考虑驾驶员换道意图的高速公路车道偏离预警系统研究

摘要

因驾驶员人为因素造成的无意识车道偏离已经成为交通事故的主要因素之一，车道偏离预警是当前安全辅助驾驶技术的一个研究热点。机器视觉在实时性、准确性、适用性以及经济性等方面具有比其他监测方法更大的优势。本文通过车载CCD摄像装置对车辆前方车道以及驾驶员头部运动状态进行实时监视，结合驾驶员换道意图的监测，对无意识的车道偏离进行实时监视。
　　结合论文的研究需要，将换道行为划分为意图阶段和执行阶段。设计试验方案，采集驾驶员在左、右换道意图阶段和车道保持阶段的数据，确定换道意图时窗，筛选出视频中的换道意图样本和车道保持样本。针对本文需要，将驾驶员在行车过程中感兴趣的注视区域划分为车辆正前方、左后视镜、右后视镜及内后视镜等四个区域，分析驾驶员的注视行为，从而建立驾驶员的头部运动与换道意图之间的联系。
　　本文使用Viola-Jones算法对驾驶员人脸进行检测，在准确检测到人脸的基础上，使用Kanade-Lucas-Tomasi算法对检测到的人脸进行跟踪，提取驾驶员人脸中心横坐标，判断驾驶员是否存在转头的动作，进而判断驾驶员的换道意图，区分无意识车道偏离和有意识车道偏离。
　　车道线识别与跟踪是实现车道偏离预警的前提和基础。本文对道路图像预处理技术深入研究，主要包括图像灰度化、图像平滑滤波、图像边缘增强和图像二值化。在此基础上，使用Hough变换提取二值图像中的直线，结合相关约束提取图像中的车道线。根据提取出的车道线，建立感兴趣区域，采用跟踪识别算法提高车道线的识别速度和可靠性。
　　在准确识别车道线的基础上，本文使用了一种仅基于图像信息的车道偏离识别方法，该方法简单有效，无需进行复杂的摄像头标定。为检验本文所提方法的有效性，使用CCD摄像头进行实车采集车辆前方道路视频和行车时驾驶员头部监视视频，使用MATLAB软件对采集得到的视频进行算法验证和系统仿真，测试结果表明本文提出的驾驶员头部运动状态识别算法、车道识别算法以及车道偏离预警算法是可行有效的，能有效降低系统的误警率，提高系统的可靠性。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 国内外研究现状

1．2．1 车道偏离预警系统的国外研究现状

1．2．2 车道偏离预警系统的国内研究现状

1．3 本文的研究内容

1．3．1 本论文的主要内容

1．3．2 研究流程

第二章 基于模拟驾驶仪的换道意图阶段数据采集

2．1 换道过程阶段划分

2．2 试验方案设计

2．2．1 试验目的

2．2．2 试验方案

2．2．3 试验平台

2．2．4 试验人员

2．2．5 试验过程

2．3 试验数据的统计及分析

2．3．1 意图时窗的确定

2．3．2 统计驾驶员视觉特性数据

2．3．3 驾驶员注视行为分析

2．4 本章小结

第三章 基于驾驶员头部运动的换道意图识别

3．1 基于Viola-Jones框架的驾驶员入脸检测

3．1．1 Viola-Jones框架的矩形特征

3．1．2 Viola-Jones框架的AdaBoost算法

3．1．3 Viola-Jones框架的级联

3．1．4 驾驶员人脸检测效果

3．2 基于Kanade-Lucas-Tomasi算法的驾驶员人脸跟踪

3．2．1 特征点选取

3．2．2 特征点跟踪算法

3．2．3 特征点跟踪算法效果图

3．3 驾驶员头部运动状态识别

3．4 基于驾驶员头部运动的换道意图识别

3．5 本章小结

第四章 车道线识别算法研究

4．1 结构化道路模型分析

4．2 图像预处理方法

4．2．1 灰度化道路图像

4．2．2 道路图像的滤波

4．2．3 图像边缘增强

4．2．4 道路图像的二值化

4．3 车道线识别方法

4．3．1 传统Hough变换的基本原理

4．3．2 传统Hough变换的优缺点分析

4．3．3 基于改进的Hough变换的车道线识别

4．4 跟踪识别算法

4．5 算法验证

4．5．1 典型路面的车道线检测

4．5．2 晴天路面

4．5．3 阴天行驶

4．5．4 夜晚行驶

4．6 本章小结

第五章 车道偏离预警算法

5．1 车道偏离预警模型简介

5．1．1 CCP模型

5．1．2 FOD模型

5．1．3 TLC模型

5．1．4 KBIRS模型

5．2 车道偏离预警模型建立

5．3 考虑驾驶员换道意图的车道偏离报警决策算法

5．4 基于MATLAB的算法实现和系统仿真

5．4．1 GUIDE

5．4．2 系统试验结果

5．5 本章小结

第六章 总结与展望

6．1 本文研究工作总结

6．2 本文存在的不足及今后研究工作展望

致谢

参考文献

攻读学位期间发表的学术论文