货运车辆车道偏离预警系统研究 (1).docx

《货运车辆车道偏离预警系统研究 (1).docx》由会员分享，可在线阅读，更多相关《货运车辆车道偏离预警系统研究 (1).docx（31页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、山东交通学院毕业设计（论文）货运车辆车道偏离预警系统研究曲磊（山东交通学院 汽车工程学院 汽运172 ）摘 要车道偏离预警系统( LDWS )是智能汽车与安全驾驶系统的重要组成部分,当驾驶员所所驾驶的车辆发生了一定程度上的偏离或者车辆行驶的路径发生了一定程度上的偏离时,车辆的车道偏离预警系统可以通过发出信号的方式来及时的提示并警告货运车辆驾驶员,减少或者有效避免因为一定的车道偏离而可能引发的交通事故。文章通过对货运车辆道路安全现状的分析阐述了货运车辆车道偏离预警系统研究的意义，介绍了货运车辆车道偏离预警技术国内外现状以及货运车辆车道偏离预警系统的组成、结构和工作流程。对车道偏离预警系统的图像处

2、理和各种算法进行了进一步的研究。关键字：货运车辆，车道偏离预警系统，图像处理，车道线检测，偏离预警算法IAbstractThe Lane Departure Warning System (LDWS) is an important part of the smart car and safe driving system. When the vehicle driven by the driver deviates to a certain extent or the path of the vehicle deviates to a certain extent, the vehicles

3、 The lane departure warning system can prompt and warn drivers of freight vehicles in time by sending signals, reducing or effectively avoiding traffic accidents that may be caused by a certain lane departure. The article explains the significance of the research on the lane departure early warning

4、system of freight vehicles through the analysis of the current situation of the road safety of freight vehicles, introduces the current situation of the lane departure early warning technology of freight vehicles at home and abroad, and the composition, structure and work process of the lane departu

5、re early warning system of freight vehicles. The image processing and various algorithms of the lane departure warning system are further studied. Key words: Freight vehicle, Lane departure warning system,Image Processing,Lane detection, Departure warning algorithmI目 录1前言11.1课题研究的背景与意义11.2国内外研究现状21.

6、2.1国外研究现状21.2.2国内研究现状31.3研究内容42货运车辆运输安全现状及车道偏离预警系统组成52.1货运车辆运输安全现状52.1.1公路货运现状52.1.2货运车辆安全现状62.1.3影响货运车辆道路运输安全的原因62.2车道偏离预警系统组成72.2.1信息采集模块82.2.2偏离决策算法模块92.2.3人机交互模块93道路图像的预处理103.1感兴趣区域选取103.2彩色图像灰度化113.3道路图像增强133.4图像边缘检测153.5图像二值化处理164车道线检测与车道偏离预警算法174.1车道线检测174.1.1确定车道线模型174.1.2 Hough变换检测184.2车道偏离

7、预警算法194.2.1 CCP算法194.2.2 TLC算法204.2.3 FOD算法214.2.4 KBIRS算法225货运车辆的车道偏离预警系统22结 论23致 谢24参考文献24III1前言1.1课题研究的背景与意义随着世界经济的进步和飞速发展,全球对于汽车的认识和普及程度也是愈来越高,公路的建设和轨道交通运输业得到了蓬勃发展,汽车的实际使用率愈来越高,逐渐地成为现代人们的日常生活中必须不可或缺的一种交通工具,汽车的应用与发展极大地改变了现代人们的生活方式和观念,给现代人们的生活带来无尽的便利,不仅大大提高了人们的物质生活水平而且对于人类乃至社会的推和经济发展作出重大贡献。然而，交通的发

8、达造成车辆的拥挤，不按照出行准则进行道路安全准备的司机也越来越多，许多影响恶劣的事件频频发生，且每年都造成了不可预测的经济损失和伤害。交通事故已成为世界关注的主要问题。全球交通事故的统计分析表明，通常在西方国家的交通管理中，事故一般发生在司机自身上面，由于驾驶的失误造成的损失高达80%以上。按照美国联邦道路管理局的调查数据，在2002年就有将近一半的事故是因为司机偏离了原有的驾驶路线造成的。当然，根据交通部的统计，我国的交通状况并不乐观，大约有50的车祸是由偏离正常驾驶路线的汽车引起的。随着技术的不断进步，人们逐渐意识到车道偏离的危险。偏离预期路线的问题指的是车辆超出了划定的线路，具体的原因比

