该系统提供智能的车道偏离预警，在无意识（驾驶员未打转向灯）偏离原车道时，能在偏离车道前发出警报，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。
客车作为生产资料的属性决定了安全性是客车行业发展过程中不可回避的重要问题，事关乘客生命和财产安全，也事关运输企业的前途和命运，同时也是保障社会稳定、保证经济发展的重要前提。从世界范围内客车安全的发展趋势来看，科技进步和新技术应用已成为解决道路交通安全问题的重要手段。
车道偏离报警系统（Lane Departure Warning System，简称LDWS）是一种通过报警的方式辅助过度疲惫或者长时间驾驶的驾驶员保持车辆在车道内行驶，减少汽车因车道偏离而引发交通事故的系统。该系统提供智能的车道偏离预警，在无意识（驾驶员未打转向灯）偏离原车道时，能在偏离车道前发出警报，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。本文介绍了一种基于DSP的车道偏离报警系统硬件设计及软件实现方案，通过实际测试验证了算法的实时性及系统的可靠性。
系统总体方案设计
LDWS的功能能实观需要通过视觉传感器捕捉道路交通标线信息，结合车辆自身的运行参数及传感器安装位置判断出当前车辆相对于两侧车道线的横向偏移位置，并根据预先设定的系统参数进行车道偏离报警决策。本文设计的车道偏离报警系统总体设计框架如图1所示。
信息采集模块的主要功能是感知道路环境与车辆自身状态，为报警提供原始信息。主要组成部件为图像传感器，车辆状态信息从CAN总线获取；信息处理模块是通过对获取的图像信息进行处理，识别出道路环境中的可见交通标线，并判断车辆当前位置，为报警提供决策支持；控制决策模块是综合信息处理模块的判断，结合车辆自身车速、转向、制动等信息，进行车道偏离报警决策，适时发出报警指令；报警执行模块对控制器的决策信息做出响应，通过语音、灯光、振动等多种方式向驾驶员传达车道偏离信息。
系统主要硬件选型
LDWS的核心部件为图像传感器及图像处理芯片，考虑到客车不同车型的安装特点，本系统将图像传感器（摄像头单元）与图像处理芯片（DSP电路板）设计在一个总成结构内，同时通过角度调节机构实现系统对于不同倾斜角度前挡风玻璃的适应性。
由于摄像头安装位置（驾驶舱内前挡风玻璃内侧）的特殊性，对于耐高温性能有较高要求，同时，摄像头对于不同光照强度的适应性较普通摄像头有更高要求。因此，本系统选用适合于车辆使用、满足多种工况下使用的高性能图像传感器，并针对车道线识别这一特殊用途开发智能图像处理技术。在图像处理芯片方面，本系统选择TI公司的TMS320DM6437芯片。
系统关键技术及解决方案
LDWS的关键技术包括车道线识别算法和车道偏离报警算法。其中，车道线识别算法是LDWS的核心，其识别效果决定了系统的适用范围，车道线识别的前提是路面存在符合国标的较为清晰的车道线；车道偏离报警算法用于判断车辆是否存在偏离车道的危险，报警算法的设计直接关系到LDWS的实用性与客户体验。
1．车道线识别算法的实现
现有车道线识别算法主要可以分为2大类：一类为基于特征的识别方法，利用道路交通标线的颜色、灰度梯度等特征；另一类为基于模型的识别方法，采用Hough变换、模板匹配等手段对车道线进行识别。通过分析对比国内外现有算法，本系统采用的车道线识别算法具体流程如下。
⑴ 图像预处理。首先根据近视场内车道线可近似为直线的特点，利用地平线预估算法对预处理区域进行合理规划。算法感兴趣的区域为包含车道线信息的区域，这部分区域都处在地平线高度以下。因此，没有必要对地平线以上的区域进行预处理。其次，考虑图像内车道线的灰度特征，本文设计了结合灰度特征的全局自适应阈值方法，在进行阈值计算过程中，通过在图像中下部选取2个相邻的n×n（如8×8）像素大小的正方形，保证选取的区域反映的是图像中路面的平均灰度，分别计算2个正方形区域的平均像素灰度值。然后对这2个区域的平均像素灰度值进行比较，取小值作为自适应阈值的指标量，对灰度较高的车道线信息进行有效提取，并排除背景中各类自然边缘的干扰。应用上述方法的图像预处理效果如图2所示。
⑵ 车道线检测。预处理算法对原始图像进行二值化操作后，去除了绝大部分的背景信息，但前景点集中仍然包含大量无用信息，车道线像素仅占其中的小部分。针对这一问题，本文设计了基于二值化图像利用逐行扫描技术的目标点选取方法。扫描技术在二值化图像中沿水平方向扫描，当扫描到像素时，按照预先确定的某种规则进行判断，以确定该像素是否是真正的车道线像素。该方法的优势在于可以制定较为完善的规则来保证提取结果的准确性，其可以在二值化图像的初始结果基础上，进一步寻找精确的车道线点集，也可以在跟踪时直接利用上轮结果寻找本轮点集。
由于DSP系统处理速度较快，相邻2幅图像中车道线位置不会发生太大变化。因此，当没有上轮识别结果作为先验条件时，系统针对二值化图像利用Hough变换进行整体搜索，在前景点中找到代表车道线的直线。在搜索成功后即进入跟踪状态，车道线跟踪就是在车道线检测的基础上进一步缩小扫描范围，只在上轮识别的车道线周围领域内搜索本轮车道线点，减少计算量。实车路试的车道线识别效果见图3所示，其中绿色线段为识别到的左右车道线，白色虚线位置为模拟车辆宽度，数值代表当前车辆距离两仍车道线的偏移量。
2. 车道偏离报警算法的实现
车道偏离的判断标准主要有横向偏移和越界时间2种。根据本系统的具体应用背景，最终采用基于越界时间（TLC）、速度信号、驾驶员设置状态的综合报警策略：当TLC等于1s、车速高于系统工作启动车速且驾驶员未操纵车辆时报警。经统计研究表明，正常状态下驾驶员纠正车辆横向位置偏差的时间需耗时0.9s，TLC过大又会使系统虚警率过高，因此本系统选取TLC＝1s；系统工作启动车速可通过人机界面进行设置；驾驶员是否操纵车辆由转向灯及制动信号给出。
为确保报警算法对不同的驾驶员有更好的适应性，报警灵敏度可以由用户设置，驾驶员根据自己的驾驶习惯，通过设置按钮提高或降低系统报警级别。每个报警级别对应不同的虚拟车道线位置。报警算法使用虚拟边界作为车道边界，这样就可以实现报警时刻的改变。
其中，实线即为车道线边界，虚线则是用户设置的虚拟边界，如果虚拟边界在车道线内侧，则对应的报警级别较高，系统报警时刻提前；若虚拟边界在车道线外侧，则对应的报警级别较低，系统报警时刻滞后。
结论
LDWS的产业化运用对于提高车辆的行驶安全性、规范驾驶员的不良驾驶行为具有显著的示范效应，目前已经成为国内各大汽车生产厂家的研究热点之一。本文提出的LDWS设计方案结合客车实际使用工况的特点，从硬件设计、结构模型及软件功能方面进行了针对性改进及优化，保证了系统的实时性、适应性及可靠性要求，具有广泛的市场应用前景。
