技术领域
[0001] 本
发明涉及智能行车监控报警技术领域，具体为一种基于机器视觉的智能行车监控报警系统。
背景技术
[0002] 随着
汽车的使用性广泛，汽车行驶安全越来越受到人们的关注。目前，驾驶员无意识下车道偏离事故频发，针对现有车道偏离预警
算法耗时长、复杂度高等技术问题，提出了一种基于机器视觉的结构化道路实时车道偏离预警算法。根据路面先验知识的改进Otsu算法，并对道路图像进行车道线分割；利用直线模型和约束条件下Hough变化提取车道线，结合车道线与本车的几何关系对多车道场景进行当前车辆行驶车道线的确定；Kalman滤波
跟踪车道线，并对不连续车道线或被遮挡部分进行直线参数预测；融合
偏航角和
像素距离信息实现偏离预警。在内部
智能芯片处理下，算法可以有效地对车道线进行分割识别跟踪，并对偏离现行车道地车辆发出预警
信号，算法处理速度可达约每秒19
帧,较好地满足了结构化道路环境下偏离预警性能要求。
发明内容
[0003] (一)解决的技术问题
[0004] 针对
现有技术的不足，本发明提供了一种基于机器视觉的智能行车监控报警系统，解决了驾驶员无意识下车道偏离事故频发，从而导致车祸的发生问题。
[0005] (二)技术方案
[0006] 为实现上述目的，本发明提供如下技术方案：1.一种基于机器视觉的智能行车监控报警系统，包括TMS320DM642芯片、SDRAM
存储器、
图像采集模
块、
图像处理模块、缓冲输出模块、蜂鸣器警报模块和按键驱动
电路模块，其特征在于：所述图像采集模块采集到的信号卡接安装在SDRAM存储器内部，所述SDRAM存储器内部设置从各部分双存储结构，且内部安装有两个交错的存储整列，所述TMS320DM642芯片通过数据线与SDRAM存储器电性连接，所述TMS320DM642芯片的输出端通过
导线与PCLD时序
控制器电性连接，所述PCLD时序控制器通过传输线与存储器ROM和输出换种模块电性连接，所述存储器ROM的输出端通过导线与DA转换器电性连接。
[0007] 优选的，所述图像采集模块包括CCD摄像机和数字摄像机，所述CCD摄像机通过数据线与AD转换器电性连接，所述数字摄像机通过切换
开关与SDRAM存储器电性连接。
[0008] 优选的，所述图像处理模块通过导线与SDRAM存储器电性连接，所述SDRAM存储器通过数据线与TMS320DM642芯片电性连接，所述TMS320DM642芯片设置有ROI区域映射模板，所述TMS320DM642芯片的输出端通过数据线与存储器ROM电性连接。
[0009] 优选的，所述输出缓冲模块通过导线与PCLD时序控制器电性连接，所述PCLD时序控制器通过控制线与DA转换器电性连接，所述DA转换器通过导线与TMS320DM642芯片电性连接。
[0010] 优选的，所述蜂鸣器预警模块包括语音报警器，所述TMS320DM642芯片通过控制线与蜂鸣器预警模块上的语音报警器电连接。
[0011] (三)有益效果
[0012] 本发明提供了一种基于机器视觉的智能行车监控报警系统。具备以下有益效果：
[0013] (1)、该基于机器视觉的智能行车监控报警系统，通过ROI区域映射模板的设置，从而达到了减少了算法的计算量，大幅提升了系统的实时性，利用ROI区域映射模板的Otsu算法，图像二值化时，利用全局
阈值与路面范围内平灰度值相结合得出最佳分割阈值，做到最大限度地加强道路线目标特征，并抑制或消除背景信息，从而加强道路线检测的鲁棒性。
[0014] (2)、该基于机器视觉的智能行车监控报警系统，并通过利用TMS320DM642芯片中选用直线约束下的Hough变化分析，解决了车道线模糊、车道线虚实结合或车道线被遮挡等条件下的车道线准确提取问题。
[0015] (3)、该基于机器视觉的智能行车监控报警系统，而且通过智能预警行车记录的TMS320DM642芯片的设置，其具有阵列处理器的数字处理能
力，适合系统的算法，且外围集成了非常完整的音频、视频和网络通信
接口，十分适合与语音报警设备连接。
附图说明
[0016] 图1为本本发明所设计的一种基于机器视觉的智能行车监控报警系统的总体流程示意图；
[0018] 图3为本发明的ROI区域映射示意图；
[0019] 图4为本发明结构化道路车道线提取示意图；
[0020] 图5为本发明偏航角示意图。
具体实施方式
[0021] 下面将结合本发明
实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0022] 如图1所示，本发明提供一种技术方案：一种基于机器视觉的智能行车监控报警系统，包括TMS320DM642芯片，图像采集模块，图像处理模块，缓冲输出模块，蜂鸣器警报模块，按键驱动电路模块，图像采集模块包括CCD摄像机和数字摄像机，CCD摄像机将采集到的图像作为
模拟信号，经过AD转换器变为
数字信号，与数字摄像机采集到的数字信号一同经过切换开关，暂时存放在SDRAM存储器中，SDRAM与PCLD时序
控制信号共享一个时钟周期，SDRAM为双存储体结构，内含两个交错的存储阵列，当TMS320DM642芯片从一个存储体或阵列