9、较复杂，比方说是驾驶人员的身体状况原因，疲劳驾驶、过度亢奋、多任务分散经历等都会使汽车偏离规划路线。1这种现象在经常进行长途运输的货车司机中尤为普遍。在大型货运车辆中，因车道偏离而引起的交通事故更为频繁，据不完全统计，在大型货运车辆中，多达97%的交通事故是由于驾驶员疲劳或注意力不集中和疏忽所致。货运车辆也是出现车道偏离现象最严重的车型之一。因此，车道偏离警告系统（LDWS）对于货运车辆尤为重要。图1-1 LDWS组成研究表明，为车辆配备有效的车道偏离系统可以迅速有效地及时提醒处在疲劳、困倦或注意力不集中的驾驶员，甚至可以在紧急情况下有针对性的对车辆采取一定的制动手段。减少并防止车道偏离事故发

10、生，以保持车辆的正常行驶。1.2国内外研究现状1.2.1国外研究现状国外车道偏离系统技术相对成熟，在日常生活中得到广泛应用，其技术水平比中国先进。当前，车道偏离警告系统的所有商业产品都是基于视觉的系统，这里比较有名的是美国著名的机器人研发大学卡内梅隆退出的AURORA系统，还有德国的Daimler Chrysler企业同美国的Iteris企业共同合作开发的AutoVue系统，另外还有日本的三菱汽车给出的DSS系统也比较出名。（1） AURORA系统AURORA系统是上个世纪就被发明出来了，经历了几年的测试后才发行出来，具体的结构是一部彩色的摄影装置（支持广角），还有一个数字转换设备以及一个处理

11、中心这样的结构联合组成，其在汽车上的应用比较常见。2另外，这种系统的处理算法是由三个主要的模块构成的：基于视觉感知的路线检测、汽车的定位，还有偏离度检测。具体的传感检测装备就是摄像机，其色彩功能能够帮助汽车辨识具体的标志和路线，可检测的长度能做到1.5米到1.6米之间。以这种方式，实现了车道识别和跟踪，车辆位置估计和发出车辆警告功能，如图1-2。图1-2 AURORA系统（2） AutoVue系统这种系统是克莱勒斯公司和Iteris一起合作推出的，其结构间隙比较小，整体的密度高，具体安装的部位是在挡风玻璃的后部监控装置处，还有道路检测传感器以及音响等结构上，这种系统的计算比较快，几乎能够实时反

12、映被测物与车辆的间距，并将其与设置的阈值进行比较，以做出预警决策并通过车载音频发送警报消息。该系统具有很强的环境适应性和抗干扰功能，并在美国和欧洲国家得到积极推广。图1-3AutoVue系统工作示意图及其产品（3） Mobil eye_AWS系统2004年，Mobil eye公司开发了Mobil eye_AWS系统，该系统使用前置摄像头监视车道标记以及车身与道路边界之间的距离，并计算车辆侧方向通过车道线所需的时间，进行车道偏离警告判断。与其他系统相比，AWS系统的优势在于AWS系统可以当车辆在的道路行驶没有观察到有预定的线路，那么就需要预测下一时刻的旁线与规定路线之间的距离，并使用AWS进行报

13、警功能，其信号发出的类型可以由司机自行设定。3（4） DSS系统（Driver Support System）在上个世纪90年代末，日本的三菱企业就已经致力于研发一款集视觉、听觉以及预警模块为一体的传感器设计，具体的部件中监控设备使用的是CCD摄像头元件，其目标在于检测道路路线与汽车之间的距离，并且对汽车的位置进行确认等功能。而CCD系统的具体作用过程是，首先确定车道的位置，然后在时间间隔内确认偏移状态，估计曲率K和转移角度，利用传感器发射的激光与反射角度之间的取值，得到汽车偏移主路与否的结论。如果确认是“偏移”的话，相关的报警系统需要发挥功能进行警告。而DSS的作用不仅在于实时监控，而且能够

14、转移力矩，帮助驾驶员缩短反应时间。但是，扭矩不会影响驾驶员的车辆控制，并且可以提高驾驶安全系数并减少车道偏离事故的发生。除了上述介绍的四个常见的车道偏离预警系统外，还有日本丰田公司研发的STAR系统、由德国Kun Zhao等学者曾经在2012年的时候，就提出多轨道的寻迹系统，与此同时，土耳其的 Burak Benligiray 等专家也进行了拐点的标记验证办法。在各个国家的车道偏离预警系统的研制过程中，是Iteris、Mobileye两家公司一直在研发过程中起着重要作用。目前应用最成功、最普遍的则是AURORA系统。1.2.2国内研究现状与西方先进国家的车道偏离系统的发展相比，由于我国的智能汽

