CN102529959A - 车辆翻覆预防安全系统及其方法 - Google Patents

Abstract

本发明提供一种车辆翻覆预防安全系统及其方法，包括撷取一车辆前方的至少一道路影像，利用影像处理器判断道路影像中是否有车道线，若有，则根据车道线以计算出车道曲率、道路倾斜角度、车辆与车道线的相对位置。再藉由微处理器根据车辆的动态信息、车道曲率及道路倾斜角度以估算出一翻覆预测点及一翻覆临界速度，并判断车辆的车速是否超过翻覆临界速度，若否，则重复计算出车道曲率、道路倾斜角度、车辆与车道线的相对位置；若是，则输出一警示讯号或对应翻覆预测点及翻覆临界速度来进行车速的减速控制动作。

Description

车辆翻覆预防安全系统及其方法

技术领域

本发明涉及一种车辆翻覆预防安全系统及其方法，特别是指一种可估算出车道曲率及路面倾角，并求出翻覆预测点及翻覆临界速度，以警示驾驶者或控制减速动作的车辆翻覆预防安全系统及其方法。

背景技术

随着车辆普及广泛应用于人类社会，使得各地差距不断缩短，逐渐成为全球化一体的社会形态，但所谓一正必有一反，近几年因交通事故伤亡事件层出不穷，大部分交通事故的肇事原因，主要是以驾驶人未注意路况的情形居多，由于驾驶者的粗心不注意或是精神不集中，很容易导致车祸意外的发生。

为提高车辆行驶的安全性，并降低交通事故发生率，因此，目前以卫星监控系统(GPS)配合图资，来达到侦测前方道路曲率信息的技术为主，或是以影像辨识为基础，藉由影像辨识技术来达到车道线及车道曲率估算，都可持续进行车辆行驶状态与车道路况的分析，当发生车辆偏离车道或是过弯速度过快的情况时，便可立即警告驾驶者修正车辆方向或减慢车速，以避免事故发生。惟，卫星监控系统误差范围大，约3-30公尺不等，应用在分秒必争的车辆翻覆预防系统上，准确度稍嫌不足；此外，若以影像辨识技术来辨识具有倾斜的道路时，容易造成车道曲率估测错误。

有鉴于此，本发明遂针对上述习知技术的缺失，提出一种车辆翻覆预防安全系统及其方法，以有效克服上述的该等问题。

发明内容

本发明的主要目的在提供一种车辆翻覆预防安全系统及其方法，利用立体视觉处理法来估算出精确的车道倾角与车道曲率变化，并输出对应警示以供驾驶者能预先采取减速应变措施，或由系统自动修正车辆速度，使其维持翻覆临界车速之下，以避免车辆侧滑或翻覆的意外发生。

本发明的另一目的在提供一种车辆翻覆预防安全系统及其方法，其可应用平面道路或有倾角的道路的影像辨识，可利用立体视觉处理法估算出一影像传感器倾斜角度的误差校正值，藉以修正先前技术中影像传感器的倾斜角度与实际值的误差现象。

为达上述的目的，本发明提供一种车辆翻覆预防安全方法，包括下列步骤：撷取一车辆前方的至少一道路影像；判断道路影像中是否有车道线，若否，则重新撷取道路影像，若是，则根据车道线以计算出车道曲率、道路倾斜角度、车辆与车道线的相对位置；根据车辆的动态信息、车道曲率及道路倾斜角度以估算出一翻覆预测点及一翻覆临界速度；及判断车辆的车速是否超过翻覆临界速度，若否，则重新计算出车道曲率、道路倾斜角度、车辆与车道线的相对位置，若是，则输出一警示讯号或对应该翻覆预测点及翻覆临界速度，来进行车速的减速控制动作。

