基于信息融合的車道偏離預警魯棒性算法研究.pdf

1、隨著我國經(jīng)濟騰飛及機動車保有量的迅猛增長，交通事故的發(fā)生率越來越高，其中由行駛時發(fā)生車道偏離引起的車禍占了很大的比例。針對這一問題，車道偏離預警系統(tǒng)應運而生，其中，系統(tǒng)魯棒性算法的研究尤為重要。本文研究工作如下:
　　1.提出了一種新型車道檢測算法（光密度差法）。該算法采用改進的中值法濾波，基于光密度差的4方向模板對數(shù)Prewitt邊緣檢測預處理圖像，得到二值化閾值T。感興趣區(qū)域(ROI，Region Of Interest)的確

2、定大大減少運算量，結(jié)合車道線寬度、高度的對應關(guān)系去除偽車道，采用臨時軌跡策略排除光線變化和前方車輛的干擾，最后得到完整清晰的車道線。實驗對比中，光密度差法的執(zhí)行效率較霍夫(Hough)變換有明顯的優(yōu)勢。
　　2.研究了基于信息融合的車道偏離預警算法，充分考慮了每個信息源的相關(guān)性和互補性，利用GPS（Global Positioning System，全球定位系統(tǒng)）獲取車輛位置信息，定位顯示于數(shù)字地圖，再通過回旋曲線模型提取車輛前方

3、的道路幾何形狀，橫向卡爾曼濾波器融合了攝像頭——地圖系統(tǒng)的車道數(shù)據(jù)，最后再和車道動力學的數(shù)據(jù)融合，穩(wěn)定了系統(tǒng)獲取道路曲率的能力，有利于車輛車道保持，彌補了基于視覺的車道偏離預警系統(tǒng)偶爾檢測不到車道線的不足。
　　3.為了提高車道偏離預警的魯棒性，提出一種基于車道線內(nèi)側(cè)邊界點的預警算法，它降低了車道線識別和車道模型判別誤差的影響。車輛橫向運動動態(tài)模型推導出車輛軌跡距離的計算公式，再結(jié)合當前車輛行駛速度和轉(zhuǎn)向角區(qū)間計算出兩點間需要的時