《汽车安全辅助驾驶技术》全书配套教学课件

第一章

概述主要内容1.1道路交通安全与交通事故1.2世界道路交通安全现状1.3道路交通事故的影响因素及预防措施1.4汽车安全辅助驾驶技术1.1道路交通安全与交通事故1.1.1道路交通安全

背景：随着机动车保有量的快速增加和国民经济的持续增长，道路交通运输给人们的生活和出行带来了很大的便利，但由此带来的道路交通事故每年都给人民生命财产和国民经济造成了巨大的损失。如何解决道路交通安全问题已经成为社会可持续发展的一个重要课题。

道路交通安全是指在交通活动过程中，能将人身伤亡或财产损失控制在可接受水平的状态。道路交通系统安全既受系统内部因素的制约，又受系统外部环境的干扰，并与人、车辆以及道路环境等因素密切相关。道路交通安全特点：①交通安全是在一定危险条件下的状态，并非绝对没有交通事故的发生；②交通安全不是瞬间的结果，而是对交通系统在某一时期、某一阶段过程或状态的描述；③交通安全是相对的，绝对的交通安全是不存在的；④对于不同的时期和地域，可接受的损失水平是不同的，因而衡量交通系统是否安全的标准也不同。1.1.2道路交通事故道路交通事故指在对人和物进行运输的过程中所发生的人员伤亡和财物损毁事件，它是道路交通运营过程中的伴生现象。世界各国对于道路交通事故的定义也不尽相同。

我国：2004年5月1日起实施的《中华人民共和国道路交通安全法》第119条明确规定了道路、车辆、机动车、非机动车、交通事故等用语的含义，即：

“道路”，是指公路、城市道路和虽在单位管辖范围但允许社会机动车通行的地方，包括广场、公共停车场等用于公众通行的场所。

“车辆”，是指机动车和非机动车。

“交通事故”，是指车辆在道路上因过错或者意外造成的人身伤亡或者财产损失的事件。美国：交通事故是在道路上所发生的意料不到的有害的或危险的事件。日本：由于车辆在交通中所引起的人的死伤或物的损坏，在道路交通法中称为交通事故。

1.1.3道路交通事故的分类按事故责任分类：机动车事故、非机动车事故以、行人事故按事故情节轻重和伤亡大小分类：轻微事故、一般事故、重大事故、特大事故按事故原因分类：主观原因、客观原因按交通事故的对象分类：车辆间的交通事故、车辆与行人的交通事故、机动车与非机动车的交通事故、机动车自身事故以、车辆对固定物的事故按交通事故发生的地点分类：城市、郊区、乡村1.1.4道路交通事故的特点突发性：交通事故发生过程中，驾驶员从感知到危险到交通事故发生所经历的时间极为短暂，让人措手不及。随机性：在由交通参与者、车辆和道路三要素构成的道路交通系统中，任何一个失误都可能引起系统内一系列其他失误，从而引起事故，这些失误绝大多数都是随机的。频发性：随着机动车保有量的持续增长和交通运输的快速发展，道路交通事故频发、伤亡人数不断增加则会成为必然。社会性：道路交通事故已成为一个重要的社会问题，具有广泛的社会性。不可逆性：道路交通事故的不可逆性是指其不可重现性。可预防性：道路交通伤害是可以通过合理分析和采取措施加以控制的。多数道路碰撞事故是可以防止和预防的。通过采取科学的预防方法，能使道路交通伤害的伤亡程度大量减少。1.1.5道路交通事故评价指标1.2世界道路交通安全现状

1.2.1全球道路交通安全危机

道路交通事故已成为全球性安全问题之一，引起了全社会普遍关注。据统计，全球每年约有120万人死于道路交通事故，2000万至5000万人遭受非致命伤害。2004年，世界卫生组织主办的世界卫生日，首次以道路交通安全为主题，将道路交通事故作为全球性的道路交通安全危机，并和世界银行共同发表了有关该主题的重要报告《预防道路交通伤害世界报告》。2009年，世界卫生组织利用2008年进行的标准调查收集的数据，第一次广泛评估了178个国家的道路安全状况，发布了《道路安全全球现状报告》。1.2.2国外道路交通事故现状美国交通事故现状表1-7美国2001-2011年间道路交通事故数据表1-7美国2001-2011年间道路交通事故数据(续)

美国采取的主要措施是：加大对于道路安全研究的科研经费，完善道路交通法规和管理体制。美国于1969年颁布《公路安全法令》和《汽车安全措施法令》，而且在联邦体制下，成立了国家公路安全局。于2003年形成了《道路安全设计与操作指南》，要求道路设计和运行管理人员除遵守其他技术标准和规范外，还应特别遵循安全规范。与此同时，还积极推广他国的安全先进经验，如应用了“澳大利亚实施道路交通安全评价”的经验。日本交通事故现状加拿大交通事故现状欧盟交通事故现状图1.62000-2009年交通事故死亡、受伤人数及事故数量(EU-25)1.2.3国内道路交通事故现状

我国是世界上交通事故发生最严重的国家之一，道路交通事故伴随着交通运输业的发展应运而生。新中国成立以来，道路交通事故呈现先升后降的总体趋势。我国的道路交通事故呈现以下特点：

交通事故率、致死率高营运车辆交通事故高发交通违法肇事仍是造成事故的主要原因道路交通事故分布不均匀1.3道路交通事故影响因素及改善措施

道路交通系统是一个由人、车、路、环境为基本要素组成的多元交互式系统。1.3.1道路交通事故的影响因素人的因素：驾驶人违章操作、疲劳驾驶，乘客、行人不遵守法规等车的因素：转向、制动、行驶、电气四个部分路的因素：

道路交通构成不合理、交通流中车型复杂；人车混行、机非混行；道路结构不合理路面状况其他因素：经济发展水平、交通管理能力、交通法规的制定、交通环境1.3.2道路交通事故预防措施针对人的因素：强化驾驶员管理和驾驶技能的提高针对车的因素等针对车的因素：

加强对营运车辆的技术管理，提高运输车辆安全技术性能等针对路的因素：道路设计，改善混合交通现象等其他措施：建立和完善交通事故紧急救援体系加强交通安全宣传教育与管理建立健全交通安全政策和法律法规建立“点—线—面”的道路网络交通安全立体保障体系1.4汽车安全辅助驾驶技术概述1.4.1汽车安全辅助驾驶技术研究目的和意义

汽车被动安全技术研究的目的在于发生意外事故时对车内驾驶员、乘员或者车外的道路参与者（行人、骑自行车人等）进行有效保护，使其免遭伤害或者减轻受伤害的程度。汽车被动安全系统和装置只能减少事故发生带来的伤害和损失，如汽车碰撞安全性系统设计、先进乘员约束系统、车身保护行人的安全装置事故自动呼救系统等。

汽车主动安全性是指汽车避免或减少发生意外交通事故发生的能力，主动安全系统的目的就是提高汽车的行驶稳定性，尽力防止车祸发生，包含汽车动力学稳定性控制技术、汽车底盘一体化控制技术、汽车安全辅助驾驶技术等。在这种汽车上装有汽车规避系统，包括装在车身各部位的防撞雷达、多普勒雷达、红外雷达等传感器、盲点探测器等设施，由计算机进行控制。

从汽车安全技术的发展趋势来看，为了实现道路交通事故零死亡的最终目标，需要提高汽车的主动安全与被动安全性能，建立智能化、信息化、一体化的智能交通系统，保障驾驶员的正常驾驶，有事故发生时实现紧急救援。

