1.1 选题背景及研究意义

   社会不断进步和汽车工业不断发展,汽车发挥着越来越重要的作用，所以道路汽车安全的问题日益突出。高速公路不断的发展也使得交通事故频繁在发生，恶性交通事故也是在呈现不断上升的趋势。在最新的统计报告中可以看出，大部分此类事故是与汽车在行驶当中无意识的偏离出车道是有关的。另外有相关的研究表明了，如果驾驶的司机反应的时间能够提前0.5秒，就完全可以使至少百分之六十的此类事故不会发生。所以，人们越来越关注车道偏离检测预警系统的研究。而车道偏离预警系统的核心内容之一就是道路感知，其主要就是确定行驶的时候车辆在当前所在的车道内的位置，作为检测车道是否产生偏离的判定的依据。在道路感知的方面，主要是有基于道路构造的感知以及基于车辆的感知[1]。基于道路构造的感知对车辆横向位置的估计精度较高，但其最大的缺陷是需对现有的道路进行改造，工程及成本较高，而基于车辆的感知主要就是利用机器视觉获取道路曲率、宽度等几何信息，并以此检测出车辆相对于车道的位置。基于此次研究，目前国外已经出现了相关的商业化产品。而国内在近十几年来对于此类问题也取得了一定的进展，但是此类的研究主要还是在高校内，由于起步晚和研究技术原因，至今仍然没有相关的产品出现。

1.2 国内外研究及应用现状

1.2.1 国外研究及应用现状

1.2.2 国内研究及应用现状

1.3 本文的研究的主要内容及流程图

1.3.1 研究的主要内容

   本篇论文一共分为五章,每个章节具体内容安排如下：第一章是引言，主要说明了本文所研究相关背景知识,包括了车道偏离预警系统发展和国内外应用研究现状,并介绍了本文的主要研究架构。第二章是道路图像预处理，因为路面和周围环境都存在着干扰性，所以图像的预处理是很重要的。图像的预处理包括了道路图像的彩色图像灰度化、道路图像中值滤波、道路图像边缘检测、道路图像二值化处理。第三章是基于霍夫变换的车道线检测，对预处理后的图像进行霍夫变换以此来检测出车道线。第四章是基于几何关系的车道偏离检测，分别就是从摄影机成像的几何关系以及车道线消失点的位置特点出发，通过空间几何的公式推导出当车辆直行的情况下车道偏离率与两侧车道线斜率比之间的函数关系，从而会得出车辆在行驶的过程当中，车辆的偏离程度与摄影机设定的内外参数是无关的，只与道路两边的车道线斜率有关。第五章是室外模拟车道线检测实验，通过实际实验对得出的结论进行检测，通过研究出公式推导结果与道路现场手工测试的结果相比较，有力的验证了车道偏离的程度只与道路两侧的车道线斜率有关[12]。

1.3.2 内容结构流程图

 结构流程图

2 道路图像预处理

智能车辆视觉系统在图片采集完成后，需要对采集来的图像进行各种预处理。在图像采集的过程中，因为噪声、光学系统的失真等等的原因会导致降低摄像机成像质量。不仅如此，由于车辆行驶时视觉系统与道路环境之间存在一定的相对运动，输出图像的质量也会大大降低。所以，为了保证图像的质量，需要留住道路图像当中有用的部分而尽量消除掉其它信息的干扰，所以对原始采集到的道路图像进行预处理是重要的。本文的预处理是对图像进行灰度化、滤波处理、边缘检测、二值化处理[6]。来`自^优尔论*文-网www.youerw.com

2.1 道路图像灰度化

很大部分的道路的图像是通过彩色图像传感器来采集的，原始的图像是彩色的图像。为了很好的来利用彩色图像提供到的车道线以及路面色彩的信息，本论文采用彩色通道提取法得到灰度化的图像。采用彩色通道提取法的主要目的就是根据车道标志线的色彩信息，提取出一定的颜色通道，形成突出车道标志线块状结构的灰度图像。在彩色图像中，车道标志线上的点成像后，它的R和G通道的颜色值相对大于B通道而沥青表面的成像以灰色为主，而且它RGB三通道的颜色比较平均并且相对而言较小。因此试图通过提取R、G通道的方法突出车道标志线的块状结构是可行的。为了从提取的通道合成灰度图像，在此将R、G通道的颜色值相加。具体操作就是在一定的阈值之上，R、G通道颜色值之和的像素点直接取灰度最大值255。而低于这个阈值的像素点则被弱化。其在灰度图像中的像素值取(R+G)/2。颜色模型为RGB模型。在RGB模型当中，假如说R=G=B时，那么彩色就表示一种灰度的颜色，而且R=G=B的值就是灰度值。所以说，灰度图像的每个像素只需要一个字节来存放灰度值，一般将黑色的灰度值定义为0，白色的灰度值定义为255，而由黑到白之间的明亮度均匀划分为256个等级。在对于道路图像来提取车道线的过程当中，很多的算法的处理就是将道路图像先灰度化之后再进行处理，所以并没有使图像的彩色信息得到很好的利用。灰度化之后的道路图像是无可避免的会丢失一些信息的，但是对灰度化之后的图像进行处理，从其存放方式就可以看出速度是相对较快的。而对彩色图像的处理，就是分别对三个分量处理，可见速度相对较慢[19]。其变换原理为：