15、车起步较晚，因此在中国和发达国家的车道偏离警告系统领域的研发仍存在一定差异。但是，近年来，随着我国汽车工业的发展和汽车安全技术的不断发展，我国在车道偏离系统的研究上取得了重要的成就。（1） JLUIV系列车道偏离预警系统.JLUIV系列的报警系统有吉林大学的汽车实验室进行研发设计，其具体的微机控制、图形采集以及相关的显示输出设备，显然摄像头作为输入设备用于采集路面信息以及车辆与车道之间的距离，并比较车辆的预期驾驶轨迹以做出判断。如果存在车道偏离的风险，系统会通过声音或抖动提醒驾驶员，以便驾驶员可以及时更改当前的驾驶状况。图1-4吉林大学JUTIV系列智能车辆（2） 国防科技大学国防科大研究所自

16、动化技术实验室开发并设计的车道偏离预警系统，使用单眼设备检测机车车道，并开发和设计CITAVT系列产品无人驾驶车辆系统，使用Sable算法获取车道边缘并应用霍夫变换提高线性度除了改善车辆对自然环境的适应性之外，车道的安装还提高了系统的坚固性。系统根据车道比较估计的时间和车辆的设定时间进行时间（相位上的）比较，同时用声音提醒驾驶员。（3） 基于DSP的车道偏离预警系统东南大学关于新产品开发的基于DSP的内置车道偏离预警信息系统是基于单眼视觉效果的前瞻性系统。关键是模数转换和编解码电路模块，缓存电路模块，新闻媒体CPUDSP电路模块，编号和编号/模数转换电路模块由模块组成。 4系统根据车载摄像机采

17、集车道线的脉冲信号，通过编码解码传递到新闻媒体CPUDSP的视频接口，然后由视频编辑模块进行采集。通道矩阵的特征值，最后显示解析出的视频流数和数模转换电路输出进行LED光屏的展现。（4） 清华大学THMR系统清华实验室在车道偏离预警系统的产品开发水平上也做了很多工作。由其计算机专业产品开发的THMR系统软件使用机器视觉系统和车辆动力学主要参数采集传感器，并使用计算机语言进行图像处理和偏差。识别管理决策。 1.3研究内容在我国，居民的收支继续增长，智能电子商务等产业发展迅速。我国公路货运领域的发展趋势是规模和速度迅速提高。作为我国最重要的货运方式，2019年公路运输首次增加416亿吨以上，货运周

18、转量近8亿吨公里，货运物流车辆达4000万辆。车道偏离预警系统的技术科学研究属于车辆智能领域的科学研究类别，属于车辆主动驾驶安全行业。该系统软件的关键在于，驾驶员在安全驾驶车辆时非常容易瘫痪或危险驾驶，并且偏离了一切正常状况。行车道的状况。机器视觉技术的使用旨在完成高精度和高精度的产品，从而为智能车辆的安全系数做出积极贡献。该课题的研究只需要对车道偏离预警系统的图像预处理和预警信息优化算法进行科学研究和分析，首先分析世界各国的研究现状数据，以掌握新的思路。技术。二是分析货运物流车道偏离预警系统的图像预处理，车道线检查和偏离预警信息优化算法。最终能够总结货运车辆车道偏离系统的技术要求。 图1-5

19、车道偏离预警系统流程图2货运车辆运输安全现状及车道偏离预警系统组成2.1货运车辆运输安全现状2.1.1公路货运现状在我国经济迅速发展的情况下，我国的居民消费支出快速增长、数字化电商等领域迅猛发展，我国的公路货物运输行业的发展规模和速度快速上升。公路运输作为我国最主要的货物运输流通方式，2019年我国公路运输货运量首次突破416亿吨，货物周转量接近8亿吨公里，货运车辆保有量达到1300万辆。我国已然成为全球最大的公路货物运输市场。图2-1 2019各省货物运输量 然而，在我国货运市场的规模不断扩张的同时，安全风险也居高不下，一直困扰着运输行业的发展。随着货物运输行业的发展，货运车辆的不断增多会对

