+1) X (2M+1) (Μ为邻域 半径）的邻域，有：
[0104] 上式中m2f (i，j)是f (i，j)的二阶距，考虑到图像的数字化特征，利用连续三幅图 像来求取三阶累积量C3，具体计算公式如下所示：
[0108] 、％、wU分别表示第η-I张、第η张和第n+1张图像的一阶矩。
[0113] 为第n-1帧、第η帧和第n+1帧图像的三阶矩，％/?,/,和气'分 另1J为第η帧和n+1帧、第n_l帧和η帧、第n_l帧和n+1帧图像之间的二阶矩；根据以上的 各阶距，可以得到三阶累积量：
[0115] 由于三阶累积量较大且有出现负值的可能，本方案采用如下三阶累积量：
[0117] 文献资料表明在车辆出现前后图像的三阶累计变化量至少相差2. 5倍，进而可依 据下式进行判断左侧是否有车通过：
[0118] 当ε 2. 5Xmax ε n i时，判定当前车辆的左侧车道有超车；
[0119] 当ε n< 2. 5Xmax ε n i时，判定当前车辆的左侧车道无超车；
[0120] 其中ε "和max ε n i分别表示第η帧图像时的三阶累积量变化值和前n-1帧图像 中最大的三阶累积量变化值。
[0121] 在本方案中，如图5 (a)和图5(b)的两种超车情况，其中A代表当前车辆（本车）， D代表超车，B和C为前方车辆。
[0122] 步骤三，前方车辆的识别与判定
[0123] 若左侧车道有超车，则对当前车辆的前方车道图像中出现的目标的边缘轮廓进行 获取，按照下式判定出现目标是否为车辆：
[0125] 上式中，H、W分别为目标边缘轮廓的高和宽，GO表示灰度值；
[0126] 若S大于设定的阈值T，则认为出现的目标为车辆。
[0127] 具体过程为：
[0128] 若在第k(k多3)帧图像中识别出左侧车道存在如图5(a)或图5(b)中所示的超 车车辆D时，则对第k+Ι帧图像进行分析判断是否存在如图5(a)或图5(b)中所示的前方 车辆B或C，该步骤分为前方车辆识别和识别车辆判定两个步骤。
[0129] (1)前方车辆识别
[0130] 若步骤二在第k帧图像中判定有超车D，则在第k+Ι帧图像中采用最大类间法进 行阈值分割，阈值分割之后得到二值图像，其中目标的像素灰度值为〇,背景像素灰度值为 255;扫描图像得到垂直、水平方向的像素灰度投影直方图，如果图像区域内不存在车辆目 标，投影直方图的值为255,反之，在目标位置的像素点灰度值为0,将导致投影灰度直方图 中对应的值下降。设定阈值为220,当统计直方图中连续数组像素平均值小于该阈值时，则 认为该目标即为车辆，记录该位置的边缘坐标，得到目标的左右边缘轮廓；同理可得到目标 的底部边缘和上边缘轮廓。如图6中矩形框所示。
[0131] 通过该步骤，可以对车辆前方车道中出现的目标（车辆或其他物体）进行初步的 识别。
[0132] (2)识别车辆判定
[0133] 经过上一步的阈值分割后第k+Ι帧图像变为了二值图像，所得到的"车辆"（目标） 还可能包括例如交通标识牌阴影、建筑物阴影等干扰物，在前方车辆识别过程中可能会将 其误判为车辆，为了排除其干扰，本发明利用车辆尾部对称这一特性将非对称的阴影部分 去除。常用的对称性检测手段有基于灰度的对称性判断和基于轮廓边缘的对称性判断。本 发明采用基于灰度的对称性判断为依据，对检测出来的"车辆"进行判断。按照下式对图6 中矩形框内的灰度水平对称值S进行计算：
[0135] 上式中，H、W分别为目标边缘轮廓的高和宽，GO表示灰度值， G(W/2-?，h)-G(W/2+co，h) I表示图6中标出的红色矩形框内图像的灰度值，h、ω分别表 示高度和宽度方向上的像素参数。上式中对称系数S越大，对称性越高。设定阈值Τ，若S>T 即认为目标为车辆，反之则予以排除。
