CN103879404A

CN103879404A - 可追踪移动物体的防撞警示方法及其装置

Info

Publication number: CN103879404A
Application number: CN201210557110.9A
Authority: CN
Inventors: 李明鸿; 陈舜鸿; 陈育崧
Original assignee: Automotive Research and Testing Center
Current assignee: Automotive Research and Testing Center
Priority date: 2012-12-19
Filing date: 2012-12-19
Publication date: 2014-06-25
Anticipated expiration: 2032-12-19
Also published as: CN103879404B

Abstract

本发明提供一种可追踪移动物体的防撞警示方法及其装置，其设于一车辆上，是撷取前方区域180度的多个连续影像，通过影像辨识此些连续影像中的至少一障碍物的种类，并找出动态障碍物；侦测动态障碍物与车辆的连续相对位置，并估测出车辆的第一碰撞区域；再根据连续相对位置及扩展式卡尔曼滤波演算法来估算动态障碍物的第二碰撞区域；最后，根据第一碰撞区域与第二碰撞区域估测出一碰撞点，当第一碰撞区域与第二碰撞区域至少部分重叠时，即估算出一碰撞时间，并输出警示信号来警告驾驶者，以提高行车安全性。

Description

可追踪移动物体的防撞警示方法及其装置

技术领域

本发明是有关一种防撞警示方法及其装置，特别是指一种可追踪移动物体的防撞警示方法及其装置。

背景技术

车辆作为载运与运输工具，早已扮演着人类生活中重要且不可或缺角色。然而，地狭人稠的生活环境下，交通事故屡出不穷，而导致交通事故发生的原因很多，可概括区分为天候自然环境因素及人为因素，为了有效降低交通事故的发生机率，有关防止行驶中的车辆与其他车辆或是行人等发生意外碰撞的行车安全警示技术相继开发出来，以供车主选用，以其提高行车安全。

续就行车安全警示的产品来说，最常见的使用GPS定位系统来侦测障碍物及其与现行车辆间的相对距离，然而，GPS局限于环境因素，例如现行车辆行驶到有遮蔽物的区域，就无法侦测到障碍物，对驾驶者而言，实用性有限；或者是使用距离感测器、影像感测器等，距离感测器主要辅助单方向的障碍物，影像感测器则应用于广域的视觉辅助，能够有效协助驾驶者掌握现行车辆动态与障碍物的相对距离，以减少碰撞意外的发生。

再者，为提高估算现行车辆动态与障碍物的相对距离的精准度，已有提出一种利用卡尔曼滤波演算法来估算现行车辆与障碍物的间的相对距离及碰撞时间预测方法，但是，此演算法仅是适应于线性移动的物体估算，无法应用于预测来自任何方向朝驾驶者的方向前进的碰撞可能性，故实用效益有限。

有鉴于此，本发明于是针对上述先前技术的缺失，提出一种可追踪移动物体的防撞警示方法及其装置，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可追踪移动物体的防撞警示方法及其装置，其可根据障碍物长宽的特征以分类出障碍物的种类，进而追踪障碍物的动态，以提高估算碰撞时间的准确度。

本发明的次要目的在提供一种可追踪移动物体的防撞警示方法及其装置，其使用扩展式卡尔曼滤波演算法来追踪障碍物的动向及滤除感测上的噪声，适用于非线性移动的障碍物，能有效降低现有使用卡尔曼滤波演算法估算出来的碰撞时间值发生不稳定的跳动现象，进而提升使用上的可靠度。

为达上述的目的，本发明提供一种可追踪移动物体的防撞警示方法，适用于一车辆上，防撞警示方法包括下列步骤：先撷取多个连续影像后，辨识此些连续影像中的至少一障碍物，并取得障碍物长宽的几何特征参数与影像像素特征参数，利用二元树状分类器，以快速分类出障碍物的种类。根据障碍物的种类以找出至少一动态障碍物，由于动态障碍物可能是线性移动或非线性移动，因此先侦测动态障碍物与车辆的连续相对位置，并估测出车辆的一第一碰撞区域。接着，根据连续相对位置及一扩展式卡尔曼滤波演算法来估算动态障碍物的移动速度、移动方向及现行位置，据此取得动态障碍物的一第二碰撞区域；及根据第一碰撞区域与第二碰撞区域估测出一碰撞点，并判断第一碰撞区域与第二碰撞区域是否至少部分重叠，若是，即估算出一碰撞时间，并输出一警示信号来及时警告驾驶者；若否，则重复撷取多个连续影像的步骤。