图1.13汽车安全技术发展趋势1.4.2汽车安全辅助驾驶技术的主要研究内容车道偏离预警与保持车道偏离预警与保持是利用机器视觉传感器、激光传感器或埋设于路面下的磁钉,使车辆始终在车道线内运行,防止车辆因为驶离当前行驶车道而导致交通事故的发生,从而提高行车安全性。车道偏离预警系统(LaneDepartureWarningSystem)能在驾驶员无意识（驾驶员未打转向灯）偏离原车道时，能在偏离车道之前发出警报，为驾驶员提供更多的反应时间，大大减少了因车道偏离引发的碰撞事故，此外，使用LDWS还能纠正驾驶员不打转向灯的习惯。防碰撞系统防碰撞系统是基于车辆周围障碍物检测的基础上完成的，车辆周围障碍物包括车辆、行人以及道路周围设施等。通过机器视觉、红外、雷达或激光等传感器能感知车辆周围这些障碍物的存在,并实时跟踪,在危险时刻还可以警告驾驶员采取避碰措施。利用各种传感器信息对前方车辆和车距的实时有效检测,当发现安全车距不足时,及时向驾驶员发出声音警示,促使其采取必要措施保持安全车距,避免发生追尾碰撞等事故。在车辆换道时，需要借助一些传感器信息来实现本车前后方车辆的检测，研制汽车换道避碰系统。行人检测技术是汽车安全辅助驾驶领域中备受关注的前沿方向,特别是在城市交通环境中,行人检测能警告驾驶员可能与车辆邻近的障碍物尤其是行人发生碰撞。

驾驶员疲劳状态监测疲劳驾驶是驾驶员因素导致交通事故的主要原因之一。统计表明，若在潜在交通事故发生前提前1秒钟给驾驶员发出警报，则可避免90%的交通事故。对驾驶员驾车疲劳状态进行实时可靠监测并能对其疲劳驾驶等非正常驾驶行为进行有效警示，对于减少交通事故及人员死亡率，有着十分重要的现实意义。智能车路协同技术随着现代电子科技、计算机技术和通信技术的飞速发展，远程通信和信息系统逐步进入汽车，汽车功能开始向多样化、集成化趋势发展，这就进一步提高了对车内信息传输和通讯的要求。无线网络和移动通讯技术是车辆与道路设施通讯以提高安全和效率的主要手段,多车协作通讯驾驶概念也是最近提出的解决交通拥挤的有效手段。车载无线通讯技术是将汽车技术、电子技术、计算机技术、无线通讯技术紧密结合，整合各种不同的应用系统而产生的一种新型技术，以实现汽车状况实时检测、车内无线移动办公、GPS全球定位、汽车行驶导航、车辆指挥调度、环境数据采集、车内娱乐等功能。其他技术道路交通标志识别倒车辅助系统高性能的轮胎综合监测系统自动泊车系统自动感应大灯调节系统紧急刹车辅助系统1.4.3汽车安全辅助驾驶技术的研究发展动态日本：最终目的是实现无人驾驶。日本于1989年开始研究汽车安全辅助驾驶,他们的研究方向为:自动高速公路系统和高级安全汽车。德国：增加驾驶员驾车的有效性和可靠性,从而减轻驾驶员的工作负担,减少因驾驶员的失误而造成的交通事故。包括自适应巡航控制系统、向前行进控制系统、导航系统、交通信息、通道系统和紧急呼救系统。美国：以全自动高速公路上的无人驾驶车队来解决交通安全的问题。美国的最新研究成果表明,汽车安全辅助驾驶系统的控制技术和自适应巡航技术,可以使美国的交通事故大大减少。汽车安全辅助驾驶技术正朝着更加可靠、稳定的方向发展,汽车安全辅助驾驶技术在硬件和软件上都有很大的发展空间，为了加速汽车安全辅助驾驶技术的应用,需要不断提高其稳定性和鲁棒性,提高其环境的适应能力。由于基于单一传感器不能很好地解决汽车安全辅助驾驶技术可靠性和环境适应能力的要求,未来应结合激光雷达技术解决图像模糊问题,利用红外传感器可以增强机器视觉识别的可靠性。随着更加先进的智能型传感器、快速响应的执行器、高性能电控单元、先进的控制策略、计算机网络技术、雷达技术、第三代移动通信技术在汽车上的广泛应用，现代汽车正朝着更加智能化、自动化和信息化的机电一体化方向发展。汽车安全辅助驾驶技术因其定位于防患于未然，所以有着广阔的发展前景，越来越受到汽车生产企业、政府管理部门和消费者的重视。

第二章

车道偏离预警技术主要内容2.1引言2.2车道偏离预警基本组成和技术要求2.3车道偏离预警技术研究进展2.4基于视觉的车道线检测方法2.5车道偏离预警模型2.6基于视觉的车道偏离预警系统的实现2.7未来展望2.1引言驾驶员因素是导致道路交通事故影响的主要因素，超速行驶、未保持在当前车道行驶、操作不当等违法行为导致发生道路交通事故，造成严重人员伤亡和损失。

美国每年有超过3万起与道路相关的致命道路交通事故，由于单车驶离车道造成的交通事故1.2万起，约占总数的40%，并且这些偏离并不是与其他车辆相撞而引起的。欧洲的一项调查显示，在5万起重型卡车发生的交通事故中，97%是因驾驶员注意力不集中导致车辆偏离车道所致。影响车辆偏离行驶车道的因素驾驶员的主观因素：心理素质、生理状态客观因素：所设计的道路线形是否合理、气候条件、交通流量大小无论是外界条件还是驾驶员主观因素，使得汽车车道偏离具有一定的不可避免性。在建立汽车车道偏离预警模型和驾驶员行为评价算法时都需要考虑到这一点。一个成熟的预警模型既要起到警报的作用，又要符合驾驶员的生理及心理状态，不会对驾驶过程中产生过大的干扰而影响驾驶员的正常操作。

2.2车道偏离预警基本组成和技术要求2.2.1

基本组成视觉传感器的信息量丰富，常被作为实现车道偏离预警的车载传感器。基于视觉的车道偏离预警系统主要由图像采集单元、中央处理单元、车辆状态传感器以及人机交互单元等组成。系统开启时，安装在车身侧面或后视镜上的图像采集单元获取道路图像，中央处理单元对图像进行分析处理，获得汽车在当前车道中位置参数，传感器会及时收集车辆数据和驾驶员的操作状态，如转向灯信号等。当检测到汽车距离当前车道线过近有可能偏入邻近车道或驶离本车道而司机并没有打转向灯时，人机交互界面就会发出警告信息提醒驾驶员纠正车道偏离，及时回到当前行驶车道上，为驾驶者提供更多的反应时间，减少车道偏离事故的发生。如果驾驶者打开转向灯，正常进行变线行驶，那么车道偏离预警系统不会做出任何提示。1.图像采集单元为了模拟驾驶员感知车辆前方道路图像及环境信息，基于视觉的车道偏离预警系统需要图像采集单元实时获取视频信号，并且需要将模拟视频信号采集转换为处理器能分析处理的数字视频图像，主要包括工业相机、镜头和图像采集卡等。1)工业照相机根据相机图像感光芯片的不同，常用工业相机主要有两种类型，CCD(ChargeCoupledDevice)相机和CMOS(ComplementaryMetalOxideSemiconductor)相机。CCD即电荷耦合器件，是一种新型全固体自扫描摄像器件，功能是把光学图像转变成电图像，然后以一定的顺序逐个按像素读出电图像，使之转变为电视信号。CCD组成：光学镜头、时序及同步信号发生器、垂直驱动器、模拟/数字信号处理电路。CCD特点：体积小，重量轻；功耗小，工作电压低，抗冲击震动，性能稳定，寿命长；灵敏度高，噪声低，动态范围大；响应速度快，有自扫描功能，图像畸变小，无残像；可获得很高的尺寸测量精度和定位精度。CCD从功能上可分为：线阵CCD和面阵CCD选择CCD要考察的术指标：CCD尺寸，亦即摄像机靶面。CCD像素，是CCD的主要性能指标，决定显示图像的清晰程度，分辨率越高，图像细节的表现越好。水平分辨率最小光照度(灵敏度)，是CCD对环境光线的敏感程度，或者说是CCD正常成像时所需要的最暗光线。

