一种车辆及其转向角度的检测方法和系统与流程

本发明无人车驾驶领域，具体涉及车辆及其转向角度的检测方法和系统。

背景技术：

在无人车的实际运行过程中，必须把车辆的转向角实时反馈给控制系统，才能实现无人车的闭环反馈控制，从而提高控制的实时性和准确性，确保无人车的行驶安全。车辆在转向不足或转向过度时都可能导致车辆发生侧滑，情况严重时会发生急转或翻车，若能准确的得到车辆实时转向角，则可结合车辆动力学模型分析转向角对车辆行驶的影响，从而提升无人车的综合性能。现阶段对于无人车的转角测试检测主要分为解体检测和非解体检测两大类。

申请号为201711045769.5的专利公开了一种电动汽车方向盘转角非连续测试及制动安全系统，属于汽车安全技术领域，包括转向轴和压电装置，转向轴通过凸杆与压电装置连接，压电装置设置在压电固定装置内，压电固定装置设置在壳体内，转向轴为方向盘转向轴，与方向盘固定在一起；凸杆包括杆体、滚轮和销轴，杆体固定在转向轴上，滚轮通过销轴固定在杆体上，滚轮围绕销轴转动，转向轴转动带动杆体转动，杆体带动滚轮转动，滚轮与压电装置接触。该发明具有转向、显示、智能转向制动等功能，利用压电结构收集转向信号，经过控制系统累加器求出方向盘转角，同时根据车速与转角关系分析汽车安全性，并控制abs制动系统，提高安全性。

文献《一种基于dsp的测量车辆转向方位角的新方法》在车辆方向盘上安装增量式光电编码器，检测准确度较高，但该方法改变了车辆原有的结构，不利于车辆的上路行驶。malinen等通过运动学约束估计方向盘转角《faultdetectionofsteeringwheelsensorsignalinanactivefrontsteringsystem》，并用于主动转向系统的设计中，该算法得到的方向盘转角是估计值，可以监测转向盘的异常操作，避免重大事故的发生，但由此得到的车辆转向轮转向角的准确性不高，因此不能用于系统的精确控制设计。

文献《基于逆系统方法的汽车方向盘转角识别》以车辆方向盘转角输入的状态方程为基础，以闭环仿真得到的侧向加速度响应作为逆系统输入，逆系统的输出即为原系统的输入方向盘转角，该方法识别的方向盘转角和实验车辆的方向盘转角运动趋势相似，但文中并未对其识别角度的误差进行分析。在直接实现转向轮转向角检测的各方法中，主要采用非图像传感器实现转向轮的转向角检测，如采用台板转盘机构检测转向角《双轴转向汽车车轮转角自动测试系统研究》，但该方法无法在车辆正常行驶中实现对转向角的检测。文献《智能车辆速度和前轮转向偏角测量系统研究》采用了硬件角位移传感器法，但仅给出了一个转角方向的实验结果，只是将2个转向轮的检测结果进行了相互比较，而没有将检测值与其他方法进行比较。

可见现有的无人车转向角度检测，需要改变原有无人驾驶车辆的转向结构，成本高且存在安全隐患；或者通过方向盘间接检测，但准确性不高。

技术实现要素：

本发明主要提供一种车辆及其转向角度的检测方法和系统，无需改变车辆的转向结构，通过图像识别技术检测转向角度，提高了检测的准确性。

根据第一方面，一种实施例中提供一种车辆转向角度的检测方法，包括如下步骤：

图像获取步骤，实时获取车辆的至少一个转向轮轮胎的图像；

边缘检测步骤，对当前的所述图像进行边缘检测，得到包含所述轮胎边缘的二值图像；

边缘线确定步骤，检测出所述二值图像中的轮胎的边缘线；

角度检测步骤，根据所述边缘线得到当前车辆的转向角度及转向方向。

所述的车辆转向角度的检测方法，其中，所述检测出所述二值图像中的轮胎的边缘线的步骤包括：

在当前图像的二值图像中，根据前一帧图像检测出的边缘线的参数得到感兴趣区域；所述感兴趣区域的面积小于二值图像的面积；

对所述感兴趣区域进行检测得到轮胎的边缘线。

所述的车辆转向角度的检测方法，其中，所述检测出所述二值图像中的轮胎的边缘线的步骤包括：

对所述二值图像中边缘的各个特征点进行hough变换；把hough变换所需的角度均匀分成n等份；

对每一等份的角度均采用一组对应的预设hough变换引擎同时进行hough变换，以检测出所述轮胎的边缘线。

所述的车辆转向角度的检测方法，其中，所述实时获取车辆的至少一个转向轮轮胎的图像的步骤包括：安装在车辆的左倒车镜上或右倒车镜上的图像传感器实时采集对应的转向轮轮胎的图像。

