车道偏离预警系统LDW设计与实现项目可行性研究报告.docx

车道偏离预警系统LDW设计与实现项目可行性研究报告.docx

《车道偏离预警系统LDW设计与实现项目可行性研究报告.docx》由会员分享，可在线阅读，更多相关《车道偏离预警系统LDW设计与实现项目可行性研究报告.docx（26页珍藏版）》请在冰豆网上搜索。

车道偏离预警系统LDW设计与实现项目可行性研究报告

车道偏离预警系统（LDW）设计与实现项目可行性研究报告

摘要：

为了积极应对由车道偏离引发的交通安全事故，车道偏离预警系统被广泛应用于现代汽车。

报告从车道偏离倒是事故的严重性和车道偏离预警的重要性出发，阐述了车道偏离预警系统的背景和意义。

报告主要根据检测车辆横向位置分类，回顾了基于道路基础构造和车辆的车道偏离的警告系统，并简要介绍了相关成熟产品。

报告回顾了车道偏离预警系统的四类警告标准，包括：

CCP标准、FOD标准、TLC标准和KBIRS标准。

报告介绍了以ISO17361:

2007和FMCSA-MCRR-05-005为主的两种车道偏离预警系统标准。

通过实例，按道路图像预处理、车道检测、车道线检测和车道偏离检测介绍了车道偏离预警系统的实现。

最后，报告对车道偏离预警系统进行了回顾和展望。

关键词：

交通安全；车道偏离；预警系统；车道检测；车道线检测

1车道偏离预警系统的背景和意义

1.1车道偏离导致事故的严重性

据统计,每年世界范围内的公路交通事故中大约有1000万人员受伤,其中重伤约300万人,死亡40万人,这些事故直接造成的经济损失约占世界GDP的13%。

根据（美国）联邦公路局的估计，美国2002年所有致命的交通事故中44%是跟车道偏离有关的,同时车道偏离也被看成车辆侧翻事故的主要原因。

根据美国交通部门的报告指出，接近50%事故与汽车无意识的偏离车道是有关的。

1.2车道偏离预警的重要性

车道偏离警告系统经研究发现利用能检测车辆运行时的横向位置的系统将防止大约53%的单车偏离车道事故。

根据FederalHighwayAdministration（FHA）的研究表明，车道偏离预警系统可以避免30-70%的车道偏离交通事故的发生。

因此，车道偏离预警系统的研究对提高道路交通安全，减少交通事故引发的人员伤亡和经济损失意义重大。

研究表明，驾驶员的反应时间如果能提0.5s，就可以避免至少60%的追尾撞车事故，50%的交叉相撞事故及30%的迎面相撞事故。

正是基于这些原因，车道偏离预警系统的研究逐渐成为社会上的一大热点[1]。

1.3车道偏离预警系统的定义

车道偏离预警系统（LaneDepartureWarningSystem，LDWS）是车辆辅助驾驶系统中的重要组成部分，根据前方道路环境和本车位置关系，判断车辆偏离车道的行为并对驾驶员进行及时提醒，从而防止由于驾驶员疏忽造成的车道偏离事故的发生。

车道偏离预警系统是一种汽车驾驶安全辅助系统，该系统旨在帮助驾驶员避免或者减少车道偏离事故。

它通过传感器获取前方道路信息，结合车辆自身的行驶状态以及预警时间等相关参数，判断汽车是否有偏离当前所处车道的趋势。

如果车辆即将发生偏离，并且在驾驶员没有打转向灯的情况下，则通过视觉、听觉或触觉的方式向驾驶员发出警报。

车道偏离预警系统一般包括三部分：

环境感知、偏离决策以及预警发布。

[2]

2车道偏离预警系统的分类[3]

2.1根据检测车辆横向位置分类

绝大部分的车道偏离警告系统都将车辆在车道内的横向位置作为计算警告发生与否的一个基础。

这些检测车辆横向位置的系统基本上可以分为两类:

