CN103373349B - 自动泊车辅助系统的障碍物避碰装置及方法 - Google Patents

Abstract

本发明涉及一种自动泊车辅助系统的障碍物避碰装置及方法，根据本发明的自动泊车辅助系统的障碍物避碰装置，在车辆的前方、后方、侧方安装有多个传感器，扩大了障碍物移动检测区域，替代了以往在全部图像中寻找障碍物，而只对有亮度变化的图像检测障碍物区域，且利用主成分分析法和障碍物图像特征值，检测障碍物的移动，使用支持向量机，通过少数的支持向量(support？vector)，表现决策边界。根据本发明，因利用主成分分析法和障碍物图像特征值而检测障碍物的移动，能够提高检测性能；可自动探测障碍物并检测移动，因此驾驶者无需另外进行操作且很便利；在现有装置中能够附加适用障碍物移动检测及避碰功能，因此能够最小化装置变更。

Description

自动泊车辅助系统的障碍物避碰装置及方法

技术领域

本发明涉及障碍物避碰装置及方法，更详细地涉及能够检测障碍物的移动，从而控制车辆避免与障碍物发生碰撞的装置及方法。

背景技术

现有的障碍物检测系统存在如下问题：检测障碍物时误差率高，探测障碍物的演算法不正确，并且无法识别障碍物的移动，无法准确地避免与障碍物发生碰撞。

即，现有的障碍物检测系统只是简单安装有传感器，因此只能进行距离测定，从而发生无法探测盲区的障碍物等检测障碍物时认知障碍物的误差率高，由此，将车辆停泊在狭小的场所时，可能与车辆周边的壁面或其他车辆等发生碰撞而使得车辆被破损，并且存在即使在停车场有剩余空间，也因与石头等低矮物体的碰撞而在泊车途中使得车辆下部破损的问题。

并且，现有的障碍物检测系统因使用多层感知机(Multi-layerPerceptron：MLP)方法等不正确的探测演算法，因此存在无法准确地探测障碍物的问题。

例如，MLP方法只是将根据已提供的样本数据的错误进行最小化，对学习数据的准确度较高，但对非学习数据的准确度则低，因此存在如下问题：在探测障碍物的图像等光的亮度、位置、形态等发生各种变化的环境下，若样本数据数广泛时，难以确保可信度。

现有的障碍物检测系统，通过安装于车辆前后方保险杠的距离感知传感器感知接近的障碍物的距离，并对驾驶者发出警告，因此存在无法判断障碍物的移动的问题。

并且，现有的障碍物检测系统在控制车辆泊车时，若突然出现障碍物，因传感器的障碍物位置认知误差，错误地认知位于泊车空间的障碍物，从而泊车辅助系统无法将车辆正确地引导至泊车空间，导致车辆与突然出现的障碍物或泊车空间内的障碍物发生碰撞。

即，泊车时驾驶者需要检测障碍物并避碰障碍物，若车辆的左右侧面复杂地停泊有其他车辆或通过障碍物的泊车空间狭小，驾驶者无法感知障碍物的移动，而无法与周边障碍物维持一定间隔，从而提高了与障碍物发生碰撞的危险性，并且驾驶者只通过摄像头的图像认知障碍物，因此存在在夜间或雾等恶劣天气后，对障碍物的认知率降低而发生碰撞等问题。

发明内容

技术问题

为了解决上述问题而研发，本发明的目的在于提供一种自动泊车辅助系统的障碍物避碰装置及方法，其通过在车辆的前方、后方、侧方安装有多个传感器，扩大了障碍物移动检测区域，替代了以往在全部图像中寻找障碍物，而只对有亮度变化的图像检测障碍物区域，并且利用主成分分析法和障碍物图像特征值检测障碍物移动，使用支持向量机，通过少数的支持向量(supportvector)，表现决策边界。

