单目视觉智能车路径识别及控制策略研究＊陈启迅 薛 静（西北工业大学自动化学院 西安７１００７２）摘 要 研究了基于ＣＭＯＳ摄像头的图像采集方法，以及智能车赛道路径识别。
提出了自适应差分边缘检测算法，采用取点求面积的方法提取指引线的相关参数。
自适应差分边缘检测算法是在一般的边缘检测算法的基础上提出的，它能根据提取的左右边缘存在情况调整搜索范围、阈值，以及差值的求取方法。
使用海伦公式求指引线上所取的三角形的面积，据此提出了１种基于三角形面积的智能车速度控制方法，此方法以指引线上的三角形面积反映赛道的弯曲程度，并以此作为智能车速度控制的控制变量。
关键词 自适应差分边缘检测；智能车；图像采集；海伦公式中图分类号：ＴＰ３０１．６ 文献标志码：Ａ ｄｏｉ：１０．３９６３／ｊ．ｉｓｓｎ １６７４－４８６１．２０１２．０５．００６收稿日期：２０１２－０７－０４ 修回日期：２０１２－０９－０７ ＊西北工业大学研究生创业种子基金项目（批准号：Ｚ２０１１０４７）资助第一作者简介：陈启迅（１９８４），硕士生．研究方向：控制工程、系统工程．Ｅ－ｍａｉｌ：ｃｑｘ０６２０１４＠１２６．ｃｏｍ０ 引 言智能车辆系统是１个拥有感知环境能力，具备规划决策能力以实现自动行驶，并且可以实现多等级辅助驾驶等功能于一体的综合系统［１］。
与很多学科有着密切关系，如计算机、控制、通信、图像处理、人工智能、信号处理等，同时也是多种传感器融合的载体。
因为它一般集中了摄像机、ＧＰＳ、超声波雷达、激光雷达等多种传感器来感知周围环境，并根据多传感器融合所获得的道路、车辆状态和障碍物信息进行控制车辆的转向和速度，从而使得车辆安全、可靠、稳定地在道路上行驶，因此智能车辆是多学科综合于一体的高度智能化的产物［２－３］。
文献［４］中介绍了一般差分边缘检测算法。
文献［５］中描述了基于序列图像运动分割的车辆边界轮廓提取算法。
文献［６］中提到了道路裂纹线检测中的脊波域图像增强算法。
选用功耗低、前瞻性好的ＣＭＯＳ摄像头作为路径识别视觉传感器，采用自适应差分边缘检测算法有效地提取道路指引线，此算法具有很高的灵活性和适应能力，能够有效地降低干扰。
进一步使用取点求面积的方法获取指引线参数。
１ 视觉图像采集１．１ 硬件实现ＣＭＯＳ视觉传感器图像采集电路［７］见图１，ＬＭ１８８１可以实现视频同步信号的分离。
２脚为视频信号输入端；３脚和５脚分别为场同步、行同步信号输出端；７脚为奇偶场同步信号输出端，在此不使用。
视频信号同时接入微处理器ＡＤ转换口。
图１ 视频同步信号分离电路Ｆｉｇ．１ Ｔｈｅ ｃｉｒｃｕｉｔ ｆｏｒ ｓｅｐａｒａｔｉｏｎ ｏｆ ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎｓｉｇｎａｌ ｏｆ ｖｉｄｅｏ１．２ 软件实现视频信号采集流程［８］：首先等待场信号的到来；然后延时，跳过场消隐，约１．４４ｍｓ；等待行同步信号；判断采集行数是否满足要求，满足则采集完成，否则延时，跳过行同步信号和消隐信号；对１行视频信号进行连续采集；延时，跳过若干行视频信号，再跳回到等待行同步信号，直至完成，就能采集到１幅有效而完整的视频图像了。
