本發(fā)明屬于車輛輔助駕駛技術(shù)領(lǐng)域，具體涉及一種車輛輔助駕駛系統(tǒng)的前車碰撞預(yù)警方法。

背景技術(shù)：

根據(jù)國(guó)外公司的一項(xiàng)調(diào)查數(shù)據(jù)顯示，對(duì)于前向碰撞，如果能夠提前2秒察覺危險(xiǎn)并提醒駕駛員，那么減少的事故發(fā)生概率在95％以上，而提前1.5秒進(jìn)行預(yù)警，前車追尾以及轉(zhuǎn)彎碰撞事故也能降低至10％。可以說，擁有前向防碰撞系統(tǒng)等于為汽車多上了一份安全保險(xiǎn)。面對(duì)馬路上出現(xiàn)的越來越多的車輛以及日益復(fù)雜的行路狀況，輔助駕駛的工具愈發(fā)成為駕駛員們所迫切需要的智能配置。

傳統(tǒng)的前車碰撞預(yù)警算法是通過計(jì)算當(dāng)前車輛與前車的距離和相對(duì)速度，從而得到碰撞時(shí)間，當(dāng)碰撞時(shí)間小于設(shè)定的閾值時(shí)，觸發(fā)報(bào)警，如下公式：

T＝S/ΔV

其中：S即兩車的距離，ΔV是兩車的相對(duì)速度，T是碰撞時(shí)間；ΔV計(jì)算如下：

ΔV＝ΔS/ΔT

其中：ΔS可由視頻序列中連續(xù)兩幀之間的距離差獲得，ΔT可根據(jù)連續(xù)兩幀之間的時(shí)間差獲得。從以上公式可知，如預(yù)獲得碰撞時(shí)間，關(guān)鍵在于精確的計(jì)算出兩車的距離，計(jì)算距離一般有兩種方法，第一種是通過激光、雷達(dá)等傳感器獲得，該方法的優(yōu)點(diǎn)是測(cè)算出的距離精確，缺點(diǎn)也明顯，成本較高，目前難以在民用領(lǐng)域大規(guī)模使用；第二種是通過圖像處理的方法，估算出兩車的距離，該方法的優(yōu)點(diǎn)是成本低，缺點(diǎn)也比較明顯，即精確不高。現(xiàn)有的圖像處理算法一般通過幾何變換的方法估算距離，原理如圖1所示。

圖1展示了傳統(tǒng)的距離計(jì)算方法，假設(shè)攝像頭跟地平線平行，鏡頭焦距是f，前車車尾距離攝像頭的距離為Z，攝像頭距離地面的高度為H，前車車尾與地面交線的點(diǎn)映射到圖像的點(diǎn)的高度是y，則根據(jù)幾何性質(zhì)，有如下等式：

$Z=\frac{fH}{y}$

從以上原理可知，f已知的情況下，需計(jì)算攝像頭距離地面高度以及前車車尾與地面交線在圖像中的位置，前者需要用戶標(biāo)定，后者則需要車尾檢測(cè)器精確的定位，如檢測(cè)不準(zhǔn)，幾個(gè)像素的誤差就會(huì)導(dǎo)致計(jì)算出的距離出差較大的誤差，從而碰撞時(shí)間也會(huì)不準(zhǔn)確。以上分析可知，如果不借助其他傳感器，傳統(tǒng)的前車碰撞預(yù)警算法對(duì)用戶和算法都有非常高的要求，可行性和穩(wěn)定性都不高。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)以上缺陷，本發(fā)明轉(zhuǎn)變思路提供了一種車輛輔助駕駛系統(tǒng)的前車碰撞預(yù)警方法，不再求兩車的絕對(duì)距離，而是通過車尾框的變化率求得碰撞預(yù)警時(shí)間，當(dāng)前后幾幀的車尾框變化率過大并超過設(shè)定的閾值，則輸出報(bào)警信息。

一種車輛輔助駕駛系統(tǒng)的前車碰撞預(yù)警方法，包括如下步驟：

首先，通過訓(xùn)練關(guān)于車尾的強(qiáng)分類器用以對(duì)輸入圖像進(jìn)行車尾檢測(cè)，若當(dāng)前幀輸入圖像中包含車尾，則進(jìn)一步計(jì)算當(dāng)前時(shí)刻對(duì)應(yīng)的碰撞時(shí)間T；若當(dāng)前幀輸入圖像中不包含車尾，則檢測(cè)下一幀輸入圖像；