输出接口摄像机电源信噪比镜头安装方式CMOS图像传感器将光敏元阵列、图像信号放大器、信号读取电路、模数转换电路、图像信号处理器及控制器集成在一块芯片上。CMOS优点(相比于CCD)：体积小、重量轻、集成度高、功耗低、成本低、编程方便、局部像素的编程随机访问、易于控制及捕捉速度高等。CMOS与CCD主要区别：成像过程集成性采集速度噪声处理耗电量CCD与CMOS参数对比：2)镜头分类：主要性能指标：

焦距—决定着视场角的大小。光通量—以镜头焦距f和通光孔径D的比值来衡量。镜头的成像尺寸—应与CCD靶面尺寸相一致。分辨率—主要指镜头的空间分辨率。1)图像采集卡图像采集卡是图像采集部分和图像处理部分的接口，是一种可以获取数字化视频图像信息，并将其存储和播放出来的硬件设备。图像采集卡的任务：将CCD摄像机输出的模拟信号转化为计算方便使用的数字信号。图像采集卡的工作过程：实时采集CCD输出的视频信号，将此信号经A/D转换后以数字图像的形式存放在图像单元的一个或多个通道中，通过计算机发出指令，将某一帧图像静止在图像存储通道中，即采集或捕获了一帧图像，计算机即可对采集的图像进行各种处理。采集卡上的D/A转换电路自动将图像实时显示在图像监视器上。技术参数：图像传输格式、图像格式(像素格式)、传输通道数、分辨率、采样频率、传输速率。在选购及使用图像采集卡时，需要考虑的两个关键性的因素为：硬件的可靠性以及软件的支持。

1.中央处理单元中央处理单元完成数字图像处理、车辆状态分析以及决策控制等功能。由于图像传感器都不是理想的，各种干扰都会在图像采集过程中引入噪声，进行数字处理之前，首先要平滑滤波。Sobel算子是常用的边缘检测算法。发现的边缘则可确定车行道的标志。这一过程又要涉及Hough变换，它是图像处理中识别几何形状的基本方法之一。车道信息来自一辆汽车内多种可能的信息源，这些信息源与测得的相关参数相结合有助于车道跟踪。根据测量结果，车道系统进行智能判断，是否发生了无意间的车行路线偏离。同时，中央处理单元分析来自车辆状态传感器发送过来的信号，当判断车辆将要偏离左侧或者右侧车道线并且没有开启转向灯信号时，判断将要发生车道偏离事故，输出报警信号，

中央处理单元工作流程：3.人机交互单元人机交互单元通过显示界面向驾驶员提示系统当前的状态，当存在危险情况时，报警装置可以发出声音、光的提示，也有通过抖动方向盘或座位的形式。2.2.2

技术要求基本要求：监测系统状态，包括系统故障、系统失效、系统的开/关状态；向驾驶员提示系统当前的状态；探测车辆相对于车道边界的横向位置；判断是否满足报警条件；发出警告。操作要求：当满足报警条件时，系统应自动发出报警提醒驾驶员。乘用车最迟报警线位于车道边界外侧0.3m处；商用车最迟报警线位于车道边界外侧1m处。最早报警线在车道内的位置如图2-7及表2-7中所示。当车辆处于报警临界点附近时，系统应持续报警。尽可能减少虚警的发生。I型系统应在车速大于或等于20m/s时正常运行，II型应在车速大于或等于17m/s时正常运行。系统也可在更低车速下工作。人机交互要求：报警形式：系统将提供一种易被感知的触觉报警或听觉报警。与其它报警系统的冲突：如车辆同时配备了其它的报警系统如车辆前方碰撞警告系统（FVCWS），则车道偏离报警系统（LDWS）应通过触觉、听觉或视觉，或组合方式为驾驶员提供清晰可辨的报警。系统状态提示：应通过容易理解的方式为驾驶员提示系统的状态信息。如果系统在启动阶段或运行过程中出现故障，或在工作过程中检测系统失效，应及时通知驾驶员。若用符号进行驾驶员信息提示，应采用标准符号。例如，若使用符号通知驾驶员系统失效，该符号应是专门用于表达此类信息的标准符号。在系统用户使用手册中应说明系统正常工作所要求的最低车速以及系统失效的条件与状态。可选功能：系统应配备开关控制装置，以便驾驶员随时进行操作。系统可以检测抑制请求信号以尽可能减少不必要的报警。当报警被抑制后，系统可通知驾驶员。系统可对本车速度进行测量以便为其他功能提供支持，如当本车速度低于一定车速时抑制报警。当仅在车道的其中一侧存在可见标线时，系统可以利用默认车道宽度在车道的另一侧建立虚拟标线进行报警，或者直接提醒驾驶员系统失效。报警临界线的位置可在报警临界线设置区域内调整。弯道行驶过程中，考虑到弯道切入操作行为，系统会将报警临界线位置外移，但决不可越过最迟报警线。若系统仅采用触觉或听觉报警方式，则报警可被设计为具有车道偏离方向提示的功能（如可采用声源位置、运动方向等手段），否则，就需要利用视觉信息以辅助报警。系统可以抑制附加的报警，以避免因报警信息过多而烦扰驾驶员。2.3车道偏离预警技术研究进展2.3.1国外研究进展美国美国国家公路交通安全管理局于1995年发起了采用智能车辆道路系统对策的偏离避撞警告项目。项目中测试了四种完成的对策系统：三个横向车道偏离警告系统（AURORA系统、ALVINN系统和RALPH系统）和一个纵向车道偏离警告系统（也称为弯道车速警告系统CSWS:CurveSpeedWarningSystems）。1)AURORA系统

AURORA系统(AutomotiveRun-Off-RoadAvoidanceSystem)由卡内基梅隆大学机器人学院于1997年开发成功。该系统由带广角镜头的彩色摄像机、数字转换器和一个便携SunSparc工作站等组成。2)ALVINN系统和SCARF系统ALVINN系统和SCARF系统由美国卡内基梅隆大学机器人学院、NavLab实验室和视觉与自动化系统研究中心(VASC)联合开发。ALVINN利用神经网络从训练数据中学习正确的行为。SCARF系统将图像中的像素点基于它们各自的颜色聚类为道路类和非道路类，在基于假设道路在图像中表现为梯形的条件下，利用Hough变换寻找最可能的道路位置。由于该系统仅仅寻找道路像素组成的梯形区域，不能用于多车道行车以及避障操作。CSWS系统弯道车速警告系统CSW用于辅助驾驶员完全通过一定曲率半径的弯道，避免速度过高而导致偏离车道的事故。CSW系统利用GPS信号来确定车辆在电子地图中的当前位置。当系统检测到即将通过的路径中有弯道，而且驾驶员超过了安全通过该弯道的速度，警告信号就被触发。CSW系统采用两阶段警告方式，第一阶段是预警阶段,通过给固定在驾驶员座位上的2个电机一个触觉脉冲信号，以振动座位的模式提醒驾驶员，给驾驶员以通过隆声带的感觉；第二个阶段是紧急阶段,一个语音装置播放警告声。

1998年美国制定的《面向21世纪的运输平衡法案》批准了智能车辆先导计划IVI(IntelligentVehicleInitiative)。其宗旨在于通过加速开发、引进、商业化驾驶员辅助驾驶产品来减少道路交通事故和事故引起的伤亡。4)AutoVue系统该系统由美国智能运输技术开发商Iteris公司和欧洲的DaimlerChrysler联合开发的车道偏离报警系统。该系统由一个安装在汽车内挡风玻璃后部的摄像机、两个立体音箱、一个小显示设备和控制单元等组成。该系统工作原理：通过实时监测本车在当前车道中的位置，计算本车到车道标识线的距离，然后与设定的报警距离相比较，判断是否进行预警。以色列MobileyeC2-270系统系统采用Mobileye的MIPS-BasedEyeQ2TM视觉芯片，系统的组成部分：摄像头组件(包括摄像头，扬声器，及主控芯片)、EyeWatch(显示器)、PS3(接线盒)。系统能预防和缓解各种车辆在道路行驶中因驾驶者疲劳驾驶、分神、开小差、新手上路等各种突发状况引发的车道偏离、追尾、碰撞等交通事故，分担并缓解驾驶者的注意力高度紧张，创造轻松惬意的驾驶环境。

