本发明涉及车载设备技术领域，特别是一种车辆辅助控制装置。
背景技术：
随着汽车数量的增多，交通安全已成为社会关注的焦点，减少交通事故，保证行车安全人们一种关心的问题，车辆安全辅助驾驶装置也成为目前车辆装置的研究热点之一。目前车辆安全辅助驾驶装置主要通过视频采集技术获取丰富的道路环境信息，供驾驶员行车时参考。此类装置有两种方式，一是采用热成像技术，但存在图像模糊，价格昂贵的问题，而是采用可见光摄像机，但是在雾、雪、霾等恶劣天气情况下，存在获取的信息量不足，观察距离受限的问题。而且，目前的车载视频安全辅助装置还存在功能单一，成本居高的问题。
技术实现要素：
针对上述问题，本发明旨在提供一种车辆辅助控制装置。
本发明的目的采用以下技术方案来实现：
一种车辆辅助控制装置，包括：
图像采集模块，用于采集车辆前方的路面图像；
图像处理模块，用于对采集的路面图像进行处理，识别路面图像中的道路线和障碍物；
车载功能模块，用于对所述识别的道路线和障碍物进行判断，根据检测的道路线和障碍物的位置自动生成警报区域，并执行相应的辅助功能。
优选地，所述图像采集模块为车载视频设备。
优选地，所述车载功能块包括：
判断单元，用于根据检测的道路线和障碍物的位置自动生成警报区域；
报警单元，用于判断路面图像中识别的道路线和障碍物是否处于警报范围，若是则发出警报；
显示单元，用于显示从采集模块中获取的图像。
优选地，所述图像处理模块包括：
图像增强单元，用于对获取的路面图像进行去噪声和图像增强处理，获取增强后的路面图像；
道路线检测单元，用于对增强后的路面图像进行检测，识别图像中的道路线；
障碍物检测单元，用于对增强后的路面图像进行障碍物检测，识别图像中的障碍物。
本发明的有益效果为：本发明装置通过获取车辆前方的路面图像，并且对图像进行增强、检测和识别处理，实现车辆前方道路边缘线和障碍物的辅助检测，并且根据检测的道路线和障碍物的位置自动生成警报区域，对车辆自身的位置进行智能化判断，当检测到车辆处于警报区域时发出警报提醒驾驶员，适应性强，准确性高，特别在严重的雾、霾、尘等天气恶劣的情况下，依然具备高性能。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图；
附图标记：
图像采集模块1、图像处理模块2、车载功能模块3、图像增强单元21、道路线检测单元22、障碍物检测单元23、判断单元30、报警单元31和显示单元32
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，一种车辆辅助控制装置，其特征在于，包括：
图像采集模块1，用于采集车辆前方的路面图像；
图像处理模块2，用于对采集的路面图像进行处理，识别路面图像中的道路线和障碍物；
车载功能模块3，用于对所述识别的道路线和障碍物进行判断，根据检测的道路线和障碍物的位置自动生成警报区域，并执行相应的辅助功能。
优选地，所述图像采集模块1为车载视频设备。
优选地，所述车载功能块包括：
判断单元30，用于根据检测的道路线和障碍物的位置自动生成警报区域；
报警单元31，用于判断车辆是否处于警报区域，若是则发出警报；
显示单元32，用于显示从采集模块中获取的图像。
优选地，所述图像处理模块2包括：
图像增强单元21，用于对获取的路面图像进行去噪声和图像增强处理，获取增强后的路面图像；
道路线检测单元22，用于对增强后的路面图像进行检测，识别图像中的道路线；
障碍物检测单元23，用于对增强后的路面图像进行障碍物检测，识别图像中的障碍物。
本发明上述实施例，通过获取车辆前方的路面图像，并且对图像进行增强、检测和识别处理，实现车辆前方道路边缘线和障碍物的辅助检测，并且根据检测的道路线和障碍物的位置自动生成警报区域，对车辆自身的位置进行智能化判断，当检测到车辆处于警报区域时发出警报提醒驾驶员，适应性强，准确性高，特别在严重的雾、霾、尘等天气恶劣的情况下，依然具备高性能。
优选地，所述图像增强单元21，用于对获取的路面图像进行去噪声和图像增强处理，获取增强后的路面图像，具体包括：
(1)获取路面图像的暗通道图像；
(2)获取路面图像的传播参数，其中采用的传播参数获取函数为：
式中，δ(m)表示路面图像像素点m的传播参数，其中δ(m)的值越小表示距离采像设备越远，越大表示距离采像设备越近，p表示路面图像的亮度，g表示路面图像中大气光的亮度，ω(m)表示以像素点m为中心的矩形区域，r,g,b表示r、g、b通道；优选地，所述矩形区域尺寸选择15×15；