基于道路基础构造系统以及基于车辆的车道偏离警告系统。

2.1.1基于道路基础构造的车道偏离警告系统

该类系统利用道路基础构造来检测车辆横向位置,需要对现有的道路进行改造。

最典型的改造方式就是使用埋在道路下的铁磁体标记（通常为磁铁或电线）,车辆传感器检测这些铁磁信号并利用信号的强度计算车辆在车道中的横向位置。

这种方法对车辆横向位置的估计精度能达到几个厘米,但这种方法最大的缺陷就是道路改造耗资巨大。

2.1.2基于车辆的车道偏离警告系统

该类系统主要是利用机器视觉或红外传感器检测车道标识的位置,按照传感器的安装方式可分为俯视系统和前视系统。

1.俯视系统：

俯视系统的优势是在结构化道路上效率高并简单易行，有可能取得更高的定位精度；不利的因素就是只能在结构化道路上使用（必须存在道路标识,且道路标识能被有效识别）。

在基于车辆的俯视系统中，最具代表性的为AURORA系统。

AURORA系统由美国卡内基梅隆大学机器人学院于1997年开发成功。

该系统由带广角镜头的彩色摄像机、数字转换器和一个便携SunSparc工作站等组成。

该系统通过安装在车辆一侧,视野大约为115~116m区域的俯视彩色摄像机检测车辆旁边的车道标识,通过数字转换器采集摄像机的视频输出并在一个便携SunSparc工作站上进行处理，处理速度为60Hz。

AURORA系统的处理算法主要由基于视觉的车道标识识别与跟踪、车辆横向位置估计、车道偏离警告3部分组成。

系统对每帧图像进行单纯的线扫描,利用1个可调的二次标准化模板相关技术对车道标识进行识别,在标识跟踪时采取先搜索前面探测到的车道标识附近区域，假如在该区域没有搜索到车道标识，系统将进行整个扫描线搜索。

当系统定位出车道标识后,将计算出车辆的横向位置,即车辆中心与车道中心距离。

然后,采用一种合适的警告触发准则,使该系统与驾驶员相互作用防止车道偏离的发生。

俯视统的优点是方法简单易行，在高速路等结构化道路上执行效率较高，容易获得较高的定位精度；但其缺点是应用范围有限，只适用于存在清晰标识的结构化道路。

2.前视系统：

前视系统可以利用更多的道路信息,在没有道路标识的道路上也可以使用。

其不利因素就是用来定位车辆横向位置的一些图像特征点可能被其他车辆或行人干扰。

这种系统目前应用较为广泛,其中具有代表性的有:

AutoVue系统、AWSTM系统、DSS系统、ALVINN系统和SCARF系统等。

（1）AutoVue系统：

由德国的DaimlerChrysler公司和美国的Iteris公司联合开发,2000年6月首次实际应用。

目前,AutoVue系统已经在欧洲的多种货车上作为一个选件进行了装备,美国正大力推广该系统,以减少车辆车道偏离事故的发生。

AutoVue系统结构紧凑,主要由一个安装在汽车内挡风玻璃后部的摄像机、道路标识线识别跟踪软件、2个立体音箱,1个小显示设备和控制单元等组成。

通过摄像机实时监测本车在当前车道中的位置,计算本车到车道标识线距离,然后与设定的报警距离相比较,判断是否进行预警。

当检测到将要发生车道偏离时,它将发出一种类似于车辆在隆声带上行驶时发出的隆隆作响的声音来提醒驾驶员修正车辆位置。

该系统环境适应性较强,在多数气候条件下能够有效工作。

目前，欧洲的多种货车已将该系统作为一个选件进行装备，同时正在美国进行大力推广，从而减少车道偏离事故的发生。

（2）AWS系统：

以色列Mobileye公司的研究成果，AWSTM系统利用安装在前挡风玻璃上的单个摄像机监测车道标识线以及测量和监控本车与道路边界的距离。

该系统能检测不同的车道标识如实心连续线、虚线等。

在没有车道标识的情况下,系统能利用道路边缘和路沿来进行车道偏离警告。

其车道偏离警告模块通过检测道路边界,计算车辆相对于车道的位置和车辆的侧向运动以预测车辆将横越车道标识的时间,当该时间低于设定的阈值时,触发视觉警告和声音警告,以使驾驶员对不同的危险状态做出适当的反应而减少意外事故的发生。

