一种基于后视图像认知的车载盲区预警系统及方法

摘要

本发明公开了一种基于后视图像认知的车载盲区预警系统及方法，其实现系统由安装在后视镜处监控盲区的摄像头(1)和(2)、一台数字信号处理器(DSP)、语音提示器和电源以及若干条数据线组成。系统通过数据线读取车辆行驶信号，采用后视摄像头采集盲区路面图像(4)和(5)，由该处理器进行图像处理，检测盲区车辆(3)，分析车辆行驶状态，实现车辆分段跟踪，当驾驶员有切道倾向时，若有处于所在盲区内的非远离车辆，则通过语音提示器向驾驶员报警，从而避免切道碰撞危险。本发明面向车辆主动安全驾驶，具有系统配置简单、价格成本低、安全性能高、实时性好、适应复杂环境的优点。

主权项

一种基于后视图像认知的车载盲区预警系统，其特征在于，该系统主要由安装在后视镜处监控盲区的第一后视摄像头（1）和第二后视摄像头（2）、一台数字信号处理器DSP、语音提示器和电源以及若干条数据线组成；其中：所述第一后视摄像头（1）和第二后视摄像头（2）用于采集第一盲区路面（4）和第二盲区路面（5）处的图像，所述的后视摄像头的采集功能开关，由车辆的车速信号控制；所述DSP，用于对所述第一后视摄像头（1）和第二后视摄像头（2）采集的图像进行处理，以检测盲区路面的车辆以及分析所述车辆的行驶状态，实现车辆分段跟踪，对处于盲区路面的非远离车辆进行提示，从而实现盲区预警；以及滤除非车辆目标避免误告警；所述DSP执行以下过程进行图像处理以检测盲区车辆，具体为：先对车辆进行初步定位：对盲区图像以自适应性灰度阈值Tg进行二值分割，分离路面与车辆信息，并作为车辆初步定位依据；然后进行车辆检测：提取定位目标区域图像的特征向量，将图像的特征向量作为车辆识别模型的输入参数，通过一系列车辆特征样本模型的相关性比较，判断其是否为车辆，若车辆目标检测成功，进一步寻找车辆边缘特征使得目标准确框定；最后进行车距计算：根据摄像机标定参数，得出图像坐标系与世界坐标系的转换关系，将目标车辆在图像中所在位置转换到世界坐标系中，从而计算出目标车辆与本车间的相对距离；所述语音提示器，用于当驾驶员有切道倾向时，如果有处于所在盲区内的非远离车辆，则向驾驶员报警，以避免切道碰撞；所述的语音提示器的预警开关，由该车辆的转向灯信号控制。2.根据权利要求1所述的后视图像认知的车载盲区预警系统，其特征在于，所述DSP为TI TMS320DM6437。3.一种基于后视图像认知的车载盲区预警方法，其特征在于，包括以下步骤：A、图像信息获取过程：通过数据线读取车辆行驶信号，其中，车速信号控制两个后视摄像头采集功能的开关，转向灯信号控制车辆语音提示器的预警开关；当车速达到阈值Vm时，通过所述两个后视摄像头采集盲区路面图像；B、车辆检测过程：由DSP进行图像处理，检测盲区车辆；步骤B所述车辆检测过程，具体包括：B1、车辆初步定位：对盲区图像以自适应性灰度阈值Tg进行二值分割，分离路面与车辆信息，并作为车辆初步定位依据；B2、车辆检测：提取定位目标区域图像的特征向量，将图像的特征向量作为车辆识别模型的输入参数，通过一系列车辆特征样本模型的相关性比较，判断其是否为车辆，若车辆目标检测成功，进一步寻找车辆边缘特征使得目标准确框定；B3、车距计算：根据摄像机标定参数，得出图像坐标系与世界坐标系的转换关系，将目标车辆在图像中所在位置转换到世界坐标系中，从而计算出目标车辆与本车间的相对距离；C、车辆跟踪过程：将车辆行驶状态分为远离状态、接近状态、超车状态三类，并根据车辆不同状态实现车辆分段跟踪，分为常规跟踪与超车跟踪；及D、危险预警过程：根据转向灯信号，当驾驶员有切道倾向时，如有处于盲区内的接近车辆，则通过语音提示器向驾驶员报警，从而避免切道碰撞危险。