２ 自适应差分边缘检测算法阈值分割法［９－１０］在结构化道路上是提取指引４２交通信息与安全 ２０１２年５期 第３０卷 总１７１期线最简单有效的方法，包含逐点比较式阈值分割法和差分式阈值分割法。
逐点比较式阀值分割法是将图像中的每一点与设定的阈值做比较，而差分式阈值分割法则是将图像的相邻两列做差运算取绝对值后与阈值比较。
图２ ＣＭＯＳ摄像头视频信号Ｆｉｇ．２ Ｖｉｄｅｏ ｓｉｇｎａｌ ｏｆ ＣＭＯＳ ｃａｍｅｒａ自适应差分边缘检测算法的基本思想如下：指引线平滑连续，因此可以在第２到３行使用差分式阈值分割法，以后逐渐缩小搜索范围，每次都在前１行所提取到的黑线的附近进行搜索比较，只要范围足够大，就能确保提取到指引线的左右边缘。
而且阈值、搜索范围、差值求取方法随着指引线左右边缘的存在情况改变。
一般的差分边缘检测算法只是搜索范围的变化，而自适应差分边缘检测算法还包括了阈值和差值求取方法的变化，这是自适应差分边缘检测算法的基本特征。
自适应差分边缘检测算法流程如图３所示。
采集到的图像存储在二维数组中，首先进行阈值初始化，第１行到第５行采用一般差分边缘检测算法求取指引线左右边缘。
从第６行开始减小每１行第１次的搜索范围，变为［指引线－５，指引线＋５］，如果第１次搜索左边缘或右边缘不存在，进行第２次搜索，改变阈值大小，差值求取方法和搜索范围。
行号大于最大行号时，指引线左右边缘求取完毕。
然后对获取的指引线左右边缘采用限幅滤波法进行整体滤波，这种滤波方法能有效克服因偶然因素引起的脉冲干扰。
图３ 自适应差分边缘检测算法流程图Ｆｉｇ．３ Ｔｈｅ ｆｌｏｗ ｄｉａｇｒａｍ ｏｆ ａｌｇｏｒｉｔｈｍ ｏｆ ａｄａｐｔｉｖｅｄｉｆｆｅｒｅｎｔｉａｌ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ经Ｍａｔｌａｂ仿真实验结果表明，自适应差分边缘检测算法效果明显比一般差分边缘检测算法要好，见图４。
图４ 算法仿真结果Ｆｉｇ．４ Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔ ｏｆ ａｌｇｏｒｉｔｈｍ 自适应差分边缘检测算法适应性更强，能够有效地减小了赛道蓝色背景以及视野中杂物的干扰，提取出的指引线的左右边缘杂波更小，可靠性更高。
５２单目视觉智能车路径识别及控制策略研究———陈启迅 薛 静３ 智能车速度控制策略采用取点求面积的方法获取反映指引线弯曲程度的参数，具体原理是在采用自适应差分边缘检测算法提取的指引线上去３个点，以３点所构成的三角形面积反映指引线的弯曲程度，实验证明，此法简单有效。
