車道偏離預警算法概述

1、 目錄車道偏離預警算法概述21.基于TLC的預警決策算法32.基于瞬時側(cè)向位移的預警算法63.基于橫向速度的評價算法64.基于CCP的評價算法65.基于預測軌跡偏離的預警算法76.基于EDF的預警算法87.基于預瞄軌跡偏離TTD的評價算法98.基于FOD的評價算法10車道偏離預警算法概述車道偏離預警算法也就是車道偏離的危險性評估，是指利用當前車輛的運動狀態(tài)、前方道路的幾何結(jié)構等從感知部分獲得的信息判斷車輛是否存在偏離本車道的危險。判斷是否存在危險通常用預警時間來描述。一個合適的預警時間，既要保證不會出現(xiàn)頻繁的錯誤報警給駕駛員造成不必要的干擾，又要保證預留給駕駛員恰當?shù)姆磻獣r間采取校正措施。這是

2、因為不同的駕駛員生理和心理素質(zhì)的不同，人與人之間駕駛風格的不同，因而對車輛偏離危險性的感知特性也不盡相同，即便是同一個駕駛員，其駕駛行為特性也會隨著時間空間以及精神狀態(tài)的不同而改變，所以不同類型駕駛員對預警系統(tǒng)的要求與影響也有區(qū)別。從駕駛經(jīng)驗一般的駕駛員到熟練駕駛的駕駛員，不同駕駛員對車道偏離危險性的認識理解都不同。如果預警系統(tǒng)是針對新手駕駛員開發(fā)，那么熟練駕駛員就會覺得系統(tǒng)發(fā)出的預警過于頻繁進而感到失去耐心;反之，為熟練駕駛員設計的預警系統(tǒng)，新手駕駛員則會認為系統(tǒng)的預警作用不明顯，不能預知危險，因此不能夠信任系統(tǒng)，所以在系統(tǒng)開發(fā)過程中需要全面考慮駕駛員的駕駛行為特性，最大限度地滿足不同風格的

3、駕駛需求。此外外界環(huán)境因素對車道偏離預警算法也有一定的影響。總的說來合理的預警算法應當包括下面兩個基本標準:1、保證能夠及時恰當?shù)念A警，保證駕駛員有足夠多的反應時間。由于駕駛員對預警信號的感知響應以及駕駛員采取校正操作后汽車本身的響應都有一定的遲滯時間，所以，車道偏離預警系統(tǒng)應該在車輛橫跨車道線、發(fā)生車道偏離狀況之前的特定時間內(nèi)準確預測出即將發(fā)生的危險，并向駕駛員及時的發(fā)出預警信號，保證駕駛員有充足的時間采取校正措施，防止致命傷亡事故的產(chǎn)生。但是如果預警時刻過早，反而會令駕駛員感到系統(tǒng)報警的不必要，會不加理睬，這也就是去了系統(tǒng)本身的意義。2、根據(jù)ISO 17361:2007國際標準提出的評價指

4、標:誤報警的次數(shù)和遺漏的正確報警次數(shù)都要盡量少。誤報警是指車輛在車道內(nèi)保持正常行駛軌跡的情況下系統(tǒng)發(fā)出的報警。如果車道偏離預警系統(tǒng)發(fā)出的誤報警過于頻繁，勢必引起駕駛員的厭煩，如此下去，將導致駕駛員對系統(tǒng)報警的不信任性;另一方面，如果過度關注降低系統(tǒng)的誤報警率，必然會造成一些正確報警被遺漏，同樣使系統(tǒng)預警功能不可靠，甚至可能發(fā)生嚴重的后果。完善的車道偏離預警算法應該全面考慮各種情況，應該經(jīng)過長期的對大量數(shù)據(jù)的優(yōu)化分析和實車實驗驗證得到，為了實現(xiàn)這個目的，國內(nèi)外的研究人員在視覺感知算法和車道偏離預警算法方面都做了很多的工作。大多都是通過預測汽車的未來運動軌跡來估算發(fā)生車道偏離剩余的時間，并由此選擇

5、恰當?shù)念A警時間目前國內(nèi)外的各種車道偏離預警系統(tǒng)，以及國內(nèi)各大高校、研究機構所進行的對LDW系統(tǒng)的研究中，采用預警決策算法有很多種?？偟恼f來，基本上都是以時間、速度或者距離作為評價指標。下面介紹幾種常用的車道偏離預警算法:1.基于TLC的預警決策算法TLC ( Time to Lane Crossing)方法是國際上各類車道偏離預警系統(tǒng)中非常流行的一種決策算法，是當今大部分研究車道偏離預警的機構與高校所采用的方法。TLC是指從汽車當前位置開始到汽車與車道線開始接觸為止所需的運動時間，也可稱之為汽車從當前的時刻開始到汽車偏離本車道之前所剩余的時間。為了盡可能迅速的識別出未來可能發(fā)生的軌跡偏離是提出