其中，于辨识该多个影像中的该障碍物的步骤中，是利用下列特征演算法来取得该障碍物长宽的几何特征参数与影像像素特征参数，该特征演算法：

Y^{'} - h = \frac{Y - Z \tan (w)}{\cos (w) + \tan (w) \cdot \sin (w)}

其中，Y为影像撷取单元的Y轴方向，w为Y轴向下倾斜度，h为影像撷取单元的架设高度。

其中，该障碍物的种类可分为行人、机踏车、大客车、小客车或道路环境。

其中，于侦测该动态障碍物与该车辆的相对位置的步骤中，是利用至少一感测器侦测该动态障碍物与该车辆的相对距离与相对角度的该相对位置。

其中，该扩展式卡尔曼滤波演算法包含下列公式：

及

{\hat{x}}_{k}^{-} = A {\hat{x}}_{i - 1}

其中，xp_i为该动态障碍物的x轴位置，yp_i为该动态障碍物的y轴位置，v_i为该动态障碍物与该车辆的相对速度，为该动态障碍物与该车辆的相对方向，Δt为输入该动态障碍物与该车辆的连续相对位置的取样时间，A为该动态障碍物的状态变换模型，

为前一步状态估计向量，

为目前观测向量。

其中，于估算该碰撞时间的步骤中，该碰撞时间区分为纵向碰撞时间及横向碰撞时间，其中：

该动态障碍物相对该碰撞点的该纵向碰撞时间t_ADM是依据下列公式求得：

t_{ADM} = \frac{ADM}{V_{A}} &PlusMinus; \frac{e_{A}}{V_{A}};

及

e_A＝α·obj_w；

其中，V_A为该动态障碍物的移动速度，ADM为该动态障碍物位置与该碰撞点的距离，e_A为该动态障碍物宽度的预估误差值，α为撷取该多个连续影像的至少二影像撷取单元的误差系数，obj_w为该影像撷取单元辨识该动态障碍物的宽度；

该车辆相对该碰撞点的该纵向碰撞时间t_BDM是依据下列公式求得：

其中，V_B为该车辆的车速，BDM为该车辆位置与该碰撞点的距离；

当该t_ADM与该t_BDM的时间重叠，即为该车辆与该动态障碍物的该纵向碰撞时间；

该车辆与该动态障碍物的该横向碰撞时间t_LSM是依据下列公式求得：

t_{LSM} = \frac{D \cdot β}{V_{A} \cdot \cos (&angle; A) + V_{B} \cdot \cos (&angle; B)};

其中，D为该车辆与该动态障碍物的相对直线距离，根据该第一碰撞区域、该第二碰撞区域及该碰撞点，可求得两内角∠A与∠B及碰撞角∠C，β为侦测该动态障碍物与该车辆的该连续相对位置的误差系数；

当t_LSM小于一预设值时，即为该车辆与该动态障碍物的该横向碰撞时间。

本发明提供另一种可追踪移动物体的防撞警示装置，设于一车辆上，防撞警示装置包括至少二影像撷取单元、一车身信号感测单元、一影像处理模块、一中央处理器及一警示单元。至少二影像撷取单元是撷取多个前方区域180度的影像，分别撷取远距视野影像及近距视野影像，可扩大侦测视野范围。影像处理模块电性连接二影像撷取单元，是辨识此些影像中的至少一障碍物及其与车辆的相对位置，并取得障碍物长宽的几何特征参数与影像像素特征参数，利用二元树状分类器以快速分类出障碍物的种类及其中至少一动态障碍物。车身信号感测单元是感测车辆的动态信号。中央处理器电性连接车身信号感测单元及影像处理模块，中央处理器根据车辆的动态信号及动态障碍物，计算出动态障碍物与车辆的相对位置，据以估测出车辆的一第一碰撞区域；以及利用扩展式卡尔曼滤波演算法以取得动态障碍物的一第二碰撞区域，并根据第一碰撞区域与第二碰撞区域估测出一碰撞点；当第一碰撞区域与第二碰撞区域至少部分重叠时，即估算出一碰撞时间，并输出一控制信号，警示单元电性连接中央处理器，接收控制信号以对应输出一警示信号，据以即时警告驾驶者。

