車道檢測的目標(biāo)：

1. 車道形狀，包括寬度、曲率等幾何參數(shù)

2. 車輛在車道中的位置，包括橫向偏移量，車輛與道路的夾角（偏航角）

車道檢測與跟蹤一般分為以下幾個部分：

1. 車輛、道路、相機模型

2. 道路特征提取

3. 道路參數(shù)計算，如曲率，

4. 車道跟蹤

車輛、道路、相機模型

在現(xiàn)代道路設(shè)計中，道路有比較固定的設(shè)計模型，因此，對于高速公路等道路類型，車道的幾何模型可以以固定的形式表示。

車道弧長、曲率、偏航角、橫向偏移量構(gòu)成車輛與車道幾何模型的要素。

車道一般由直線、圓弧和緩和曲線構(gòu)成，緩和曲線通常是不同曲率的圓弧或直線的連接過渡，其曲率均勻變化，螺旋曲線是緩和曲線常用形式。

道路曲率與弧長（路長）的關(guān)系：

C = C0 + C1*L.

C0為起始點曲率，C1為曲率變化率。C0，C1都為0時，直線; C1為0時，C0不為0，圓弧；C1不為0時，緩和曲線。

在世界坐標(biāo)系下，或俯視圖下，在相機可視范圍內(nèi)，若車道的變化方向較小，則道路可用圓弧近似表示：

道路的坐標(biāo)可以由弧長和曲率一般表示為：

y = L

x = 0.5*C*L^2

若相機與車道的橫向偏移量為d，與車道的夾角為a，則車道模型為

y = L

x = d + a*L + 0.5*C*L^2

從公式來看，這是一個拋物線模型。這里沒有考慮曲率變換率，即忽略了高次項(C1*L^3)/6。

不同的系統(tǒng)要求與道路環(huán)境，道路模型的精度要求也不同。在較早的系統(tǒng)里，在大路（highway）環(huán)境下，

基于視覺的車道模型經(jīng)歷了，平行直線模型 --> 固定曲率圓弧模型 --> 螺旋曲線模型。道路模型的精度不斷提高。

使用哪種模型，要根據(jù)系統(tǒng)的實際需求。如早期的系統(tǒng)里，檢測大路（highway）中10米內(nèi)的車道狀況，應(yīng)用簡單的線性模型即可。而車道偏離告警（LDW）系統(tǒng)中，在高速公路上，需要30米-40米的精確的道路模型，這時，螺旋曲線（高階）或拋物線（二階）模型就更為精確。

相機模型：

由圖像的二維信息恢復(fù)出場景的三維信息，就需要相機模型來確立兩者之間的對應(yīng)關(guān)系。相機參數(shù)包括內(nèi)部參數(shù)和外部參數(shù)。相機模型分為針孔相機模型和透鏡畸變擴展模型。這些在另外一篇文章里有描述。相機的內(nèi)外參數(shù)通過標(biāo)定都可以獲取。相機的外部參數(shù)體現(xiàn)了相機坐標(biāo)下圖像與世界坐標(biāo)下場景的齊次變換關(guān)系。

道路特征檢測

道路上車道標(biāo)志的檢測是道路特征檢測的關(guān)鍵部分，并且已有很多算法，但道路場景太多，單一的算法還是無法適用所有的場景。算法分類：

基于邊緣檢測的常用算法有：

Sobel, DOG, LOG, Steerable Filter等。每種算法都有各自的優(yōu)缺點。這里不再描述。

由基本算法處理后得到道路的特征圖像，這里以邊緣為例，需要進一步分析其特性，去除干擾，保留符合車道特征的邊緣。如平行性、寬度等結(jié)構(gòu)特征。如果這些結(jié)構(gòu)特征分析做的好，也可以彌補基本算法的不足。

其他檢測方法：

雙閾值特征檢測：原圖像、梯度圖像（邊緣圖像）分別有各自的閾值，分割出車道標(biāo)志特征，當(dāng)某點的灰度和梯度值分別大于各自的閾值時，才被選取為車道的特征點，這個方法會去掉一些陰影等干擾。

可調(diào)濾波器steerable filter：

對原圖分別獲取Gxx, Gyy, Gxy,高斯二階分量。角度可變的濾波器的強度響應(yīng)如下：

求上式的極值，則需求角度的導(dǎo)數(shù)，則能獲取兩個角度

對于濾波器窗口內(nèi)圓形對稱的物體，則兩個角度的響應(yīng)差不多；而對車道，兩個角度響應(yīng)的差值就比較大，響應(yīng)大的方向就是車道方向，車道方向也可以探測出。

道路參數(shù)計算

道路方向、曲率的計算。霍夫變換是常用的檢測直線的方法，還有其他方法篩選特征計算參數(shù)的方法，如最小二乘估計，RANSAC，這些方法基本上都設(shè)定了道路模型，由特征點來計算參數(shù)。但也可以由計算出的模型，去除不符合條件的特征。

跟蹤

一般跟蹤的作用就是預(yù)測下一幀圖像內(nèi)道路特征的位置，在一個較小的范圍內(nèi)檢測道路特征，提高效率。若預(yù)測范圍內(nèi)沒有檢測到道路特征，則采用估計或上一幀特征的位置，若連續(xù)幾幀都沒有檢測到道路特征，則啟動全圖像道路特征檢測。KalmanFilter是常用的跟蹤算法。

車道的狀態(tài)要考慮車道的位置、速度、偏航角及車輛行駛轉(zhuǎn)角之間的關(guān)系。

夾角增量 = 曲率 * 長度

狀態(tài)變量為道路弧長、車道夾角、道路曲率、車道寬度

車輛的行駛轉(zhuǎn)角作為控制輸入變量。

測量變量為道路弧長和車輛與道路的夾角。

則狀態(tài)轉(zhuǎn)移方程如下：

AWS汽車防撞系統(tǒng)-傍晚效果