辅助驾驶： 汽车离道报警完整结构设计

道线参数，就必须对采集的道路图像在车道线检测之前进行预处理。在图像处理算法中，没有哪一种算法可以适用于各类图像，每一种算法都有自己的局限性。因此，在实际应用中，需要做大量的实验，并结合车道偏离预警系统的需要，选取适合该系统的算法。适用于本文检测算法的路面为摄像机视野上方可能会为天空或高山等背景的至少含有两个同向以车道线隔开的高速公路和城市道路。

2.图像预处理

根据投影理论，当摄像机光轴与地平面平行时，而车辆一般在下方的地面部分，因此图像下半部分有车辆的区域才是我们的感兴趣区域，只需要分析这部分的情况即可，预处理中一般把图像的下半部分划分为感兴趣的部分，而上半部分一律作黑色处理，从而使得预处理后的白色部分所表示的信息即为车道线。这样既较好地符合实际情况，同时算法简便，避免了处理大量信息的冗余，提高了计算速率。预处理分四步完成：

a.灰度化。这里之所以进行灰度化，是因为石子沥青路面为深黑色，而黄线为浅色，灰度化以后，二者在图像上就表现为一黑一白，易于操作，也便于后面的处理。

b.采用空间滤波技术去除图像中多余的噪声。可用的算法有直方图均衡化、领域平均、中值滤波等。

c. 采用道路图像的二值化分割对图像进行分割，以获取明显的车道线特征，大大简化了后面分析并检测车道标识线的复杂度。可用的算法有直方图波形分析法、最大熵法、最大类方差法等。

d. 划分感兴趣的区域。通过缩减检测区域的范围来减少冗余的数据，提高运算速度。常见的感兴趣区域的划分算法有:基于灰度图投影法、动态感兴趣区域。

3. 车道线检测算法设计与实现

车道线的快速与准确识别是实现车道偏离预警系统实时性和鲁棒性的前提和基础，本章在叙述基于曲线拟合的车道线检测的原理的基础上提出了一种基于LMedsquare选取最佳子集。LMedsquare的核心思想是对随机选择数据子集进行重复操作，直到至少有一个子集的数据能够达到一定的可信度(比如95%)，它是一种随机采样算法。车道线检测算法包含以下几个步骤：

a. 种子点的选取。要想准确得到车道线坐标方程，就需要先找出车道线的中心点，再对车道线中心点的集合进行车道线拟合。因此，需要找出车道线中心点。在这里，可以根据车道线图像二值化后车道线的特征来找出车道线中心点，为下一步车道线参数拟合做准备工作。

b. 车道标识线的检测。在种子点归类后，我们就要判断待拟合的种子点数是否充足，在道路路况较好的情况下，近视野车道线比较清晰，自下至上扫描归类，一般都会获得数目比较充足车道线种子点数，则可以直接利用LMedsquare选取最佳子集的车道线检测算法进行参数的拟合。

c. 基于最佳子集的最小二乘直线拟合。运用最小二乘法拟合曲线是智能导航技术中常用的拟合算法，但是其最大的缺点就是对噪声比较敏感，显而言之，解决噪声的影响是准确地拟合出车道线参数的前提和基础。因此，在车道线种子点归类后种子点数目比较充足时，可以利用LMedsquare曲线拟合技术的思想选取最佳子集，以去除多余的噪声后，再利用最小二乘法在最佳子集内进行直线拟合，会得到很好的效果。

第三部分：系统原理和技术特点

1.首先用EDK软件XPS（Xilinx Platform Studio）构建一个MicroBlaze软核系统，FPGA内部CPU外围各种模块用Vhdl语言编写，然后再将FPGA外部模块通过FPGA接口与FPGA相连。

2.道路图像采集可以采用CCD摄像头。CCD摄像头安装于挡风玻璃内侧，驾驶台中央位置，采用长焦镜头，采集路面状况。路面信息码流处理应用Philips半导体公司的视频解码芯片SAA7115，它是一款多通道输入的视频解码器，支持多种视频信号格式，如PAL制、NTSC制、SECAM制等。SAA7115对于输入的视频信号自动检测并完成转换。SAA7115能提供捕捉各种标准清晰度信号的高性能。芯片采用一个小的100 引脚QFP14X142100A封装，并在其中集成抗锯齿滤波器和ADLLT( adap tive digital line length tracking，自适应数字列长度追踪) ，且支持多种视频信号格式，如PAL 制、NTSC制、SECAM制等，能对于输入的视频信号自动检测并完成转换。基于以上特性本设计选用其作为视频编码芯片，可以实现与FPGA的无缝连接。因外围电路与FPGA的处理速度相差甚大,故信号流要先经SN74CBT3245芯片缓冲,然后送处理器进行车道特征值得提取。

3.图像预处理技术

图像中含有丰富的信息，在车道识别中，并不是所有信息都是需要的。因此要对采集到的连续图像进行处理，去除无用信息，增强有用信息，有利于后续处理。在进行图像预处理时，车道检测部分对其进行反