20、环境带来严重的污染，国内公路货物运输车辆事故也不断增多，这些事故不仅大量的人员伤亡和财产损失，而且会对社会产生不良影响。2.1.2货运车辆安全现状近年来，全国各地先后发生多起涉及营运货车的重特大道路交通事故，给人民群众生命财产造成了重大损失，造生了恶劣的社会影响。因此党的十九大提出了建设交通强国的战略目标。强调安全是交通强国建设的基本前提，非常有必要进一步提升营运货车安全性能，保障道路货物运输安全与高效。2018年，交通部制定发布了全新的交通运输行业标准营运货车安全技术条件第1部分：载货汽车(JT/T1178.1-2018)，在标准中规定了载货汽车的整车、制动系统、安全防护、载荷布置标识与系固

21、点、报警与提示等安全技术要求和试验方法。随着现行管理法规和安全生产法规政策的逐步完善，近年来我国道路货运事故总数已得到合理控制，但事故的总体风险仍然较高。根据统计大数据平台的数据，2019年我国涉及数百万公里的事故数量为3.7;根据英国运输部的统计分析，早在2014年，涉及英国数百万公里公路货运的事故数量已经下降。从0.1上下。此外，根据现场专家的说法，我国卡车司机的死亡率通常很高，在这方面需要完善的法令还有许多。2.1.3影响货运车辆道路运输安全的原因影响货运车辆道路运输安全问题有多种原因。驾驶员不安全驾驶，个人行为和机械设备的盲点是导致事故发生的关键因素：根据研究和分析，驾驶员在道路货运事

22、故中所占的比例为37，其原因是机械设备。盲点占35，这两个是导致风险的两个最关键因素。就驾驶员因素而言，根本安全驾驶的个人行为造成的事故总数最大：在驾驶员造成的事故中，根本安全驾驶的个人行为占比接近80，其中包括超速驾驶在街道路口，超速行驶和快速转弯，高速碰撞，无法维持的距离等。此外，危险驾驶是第二大因素，导致15的事故发生。数据信息表明，武器装备盲区是导致货运物流事故的关键原因之一;绝大多数运输队的辅助机械设备装载率低，因此在安全驾驶的整个过程中的盲区也将导致更多的事故，关键是在右边的转向：盲区（占42）和转向盲区（占32）。因此车道偏离预警系统对于货运车辆在驾驶中的安全性的提高尤为重要。图

23、2-2 事故原因占比2.2车道偏离预警系统组成车道偏离预警系统一般由三大部分组成：信息采集模块、偏离决策算法模块和人机互换模块。其车道偏离原理如图3-1（b）所示（a）基本组成（b）基本原理图图2-3车道偏离预警系统2.2.1信息采集模块（1）信息采集模块组成车道偏离系统软件的信息收集控制模块的关键包括对驾驶自然环境的感知和车辆运行状态参数的收集。信息收集控制模块的关键功能是检查行驶车辆在车道中的位置，行驶车道线的几何结构以及检查行驶中的其他车辆和行人的活动。交通标志和交通信号灯也属于信息收集控制模块的功能类别。车辆动力学模型的主要参数是从车身传感器收集的。在此阶段，感知驾驶自然环境的关键是基

24、于传感器，包括雷达检测，红外传感，基于机器视觉技术的传感器以及基于道路磁铁的传感器。它们都有各自的优缺点：根据道路磁传感器，必须将磁铁预先设置在路面上，然后必须更新和重建道路结构。车辆的水平位置必须明确。它必须以完善的智能交通系统软件技术装备为基础，但它也存在工程预算高，建设周期长的缺陷。尽管雷达检测和红外传感器传感器易于使用，但它们很容易受到外部自然环境的破坏。扫描速度相对较慢，这不利于车道偏离警告系统的使用。在这个阶段，机器视觉技术的使用是车道偏离预警系统的常见信息收集方法。信息收集还必须使用与车辆运行状态参数相关的传感器，例如感测车辆方向盘转弯，转向信号指示器，制动系统等。操纵传感器组件

