基于霍夫变换的车道偏离警示系统

邵毅,温艳,曹吉花

（宿州学院机械与电子工程学院,安徽宿州234000）

基于霍夫变换的车道偏离警示系统

邵毅,温艳,曹吉花

（宿州学院机械与电子工程学院,安徽宿州234000）

以霍夫变换为基础,分析了其在智能交通中的车道偏离预警系统中的应用.车道偏离系统由MATLAB的计算机视觉工具箱和Simulink模块进行搭建.为验证系统有效性,通过对采集视频进行实验,结果表明：系统可以同时检测出两条车道线,检测准确性和实时性较好,但复杂环境的检测结果会带来较大的误差,相关算法仍需进一步改进.

霍夫变换；车道偏离；计算机视觉

作为智能交通系统（intelligent transpation system,ITS）的基础技术之一,智能视频技术的基本任务就是对采集视频进行处理,获取各种交通状况的实时信息,同时对现场路况作出即时反应[1].该技术广泛应用于运动车辆检测,道路交通标示识别,车辆预碰撞预警,车道偏离预警等,其核心是计算机视觉技术[2].计算机视觉技术将图像及其描述对应起来,再由数字图像处理和分析得出采集视频所包含的对监控和预警有用的信息.无论对于车辆安全行驶降低事故发生率,还是提高车辆驾乘的舒适性,车道线的检测都具有非常重要的作用,使之成为ITS的研究热点[3].为提高运动汽车车道偏离预警系统的实时性和稳定性,本文在分析了基于霍夫变换（Hough transform）车道线检测算法的基础上,利用MATLAB计算机视觉工具箱（computer vision toolbox）和Simulink模块建立车道偏离预警系统,采集视频并进行实验,在视频中检测和追踪车道线并提醒驾驶员是否越线.结果表明设计系统的检测实时性较好,并且在车辆低速运行时检测结果稳定可靠.

1 相关知识

1.1 MATLAB计算机视觉工具箱

MATLAB计算机视觉工具箱可以方便用户进行视频处理系统的设计和模拟[2].该工具箱包含众多算法,通过对图像感知及预处理、目标检测、目标跟踪、特征提取与识别等操作,从而完成视频文件的输入和输出、分析处理、显示、图形绘制和合成等.

1.2 Hough变换车道线检测基本原理

在视频帧处理中,常用Hough变换识别图像帧里所包含的直线.处理数据量适中,占用系统资源相对较少,本文采用此算法提取视频帧中的车道线.Hough变换利用点与线的对偶性,将原始图像空间给定的曲线变为参数空间的一个点.将原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题,即将检测整体特性转化为检测局部特性.Hough变换示意图如图1所示.

图1 Hough变换示意Fig.1 Hough transform scheme

由图1可以看到,在直角坐标系中有一条直线l,原点到该直线的垂直距离为ρ,垂线与x轴的夹角为θ,则这条直线是唯一的,且其直线方程为式（1）.而这条直线的极坐标表示则为一点（ρ,θ）.可见,直角坐标系中的一条直线对应极坐标系中的一点,这种线到点的变换就是Hough变换[4].

Hough变换的算法实现.首先将（ρ,θ）空间量化,得M（ρ,θ）,此矩阵是累加单元,假设初值M（ρ,θ）=0.对边界上的每一个点（xi,yi）,将θ的所有量化值代入（1）式,计算相应的ρ,并将M（ρ,θ）加1,将全部（xi,yi）处理后,分析M（ρ,θ）,如果M（ρ,θ）≥T,就可以认为存在一条有意义的线段,是该线段的拟合参数.T是一个非负整数,由采集的图像帧中车道的先验特征决定.最后由（ρ,θ）和（xi,yi）共同确定图像帧中的车道线,并将断裂部分连接起来,最终确定车道线的位置.

2 车道偏离警示系统设计

利用Simulink模块和Computer Vision Toolbox进行仿真系统设计[5].系统主要由视频输入输出模块,车道线检查模块,车道线追踪模块和越线报警模块组成.系统模型如图2所示.

图2 车道偏离警示系统Fig.2 Lane departure warning system

2.1视频输入模块

视频输入模块（input）使用DSP工具箱的Source中的From Multimedia File模块进行视频的采集. From Multimedia File模块可以对声音、图像和视频采集,Windows平台可以对压缩文件、视频读取,而非Windows平台只能读取非压缩的视频.为提高检测的效率,视频输入模块通常使用图像转换模块对视频帧做预处理,主要包括：利用rgb2gray函数将其转化为灰度图像,用中值法滤波去除信号噪声,再用迭代算法将去噪后的灰度图像二值化,最后利用edge函数找出图像边缘.预处理后得到三路颜色空间的输出信号：RGB,灰度图像和Y’CrCb.其中的灰度图像为车道检测和车道偏离模块提供输入,RGB为系统输出模块提供输入,Y’CrCb为车道偏离预警模块提供输入.

2.2 车道线检测模块

图3 车道线检测Hough变换子模块Fig.3 Lane detection Hough transform submodule

2.3 车道线追踪模块

车道线追踪模块（lane tracking）使用卡尔曼滤波（Kalman filtering）算法来实现[6].卡尔曼滤波一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法,该算法实时性较好,由于采集的图像数据中包括信号噪声,那么这个估计也可以看做一个滤波去噪的过程.算法利用车道线的动态信息,主要是上一帧车道线位置的估计值和当前时刻的观测值,以此滤出噪声,得到较为接近车道线位置的估计.对当前车道线位置的估计,包含对于将来位置的估计（预测）,以及对过去位置的估计（插值或平滑）.卡尔曼算法对视频帧的基本操作如下,令（12）式和（3）式分别为车道线位置的状态方程和测量方程.