日本日本的ITS研究与应用开发工作主要围绕三个方面进行，它们分别是：车辆信息与通信系统（VICS:VehicleInformationandCommunicationSystem）、不停车收费（ETC:ElectronicTollCollection）系统、自动公路系统（AHS:AdvancedHighwaySystem）。日本从1994年开始进行自动高速公路AHS的研究与开发，除了对车辆的加速、减速、制动和转向等一系列操作进行自动驾驶外，还考虑到临近车辆和行人，做到既能够超车又不会导致交通事故的发生。1)MDSS系统日本三菱汽车公司于1998年提出设计和发展MitsubishiDriverSupportSystem系统，并于1999年秋季应用于模型车上，2000年开始投放到市场。MDSS主要包括LDW系统、侧后监控以及预瞄距离控制等三个子系统。MDSS系统工作流程图2)InfinitiLDW系统

该系统是由Valeo和Iteris两车商联合开发，系统的影像传感器装置在车内照后镜的位置。该系统通过安装于后视镜的一个小相机来识别车道标志线，处理器结合相机的信号和车辆的速度来计算车辆距离车道边界两侧的距离以及横向运行速度，判断车辆是否可能驶离车道。3)SafeTrak3LDW系统

该系统利用装在挡风玻璃顶部中央附近的摄像机来观察车辆在车道中的位置。如果发生无意的车道变更，那么系统将发出声音警告，提醒驾驶员可能发生意外事件。车辆在画有车道标线的路面上行驶时，系统会自动开始运行。系统通过监测转向信号灯、制动开关和车辆速度来辨别有意的车道变更。

欧盟欧洲1997年制订了《欧盟道路交通信息行动计划》，该行动计划涉及到研究开发、技术融合、协调合作和融资、立法等多方面，提议了ITS的五个关键优先发展领域。此后，欧盟在其第六框架计划中，重点研究安全问题，更加重视体系框架和标准、交通通信标准化、综合运输协同等技术的研究，并推动综合交通运输系统与安全技术的实用化。德国DaimlerChrysler公司为其生产的轿车和卡车上均安装了车道偏离预警系统。1)大众的LaneAssist车道偏离警示系统该系统可协助驾驶员将车辆保持在原车道行驶，当因驾驶员疏忽或精力不集中而使车辆可能要驶离车道时，方向盘会振动以提醒驾驶员，从而可以避免交通事故。在车速超过65km/h时，系统通过带有在线控制器的摄像模块评估是否偏移行驶车道，通过组合仪表内的控制灯进行状态显示。如果行驶时偏离了车道，而驾驶者未及时作出反应，系统会根据偏移程度自动修正，同时向驾驶者发出提醒信号。在干预转向过程中，如果车辆已经驶离行车道并且车速降到60km/h以下，车道偏离警示系统便通过方向盘的震动提醒司机，提醒驾驶者进行人为干预。奥迪车道保持辅助系统安装位置2)沃尔沃的LDW系统该系统帮助驾驶员保持在车道一侧合适的位置。如果车辆无合理原因穿越其中一条车道标志线，如没使用指示灯车辆开始变道的时候，系统将会发出声音警告。车速为65公里/小时以上时开始工作。韩国STAR(SteeringAssist&Robust)系统:

组成：车道识别传感器、横摆角速度传感器、前转向执行器和控制器。

车道识别传感器主要由黑白摄像机和图像处理部件组成，摄像头安装在驾驶室后视镜处，指向前方车道，主要功能是识别车道标志线、道路曲率半径、侧向偏移和航向角。

横向角速度传感器主要功能是检测车辆的横摆角速度。

前转向执行器主要由液压动力转向机构组成，主要功能是根据控制器指令对转向机构施加一定大小的力矩，使方向盘转动一定的角度。

控制器的主要功能是计算当前车辆的实际行驶轨迹和预期行驶轨迹这两种轨迹的偏差，必要时发出警告指令和转向执行器控制指令。2.3.2国内研究进展吉林大学吉林大学交通学院智能车辆课题组自2003年以来深入开展了车道偏离预警系统的研究，目前已经完成LDWS车道偏离预警仪的集成化，并且已经完成长距离路面试验及中试，现正积极推进该系统的产品化进程。设计了一种合理的光照模式分类器，使其能根据道路图像的某些特征自适应地将其划分为不同的光照模式类别，然后根据分类结果，程序自动调用相应的图像处理和跟踪算法来进行车道标识线识别和跟踪。研究了基于DSPC64xx的车道偏离预警系统。基于驾驶员方向与速度综合控制的最优预瞄加速度模型，将稳态预瞄动态校正假说应用于高速汽车车道偏离预警系统的研究。国防科技大学针对道路结构的特点，分析了世界坐标系中标志线的详细特征，设计了专用的标志线检测算子；针对性地研究了图像的质量变化，提出了对标志线增强及分段阈值化处理方法。东南大学开发了基于DSP技术的嵌入式车道偏离报警系统。电子科技大学以DSP为核心的实时处理平台，负责实时检测与识别车道，以及车道偏离量的计算。采用非标定相机测量车道的左右方向角而实现报警功能。

金龙公司厦门金龙公司从2010年开始率先开展车道偏离报警系统的自主研发。金龙车道偏离报警系统主要功能部件包括：智能摄像头、LDWS控制器、LDWS翘板开关。通过选装振动靠垫，可实现车道偏离报警的声音、振动等多种提醒方式。为使系统正常工作，车辆必须安装龙翼系统（KL-988金龙车载电脑信息系统），主要目的在于通过龙翼系统接收车辆运行参数有效降低系统的误报率。工作原理：智能摄像头根据LDWS控制器配置的系统参数进行图像分析，识别前方道路图像中交通标线信息，并将识别结果通过CAN总线发送回控制器；LDWS控制器采集KL-988与翘板开关的用户配置信息，结合智能摄像头的识别结果做出车道偏离决策，并将报警信息告知驾驶员。国内外汽车车道偏离预警系统及算法的研究特点：通过预测未来一定时间范围内车辆行驶轨迹的方法来预测车辆偏离车道的时间，对于时间小于一定阈值的，则认为该车辆将发生车道偏离。对于车辆的行驶轨迹主要有三种形式假设。第一种假设是假设车辆的侧向和纵向运动均是匀速直线运动，因此车辆的行驶轨迹为直线；第二种假设是假设车辆的侧向和纵向运动为匀加速运动，因此车辆的行驶轨迹为曲线。第三种假设是假设车辆的运动是跟踪车道曲线的曲率变化而变化的，因此车辆的行驶轨迹与车道曲线的形式是一致的。无论对于何种轨迹预测方式，其算法在预测计算过程中都采用了车辆的航向角不变的假设，忽略了航向角对车辆行驶轨迹曲率变化的影响。

2.4基于视觉的车道线检测方法具有代表性的系统LOIS(LikelihoodofImageShape)系统GOLD（GenericObstacleandLaneDetection）系统RALPH(RapidlyAdaptingLateralPositionHandler)系统道路边界及车道标识线识别方法归结为两类基于特征的识别方法基于模型的识别方法2.4.1

基于特征的识别方法基于特征的识别方法主要是结合道路图像的一些特征，从所获取的图像中识别出道路边界或车道标识线。特征可以分为灰度特征和彩色特征。基于特征的检测算法包括两个部分：特征提取和特征聚合。首先分析道路图像，确定选择哪些特征；然后利用这些特征进行图像分割；最后根据一定的准则将分割结果组合成直观的道路表达。优点在于能适应道路形状，同时检测时处理速度快，但是当道路图像复杂时，边缘检测还需要很多的后续工作来完成对边缘的分析，这会降低系统的实时性；另外，在道路出现阴影和车道线边缘受损的情况时，该方法可能会失效。

