-like特征;采用预设的分类器对提取到的Haar_like特征进行分类，确定前车底边缘位置在视频图像中的位置;根据前车底边缘位置在视频图像中的位置，确定本车与前车的距离A;采用雷达测距信息确定在本车前方距离A的位置是否存在车辆，如果存在，则确定本车与前车的距离为A。
[0100]本发明实施例中，通过Haar-like法进行图像特征提取，以从视频图像中进行前车的检测，由于Haar-like特征具有计算速度快、对边缘特征明显的刚体目标有较好的检测率等特点，可以提高该方法的效率和准确性。除了可以采用Haar-like法进行特征提取外，还可以采用主成分分析法、Gabor特征法或其他方法进行特征提取，这里不做限定。
[0101]另外，本发明中预设的分类器可以采用机器学习方法进行训练学习得到。其中，基于机器学习方法可以是:人工神经网络(Artificial Neural Networks，ANN)、支持向量机(Support Vector Machine，SVM)、自适应自推算法(AdaBoost)等。由于，使用AdaBoost算法构建的分类器的检测速度具有较高实时性，本发明实施例可以使用该算法进行分类器的构建。
[0102]其中，根据前车底边缘位置在视频图像中的位置，确定本车与前车的距离A，可以包括:首先，对摄像头内外参数进行标定，得到视频图像坐标系与世界坐标系一一映射关系;然后，根据上述映射关系和前述处理得到的前车底边缘位置所对应的行数计算出本车与前车的距离。
[0103]其中，采用雷达测距信息确定在本车前方距离A的位置是否存在车辆，可以包括:
[0104]将雷达测距信中障碍物距离与摄像头检测得到的车辆距离进行一一匹配;如果雷达探测到的障碍物的距离和摄像头检测到的车辆距离偏差小于一定阈值，则判定雷达探测到的障碍物为摄像头检测到的车辆，判定此处有车。如果障碍物的距离和摄像头检测到的车辆距离偏差大于或等于一定阈值，判定此处障碍物为干扰物，并非车辆。如果雷达没有探测到障碍物，则以摄像头检测的车辆方位为准。
[0105]步骤204:根据本车与前方车辆的距离确定预设转向角，根据偏航角和预设转向角确定实际转向角，并采用实际转向角进行变道。
[0106]具体地，本车与前方车辆的距离和预设转向角的对应关系可以事先测定并存储在本车上。通常，距离越小，预设转向角度越大。
[0107]其中，根据偏航角和预设转向角确定实际转向角，可以包括:
[0108]向左变道时:当偏航角为向左时，则实际转向角为预设转向角减去偏航角；当偏航角为向右时，则实际转向角为预设转向角加上偏航角。向右变道时:当偏航角为向左时，则实际转向角为预设转向角加上偏航角；当偏航角为向右时，则实际转向角为预设转向角减去偏航角。
[0109]进一步地，在变道前可以先确定左右车道的车况，根据左右车道车况确定向左还是向右变道。
[0110]在变道时，本车根据实际转向角控制方向盘转向，转向的时间可以预设在本车中，在转向的时间完成后，控制方向盘回正。
[0111]进一步地，步骤204还可以包括:
[0112]判断本车与前方车辆的距离的大小，当本车与前方车辆的距离在预设范围内时，控制本车进行变道;否则，不进行变道。其中，预设范围可以是5-10米或者其他范围。这样做一方面可以只在与前方距离较近时，才进行变道，减少变道次数，保证行车安全;另一方面，避免在距离过近时变道，进一步增加行车安全。
[0113]步骤205:在变道完成后，重新计算偏航角，并根据偏航角调整车身与车身所在的道路平行。
[0114]其中，偏航角的计算方法与前述步骤202相同。
[0115]图2c和图2d是本发明实施例提供的本车在从目标车辆(也即前方车辆)后变道到目标车辆旁边时两种场景示意图，如果本车位置如图2c所示，则需要将方向盘向左调整，如果本车位置如图2d所示，则需要将本车方向盘向右调整。
[0116]本发明实施例提供对采集到的视频图像的车道线进行检测，然后根据车道线计算偏航角，再利用偏航角和本车与前车的距离确定实际转向角，采用实际转向角进行变道，整个过程无需用户控制，提高了用户驾驶舒适度，在变道时考虑了车辆自身的偏航以及与前车的距离，保证了变道的安全性。
[0117]图3是本发明实施例提供的一种汽车控制装置的结构示意图，参见图3，装置包括:
[0118]车道线检测单元301，用于获取视频图像，并检测视频图像上的车道线；
[0119]偏航角计算单元302，用于根据车道线检测单元301检测到的车道线计算本车的偏航角，偏航角为本车的中轴线与所述本车所在道路之间的夹角；
[0120]车距计算单元303，用于根据采集的视频图像和雷达测距信息计算本车与前方车辆的距离；
[0121]控制单元304，用于根据车距计算单元303计算出的偏航角以及本车与前方车辆的距离确定转向角度，并采用转向角度进行超车。
[0122]本发明实施例提供对采集到的视频图像的车道线进行检测，然后根据车道线计算偏航角，再利用偏航角和本车与前车的距离确定实际转向角，采用实际转向角进行变道，整个过程无需用户控制，提高了用户驾驶舒适度，在变道时考虑了车辆自身的偏航以及与前车的距离，保证了变道的安全性。
[0123]图4是本发明实施例提供的一种汽车控制装置的结构示意图，参见图4，装置包括:
[0124]车道线检测单元401，用于获取视频图像，并检测视频图像上的车道线；
[0125]偏航角计算单元402，用于根据车道线检测单元401检测到的车道线计算本车的偏航角，偏航角为本车的中轴线与所述本车所在道路之间的夹角；
[0126]车距计算单元403，用于根据采集的视频图像和雷达测距信息计算本车与前方车辆的距离；
[ΟΙ27]控制单元404，用于根据车距计算单元403计算出的偏航角以及本车与前方车辆的距离确定转向角度，并采用转向角度进行超车。
[0128]可选地，车道线检测单元401，包括:
[0129]边缘增强处理子单元411，用于对采集的视频图像进行边缘增强处理；
[0130]二值化子单元412，用于对边缘增强处理子单元411处理过的视频图像进行二值化，得到二值化图像；
[0131]边缘点提取子单元413，用于对二值化子单元412得到的二值化图像进行车道线内外边缘点提取；
[0132]拟合子单元414，用于对边缘点提取子413单元提取后的图像数据采用分区Hough变换拟合车道线。
[0133]可选地，二值化子单元412，用于:
[0134]将视频图像转化为灰度图像;采用灰度图像的图像直方图确定阈值;将处理过的视频图像中灰度值高于阈值的像素置为最高灰度级，将处理过的视频图像中灰度值低于阈值的像素置为最低灰度级。
[0135]可选地，边缘点提取子单元413，用于:
[0136]确定灰度图像的分割阈值；比较灰度图像中每个像素的灰度值与分割阈值的大小;将二值化图像中对应灰度图像中灰度值小于分割阈值的像素点删除，得到处理后的二值化图像;逐行扫描处理后的二值化图像，当出现从起始像素点到终止像素点的灰度值排列满足以下条件时，则判断为车道线的内外边缘:连续多个255和连续多个0交替排列。
[0137]可选地，车距计算单元403，包括:
[0138]特征提取子单元431，