6、TLC方法的目的。該方法一般是對未來特定時間內(nèi)的車輛動力學模型進行有效假設，根據(jù)建立的車輛運動模型和對前方道路模型的正確識別，最后計算出汽車即將跨越道路邊界的時間?；赥LC的預警算法，是由Godthelp最初提出來的，基本原理是如果TLC小于給定的時間閾值T th即:TLC<T th，我們認為汽車將發(fā)生車道偏離，觸發(fā)系統(tǒng)報警。TLC的評價算法可以分為橫向TLC算法和縱向TLC算法，這是由所考慮的車道偏離方向的不同來區(qū)分的。 AURORA系統(tǒng)(美國卡內(nèi)基麥隆大學)采用了橫向TLC算法，其公式如下:公式中，表示汽車側(cè)向的位置，即車輛的縱軸線與道路中心線的側(cè)向距離，表示汽車的側(cè)向速度，通過計

7、算最后半秒內(nèi)汽車標志線相對汽車移動的距離計算獲得時間，該方法中道路寬度已知且為常量。該算法使用了側(cè)向位移和側(cè)向速度信息同時考慮了汽車的行駛軌跡，能夠保證在一定的時間范圍內(nèi)向駕駛員報警，給駕駛員預留了一定的反應時間;但是本算法假定汽車的側(cè)向速度在較短的時間間隔內(nèi)保持不變，并且汽車的航向角保持恒定，但是某些情況下這種假設是不正確的。我們知道當方向盤轉(zhuǎn)角為一固定值時，汽車會沿著圓弧軌跡行駛，因而在道路上車輛的側(cè)向速度是不斷改變的，同時汽車的航向角也是不斷改變的。韓國三星公司、德國的R.Risack 使用的是縱向TLC公式，相對來說使用比較廣泛: 上式中表示汽車的縱向速度，L表示從當前時刻開始到汽車前

8、輪接觸車道線為止在汽車縱軸線方向的縱向距離。由公式可見，縱向TLC算法關鍵之處是如何確定縱向距離L的值，計算方法主要有兩種，兩種方法的區(qū)別主要在于用于預測汽車運動軌跡的車輛模型不同。(l)假定車輛發(fā)生偏離過程中航向角始終保持不變，汽車橫向和縱向的速度也保持恒定。如圖1.7所示，L是根據(jù)汽車質(zhì)心偏離本車道時所確定的縱向距離。(2)假定車輛發(fā)生偏離過程中方向盤轉(zhuǎn)角角保持恒定，汽車的運動軌跡能夠很好跟隨道路邊界線曲率，因而汽車的運動軌跡曲線與道路邊界線比較類似。假設地面水平，車道邊界線可以近似表述為常見的回旋曲線，如圖1.8所示: 式中為道路曲線在水平方向的曲率，表示道路曲線在水平方向的曲率變化率。

9、假定道路曲線的曲率為固定常數(shù)即= 0，b表示道路的寬度并且為已知常數(shù)，加號對應右車道減號對應左車道。汽車質(zhì)心的運動行駛軌跡可以表示為如下公式: 上式中為汽車運動軌跡曲率，可通過當前的方向盤轉(zhuǎn)角得到。上述兩種模型的建立都是通過對汽車質(zhì)心運動軌跡的預估得到的，下文公式又可表示左右車輪的運動: 式中左、右車輪由下標由l、r分別對應。由此得到的汽車行駛軌跡曲線和對應的道路邊界曲線的交點與當前汽車在道路中的位置之間的距離就稱之為L。2.基于瞬時側(cè)向位移的預警算法這種算法利用汽車中心偏離車道中心的瞬時側(cè)向位移L,作為評價指標，是一種比較簡單的車道偏離預警算法。當大于事先給定的閾值時系統(tǒng)則發(fā)出報警。這種算法

10、比較簡單，在實際應用中比較易于實現(xiàn);但是它忽略了汽車的運動軌跡，尤其是當車輛的運動行駛軌跡偏離道路中心一個距離且平行車道行駛時(如圖1.9 a所示)會發(fā)出錯誤報警。通常情況下，駕駛員開車時不可能嚴格沿著道路中心線行駛，而是偏離道路中心線特定距離，這個值最大可以達到10厘米，對具有這種駕駛行為的駕駛員來說，該預警算法可導致頻繁的誤報警。當車輛以較大角度偏離當前行駛車道的工況下(如圖1.9b所示)，系統(tǒng)發(fā)出預警信號后留給駕駛員的反映時間太短，駕駛員一般來不及糾正車道偏離行為，這樣系統(tǒng)發(fā)出的預警也就失去了作用。3.基于橫向速度的評價算法該預警算法以車輛的側(cè)向速度Vy作為評價指標，如果車輛以比較大的速