本发明更提供一种车辆翻覆预防安全系统，设于一车辆上，车辆翻覆预防安全系统包括：至少一影像传感器，用于撷取车辆前方的道路影像；一影像处理器，连接影像传感器，影像处理器辨识道路影像的车道线，并根据车道线以计算出车道曲率、道路倾斜角度、车辆与车道线的相对位置；一车况感测模块，用于感测车辆的转角角度、倾斜角度及车速的动态信息；一微处理器，连接影像处理器及车况感测模块，微处理器依据道路曲率、道路倾斜角度及动态信息以估算出一翻覆预测点及翻覆临界速度，并对应输出一警示讯号或一控制讯号；及一油门与煞车控制器，连接微处理器，油门与煞车控制器根据控制讯号以控制车辆的减速动作。

下面藉由具体实施例详加说明，当更容易了解本发明的目的、技术内容、特点及其所达成的功效。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的架构图；

图2为本发明的步骤流程图；

图3为本发明将世界坐标转换成以影像坐标表示的车道模型的示意图；

图4为本发明计算道路倾斜角度的步骤流程图；

图5为本发明使用立体影像处理法取得道路深度影像的示意图；

图6为本发明另一使用立体影像处理法取得道路深度影像的示意图；

图7为本发明的车辆过弯行驶的示意图。

附图标记说明：10车辆翻覆预防安全系统；12影像传感器；14影像处理器；16车况感测模块；18微处理器；20油门与煞车控制器；22倾斜传感器；24加速度传感器；26方向盘转角传感器。

具体实施方式

请一并参阅图1及图2，图1为本发明的架构图，图2为本发明的步骤流程图。车辆翻覆预防安全系统10设在一车辆上，车辆翻覆预防安全系统10包括至少二影像传感器12、一影像处理器14、一车况感测模块16、一微处理器18及一油门与煞车控制器20，微处理器18连接影像处理器14、车况感测模块16及油门与煞车控制器20。其中车况感测模块16更包含一倾斜传感器22、一加速度传感器24及一方向盘转角传感器26，倾斜传感器22侦测车辆的倾斜角度，加速度传感器24侦测车辆的车速，方向盘转角传感器26侦测车辆的转角角度。影像传感器12连接影像处理器14，影像传感器12可为CCD或CMOS摄影机，较佳可装设于车辆的后视镜或挡风玻璃上，如步骤S10，利用影像传感器12撷取车辆前方的道路影像。再步骤S12，利用影像处理器14判断道路影像的车道线，若否，则执行步骤S10，重新撷取车辆前方的道路影像；若是，则执行步骤S14，影像处理器14根据车道线以计算出车道曲率、道路倾斜角度、车辆与车道线的相对位置。其中影像处理器14利用一车道线模型以计算出车道斜率、车道曲率、车辆与车道线的相对位置，车道线模型的方程式如下：

X_w＝k·Y_W ²+m·Y_W+b

其中，X_W、Y_W、Z_W表示为世界坐标轴，k、m、b表示为车道线模型的参数。藉由车道线模型经一次微分，可推算求得车道斜率，车道斜率的公式为：ε_l＝2·k·Y_W+m，ε_l表示为车辆的行进路线斜率。再将车道斜率的公式执行第二次微分，可进一步求出车道曲率，其公式为：C_l＝2·k。藉由上述车道斜率，可以进一步推算车辆横向位移量，其公式为：ΔY＝Y_L-L×ε_L，ΔY表示为车辆横向位移量，Y_L表示为参考点的车辆偏移量，L表示为预视距离斜率。当计算出车道斜率后，即可推算出车辆距车道边线距离，换言之，可得知车辆与车道线的相对位置，如下公式所示：

$\mathrm{\ΔY}=\left\{\begin{array}{c}\frac{b_R}{2}+(\frac{b_V}{2}-Y_L-L\×{\mathrm{\ϵ}}_L)\\ \frac{b_R}{2}-(\frac{b_V}{2}-Y_L-L\×{\mathrm{\ϵ}}_L)\end{array}\right.$