其中，大气光的亮度的获取方法为：在暗通道图像中将各像素点的亮度从高到低进行排列，选取亮度最高的前1/1000的像素点，并在路面图像中找出这些像素点具有最高亮度的值作为大气光的亮度；
(3)获取路面图像中每个像素点的尺度参数，其中采用的尺度参数函数为：
式中，μ(m)表示路面图像中像素点m的尺度参数，δ(m)表示路面图像中像素点m的传播参数；
(4)对路面图像不同区域，根据获取的尺度参数μ(m)采用不同的单尺度retinex算法对图像进行增强处理，获取预处理后的路面图像。
本优选实施例，采用上述方法对路面图像进行预处理，首先根据路面图像的特性获取不同区域的尺度参数，然后根据不同的尺度参数对路面图像进行增强处理，增强效果好，复杂度低，能够有效地解决车载摄像头拍摄的图像中因天气效果导致图像的雾化和不清晰的问题，适应各种恶劣天气环境导致图像不清晰的问题，同时有效地克服现有技术中采用传统的retinex算法对图像进行增强处理，其中采用单尺度retinex算法不能很好地适应图像的特征进行增强，而采用多尺度retinex算法又存在计算复杂度偏高的问题，为装置之后对道路图像的进一步处理奠定了基础。
优选地，道路线检测单元22，用于对增强后的路面图像进行检测，识别图像中的道路线，具体包括：
(1)对增强后的路面图像进行初步分割处理，将图像划分为不同的区域ri，其中r表示所有分割后的到的区域ri的集合；
优选地，所述初步分割处理为采用k均值初始聚类处理，将图像划分为不同的区域；
(2)获取任意两个相邻区域的相似度，其中采用的相似度函数为：
其中，
n(ri,rj)＝min(n(ri)+αn(ri),n(rj)+αn(rj))
式中，ρ(r1,r2)表示区域ri和区域rj的相似度，w(ri,rj)表示区域ri和区域rj的相邻边的差异值，n′(ri,rj)表示区域ri和区域rj的内部差异差，n(ri)和n(rj)分别表示区域ri和区域rj的内部差异，αn(rj)表示设定的阈值函数，其中
(3)依次获取图像中每个区域和相邻区域的相似度，若获取的相似度ρ(ri,rj)＝1，将两个区域进行合并，若ρ(ri,rj)＝0，则标记两个区域的边界作为道路线边缘；
(4)遍历图像中所有区域，获取路面图像中的道路线边缘。
由于道路边缘的不规则，可能影响算法对其的检测，而且道路本身的凹凸不平或者裂缝影响也会导致检测结果不稳定；因此，本优选实施例，采用上述的方法获取路面图像中的道路线边缘，首先通过初步分割处理将图像划分为不同的区域，再通过比较相邻区域的相似度合并相似度高的区域，保留区别较大的区域及其边界作为最终道路边界，适应性强，准确度高，能够准确地从路面图像中提取道路线边缘，为之后对车辆自身位置是否处于警报区域内的判断奠定了基础。
优选地，在实际处理中，道路线边缘识别的结果必然存在不光滑的区域。受到图像中目标的形态以及噪声的干扰，导致道路线边缘都会带有长短不一的毛刺。因此，获取了路面图像中的道路线边缘后，需要对道路线边缘做进一步处理去除多余的毛刺，为此，道路线检测单元22中还采用下列方法对获取的道路线边缘进行去毛刺处理，具体为：
(1)设定当z(x,y)＝0时，像素点(x,y)为道路线边缘，否则认为是背景点；
(2)对于像素点v，如果满足z(xv,yv)＝0，统计其8邻域内z(xv+m,yv+n)＝0的像素点的个数并计入sv中，其中m,n＝-1,0,1；如果sv＝1，则该像素点为顶点lv，如果sv>3，将该像素点记为线条分支点hv；
(3)在原图像z(x,y)中删除标记的分支点hv后，标记连通的边缘，得到标记图zp(x,y)；
(4)在zp(x,y)中，从每一个顶点开始计算lv所在边缘的长度，并用mv来表示；
(5)若要进行毛刺消除，则设长度阈值为t，取最小长度min(mv)，如果min(mv)<t，则将min(mv)对应的连通边缘标记为z(x,y)＝1；
(6)恢复删除的线条分支点hv，得到去除毛刺的初步结果图，并重复步骤(1)-(5)。
本优选实施例，采用上述方法对道路线边缘检测的结果进行后处理，能够有效地去除道路线边缘中的毛刺，提高道路线边缘的检测精度，为装置之后准确判断警报区域奠定了基础。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。