25、的步骤如图3-2所示。图2-4信息采集流程（2）信息采集的影响因素数据收集中的车道线检测和跟踪可能会受到多种因素的影响：日光照射量的变化：室外光强度随时间的变化而变化。天气条件不同，同一地方的光强度也不同。在智能车辆中应用机器视觉技术收集地面信息内容的整个过程中，光强度或多或少地损害了视觉识别系统的正常运行。存在暗影：道路旁的花草树木，基础设施建设，道路上的汽车。由光源的照明引起的阴影将改变图像的纹理，并且将执行沿车道侧面的线性拟合的整个过程。此效果无法消除。前方有障碍物的危险：车辆正前方，地面上的凸起凹坑，以及部分地面工程施工，将危害车道线的能见度，并会阻塞部分或全部车道的道路标记，导致车道

26、线的特征点不会持续。非结构性路面：例如，城市道路没有清晰的标志线和明显的物理边界，甚至两通四车道的道路也可能随时随地发生变化。其他等级：车道标记模糊，由于自然风化和地面条件，车道涂装不充分饱和，由于车辆维修漏油或监控摄像机引起的图像质量，地面上的线条太不好等等。2.2.2偏离决策算法模块偏离预警决策算法是车道偏离预警系统的关键，与预警系统性能好坏紧密相关。车道偏离预警系统的性能指标主要体现在系统警告的时间，应该具有预警性，不能过早也不能过迟，过早报警使驾驶员感到紧张，也有可能报警失效;过迟又会导致留给驾驶员反应时间过短，起不到预警作用;并且误报率不能过高，否则会影响驾驶员对预警系统的信任度。目

27、前对车道偏离预警系统的预警决策算法有很多种。总的说来，基本上都是以车辆跨越车道线的时间、横向偏离速度或者横向偏离距离作为评价指标。常见的有：（1） 基于车辆当前位置的预警算法（2） 基于将来偏差的预警算法（3） 基于道路场景感知的预警算法（4） 基于车辆跨越车道时间的预警算法2.2.3人机交互模块人机交互模式中包括显示部分、按键部分以及声音报警部分。（1）按键部分 驾驶员可以开启并选择驾驶辅助系统的功能，也是接收辅助驾驶信息的主要途径。操作按钮应方便驾驶员使用，并且易于操作。（2）显示部分车辆界面显示内容要简介明了，使驾驶员容易理解，第一时间了解车辆信息。（3）声音报警部分扬声器发出的报警声音

28、既能起到提醒驾驶员的作用，又不能过于刺耳，使驾驶员感到烦躁，影响驾驶心情。3道路图像的预处理在车辆的实际行驶过程中，摄像头是固定在快速前进的车辆上，会受到路面许多因素的干扰而影响图像检测的结果，导致采集图像含有噪音或明暗不一。为了提高图像的准确与清晰性，提高系统的性能与准确性，就需要用到图像预处理技术，将车道线“剥离”出来。图像预处理是基于机器视觉系统的首要步骤，是车道检测和车道偏离预警系统的重要组成部分之一，其主要作用是消除外界产生的噪声对系统生成图像的影响，从而有效的突出和增强图像中所需要的主要信息，减少数据处理量，提高系统的效率和准确性。图像预处理的主要包括：彩色图像灰度化、灰度拉伸、边

29、缘增强与边缘检测、图像分割、图像二值化、滤波等等。图3-1预处理流程图3.1感兴趣区域选取基于机器视觉技术的车道偏离预警系统主要是通过安装在车辆前方的监控摄像头获得的。 在这种情况下，在行车道两侧射击护栏时，如果立即解决所捕获路面的图像信息内容，将大大降低分辨率的效率，甚至降低危险品处理的准确性。事件。 5为了更好地减少图像处理量，缩小车道线检索范围，提高系统软件的实用性。对于这种情况，有效地划分检查总体目标存在的区域，并减少需求。解决方案的范围可以减少车道线处理方法中的计算量，并提高整个过程的检查效率检查后。在对获得的道路图像进行分析的基础上，划定用于车道检查的感兴趣区域。图3-2感兴趣区域

30、提取常见的数字图像灰度方法包括：权重法，最大值法，平均值法，加权平均法等。本文中用于车道检查的兴趣区域包括静态数据的兴趣区域和动态数据的兴趣区域。其中，静态数据的关注区域是指车道检查的原始链接，无法指定车道线的特定地址。未知的是，所获得的道路图像图像上包括的信息内容主要是天空，工程和建筑。相干信息的内容以及图像上端的色度显着高于图像下方的道路部分，这给图像分割带来了极大的不便。因此，可以根据以下情况立即激光切割图像的进行。运动感应区域意味着在已经检查车道线的情况下，根据在图像编码序列的前一帧中分析的车道线的位置，可以预先判断车道线的大概位置下一帧图像中的车道线。部分，为下一帧图像的车道线检测提