其中，b_R表示为车道宽度，b_V表示为车辆宽度。请同时参阅图3，为世界坐标转换成以影像坐标表示的车道模型，其中车道线模型以世界坐标为基准，可藉由一影像处理器14将车道模型投影至一以影像坐标为基准的车道模型，再进行相对应的坐标转换，其中影像坐标的车道线模型的公式如下：

$u=\frac{{\mathrm{ke}}_u{e}_{v}H}{e_u{m}_{\mathrm{\θ}}-v}+{\mathrm{me}}_u+\frac{{\mathrm{be}}_u}{{\mathrm{He}}_v}(e_v{m}_{\mathrm{\θ}}-v)$

m_θ＝tanθ+tanα

其中，u表示为影像平面的横坐标，v表示为影像平面的纵坐标，e_u表示为u方向影像传感器12焦距转换到影像坐标的基本量，单位为像素(Pixel)，e_v表示为v方向影像传感器12焦距转换到影像坐标的基本量，单位为像素(Pixel)，H表示为影像传感器12装设于车辆上的高度，k、m、b表示为车道线模型的参数，

表示为影像传感器12的倾斜角度。影像传感器12的倾斜角度定义为影像传感器12中心线与实际道路的夹角，若实际道路是具有倾角或有上坡，会使影像处理器14在估算车道曲率上造成误差的现象。

本发明为改善车道曲率有误差的现象，请同时配合图4及图5，上述步骤S14中，利用影像处理器14计算道路倾斜角度更包含下列步骤：如步骤S142，影像处理器14使用立体视觉处理法取得一道路深度影像，其藉由两个影像传感器12撷取两张相对应的影像，以还原影像中实际道路影像与撷取道路影像的影像传感器12的实际距离，计算实际距离的方程式为：

$\frac{\mathrm{\Δx}1}{f}=\frac{X}{Z};\frac{\mathrm{\Δx}2}{f}=\frac{X-b}{Z};$ 及 $Z=\frac{\mathrm{bf}}{(\mathrm{\Δx}1-\mathrm{\Δx}2)};$

其中，X、Z分别为该实际道路影像的X轴及Y轴，两个影像传感器12的成像平面中心点相互平行，b表示为二影像传感器的实际距离，实际道路空间中的一点投影至右影像平面的投影点与右影像平面的影像中心点的距离为Δx1，实际道路空间中的一点投影至左影像平面的投影点与左影像平面的影像中心点的距离为Δx2，f表示为影像传感器的焦距。再如步骤S144，影像处理器14依据道路深度影像定义出车道线所在的道路为平面道路或非平面道路。最后再执行步骤S146，计算道路水平与垂直以求出道路倾斜角度，请配合图6，道路的对应点在成对影像中的位置差(Δx1-Δx2)称为相差(disparity)，使立体视觉处理器可实时求出空间中的深度影像。将原始影像利用立体比对的方法找出每一像素点的景深信息图，亦称为相差影像(disparity map)，将相差影像投影至影像平面Y轴上(V)，Y轴为影像纵轴坐标，X轴(Δ)为相差值，离影像传感器12最近的特征点会有越大的相差值，在影像中，同一平面的点会在V-disparity map上呈现一条直线，再搭配使用U-disparity map，来辅助判断若道路水平是否有角度变化，藉此，即可求出道路倾斜角度；藉此，本案即可求解前方道路的倾斜角度变化。

因此，影像处理器14可利用立体视觉处理法估算出车道倾斜角度的误差校正值，误差校正值由下列公式所求得：

α＝f(h，f_x，f_y，c_b，c_x，u)

θ＝f(h，d，f_x，f_y，c_b，c_y，v)

α表示为道路垂直倾斜角度；θ表示为道路水平倾斜角度；f表示为车道模型公式；h表示为影像传感器12安装高度；f_x表示为影像传感器12的X轴焦距；f_y表示为影像传感器12的Y轴焦距；d表示为两对应特征点的相差值；C_b表示为二影像传感器12间距；C_x表示为影像中心X轴坐标；C_y表示为影像中心Y轴坐标；u表示为影像横坐标；v表示为影像纵坐标。可利用α与θ带入影像坐标的车道线模型的公式中的m_θ＝tanθ+tanα，藉以修正车道倾斜角度的误差量。

