如果單純采用陰影特征進(jìn)行車輛檢測(cè)，在保證較低“漏警”率的同時(shí)，也造成了較高的“虛警”率，因此還需要對(duì)疑似區(qū)域進(jìn)行篩選和驗(yàn)證。

　　對(duì)于結(jié)構(gòu)化道路，車輛寬度與車道寬度的比值應(yīng)該是大致固定的，那么當(dāng)攝像機(jī)的焦距、俯仰角等參數(shù)固定后，圖像上車道寬度(像素?cái)?shù))與車輛寬度(像素?cái)?shù))也滿足這個(gè)比例。根據(jù)之前檢測(cè)的車道方程，就可以計(jì)算出感興趣區(qū)域內(nèi)任意縱坐標(biāo)上車輛圖像寬度的范圍，并剔除寬度不在此范圍內(nèi)的疑似區(qū)域。

　　在以往的車輛驗(yàn)證方法中，最常用的是對(duì)稱性測(cè)度驗(yàn)證。這種算法的計(jì)算量較大，且對(duì)于背景復(fù)雜，對(duì)稱度差圖像的驗(yàn)證效果不盡人意。為了解決這個(gè)問題，該系統(tǒng)采用了一種基于邊緣二值化圖像，通過搜索車輛左右邊緣進(jìn)行驗(yàn)證的算法。

　　假設(shè)疑似區(qū)域的寬度為W，區(qū)域左邊緣的坐標(biāo)為(X1，Y1)，右邊緣的水平坐標(biāo)為(X2，Y2)。定義函數(shù)：

?

　　式中：f(x，y)為(x，y)點(diǎn)的灰度值。在區(qū)間(X1-W/4，X1+W/4)內(nèi)搜索g(u)的最大值點(diǎn)，該點(diǎn)對(duì)應(yīng)的水平坐標(biāo)X1’就是車輛的左邊緣坐標(biāo)。同理也可以搜索到車輛的右邊緣X2’。如果左右邊緣的g(u)值均大于某閾值，那么就可以認(rèn)定該車輛確實(shí)存在。實(shí)驗(yàn)證明，該算法能排除掉大量的“虛警”區(qū)域并得到真實(shí)車輛的兩側(cè)邊緣。

　　2.3 車輛跟蹤

　　現(xiàn)關(guān)心的是前方車輛與本車相對(duì)的二維位置和速度，因此只需要使用卡爾曼濾波器預(yù)測(cè)橫坐標(biāo)x、橫向速度Vx、縱坐標(biāo)y、縱向坐標(biāo)Vy這四個(gè)狀態(tài)向量。此外由于x方向和y方向的狀態(tài)向量沒有直接聯(lián)系，所以可以將其分為兩組分別處理。

　　在車輛行駛過程中，由于顛簸或遮擋等原因，系統(tǒng)可能會(huì)將路牌、灌木叢等物體誤認(rèn)為是車輛檢測(cè)出來，產(chǎn)生虛警。而這些虛警物體往往只能在連續(xù)數(shù)幀圖像中存在。如果不采取措施，系統(tǒng)就會(huì)時(shí)常產(chǎn)生短促的報(bào)警。

　　當(dāng)圖像采樣間隔足夠短時(shí)，相鄰幀內(nèi)同一車輛的位置會(huì)具有很大的相關(guān)性。

　　系統(tǒng)采用檢測(cè)與跟蹤相結(jié)合的方法，根據(jù)第n幀圖像獲得的信息，預(yù)測(cè)車輛在第n+1幀圖像中的位置等信息，并與n+1幀圖像中實(shí)際檢測(cè)到的結(jié)果進(jìn)行比對(duì)。如果二者匹配度最大且超出一定值，則認(rèn)定為同一車輛，繼續(xù)進(jìn)行跟蹤、報(bào)警，否則認(rèn)為此車已被遮擋或消失，暫時(shí)不做處理，數(shù)幀后被剔除出去。

　　2.4 測(cè)距報(bào)警

　　車間測(cè)距通常采用幾何投影模型，采用了一種簡(jiǎn)化的車距模型公式L×W=C，其中L為兩車間距，單位為m;W為圖像上目標(biāo)車輛處車道寬度，單位為pixel;C為常數(shù)，可通過事先的標(biāo)定獲得。然而兩車間安全車距S采用文獻(xiàn)推導(dǎo)的臨界安全車距公式動(dòng)態(tài)得到。

?