31、供一个类别，与原始检查链接相比，该类别已大大减少。由于汽车在高速公路上高速行驶，因此对车道线检测感兴趣区域的动态预测分析无疑会大大提高车道线检测的实用性。3.2彩色图像灰度化系统软件收集的图像是数字图像。图像由明亮的红色，翠绿色和深蓝色的三个安全通道组成。当立即解决收集的图像时，有必要提供有关每个像素的三个色调的信息。解决的内容，必须解决的数量很大。为了更好地确保检查的高效率，在执行相关解决方案之前必须减少要解决的数据量。在特定的检查中，收集的图像通常是彩色的，而RGB图像则更为常见，这将导致大量的图像数据，这将导致在检查期间进行过多的测量并降低图像处理的高效率。危害检查的实用性。二值化是RG

32、B的唯一数字图像，其中RGB的值称为灰度。本文首先将彩色道路图像转换为二值化，然后针对道路二值化提出了各种解决方案。 6彩色图像常用的灰度化方法有：分量法、最大值法、平均值法、加权平均法等。（1）分量法首先分别将RGB三个分量的值作为图像的灰度值，从而得到彩色图像的三个灰度图像；然后根据需求选取其中一个灰度图作为原来的彩色图像的灰度图像。分量法算法方程如下： f1(i,j)=R（i,j）,f2(i,j)=G(i,j),f3(i,j)=B(i,j) （3.1）其中 R(i,j),G(i,j),B(i,j)为在像素点(x,j)处的 R、G、B 分量，fK(i, j) (K=1，2，3)为转换后像素

33、点（i,j)处的灰度值。（2）最大值法使R,G,B的值为三个值中最大的一个，即 R=G=B=max(R,G,B) （3.2）从上式中可以看出，采用最大值法会提高灰度图像的整体亮度（3）平均值法根据R,G,B的值相加求出平均值，即 R=G=B=(R，G，B)3 （3.3）相对于最大值法，平均值法得到的灰度图像整体较为柔和。（4）加权平均值法加权平均法是根据应用背景和颜色分量重要性的不同，将 RGB 三个分量的灰度值进行加权，将得到的加权平均值作为彩色图像的灰度值，完成灰度化过程。具体实现过程如下： f (i,j) =W1R(i,j)+ W2G(i,j)+ W3B(i,j)=1+2+3 （3.4）

34、其中 WK(K=1，2，3)为RGB三个分量对应的权值，由于人眼对绿色最为敏感，对蓝色最不敏感，所以权值最好满足：W2 W1 W3 ，从而获得的灰度图像更适合人或者人工智能的识别。 （a） 原图 （b）灰度化图像图3-3图像灰度化结果3.3道路图像增强图像恢复是图像预处理的关键组成部分。图像恢复主要是为了更好地突出显示图像中有趣的部分，减弱或去除图像中未使用的信息内容和内容，然后获得更合适的图像进行分析和识别。7图像过滤是指通过图像室内空间中的模板对图像的连接域的某个部分进行实际操作，以过滤掉无用的信息，从而实现改善图像质量的整个过程。画面质量。图像恢复根据其解域的差异可分为：频域改进优化算法

35、和室内空间域改进优化算法。第一种是通过傅立叶变换将图像变换到频域，利用室内空间变换的独特特性对图像进行求解，然后将图像变换到室内空间域以进行恢复。这种方法必须两次改变室内空间，整个计算过程比较复杂，不适合实用性要求较高的系统软件。根据室内空间域的改进，在图像所位于的二维空间中立即执行优化算法。该方法简便易行，测量量小，符合系统软件的设计方案。因此，通常使用路由过滤技术。根据室内空间域的改进，优化算法可分为点算法和连通域算法。点计算优化算法一般是基于灰度校正，灰度变换和条形图调整等，以使图像显示对称或达到饱和扩展的实际效果。连通域优化算法具有平滑和图像锐化的功能。本文的重点介绍了常见的图像滤波改