技术方案

为了达到上述目的，根据本发明的一实施例的用于停泊车辆时检测障碍物而防止碰撞的自动泊车辅助系统的障碍物避碰装置包括：自动泊车控制部，通过安装于所述车辆的超音波传感器探测泊车空间，且以探测的泊车空间为基础，生成到达泊车目标位置的泊车路径，从而控制所述车辆的停泊；障碍物探测部，以所述车辆的位置及移动信息和对所述泊车空间的感知信息为基础，判断是否存在障碍物；障碍物移动检测部，当通过所述障碍物探测部探测到障碍物时，利用支持向量机演算法检测障碍物的移动；以及障碍物避碰控制部，当检测到所述障碍物的移动时，再生成所述泊车路径，对所述车辆进行泊车控制，以防止车辆与移动的障碍物发生碰撞。

根据本发明的另一实施例的用于停泊车辆时检测障碍物而防止碰撞的自动泊车辅助系统的障碍物避碰方法包括：以通过安装于所述车辆的超音波传感器探测的泊车空间为基础，生成到达泊车目标位置的泊车路径，从而控制所述车辆的停泊的步骤；以所述车辆的位置及移动信息和所述泊车空间的感知信息为基础，判断是否存在障碍物的步骤；当判断在所述泊车空间存在障碍物时，利用支持向量机演算法检测障碍物的移动的步骤；以及当检测到所述障碍物的移动时，再生成所述泊车路径，对所述车辆进行泊车控制，以防止车辆与移动的障碍物发生碰撞的步骤。

技术效果

根据本发明，因利用主成分分析法和障碍物图像特征值检测障碍物的移动，因此能够提高检测性能。

根据本发明，可自动探测障碍物并检测移动，因此驾驶者无需另外进行操作，很便利。

根据本发明，可在现有装置中附加适用障碍物移动检测及避碰功能，因此能够最小化装置的变更。

根据本发明，提取数据的特征矢量，利用支持向量机演算法(SVM)进行分类，因此能够降低复杂度。

根据本发明，利用检测值和图像信息，因此也能够准确检测照明或形态等不同的障碍物。

根据本发明，实时感知碰撞而再生成泊车路径，因此能够减少将要停泊的车辆与移动的障碍物发生碰撞的危险，与现有技术相比大大降低了误差。

根据本发明，附加安装传感器及摄像头即可，因此开发费用低廉。

附图说明

图1是为了说明根据本发明的一实施例的自动泊车辅助系统的障碍物避碰装置的框图；

图2是为了说明安装于车辆的传感器的附图；

图3是为了更具体地说明图1的附图；

图4是为了说明障碍物移动检测部的附图；

图5是为了说明根据本发明的一实施例的自动泊车辅助系统的障碍物避碰方法的流程图。

附图标记说明

110：摄像头图像部120：图像信号处理部

130：传感器部140：障碍物探测部

150：障碍物移动检测部160：自动泊车控制部

170：障碍物避碰控制部

具体实施方式

参照附图与下面的实施例，本发明的优点、特征以及达成其的方法将更加明确。但是，本发明并非限定于以下公开的实施例，将以相互不同的多种形态体现，本实施例只是提供用于使本发明的公开更完全，让本发明所属技术领域的技术人员能够容易地理解发明的范畴，本发明根据权利要求项的记载进行定义。另一方面，在本说明书中使用的术语用于说明实施例，并非意在限定本发明。在本说明书中，只要在语句中未特别提及，单数形也包括复数形。在说明书中使用的“包括(comprises)”或“包括的(comprising)”，不排除提及的构成要素、步骤、动作及/或元件之外的一个以上的其它构成要素、步骤、动作及/或元件的存在或追加。

以下，参照图1至图4，对根据本发明的一实施例的自动泊车辅助系统的障碍物避碰装置进行说明。图1是为了说明根据本发明的一实施例的自动泊车辅助系统的障碍物避碰装置的框图，图2是为了说明安装于车辆的传感器的附图，图3是为了更具体地说明图1的附图，图4是为了说明障碍物移动检测部的附图。

如图1所示，本发明的自动泊车辅助系统的障碍物避碰装置包括摄像头图像部110、图像信号处理部120、传感器部130、障碍物探测部140、障碍物移动检测部150、自动泊车控制部160及障碍物避碰控制部170。

障碍物探测部140从传感器部130获取检测数据(如与障碍物之间的距离等)，从摄像头图像部110获取图像数据，并以获取的数据为基础探测到障碍物时，传送至障碍物移动检测部150。