1)基于灰度特征的识别方法基于灰度特征的识别方法是从车辆前方的序列灰度图像中，利用道路边界及车道标识线的灰度特征而完成的对道路边界及车道标识线的识别。AlbertoBroggi提出对GOLD系统的车道线检测算法的改进。AndrewH.S.Lai等提出的利用对线条的长度和方向进行聚类分析的方法进行车道线检测与分析。陆建业、杨明等利用市内交通环境中车道边缘具有平行的线性特征作为进行道路检测的主要依据。YujiOtsuka,ShojiMuramatsu利用车道标识线具有向扩张中心（thefocusofexpansion(FOE)）聚焦、当道路边界存在时大部分朝向扩张中心的边缘点都位于道路边界的特征，提出了一种能识别多种车道标识线形状（白线、凸起的人行道标志等）的基于边缘的道路识别方法。R.Turchetto等利用图像中在道路边界处具有较大的高度梯度值和亮度梯度值的特征，针对市内道路环境，主要依靠光度测量和立体视觉获得的距离信息定位道路边缘。ElisabethAgren利用车道标识与车道部分的亮度值差异特性来进行车道标识线识别。AxelGern等融合了两种不同的道路特征进行道路识别。2)基于彩色特征的识别方法基于彩色特征的识别方法是利用从获取的序列彩色图像中，根据道路及车道标识线的特殊色彩特征来完成对道路边界及车道标识线的识别。程洪、郑南宁等提出了基于局部统计特征和主元分析的道路识别方法。BinRan、Henry等提出了基于视频序列彩色图像的道路边界识别方法。2.4.2

基于模型的识别方法基于模型的道路边界及车道标识线识别方法主要是针对结构化道路具有相对规则的标记，根据其形状建立相应的曲线模型，采用不同的识别技术来对道路边界及车道标识线进行识别。1)基于2D道路图像模型的识别方法直线模型、多项式曲线模型、样条曲线模型以及双曲线模型等与采用3D模型方法相比，该方法更便于采用，且不需要精确的标定或知道车辆的自身参数。其不利之处是很难对车辆位置进行估计。

直线道路模型徐友春提出了一种基于全局直线道路模型进行道路边界识别的方法。重庆大学周欣、黄席樾等提出了一种基于单目视觉的车道标识线二维重建方法，其基本思想是根据车道标识线灰度和几何特征建立约束方程，进而跟踪、提取车道标识线，并用二维模型进行重建。YueWang等利用样条曲线对车道标识线进行检测和跟踪。

曲线道路模型常用的弯道模型有同心圆曲线模型、二次曲线模型、抛物线模型、双曲线模型、直线-抛物线模型、线性双曲线模型、广义曲线模型、回旋曲线模型、样条曲线模型、圆锥曲线模型和分段曲率模型等。2)基于3D道路图像模型的识别方法采用道路模型参数和车辆在道路中的位置参数的3D道路边界模型，进而确定图像中的道路边界位置。这种模型主要是用于对距离的分析不是要求很高的没有标识的道路识别。采用3D模型的方法其主要缺点是模型比较简单或噪音强度比较大时，识别精度比较低；模型比较复杂时，模型的更新比较困难。2.4.3基于视觉与其它传感器融合的方法

通过融合多传感器感知到的道路信息，利用多种图像特征对道路进行识别。Tsai-HongHong等利用激光传感器采集图像获得车辆前方的距离信息，采用彩色摄像机与激光传感器联合感知道路表面和定位道路边界。RomualdAufrere等采用多传感器融合技术检测道路边界。其采用的主要传感器包括线扫描激光测距仪、车辆状态估计器、摄像机和激光扫描仪等。这些传感器同时探测和跟踪车辆周边一定范围的物体，用以尽量消除对周边环境的错误感知。

2.5车道偏离预警模型预警模型是汽车车道偏离预警系统的核心，主要功能是判别车辆状态和驾驶员状态，是决定发出告警的关键所在。最简单的车道偏离检测方法是只要车辆任何一个部分超出车道线时，就认为有危险，立即触发警报。这种方法往往可能产生很大的错误警报率，而且这种驾驶员出界之后再报警的方法预留的反应时间很短，使得驾驶员感到很被动。常用的预警模型：

CCP模型(CarsCurrentPosition)FOD模型(FutureOffsetDifference)TLC模型(TimetoLaneCrossing)KBIRS模型(Knowledge-BasedInterpretationofRoadScenes)2.5.1CCP模型判断车辆在车道中的当前位置。令表示车辆中心线相对于车道中心线的距离，当前车辆的宽度设为bc，车辆前轮相对于车道线左右边界的距离为Δy：判断过程：当Δy>0时，表明车辆没有超出两边边界线，不发出偏离警告。当左右两侧任一偏离Δy<0时，表明车辆已横越车道线，需发出偏离告警。2.5.2FOD模型在基于驾驶员驾车行为习惯的基础上，引入了驾驶员自然转向偏移量作为模型参数，设立了虚拟车道线和真实车道线。告警条件：，为车辆转向时可能偏向的位置，V为虚拟车道线的边界位置，为车辆向两边偏离时的横向速度，为车辆相对于两侧车道线边界的距离，T为估计车辆发生偏离的时间，x为车辆将要发生偏离告警的点。2.5.3TLC模型TLC方法是目前车道偏离预警系统采用最多的方法。其思想是计算车辆在预测轨迹上触碰车道边界的时间，根据这一时间来判断车辆是否触界。TLC模型的提出主要是为了能尽可能早的判断车辆可能发生的车道偏离。该模型依据车辆当前的运行状态来推测一定时间以后车辆运行的假设模型，来判断车辆可能发生偏离的时间。根据车辆运动模型的假设不同，相应的方法也不相同，其模型主要分为两种情况。

第一种情况是假定车辆行驶方向保持不变，运动模型可以描述为：

第二种情况是车辆行驶时方向盘转角保持不变，运动模型可以描述为：

两种情况下都涉及到车道中心线，车辆左右车轮对应的方程可描述为：TLC算法有三种方式：一阶TLC算法、二阶TLC算法和基于运动学的TLC算法。一阶TLC算法是考虑了车辆行驶轨迹的最简单方法。该方法是用车辆的侧向位置和侧向速度来预测车辆前轮超过道路边界的时间，并设置阈值。若该时间小于预先设置的阈值则产生报警。触发条件为：一阶TLC算法一阶TLC算法在数值计算上具有一定的稳定性，且使用的变量相对易测，变量Vl可以通过侧向位移的变化得到，但是在侧向速度由位移计算导出的前提下，因为位移有误差，速度也必然出现误差，可能会放大侧向速度的误差，而且这种侧向速度在短时间内不变的假设有可能不正确，这是由驾驶员的转向和道路的情况决定的。二阶TLC算法二阶TLC算法与一阶TLC算法思想基本相同，不同的是对车辆运动轨迹的建模。二阶算法除了考虑侧向位置和侧向速度以外，还用侧向加速度对车辆运动进行建模。触发警报的条件为：二阶TLC算法的假设条件是车辆的侧向加速度在一段时间内是常数，即车辆的运动轨迹曲率为常数。该算法在车辆向道路边界加速运动时，能够比一阶算法更早触发警报，但是其稳定性不好，侧向位置所引起的误差可能会被放大更多，如果想要加强稳定性就需要使用更多侧向位置的数据，这样会增加执行时间。基于运动学的算法

以车辆运动学和道路模型为基础，综合考虑了车辆的侧偏角、横摆角速度和前向速度，从而来预测车辆的触界时间。Cv和Cr分别表示车辆运行轨迹曲率和道路曲率，V为前行速度，w为车辆的横摆角速度，Rre为车辆相对于道路的曲率半径，tc为车辆前轮外沿触界的时间，Sita为车辆侧偏角，d为车辆前轮离道路边界的距离。车辆的触界时间为：触发报警条件为：2.5.4KBIRS模型基于对自然场景的感知。具体实现方法：通过分析车载摄像机拍摄的道路图像，在熟悉物体大致形状的基础上，分析物体是否存在。当车辆左右发生大范围偏移时，场景感知会发生剧烈变化，在这种情况下，就有必要发出偏离预警。2.5.5