　　式中：Vr為相對(duì)車速，由對(duì)測(cè)出車距求導(dǎo)得到相對(duì)車速后進(jìn)行卡爾曼濾波得到;Vb為本車車速，由GPS得到。

　　如果告警頻率過高，容易使駕駛員麻痹大意，過低可能使駕駛員來不及做出反應(yīng)，因此該系統(tǒng)采用由遠(yuǎn)至近的三段報(bào)警。

　　若車距d≥1.5S，判定為3級(jí)威脅，發(fā)出長(zhǎng)而緩的報(bào)警聲，提醒駕駛員前方有障礙物，但暫無危險(xiǎn);若車距S≤d≤1.5S，判定為2級(jí)威脅，發(fā)出較急促的報(bào)警聲，提醒駕駛員減速;若車距d≤S，判定為1級(jí)威脅，發(fā)出短而急的報(bào)警聲，提醒駕駛員制動(dòng);3種狀態(tài)下的告警聲差異很大，駕駛員可以很容易地根據(jù)報(bào)警聲判斷威脅等級(jí)。

　　3 試驗(yàn)結(jié)果

　　系統(tǒng)框架及所有算法在Boiland C++ Builder 6環(huán)境下編譯完成。為了驗(yàn)證系統(tǒng)算法的可靠性和實(shí)時(shí)性，利用在合肥市環(huán)城高速公路上采集不同車型、不同路段、不同環(huán)境光下多組道路圖像作為測(cè)試序列，進(jìn)行了大量實(shí)驗(yàn)。

　　圖3為典型道路場(chǎng)景下的實(shí)驗(yàn)結(jié)果，圖3(a)為大型卡車;(b)為小型面包車;(c)為遠(yuǎn)距離處;(d)為近距離處的檢測(cè)結(jié)果。系統(tǒng)將檢測(cè)到的目標(biāo)用黑框標(biāo)記出來。

?

　　可以看出，系統(tǒng)能夠檢測(cè)到本車道內(nèi)不同距離上的各種車型車輛。在高速公路上的實(shí)驗(yàn)結(jié)果表明，在最大車速100 km/h的情況下，系統(tǒng)在Celeron M 600 MHz處理器上的處理速度為8 j/s左右，也就是說處理一幀圖像的時(shí)間內(nèi)車輛行駛3～4 m，基本滿足實(shí)時(shí)報(bào)警的要求。在一般光照條件下，系統(tǒng)正常報(bào)警的縱向距離超過200 m，視場(chǎng)角遠(yuǎn)遠(yuǎn)大于雷達(dá)(一般為±7°)。

?

　　為了驗(yàn)證單目視覺測(cè)距準(zhǔn)確性，在市內(nèi)道路上采集了前車與本車距離從5～100 m的一組圖像。對(duì)采集的圖像進(jìn)行處理后，根據(jù)公式推導(dǎo)出本車與前車距離以及實(shí)際距離見表1。表中數(shù)據(jù)顯示，單目視覺測(cè)距的相對(duì)誤差都在5%以內(nèi)，可以滿足實(shí)際工作中測(cè)距告警的需要。

　　4 結(jié)語

　　本文設(shè)計(jì)了一個(gè)基于單目視覺的汽車追尾預(yù)警系統(tǒng)。該系統(tǒng)采用了一種基于光密度差的道路檢測(cè)算法，并使用了一種以車輛陰影檢測(cè)為主、左右邊緣檢測(cè)為輔的車輛探測(cè)方法，同時(shí)采用了簡(jiǎn)單、實(shí)用的測(cè)距和報(bào)警方法。高速公路上的實(shí)驗(yàn)結(jié)果證明了該系統(tǒng)的實(shí)時(shí)性、魯棒性和準(zhǔn)確性。該系統(tǒng)目前還沒有在雨霧天氣或缺少照明的夜間環(huán)境下進(jìn)行試驗(yàn)，未來我們將針對(duì)這些使用環(huán)境對(duì)系統(tǒng)做進(jìn)一步改進(jìn)和優(yōu)化。