[发明专利]一种基于视觉的智能车辆前向碰撞预警方法及系统

权利要求书

1.一种基于视觉的智能车辆前向碰撞预警方法，其特征在于，包括以下操作步骤：

(1)使用行车记录仪中采集到的视频，结合YOLOv3算法对视频中的目标进行识别与检测，输出目标的位置及最小边界包围框信息；

(2)使用基于卡尔曼滤波的多目标跟踪算法，根据步骤(1)输出的连续帧中的目标位置信息，对目标中心点轨迹进行预测及矫正，并测量其矢量速度；

(3)使用基于小孔成像原理的单目测距算法，根据步骤(1)输出的目标框宽度信息、最小边界包围框信息并结合相应的先验知识计算出目标纵向距离及偏转角，再利用三角函数关系计算出目标横向距离；

(4)进行车道线检测，首先对视频图像进行预处理，使用sobel边缘检测算法提取车道线的边缘，通过透视变换将二值图变换为鸟瞰图，降低曲线拟合阶次，再通过滑动窗口法提取一系列有效的离散像素点，然后用两条曲线来拟合这些像素，最后将拟合的车道线使用透视变换还原到原视角；

(5)根据驾驶员反应特性以及汽车反应特性计算出紧急制动距离，再结合步骤(4)计算出两块随车速动态变化的不同等级预警区域；将视频图像中的像素距离和实际距离用一元三次多项式P_h＝AL³-BL²+CL+D进行拟合从而将实际距离转换成像素距离，其中L为实际距离，P_h为像素距离，A，B，C，D为多项式系数；

(6)结合步骤(4)和步骤(5)计算出两块随车速动态变化的不同等级预警区域，融合距离感知对预警区域内检测到的目标输出不同预警等级，对可能发生碰撞的情况及时预测并提醒。

2.根据权利要求1所述基于视觉的智能车辆前向碰撞预警方法，其特征在于：所述步骤(1)使用COCO数据集对YOLOv3网络重新训练，模型精确度可高达99.8％。

3.根据权利要求1所述基于视觉的智能车辆前向碰撞预警方法，其特征在于：在所述步骤(2)中的轨迹预测及矫正通以下公式实现：

(2-1)预测：x_k＝Ax_k-1+Bu_k-1 p_k＝Ap_k-1A^T+Q

其中x_k为k时刻的状态，x_k-1为k-1时刻的状态，u_k-1为k-1时刻外界对系统的作用，A为状态转移矩阵，它表示如何从上一时刻的状态太推测当前时刻的状态，B为输入控制矩阵，表示控制量u_k如何作用于当前状态，p_k为k时刻的误差矩阵，p_k-1为k-1时刻的误差矩阵，A^T为A的转置矩阵，Q为预测噪声协方差矩阵，用来表示预测模型本身带来的噪声。

(2-2)矫正：

K_k＝P_kH^T(HP_kH^T+R)^-1 x_k＝x_k+K_k(z_k-Hx_k) P_k＝(I-K_kH)P_k

其中K_k为k时刻的卡尔曼增益，H为观测矩阵，H^T为H的转置矩阵，R为测量噪声协方差矩阵，z_k为k时刻的观测值，I为单位矩阵

步骤(5)所述的紧急制动距离s通过以下公式实现：

其中τ'₂为汽车反应时间，τ”₂为制动力增长时间，u₀为开始制动时的车速，a_bmax为刹车时的加速度；通过文献查阅，上述参数可分别设置为τ'₂＝0.1s,τ”₂＝0.1s,a_bmax＝8m/s²。