根据第二方面，一种实施例中提供一种车辆转向角度的检测系统，包括：

图像采集模块，用于实时获取车辆的至少一个转向轮轮胎的图像；

边缘检测单元，用于对当前的所述图像进行边缘检测，得到包含所述轮胎边缘的二值图像；

边缘线确定单元，用于检测出所述二值图像中的轮胎的边缘线；

角度检测单元，用于根据所述边缘线得到当前车辆的转向角度及转向方向。

所述的车辆转向角度的检测系统，其中，所述边缘线确定单元具体用于：

在当前图像的二值图像中，根据前一帧图像检测出的边缘线的参数得到感兴趣区域；所述感兴趣区域的面积小于二值图像的面积；

对所述感兴趣区域进行检测得到轮胎的边缘线。

所述的车辆转向角度的检测系统，其中，所述边缘线确定单元具体用于：

对所述二值图像中边缘的各个特征点进行hough变换；把hough变换所需的角度均匀分成n等份；

对每一等份的角度均采用一组对应的预设hough变换引擎同时进行hough变换，以检测出所述轮胎的边缘线。

所述的车辆转向角度的检测系统，其中，还包括安装在车辆的左倒车镜上或右倒车镜上的图像传感器；

所述图像传感器，用于实时采集对应的转向轮轮胎的图像。

根据第三方面，一种实施例中提供一种车辆，包括：

存储器，用于存储程序；

处理器，用于通过执行所述存储器存储的程序以实现如上所述的方法。

根据第四方面，一种实施例中提供一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现如上所述的方法。

依据上述实施例的车辆及其转向角度的检测方法和系统，其中，所述方法通过实时获取车辆的至少一个转向轮轮胎的图像；对当前的所述图像进行边缘检测，得到包含所述轮胎边缘的二值图像；检测出所述二值图像中的轮胎的边缘线；根据所述边缘线得到当前车辆的转向角度及转向方向。可见，本发明通过对转向轮轮胎的图像进行一系列处理后能实时的、直接的得到车轮的转向角度，无需改变车辆的转向结构，准确性好。

附图说明

图1为本发明提供的车辆转向角度的检测系统一实施例的结构框图；

图2为本发明提供的车辆转向角度的检测系统中，图像传感器安装位置示意图；

图3为本发明提供的车辆转向角度的检测系统另一实施例的结构框图；

图4为本发明提供的车辆转向角度的检测系统中，卷积结构的示意图；

图5为本发明提供的车辆转向角度的检测系统中，hough变换的流程示意图；

图6为本发明提供的车辆转向角度的检测系统中，圆的旋转变化示意图；

图7为本发明提供的车辆转向角度的检测方法的流程图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

本发明提供的车辆，如图1所示，包括车辆转向角度的检测系统，该系统包括：至少一个图像传感器1，图像采集模块31和处理模块32。

图像传感器1，用于实时采集对应的转向轮轮胎的图像。

图像采集模块31，用于实时获取图像传感器1输出的图像。

处理模块32，用于对图像采集模块31当前获取的图像进行边缘检测，得到包含轮胎边缘的二值图像；检测出二值图像中的轮胎的边缘线；根据所述边缘线得到当前车辆的转向角度及转向方向。

可见，本发明通过对转向轮轮胎的图像进行一系列处理后能实时的、直接的得到车轮的转向角度，无需改变车辆的转向结构，准确性好。本发明提供的系统，由于实时性和准确性好，非常适合检测无人车的转向角度，极大的提高了无人车的控制精度和安全性。

图像传感器1可设置一个或两个，本实施例中，如图2和图3所示，图像传感器1设置两个，分别安装在车辆的左倒车镜上和右倒车镜上。左侧图像传感器朝向左前轮，右侧图像传感器朝向右前轮。采取此种安装方式无需拆解车身结构，能比较直观的获得前轮的实时图像。而且图像传感器1的安装位置较高，可以避免地面扬尘和雨水的影响，有效的确保了所获图像的清晰度和稳定性，提高了转向角度检测的精准度。