然后，利用車尾變化率S計(jì)算當(dāng)前時(shí)刻對(duì)應(yīng)的碰撞時(shí)間T，即：

其中：w_{當(dāng)前}表示當(dāng)前幀輸入圖像中車尾的寬度，w_前一表示前一通過車尾檢測(cè)的輸入圖像中同一車尾的寬度，Δt表示當(dāng)前幀輸入圖像與前一通過車尾檢測(cè)的輸入圖像的采集時(shí)間差；

最后，依據(jù)當(dāng)前時(shí)刻對(duì)應(yīng)的碰撞時(shí)間T進(jìn)行前車碰撞預(yù)警。

所述訓(xùn)練強(qiáng)分類器的具體過程為：大量采集各種路況下的行車記錄儀數(shù)據(jù)，從中獲取正樣本和負(fù)樣本，正樣本為包含車尾的圖像且車尾面積至少占整個(gè)正樣本面積的90％，負(fù)樣本為不包含車尾的圖像；從正樣本和負(fù)樣本中提取Haar特征，使Haar特征作為輸入采用Adaboost算法進(jìn)行訓(xùn)練，從而得到關(guān)于車尾的強(qiáng)分類器，其輸出結(jié)果分為兩類：一類是車尾，另一類不是車尾。

所述對(duì)輸入圖像進(jìn)行車尾檢測(cè)的具體過程為：提取輸入圖像的ROI(感興趣區(qū)域)，所述的ROI中只包含距離本車最近的車；將ROI縮放為多級(jí)不同尺度的窗口圖像，進(jìn)而提取窗口圖像的Haar特征逐個(gè)輸入強(qiáng)分類器中進(jìn)行檢測(cè)，若超過一定比例的窗口圖像通過檢測(cè)為車尾，則判定輸入圖像中包含車尾并對(duì)輸入圖像信息進(jìn)行保存。

所述前車碰撞預(yù)警的具體實(shí)現(xiàn)方案為：若碰撞時(shí)間T大于等于3秒，則當(dāng)前車輛處于安全狀態(tài)；碰撞時(shí)間T小于3秒，則當(dāng)前車輛處進(jìn)入危險(xiǎn)狀態(tài)并開始計(jì)數(shù)，若連續(xù)三次判斷到碰撞時(shí)間T均小于3秒，則說明當(dāng)前車輛與前車車尾距離過近，輸出報(bào)警信息。

本發(fā)明方法無需用戶標(biāo)定參數(shù)，也無需計(jì)算兩車的絕對(duì)距離，只要能穩(wěn)定的檢測(cè)出車尾即可，并且當(dāng)遇到暴雨、逆光、順光等極端天氣時(shí)，只需要加入在極端天氣下的車尾訓(xùn)練正樣本，使得算法能識(shí)別出車尾，即可計(jì)算出前車碰撞時(shí)間，算法穩(wěn)定性和用戶體驗(yàn)較傳統(tǒng)方法都得到了提升。此外，本發(fā)明方法沒有額外過多的運(yùn)算，性能也較傳統(tǒng)算法高。

附圖說明

圖1為車距估算的原理示意圖。

圖2是本發(fā)明方法的流程示意圖。

具體實(shí)施方式

為了更為具體地描述本發(fā)明，下面結(jié)合附圖及具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明。

本發(fā)明車輛輔助駕駛系統(tǒng)的前車碰撞預(yù)警方法的具體實(shí)現(xiàn)主要分為兩大模塊：一是前車車尾檢測(cè)，二是根據(jù)相鄰幀之間的車尾寬度變化率計(jì)算碰撞時(shí)間；方法流程如圖2所示。

模塊一：車尾檢測(cè)。

大量采集各種路況的行車記錄儀數(shù)據(jù)，包括城市道路、高速高架、鄉(xiāng)間道路等，并從中獲取正樣本和負(fù)樣本，正樣本為包含車尾的圖像，車尾面積約占整個(gè)正樣本面積的90％左右，負(fù)樣本為不包含車尾圖像的圖像，將正負(fù)樣本統(tǒng)一到24×24像素的圖像，從正樣本和負(fù)樣本中提取Haar特征，對(duì)從這些特征用Adaboost算法進(jìn)行訓(xùn)練，得到Haar特征組成的強(qiáng)分類器，分類結(jié)果分為兩類：一類是輸入窗口是車尾，另一類不是車尾。