访问数据时，另一个就已为读写数据做好了准备，通过这两个存储阵列的紧密切换，读取效率就能得到成倍的提高；然后，TMS320DM642芯片接受指令，处理采集到的图像信号，经过PCLD时序控制电路处理，PCLD时序控制电路与存储器ROM和输出换种模块连接，将处理过后的图像信号存于存储器ROM；经过图像滤波暂存处理，得到有效的数字信号，处理过后的数字信号经过DA转换器，得到图像二值化，Hough变化和Kalman滤波后的模拟图，从而判断车道是否偏离；如果车道偏离，则发生蜂鸣器报警；反之，蜂鸣报警器不发出警报。
[0023] 如图2所示为本发明的图像处理算法流程图；首先对图像进行处理，图像处理模块将存储于SDRAM存储器中的图像信息送给芯片TMS320DM642，选取车前部分图像作为感兴趣区域，也就是ROI区域，采用改进的Otsu算法，在图像二值化的过程中，利用全局阈值与路面范围内平均灰度值相结合得出最佳分割阈值，最佳分割阈值表示为然后将经过处理后的图像信息送入存储器ROM中。
[0024] 最佳分割阈值的求解流程为：
[0025] 1)计算各灰度
频率，其中M、N为图像长宽值，ni为i灰度级下像素个数[0026]
[0027] 2)分别计算目标类和背景类灰度级和，其中m为灰度阈值，L为总灰度级[0028]
[0029] 3)计算目标类和背景类的类内中心
[0030]
[0031] 4)遍历各灰度级阈值，使得类间方差最大值为Otsu算法得到的全局阈值，算法得到的全局阈值threshold
[0032] δ2＝P1(ω1-ω0)2+P2(ω2-ω0)2＝P1P2(ω2-ω1)
[0033] 5)考阈值：选取车辆前方6块5*5像素的路面区域，选取方差值小于自定义阈值的分块图计算其平均灰度值avg。则参考阈值设为：
[0034] threshold_avg＝acg*k k∈[1,2]
[0035] 6)求最佳分割阈值：
[0036]
[0037] 7)图像二值化：当图像灰度值大于最佳阈值时，认为是目标类，取值1；否者为背景取值0。
[0038] 上述算法利用改进的Otsu算法对道路图像二值化，然后作图像增强区域像素点去除、像素连接以及
腐蚀等操作，使得图像中车道线与道路背景分割明显并得到单灰度值车道线；接着对车道线进行检索跟踪，选取静态感兴趣区域ROI，对道路区域进行粗
定位，将识别区域
锁定在车前方道路，然后采取基于Hough的约束直线检测方法对车道边缘进行检测，对于多条候选车道，利用摄像头与道路所处
位置的几何关系得到当前所在道路车道线。车道线跟踪预测采用Kalman
滤波器，对预测值和测量值进行对比判断，得到最优车道参数；最后基于消失的点对车道偏离进行预警，利用偏航角和像素距离信息融合方式，对二者进行阈值范围内判定完成偏离预警。
[0039] 输出缓冲模块是与PCLD时序控制电路之间电性连接，将图像信息作为数据存放在输出缓冲区，然后经过DA转换器，将数字信号变为模拟信号，经过直线约束下的Hough变化和Kalman滤波后，提取到车辆所在车道的车道线，产生实际车道运行的模拟图像，得到模拟图像，根据车道线参数计算偏航角φ，再根据
车身与道路的比例，计算出偏航角φ应保持的一个阈值范围。
[0040] TMS320DM642芯片与蜂鸣器预警模块的语音报警器之间电连接，获取到的车辆的偏航角φ，若偏航角φ不在安全阈值范围内，芯片输出端产生相应的电平信号，即发出信号使蜂鸣器报警。报警之后，经按键驱动电路复位，系统重新工作。
[0041] 如图3所示为ROI区域示意图；根据摄像头安装在汽车前方挡
风玻璃中线处以及图像中道路位置分布等先验知识，决定了具有清晰完整的车道线区域占总图像的35％，其余部分为天空、道路两侧环境、车前机盖遮挡物等。在实际应用中，根据用户对摄像头位置及角度等的摆放，可以选取不同的区域占比来进行后续处理，从而大幅度提升系统的实时性并减少算法计算的复杂度。
[0042] 如图4所示为结构化道路车道线提取示意图；对ROI进行图像二值化，并建立
坐标系对车道路面图像进行模型化，对θ进行左右车道取值范围约束，建立参数空间二维数组(ρ，θ)，分别顺序搜索RR和LR区域内的所有白色像素点，遍历θ所有的可能值，根据ρ＝xcos(θ)+ysin(θ)计算对应的ρ值，将利用参数空间求得的点转化至直角坐标系中得到所有检测到的直线，计算O点与所有检车直线的距离d，垂直距离最短的左右两条直线几位当前行驶中的车道线L1、L2。
[0043] 如图5所示为偏航角示意图；对于拍摄的道路图像而言，其中线底部
选定一点可认为是当前车辆所处位置，即拟车辆点；而道路消失点是左右两车道线的交点，消失点与拟车辆点连线的
水平角度定义为本算法中的偏航角。D为道路L1、L2相交形成的道路消失点，M为拟车辆点，d1、d2分别为拟车辆点距左右车道线水平像素距离，φ为算法定义中的偏航角，同时本
说明书中未作详细描述的内容均属于本领域专业技术人员公知的现有技术。
[0044] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0045] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、
修改、替换和变型，本发明的范围由所附
权利要求及其等同物限定。