本实施例中，图像传感器1采用高速图像传感器，例如，采用高速相机。其处理速度快，可以实现高帧频拍摄，图像信息处理和传输能力强，而且支持随机窗口读取功能，提高了灵活性。

在高速图像传感器选取时，选择cmos图像传感器，其相对于传统的ccd传感器具有处理速度快、功耗低、集成程度高、抗干扰能力强等显著优势。

图像传感器1采用一组工作电源供电，使得图像传感器1的兼容性更强，有利于简化高速相机电源结构，延长工作时间。cmos图像传感器尺寸小、集成度高，无需配置图像信号放大器等外部电路，节约空间并简化高速相机电路结构，有利于实现高速相机的小型化，易于安装在车辆的倒车镜上；外部电路减少，集成度高也能够提高高速相机的稳定性。

请参阅图3，所述系统还包括信号转接子卡2，fpga板卡3和车载电脑4。所述图像采集模块31和处理模块32设置在fpga板卡3上。fpga板卡3上还设置有控制模块33、通信模块34和数据传输模块35。

安装在车辆左右倒车镜上的高速图像传感器1通过信号转接子卡2与fpga板卡3的图像采集模块31相连。fpga板卡3对高速图像传感器1的数据数据进行处理后通过数据传输模块35发送给车载电脑4。

高速图像传感器1将光学系统(例如，镜头)采集到的光信号转换为电信号，并在片内对模拟信号进行处理后以数字信号的形式输出。

控制模块33为图像传感器1提供驱动时序，控制图像传感器1的工作模式、积分时间、帧频等，并协调整个系统的工作。

处理模块32对图像采集模块31采集到的数字化图像数据进行处理后发送到数据传输模块35。

数据传输模块35基于数据传输芯片，将数字化图像数据按照指定的通讯协议传输到车载电脑4的主控系统。本发明充分利用数据传输芯片的性能和优势，建立与主控系统实时通讯，实现数字化图像数据的实时传输。

通信模块34实现成像系统控制指令接收和工作状态反馈，负责接收主控系统下发的控制命令。控制命令用于控制控制模块33与处理模块32的工作模式。通信模块34还用于将控制模块33与处理模块32等的工作状态反馈给主控系统，用于监视转向角度的检测系统的运行状态。

其中，控制模块33与处理模块32负责检测系统中各个模块间的协调工作，控制图像传感器工作，是检测系统的核心模块。

进一步的，处理模块32包括边缘检测单元321、边缘线确定单元322和角度检测单元323。

边缘检测单元321，用于对图像采集模块31当前获取的图像进行边缘检测，得到包含所述轮胎边缘的二值图像。边缘检测是检测轮胎边缘线的重要步骤之一，其好坏直接影响后续算法的效果。通过对当前多个边缘检测算法进行比较分析，本发明选取传统的canny算法(canny边缘检测算法)或适合fpga运算的窗口卷积sobel算法(索贝尔算法)进行边缘检测，两者都是效果较好的边缘二值化算法。本实施例中，由于采用了fpga板卡，故采用适合fpga运算的窗口卷积sobel算法。

如图4所示，fpga板卡中，采用流水线结构的时间并行和空间并行进行运算，非常适合实现基于卷积结构的算法，以提高边缘检测的运算效率。

边缘检测单元321包括行移位寄存器和触发器；图像采集模块31获取的图像以图像数据的形式随着系统时钟依次流水进入fpga中(边缘检测单元321中)，通过行移位寄存器和触发器，即可同时得到图像中相邻m×m窗口中的数据，并对其进行处理,即进行边缘二值化处理。因此，在fpga中实现卷积结构的算法时可在不保存整幅图像的同时，边取数据边进行相应的处理，因此，对实现如sobel算法等基于卷积结构的滤波算法具有很高的效率。其中，m为大于等于1的整数，本实施例中m为3。