图５ 指引线Ｆｉｇ．５ Ｔｈｅ ｌｉｎｅ ｏｆ ｔｒａｃｋ设指引线上３点Ａ，Ｂ，Ｃ所构成的三角形半周长为ｐ，ｐ＝（ＡＢ＋ＢＣ＋ＡＣ）／２，Ｓ△ＡＢＣ为△ＡＢＣ的面积，由海伦公式Ｓ△ＡＢＣ＝ｐ（ｐ－ＡＢ）（ｐ－ＢＣ）（ｐ－ＡＣ槡）（１）智能车的速度为ｖ，ｖｍａｘ为智能车最大速度，ｖｍｉｎ为最小速度，Ｓｍａｘ为三角形ＡＢＣ所能达到的最大面积，则有ｖ＝ｖｍａｘ－ＳΔＡＢＣＳｍａｘ（ｖｍａｘ－ｖｍｉｎ）（２）式中：以Ｓ△ＡＢＣ为控制变量，Ｓ△ＡＢＣ＝０，即赛道为直线，此时ｖ＝ｖｍａｘ，速度最大，当Ｓ△ＡＢＣ逐渐增大时，即赛道弯度越大时，控制速度ｖ越小，这样有利于智能车安全平稳的驶过弯道。
当Ｓ△ＡＢＣ＝Ｓｍａｘ时，ｖ＝ｖｍｉｎ，控制速度最小，对于弯度最大的赛道，保证控制速度最小。
４ 结束语研究了基于ＣＭＯＳ黑白视觉传感器的智能车路径识别，采用廉价低功耗的ＣＭＯＳ摄像头为传感器，实现了图像的处理、提取，最后选择控制策略使小车在赛道上快速地循迹行驶。
速度和稳定性是循迹智能车的最重要的性能指标，可通过传感器的选择、图像处理、控制算法优化等方面提高，这些有待不懈探索和研究，影响自适应边缘检测算法效果１个重要因素是在前５行指引线能否准确的找到，如果找到错误的指引线将会对后面行的指引线的提取产生严重的影响，因此提高前５行指引线提取的可靠性具有重要意义，在以后的工作中，可考虑采用对前５行进行整体滤波以提高前５行指引线提取的可靠性。
参考文献［１］ Ａ Ｂｒｏｇｇｉ，Ｒ Ｉｓａｂｅｌｌａ，Ｆ Ａｎｄｒｅａ，ｅｔ ａｌ．Ｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎ ｏｎ ａ ｍｏｖｉｎｇ ｖｅｈｉｃｌｅ：Ａｎ ｉｎｖｅｓｔｉｇａｔｉｏｎ ａ－ｂｏｕｔ ｎｅａｒ ｉｎｆｒａ－ｒｅｄ ｉｍａｇｅｓ［Ｃ］∥ＩＥＥＥ Ｉｎｔｅｌｌ．Ｖｅｈ．Ｓｙｍｐ，２００６：４３１－４３６．［２］ Ｊ Ｃ ＭｃＣａｌｌ，Ｍ Ｍ Ｔｒｉｖｅｄｉ．Ｖｉｄｅｏ－ｂａｓｅｄ ｌａｎｅ ｅｓｔｉｍａ－ｔｉｏｎ ａｎｄ ｔｒａｃｋｉｎｇ ｆｏｒ ｄｒｉｖｅｒ ａｓｓｉｓｔａｎｃｅ：Ｓｕｒｖｅｙ，ｓｙｓ－ｔｅｍ，ａｎｄ ｅｖａｌｕａｔｉｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．Ｉｎｔｅｌｌ．Ｔｒａｎｓｐ．Ｓｙｓｔ，２００６，７（１）：２０－３７．［３］ Ｈ Ｋｏｎｇ，Ｊ Ａｕｄｉｂｅｒｔ，Ｊ Ｐｏｎｃｅ．Ｇｅｎｅｒａｌ ｒｏａｄ ｄｅｔｅｃ－ｔｉｏｎ ｆｒｏｍ ａ ｓｉｎｇｌｅ ｉｍａｇｅ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．ＩｍａｇｅＰｒｏｃｅｓｓ，２０１０，１９（８）：２２１１－２２２０．［４］ 孟武胜，宋孝宇，马文佳．基于ＣＭＯＳ传感器的循迹智能车路径识别研究［Ｊ］．机电一体化，２０１１（８）：２５－２９，３３．［５］ 张大奇，曲仕茹，石 爽．基于序列图像运动分割的车辆边界轮廓提取算法［Ｊ］．交通运输工程学报，２００９，９（３）：１２１－１２５．［６］ 张大奇，曲仕茹，李卫斌，等．