基于横向距离安全性的车道偏离评价在考虑车辆与车道之间的相对距离时，将车辆简化为具有四个角点的矩形刚体。因此预期轨迹点与车道线之间的横向距离就转化为角点至车道线之间的距离。提出车辆至左侧车道横向距离的安全性、车辆至右侧车道横向距离的安全性两个基本的模糊评价指标，描述车道偏离预警系统如何通过车辆预期轨迹点相对于车道横向距离的安全性评价车辆是否发生车道偏离，并建立了相应的隶属度函数。选用单极性Sigmoid函数作为隶属函数形式来描述评价指标:

系数a决定函数方向：a>0，函数朝向右方，a<0，函数朝向左方，系数c为隶属度函数值r等于0.5时所对应的自变量x值。车道偏离预警算法是应用上述建立的模糊决策评价指标，对预瞄出的预期轨迹点的安全性进行评价，以判断车辆是否发生车道偏离。通常驾驶员在考虑车辆是否会偏离车道时，会考虑汽车左边两个角点距道路左边界的距离、汽车右边两个角点距道路右边界的距离。如果这两项距离中任何一项小于安全距离，则必然增加车辆偏离车道的可能性。2.6基于视觉的车道偏离预警系统的实现

2.6.1道路图像预处理1、图像的去噪原理去噪的作用是去除图像中的噪声，提高图像的可视性。由于噪声感染的存在，一些图像信号可能会失真，甚至变得面目全非。这给路径识别带来很大的难度，因此，必须对含噪图像进行处理，改善图像的质量，尽可能的使图像中的道路特征能够清晰的呈现。

线性平滑滤波线性低通滤波器是常用的线性平滑滤波器。实现这种滤波器的方法也称为邻域平均法。邻域平均法是一种局部空间域处理的算法，这种方法的基本思想是用几个像素灰度的平均值来代替像素的灰度。假定有一副NN个像素的图像f(x,y)，平滑处理后得到一副图像g(x,y)。g(x,y)由下式决定：同理，可得5X5的模板：一种常见的平滑算法是将原图中一个像素的灰度值和它周围邻近八个像素的灰度值相加，然后将求得的平均值（除以9）作为新图像中该像素的灰度值。Wiener滤波是一种在平稳条件下采用最小均方误差准则得出的最佳滤波准则，该方法就是寻找一个最佳的线性滤波器，使得均方误差最理想。其实质是解维纳—霍夫方程。Wiener滤波器首先估计出像素的局部矩阵均值和方差：利用Wiener滤波器估计出其灰度值：非线性平滑滤波非线性滤波的常用方法是中值滤波。基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中的各点值的中值代替。中值的定义：n各数按值的大小顺序排列。

滤波器输出为：滤波器窗口为A的二维中值滤波可定义为：

2图像的去噪处理常用方法效果对比均值滤波也称线性滤波，主要思想为邻域平均法。有效抑制加性噪声，可以平滑图像，速度快，算法简单。但是无法去掉噪声，只能微弱的减弱它，很容易引起图像模糊。中值滤波特点：首先确定一个以某个像素为中心点的邻域，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。它对去除椒盐噪声有效，但可能改变真正的像素点的值，从而引入误差。自适应滤波利用前一时刻已获得的滤波器参数等结果，自动调节现时刻的滤波器参数，以适应信号和噪声未知或随时间变化的统计特性，从而实现最优滤波。对于随机数字信号的滤波处理，有维纳(Wiener)滤波器、卡尔曼(Kalman)滤波器和自适应(Adaptive)滤波器。

三种方法效果对比：均值滤波：去噪效果十分明显，图像更平滑，边缘部分颜色深浅的对比逐渐变弱，尤其是图像上方的景物部分，逐步变得更模糊。中值滤波：可以在不减小图像对比度的情况下剔除异常值。对于去除椒盐噪声效果最好，对点、线和尖顶较多的图像不宜采用中值滤波，因为一些细节点可能被当成噪声点。自适应维纳滤波：常常能获得比线性滤波更好的效果。可以保留图像的边界和其它高频部分。另外，使用自适应滤波器没有设计任务，wiener2函数进行所有的前期计算并实现滤波器。但是，wiener2函数确实要比现行滤波器花费更多的时间。当噪声是常数幂值附加噪声如高斯噪声时，Wiener2函数工作得最好。选择中值滤波的方法进行图像的去噪处理。2.6.2

基于Zernike矩的车道标识线识别方法1车道标识线模型的建立2基于Zernike矩的直线检测原理

采用基于Zernike矩的直线提取算法得到车道标识线边界直线。图像的阶次的Zernike矩被定义为：

是积分核函数，是的共轭。

如果图像沿逆时针方向旋转角φ，设旋转前后图像的Zernike矩分别为和，则可以证明：

可以得出图像旋转前后Zernike矩的模不变，只是相角发生变化，这个性质被称为旋转不变性。对数字图像而言，图像的阶次的Zernike矩被定义为：

根据Zernike矩的定义可知，计算图像的Zernike矩就是利用核函数对图像加权在单位圆上积分。

建立2个坐标系：图像坐标系和局部坐标系。这2个坐标系关系为：

对边缘建立理想阶跃模型，为边缘所在直线，其在坐标系中的方程为：

设背景和目标的灰度值分别为和，其中为阶跃幅度。设在坐标系中的方程为：带入整理得：

将图像顺时针旋转角，这时边缘直线垂直轴。设旋转后的图像为，则有：对于和，它们对应的积分核函数分别为：

旋转前后Zernike矩之间的关系为：

推导得出：

这样就求解了直线在坐标系中的方程，同时可以得到边缘亚像素级坐标计算公式为：

首先计算出用于进行直线检测时所需的计算Zernike矩的几个模板，然后按照以下的步骤进行直线检测。1)用MXM的模板、对以像素(x,y)为中心的MXM领域加权求和，得到和，计算出边缘强度。2)若（T为统计出的边缘强度阈值），则判断该点为非边缘点，返回步骤(1)对下一像素点进行计算。若，则利用MXM模板对以像素(x,y)为中心的MXM领域加权求和，得到计算出。3)若，返回步骤(1)，计算下一个像素点。，则检测出一个边缘点。

4)利用式(2-38)计算出，然后根据式(2-42)得到当前点的亚像素级坐标。5)根据式(2-34)计算出当前点的。

6)对图像进行遍历，得到每个边缘点所对应的。在参数空间设计一个具有动态链表结构的参数单元集，取阈值，。当、时为一直线上的点，对相应的参数单元投票；当条件不满足时，将新的参数加入链表。完成参数空间投票后，对参数空间取阈值确定直线。3基于Zernike矩的车道标识线识别

将图像划分为两个区域：处理区域A1（图像底部十二分之七），以及不考虑区域A2（图像顶部十二分之五）。由于CCD安装时其光轴与地面平行，车道标识线主要集中在区域A1中。1)车道标识线特征点的提取首先利用基于Zernike矩对图像进行的车道标识线直线边缘检测，得到边缘图像。然后将该边缘图像均分为左右两个子图像。特征点提取的过程用到了车道标识线的两个特征，以左车道标识线为例：(1)在同一扫描行上具有两个边界点，其符号正好相反，左侧边界点为负，右侧为正；(2)两个边界点之间具有一定的间隔。2)车道标识线识别在进行左（右）侧车道标识线识别时，仅处理图像左（右）一侧的区域。在各自检测区域，利用上述方法得到一系列道路标识特征点，然后采用线性回归技术就可以得到车道标识线参数。2.6.3基于建立梯形感兴趣区域的车道标识线跟踪在建立感兴趣区域时，不采用与前一帧中识别出的车道标识线平行的感兴趣区域的方法，而是建立一个非平行的感兴趣区域。采用各感兴趣区域顶部宽度为20个像素，下部宽度为30个像素。判定跟踪算法失效的方法：

2.6.4

车道偏离预警模型的建立采用的车道偏离预警规则主要是基于车辆在当前车道中的横向位置以及方向参数来确立。建立实际道路坐标系：预警触发模型当满足下式时，触发车道偏离预警，右偏。