4.根据权利要求3所述的基于后视图像认知的车载盲区预警方法，其特征在于，步骤A所述图像信息获取过程，具体包括：A1、摄像机标定：对后视摄像头进行标定，获取摄像头的外部参数与内部参数；所述外部参数包括摄像头相对地面的高度H、摄像头相对车轮外侧的距离V、摄像机的俯视角φ、摄像机相对侧边车身的偏离角θ；所述内部参数包括焦距f、视场角σ和光圈F；A2、图像采集：当车速达到一定数值Vm时，认为车辆已处于正常行驶状态，开启后视摄像头的采集功能，从而获取盲区图像；A3、图像预处理：将所获得盲区图像传予DSP开始数据分析；A4、盲区定位：根据标定参数，将车辆后方长Lb、宽Wb的区域，转化到盲区图像中，作为盲区定位以及车辆进入盲区判定标准。5.根据权利要求3所述的基于后视图像认知的车载盲区预警方法，其特征在于，步骤C所述车辆跟踪过程中状态判定与分段跟踪过程，具体包括：C1、车辆跟踪初定位：在车辆检测成功后，进入车辆常规跟踪阶段，进行图像二值分割；C2、车辆常规跟踪：根据上帧车辆在图像中的位置，在其附近选定Ns个跟踪框，作为车辆可能移动到达的目标定位区域，再分别提取定位目标区域的图像的特征向量，将图像的特征向量作为车辆识别模型的输入参数，通过一系列车辆特征样本模型的相关性比较，再选取特征向量相关性R最大的依据点max（Ri）作为跟踪目标；若跟踪目标的相关性不足阈值Tr或者目标尺寸过小，判定为跟踪结束；C3、对已跟踪成功车辆进行测距：根据摄像机标定参数，得出图像坐标系与世界坐标系的转换关系，将目标车辆在图像中所在位置转换到世界坐标系中，从而计算出目标车辆与本车间的相对距离；C4、车辆状态判断：根据帧间车辆距离的变化，判定车辆处于远离状态或是接近状态，如果车距在最近Nr帧内连续减少，则判定为接近；如果车距连续增加，则判定为远离；如果都不是，保持之前所判定的状态结果；C5、如果车辆处于远离状态，返回步骤C1继续跟踪车辆，否则执行步骤C6；C6、车辆处于接近状态时，如果目标车辆在盲区内，设置当前帧图像为危险状态，并执行步骤C7；否则执行步骤C1继续跟踪车辆；C7、判定车辆是否过近，当车距小于Dp时，判定车辆进入超车状态跟踪阶段，执行步骤C8，否则执行步骤C1；C8、超车状态跟踪，当盲区车辆过近时由于车体畸变，造成车辆特征向量信息不完全可靠，在此转入车辆超车跟踪，主要进行车尾寻找与定位，当车尾距离小于Dr时，判定车辆超车成功，结束跟踪，并设置图像为安全状态，返回步骤C1进行车辆检测；而当车尾距离大于Dr时，判定车辆仍处于超车状态，重复执行步骤C8直到车辆超车完成。6.根据权利要求3所述的基于后视图像认知的车载盲区预警方法，其特征在于，步骤D所述危险预警过程，具体包括：D1、检查车辆转向灯信号，当转向灯打开时，判断该侧图像是否处于危险状态，若是危险状态则执行步骤D2，否则执行步骤D3；D2、图像处于危险状态，判定预切道方向的盲区内有车辆接近，此时不宜切换车道，打开语音提示器向驾驶员发出警报；D3、图像处于安全状态，判定预切道方向的盲区内没有接近车辆，或者盲区内，此时切道安全，或者是盲区内车辆已离开，关闭语音提示器的警报。