系统采用的警告阈值能适应不同的驾驶风格。

车道偏离系统在有意识的车道偏离、制动、没有道路标识等情况下对警告的产生进行了抑制,同时也适当考虑了驾驶员的个人驾驶行为。

系统可以在没有明显车道线标识的情况下检测道路比安源和路沿，在雨天和夜晚情况下也能工作。

（3）DSS系统：

日本三菱汽车公司于1998年提出设计和开发DSS系统,并于1999年秋季应用于模型车上。

DSS系统由1个小型的CCD摄像机、速度传感器以及视觉和指示器及警报蜂鸣器等听觉警告装置组成。

利用装在后视镜内的CCD摄像机通过图像处理方式识别车道线，并进行车道曲率半径、横向偏移量和横摆角的计算，使用横摆角速度传感器检测车辆的横摆角速度，并通过控制器来计算当前车辆的实际行驶轨迹和预期行驶轨迹的偏差，确定自车与车道线的相对距离和速度来判断车辆是否已经开始偏离其车道，计算跨道时间，从而判断是否发出警报。

如有必要,系统将利用视觉警告信息和听觉警告信息以及震动转向盘来提醒驾驶员小心驾驶车辆。

DSS系统的特别之处是系统将产生一个促使车辆回到自身车道中央的转向力矩来帮助驾驶员采取正确的驾驶行为。

当然,该力矩不会干涉驾驶员自己施加的转向力矩,保证驾驶员对车辆的完全控制。

（4）ALVINN系统和SCARF系统：

ALVINN系统和SCARF系统都由美国卡内基梅隆大学机器人学院NavLab实验室和视觉与自动化系统研究中心（VASC）联合开发的。

ALVINN利用神经网络从训练数据中学习正确的行为。

SCARF系统将图像中的像素点基于它们各自的颜色聚类为道路类和非道路类,在基于假设道路在图像中表现为梯形的条件下,利用Hough变换寻找最可能的道路位置。

由于该系统仅仅寻找道路像素组成的梯形区域,不能用于多车道行车以及避障操作。

3车道偏离警告系统采用的警告标准

目前可以将车道偏离警告系统采用的警告标准大致分为4种:

基于车辆在车道中的当前位置（CarsCurrentPosition,CCP）、基于将来偏离量的不同（FutureOffsetDifference,FOD）、基于车辆将横越车道边界的时间（TimetoLaneCrossing,TLC）、基于道路场景感知（Knowledge-BasedInterpretationofRoadScenes,KBIRS）。

这些警告标准中,使用最广泛的是TLC标准。

3.1CCP标准

也叫横向偏移（Lateraloffset,LO）,检测车辆与车道边界之间的相对距离，当车辆接近或保持在车道边缘附近时给出警告。

车辆在车道中的当前位置由车道检测算法得到。

y0表示车辆中心与车道中心的距离,假设车辆大致与车道平行,给定车辆宽度bc时,当前车辆前轮相对于左右车道边界的位置：

式中车道宽度bc由车道检测算法估计出。

和分别表示左右车轮相对于左右车道边界的位置。

当>0且>0时,表明车辆在车道内,这时不需要警告。

当<0或<0时,就认为车辆偏离车道,发出警告。

3.2FOD标准

该方法考虑驾驶员的个人驾车习惯,在绘制虚拟的边界时添加了驾驶员自然转向时习惯的偏离量。

当然如果驾驶员没有这种转向时偏离习惯,将虚拟车道线与真实车道重合。

采用这种方法的警告触发准则为

其中V为虚拟的车道边界;为预计的车辆的侧向位置。

式中为侧向速度;为当前车辆距车道边界的距离;T为预计时间,T=（v-x）/,x为期望发生的点。

经过试验,这种方法能减少误警。

3.3TLC标准

提出TLC方法的目的是为了尽可能早地检测到可能的车道偏离。

该方法主要根据以后几秒钟内车辆运动假设模型,估计出车辆将离开车道的时间。

在计算时主要考虑如下2种运动模型。

（1）假设车辆保持现有方向不变。

这样得到的运动模型可以描述为：

式中为车辆相对于车道的方向角;为当前时刻车辆相对于车道中心的横向偏移量;l为车辆驶出的直线距离;为车辆在驶出距离为l时的横向偏移量。

（2）假设驾驶员保持相同的转向盘转角。

这样车辆的运动曲线跟车道边界的回归曲线模型相类似,可以描述为:

式中Cc为车辆运动曲线的曲率,可由当前的转向盘转角计算得到。

上述两种模型都是基于车辆中心的运动估计,而左右车轮的运动分别描述为:

式中下标l、r分别对应左、右车轮。

由此得到的车辆运动曲线与相应的车道边界曲线的相交点就表示了车辆将横越车道边界的假定距离,用这个距离再比照现有车辆的速度可以计算出TLC值。

当TLC值小于一定阈值,就发出警告。

3.4KBIRS