其中，该警示单元为一显示器，是显示该第一碰撞区域与该第二碰撞区域重叠画面及其该碰撞点、该碰撞时间；该碰撞时间区分为纵向碰撞时间及横向碰撞时间，该动态障碍物相对该碰撞点的该纵向碰撞时间t_ADM是依据下列公式求得：

t_{ADM} = \frac{ADM}{V_{A}} &PlusMinus; \frac{e_{A}}{V_{A}};

及

e_A＝α·obj_w；

t_{LSM} = \frac{D \cdot β}{V_{A} \cdot \cos (&angle; A) + V_{B} \cdot \cos (&angle; B)};

当该t_LSM小于一预设值时，即为该车辆与该动态障碍物的该横向碰撞时间。

其中，该二影像撷取单元分别撷取一远距视野影像及一近距视野影像，根据该远距视野影像及该近距视野影像中的该障碍物与该二影像撷取单元的仰角，以计算出该车辆与该障碍物的该相对位置；该影像处理模块是利用下列特征演算法来取得该障碍物长宽的该几何特征参数与该影像像素特征参数，该特征演算法：

Y^{'} - h = \frac{Y - Z \tan (w)}{\cos (w) + \tan (w) \cdot \sin (w)}

其中，Y为该影像撷取单元的Y轴方向，w为Y轴向下倾斜度，h为该影像撷取单元的架设高度。

其中，更包括至少一测距感测器，电性连接该中央处理器，该测距感测器是配合该二影像撷取单元，以侦测该动态障碍物与该车辆的该相对位置，该测距感测器为雷达感测器、光雷达感测器、超声波感测器或红外线感测器。

本发明可根据障碍物的特征以分类出种类及长宽资讯，进而追踪障碍物的动态，以提高估算碰撞时间的准确度，确实能够改善现有技术只能辨识动态或静态障碍物，而忽略现行车辆与障碍物的体积大小所造成估算碰撞点与碰撞时间的实际值仍有较大的误差的缺点。

底下通过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

图1为本发明的电路方块图。

图2为本发明的步骤流程图。

图3为本发明侦测障碍物几何特征的示意图。

图4为本发明预测碰撞区域及时间的示意图。

图5为本发明侦测动态障碍物的步骤流程图。

附图标记说明：10防撞警示装置；12影像撷取单元；14车身信号感测单元；16影像处理模块；18中央处理器；20警示单元；22测距感测器；24动态障碍物；26车辆。

具体实施方式

为了能提供更准确的碰撞点与碰撞时间的警示信号予驾驶者，使驾驶者能够即时掌握现行车辆与障碍物间的相对位置及动向，以避免碰撞意外的发生，故在此提出一种更具可靠度的可追踪移动物体的防撞警示方法及其装置，以达到行车即时防撞预防的目的。

如图1所示，为本发明的电路方块图。防撞警示装置设于一车辆上，防撞警示装置10包括至少二影像撷取单元12、一车身信号感测单元14、一影像处理模块16、一中央处理器18及一警示单元20。至少二影像撷取单元12是撷取多个前方区域180度的连续影像，分别撷取远距视野影像及近距视野影像，可扩大侦测视野范围。车身信号感测单元14是感测车辆的动态信号。影像处理模块16电性连接二影像撷取单元12，影像处理模块16辨识此些连续影像中的远距视野影像及近距视野影像与二影像撷取单元12的仰角，以辨识出至少一障碍物，以及计算出障碍物与车辆的连续相对位置，并根据障碍物长宽的几何特征参数与影像像素特征参数，利用二元树状分类器以快速分类出障碍物的种类及其至少一动态障碍物。中央处理器18电性连接车身信号感测单元14、影像处理模块16及警示单元20；车身信号感测单元14是感测车辆的动态信号，例如行驶方向、行驶速度等动态信号，中央处理器18根据车辆行驶中的动态信号及动态障碍物，计算动态障碍物与车辆的连续相对位置，据以估测出车辆的一第一碰撞区域，并利用扩展式卡尔曼滤波演算法以取得动态障碍物的一第二碰撞区域；根据第一碰撞区域与第二碰撞区域估测出一碰撞点，当第一碰撞区域与第二碰撞区域至少部分重叠时，即估算出一碰撞时间，并输出一控制信号，警示单元20接收控制信号后，对应输出一警示信号，让驾驶者得以提高警觉，据此避免碰撞发生。