道路裂纹线检测中的脊波域图像增强算法［Ｊ］．中国公路学报，２００９，２２（２）：３０－３４＋８０．［７］ 梁 栋，史忠科．半结构化道路下智能车辆路径规划与控制算法研究［Ｊ］．交通运输系统工程与信息，２０１１，１１（２）：４８－５５．［８］ 张 宇，史忠科．快速高维均值平移算法及其在航空图像分割中的应用［Ｊ］．交通信息与安全，２０１１，２９（４）：１３６－１３９．［９］ 吕 岩，曲仕茹．基于Ｂｅａｍｌｅｔ变换的路面裂缝图像匀光算法［Ｊ］．交通运输系统工程与信息，２０１１，１１（５）：１２７－１３２．［１０］ 杨 明．基于视觉的道路跟踪［Ｊ］．模式识别和人工智能，２００１，１４（２）：６０－６７．（下转第４９页）６２交通信息与安全 ２０１２年５期 第３０卷 总１７１期［８］ 盛 慧，王 炜，胡晓健，基于改进型ＣＴＭ模型的道路交通量预测［Ｊ］．公路交通科技，２００９（２６）：４９－５２．［９］ Ｓｚｅｔｏ Ｗ Ｙ，Ｇｈｏｓｈ Ｂ，Ｂａｓｕ Ｂ，ｅｔ ａｌ．Ｍｕｌｔｉｖａｒｉａｔｅ ｔｒａｆｆｉｃｆｏｒｅｃａｓｔｉｎｇ ｔｅｃｈｎｉｑｕｅ ｕｓｉｎｇ ｃｅｌｌ ｔｒａ ｎｓｍｉｓｓｉｏｎ ｍｏｄｅｌ ａｎｄＳＡＲＩＭＡ ｍｏｄｅｌ［Ｊ］．Ｊｏｕｒｎ ａｌ ｏｆ Ｔｒａｎｓ．Ｅｎｇ．２００９（１３５）：６５８－６６７．［１０］ Ｌｏ Ｈ Ｋ，Ｃｈａｎｇ Ｅ，Ｃｈａｎ Ｙ Ｃ．Ｄｙｎａｍｉｃ ｎｅｔｗ－ｏｒｋｔｒａｆｆｉｃ ｃｏｎｔｒｏｌ［Ｊ］．Ｔｒａｎｓｐ．Ｒｅｓ．Ａ．，２００１，３５（８）：７２１－７４４．［１１］ Ｈｕ Ｘ，Ｗａｎｇ Ｗ，Ｓｈｅｎｇ Ｈ，Ｕｒｂａｎ ｔｒａｆｆｉｃ ｆｌｏｗ ｐｒｅ－ｄｉｃｔｉｏｎ ｗｉｔｈ ｖａｒｉａｂｌｅ ｃｅｌｌ ｔｒａｎｓｍｉｓｓｉｏｎ ｍｏｄｅｌ［Ｊ］．Ｊ．Ｔｒａｎｓｐｎ．Ｓｙｓ．Ｅｎｇ．＆ＩＴ，２０１０，１０（４）：７３－７８．［１２］ 李 喆，蔡 铭，何兆成，等．微观交通仿真系统参数校正流程及应用［Ｊ］．公路交通科技，２００８（５）：１４３－１４７．Ａｎ Ｉｍｐｒｏｖｅｄ Ｃｅｌｌ Ｔｒａｎｓｍｉｓｓｉｏｎ ｍｏｄｅｌ ｆｏｒ Ｓｉｍｕｌａｔｉｏｎ ｏｆＴｒａｆｆｉｃ Ｆｌｏｗｓ ｏｆ Ｒｉｎｇ ＲｏａｄｓＳＨＩ Ｌｉａｎｇ ＣＨＥＮ Ｙａｎｇｚｈｏｕ ＺＨＡＮＧ Ｌｕ（Ｃｅｎｔｅｒ ｏｆ Ａｕｔｏｎｏｍｏｕｓ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ，Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１００１２４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｒａｆｆｉｃ ｆｌｏｗ ｍｏｄｅｌｉｎｇ ｈａｓ ａｌｗａｙｓ ｂｅｅｎ ａ ｆｏｕｎｄａｔｉｏｎａｌ ｃｏｍｐｏｎｅｎｔ ｏｆ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ｓｔｕｄｉｅｓ．