x₄,y₄)：

(y₄-y₃)/(x₄-x₃)＝0

则由此可获得当前车辆所在的车道宽度为：

d_width＝|x₄-x₃|

c.前方车辆位置的判断

将步骤三中识别出的车辆用矩形框标记出来，求取该矩形框底边中点A的图像平面坐标A(u_mid,v_mid)以及车道图像平面底边中点O的图像平面坐标O(u′_mid,v′_mid)，并将这两个坐标转换为道路平面坐标系中对应的坐标a(x_mid,y_mid)以及o(x′_mid,y′_mid)；

当x_mid-x′_mid＜0时：

若则表示前方车辆在当前车辆的左侧车道；

若则表示前方车辆在当前车辆所在的车道；

同时可以得出前方车辆与当前车辆的水平距离d_length＝|y_mid-y′_mid|。

5.如权利要求4所述的客运车辆防止后车超车后突然变道判断方法，其特征在于，所述的步骤四中，根据判断结果确定是否报警的过程为：

当前车辆前方同时存在车辆B和C时，按照公式d_length＝|y_mid-y′_mid|分别计算出B、C两车与本车的水平距离d_BA和d_CA，若d_BA<d_CA，则进行报警；

当前车辆前方只存在车辆B时，进行报警。

6.一种用于实现如权利要求1至5中任一权利要求所述方法的装置，其特征在于，包括：

图像采集模块，由摄像机和图像解码器组成，其中摄像机安装在车辆前部挡风玻璃的内侧，斜指向前方车道；

液晶显示器，通过USB接口与数字信号处理器连接；

存储硬盘，用于存储摄像机采集的车道图像；

报警模块，由发光二极管和蜂鸣器组成；

所述的数字信号处理器连接图像解码器、存储硬盘、发光二极管和蜂鸣器。

7.如权利要求6所述的装置，其特征在于，所述的摄像机依靠支架固定在车辆前挡风玻璃的内侧，摄像机的安装高度为1.66米，倾斜角为15.4°。

8.如权利要求6所述的装置，其特征在于，所述的数字信号处理器、液晶显示器、报警模块、存储硬盘分别通过螺栓固定在一个金属壳体内，金属壳体通过支架以及螺栓固定在客运车辆仪表盘的上方。