當(dāng)車尾模型訓(xùn)練完后，需要在輸入圖像中檢測(cè)車尾。先將圖像提取出感興趣區(qū)域，這個(gè)區(qū)域只包含距離本車最近的車，從而減小搜索范圍提高性能，然后把感興趣區(qū)域縮小為多級(jí)不同尺度的圖像，并從小到大排列，從第一個(gè)尺度開始檢測(cè)，每一個(gè)窗口用強(qiáng)分類器進(jìn)行分類，如果結(jié)果是車尾窗口，則記錄窗口信息并保存，供下一個(gè)模塊使用。

模塊二：根據(jù)車尾變化率計(jì)算碰撞時(shí)間。

根據(jù)相機(jī)的透視投影可知如下公式：

$w_t=\frac{fW}{Z_t}$

其中，w_t是t時(shí)刻車尾在圖像中的寬度，Z_t是距離前車車尾的距離，W是車尾的實(shí)際寬度，f是相機(jī)的焦距；車尾在圖像中的寬度可通過車尾的邊緣像素提取計(jì)算獲得。

假設(shè)S作為前后兩幀車尾的變化率：

$S=\frac{w_1}{w_0}=\frac{\frac{fW}{Z_1}}{\frac{fW}{Z_0}}=\frac{Z_0}{Z_1}$

而兩幀之間的距離又滿足如下條件：

Z₁＝Z₀+V*Δt

所以假設(shè)碰撞時(shí)間為T，有如下公式：

$T=\frac{Z_1}{V}=\frac{\mathrm{\Δ}t}{S-1}$

因此，前車碰撞時(shí)間只與車尾的寬度變化率相關(guān)，無需用戶標(biāo)定額外參數(shù)。另外，對(duì)于同一個(gè)車尾，用于計(jì)算車尾寬度變化率的兩幀間隔可任意，既可相鄰兩幀，也可間隔多幀。

當(dāng)在t時(shí)刻的碰撞時(shí)間計(jì)算完成后，則需要判斷當(dāng)前車輛是否處于距離過近的危險(xiǎn)狀態(tài)。經(jīng)相關(guān)研究表明，對(duì)于前車碰撞，如果提前2秒察覺危險(xiǎn)并提醒駕駛員，那么減少的事故發(fā)生概率在95％以上。鑒于此，我們將報(bào)警時(shí)間繼續(xù)放寬，設(shè)在3秒。當(dāng)T大于3秒時(shí)，當(dāng)前車輛處于安全狀態(tài)，當(dāng)小于3秒時(shí)，則進(jìn)入危險(xiǎn)狀態(tài)，并開始計(jì)數(shù)，如果T連續(xù)三次都小于3秒，則說明當(dāng)前車輛與前車車尾距離過近，輸出報(bào)警信息。

我們將本發(fā)明集成到行車記錄儀中，能正常運(yùn)行后將行車記錄儀安裝到小轎車上，調(diào)整相機(jī)的角度，使得相機(jī)畫面中中線與天際線重合。安裝完成后，啟動(dòng)轎車，行車記錄儀會(huì)自動(dòng)啟動(dòng)，并實(shí)時(shí)獲取行駛數(shù)據(jù)傳入ADAS系統(tǒng)分析當(dāng)前車輛安全狀態(tài)，當(dāng)車距過近時(shí)，行車記錄儀會(huì)發(fā)出報(bào)警聲，提醒司機(jī)注意安全車距。

上述對(duì)實(shí)施例的描述是為便于本技術(shù)領(lǐng)域的普通技術(shù)人員能理解和應(yīng)用本發(fā)明。熟悉本領(lǐng)域技術(shù)的人員顯然可以容易地對(duì)上述實(shí)施例做出各種修改，并把在此說明的一般原理應(yīng)用到其他實(shí)施例中而不必經(jīng)過創(chuàng)造性的勞動(dòng)。因此，本發(fā)明不限于上述實(shí)施例，本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的揭示，對(duì)于本發(fā)明做出的改進(jìn)和修改都應(yīng)該在本發(fā)明的保護(hù)范圍之內(nèi)。