当满足下式时，触发车道偏离预警，左偏。

当为小轿车时，的值按照式选定。当为货车或大客车时，的值按照式选定。当检测到车辆前轮达到临界报警线时，系统就触发偏离预警警告。警告原理图：1车辆在当前车道中位置、方向参数以及车道宽度的获取

建立车辆动态坐标系。前面已经求出左、右车道标识线参数融合识别结果分别为和。将该融合识别结果转换为重建图像中后，可以得到重建图像中左、右车道标识线参数分别为(k_left,b_left)和(k_right,b-right)。利用这些参数，结合CCD安装高度以及CCD靶面尺寸和镜头的焦距等参数，可以求出车辆在当前车道中位置参数、方向参数以及当前车道宽度。2方向参数估计当前车道宽度估计当CCD安装高度、俯仰角、偏转角、其内部参数以及镜头参数确定以后，在重建图像中车道宽度与实际的道路宽度之间的比例系数可以看作常数。当采用的CCD其时，可简化为：实际道路宽度：4位置参数估计2.7未来展望技术难点：光照变化和阴影遮挡情况下进行有效的道路边界及车道标识线的识别。市内交通环境中道路边界及车道标识线的检测。恶劣的气候环境中道路边界及车道标识线的识别。非结构化道路的识别。发展趋势：鲁棒性强能适应各种天气条件克服光照变化以及阴影条件的影响第三章

汽车安全车距预警技术主要内容3.1引言3.2安全车距预警技术研究进展3.3前方车辆检测方法3.4前方车距测量方法3.5安全车距预警模型3.6基于视觉的安全车距预警系统的实现3.7未来展望3.1引言道路交通事故形势严峻高速公路是全封闭、多车道、具有中央分隔带、全立体交叉、集中管理、控制出入、多种安全服务设施配套齐全的高标准汽车专用公路。高速公路具有行驶速度高、通行能力大等特点，一旦发生事故，后果较为严重。从高速公路事故的主要原因来看，驾驶员超速行驶、疲劳驾驶、违法超车、未保持安全车距等违法行为肇事成为事故的主要原因。从事故的主要形态来看，由于驾驶员未保持足够行车间距，导致尾随相撞的事故较多，是高速公路主要事故形态之一，带来将近一半的损失和人员伤亡。

尾随相撞是指事故车辆在道路上行驶过程中，因为驾驶员违章或者驾驶过失导致其正面部与其他机动车尾部发生接触的交通事故。研究一种道路上对前方车辆能实时检测与识别并能进行安全车距预警的系统，提醒驾驶员存在的潜在车辆追尾的交通事故，从而使驾驶员能及时做出正确处理，对减少类似车辆追尾碰撞的交通事故有着重大的意义。3.2安全车距预警技术研究进展3.2.1国外研究进展1日本对车辆追尾事故预防的研究起源于日本。自20世纪70十年代开始，最先进行了汽车碰撞系统的研究。90年代，由日本运输省为主导，制定了“先进安全汽车”ASV的研究计划。SmartWay计划提出要在车辆上采用诸如车道保持、十字路口防撞、行人避让和车距保持等智能车辆技术。1999年，日本三菱公司引入一套新的驾驶员预警系统，它可以进行车辆离道报警，并借助机器视觉监视车辆侧面和后面的交通情况。本田碰撞缓解制动系统CMBS

当毫米波雷达探测到前方行驶的车辆，判断有追尾的危险时用警报的方式提醒驾驶员，继续接近前车时轻轻制动，以身体感受进行警告。当判断出难以避免追尾时强烈制动。丰田预碰撞安全系统PCS传感器是装在车头的一个毫米波雷达，能自动探测前方障碍物，测算出发生碰撞的可能性。若系统判断碰撞的可能性很大，则会发出警报声，提示驾驶员规避。此时其他主动安全设备也将被整合起来，刹车辅助进入准备状态，协助驾驶员给车辆制动。丰田APCS丰田对PCS的改进版本。除增加双透镜摄像头之外，改善了前置雷达的精度，新加入的近红外系统让APCS在夜间也能工作。新系统可以与主动悬挂和可变齿比转向联动，在危险来临时增加减震器支撑力，同时放大转向比例以规避危险。日产Q502美国VII计划车对车(V2V)系统利用卫星导航系统精确定位车辆所处方位，并通过无线网络把所得信息传送到距离300米以内的车辆上。当预警系统发现危险情况时，能够发出警报声和闪光，同时还能振动驾驶员座椅以避免车祸发生。能够提示前方有停靠车辆，以避免相撞。前方有车辆紧急停车时，系统会发出警报。前碰撞预警(FCW)系统监视本车和前方行车路径上的车辆之间的相对距离和速度，综合驾驶员的其它操控行为，评估碰撞危险程度，在必要时对驾驶员进行告警。雷达和视频的数据融合增加了系统的精度，减少误报警。碰撞缓解系统：3欧盟沃尔沃在碰撞警告和自动制动系统CWAB摄像头、雷达同时侦测，雷达负责侦测车辆前方150米内的范围，摄影镜头则负责前方55米内的车辆动态。车头部的雷达监测前方交通状况，如果安全车距不足，前风挡玻璃上会投射出警示信号，提示驾驶员立即制动，同时刹车卡钳会推动刹车片接近刹车盘，但并不会施加制动力，而是为驾驶员的刹车动作提供最快的反应速度。2007年系统升级，增加了自动刹车功能。博世公司自动紧急制动系统AEB，可自动刹车减慢车速，减轻碰撞强度。紧急制动辅助系统EBA，伴随驾驶者的制动行为进行目的性制动。碰撞预警系统PCW，发出影音警报或急刹提醒。戴姆勒-克莱斯勒防撞系统

奔驰PRE-SAFE安全预警系统系统一旦监测车辆即将发生碰撞时，就会在200毫秒内被激活。预先收紧安全带、自动调整前排乘客座椅，并关闭所有车窗和天窗，防止发生碰撞时产生的异物飞入车内。4以色列前碰撞预警FCWMobileyeC2-270™智能行车预警系统的6大功能之一。当可能与前方车辆发生碰撞时,FCW将在发生碰撞前最多2.7秒发出警报，提醒驾驶员警惕即将发生的与前方车辆或摩托车的追尾碰撞。3.2.2国内研究进展清华大学采用了激光雷达和毫米波雷达实现道路上本车前方的车辆探测。吉林大学研制出具有障碍物识别功能的室外视觉导航智能车，采用视觉和激光雷达融合技术。裴玉龙等建立了车辆防追尾碰撞的车速控制模型。航天工业总公司激光研究室采用窄脉冲半导激光测距技术，所开发的汽车防撞装置作用距离大于30米，测距精度小于1米。许洪国等认为应从人、车和环境三个方面研究交通安全技术，从主动上和被动上避免车辆追尾事故的发生。侯志祥等应用ANFIS，即自适应神经模糊推理系统，建立了高速公路汽车追尾概率模型与临界安全车距模型。上海汽车电子工程中心研制的SAE-100型毫米波防碰撞雷达系统。江苏赛博电子有限公司研制成功的汽车雷达防撞系统。3.3前方车辆检测方法3.3.1基于单目视觉的车辆识别

