车道线检测算法流程 - 基于机器视觉的辅助驾驶系统设计与开发

视频裁剪主要是除去天空等与车道线检测无关的图像信息，减少需要处理的图像数据，减少无关干扰，提高系统的实时性与准确性。使用的控件为IMAQ Extract VI。

灰度化的功能是，在不影响车道线检测的前提下，将原始的彩色图像转化为灰度图像，进一步减小需要处理的数据量。使用的控件是IMAQ ExtractSingleColorPlane VI。

边缘检测的目的是突出车道线边缘，因为车道线检测主要是依据车道边缘的信息。使用的控件是IMAQ EdgeDetection VI，选择的边缘检测算法为Sobel算法。

二值化的作用是在边缘检测的基础上进一步简化图像信息，通过设定阈值，使高于阈值的像素点灰度值为1，低于阈值的像素点灰度值为0。使用的控件是IMAQ AutoBThreshold 2 VI，选择的二值化算法是inter-class variance算法。

直线检测就是在设定的区域内设定参数检测车道线。这里使用的控件是IMAQ Find Edge VI，算法选择Hough变换。

当连续10帧图像的车道线位置偏差不大时，为减小数据处理量，提高系统的实时性，可以通过Kalman滤波跟踪车道线将要出现的区域（ROI），然后在该区域进行车道线检测，减少了车道线检测的搜索面积。

车道线检测的labview程序如图5所示。

图5 车道线检测的labview程序

4.2 虚拟测试软件实现
虚拟测试软件的功能主要包括以下三个部分：车辆动力学模型搭建、Veristand配置及仪表显示、Carmaker三维场景建模。

车辆动力学模型是整个虚拟测试平台的基础，搭建出一套符合实际车辆性能的模型可以保证测试过程更加有效可信。借助MATLAB/Simulink搭建的车辆动力学模型如图6所示。

图6 车辆动力学模型

Veristand在虚拟测试系统中起集成作用，它主要完成以下三个功能：

（1）将车辆动力学模型导入到PXI平台；

（2）生成虚拟仪表，利用操作界面实时在线监控运行任务并与之交互；

（3）配置IO口、CAN通信数据连接关系。

Veristand系统配置及仪表显示界面如7所示。

 

图7 Veristand系统配置及仪表显示界面

Carmaker三维场景可以把车辆模型的输出以运动的效果显现出来。Veristand通过CAN通信的方式，将车辆模型的输出数据传递给Carmaker软件，Carmaker搭建不同的路况环境，使测试过程更加多样化。Carmaker三维场景如图8所示。

图8 Carmaker三维场景

虚拟测试部分的软件将采集到的油门、方向盘等信息传输给在PXI中运行的车辆动力学模型，车辆模型仿真的动态效果在虚拟现实软件CarMaker中显现出来。其中，车辆动力学模型在MATLAB中搭建，通过仿真测试平台VeriStand对模型配置，借助PXI平台的优越性，使得仿真测试过程更加流畅，实时性更高。

5 集成和应用

将EVS部分及PXI部分的硬件和软件分别集成到一起，完成基于NI EVS和PXI的机器视觉辅助驾驶系统开发。其实物如9图所示。

图9 辅助驾驶系统实物

下面结合车道线检测的开发，介绍基于机器视觉辅助驾驶技术平台的运用。

在CarMaker中搭建不同的路况，在机器视觉系统通过编程设计，部分检测结果如图10所示。

图10 不同路况车道线检测效果

其中图a路况信息最简单，不存在干扰情况，图b中存在一个十字路口，图c中存在道路交通标志，图d中出现了弯道。从图10可以看出，在无干扰情况下，可以正确的检测出车道线，当存在十字路口、交通标志时，依然能检测出车道线，当存在弯道情况时，无法准确检测出车道线，这主要是在车道线检测算法中未考虑曲线检测的算法所致，需要在后续的开发过程中完善。

6 结论

针对基于机器视觉的辅助驾驶系统开发面临的难题，在分析系统需求的基础上，借助NI EVS和PXI平台，通过硬件设计和软件编程，完成了此系统的开发。通过对车道偏离预警（LDW）功能的设计与测试，证明该系统可以在机器视觉的辅助驾驶开发中运用。

该系统充分利用了NI EVS平台出色的图像处理能力及PXI平台强大的仿真测试功能。在机器视觉功能开发阶段，EVS的硬件平台及软件资源可以帮助设计者快速完成建模及编程等步骤，缩短了研发的周期。PXI平台的可靠性高，现场能力强，实时性好，软硬件集成度高，可扩展性好等特点，在有限投入下，实现了机器视觉驾驶辅助系统的虚拟测试。EVS平台和PXI平台的兼容性好，两者结合，加快了机器视觉辅助驾驶技术从创意到产品的实现过程，并为其早日投入量产进而提高汽车主动安全性能打下基础。