輔助駕駛： 汽車離道報警完整結構設計

b.采用空間濾波技術去除圖像中多余的噪聲。可用的算法有直方圖均衡化、領域平均、中值濾波等。

c. 采用道路圖像的二值化分割對圖像進行分割，以獲取明顯的車道線特征，大大簡化了后面分析并檢測車道標識線的復雜度。可用的算法有直方圖波形分析法、最大熵法、最大類方差法等。

d. 劃分感興趣的區域。通過縮減檢測區域的范圍來減少冗余的數據，提高運算速度。常見的感興趣區域的劃分算法有:基于灰度圖投影法、動態感興趣區域。

3. 車道線檢測算法設計與實現

車道線的快速與準確識別是實現車道偏離預警系統實時性和魯棒性的前提和基礎，本章在敘述基于曲線擬合的車道線檢測的原理的基礎上提出了一種基于LMedsquare選取最佳子集。LMedsquare的核心思想是對隨機選擇數據子集進行重復操作，直到至少有一個子集的數據能夠達到一定的可信度(比如95%)，它是一種隨機采樣算法。車道線檢測算法包含以下幾個步驟：

a. 種子點的選取。要想準確得到車道線坐標方程，就需要先找出車道線的中心點，再對車道線中心點的集合進行車道線擬合。因此，需要找出車道線中心點。在這里，可以根據車道線圖像二值化后車道線的特征來找出車道線中心點，為下一步車道線參數擬合做準備工作。

b. 車道標識線的檢測。在種子點歸類后，我們就要判斷待擬合的種子點數是否充足，在道路路況較好的情況下，近視野車道線比較清晰，自下至上掃描歸類，一般都會獲得數目比較充足車道線種子點數，則可以直接利用LMedsquare選取最佳子集的車道線檢測算法進行參數的擬合。

c. 基于最佳子集的最小二乘直線擬合。運用最小二乘法擬合曲線是智能導航技術中常用的擬合算法，但是其最大的缺點就是對噪聲比較敏感，顯而言之，解決噪聲的影響是準確地擬合出車道線參數的前提和基礎。因此，在車道線種子點歸類后種子點數目比較充足時，可以利用LMedsquare曲線擬合技術的思想選取最佳子集，以去除多余的噪聲后，再利用最小二乘法在最佳子集內進行直線擬合，會得到很好的效果。

第三部分：系統原理和技術特點

1.首先用EDK軟件XPS(Xilinx Platform Studio)構建一個MicroBlaze軟核系統，FPGA內部CPU外圍各種模塊用Vhdl語言編寫，然后再將FPGA外部模塊通過FPGA接口與FPGA相連。

2.道路圖像采集可以采用CCD攝像頭。CCD攝像頭安裝于擋風玻璃內側，駕駛臺中央位置，采用長焦鏡頭，采集路面狀況。路面信息碼流處理應用Philips半導體公司的視頻解碼芯片SAA7115，它是一款多通道輸入的視頻解碼器，支持多種視頻信號格式，如PAL制、NTSC制、SECAM制等。SAA7115對于輸入的視頻信號自動檢測并完成轉換。SAA7115能提供捕捉各種標準清晰度信號的高性能。芯片采用一個小的100 引腳QFP14X142100A封裝，并在其中集成抗鋸齒濾波器和ADLLT( adap tive digital line length tracking，自適應數字列長度追蹤) ，且支持多種視頻信號格式，如PAL 制、NTSC制、SECAM制等，能對于輸入的視頻信號自動檢測并完成轉換。基于以上特性本設計選用其作為視頻編碼芯片，可以實現與FPGA的無縫連接。因外圍電路與FPGA的處理速度相差甚大,故信號流要先經SN74CBT3245芯片緩沖,然后送處理器進行車道特征值得提取。

3.圖像預處理技術

圖像中含有豐富的信息，在車道識別中，并不是所有信息都是需要的。因此要對采集到的連續圖像進行處理，去除無用信息，增強有用信息，有利于后續處理。在進行圖像預處理時，車道檢測部分對其進行反饋，可以增快它的處理速度。具體步驟包括圖像灰度變換、圖像噪聲濾除、圖像邊緣檢測、圖像二值分割。

圖像在采集過程中，由于光照強度、障礙物遮擋等影響因素，對采集進來的圖像中車道線信息造成影響。因此，要想準確提取出車道線參數，就必須對采集的道路圖像在車道線檢測之前進行預處理。在圖像處理算法中，沒有哪一種算法可以適用于各類圖像，每一種算法都有自己的局限性。因此，在實際運用中，需要做大量的實驗，并結合車道偏離預警系統的需要，選取適合該系統的算法。

首先采用空間濾波技術去除圖像中多余噪聲。

然后進行道路圖像的二值化分割將圖像分割，這將大量壓縮數據，而且將簡化其后的分析和處理。

再進行車道線特征點搜索區域的劃分，及感興趣區域的劃分，通過縮減檢測區域范圍來減少冗余數據，提高運算速度。

4.車道線識別算法

一是基于Hough變換的車道線識別技術。首先提取出車道線樣本點，然后對樣本點進行Hough擬合。用此法進行車道線檢測時優點是不受車道線間斷影響，有很好的抗干擾性。但其也有不足之處，到實際運用時需要通過做實驗驗證并進行改進。

二是基于LMedsquare選取最佳子集結合卡爾曼預測的車道線檢測算法。首先進行種子點的選取，然后進行車道標識線的檢測，最后進行基于最佳子集的最小二乘直線擬合。

5.車道偏離決策

我們是依靠機器視覺預警決策方法，可以用僅基于圖像的車道線夾角法偏離預警決策方式，有兩種報警方式：一是設定一個角度閾值為大偏航角分界，如果連續幾幀圖片檢測結果顯示車輛位置處于大偏航角狀態，則立即報警。二是設定一個角度域值為小偏航角的分界，車輛位置處于小偏航角狀態時，等待連續多幀圖片處理結果，如果連續多幀圖像顯示車輛偏航角處于持續增大過程，則立即報警。

6.擴展功能:

在人為主動換道時，在離道之前打開指示信號，報警系統在車偏離車道時不會報警。

技術特點：

1.用EDK軟件XPS構建MicroBlaze軟核系統，簡便而且高效地實現了系統設計對CPU的要求。在FPGA內的各種接口模塊，將采用vhdl語言編寫。

2.圖像處理細節較多，而且圖像處理每一步算法多樣，在實際應用時要結合所采用的硬件，經過實際做實驗，結合系統需要選取最合適的算法。

3.圖像預處理算法中選取感興趣部分。它不僅提高了計算速率，而且減小了不必要的信息干擾，為提高了檢測的準確性和及時性打下了很好的基礎。

4.車道線檢測算法中采用了選取種子點以后的基于最佳子集的最小二乘直線擬合方法，它可以很好地除去最小二乘直線擬合法中常遇到的噪聲干擾問題。