考虑到轮胎边缘具有内侧边缘和外侧边缘，如果能够同时使用双边缘的信息来检测轮胎的边缘，并进行模型匹配将提高角度检测的准确率。因此，如果能使用两个边缘检测模板，分别检测轮胎的内缘和外缘，然后对它们进行匹配，就能大大提高边缘检测的正确率。而传统的处理器均为串行计算结构，边缘检测模板数量的增加会引起运算时间的线性增加，对系统的实时处理提出了更高的要求。可见，本发明利用多个不同的窗口卷积模板(即上述的边缘检测模板)同时检测轮胎的内侧边缘和外侧边缘，然后通过对两条边缘进行并行匹配，得到轮胎的两个边缘。由于其算法的核心都是基于窗口卷积技术，因此，边缘检测算法可实时实现。

边缘检测单元321处理得到包含轮胎内外侧边缘的二值图像后，需要识别内外侧的边缘线，故由边缘线确定单元322检测出二值图像中的轮胎的边缘线。例如，划分(规划)二值图像中边缘线的感兴趣区域，进而对感兴趣区域进行检测得到轮胎的边缘线。感兴趣区域的面积小于二值图像的面积。划分二值图像中边缘线的感兴趣区域，可以根据轮胎边缘和车辆的车身轮廓来划分，剔除轮胎边缘线以外的背景。也可以根据前一帧图像检测出的边缘线的参数来划分感兴趣区域。通过划分感兴趣区域，极大的减少了后续的计算量，提高了效率。

本实施例中，边缘线确定单元322在当前图像的二值图像中，根据前一帧图像检测出的边缘线的参数得到感兴趣区域。当前帧图像的边缘线参数可以以上一帧图像边缘线参数为基础限定范围进行得到感兴趣区域，在感兴趣区域内可以快速地检测到边缘线。边缘线的参数可以是边缘线的坐标。基于帧间关联的边缘线进行检测，不仅降低了图像数据的运算量,缩减了算法的执行时间,而且提高了算法的鲁棒性。

本实施例以三帧图像为例进行说明：

(1)前一帧图形的轮胎边缘线参数为(ρ1,i-1,θ1,i-1)和(ρ2,i-1,θ2,i-1)，对前一帧参数进行约束能够得到当前帧的感兴趣区域；

(2)在感兴趣区域进行hough变换(霍夫变换)得到当前帧的轮胎边缘线参数(ρ1,i,θ1,i)和(ρ2,i,θ2,i)，得到当前帧的参数之后可以确定下一帧图像的感兴趣区域；hough变换是图像处理中从图像中识别几何形状的基本方法之一；

(3)在下一帧图像的感兴趣区域内进行hough变换得到轮胎边缘线参数，重复(1)和(2)，便可得到视频流的轮胎边缘线跟踪。

边缘线确定单元322得到感兴趣区域后，对感兴趣区域进行分区；对分区进行识别，提取各区内的曲线簇；分析各分区内曲线簇的几何特征来确定属于边缘线的曲线段；将各分区划分为内侧区和外侧区。内侧区内各个边缘线的曲线段连接起来就从二值图像中识别到了轮胎内侧的边缘线，外侧区内各个边缘线的曲线段连接起来就从二值图像中识别到了轮胎外侧的边缘线。其中，分析各分区内曲线簇的几何特征来确定属于边缘线的曲线段，可以对各分区内曲线簇采用hough变换，从而确定属于边缘线的曲线段。

本实施例结合fpga并行处理的优势和特点，对传统的hough变换进行了改进，其变换流程如图5所示，同样的，hough变换采用在空间上并行处理和时间上流水线处理。在空间上，结合fpga多核同时运算的特点，根据二值图像的边缘(边缘图像)，存储各分区内曲线簇(曲线簇表示各类边缘)上特征点的位置信息，根据这些特征点，把hough变换的所需的角度均匀分成n等份，对每一等份的角度单独采用一组hough变换引擎进行变换处理，以检测出属于边缘线的曲线段，从而提高其工作效率。一个等份对应一组hough变换引擎，hough变换引擎预先设置。如图5所示，在n条线路上，每一组hough变换引擎在时间上流水线作业，使hough变换的每一次计算皆可在一个时钟周期内完成。从而极大的提高了hough变换的效率。其中，n为大于1的整数。

轮胎的边缘线通常是椭圆，得到边缘线即可得到对应椭圆的焦点。为减小hough变换的存储空间，将当前的hough变换的原点设置为上一帧图像的边缘线的焦点，使hough变换的存储空间大大减少。