障碍物移动检测部150，因用于检测障碍物移动的处理速度的改善，能够实时探测障碍物，从而可检测障碍物的移动，当通过障碍物探测部140探测到障碍物时，将障碍物移动信号传送至自动泊车控制部160。

自动泊车控制部160通过传感器探测泊车空间，并控制车辆的停泊。

当障碍物移动检测部150传送障碍物的移动信号时，障碍物避碰控制部170将实时再生成泊车路径，进行对车辆的泊车控制，从而防止车辆与障碍物发生碰撞。

以下，参照图2及图3，详细说明障碍物避碰装置。

摄像头图像部110从摄像头获取图像数据，并将获取的图像数据传送至障碍物移动检测部150，利用为学习数据。

传感器部130包括：如图2所示，安装于车辆前方而用于感知车辆前方障碍物的移动的4个前方超音波传感器；安装于车辆侧方而用于感知车辆侧方障碍物的移动的2个侧方超音波传感器；安装于车辆的后方而用于感知车辆后方障碍物的移动的4个后方超音波传感器，以及，如图3所示，感知操纵方向及转向角的转向角传感器(SteeringAnglesensor)131、车轮脉冲传感器(WheelPulsesensor)132、角速度传感器(Yawratesensor)133、温度传感器(Temperaturesensor)134和用于探测障碍物的超音波传感器(Ultrasonicsensor)135。

转向角传感器131检测根据方向盘的转向角度的信号，并将检测值传送至障碍物探测部140。

超音波传感器135探测车辆的侧方、前后方障碍物，并将检测值传送至障碍物探测部140。

障碍物探测部140通过根据转向角传感器131检测的值，实时感知车辆的位置和移动，并通过借助于超音波传感器135检测的值，判断是否存在障碍物。

当有输入图像信号时，障碍物移动检测部150从输入的图像中提取特征矢量，以提取的特征矢量为基础，判断输入的图像信号中是否存在亮度变化，并且当判断为存在亮度变化时，利用区分障碍物区域和非障碍物区域的机械学习演算法即支持向量机演算法(SupportVectorMachine：SVM)的决策边界(decisionboundary)，检测障碍物区域后，输出移动感知信号。

自动泊车控制部160通过传感器探测泊车空间，以探测的泊车空间为基础，生成到达泊车目标位置的泊车路径并控制车辆的泊车。

从障碍物移动检测部150输入移动感知信号时，障碍物避碰控制部170再生成泊车路径，进行对车辆的泊车控制，以防止车辆与障碍物发生碰撞。

以下，参照图4更详细地说明障碍物移动检测部的动作。

如图4所示，利用障碍物特征的障碍物移动检测部150包括帧存储器151、特征值提取部152、第一临界值设定部153、比较部154、二值化部155、加法器156、移动判别部157、移动检测部158及减法器159。

帧存储器151储存从摄像头图像部130获取的图像。

减法器159求得对已储存的以往图像和当前输入的图像的亮度值之间的差分图像。

特征值提取部152提取用于检测障碍物移动的特征值。

在此，特征值包括平均、标准偏差、正规分布、直方图等。

第一临界值设定部153设定由特征值提取部152假设存在障碍物移动的像素警戒值。

比较部154对通过减法器159求得的以往图像和当前输入的图像之间的亮度值的差分图像与第一临界值进行比较。

例如，比较部154在进行比较后，差分图像的值相比第一临界值大时，判断为存在障碍物移动的像素，如差分图像的值相比第一临界值小时，即判断为不存在障碍物的移动的像素。

二值化部155根据是否有亮度值变化，分配“+1”值，“-1”值。

例如，二值化部155对于有亮度值变化的像素分配“+1”值，对于无变化的像素分配“-1”值，将图像进行二进化。

加法器156计算在二进化的图像中存在障碍物移动的像素的总和。

移动判别部157计算在全部输入图像中是否存在亮度值变化后，根据其变化判断是否存在障碍物移动区域。

例如，存在移动的像素的总和相比临界值大时，移动判别部157即判断为当前输入图像中存在障碍物移动。

移动检测部158如判断为存在障碍物移动区域时判别存在移动区域的部分中是否有障碍物特性，如存在障碍物时输出障碍物移动检测信号，在第一判别的图像中，检测障碍物图像；如有障碍物图像时，即最终有障碍物移动，从而输出障碍物移动检测信号。

