车道偏离预警系统(Lane Departure Warning System, LDWS)作为现代智能交通安全辅助驾驶系统(Safety Driving Assist System, SDAS)的一个重要组成部分,应用现代计算机视觉原理以及通信与控制系统技术在车辆偏离车道时预警,从而大幅度提高汽车驾驶的安全性、舒适性。计算机视觉技术的不断向前发展,其精确识别道路交通环境的能力和相对较少的成本都表明了LDWS广阔的应用前景,于是,基于视觉的车道偏离预警系统近年来成为了国内外研究人员关注的焦点问题。本文主要研究基于单目视觉的车道偏离预警系统算法的实现。单目视频传感器具有价格低廉、实用性强、中间件技术成熟等诸多优点,适合商业化应用。但是相比基于雷达技术的其他传感器,视频图像提供的关于速度和距离的信息更为间接,从中提取出所需的关键信息更加富有挑战性。本文首先根据获取的道路彩色图像,研究了基于CIELab彩色空间彩色聚类对车道线进行识别的算法,接着根据实际情况,对高等级路面采用直线模型利用霍夫变换检测车道线。检测到车道线后,为了使车道线检测结果更加稳定有效,采用了卡尔曼滤波对多车道线同时进行追踪,大大提高了车道线检测的精度。最后利用计算机标定原理将三维空间的位移与二维图像空间的坐标相对应进行距离计算,采用基于横向距离的偏离预警模型对当前车辆是否发生车道偏离进行预警判断。为了使预警结果更加准确,加入了对驾驶员是否主动换道的判断算法。本文的主要工作及创新性研究成果如下:1.利用CIELab彩色空间信息对道路图像进行彩色聚类,根据车道线为黄色或者白色的特征识别聚类后的车道线区域,接着在车道线区域采用启发式搜索车道边线算法,从而检测出车道线边缘的像素点,对这些边缘像素采用最小二乘法进行拟合,拟合的同时使用可靠性判断算法检验每一个像素点是否为有效的边缘像素,最后将所有有效边缘像素拟合成车道线,得到了拟合曲线的参数即检测出了车道线。本算法利用宝贵的彩色信息进行车道线识别为复杂路面上进行车道线检测提供了一种行之有效的解决办法。2.由于车道偏离预警系统的应用主要是在高速行车时进行预警,因此对于实际的高等级公路来建模时,根据国家标准,道路图像前视有效距离内可视作直线,因此本文采用直线模型进行建模,接着使用边缘算子提取道路边界,然后采用基于Hough变换的直线特征提取方法对车道线进行识别,再根据得到的车道线敏感区域检测车道线颜色(黄色或白色)及车道线线型(实线或虚线)。3.根据道路视频图像的序列性特点,针对序列图像中目标的识别采用滤波器进行追踪可以使目标检测更加稳定,本文结合了卡尔曼滤波器算法,创造性的提出了卡尔曼滤波器组的设计思路,可对已检测到的多车道线同时进行追踪,且同时追踪最大车道线数不受限制,经卡尔曼滤波器组追踪后输出的最优值,可有效降低车辆抖动、光线变化、阴影等干扰,使车道线的检测结果更加稳定,从而确保了系统进行偏离预警的正确有效。同时在使用卡尔曼滤波器进行追踪时加入了样本有效性判断规则,使车道线的追踪更为可靠。4.本文研究了车道偏离预警系统常用的几种车道偏离预警模型,提出了基于横向距离的偏离预警模型来判断当前车辆是否已经发生车道偏离,于是根据计算机标定原理,采用三线法计算出横向距离,再使用Sigmoid函数模型来对预警过程建立模型得出预警判断规则,最后根据经验设定安全有效距离值,同时,考虑到偏离预警时驾驶员的主动换道,为了使预警结果更为准确,算法加入了LDWS对驾驶员主动换道意图的判断。5.使用Matlab (R2009a)中附带的Simulink7.3对整个LDWS算法进行仿真,主要应用Simulink7.3的视频与图像处理工具箱(Video and Image Processing Blockset 2.7),同时开发了基于Win32的用户界面程序,对本文的算法作了详尽的演示。