11、度偏離道路邊界線時系統(tǒng)發(fā)出預警，公式如下:式中為給定的速度閾值。該方法同樣的會導致錯誤的報警，因為某些駕駛員開車并不緊緊跟隨道路車道線，而是在道路上左右搖擺(如圖1.9c所示)，這時車輛側(cè)向速度會較大，對這種駕駛員來說，該方法也會導致頻繁的錯誤報警，會導致駕駛員不認可系統(tǒng)的預警功能。另外，若駕駛員發(fā)現(xiàn)汽車偏離道路中心線比較大的距離時，會迅速反應轉(zhuǎn)動方向盤使汽車回到道路中心線附近，這時汽車的側(cè)向速度很大，如果此時報警必將干擾駕駛員的校正，令駕駛員感到厭煩。4.基于CCP的評價算法 基于汽車當前位置CCP ( Car's Current Position)的評價算法是利用汽車在道路中當前位

12、置作為評價指標，判斷車輛是否會發(fā)生偏離。汽車在道路中的坐標由車道線檢測算法得到，道路中心與汽車縱向軸線的距離用表示。這種算法假定汽車平行于行駛車道，給出汽車車寬，則不難計算出目前汽車前輪相對于左右道路邊界的位置:由道路識別算法可計算出公式中道路寬度b , 和表示左右輪胎到相應道路邊界的位置。當> 0并且 >0時，說明汽車在本行駛車道內(nèi)，不需發(fā)出預警。當< 0或者 <0時，則說明汽車即將偏離行駛車道，系統(tǒng)發(fā)出預警。5.基于預測軌跡偏離的預警算法基于預測軌跡偏離的預警算法依據(jù)一段時間后汽車的預測軌跡與目標行駛軌跡之間的偏差值來進行評價，如果偏差大于給定的閾值，我們就認為會發(fā)

13、生車道偏離，系統(tǒng)報警。豐田汽車(日本)公司的STAR系統(tǒng)所采用的就是這種預警方法。如圖1.10所示，汽車的預測行駛軌跡與目標行駛軌跡的偏差值萬計算方法如下:上式中x為當前時刻汽車質(zhì)心的側(cè)向位置，為秒后汽車質(zhì)心的側(cè)向位置，表示車輛橫擺角，v表示車速。該算法一般假定駕駛員能較好的跟隨道路曲率變化，因而目標運動軌跡通常為行駛道路的中心線。于此同時，這種算法假設汽車的橫擺角恒定，則預測軌跡為直線。6.基于EDF的預警算法 基于邊緣分布函數(shù)EDF ( Edge Distributin Function)的預警方法，是指將邊緣方向角的邊緣強度直方圖進行考慮。韓國全南大學的Joon Woong Lee等主要

14、采用EDF的評價方法，它通過邊緣分布函數(shù)將車道信息和邊緣信息聯(lián)系起來。該算法對行車線作出幾條假設: (1)車道線平滑過渡，(2)車道線比路面其它部分明亮，(3)左右車道線應該平行道路中心線。如圖1.11b所示。依據(jù)上述假設，EDF具有兩個重要特征一一對稱軸和局部最大值，如圖1.11b所示。基于邊緣分布函數(shù)的預警算法，一般有三個步驟組成。第一步就是邊緣的提取和圖像的獲取。對于點(x,y)力相應的圖像.f (x .y)梯度用向量表示: 方向與幅值分別為： 第二步用遞歸求和濾波器估算邊緣分布函數(shù)，邊緣分布函數(shù)EDF定義如下：其中是方向為的像素的數(shù)量EDF的形狀如圖1.11所示，從圖中可以明顯看出ED

15、F的主要特征，一是在和附近有兩極值，其分別對應右側(cè)和左側(cè)道路邊界線;二是它具有一條對稱軸，如果道路圖像是在道路中心線上采集的，對稱軸則會位于九十度附近，而如果采集的圖像偏離道路中心線，則對稱軸就會偏離九十度位置。由于噪聲影響，我們通常很難僅僅通過的極值判斷車道線的方向，所以采用求和的方式估算EDF給定N幀圖像序列，EDF估算方法如下:其中k 表示當前幀，N由試驗來確定，遞歸形式如下：第二步為搜索邊緣分布函數(shù)的局部最大值和對稱軸，確定是否發(fā)生車道偏離有以下兩種方法: 方法一:通過對稱軸來判斷是否發(fā)生了車道偏離，如果我們就認為發(fā)生了車道偏離，P為對稱軸偏移量，計算公式如下:為安全閾值，可通過試驗確