36、进优化算法：条形图均衡，部分平均法和平均滤波法。（1） 直方图均衡化条形图显示了彩色图像中灰度的统计分析和相关性。直方图均衡化本质上是一个离散系统，依靠图像中每个灰度级的像素值。建议在某个灰度等级类别中的像素值总数大致相同，目的是减少整个图像中灰度等级的差异程度。以此方式，原始条形图中的山的顶部的饱和度增加，而谷部的饱和度减小。输出图像的条形图是按段划分的更平坦的条形图。图4.4显示了条形图的平衡平面图。根据原始图像灰度级的某种投影转换，将随机分布的条形图转换为代表该图形的均匀分布的条形图。图像灰度的采样率已经提高，并且图像的饱和度也得到了提高。8 图3-4直方图均衡化示意图设变量r代表图像中

37、像素灰度级，首先进行归一化处理,令0rk1,其中r =0表示黑色，r=1表示白色。对于一幅给定的图像来说，每个像素的灰度值在0，1之间的任一值得概率是随机的。在数字图像中，灰度值是离散的，图像灰度级的分布用概率密度函数Pr(r)来表示，用rk代表离散灰度级，用Pr(r)代表Pr（r），并使下式成立： Pr（rk）=nkn （3.5）其中，0rk1，k=0，1，2，n-1。式中nk为图像中出现rk这种灰度的像素数，n是图像中的总的像素个数，而nkn就是概率论中的频数，图像进行直方图均衡化的函数表达式为： Si=T（ri）=i=0k1nin （3.6）式中k为灰度级数。相应的反变换为： ri=T1

38、(Si) （3.7）（2） 局部均值法在一副含有噪声的图像中： gx,y=fx,y+nx,y （3.8）fx,y为未受噪音干扰的原始图像，nx,y为噪声，gx,y为受到干扰后的图像。局部平均值法就是对含有噪声的图像gx,y的每个像素点邻域内点集所有像素的平均值。设gx,y为滤波后所得到的平滑图像，S为点x,y的邻域点集，其中M为S内的总点数，则： gx,y=1Mi,jSgi,j=1Mi,jSfi,j+1Mi,jSni,j （3.9）在局部平均值法中有两个基本假设：一个是图像是许多灰度恒定的小块组成的；另一个假设是图像上的噪音是加性的，其均值等于零，并且与图像信号无关。在第一个假设的根据下，上式

39、中的第一项十分接近于fx,y。在平滑后的噪声方差为 D1Mi,jSni,j=1M2i,jSDni,j=1Mn2 （3.10）由此可见平滑后的噪声方差为处理前的1M，而且简单布局平均会导致图像模糊，图像的细节被削弱，特别是边缘轮廓变得不清晰。为了改变这种情况，可以采取选择平均值法和加权平均值法。（3）中值滤波法中值滤波是对窗内数据进行排序，取排序后中间项所对应的值，这样脉冲噪声就不起作用，不影响中值结果。所以，中值滤波在有随机脉冲噪声影响的情况下，能较好地保护原始信号。中值滤波器选取一个移动窗口，这个移动窗口含有奇数个像素，在图像中依次从左到右、从上到下逐行移动，选取窗口内所有像素的灰度中值代替

40、窗口中心像素的灰度值，中值滤波器的输出为: f（x，y）=medianSf(x,y) （3.11）中值滤波法的具体实现步骤为：(1) 选定一个(2N+2)(2N+1)的中值滤波窗口，以步长2像素沿着图像进行移动(N决定了选取窗口的大小)；(2) 每次移动后，对窗口内的像素进行排序，找出中值像素，并设为(2N+2)(2N+1)2+1；(3) 对窗口内剩下的2N+1个像素做类似处理，得到中值指针；(4) 对第一个窗口的前列元素重复(2)、(3)，得到第二个窗口中值；(5) 从行到列，对整个图像从(1)到(4)至结束。3.4图像边缘检测图像边缘增强的主要目的是更好地突出车道线的轮廓，使车道线的信息内

41、容更清晰，也有助于提高整体检查的准确性。当汽车在道路上正常行驶时，尽管执行了滤波解决方案，但是获得的汽车行驶图像通常仍然具有非常强的边缘。为了更好地获得车道线的边界，在上述解决方案之后必须进一步进行图像分割，可以根据边缘获取的方式进行相关的图像分割。目前有很多获取边缘的方法，包括Sobel优化算法，Laplace优化算法，Canny优化算法f等。每种优化算法都有自己的特点，适用于不同的场景。 Sobel算法适用于精度要求不太高的场景。由于Sobel算法是基于近似计算获得导数函数的，因此获得的结果不是很精确，因此不适合用于高精度解决方案。为了解决这个问题，必须在拉普拉斯算法之前对图像进行平滑处理