移动检测部158包括基于M-栅格加博尔小波(M-gridGaborWavelet)的替补区域检测部(未图示)，基于低分辨率支持向量机的替补区域检测部(未图示)及基于高分辨率支持向量机的替补区域检测部(未图示)。

基于M-栅格加博尔小波(M-gridGaborWavelet)的备选区域检测部(未图示)在判断为存在障碍物的移动的区域适用特定图案，检测有可能存在障碍物的替补区域。

例如，摄像头图像顺序以帧单位输入时，基于M-栅格加博尔小波(M-gridGaborWavelet)的替补区域检测部(未图示)在所有可能的位置匹配M形栅格(Mlikeshapegrid)，并提取特征矢量，计算与平均矢量之间的距离，如与平均矢量之间的距离相比通过已学习而求得的最大值距离小，即判断为障碍物区域，并检测存在障碍物的替补区域。

基于低分辨率支持向量机的替补区域检测部(未图示)对于在已学习阶段正规化的多个障碍物图像(NXN像素大小)进行主成分分析法(PrincipleComponentAnalysis：PCA)，使用N个固有矢量，提取特征矢量。

例如，基于低分辨率支持向量机的替补区域检测部(未图示)，利用PCA，由使得图像特征矢量表现的方差最大化的方向，对特征空间进行线性投影而减少范围，利用方差，求得固有值和特征矢量，按固有值的大小顺序进行整列，提取与之相应的所需次元的特征矢量，并选择累计贡献率(累计方差占)整体固有值总和的99％的k个。

基于低分辨率支持向量机的替补区域检测部(未图示)将提取的障碍物特征矢量和非障碍物特征矢量供应至支持向量机，而取得能够区分障碍物种类和非障碍物种类的决策边界(Decisionboundary)，并且以在检测步骤中，基于M-栅格加博尔小波(M-gridGaborWavelet)的替补区域检测部(未图示)判断为障碍物的替补地点为中心，尽可能照射所有的子图像，即观察窗(Observationwindow)，根据已学习的决策边界，寻找障碍物替补区域。

基于高分辨率支持向量机的最终障碍物检测部(未图示)，以与基于低分辨率支持向量机的替补区域检测部(未图示)的学习及检测步骤类似的方法，在学习步骤中使用“2NX2N”像素大小的障碍物图像，使用2N个固有(eigen)矢量提取特征，在检测步骤中进行基于低分辨率支持向量机的替补区域检测部(未图示)而检测的判断为障碍物的替补区域为中心，利用高分辨率支持向量机，最终检测障碍物。

如上述，根据本发明，可利用主成分分析法和障碍物图像特征值检测障碍物移动，因此能够提高检测性能，并且可利用障碍物图像特征值检测障碍物的移动，因此能够通过更加智能的检测提高自动泊车性能，且只对以后所需的图像进行储存，而能够有效地使用图像储存容量。另外，代替了以往在整体图像中寻找障碍物，而只对有亮度变化的图像检测障碍物区域，因此能够减少障碍物检测计算量，并且使用支持向量机，通过少数支持向量，有效地表现决策边界，能够大大地减少演算量，由此，可提高障碍物检测分类速度，可获得更大的余地(margin)，保证更高的信任度。

以上，参照图1至图4，说明了根据本发明的一实施例的自动泊车辅助系统的障碍物避碰装置，以下参照图5，说明根据本发明的一实施例的自动泊车辅助系统的障碍物避碰方法。图5是为了说明本发明的自动泊车辅助系统的障碍物避碰方法的流程图。

如图5所示，本发明的自动泊车辅助系统的障碍物避碰方法，在步骤S500中，当从传感器和摄像头输入车辆位置值、障碍物位置值、障碍物图像数据时，在步骤S501中以输入的信息为基础判断是否存在障碍物。