16、定，x為EDF的對稱軸位置，為從道路中心線處拍攝圖像的EDF對稱軸位置。方法二:通過極值判斷能否發(fā)生車道偏離，如果或者，則認為發(fā)生車道偏離，評價指標咨計算如下: 和分別為相應于方向和的兩個極值，和分別為大于1和小于1的常數(shù)，通過試驗可以確定。基于EDF的預警算法不需要攝像機相關參數(shù)，忽略了車道線的定位，而前方道路的形狀(如傾斜、坡度、寬窄)，車輛的類型，和乘坐人數(shù)等對算法都幾乎沒有影響。 7.基于預瞄軌跡偏離TTD的評價算法TTD ( Time to Trajectory Divergence)是指從最初狀態(tài)到汽車軌跡與預期軌跡偏差達到期望值所經(jīng)歷的時間。如果TTD時間比給定的時間閾值小，系統(tǒng)

17、則會發(fā)出報警，即公式中，是期望行駛軌跡的曲率半徑，D是汽車運動軌跡與期望軌跡的最大允許偏差，是汽車實際行駛軌跡的曲率半徑，v是車速。車輛能夠跟隨最優(yōu)路徑是這種算法的優(yōu)點，而最優(yōu)路徑始終使車輛位于道路中心線處，因為最優(yōu)路徑與自然車道類似，即使汽車靠近內(nèi)彎道，TTD的值也較大，因此可對車道偏離更具有預見性。由于這種算法比較復雜，最優(yōu)路徑的精度影響系統(tǒng)的精度。在彎道上，如果駕駛員轉(zhuǎn)彎比較急則會造成這種預警算法的誤報警。8.基于FOD的評價算法基于未來偏移距離FOD ( Future Offset Distance)的預警算法主要由卡內(nèi)基梅隆機器人研究所的Parag H Batavia所采用，該方法原

18、理與TLC算法類似，都是根據(jù)汽車跨越車道線之前的剩余的時間與閾值進行比較來判斷汽車是否會發(fā)生車道偏離。該方法借取了路邊振動帶的想法，將實際的車道線擴展為虛擬車道線，設置虛擬車道線后則允許汽車偏離實際的車道邊界。這種方法充分考慮了駕駛員駕駛行為特性，在設定虛擬車道線時考慮了駕駛員轉(zhuǎn)向習慣導致的偏離量，并且為適應不同駕駛員的駕駛習慣虛擬車道線的位置是可以調(diào)整的。如果駕駛員在轉(zhuǎn)向時沒有偏離的習慣，真實車道線將與虛擬車道線重疊一起?；贔OD的預警算法有兩參數(shù):前視預瞄時間T和虛擬的車道線V。前視預瞄時間是指系統(tǒng)預測汽車未來狀態(tài)的時刻距當前時刻的時間，虛擬車道線是指允許駕駛員轉(zhuǎn)向?qū)е碌钠x到真實車道線

19、外側(cè)的距離。如果汽車在T秒后的預測位置偏離實際車道線時，系統(tǒng)并不發(fā)出報警，而是只有當其偏離虛擬的車道線時系統(tǒng)才會發(fā)出報警(如圖1.12所示)，即滿足如下條件，系統(tǒng)才認為即將發(fā)生車道偏離，系統(tǒng)報警:公式中為T秒后車輛的側(cè)向預測位置，其一階運動學計算方法如下：其中為橫向速度，為當前時刻汽車與虛擬車道線之間的距離。各類算法的優(yōu)缺點：車道偏離預警系統(tǒng)一般分為3部分，車道線檢測:通過視覺傳感器檢測車道線;預警變量估計:一般選擇橫向偏移量和車輛越過車道線的時間作為預警變量;預警:決策何時、何種方式提醒駕駛員。系統(tǒng)所采用的警告標準大致分為4種:基于當前車輛于車道中位置(car's current positon, CCP)、基于未來車輛偏離量的不同(future offset difference, FOD)、基于車輛前輪跨越車道線邊界的時間TLC(time to lane crossing,TLC)、基于對道路場景的感知(knowledge based interpretation of road scenes , IBIRS ) 。4種警告標準中TLC應用最為廣泛。這些警告標準算法中大都是利用時間或者距