其中，除了利用二影像撷取单元12来撷取障碍物影像之外，亦可搭配至少一测距感测器22，设于车辆上，并电性连接中央处理器18，测距感测器22是配合二影像撷取单元12，即时侦测动态障碍物与车辆的相对位置。测距感测器22是为雷达感测器、光雷达感测器、超声波感测器或红外线感测器。

为进一步了解本发明的防撞警示方法，请一并参阅图1、图2，图2为本发明的步骤流程图。首先，执行步骤S10，利用至少二影像撷取单元12分别撷取远距视野影像及近距视野影像的多个连续影像，以撷取大范围的视野范围影像。再如步骤S12，通过影像处理模块16来辨识此些连续影像中的至少一障碍物，并利用一特征演算法来取得障碍物长宽的几何特征参数与影像像素特征参数，假设是前方障碍物，可利用二元树状分类器以快速分类出障碍物的种类，请同时配合图3，特征演算法包含下列公式：

\frac{Y}{Z} = \frac{y}{f};

\frac{X}{Z} = \frac{x}{f};

Y^{'} - h = \frac{Y - Z \tan (w)}{\cos (w) + \tan (w) \cdot \sin (w)}

其中，f为影像撷取单元的焦距(如影像平面至镜头中心的距离)，x、y为影像平面的像素点位置，也就是影像平面的原点，其中原点为影像平面的中心点，例如720*480影像，则（x,y）为(360,240)影像平面中心点。X、Y、Z是为障碍物相对影像撷取单元的世界坐标；h为影像撷取单元的架设高度。

经影像处理模块16运算后，即可取得障碍物的长宽的几何特征参数与影像像素特征参数，据此分类出障碍物的种类，例如可分为行人、机踏车、大客车、小客车或道路环境等种类。其中，可利用方向梯度直方图特征（Histogram oforiented gradient,HOG）或矩形特征(Haar Feature)来辨识障碍物特征，并搭配支持向量机分类器(Support Vector Machine,SVM)或类神经网络分类器(ArtificialNeural Network,ANN)的分类器来准确地分类出行人或机踏车（机车跟脚踏车），或者是以影像宽高几何特征，并搭配LDA特征空间转换来分类出大客车或小客车等大型障碍物。接着，如步骤S14，根据障碍物的种类及其连续移动影像，据以找出至少一动态障碍物，此动态障碍物也就是本发明欲进行追踪动态的感兴趣移动物体。

如步骤S16，侦测动态障碍物（在此，以人为例）与车辆的连续相对位置，并估测出车辆的一第一碰撞区域，其中，可通过影像处理模块16辨识此些连续影像后，侦测到动态障碍物与车辆的连续相对位置，或是整合影像撷取单元12及测距感测器22来侦测出动态障碍物与车辆的连续相对位置，无论是使用哪种方式来侦测，都可根据动态障碍物与车辆的连续相对位置而估测出车辆的第一碰撞区域。

由于动态障碍物24并不局限于线性移动，为了能更精确的估算动态障碍物的动态，如步骤S18，中央处理器18根据连续相对位置，如侦测动态障碍物与车辆的相对距离与相对角度，以及一扩展式卡尔曼滤波演算法来估算动态障碍物的移动速度、移动方向及现行位置，据此取得动态障碍物的一第二碰撞区域。其中，扩展式卡尔曼滤波演算法包含下列公式：

