在車輛的自動(dòng)駕駛和輔助駕駛中,實(shí)時(shí)分析車輛的運(yùn)動(dòng)狀態(tài)具有重要的實(shí)際應(yīng)用價(jià)值。為了實(shí)現(xiàn)對(duì)車輛行為的判斷,提出一種基于車道信息融合的車輛行為識(shí)別算法。首先提出一種基于改進(jìn)Robinson與LSD的模型,運(yùn)用改進(jìn)的Robinson算子獲取最佳梯度幅值實(shí)現(xiàn)對(duì)車道的邊緣提取,再通過(guò)LSD算法實(shí)現(xiàn)車道的檢測(cè)。然后采用一種基于滑動(dòng)窗口的三次樣條插值法對(duì)車道進(jìn)行擬合,最后根據(jù)車道參數(shù)信息分析車輛的運(yùn)動(dòng)狀態(tài),結(jié)合車輛的中心位置得到車輛的偏離信息。在BDD100K數(shù)據(jù)集的測(cè)試中,本文算法的車道檢測(cè)準(zhǔn)確率為95.61%,車輛行為識(shí)別準(zhǔn)確率為93.04%,每秒傳輸幀數(shù)達(dá)到42.37。實(shí)驗(yàn)結(jié)果表明,本文算法在不同場(chǎng)景下可以有效地區(qū)分車輛的運(yùn)動(dòng)狀態(tài)并給出車輛的偏離信息,具有更高的準(zhǔn)確性和魯棒性。 

【文章來(lái)源】：液晶與顯示. 2020,35(01)北大核心CSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

最佳梯度方向

LSD直線檢測(cè)算法主要參考梯度大小和方向兩個(gè)因素計(jì)算局部直線輪廓，在線性時(shí)間內(nèi)能夠獲得亞像素級(jí)精度的檢測(cè)結(jié)果。算法首先根據(jù)每個(gè)像素點(diǎn)的level-line角度生成level-line區(qū)域，再利用種子生長(zhǎng)法尋找角度一致line-support區(qū)域，如圖2所示，通過(guò)最小外接矩形對(duì)line-support區(qū)域進(jìn)行擬合，其中該區(qū)域的主軸方向由矩形的主軸方向確定；然后統(tǒng)計(jì)最小外接矩形內(nèi)的像素點(diǎn)個(gè)數(shù)，即level-line角度與主軸角度之差在容錯(cuò)區(qū)間2τ范圍內(nèi)的像素點(diǎn)個(gè)數(shù)；最后計(jì)算基于獲取數(shù)據(jù)下的最小外接矩形的NFA(Number of False Alarm）值，并判斷NFA的值是否滿足閾值條件，由此決定最小外接矩形是否為直線。LSD直線檢測(cè)過(guò)程中的種子生長(zhǎng)法定義為：在未搜索的區(qū)域內(nèi)，把像素點(diǎn)中梯度幅值最大的點(diǎn)確定為種子點(diǎn)，并將該像素點(diǎn)標(biāo)定為已搜索，搜索該像素點(diǎn)周圍未搜索過(guò)并與該像素點(diǎn)的角度誤差值在閾值范圍內(nèi)的鄰域點(diǎn)，然后以新點(diǎn)作為起點(diǎn)并進(jìn)行遞歸搜索。LSD算法在檢測(cè)的過(guò)程中由于不需要調(diào)節(jié)參數(shù)，因此能夠滿足幾何圖像的快速變換。2.2 車道擬合

按照x軸方向?qū)④嚨罊z測(cè)的結(jié)果劃分為左右兩個(gè)部分進(jìn)行區(qū)域搜索，分別將兩個(gè)部分在x軸方向做直方圖統(tǒng)計(jì)，得到像素峰值分布圖如圖3所示，將最大峰值的位置確定為車道線搜索的基點(diǎn)。設(shè)置搜索窗口的寬度和高度參數(shù)，窗口寬度設(shè)定為車道寬度的2倍，以窗口寬度的3/4定義窗口的高度。以基點(diǎn)中心作為當(dāng)前搜索的起點(diǎn)進(jìn)行網(wǎng)格化縱向搜尋，對(duì)每個(gè)搜尋窗口分別進(jìn)行x軸方向和y軸方向直方圖統(tǒng)計(jì)，獲取搜索窗口內(nèi)非零像素的個(gè)數(shù)并濾除非零像素個(gè)數(shù)小于閾值的窗口，計(jì)算剩余窗口內(nèi)非零像素的坐標(biāo)均值作為當(dāng)前搜索窗口的中心點(diǎn)，并將當(dāng)前搜索窗口的中心點(diǎn)作為下一個(gè)備選基點(diǎn)。設(shè)第i個(gè)基點(diǎn)為Si(xSi,ySi），第i個(gè)窗口的中點(diǎn)為Ci(xi,yi），若基點(diǎn)Si和中心點(diǎn)Ci的坐標(biāo)滿足式（12）及式（13):

【參考文獻(xiàn)】：
期刊論文
[1]對(duì)數(shù)域梯度與改進(jìn)Sobel算子相結(jié)合的邊緣檢測(cè)[J]. 任克強(qiáng),張镕.  液晶與顯示. 2019(03)
[2]基于感興趣區(qū)域模型的車道線快速檢測(cè)算法[J]. 錢基德,陳斌,錢基業(yè),陳剛.  電子科技大學(xué)學(xué)報(bào). 2018(03)
[3]基于混合貝塞爾曲線模型的車道檢測(cè)算法[J]. 韓浩,王舜燕.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(03)
[4]監(jiān)控視頻中的車輛異常行為檢測(cè)[J]. 黃鑫,肖世德,宋波.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(02)
[5]路徑約束條件下車輛行為的時(shí)空演化模型[J]. 潘登,鄭應(yīng)平.  物理學(xué)報(bào). 2015(07)



本文編號(hào)：3525232