車(chē)道檢測(cè)的目標(biāo)：

1. 車(chē)道形狀，包括寬度、曲率等幾何參數(shù)

2. 車(chē)輛在車(chē)道中的位置，包括橫向偏移量，車(chē)輛與道路的夾角（偏航角）

車(chē)道檢測(cè)與跟蹤一般分為以下幾個(gè)部分：

1. 車(chē)輛、道路、相機(jī)模型

2. 道路特征提取

3. 道路參數(shù)計(jì)算，如曲率，

4. 車(chē)道跟蹤

車(chē)輛、道路、相機(jī)模型

在現(xiàn)代道路設(shè)計(jì)中，道路有比較固定的設(shè)計(jì)模型，因此，對(duì)于高速公路等道路類(lèi)型，車(chē)道的幾何模型可以以固定的形式表示。

車(chē)道弧長(zhǎng)、曲率、偏航角、橫向偏移量構(gòu)成車(chē)輛與車(chē)道幾何模型的要素。

車(chē)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(guò)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(zhǎng)（路長(zhǎng)）的關(guān)系：

C = C0 + C1*L.

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

在世界坐標(biāo)系下，或俯視圖下，在相機(jī)可視范圍內(nèi)，若車(chē)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(zhǎng)和曲率一般表示為：

y = L

x = 0.5*C*L^2

若相機(jī)與車(chē)道的橫向偏移量為d，與車(chē)道的夾角為a，則車(chē)道模型為

y = L

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

從公式來(lái)看，這是一個(gè)拋物線模型。這里沒(méi)有考慮曲率變換率，即忽略了高次項(xiàng)(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(jué)的車(chē)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(shí)際需求。如早期的系統(tǒng)里，檢測(cè)大路（highway）中10米內(nèi)的車(chē)道狀況，應(yīng)用簡(jiǎn)單的線性模型即可。而車(chē)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(shí)，螺旋曲線（高階）或拋物線（二階）模型就更為精確。

相機(jī)模型：

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

道路特征檢測(cè)

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

基于邊緣檢測(cè)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(diǎn)。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(jìn)一步分析其特性，去除干擾，保留符合車(chē)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(bǔ)基本算法的不足。

其他檢測(cè)方法：

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

可調(diào)濾波器steerable filter：

對(duì)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(qiáng)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(gè)角度

對(duì)于濾波器窗口內(nèi)圓形對(duì)稱(chēng)的物體，則兩個(gè)角度的響應(yīng)差不多；而對(duì)車(chē)道，兩個(gè)角度響應(yīng)的差值就比較大，響應(yīng)大的方向就是車(chē)道方向，車(chē)道方向也可以探測(cè)出。

道路參數(shù)計(jì)算

道路方向、曲率的計(jì)算?；舴蜃儞Q是常用的檢測(cè)直線的方法，還有其他方法篩選特征計(jì)算參數(shù)的方法，如最小二乘估計(jì)，RANSAC，這些方法基本上都設(shè)定了道路模型，由特征點(diǎn)來(lái)計(jì)算參數(shù)。但也可以由計(jì)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(cè)下一幀圖像內(nèi)道路特征的位置，在一個(gè)較小的范圍內(nèi)檢測(cè)道路特征，提高效率。若預(yù)測(cè)范圍內(nèi)沒(méi)有檢測(cè)到道路特征，則采用估計(jì)或上一幀特征的位置，若連續(xù)幾幀都沒(méi)有檢測(cè)到道路特征，則啟動(dòng)全圖像道路特征檢測(cè)。KalmanFilter是常用的跟蹤算法。

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

夾角增量 = 曲率 * 長(zhǎng)度

狀態(tài)變量為道路弧長(zhǎng)、車(chē)道夾角、道路曲率、車(chē)道寬度、車(chē)輛的行駛轉(zhuǎn)角作為控制輸入變量。

測(cè)量變量為道路弧長(zhǎng)和車(chē)輛與道路的夾角。

則狀態(tài)轉(zhuǎn)移方程如下：

編輯：jq