智能汽车道路基本假设及概述

2023-09-19 理论教育版权反馈

【摘要】：由于现实生活中的道路千差万别，目前仍不存在通用的视觉道路检测系统。有些系统使用多项式曲线表示车道线，并采用简单的Hough变换进行匹配。

由于现实生活中的道路千差万别，目前仍不存在通用的视觉道路检测系统。因此，在满足一般应用的情况下，适当地简化道路场景，有助于解决实际问题。

（1）道路形状假设：简化道路模型的一种有效方法就是使用道路形状假设，如回旋曲线、抛物线、直线或其他特殊形状等。由于高速公路的曲率变化缓慢，而回旋曲线有很好的光滑特性，可以解决道路直线部分与道路转弯的接口问题，回旋曲线由式（4-1）表示：

式中，ρL表示长度为L时的道路曲率，ρ0表示初始点的曲率，表示曲率的变化率。由于回旋曲线上任一点的曲率与该点到起始点的距离成比例，因此由两个参数就可以确定道路的形状，即在L为定值的情况下，只需要确定ρ0和便可确定当前道路线。

有些系统使用多项式曲线表示车道线，并采用简单的Hough变换进行匹配。最简单的多项式曲线为直线模型，如式（4-2）所示：

其中，X，Y分别表示道路的横向坐标和纵向坐标；K表示道路的斜率；B表示截距。在近视野中，由于车辆行驶的速度不高，将道路形状假定为直线可以满足车辆导航的需要。

除上述模型以外，还有更一般化的道路形状假设，将具有明显梯度特征的像素组成道路轮廓，使用道路模型跟踪道路轮廓；采用矩阵矢量道路模型，用一组点坐标表示道路标志线所在的区域，通过不断迭代，逐渐逼近实际道路标志线。

（2）道路宽度和道路平坦假设：假设道路宽度固定或变化比较缓慢，在道路检测中可认为道路的两个边缘是平行的。在视觉检测系统获得图像的特征（道路边缘线、障碍物）后，为精确地控制车辆，需要将坐标从图像平面坐标系转换到车辆行驶的世界坐标系。假设车辆前方的道路是平坦的，就可以利用已知的摄像机标定信息进行逆透视变换。一般以上两个假设条件同时出现，如意大利帕尔马大学的GOLD系统，首先根据道路平坦假设，利用逆透视变换去除图像中的透视效果，然后利用当前车道两个边缘平行的约束，在转换后的道路俯视图上进行道路检测和障碍物检测。美国卡内基·梅隆大学的RALPH系统则进一步扩展了该方法，使用道路上任意的平行特征，如车道线、道路边界等来检测道路，并采用道路宽度假设，使系统对阴影和车辆遮挡的影响比较有鲁棒性，但这种假设不适用于宽度变化比较频繁的道路。

（3）道路特征一致假设：通常，图像中的路面区域具有一致的特征，如灰度特征、颜色特征、纹理特征等，而非道路区域则没有这样的特征，因而可以采用聚类的方法检测道路区域。

（4）感兴趣区域假设：道路跟踪实时处理的运算量非常大，根据物理约束和连续性约束，可以利用相邻帧之间的时间相关性加以简化，即在感兴趣的区域进行分析并寻找期望特征，而不需要对整幅图像进行分析，但前提是已经在前一帧图像中将道路区域检测出来，所以这种感兴趣区域假设仅仅是跟踪策略。如GOLD系统将待处理的道路区域限定在上一帧已经检测出道路区域的邻域内。

也可以对采集的原始图像进行窗口选择，按照已经标定好的摄像机信息，将包含整个道路区域的窗口用作道路检测的初始图像。如美国卡内基·梅隆大学的RALPH视觉系统选取了一个随车速变化的梯形窗口。该梯形窗口中每一行所对应的实际水平宽度为7 m左右，约为典型车道宽度的两倍，然后对梯形窗口的内容进行几何变换，建立一个像素为30×32的低分辨率图像。法国的Peugeot系统则抽取一帧图像中的大约10行，再从这10行中选取位于车道白线附近的一个局部区域进行处理。该区域的宽度仅为图像中车道总宽度的30％左右。感兴趣区域假设可以显著加快道路检测的速度，降低对硬件的要求，满足道路检测的实时性。如何选择感兴趣区域是关键，选择不当会导致检测失效。

智能汽车道路基本假设及概述

相关推荐