车道偏离警告系统

在道路运输术语中，车道偏离警告系统（LDWS）是一种机制，旨在在高速公路和主干道上车辆开始移出其车道时（除非在该方向上打开转向灯）向驾驶员发出警告。这些系统旨在通过解决碰撞的主要原因（驾驶员失误，分心和困倦）来xxx程度地减少事故。2009年，美国国家公路交通安全管理局（NHTSA）开始研究是否在汽车上强制使用车道偏离预警系统和正面碰撞预警系统。

系统分为三种：

在车辆离开车道时向驾驶员发出视觉，听觉和/或振动警告（车道偏离警告，LDW）的系统会警告驾驶员并且无响应的系统会自动采取措施，确保车辆停留在车道上（车道保持辅助系统，LKA/LKS）协助过度转向，将汽车保持在车道中央并要求驾驶员在挑战性情况下接管的系统（车道对中辅助，LCA）传感器类型

车道警告/保持系统基于：

视域中的视频传感器（安装在挡风玻璃后面，通常集成在后视镜旁边）激光传感器（安装在车辆前部）红外传感器（安装在挡风玻璃后方或车辆下方）工作原理

在车道偏离警告系统后面使用的车道检测系统使用霍夫变换原理和Canny边缘检测器从汽车前端摄像头提供的实时摄像头图像中检测车道线。图中显示了车道检测算法如何帮助车道偏离警告的基本流程图。

车道保持

车道保持辅助功能是除车道偏离警告系统之外的一项功能，它会自动采取步骤以确保车辆停留在其车道中。一些车辆将自适应巡航控制与车道保持系统结合在一起以提供额外的安全性。

这些特征的组合产生了半自动车辆，但大多数要求驾驶员在使用中保持对车辆的控制。这是由于与车道保持功能相关的限制。

在现代无人驾驶车辆系统中，使用称为霍夫变换和坎尼边缘检测技术的图像处理技术来实现车道保持辅助系统。这些先进的图像处理技术从安装在车辆前部的前向摄像头获取车道数据。许多车辆原始设备制造商正在使用诸如Nvidia的DrivePX1之类的功能强大的计算机进行实时图像处理，以实现完全自动驾驶的车辆，而车道检测算法在其中扮演着关键角色。还使用深度学习和神经网络技术开发了先进的车道检测算法。英伟达在开发自动驾驶功能方面取得了很高的准确性，其中包括使用基于神经网络的训练机制来保持车道，在这种训练机制下，他们使用汽车中的前置摄像头并在路线上行驶，然后使用转向输入和道路摄像头图像馈入神经网络并使其“学习”。然后，神经网络将能够基于道路上的车道变化来改变转向角，并使汽车保持在车道的中间。

特斯拉使用最先进的车道辅助系统及其自适应巡航控制系统（称为“?自动驾驶仪?”）一起销售。它包括车道保持辅助功能以及无需驾驶员输入即可自动换道的功能。与车道辅助系统类似的技术也用于自动停车功能。

车道保持辅助机构可以在车辆开始离开时将其反应性地转回车道，或者主动将车辆保持在车道的中央。车辆公司经常使用“车道保持辅助系统”一词来指代反应性车道保持辅助系统（LKA）和主动车道对中辅助系统（LCA），但是这些术语开始有所区别。

局限性

车道偏离警告系统和车道保持系统依靠可见的车道标记。他们通常无法破译褪色，丢失或不正确的车道标记。白雪覆盖的标记或可见的旧车道标记可能会妨碍系统的功能。

车道偏离警告系统在自动驾驶方面也面临许多法律限制。如前所述，该系统需要恒定的驾驶员输入。使用该技术的车辆仅限于协助驾驶员，而不是驾驶车辆。

车道偏离警告系统的xxx限制是它不能完全控制车辆。该系统未考虑道路上的其他车辆，因此无法“取代良好的驾驶习惯”。