42、，因为这种算法会受到噪声的影响并且无法区分边缘位置，因此缺陷更加明显。 Canny算法必须设置两个阈值以阐明清晰度梯度方向的上限和下限。弥补边缘点清晰度的目标。因为Sobel算法在室内空间中比较容易完成，故而可以很好地解决灰度梯度和噪声更大的图像。从解决高效率的角度出发，本文将详细介绍Sobel的检测办法。Sobel边缘检测算子本质上是一种局部的梯度幅度运算，具体操作方法为选取一个像素点周围3*3邻域内的像素点的灰度做加权平均，如果改点处于极值状态，则判断改点为边缘点。该算子利用两个卷积核g1(x,y)和g2(x,y)与原图像f(x, y)进行卷积运算而得到的。其数学表达式为：S(x,y)=M

43、AXm=1Mn=1Nf(m,n)g1(im,jn),m=1Mn=1Nf(m,n)g2(im,jn)用差分代替一阶偏导，算子的计算方法如下：xf(x,y)=f(x1,y+1)+2f(x,y+1)+f(x+1,y+1)f(x1,y1)+2f(x,y1)+f(x+1,y1)yf(x,y)=f(x1,y1)+2f(x1,y)+f(x1,y+1)f(x+1,y1)+2f(x+1,y)+f(x+1,y+1)下面显示了Sobel算法的垂直和水平方向的模板，它们可以分别检查水平和垂直方向的边缘。在特定的应用中，使用两个卷积核对每个像素数进行卷积和，并取最大值作为输出以获得可以反映边缘强度的图像。图3-5 边缘

44、算子Sobel算法对噪声具有平滑效果，并且可以准确地区分边缘位置信息的内容。当边缘精度等级不是很高时，它是一种相对常见的图像分割方法。3.5图像二值化处理在对图像进行分割之后，图像仍然具有更多不相关的信息内容。为了进一步消除这种不相关的信息内容，必须进行二值化处理。二值化是一种基于灰度变换的科学研究方法。根据设置的阈值，根据清晰度值的大小将图像分为两部分。它们是大于阈值和比率阈值的清晰度的组合。小清晰度结合在一起。根据这种方法，图像可以分为两个部分，分别是总体目标和情况的一部分，可以大大减少不相关元素的影响。 9但是，这种类型的方法必须设置合适的阈值。太大或太小都不适合，这会损害分辨率。当阈值

45、太大时，行车道的特征点将减少。当阈值是一个小时后，不相关的元素将被划分到车道线的边缘，因此在设置阈值时有非常高的规定。选定的阈值必须实现一个大目标：将情况与总体目标分开。为了更好地设置紧密集成的阈值，相关的专家就有进行具体的论述，采取的方法有全局以及局部的两种：(1） 全局阈值法全局阈值方法是根据固定的阈值对图像进行分割，并根据更清晰的灰度和阈值将其澄清为背景色和市场前景，以实现更好的自动化技术和实用性。由测量算法和边缘算法组成。每种优化算法都有不同的方法来确定阈值：平均灰度方法采用图像中所有清晰灰度的平均值，并将其用作阈值。组间标准偏差较大的方法是条形图分类的基础是对像素数和灰度平均值进行统

46、计分析，并测量各组之间的标准偏差，并获得达到较大标准偏差的灰度阈值中包括两个类别之间的距离；该算法方法基于多种算法来增加或减弱灰度，并且阈值需要根据特殊情况设定。(2） 局部阈值法局部阈值方法是指根据定义的灰度级和定义的周围区域的灰度级特性来澄清阈值的方法。实际的解决步骤是：首先将图像划分为几个区域，然后将其应用于每个区域。整体阈值方法，即最终合成所有图像的部分阈值方法。但是，为了确保灰度级的连续分布，在应用部分阈值方法定义阈值之前，必须应用平滑技术来清除灰度级的不连续性。而标准偏差再有类方差确定，成正相关关系。4车道线检测与车道偏离预警算法本文前面介绍了对车道偏离系统图像的采集以及图像的预处理，在经过预处理之后，图像的准确性与清晰度得到提高。偏离系统的最终目的是对车道中的具体位置进行判断。因此，在经过预处理的图像剥离出车道线后还需要进行车道线检测和建立车道偏离预警模型，并最终完成车道偏离判断预警。4