及

{\hat{x}}_{k}^{-} = A {\hat{x}}_{i - 1}

其中，xp_i为动态障碍物的x轴位置，yp_i为动态障碍物的y轴位置，v_i为动态障碍物的速度，

为动态障碍物的行进方向，Δt为输入动态障碍物与车辆的连续相对位置的取样时间，A为动态障碍物的状态变换模型，为前一步状态估计向量，为目前观测向量。

接续，如步骤S20，根据第一碰撞区域与第二碰撞区域估测出一碰撞点，如第4图所示，动态障碍物24位置(A)、车辆26位置（B）及碰撞点(C)构成三角形几何关系，其中，已知的参数有：车辆26航向角（H_B），动态障碍物24航向角（H_A），动态障碍物24相对于车辆26的角度（H_AB），车辆26相对于动态障碍物24的角度（H_BA），车辆26与动态障碍物24的相对直线距离（D），根据已知的参数可计算出两内角∠A与∠B及碰撞角∠C；根据下列的正弦定理：

运算后即可获得车辆26位置（B）相距碰撞点(C)的距离，以及动态障碍物24位置(A)相距碰撞点(C)的距离。接着，如步骤S22，由中央处理器18判断第一碰撞区域与第二碰撞区域是否至少部分重叠，若否，则重复执行步骤S10；若是，极有可能在几秒内就产生碰撞，故执行下一步骤S24，即估算出一碰撞时间，并输出一警示信号，使驾驶者能即时掌握现行车辆26与动态障碍物24间的相对位置及动向，以避免碰撞意外的发生。其中，估算碰撞时间方式，可同时参阅图4，估算碰撞时间可区分为纵向碰撞时间及横向碰撞时间，动态障碍物24相对碰撞点（C）的纵向碰撞时间（t_ADM）是依据下列公式求得：

t_{ADM} = \frac{ADM}{V_{A}} &PlusMinus; \frac{e_{A}}{V_{A}};

及

e_A=α·obj_w；

其中，V_A为动态障碍物的移动速度，ADM为动态障碍物位置与碰撞点的距离，e_A为动态障碍物宽度的预估误差值，α为撷取此些连续影像的二影像撷取单元的误差系数，obj_w为影像撷取单元辨识动态障碍物的宽度。

车辆26相对碰撞点（C）的纵向碰撞时间（t_BDM）是依据下列公式求得：

其中，V_B为车辆的车速，BDM为车辆位置与碰撞点的距离。

其中，纵向碰撞时间是依据动态障碍物的移动速度与相距碰撞点（C）的距离ADM，以求出抵达碰撞点（C）的所需时间t_ADM，以及车辆的车速与相距碰撞点（C）的距离BDM，以求出抵达碰撞点（C）的所需时间t_BDM；当t_ADM与t_BDM的时间重叠，即为车辆与动态障碍物的纵向碰撞时间。

而所谓横向碰撞时间的判断，是指车辆26与动态障碍物24持续前进，可能在抵达碰撞点的前，因为动态障碍物的长宽尺寸较大（例如大型货柜车或是联结车），便先发生横向碰撞意外，因此额外考量车辆26与动态障碍物24的横向碰撞时间（t_LSM），其依据下列公式求得：

t_{LSM} = \frac{D \cdot β}{V_{A} \cdot \cos (&angle; A) + V_{B} \cdot \cos (&angle; B)}

其中，D为车辆与动态障碍物的相对直线距离，根据第一碰撞区域、第二碰撞区域及碰撞点，可求得两内角∠A与∠B及碰撞角∠C，β为侦测动态障碍物与车辆的连续相对位置的误差系数。当t_LSM小于一预设值时，即为车辆与动态障碍物的横向碰撞时间。

因此，取得碰撞点与碰撞时间后，可通过中央处理器18输出控制信号予警示单元20，警示单元20便会对应输出警示信号以提醒驾驶者。其中，警示单元20为一显示器，可显示第一碰撞区域与第二碰撞区域重叠画面及碰撞时间点，或是整合有语音系统的显示器，同时显示以及以语音方式告知驾驶者相关碰撞资讯。

