[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

说明书

本发明公开了一种基于视觉的智能车辆前向碰撞预警方法及系统。本发明方法通过使用YOLOv3算法对车辆前方的目标进行识别检测，输出目标的位置及最小边界包围框等信息；多目标跟踪算法测量目标矢量速度，预测未来走向；单目测距技术利用小孔成像原理计算当前目标的横向及纵向距离；使用结合多项式拟合和透视变换的车道线检测技术对视频中的车道线进行准确稳定的追踪；根据车道线检测结果、及驾驶员反映特性、前方最近目标相对速度等在本车前方绘制两块随自车车速动态变化的预警区域；碰撞预警技术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警。采用本发明能够对潜在危险目标及时预警，降低碰撞发生的概率。

技术领域

本发明涉及碰撞预警技术，属于计算机视觉、辅助驾驶领域，具体涉及一种基于视觉的智能车辆前向碰撞预警方法及系统。

背景技术

传统的汽车被动安全技术虽然能在碰撞发生时尽可能减小伤害但并不能从根本上避免危险的发生，尤其是面对一些突发情况时，以人的观察能力可能并不能做出及时反应，近几年汽车安全配置发展迅速，从以前的完全靠人为观察、预判危险到现在汽车能够自动预判危险并发出预警，从根源上降低了事故发生的概率。

基于视觉的智能车辆前向碰撞预警系统,运用计算机视觉技术，对行车记录仪采集到的视频进行处理分析。该系统包括目标检测技术，多目标跟踪技术，车道线检测技术，预警区域实时计算技术四大核心技术。四大核心技术的国内外研究现状综述如下：

(1)基于Y0L0v3的目标检测技术

准确识别并定位前方目标的位置是提高预警准确率的基础，现有的目标检测算法可以归结为两类，第一类是传统的目标检测算法，它是通过提取HOG、Haar、LUV等特征，训练分类器完成的，这种方法只有在某些特定条件下才能获得较好的检测效果。近几年通过卷积层在图像中提取特征的深度学习发展迅速，从RCNN到YOLO(youonlylookoncev3)再到FasterRCNN，目标检测在精度和速度上都有了很大的突破，但其检测速度慢并且对小目标的检测效果较差。

(2)多目标跟踪技术

在前车碰撞预警系统中，指定区域内对动态多目标运动趋势预测十分重要，是提前发出预警的重要基础，能帮助驾驶员预测可能发生碰撞的目标，减少事故发生的概率。目标跟踪传统的研究方法是通过序列图像信息提取出点、直线、曲线、参照点等目标特征，进而利用以上个体特征实现对目标的追踪，但这种方法会导致跟踪不稳定、目标丢失等问题，很难应用到实际领域中。

(3)车道线检测技术

准确识别前方车道是安全辅助驾驶的关键，是绘制预警区域的基础。传统的基于霍夫变换(Hough Transform)的车道线检测以及其改进方法概率霍夫变换PPHT(Progressive Probabfistic HoughTransform)在环境良好的情况下对直线检测效果较好，但难以准确检测弯道，因此针对弯道检测这一问题，多采用曲线拟合的方法，例如使用LmedSquare曲线检测弯曲车道线或者在拟合时利用蚁群算法对多条候选二次曲线的参数进行多次迭代，但这些方法由于需要大量拟合点和较好的二值图作为输入，因此计算量非常大。

(4)预警区域实时计算技术

安全距离模型是绘制预警区域的基础，而绘制合理的动态安全区域是系统评估前方目标危险等级的关键，目前国内外学者对此进行了深入研究并提出了一些安全距离模型，例如基于加速度的Kometani改进模型，但是其并没有考虑到驾驶员行为特性、汽车反应特性等关键因素，因此模型并不是很完善仍有很大的改进空间。

发明内容

为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种基于视觉的智能车辆前向碰撞预警方法及系统，对可能发生碰撞的情况及时预警，降低事故发生的概率。

为达到上述发明创造目的，本发明采用如下技术方案：