1、1.智能駕駛系統（無人駕駛）系統1.1. 系統目標（1）機器視覺系統能夠自動適應環境光線變化，特別要能夠適應汽車經過橋洞時的光線變化；（2）機器視覺系統能夠實時識別車道，識別頻率不低于25Hz; （3） 機器視覺系統能夠實時識別前方車輛型障礙，識別頻率不低于20Hz,相對距離誤差小于2m（ 4）在高速公路上，能實現無人駕駛自動巡航功能，車速不低于 120km/h；（ 5）能夠實現危險報警和自動緊急制動。1.2. 需求分析回顧汽車發展的百年歷史，不難發現其控制方式從未發生過根本性改變， 即由人 觀察道路并駕駛車輛，形成“路一人一車”的閉環交通系統。隨著交通需求的增 加，這種傳統車輛控制方式的局限

2、性日益明顯， 例如安全性低（交通事故）和效率 低（交通堵塞）。最新調查表明，95%的交通事故是由人為因素造成， 交通堵塞也 大都與駕駛員不嚴格遵守交通規則有關。如果要從根本上解決這一問題，就需要 將“人”從交通控制系統中請出來，形成“車一路”閉環交通系統，從而提高安 全性和系統效率。這種新型車輛控制方法的核心，就是實現車輛的無人自動駕駛。 不同于人工駕駛的一般道路車輛的結構，無人駕駛車輛為了適應無人駕駛的需 要，尤其獨特的機械結構。1.3. 系統原理圖；iIS桂常座1H1IK和貝血益碩劇ai時T帀帀阿商l:寸胃IB畫 而亟卜f 而頁麗巫 J L 二 1_ I £M_一.峙向晶* J

3、饋已斤話蟲樓創|乍堆訴制w時! i°tI暉耗戟傭L左 1iiI1.4. 設備的功能；機器視覺系統是智能車輛中最重要的系統。可以實現道路識別與跟蹤、前方 車道內障礙的識別和跟蹤。1.5. “采集” _ “處理” _ “傳輸” _ “網絡” _ “控制”（一）圖像采集機器視覺系統對圖像的要求較高，光線過強或過暗都會嚴重影響道路識別的 效果。目前的攝像機動態范圍較小，使得道路識別系統只有在良好的光照條件下 才能得到較好的效果，在正午或傍晚時，往往不能識別道路。系統采用的是德國 Basler公司的CMO攝像機，這種攝像機的特點是圖像采集速度從 5100f/s連 續可變，通過軟件可對相機快門、

4、亮度、增益及色彩進行調節，這種調節可以實 時進行，這就使機器視覺系統在光線急劇變化的環境中能夠通過改變成像的相關 參數來獲得良好的圖像。系統對成像參數的調節原理是：每采集一幅圖像，對圖像中9個部分的5000個像素進行分析，求出其平均值和一階差分和。平均值代表圖像的亮度，一階差 分和代表圖像的清晰度。這實際上是一個二元優化的過程。如果這2個參數不能滿足要求，則調節攝像機的快門、亮度和增益值。具體做法是，首先調節攝像機 快門，當一階差分值滿足要求時，再對亮度進行調節，當平均值滿足要求時，就 完成了圖像的實時調節。如果調節效果不能達到目標，還要對增益進行調節，一 般來說，采用這3個參數進行調節就可以

5、達到較好的效果。在實際應用中，最大的問題會出現在車輛高速駛進和駛出橋洞的過程中，對圖像灰度值變化情況的預測分析可以使攝像機參數的配置更好地適應光線變化， 從而可以提供一個清晰的道路圖像。目前系統的光照適應的調節速度在0.10.3s之間，還需要進一步提高，理想情況應該小于 0.05s。（二）道路識別車道識別算法通常包括以下幾個步驟：首先進行圖像預處理，然后二值化，最 后進行識別。其中關鍵技術是車道線閾值的確定和約束條件的綜合應用。車道線閾值計算通常采用固定閾值、整體自適應閾值和局部可變閾值。固定閾 值根據統計方法得到一個車道線灰度值，這種方法只適用于光照均勻且強度不變的 天氣情況；整體自適應閾值

6、方法可以適應不同光照變化情況，但它要求圖像的灰度 值整體變化，當圖像出現局部灰度值變化時，這種閾值二值化的效果并不理想。局 部自適應閾值算法一般采用圖像中每行一個閾值，這樣，對于不同圖像中垂直亮度 變化明顯的情況會得到較好的結果，但對于圖像中水平方向上閾值變化明顯的情況 則無能為力。對于漸變光線，圖像的灰度有規則地由高變低或由低變高，可采用 sobel算子有效消除這種影響。但這種方式仍然需要一個差分后的閾值，且在陽光較強的情況下，容易受到電線桿之類的較長的陰影的干擾。閾值確定后即可得到二值圖像。由于二值化圖像中還存在著較多的干擾點，需 要采用適當的算法來去掉干擾點。 在ARGOTHMF系統中，

7、算法從二值化圖像的底部 開始逐行地進行水平掃描，并將非零點連成鏈。當發現一個非零點時，如果該點與 最近的線段極值點的距離小于一個給定的閾值，就認為該點是屬于這條線段，否則 就以該點為起點開始一條新的線段。由于道路標志線通常并不連續，因而需要采用 一些特定的道路模型（如直線、曲線等）進行延伸，這樣就可以填充間隔使間斷線 連續。這種算法適應性有限，需要比較嚴格的車道標志線，魯棒性不高。隨著計算機速度的提高，現在對車道識別越來越多采用重映射算法。其特點在 于利用圖像和路面映射算法得到道路圖像的俯視圖，然后在俯視圖像中利用上述步 驟對車道進行識別。這種算法可以更好地利用車道的約束條件，因而在計算機速度

8、 足夠快的情況下，會具有較好的效果。系統從直接道路模型出發，計算所有可能的直線或曲線上所擁有的車道備選點， 然后利用表決法來決定車道。這種方法需要計算圖像可能的區域內的所有可能直線， 具有很大的計算量，因而需要利用一些特定的條件進行限制，從而可以加快處理速 度。由于高速公路的道路曲率一般很小，因而采用直線道路模型一般可以滿足要求。車道識別的最后一個步驟是對所識別出的車道線進行確認，以消除一些干擾對 識別的影響。系統采用的方法是：車道線的平行性、車道間的距離一致性。通過對 直線（僅對可能的車道線）進行重映射處理，以檢驗車道的平行性和間距一致性。 由于只需對可能的車道點進行重映射處理，因而極大地減

9、少了計算量。（三）障礙識別在滿足一定條件下，單目視覺也可以實現障礙檢測。由于系統用于高速公路， 可認為下述假設有效：一是前方道路平坦；二是具有車道線，且車道線的曲率半徑 大于100m在上述假定情況下，可以計算出圖像中的車道線區域內是否存在其它車輛。計 算過程是：首先從圖像的底部開始到圖像消失點前10個像素止，以左右車道線內側為界，對可行駛區域進行垂直投影和水平投影。在此之前，已經完成對障礙的閾值 計算、邊沿增強和二值化處理，投影的結果可以較好地反映障礙的信息。水平投影 反映障礙車輛相對于車輛前方的距離信息，垂直投影可以用來確定障礙車輛寬度，利用垂直投影反映出來的對稱度，可以較好地確認障礙識別的有效性并定位障礙在路面上的中心點位置。(4) 控制算法系統研究的控制算法包括轉向、油門和制動的控制。系統采用控制