[0136] 通过该步骤，可以检测出当前车辆的正前方、侧前方是否存在车辆，如图5中的B 和C，为后续的处理过程提供必要信息。
[0137] 步骤四，若在当前车辆左侧车道超车的前方存在车辆B，或当前车辆的正前方存在 车辆C，则对B和C的位置进行判断，并根据判断结果确定是否报警。
[0138] 若在第k+Ι帧图片中检测到了前方车道存在如图5(a)或图5(b)所示的行驶车辆 B或C时，还需要对B或C所在车道位置进行进一步判定，即前方车辆是在本车车道左前侧 还是右前侧。为此就必须计算出本车所在车道的宽度dwldth。而为了得到本车车道宽度dwldth就需要计算出本车所在车道线方程。具体步骤如下：
[0139] a.车道线方程的获取
[0140] 为了获取本车所在车道线方程，本发明首先对第k+Ι帧图片进行图像预处理并 进行二值化处理，利用阀值分割法对预处理后的第k+Ι帧图像进行分割，用一个或几个阀 值将图像的灰度直方图分类，把灰度值在同一个范围内的像素归为同一个物体，然后利用 Sobel算子检测车道边缘，Sobel算子是一种将方向差分运算与局部平均相结合的方法， 具有一定的噪声抑制能力，可以达到快速检测车道线的目的，对于左右两侧的车道，采用 Sobel算子分别对左右车道的水平进行检测，采用下述Sobel算子在结构化道路上具有良 好的边缘增强效果，_此本发明取定的Sobel筧子如下：
[0142] 上述Sobel算子中Sp Sr分别表示右侧、左侧车道所使用的模板算子；
[0143] 再利用Hough变换算法实现车道线的提取，Hough变换能够把原始图像中曲线或 直线的检测问题，变换成寻找参数空间中峰点的问题，直线的极坐标方程如下：
[0144] p = xcos Θ +ysin Θ
[0145] 在极坐标系P ο Θ空间内建立二维叠加数组A，第一维的范围为P的取值范围 [_1，1]，1指图像的对角线长度。第二维的取值范围是θ的取值范围[0°，180° ]，并将 数组A赋值为0。利用Hough变换分别计算出图像空间中的各点（Xi, y;)所对应的极坐标 值（P1, S1Ki = 〇，1，2, 3···)并依次赋值给数组A(P u G1)中的相应元素，最后所得到 的数组A中的值就是图像空间中与原点距离为P，与X轴夹角为Θ的点的数目。由于本 发明仅考虑单向行驶车道，故图片中仅检测距离行驶车辆所在车道最近的两条车道线，以 左右两侧的直线束中距离与图像底部中点坐标〇(11。，％)最近的直线当作当前行驶车道的 车道线。综合式P =XCOS Θ+ysin Θ可以得到图像底部中心〇(Uq，v。）与车道线的距离
为求出F(P，Θ)的最小值，分别令·
求解出相对应的（P D Θ J，即可获取两侧车道线的方程，如图7中两条线所 不。
[0146] b.车道宽度的计算
[0147] 车道在相机的几何成像系统中存在四个坐标系，分别为如图8所示的道路平面坐 标系（(\A，Yb ZJ，如图9所示的相机坐标系（0。X。Yd Zc)，以及如图10所示的图像平面 坐标系（u，V)和像素坐标系（i，j)。
[0148] 在图像平面坐标系下，将左侧车道线上的各点（Ul，V1)和右侧车道线上的各点 (u1+1，v1+1)转化为道路平面坐标系（0L，XL，Y L，Zl)中对应的点（Xl，yi)和（x1+1，y 1+1)，（i彡0); 转换公式如下：
[0150] 上式中，Ic1= 2tan a o/Wp k2= tan a，k 3= h/cos a，k 4= 2tan β o/Wp k5= (hX (tan a -tan ( a - a 0)) X cos ( a - a 0)) / (cos ( a - a 0) -cos a )；
[0151] 其中，W1为整幅图像的宽，H1为整幅图像的高，h为摄像机安装高度；2 a。为摄像 机镜头的垂直视野角；2 β。为