Ｔｒａｆｆｉｃ ｆｌｏｗｍｏｄｅｌｓ ｃａｎ ｂｅ ｕｓｅｄ ｆｏｒ ｆｏｒｅｃａｓｔｉｎｇ ｔｒａｆｆｉｃ ｆｌｏｗｓ ａｎｄ ｔｈｅｎ ｐｒｏｖｉｄｉｎｇ ａ ｂａｓｉｓ ｆｏｒ ｓｉｇｎａｌ ｃｏｎｔｒｏｌ．Ｉｎ ｔｈｉｓ ｓｔｕｄｙ，ａｎ ｉｍｐｒｏｖｅｄｃｅｌｌ ｔｒａｎｓｍｉｓｓｉｏｎ ｍｏｄｅｌ（ＭＣＴＭ）ｉｓ ｄｅｖｅｌｏｐｅｄ ｆｏｒ ｔｈｅ ｒｉｎｇ ｒｏａｄｓ ｉｎ Ｂｅｉｊｉｎｇ．Ｔｈｅ ＭＣＴＭ ｒｅｍｏｖｅｓ ｔｈｅ ｒｅｓｔｒｉｃｔｉｏｎ ｏｆ ｔｈｅ ｏ－ｒｉｇｉｎａｌ ＣＴＭ ｔｈａｔ ｒｅｑｕｉｒｅｓ ｅｑｕａｌｌｙ ｐａｒｔｉｔｉｏｎｉｎｇ ｓｐａｃｅ ｔｏ ｄｅｖｅｌｏｐ ｃｅｌｌｓ，ｂｕｔ ｉｔ ｔａｋｅｓ ｄｅｎｓｉｔｙ ａｓ ｉｔｓ ｓｔａｔｅ ｖａｒｉａｂｌｅ，ｉｎｓｔｅａｄ ｏｆｔｈｅ ｎｕｍｂｅｒ ｏｆ ｖｅｈｉｃｌｅｓ ｉｎ ｔｈｅ ｃｅｌｌ．Ｔｒａｆｆｉｃ ｆｌｏｗ ｔｒａｎｓｍｉｓｓｉｏｎ ｒｕｌｅｓ ｂｅｔｗｅｅｎ ｃｅｌｌｓ ａｒｅ ｄｅｆｉｎｅｄ ｆｏｒ ｄｉｆｆｅｒｅｎｔ ｃｏｎｎｅｃｔｉｏｎ ｍｅｃｈａ－ｎｉｓｍｓ ｂｅｔｗｅｅｎ ｃｅｌｌｓ，ｉｎｃｌｕｄｉｎｇ ｓｉｍｐｌｅ ｃｏｎｎｅｃｔｉｏｎ，ｍｅｒｇｉｎｇ ａｎｄ ｄｉｖｅｒｇｉｎｇ．Ａ ｃｏｍｐａｒｉｓｏｎ ｉｓ ｍａｄｅ ｂｅｔｗｅｅｎ ｔｈｅ ｓｉｍｕｌａｔｅｄｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ＭＣＴＭ ａｎｄ ｔｈｏｓｅ ｆｒｏｍ ｔｈｅ ｍｉｃｒｏｓｃｏｐｉｃ ｔｒａｆｆｉｃ ｓｉｍｕｌａｔｉｏｎ ｍｏｄｅｌ Ｐａｒａｍｉｃｓ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ，ａｌｔｈｏｕｇｈｉｔ ｉｓ ｌｅｓｓ ｃｏｍｐｌｅｘ ｔｈａｎ ＣＴＭ ｉｎ ｃｏｍｐｕｔａｔｉｏｎ，ｔｈｅ ＭＣＴＭ ｓｔｉｌｌ ｃａｎ ｄｅｓｃｒｉｂｅ ｔｈｅ ｄｙｎａｍｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｒａｆｆｉｃ ｆｌｏｗ ｏｎｔｈｅ ｒｉｎｇ ｒｏａｄ ａｃｃｕｒａｔｅｌｙ ａｎｄ ｅｆｆｅｃｔｉｖｅｌｙ，ａｎｄ ｃａｎ ｂｅ ｕｓｅｄ ｉｎ ｔｈｅ ｆｕｔｕｒｅ ｆｏｒ ｔｒａｆｆｉｃ ｆｌｏｗ ｆｏｒｅｃａｓｔｉｎｇ ａｎｄ ｒａｍｐ ｍｅｔｅｒｉｎｇ．