车道偏离预警算法概述.docx

1、 目录车道偏离预警算法概述 .21.基于 TLC 的预警决策算法 .32.基于瞬时侧向位移的预警算法 .63.基于横向速度的评价算法 .64.基于 CCP 的评价算法 .65.基于预测轨迹偏离的预警算法 .76.基于 EDF 的预警算法 .87.基于预瞄轨迹偏离 TTD 的评价算法 .98.基于 FOD 的评价算法 .10车道偏离预警算法概述车道偏离预警算法也就是车道偏离的危险性评估，是指利用当前车辆的运动状态、前方道路的几何结构等从感知部分获得的信息判断车辆是否存在偏离本车道的危险。判断是否存在危险通常用预警时间来描述。一个合适的预警时间，既要保证不会出现频繁的错误报警给驾驶员造成不必要的干

2、扰，又要保证预留给驾驶员恰当的反应时间采取校正措施。这是因为不同的驾驶员生理和心理素质的不同，人与人之间驾驶风格的不同，因而对车辆偏离危险性的感知特性也不尽相同，即便是同一个驾驶员，其驾驶行为特性也会随着时间空间以及精神状态的不同而改变，所以不同类型驾驶员对预警系统的要求与影响也有区别。从驾驶经验一般的驾驶员到熟练驾驶的驾驶员，不同驾驶员对车道偏离危险性的认识理解都不同。如果预警系统是针对新手驾驶员开发，那么熟练驾驶员就会觉得系统发出的预警过于频繁进而感到失去耐心;反之，为熟练驾驶员设计的预警系统，新手驾驶员则会认为系统的预警作用不明显，不能预知危险，因此不能够信任系统，所以在系统开发过程中需

3、要全面考虑驾驶员的驾驶行为特性，最大限度地满足不同风格的驾驶需求。此外外界环境因素对车道偏离预警算法也有一定的影响。总的说来合理的预警算法应当包括下面两个基本标准:1、保证能够及时恰当的预警，保证驾驶员有足够多的反应时间。由于驾驶员对预警信号的感知响应以及驾驶员采取校正操作后汽车本身的响应都有一定的迟滞时间，所以，车道偏离预警系统应该在车辆横跨车道线、发生车道偏离状况之前的特定时间内准确预测出即将发生的危险，并向驾驶员及时的发出预警信号，保证驾驶员有充足的时间采取校正措施，防止致命伤亡事故的产生。但是如果预警时刻过早，反而会令驾驶员感到系统报警的不必要，会不加理睬，这也就是去了系统本身的意义。

4、2、根据 ISO 17361:2007 国际标准提出的评价指标:误报警的次数和遗漏的正确报警次数都要尽量少。误报警是指车辆在车道内保持正常行驶轨迹的情况下系统发出的报警。如果车道偏离预警系统发出的误报警过于频繁，势必引起驾驶员的厌烦，如此下去，将导致驾驶员对系统报警的不信任性;另一方面，如果过度关注降低系统的误报警率，必然会造成一些正确报警被遗漏，同样使系统预警功能不可靠，甚至可能发生严重的后果。完善的车道偏离预警算法应该全面考虑各种情况，应该经过长期的对大量数据的优化分析和实车实验验证得到，为了实现这个目的，国内外的研究人员在视觉感知算法和车道偏离预警算法方面都做了很多的工作。大多都是通过预

5、测汽车的未来运动轨迹来估算发生车道偏离剩余的时间，并由此选择恰当的预警时间目前国内外的各种车道偏离预警系统，以及国内各大高校、研究机构所进行的对 LDW 系统的研究中，采用预警决策算法有很多种。总的说来，基本上都是以时间、速度或者距离作为评价指标。下面介绍几种常用的车道偏离预警算法:1.基于 TLC 的预警决策算法TLC ( Time to Lane Crossing)方法是国际上各类车道偏离预警系统中非常流行的一种决策算法，是当今大部分研究车道偏离预警的机构与高校所采用的方法。TLC 是指从汽车当前位置开始到汽车与车道线开始接触为止所需的运动时间，也可称之为汽车从当前的时刻开始到汽车偏离本车