角度检测单元323，用于根据所述边缘线得到当前车辆的转向角度及转向方向。具体的，角度检测单元323对各个分区的曲线段的多个点(例如特征点)进行曲线拟合，得到拟合的曲线段，对轮胎内侧区和外侧区的拟合的曲线段进行重构，得到轮胎内侧的边缘线和外侧的边缘线；根据重构得到的边缘线得到当前车辆的转向角度及转向方向。例如，根据圆的旋转角度检测法，来计算初步的转向角度及转向方向；为便于消除噪声及异常值，还利用车辆运动的连续性特点对数据进行有效性判断，从而得到了当前车辆的转向角度及转向。例如，车辆正常行驶时转向角度变化连续，而相邻两帧图像的时间间隔为固定值，因此相邻两帧图像的转向角度不应出现大幅度的跳变。根据连续几组相邻帧转向角度的变化量，可知车辆的转向趋势，利用该转向趋势即可判定转向的有效性。当然，角度检测单元323还可以根据边缘线确定单元322得到的连续几组相邻帧边缘线参数(边缘线坐标)，计算得到连续几组相邻帧边缘线参数的变化量，比较这些变化量与预设的阈值的大小，若变化量超出阈值，说明转向幅度不正常，则可认为对应的转向角度无效。

车辆在行驶过程中，前轮(转向轮)会出现外倾角及前束角，相对于转向轮的转向角，外倾角一般很小，可忽略，即可以认为转向轮仅在垂直于地面的方向上有转角。转向轮外边缘呈现近似为圆的特征，为此将转向轮用圆替代，故本发明采用圆的旋转角度检测方法实现对转向角的检测。

具体的，角度检测单元323建立如图6所示的直角坐标系，轮胎边缘线为圆形，其在初始位置时的转向角度为0°，此时在坐标系中看到的轮胎边缘线为一直线(边缘线的透视图为直线)，即图6中的垂线。转向轮一旦开始转向，则坐标系中看到的边缘线变成椭圆(边缘线的透视图为椭圆)。随着转向角度的增大，透视图看到的椭圆的短轴不断增大，长轴保持不变。当转向角度增大到90°时，椭圆的长轴与短轴相等并呈圆形。由图6可知，旋转角度的计算公式为：

α＝arcsina/b(1)；

式中：a为边缘线确定单元322得到的边缘线在坐标系中透视看到的椭圆的短轴；b为边缘线确定单元322得到的边缘线的半径，即所述椭圆的长轴。已知椭圆方程为

式中：x0、y0为椭圆圆心的横坐标值、纵坐标值。式(3)可表示为

其中，且a＞0，d＞0

可见，若能得到式(4)中的椭圆参数a、b、c、d，则可求得a、b的值，边缘线的旋转角度即可由式(1)获得。因此，角度检测单元323对各个分区的曲线段的多个点进行曲线拟合，得到曲线段在所述坐标系内的方程，对拟合的曲线段进行重构，从而得到内侧边缘线、外侧边缘线位于坐标系内形成的椭圆的方程，即得到式(4)中的椭圆参数a、b、c、d，根据式(1)得到转向角度。

本发明利用图像传感器实现车辆转向角度的检测，传感器易于安装、不对车辆结构造成破坏、且检测准确度高，能够在车辆正常行驶中实现对转向角的检测。为了保证检测的准确度，在考虑易于安装的基础上，高速图像传感器的安装位置、角度的选取，应以获取的图像特征突出有利于识别为原则来进行，以利于对图像特征的提取。

传感器对采集到的转向轮图像进行轮廓边缘提取，并对边缘点进行曲线拟合、重构；然后根据圆的旋转角度检测法，来计算初步转角值及转向；最后利用车辆运动的连续性特点对数据进行有效性判断，从而得到了当前车辆的转向角度及转向。

基于上述实施例提供的车辆转向角度的检测系统，本发明还提供一种车辆转向角度的检测方法，如图7所示，包括如下步骤：

图像获取步骤10，实时获取车辆的至少一个转向轮轮胎的图像。例如，安装在车辆的左倒车镜上或右倒车镜上的图像传感器实时采集对应的转向轮轮胎的图像；由图像采集模块实时获取图像传感器输出的图像。