判断结果，存在障碍物时，在步骤S502中求得对于已储存的图像和输入的图像的亮度值的差分图像，在步骤S503中从输入的全部图像中计算亮度值变化，并以计算的亮度值变化为基础判断是否存在障碍物的移动区域。

例如，在全部输入图像中计算是否有亮度值变化，并根据其变化判断是否存在障碍物移动区域，如存在移动的像素的总和相比临界值更大，判断为当前输入图像中存在障碍物的移动。

步骤S504中，根据判断结果，存在障碍物的移动区域时，判断在存在移动区域的被输入的全部图像中是否存在障碍物的特性，如判断为存在障碍物特性时，检测障碍物的移动。

并且，在步骤S505中通过检测的信息和传感器探测泊车空间，并通过第一路径计算，生成到达泊车目标位置的泊车路径，在步骤S506中以生成的泊车路径为基础，控制方向盘，使得将要停泊的车辆前进或后退。

步骤S507中，在控制车辆的期间实时感知障碍物的移动，当感知障碍物的移动时，在步骤S508中通过第二路径的计算，提取最终的泊车目标位置，计算最终路径，进行控制泊车，以防止与障碍物发生碰撞。

以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (4)

1.一种用于停泊车辆时检测障碍物而防止碰撞的自动泊车辅助系统的障碍物避碰装置，其特征在于，包括：

自动泊车控制部，通过安装于所述车辆的超音波传感器探测泊车空间，且以探测的泊车空间为基础，生成到达泊车目标位置的泊车路径，从而控制所述车辆的停泊；

障碍物探测部，以所述车辆的位置及移动信息和对所述泊车空间的感知信息为基础，判断是否存在障碍物；

障碍物移动检测部，当通过所述障碍物探测部探测到障碍物时，利用支持向量机演算法检测障碍物的移动；以及

障碍物避碰控制部，当检测到所述障碍物的移动时，再生成所述泊车路径，对所述车辆进行泊车控制，以防止车辆与移动的障碍物发生碰撞；

其中，所述障碍物移动检测部从所述车辆的摄像头输入的图像信号中确认亮度变化，只针对存在亮度变化的图像信号，利用所述支持向量机演算法的决策边界，检测障碍物移动区域。

2.根据权利要求1所述的自动泊车辅助系统的障碍物避碰装置，其特征在于，

所述障碍物移动检测部计算在输入的所述图像信号中的亮度值变化，且以计算的亮度值变化为基础，判断存在亮度变化的图像信号，并且如果在亮度变化区域中像素的总和相比已设定的临界值大，即判断为存在亮度变化的所述图像信号中存在障碍物的移动。

3.一种用于停泊车辆时检测障碍物而防止碰撞的自动泊车辅助系统的障碍物避碰方法，其特征在于，包括：

以通过安装于所述车辆的超音波传感器探测的泊车空间为基础，生成到达泊车目标位置的泊车路径，从而控制所述车辆的停泊的步骤；

以所述车辆的位置及移动信息和所述泊车空间的感知信息为基础，判断是否存在障碍物的步骤；

当判断在所述泊车空间存在障碍物时，利用支持向量机演算法检测障碍物的移动的步骤；以及

当检测到所述障碍物的移动时，再生成所述泊车路径，对所述车辆进行泊车控制，以防止车辆与移动的障碍物发生碰撞的步骤；

其中，所述检测障碍物的移动的步骤，包括：

从所述车辆的摄像头输入的图像信号中确认亮度变化的步骤；以及

以确认结果为基础，在输入的所述图像信号中，只针对存在亮度变化的图像信号，利用所述支持向量机演算法的决策边界，检测障碍物的移动区域的步骤。

4.根据权利要求3所述的自动泊车辅助系统的障碍物避碰方法，其特征在于，所述检测障碍物的移动的步骤，包括：

计算在输入的所述图像信号中的亮度值变化的步骤；

以计算的亮度值变化为基础，判断存在亮度变化的图像信号的步骤；以及

存在亮度变化的所述图像信号的亮度变化区域中，如果像素的总和相比已设定的临界值大，即判断为存在亮度变化的所述图像信号中存在障碍物的移动的步骤。