6、道之前所剩余的时间。为了尽可能迅速的识别出未来可能发生的轨迹偏离是提出 TLC 方法的目的。该方法一般是对未来特定时间内的车辆动力学模型进行有效假设，根据建立的车辆运动模型和对前方道路模型的正确识别，最后计算出汽车即将跨越道路边界的时间。基于 TLC 的预警算法，是由 Godthelp 最初提出来的，基本原理是如果TLC 小于给定的时间阈值 T th 即:TLC 0 并且 0 时，说明汽车在本行驶车道内，不需发出预警。当ylyr 0 或者 0 时，则说明汽车即将偏离行驶车道，系统发出预警。l r5.基于预测轨迹偏离的预警算法基于预测轨迹偏离的预警算法依据一段时间后汽车的预测轨迹与目标行驶轨迹之

7、间的偏差值来进行评价，如果偏差大于给定的阈值，我们就认为会发生车道偏离，系统报警。丰田汽车(日本) 公司的 STAR 系统所采用的就是这种预警方法。如图 1.10 所示，汽车的预测行驶轨迹与目标行驶轨迹的偏差值万计算方法如下: mxv上式中 x 为当前时刻汽车质心的侧向位置， 为 秒后汽车质心的侧向位mx置， 表示车辆横摆角，v 表示车速。该算法一般假定驾驶员能较好的跟随道路曲率变化，因而目标运动轨迹通常为行驶道路的中心线。于此同时，这种算法假设汽车的横摆角恒定，则预测轨迹为直线。6.基于 EDF 的预警算法基于边缘分布函数 EDF ( Edge Distributin Function)的预

8、警方法，是指将边缘方向角的边缘强度直方图进行考虑。韩国全南大学的 Joon Woong Lee 等主要采用 EDF 的评价方法，它通过边缘分布函数将车道信息和边缘信息联系起来。该算法对行车线作出几条假设: (1)车道线平滑过渡， (2)车道线比路面其它部分明亮，(3)左右车道线应该平行道路中心线。如图 1.11b 所示。依据上述假设，EDF 具有两个重要特征一一对称轴和局部最大值，如图 1.11b 所示。基于边缘分布函数的预警算法，一般有三个步骤组成。第一步就是边缘的提取和图像的获取。对于点(x,y)力相应的图像.f (x .y)梯度用向量 表示:f,xyfG方向 与幅值 分别为：axyf1,

9、tnyXxy2, xyxyGf第二步用递归求和滤波器估算边缘分布函数，边缘分布函数 EDF 定义如下：d,nFxyf其中 是方向为 的像素的数量nd,axyEDF 的形状如图 1.11 所示，从图中可以明显看出 EDF 的主要特征，一是在和 附近有两极值，其分别对应右侧和左侧道路边界线;二是它具有一条对称12轴，如果道路图像是在道路中心线上采集的，对称轴则会位于九十度附近，而如果采集的图像偏离道路中心线，则对称轴就会偏离九十度位置。由于噪声影响，我们通常很难仅仅通过 的极值判断车道线的方向，所dF以采用求和的方式估算 EDF 给定 N 帧图像序列，EDF 估算方法如下:k1d,kiindnHF

10、其中 k 表示当前帧，N 由试验来确定，递归形式如下： -1d,1iknkn第二步为搜索边缘分布函数的局部最大值和对称轴，确定是否发生车道偏离有以下两种方法:方法一:通过对称轴来判断是否发生了车道偏离，如果 我们就认为发生了车道偏离，P 为对称轴偏移量，计算公式如下:cx为安全阈值，可通过试验确定，x 为 EDF 的对称轴位置， 为从道路中 cx心线处拍摄图像的 EDF 对称轴位置。方法二:通过极值判断能否发生车道偏离，如果 或者 ，则认为21发生车道偏离，评价指标咨计算如下: clrdx和分别为相应于方向 和 的两个极值， 和 分别为大于 1 和小于l 12121 的常数，通过试验可以确定。基于 EDF 的预警算法不需要摄像机相关参数，忽略了车道线的定位，而前方道路的形状(如倾斜、坡度、宽窄) ，车辆的类型，和乘坐人数等对算法都几乎没有影响。7.基于预瞄轨迹偏离 TTD 的评价算法TTD ( Time to Trajectory Divergence)是指从最初状态到汽车轨迹与预期