[发明专利]车载智能报警方法和装置无效

专利信息
申请号: 200810201987.8 申请日: 2008-10-30
公开(公告)号: CN101391589A 公开(公告)日: 2009-03-25
发明(设计)人: 徐叶雷;方勇;徐斌;林江宽 申请(专利权)人: 上海大学
主分类号: B60Q9/00 分类号: B60Q9/00;B60Q11/00;B60R21/00;B60R21/12
代理公司: 上海上大专利事务所(普通合伙) 代理人: 何文欣
地址: 200444*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 车载 智能 报警 方法 装置
【权利要求书】:

1.一种车载智能报警方法,其特征在于采用一种基于单目视觉的纵向防撞预警方法与一种事故自动求救方法相结合,实现防止追尾事故发生,争取救助时间以减少伤亡,有效预防碰撞事故及引起人员伤亡,提高汽车行驶安全性。

2.根据权利要求1所述的车载智能报警方法,其特征在于所述基于单目视觉的纵向防撞预警方法是:用单目摄像机以一定间隔时间拍摄一系列车辆前方图像,然后对所捕获的图像利用高速的数字信号处理DSP芯片进行图像分析、图像识别、图像跟踪,来识别和跟踪前方车辆,并计算出前车与本车的距离、相对速度,判断与前方车辆相撞的可能性,从而发出预警。判断方法如下:首先选取前方车辆的明显特征点,利用几何关系推导法得到实时车距,然后计算出此情况下的安全距离,通过比较车距与各安全距离级别的大小,从而决定是否发出报警信号,若发出则是何种级别预警。

3.根据权利要求2的车载智能报警方法,其特征在于所述基于单目视觉的纵向防撞预警方法的操作步骤如下:

A、单目摄像机每隔一小段时间采集一幅车辆前方行进区域的图像,传送给车载终端的DSP进行处理,时间间隔根据实际的需要和DSP处理速度取值;

B、对捕获的图像进行图像预处理,包括白平衡、灰度化、二值化和图像分割,获得用于识别车道线和前方车辆的二值化图像数据;

C、从所述二值化图像数据中提取车道线、道路区域的特征信息,进行边缘检测处理,通过多特征融合技术进行前方车辆的定位,并利用序列图像NMI特征方法进一步验证车辆识别的可靠性,用红色矩形框将车尾轮廓标记出来。

D、通过寻找矩形框中的明显特征点,利用几何关系推导法计算前车与本车的实时车距。

E、判断前车与本车的车距是否小于实时计算出的安全距离;是,则判断发出何种级别预警;否,则返回步骤A。

4.根据权利要求3所述的车载智能报警方法,其特征在于所述步骤C包括以下步骤:

C1、进行图像边缘检测处理,利用Sobel和Hough算子获得车道线和道路区域;

C2、利用车辆阴影初步确定车辆存在的感兴趣区域;

C3、在上述区域内进行纹理特征、边缘特征和对称性特征的分析,确认该区域是否为车辆;

C4、利用已识别车辆的边缘信息实现车辆定位,并用矩形框将车尾轮廓标记出来;

C5、在车辆跟踪过程中,利用计算序列图像中车辆区域的NMT特征,对车辆进一步加以验证。

5.根据权利要求3所述的车载智能报警方法,其特征在于所述步骤D采用如下步骤计算前车与本车的实时车距:

D1、在识别出前方车辆的基础上,在象平面坐标系中求取该矩形框底边中点的图像平面坐标,设为u1、v1,该点就是所寻找的明显特征点,象平面坐标系是指在摄像机内所形成的象平面坐标系统;

D2、求取图像平面底边中点的图像平面坐标,设为u2、v2,该点为摄像机捕获图像中的固定点;

D3、将图像平面坐标u1、v1、u2、v2通过几何关系推导成现实世界坐标系中的道路平面坐标x1、y1、x2、y2

D4、将摄像机最近视野与前方车辆的距离记为d2,d2=((y1-y2)2+(x1-x2)2)0.5;而将通过测量最近视野到本车前端的固定距离记为d1

D5、本车与前方车尾的实时距离为s,s=d1+d2

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海大学,未经上海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/200810201987.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top