Ｋｅｙ ｗｏｒｄｓ：ｃｅｌｌ ｔｒａｎｓｍｉｓｓｉｏｎ ｍｏｄｅｌ（ＣＴＭ）；ｍｏｄｉｆｉｅｄ ｃｅｌｌ ｔｒａｎｓｍｉｓｓｉｏｎ ｍｏｄｅｌ（ＭＣＴＭ）；ｒｉｎｇ ｒｏａｄ；ｓｙｓｔｅｍ ｓｉｍｕｌａ－檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾檾ｔｉｏｎ（上接２６页）Ｔｒａｃｋ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｎｄ Ｃｏｎｔｒｏｌ Ｓｔｒａｔｅｇｙ ｏｆＳｍａｒｔ Ｃａｒ ｏｆ Ｍｏｎｏｃｕｌａｒ ＶｉｓｉｏｎＣＨＥＮ Ｑｉｘｕｎ ＸＵＥ Ｊｉｎｇ（Ｃｏｌｌｅｇｅ ｏｆ Ａｕｔｏｍａｔｉｏｎ，Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ＇ａｎ ７１０１２９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｉｍａｇｅ ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ ｔｒａｃｋ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ａｒｅ ｓｔｕｄｉｅｄ．Ａ ｋｉｎｄ ｏｆ ａｄａｐｔｉｖｅ ｄｉｆｆｅｒｅｎｔｉａｌ ａｌｇｏ－ｒｉｔｈｍ ｆｏｒ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ ｉｓ ｐｕｔ ｆｏｒｗａｒｄ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ ｏｎ ｃｏｍｍｏｎ ｄｉｆｆｅｒｅｎｔｉａｌ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ，ｗｈｉｃｈ ｃａｎ ａｄｊｕｓｔ ｔｈｅ ｒａｎｇｅ ｏｆ ｓｅａｒｃｈ，ｔｈｒｅｓｈｏｌｄ，ａｎｄ ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｃａｌｃｕｌａｔｉｎｇ ｄｉｆｆｅｒｅｎｃｅ．Ｔｈｕｓ，ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｖｉｄ－ｅｄ ｗｉｔｈ ｍｏｒｅ ａｎｔｉ ｊａｍｍｉｎｇ ｃａｐａｂｉｌｉｔｙ．Ｈｅｒｏｎ＇ｓ ｆｏｒｍｕｌａ ｉｓ ｕｓｅｄ ｔｏ ｔａｋｅ ｔｈｅ ａｒｅａ ｏｆ ｔｈｅ ｔｒｉａｎｇｌｅ ｏｎ ｌｉｎｅｓ，ａｎｄ ａ ｓｉｍｐｌｅ ｃｏｎ－ｔｒｏｌ ｍｅｔｈｏｄ ｏｆ ｓｐｅｅｄ ｏｆ ｓｍａｒｔ ｃａｒ ｉｓ ｕｓｅｄ．Ｔｈｅ ａｒｅａ ｏｆ ｔｒｉａｎｇｌｅ ｏｎ ｃｕｒｖｅ ｒｅｆｌｅｃｔｓ ｔｈｅ ｂｅｎｄ ｏｆ ｔｒａｃｋ，ｗｈｉｃｈ ｉｓ ｔａｋｅｎ ａｓ ｔｈｅｃｏｎｔｒｏｌ ｖａｒｉａｂｌｅ ｏｆ ｓｐｅｅｄ ｃｏｎｔｒｏｌ ｏｆ ｓｍａｒｔ ｃａｒ．Ｋｅｙ ｗｏｒｄｓ：ａｄａｐｔｉｖｅ ｄｉｆｆｅｒｅｎｔｉａｌ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ；ｓｍａｒｔ ｃａｒ；ｉｍａｇｅ ａｃｑｕｉｓｉｔｉｏｎ；Ｈｅｒｏｎ＇ｓ ｆｏｒｍｕｌａ９４环形快速路交通流的改进元胞传输模型建立与仿真———史 良 陈阳舟 张 鲁。