请同时参阅图1及图5，图5为本发明侦测动态障碍物的步骤流程图。由于行驶环境为昏暗状态时，例如黄昏阳光斜射使得夜间灯光过曝或亮度不足，或者雨天造成影响特征模糊等，为能确切掌握行驶中的路况，首先，执行步骤S26，利用至少二影像撷取单元12前方区域180度的连续影像，再如步骤S28，由影像处理模块16辨识此些连续影像，中央处理器18根据此些连续影像的清晰度以判断影像撷取单元12是否为失效模式，也就是判断此些连续影像是否具有清晰至少一障碍物的影像；若是正常模式，则执行步骤S30，由影像处理模块16辨识出至少一障碍物，并取得障碍物长宽的几何特征参数与影像像素特征参数；若否，则表示影像撷取单元12为失效模式，此时是执行步骤S32，由测距感测器22，例如光雷达感测器（Lidar）侦测至少一障碍物，并取得障碍物长宽的几何特征参数与影像像素特征参数，利用二元树状分类器以分类出障碍物的种类；再如步骤S34，由测距感测器22取得行驶车辆与障碍物的连续相对距离，据以找出至少一动态障碍物，此动态障碍物也就是本发明欲进行追踪动态的感兴趣移动物体。因此，本发明除了使用影像撷取单元12来取得障碍物的影像之外，也考量到环境因素所造成的影像模糊问题，故利用中央处理器18控制测距感测器22进行侦测障碍物位置，如此影像撷取单元12与测距感测器22互相搭配应用方式，本发明能够有效地提升行车安全性。

综上所述，本发明可根据障碍物的特征以分类出种类及长宽资讯，进而追踪障碍物的动态，以提高估算碰撞时间的准确度，确实能够改善现有技术只能辨识动态或静态障碍物，而忽略现行车辆与障碍物的体积大小所造成估算碰撞点与碰撞时间的实际值仍有较大的误差的缺点。

更进一步而言，虽然已有使用卡尔曼滤波演算法来追踪障碍物的动向，但是仅局限于线性移动物体的估测。然而，动态障碍物大多为非线性移动，因此，本发明使用扩展式卡尔曼滤波演算法来追踪障碍物的动向，可涵盖线性移动或非线性移动的障碍物，且可滤除感测上的噪声，能有效降低现有使用卡尔曼滤波演算法估算出来的碰撞时间值发生不稳定的跳动现象，进而提升使用上的可靠度。

以上所述者，仅为本发明的较佳实施例而已，并非用来限定本发明实施的范围。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，均应包括于本发明的申请专利范围内。

Claims

1.一种可追踪移动物体的防撞警示方法，其特征在于，适用于一车辆上，包括下列步骤：

撷取多个连续影像；

辨识该多个连续影像中的至少一障碍物，并取得该障碍物长宽的几何特征参数与影像像素特征参数，利用二元树状分类器以分类出该障碍物的种类；

根据该障碍物的种类以找出至少一动态障碍物；

侦测该动态障碍物与该车辆的连续相对位置，并估测出该车辆的一第一碰撞区域；

根据该连续相对位置及一扩展式卡尔曼滤波演算法来估算该动态障碍物的移动速度、移动方向及现行位置，据此取得该动态障碍物的一第二碰撞区域；及

根据该第一碰撞区域与该第二碰撞区域估测出一碰撞点，并判断该第一碰撞区域与该第二碰撞区域是否至少部分重叠，若是，即估算出一碰撞时间，并输出一警示信号，若否，则重复第一个步骤。

2.根据权利要求1所述的可追踪移动物体的防撞警示方法，其特征在于，于辨识该多个影像中的该障碍物的步骤中，是利用下列特征演算法来取得该障碍物长宽的几何特征参数与影像像素特征参数，该特征演算法：

Y^{'} - h = \frac{Y - Z \tan (w)}{\cos (w) + \tan (w) \cdot \sin (w)}

3.根据权利要求1所述的可追踪移动物体的防撞警示方法，其特征在于，该障碍物的种类可分为行人、机踏车、大客车、小客车或道路环境。

4.根据权利要求1所述的可追踪移动物体的防撞警示方法，其特征在于，于侦测该动态障碍物与该车辆的相对位置的步骤中，是利用至少一感测器侦测该动态障碍物与该车辆的相对距离与相对角度的该相对位置。

