摘要
车道偏离预警系统作为高级辅助驾驶的主要功能之一，可以在车辆发生无意识偏离时提醒驾驶人员，显著增强汽车的主动安全性能。随着车辆智能化进一步发展，驾驶人员对于车道偏离预警系统的安全性要求进一步提高，但是当前偏离预警系统面临着复杂道路场景下车道线检测失效、颠簸道路上车道线测距不准确以及预警决策算法不能及时预警等多个问题。这些问题影响着系统的安全性，因此有必要开展车道线检测和偏离预警研究，进一步提高偏离预警系统的性能。 本文通过研究车道偏离预警系统面临的核心问题，探究如何采用深度学习技术提高复杂场景下车道线的检测精度，并进一步优化逆透视变换测距方法和偏离预警算法。本文的主要研究工作包括： （1）研究基于大核卷积的车道线检测算法。车道线独特的细长结构使其容易在复杂道路场景中受到遮挡以及极端光线条件的干扰，因此本文考虑在车道线检测模型中引入大核卷积，增强对车道线远距离信息的感知，并基于分解卷积和深度卷积设计一种高效大核卷积模块来降低大核卷积的计算成本。同时为了检测数量变化的车道线实例，提出一种基于位置的车道线实例检测方法，通过约束车道线在图像边界中的位置来灵活且高效地区分不同的车道线实例。在CULane和Tusimple这两个公开车道线数据集上对所提车道线检测算法进行训练与测试，并与其他先进的车道线检测算法进行对比，来验证本文算法在遮挡以及极端光照等复杂驾驶场景中的性能表现。 （2）针对颠簸路面上静态逆透视变换不准确的问题，研究基于平行车道线的动态逆透视变化方法。根据车道线的平行性动态地预测相机传感器的实时俯仰角外参，从而实现在颠簸路面上更准确的逆透视变换，并通过实车试验对本文所提的动态逆透视变换方法进行验证。 （3）针对预警决策算法不及时预警的问题，研究基于连续帧的偏离预警算法。本文通过帧间车辆与车道线相对位置的变化来计算车辆与车道线的相对运动状态，从而预测车道偏离的时间，并通过设置时间阈值和距离阈值综合地预测车辆偏离车道的行为，从而实现更及时预警。 最后利用所提出的车道线检测、逆透视变换和偏离预警算法搭建完整的偏离预警系统，并在PreScan仿真环境和真实道路场景下进行测试。结果显示本文构建的偏离预警系统可以及时地进行预警，为驾驶人员预留足够的纠正时间，同时有着较低的误警率和漏警率，并且可以应对复杂的道路场景，表明本文所提偏离预警系统具有良好的准确性和实用性，可为后续车道线检测和偏离预警研究提供有价值的参考。
NETL