接续执行步骤S16，微处理器18根据车况感测模块16所感测到车辆的转角角度、倾斜角度及车速的动态信息，以及车道曲率、道路倾斜角度以估算出一翻覆预测点及一翻覆临界速度。翻覆临界速度利用下列方程式取得：

$V_{\max }=\sqrt{(a_{\max }+\mathrm{ge})R}$

其中，V_max表示为最大临界速度，g表示为重力加速度，且g＝9.80665m/s^2，e表示为道路倾斜角度，R表示为车道曲率的曲率半径，a_max表示为车辆的侧向加速度。其中车辆翻覆最大车速主要受限于的关键因素为车辆的侧向加速度重心位置，最直接避免车辆翻覆的手段即为降低车辆过弯的速度，如侧向加速度的公式为：

其中RT(RolloverThreshold)表示为车辆的翻覆临界值，SM表示为一预设安全过弯数。由于每台车辆的条件不同，例如车辆随不同载重，翻覆临界值也会虽的改变，如表1所示：

表1

载重范围(公斤)	翻覆临界值
		0-15.875	0.73g
小于15.876-22.680	0.60g
		小于22.681-29.484	0.50g
小于29.485-36.287	0.38g
		小于36.288-45.359	0.36g

接续执行步骤S18，微处理器18判断车辆的车速是否超过翻覆临界速度，若否，则回到步骤S14；若是，执行步骤S20，车辆此时以高于翻覆临界速度进入弯道，如图7所示，微处理器18于车辆进入弯道的初期，会先输出一警示讯号，例如以语音或震动方式告知驾驶者目前车速过快，无法安全行驶于弯道上，应减速行驶，以达预先警示的功效；或者，若微处理器18已输出警示讯号，驾驶者仍未有减速行驶的意图时，则微处理器18会根据方向盘转角传感器26的转角角度与翻覆预测点的距离等参数，输出一控制讯号，其中翻覆预测点可藉由道路倾斜角度、倾斜传感器22(如陀螺仪)感测车辆的倾斜角度与道路曲率所推估出的最佳预测点。油门与煞车控制器20根据控制讯号以控制车辆的减速动作；换言之，微处理器18对应翻覆预测点及翻覆临界速度来调整油门节气阀开度与煞车，以进行车速的减速控制动作，也就是将车辆的车速自动降到翻覆临界速度以下，可确保无翻覆意外的情况发生。

综上所述，本发明利用立体视觉处理法来估算出精确的车道倾角与车道曲率变化，并输出对应警示以供驾驶者能预先采取减速应变措施，或由系统自动修正车辆速度，使其维持翻覆临界车速之下，以避免车辆侧滑或翻覆的意外发生的功效。此外，本发明又可应用平面道路或有倾角的道路的影像辨识，可利用立体视觉处理法估算出一影像传感器倾斜角度的误差校正值，藉以修正先前技术中影像传感器的倾斜角度与实际值的误差现象的功效。

唯以上所述者，仅为本发明之较佳实施例而已，并非用来限定本发明实施之范围。故即凡依本发明申请范围所述的特征及精神所为的均等变化或修饰，均应包括于本发明之申请专利范围内。

Claims (10)

1.一种车辆翻覆预防安全方法，包括下列步骤：

(A)撷取一车辆前方的至少一道路影像；

(B)判断该道路影像中是否有车道线，若否，则回到步骤(A)，若是，则执行步骤(B)；

(C)根据该车道线以计算出车道曲率、道路倾斜角度、该车辆与该车道线的相对位置；

(D)根据该车辆的动态信息、该车道曲率及该道路倾斜角度以估算出一翻覆预测点及一翻覆临界速度；及

(E)判断该车辆的车速是否超过该翻覆临界速度，若否，则回到该步骤(C)，若是，则输出一警示讯号或对应该翻覆预测点及该翻覆临界速度来进行该车速的减速控制动作。

2.如权利要求1所述的车辆翻覆预防安全方法，其中该步骤(C)利用一车道线模型以计算出该车道斜率、该车道曲率、该车辆与该车道线的相对位置。

3.如权利要求2所述的车辆翻覆预防安全方法，其中该车道线模型以世界坐标为基准，可藉由一影像处理器将该车道模型投影至一以影像坐标为基准的车道模型，再进行相对应的坐标转换，再利用一立体视觉处理法估算出该车道倾斜角度的误差校正值。