其中,X（t）为t时刻的系统状态矢量,Z（t）为t时刻的测量矢量.A、B、C为测量系统的系数,W表示测量时的噪声.则卡尔曼滤波算法推到如下.t时刻系统状态估计值为X( t )%.估计误差方差矩阵见式（4）

利用式（2）,由t-1时刻的估计值计算t时刻值

再由t时刻的测量值Z（t）,以及增益矩阵K（t）修正该估计值,得到X( t )%.

则,当前时刻的误差方差矩阵为

车道线追踪模块采用Kalman Filter模块.对输入视频帧做卡尔曼滤波,以降低噪声影响,预测和判断动态系统的状态.

2.4 偏离警告模块

车道线偏离警告模块（departure waming）采用Hough直线检测算法来实现偏离警告.系统采用Computer Vision Toolbox里的Hough Lines模块,模块可以实现由rho和theta确定的直线笛卡尔坐标.偏离警告系统可以对行车偏离进行提示,同时还可以提示检测到的车道线类型（黄线还是白线,实线还是虚线）.线型提醒可以通过MATLAB Function模块编程来实现.

2.5 系统输出模块

系统输出模块（output）采用Computer Vision Toolbox中的To Video Display模块来显示结果.图4是检测到的一次右边偏离的结果.

图4 右侧偏离的检测结果Fig.4 Testing result of right deviation

3 实验分析

实验环境为Window8.1版本64位平台,CPU为Intel（R）Core（TM）i7-4500U,内存8.00 G.所使用视频段在206国道宿州段采集,avi格式,分辨率1 280*720,码率1 461 Kbps.采用MATLAB2014a提供的计算机视觉工具箱（computer vision tool box）进行处理.

图5是检测结果,其中的横线表示原点直线（安全线临界线）,曲线若在其上表示未越线偏离,否则发出警告提示越线.

图5 车道偏离系统检测结果Fig.5 The detection results of lane departure system

通过检测实验数据分析,检测系统检出率见表1.

表1 车道偏离检出率Tab.1 The detection rate of lane departure

由表1可知,右侧检出率92.3%,左侧检出率89.5%.根据采集视频分析,左侧检出率低于右侧的原因在于部分路段左侧车道线磨损严重,造成采集视频中部分左侧车道缺损,此外环境光线的变化也是误差来源的主要因素之一.

4 小结

本文在分析采用MATLAB的计算机视觉工具箱和Simulink模块,分析了其在智能交通中车道偏离警示系统中的应用.通过实验验证发现,在交通环境简单的情况下,检测速度快且比较准确性,但交通环境复杂时,如车道线不清楚,环境光线复杂,道路障碍物较多等等,此时搭建系统得出的实验结果容易出现误差.实际应用时还应根据实验结果,需要对相关算法继续优化,以适应不同的交通环境.

[1]祁骏.智能交通视频事件流监控系统关键技术研究[D].南京：东南大学,2014：1-3.

[2]AKHIL S,DR MAHESH K.Collision avoider using lane departure warning[J].International Journal of Scientific and Research Publications,2014,4（2）：1-4.

[3]SON Y S,KIM W,LEE S H,et al.Robust multirate control scheme with predictive virtual lane for lane-keeping system of autonomous highway driving[J].IEEE Trans.Vehicular Technology,2015,64：3378-3391.

[4]于兵.基于视觉的汽车主动安全关键技术研究[D].南京：东南大学,2009：50-53.

[5]RAJASHRI G,ANUJA D.An overview of lane departure warning system based on DSP for smart vehicles[J].International Journal of Computer Science and Mobile Computing,2013,11（2）：79-84.

[6]陈涛,张洪丹,陈东,等.基于优先像素与卡尔曼滤波追踪的车道线检测[J].汽车工程,2016（2）：200-205.

（责任编辑：卢奇）

Lane departure warning system based on Hough transform

SHAO Yi,WEN Yan,CAO Jihua
（College of Mechanical and Electronic Engineering,Suzhou University,Suzhou 234000,China）

Based on the Hough transform,its application in lane departure warning system was analysised.The system was designed by computer vision toolbox and simulink of MATLAB.In order to verifys the effectiveness of the algorithm,the experiment was completed by the vidieo.The experimental results showed that the accuracy of the algorithm was suitable for two lanes detection at the same time,but the detection results of complex environment will bring large error,and the related algorithm still need to be improved.

Hough transform；lane departure；computer vision

TP317.4

A

1008-7516（2016）06-0000-05

10.3969/j.issn.1008-7516.2016.06.012

2016-08-13

安徽高校自然科学研究项目（KJ2015A200）；宿州学院产学研合作培育项目（2014cxy02）；宿州学院教学研究项目（SZXY2015jy06）；宿州学院课程教学改革项目（SZXY2015kcjg09）；宿州学院煤矿机械与电子工程研究中心开放课题（2014YKY14）.

邵毅（1983―）,男,安徽蚌埠人,硕士,讲师.主要从事信号与信息处理研究.