融合图像与激光雷达的车道偏离预警算法研究

摘要

本文研究了融合图像与激光雷达的车道偏离预警系统。车道偏离预警系统是高级辅助驾驶系统中的一项关键技术，主要用于防止车辆偏离当前车道而产生交通事故。本文首先分析了车道偏离预警系统的各组成部分，总结了当前研究的三大难点，并针对每个难点进行了相关研究。主要研究的问题与取得的成果概括如下:
　　1.复杂道路条件下的车道线检测问题。
　　目前的车道线检测算法在稳定光照、良好道路条件下已取得较好的效果。难点在于，在光照变化、阴影遮挡、障碍物遮挡等复杂路面条件下检测车道线。以及在道路磨损，车道线为虚线的条件下检测车道线。本文提出一种适应复杂路面条件的车道线检测算法。通过灰度空间与HSV(Hue Saturation Value)空间的双阈值分割进行特征提取，减少特征的丢失。针对障碍物遮挡、阴影遮挡、路面其他道路标识的问题，利用同一条车道线两边缘相互平行的性质，使用梯度方向判决的方法，减少遮挡物对车道线检测的影响。针对车道线磨损，车道线为虚线的问题，利用改进的河流算法进行特征连接。算法经过高速公路采集的视频数据的测试，能在多种复杂道路条件下稳定检测车道线。
　　2.车道偏离预警模型虚警率高，预警信息不稳定的问题。
　　车道线偏离预警的虚警会干扰驾驶员的注意力，降低系统可用性，甚至错误的改变车辆运动状态，造成危险。预警信息不稳定会导致驾驶员无法判断当前行驶状态是否有危险性，是否需要修正车辆轨迹。本文分析了现有车道偏离预警模型的优缺点，并提出一种阶段式偏离预警模型。在保持检测率与预警时间的基础上，降低了虚警率，提高了预警信息的稳定性。
　　3.单一传感器车道感知可靠性低的问题。
　　目前大多数车道偏离预警研究都使用视觉传感器作为唯一的道路数据来源，这在实际场景下可靠性不足。一方面当传感器出现误差时，没有其他测量结果用于比较和修正。另外，无法适应结构化道路与非结构化道路的切换。本文提出了一种在特征级融合激光雷达与图像数据的方法。首先根据实际道路结构提出了一种应用于两种传感器测量数据的平行直线模型。提出了一种数据融合的方法，根据先验信息与历史数据减少单传感器随机误差对系统检测结果的影响。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 国内外研究现状

1．3 目前研究难点

1．4 论文组织结构

2 相关研究方法

2．1 引言

2．2 车道线检测方法

2．2．1 预处理

2．2．2 特征提取

2．2．3 特征优化

2．2．4 特征拟合

2．3 车道线跟踪方法

2．3．1 卡尔曼滤波

2．3．2 粒子滤波

2．4 车道偏离预警模型

2．4．1 RSS模型

2．4．2 CCP模型

2．4．3 TLC模型

2．4．4 FOD模型

2．4．5 其他模型

2．4．6 优缺点分析

2．5 传感器融合车道检测方法

3 复杂路面条件的车道线检测方法

3．1 引言

3．2 算法流程

3．2．1 结合灰度与色彩特征的特征提取

3．2．2 梯度方向判决

3．2．3 改进的河流算法

3．3 实验分析

3．4 本章小结

4 低虚警车道偏离预警模型

4．1 引言

4．2 几种典型TLC计算模型

4．2．1 直线道路和直线轨迹

4．2．2 直线道路和曲线轨迹

4．2．3 曲线道路和直线轨迹

4．2．4 曲线道路和曲线轨迹

4．2．5 模型对比

4．3 阶段式TLC计算模型

4．3．1 正常行驶阶段

4．3．2 持续偏离阶段

4．4 实验分析

4．4．1 预警信息稳定性实验

4．4．2 检测率与虚警率实验

4．5 本章小结

5 融合图像与激光雷达的道路感知

5．1 引言

5．2 道路结构建模

5．3 雷达、相机联合标定

5．4 数据融合

5．5 实验分析

5．6 图像特征融合雷达检测结果

5．7 本章小结

6 结论

6．1 研究问题

6．2 主要成果

6．3 未来展望

致谢

参考文献

攻读硕士学位期间发表的论文和出版著作情况