4.如权利要求1所述的车辆翻覆预防安全方法，其中该步骤(C)中，根据该车道线以计算该道路倾斜角度，更包括下列步骤：

(C1)使用一立体视觉处理法取得一道路深度影像；

(C2)依据该道路深度影像定义出该车道线所在的道路为平面道路或非平面道路；及

(C3)计算该道路水平与垂直以求出该道路倾斜角度。

5.如权利要求4所述的车辆翻覆预防安全方法，其中该立体视觉处理法所取得该道路深度影像藉由两张相对应的影像以还原该影像中实际道路影像与撷取该道路影像的至少二影像传感器的实际距离，计算该实际距离的方程式为：

$\frac{\mathrm{\Δx}1}{f}=\frac{X}{Z};\frac{\mathrm{\Δx}2}{f}=\frac{X-b}{Z};$ 及 $Z=\frac{\mathrm{bf}}{(\mathrm{\Δx}1-\mathrm{\Δx}2)};$

其中，X、Z分别为该实际道路影像的X轴及Y轴，b表示为该二影像传感器的实际距离，实际道路空间中的一点投影至至右影像平面的投影点与右影像平面的影像中心点的距离为Δx1，实际道路空间中的一点投影至左影像平面的投影点与左影像平面的影像中心点的距离为Δx2，f表示为影像传感器的焦距。

6.如权利要求1所述的车辆翻覆预防安全方法，其中该翻覆临界速度利用下列方程式取得：

$V_{\max }=\sqrt{(a_{\max }+\mathrm{ge})R}$

其中，V_max表示为最大临界速度，g表示为重力加速度，且g＝9.80665m/s^2，e表示为该道路倾斜角度，R表示为该车道曲率的曲率半径，a_max表示为该车辆的侧向加速度。

7.一种车辆翻覆预防安全系统，设于一车辆上，该车辆翻覆预防安全系统包括：

至少一影像传感器，用于撷取该车辆前方的道路影像；

一影像处理器，连接该影像传感器，该影像处理器辨识该道路影像的车道线，并根据该车道线以计算出车道曲率、道路倾斜角度、该车辆与该车道线的相对位置；

一车况感测模块，用于感测该车辆的转角角度、倾斜角度及车速的动态信息；

一微处理器，连接该影像处理器及该车况感测模块，该微处理器依据该道路曲率、该道路倾斜角度及该动态信息以估算出一翻覆预测点及翻覆临界速度，并对应输出一警示讯号或一控制讯号；及

一油门与煞车控制器，连接该微处理器，该油门与该煞车控制器根据该控制讯号以控制该车辆的减速动作。

8.如权利要求7所述的车辆翻覆预防安全系统，其中该车况感测模块更包含：

一倾斜传感器，用于侦测该车辆的该倾斜角度；

一加速度传感器，用于侦测该车辆的该车速；及

一方向盘转角传感器，用于侦测该车辆的该转角角度。

9.如权利要求7所述的车辆翻覆预防安全系统，其中该影像处理器利用一车道线模型以计算出该车道斜率、该车道曲率、该车辆与该车道线的相对位置。

10.如权利要求9所述的车辆翻覆预防安全系统，其中该车道线模型以世界坐标为基准，可藉由该影像处理器将该车道模型投影至一以影像坐标为基准的车道模型，再进行相对应的坐标转换，再利用一立体视觉处理法取得该车道倾斜角度的误差校正值。

Images