边缘检测步骤20，对当前的所述图像进行边缘检测，得到包含所述轮胎边缘的二值图像。选取传统的canny算法或适合fpga运算的窗口卷积sobel算法进行边缘检测，两者都是效果较好的边缘二值化算法。本实施例中，由于采用了fpga板卡，故采用适合fpga运算的窗口卷积sobel算法。图像采集模块获取的图像以图像数据的形式随着系统时钟依次流水进入fpga中(边缘检测单元中)，通过边缘检测单元的行移位寄存器和触发器，即可同时得到图像中相邻m×m窗口中的数据，并对其进行处理,即进行边缘二值化处理。因此，在fpga中实现卷积结构的算法时可在不保存整幅图像的同时，边取数据边进行相应的处理，因此，对实现如sobel算法等基于卷积结构的滤波算法具有很高的效率。其中，m为大于等于1的整数，本实施例中m为3。

考虑到轮胎边缘具有内侧边缘和外侧边缘，如果能够同时使用双边缘的信息来检测轮胎的边缘，并进行模型匹配将提高角度检测的准确率。因此，如果能使用两个边缘检测模板，分别检测轮胎的内缘和外缘，然后对它们进行匹配，就能大大提高边缘检测的正确率。而传统的处理器均为串行计算结构，边缘检测模板数量的增加会引起运算时间的线性增加，对系统的实时处理提出了更高的要求。可见，本发明利用多个不同的窗口卷积模板(即上述的边缘检测模板)同时检测轮胎的内侧边缘和外侧边缘，然后通过对两条边缘进行并行匹配，得到轮胎的两个边缘。由于其算法的核心都是基于窗口卷积技术，因此，边缘检测算法可实时实现。

边缘线确定步骤30，检测出所述二值图像中的轮胎的边缘线。例如，划分(规划)二值图像中边缘线的感兴趣区域，进而对感兴趣区域进行检测得到轮胎的边缘线。感兴趣区域的面积小于二值图像的面积。划分二值图像中边缘线的感兴趣区域，可以根据轮胎边缘线和车辆的车身轮廓来划分，剔除轮胎边缘线以外的背景。也可以根据前一帧图像检测出的边缘线的参数来划分感兴趣区域。通过划分感兴趣区域，极大的减少了后续的计算量，提高了效率。

本实施例中，在当前图像的二值图像中，根据前一帧图像检测出的边缘线的参数得到感兴趣区域。当前帧图像的边缘线参数可以以上一帧图像边缘线参数为基础限定范围进行得到感兴趣区域，在感兴趣区域内可以快速地检测到边缘线。边缘线的参数可以是边缘线的坐标。基于帧间关联的边缘线进行检测，不仅降低了图像数据的运算量,缩减了算法的执行时间,而且提高了算法的鲁棒性。

本实施例以三帧图像为例进行说明：

(1)前一帧图形的轮胎边缘线参数为(ρ1,i-1,θ1,i-1)和(ρ2,i-1,θ2,i-1)，对前一帧参数进行约束能够得到当前帧的感兴趣区域；

(2)在感兴趣区域进行hough变换得到当前帧的轮胎边缘线参数(ρ1,i,θ1,i)和(ρ2,i,θ2,i)，得到当前帧的参数之后可以确定下一帧图像的感兴趣区域；

(3)在下一帧图像的感兴趣区域内进行hough变换得到轮胎边缘线参数，重复(1)和(2)，便可得到视频流的轮胎边缘线跟踪。

得到感兴趣区域后，对感兴趣区域进行分区；对分区进行识别，提取各区内的曲线簇；分析各分区内曲线簇的几何特征来确定属于边缘线的曲线段；将各分区划分为内侧区和外侧区。内侧区内各个边缘线的曲线段连接起来就从二值图像中识别到了轮胎内侧的边缘线，外侧区内各个边缘线的曲线段连接起来就从二值图像中识别到了轮胎外侧的边缘线。其中，分析各分区内曲线簇的几何特征来确定属于边缘线的曲线段，可以对各分区内曲线簇采用hough变换，从而确定属于边缘线的曲线段。