5.根据权利要求1所述的可追踪移动物体的防撞警示方法，其特征在于，该扩展式卡尔曼滤波演算法包含下列公式：

及

{\hat{x}}_{k}^{-} = A {\hat{x}}_{i - 1}

其中，xp_i为该动态障碍物的x轴位置，yp_i为该动态障碍物的y轴位置，v_i为该动态障碍物与该车辆的相对速度，

为该动态障碍物与该车辆的相对方向，Δt为输入该动态障碍物与该车辆的连续相对位置的取样时间，A为该动态障碍物的状态变换模型，

为前一步状态估计向量，

为目前观测向量。

6.根据权利要求1所述的可追踪移动物体的防撞警示方法，其特征在于，于估算该碰撞时间的步骤中，该碰撞时间区分为纵向碰撞时间及横向碰撞时间，其中：

t_{ADM} = \frac{ADM}{V_{A}} &PlusMinus; \frac{e_{A}}{V_{A}};

及

e_A＝α·obj_w；

t_{LSM} = \frac{D \cdot β}{V_{A} \cdot \cos (&angle; A) + V_{B} \cdot \cos (&angle; B)};

7.一种可追踪移动物体的防撞警示装置，其特征在于，设于一车辆上，该防撞警示装置包括：

至少二影像撷取单元，是撷取多个前方区域180度的连续影像；

一车身信号感测单元，是感测该车辆的动态信号；

一影像处理模块，电性连接该二影像撷取单元，是辨识该多个连续影像中的至少一障碍物及其与车辆的连续相对位置，并取得该障碍物长宽的几何特征参数与影像像素特征参数，利用二元树状分类器以分类出该障碍物的种类及其至少一动态障碍物；

一中央处理器，电性连接该车身信号感测单元及该影像处理模块，该中央处理器根据该动态信号及该动态障碍物，计算该动态障碍物与该车辆的连续相对位置，据以估测出该车辆的一第一碰撞区域，以及利用扩展式卡尔曼滤波演算法以取得该动态障碍物的一第二碰撞区域，根据该第一碰撞区域与该第二碰撞区域估测出一碰撞点，当该第一碰撞区域与该第二碰撞区域至少部分重叠时，即估算出一碰撞时间，并输出一控制信号；及

一警示单元，电性连接该中央处理器，接收该控制信号以对应输出一警示信号。

8.根据权利要求7所述的可追踪移动物体的防撞警示装置，其特征在于，该警示单元为一显示器，是显示该第一碰撞区域与该第二碰撞区域重叠画面及其该碰撞点、该碰撞时间；该碰撞时间区分为纵向碰撞时间及横向碰撞时间，该动态障碍物相对该碰撞点的该纵向碰撞时间t_ADM是依据下列公式求得：

t_{ADM} = \frac{ADM}{V_{A}} &PlusMinus; \frac{e_{A}}{V_{A}};

及

e_A=α·obj_w；

t_{LSM} = \frac{D \cdot β}{V_{A} \cdot \cos (&angle; A) + V_{B} \cdot \cos (&angle; B)};

9.根据权利要求7所述的可追踪移动物体的防撞警示装置，其特征在于，该二影像撷取单元分别撷取一远距视野影像及一近距视野影像，根据该远距视野影像及该近距视野影像中的该障碍物与该二影像撷取单元的仰角，以计算出该车辆与该障碍物的该相对位置；该影像处理模块是利用下列特征演算法来取得该障碍物长宽的该几何特征参数与该影像像素特征参数，该特征演算法：

Y^{'} - h = \frac{Y - Z \tan (w)}{\cos (w) + \tan (w) \cdot \sin (w)}

10.根据权利要求7所述的可追踪移动物体的防撞警示装置，其特征在于，更包括至少一测距感测器，电性连接该中央处理器，该测距感测器是配合该二影像撷取单元，以侦测该动态障碍物与该车辆的该相对位置，该测距感测器为雷达感测器、光雷达感测器、超声波感测器或红外线感测器。