利用单目视觉采用灰度图像对前方车辆识别的研究最为广泛。车辆检测需依靠有关车辆特征信息，如车辆的形状，车高宽比等作为检测车辆边缘的约束条件。常采用Sobel或Canny算子对图像进行边缘增强处理，获得包含车辆信息的水平和垂直边缘。如何在边缘中寻找出属于车辆的边缘，以便确定车辆存在的区域，方法有：利用边缘特征作为约束条件、基于模板匹配、基于运动目标大小不变的采样法、基于对称性以及基于纹理特征的方法。1利用边缘特征作为约束条件的方法在车辆识别过程中多次滤波，每次都以车辆的边缘特征等先验知识作为约束条件。基于最近的原则，将通过Sobel算子获得的水平和垂直的边缘分成几个8连通边缘区域。然后利用对车辆结构特征的先验知识作为约束条件，将属于车辆的边缘从背景中分割出来。采用Rank滤波器对8连通边缘区域进一步处理，将接近本车的边缘区域保留下来，远离本车的边缘区域被滤掉。采用基于Hough变换的线性滤波器去除噪声。剩下的边缘区域在基于车辆宽高比率的条件约束下，建立一些矩形区域，从而在图像中将车辆区域标识出来。车辆被检测出后，对其进行跟踪。利用所获得车辆信息对车辆的跟踪方法，在对当前图像处理时，采用基于欧氏距离、边缘密度以及车辆区域内像素密度的误差平方和（SSD）三个准则，依次对可能的车辆区域进行匹配，从而检测出前方车辆。同时，采用车辆聚类的算法减少跟踪算法的运行时间，这将保证仅仅对前方最接近本车的车辆进行跟踪。2基于模板匹配的方法获取大量不同道路环境、不同类型的车辆图像，利用基于灰度信息的方法建立车辆特征模板。用模板与待识别图像进行匹配，寻找与模板相似的特征区域，即为被检测的车辆。实际使用中为提高匹配速度，要建立一些感兴趣区域。感兴趣区域可分为两种情况考虑：一种是从后方超越本车的车辆的识别；另一种是对前方出现的不断接近的车辆的识别。对于后方超车的车辆，可利用后方车辆超越本车时，会造成图像左侧灰度信息发生突变这一条件，对车辆进行检测。对于前方出现的车辆，则采用了基于车辆特征的方法。小波理论3基于运动目标大小不变的采样法道路平面上的运动目标距摄像机越远，则在图像中所占的像素越少。现实中互相平行的道路边界，在图像中却是相交的。实际上，现实中运动目标不会因远近而大小不一。慕尼黑大学一所研究机构提出了采样的方法对道路进行重建。方法：首先确定本车的车道线或其它车道。然后对图像中的每个车道，由下向上在水平方向上进行采样。采样过程中，考察每行采样点间以及相邻两行采样点的灰度变化。若灰度量变化超过设定的阈值，则此行及其以后的数行采样点，在水平方向和垂直方向的间隔不变。这样就形成了数个包含车辆信息的采样图像。再对每个采样图像应用一般的车辆检测方法进行处理，便可将车辆检测出来。采样规则：

4基于对称性的方法利用车辆具有较强的对称性特征来实现车辆检测的。过程：建立感兴趣区域。如利用车道线作为约束条件，把车辆局限在车道线内。对感兴趣区域内的像素作基于灰度的对称性检测。通过对称性检测可获得车辆的对称轴以及车辆的宽度。利用透视投影变换的特点，通过先验的知识可获取车辆底部的边界。依据车辆的高宽比，确定车辆存在的矩形区域，完成了车辆的识别。这种方法使用时存在一个缺陷，即对于灰度均匀的路面情况，此时的灰度对称性通常比车辆后部区域的对称性要高，因此容易发生误判。5基于纹理特征的方法

图像纹理指由大量或多或少相似的纹理元或模式组成的结构。用粗糙性来描述图像纹理，其大小与局部结构的空间重复周期有关，周期大的粗糙度大，周期小的粗糙度小。分形维数是估计表面粗糙度的一个重要参数。用基于布朗运动的分形维计算方法检测前方车辆的原理：对于一些自然物体，一般小于1.6；人造物如汽车等的边缘分形维数较大，大于2.0。对于水平边缘和垂直边缘，其水平方向和垂直方向的分形维数等于0。利用这三个分形维参数便可确定图像中可能的车辆区域。3.3.2基于立体视觉技术的车辆识别基本原理：从两个或多个视点观察同一景物，以获取在不同视角下的感知图像。通过三角测量原理计算图像像素间的位置偏差获取景物的三维信息，这一过程与人类视觉的立体感知过程是类似的。单目视觉也可以对前方车辆进行识别与跟踪，但不能准确的获得前方车辆的距离信息。立体视觉由于能够获得图像的深度信息，在车辆前方障碍物探测的研究领域中得到了应用。两种方法：一是首先采用单目视觉对车辆进行识别和跟踪，而立体视觉主要用来测距和对已识别的目标进行验证。二是方法是利用一种称为“v方向视差图”的算法来识别并区分前方车辆的。

3.3.3基于彩色图像的车辆识别彩色图像含有丰富的信息，在图像处理和模式识别领域中被广泛的采用。虽然对彩色图像的处理和分析的实时性较差，但是在对实时性要求不高及环境复杂的情况下，可以获得比灰度图像更多的信息和较好的处理效果。方法：首先对图像进行初始分割，初始分割一般由颜色量化和聚类来完成。量化以后在颜色空间内被划分在同一类别的像素并不一定属于同一区域，为此需要对图像进行分割。在目标分割的基础上，为实现对目标的运动估计，通常可采用光流法，也可运用Kalman滤波对每个分割后的区域进行预测，并画出每个区域的运动轨迹，然后依据区域相邻和轨迹相似两个准则进行区域合并。运动目标提取需要满足两个判断准则，即区域运动轨迹的长度最小和可靠性测度最小。

3.3.4非视觉传感器在车辆检测中的应用红外传感器优点：不受天气和光照条件的影响，对车辆的识别不依靠车辆的颜色或者纹理特征，而且对阴影等噪声不敏感。缺点：是在炎热或阳光充足的情况下识别会受到严重干扰。毫米波雷达传感器和里程计相融合的方法毫米波雷达传感器用来形成距离图像，里程计对本车位置进行估计。在此基础上，结合实时定位和绘图算法对复杂场景中的运动目标如车辆、行人等进行检测和跟踪。激光雷达传感器可实现对目标的检测，尤其是具有二维扫瞄成像的激光雷达，不仅可以识别目标，而且能够获得目标的三维信息。但是这种传感器实时性差，不适合高速行驶的车辆检测。

3.3.5采用多传感器融合方法的车辆识别迄今为止，没有任何一种传感器能保证在任何情况下提供完全可靠的信息。采用多传感器信息融合技术，则在复杂工作环境下，有效克服单一传感器信息获取的局限性，从而导致工作可靠性降低的缺点。两种融合技术：视觉与激光传感器的融合视觉与毫米波雷达传感器的融合3.4前方车距测量方法测距技术则是实现安全车距预警的关键。测距方式：超声波测距方式、毫米波雷达测距方式、激光测距方式和视觉测距方式。3.4.1超声波测距方法1测距原理超声波是指振动频率在20kHz以上的机械被，其穿透性强，具有一定的方向性，传输过程中衰减小，反射能力强。超声波测距仪一般由超声波发射器、接收器和信号处理装置三大部分组成。超声波测距就是利用超声波在空气中的传播速度为已知，测量声波在发射后遇到障碍物反射回来的时间，根据发射和接收的时间差计算出发射点到障碍物的实际距离。超声波测距原理有两种方式：共振式、脉冲反射式由图中关系可得：带入得：超声波所走的距离为：带入得：当H远大于M时，得：要想测得距离H，只要测得超声波的传播时间t。

S=340t/2。2性能特点声波测距仪原理简单，制作方便，成本较低。但其作为高速行驶车辆上的测速传感仪不可取，原因：一是超声波的速度受外界温度等因素影响较大，无法实现精确测距；二是由于超声波能量是与距离的平方成正比而衰减的，只适用于较短距离的测量。3.4.2毫米波雷达测距方法1测距原理雷达是通过测试发射脉冲和目标回波之间的时间差来测量目标距离的。其工作原理与超声波反射类似，差别在于其所使用波的频率比超声波高。毫米波雷达通过天线向外发射一列连续调频毫米波，并接收目标的反射信号。反射波与发射波的形状相同，只是在时间上有一个延迟，发射信号与反射信号在某一时刻的频率差即为混频输出的中频信号频率，且目标距离与前端输出的中频频率成正比。如果反射信号来自一个相对运动的目标，则反射信号中包括一个由目标的相对运动所引起的多谱勒频移。据多谱勒原理就可以计算出相对运动速度。2性能特点毫米波防撞雷达系统有调频连续波雷达和脉冲雷达两种。汽车毫米波雷达防撞系统常采用结构简单、成本较低、