本实施例结合fpga并行处理的优势和特点，对传统的hough变换进行了改进，其变换流程如图5所示，同样的，hough变换采用在空间上并行处理和时间上流水线处理。在空间上，结合fpga多核同时运算的特点，根据二值图像的边缘(边缘图像)，存储各分区内曲线簇(曲线簇表示各类边缘)上特征点的位置信息，根据这些特征点，把hough变换的所需的角度均匀分成n等份，对每一等份的角度单独采用一组hough变换引擎进行变换处理，以检测出属于边缘线的曲线段，从而提高其工作效率。一个等份对应一组hough变换引擎，hough变换引擎预先设置。如图5所示，在n条线路上，每一组hough变换引擎在时间上流水线作业，使hough变换的每一次计算皆可在一个时钟周期内完成。从而极大的提高了hough变换的效率。其中，n为大于1的整数。

轮胎的边缘线通常是椭圆，得到边缘线即可得到对应椭圆的焦点。为减小hough变换的存储空间，将当前的hough变换的原点设置为上一帧图像的边缘线的焦点，使hough变换的存储空间大大减少。

角度检测步骤，根据所述边缘线得到当前车辆的转向角度及转向方向。具体的，角度检测单元323对各个分区的曲线段的多个点(例如特征点)进行曲线拟合，得到拟合的曲线段，对轮胎内侧区和外侧区的拟合的曲线段进行重构，得到轮胎内侧的边缘线和外侧的边缘线；根据重构得到的边缘线得到当前车辆的转向角度及转向方向。例如，根据圆的旋转角度检测法，来计算初步的转向角度及转向方向；为便于消除噪声及异常值，还利用车辆运动的连续性特点对数据进行有效性判断，从而得到了当前车辆的转向角度及转向。例如，车辆正常行驶时转向角度变化连续，而相邻两帧图像的时间间隔为固定值，因此相邻两帧图像的转向角度不应出现大幅度的跳变。根据连续几组相邻帧转向角度的变化量，可知车辆的转向趋势，利用该转向趋势即可判定转向的有效性。当然，还可以根据边缘线确定步骤得到的连续几组相邻帧边缘线参数(边缘线坐标)，计算得到连续几组相邻帧边缘线参数的变化量，比较这些变化量与预设的阈值的大小，若变化量超出阈值，说明转向幅度不正常，则可认为对应的转向角度无效。

车辆在行驶过程中，前轮(转向轮)会出现外倾角及前束角，相对于转向轮的转向角，外倾角一般很小，可忽略，即可以认为转向轮仅在垂直于地面的方向上有转角。转向轮外边缘呈现近似为圆的特征，为此将转向轮用圆替代，故本发明采用圆的旋转角度检测方法实现对转向角的检测。

具体的，建立如图6所示的直角坐标系，轮胎边缘线为圆形，其在初始位置时的转向角度为0°，此时在坐标系中看到的轮胎边缘线为一直线(边缘线的透视图为直线)，即图6中的垂线。转向轮一旦开始转向，则坐标系中看到的边缘线变成椭圆(边缘线的透视图为椭圆)。随着转向角度的增大，透视图看到的椭圆的短轴不断增大，长轴保持不变。当转向角度增大到90°时，椭圆的长轴与短轴相等并呈圆形。由图6可知，旋转角度的计算公式为：

α＝arcsina/b(1)；

式中：a为边缘线确定单元322得到的边缘线在坐标系中透视看到的椭圆的短轴；b为边缘线确定单元322得到的边缘线的半径，即所述椭圆的长轴。已知椭圆方程为

式中：x0、y0为椭圆圆心的横坐标值、纵坐标值。式(3)可表示为

其中，且a＞0，d＞0

可见，若能得到式(4)中的椭圆参数a、b、c、d，则可求得a、b的值，边缘线的旋转角度即可由式(1)获得。因此，角度检测单元对各个分区的曲线段的多个点进行曲线拟合，得到曲线段在所述坐标系内的方程，对拟合的曲线段进行重构，从而得到内侧边缘线、外侧边缘线位于坐标系内形成的椭圆的方程，即得到式(4)中的椭圆参数a、b、c、d，根据式(1)得到转向角度。

可见，本发明提供的方法，无需对车辆原有结构进行改变便能精准的获得转向角度。相比于现有通过直接检测方向盘转角得到车辆实际转向角的方案，本方法的精确度和实时性更好。采取的cmos高速图像传感器+fpga架构，降低功耗、精简了结构提高了处理速度和抗干扰性。

由于方法的具体过程和效果在上述系统实施例中已详细阐述，在此不再赘述。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。