CN104392629B - 检测车距的方法和装置 - Google Patents

Abstract

本发明公开了一种检测车距的方法，所述检测车距的方法包括以下步骤：采集前车尾灯的图像；确定所述前车尾灯在所述图像中的位置信息；根据所述位置信息计算本车与前车之间的车距。本发明还公开了一种检测车距的装置。本发明的检测车距的方法和装置，因为只需基于一个摄像头，所以可在手机等移动设备上实现，操作方便简单、成本低。同时，在图像二值化后将闭合块配对可以有效提高车距检测的准确性。并且，通过增加报警功能，进一步保障了在能见度很低的情况下行驶的安全性。

Description

检测车距的方法和装置

技术领域

本发明涉及目标识别技术领域，尤其涉及检测车距的方法和装置。

背景技术

汽车在雾天、雨雪天、雾霾天或夜间能见度很低的情况下行驶时，追尾事故的发生率较高，为了避免追尾事故的发生，许多汽车上都搭载有检测车距的装置。目前，广泛应用的车距检测方法有以下两种：一种是基于雷达的测距方式，这种方式的弊端在于高成本，并且由于雷达的检测角度小，往往需要配置多个雷达增大检测角度，这无疑需要更高的成本；另一种是基于图像的方法，即把图像当作检测和传递信息的手段或载体而加以利用的测量方法，最终目的是提取图像的特征信号，从图像中获取被测对象的实际距离信息。基于图像的测距方法，大多数采用双目摄像头基于前车的尾灯进行测距，这样的方式在图像处理过程中易受环境光源的干扰，并且双目摄像头的成本较高，两个摄像头的一致性校正难度大。

因此，提供一种成本低、准确度高的检测车距的方法及其装置实为必要。

发明内容

本发明的主要目的在于提供一种检测车距的方法，旨在解决现有技术中车距的检测成本高、准确度低的技术问题。

为实现上述目的，本发明提供一种检测车距的方法，所述检测车距的方法包括以下步骤：采集前车尾灯的图像；确定所述前车尾灯在所述图像中的位置信息；根据所述位置信息计算本车与前车之间的车距。

优选地，所述确定所述前车尾灯在所述图像中的位置信息的步骤包括：将采集到的所述图像分别转换成灰度图和HSV彩色图；根据所述灰度图和HSV彩色图将所述图像进行二值化处理得到二值图；对所述二值图进行滤波去噪处理得出多个闭合块；将对称的所述闭合块配对得到所述前车尾灯的位置信息。

优选地，计算闭合块的特征，得到对称的闭合块对；删除不合理的所述闭合块对，得到所述位置信息。

优选地，根据所述位置信息推算车辆信息；将所述车辆信息与预设的映射表匹配得出所述车距。

优选地，所述检测车距的方法还包括以下步骤：预设安全距离；在所述车距小于安全距离时，发出警报。

此外，为实现上述目的，本发明还提供一种检测车距的装置，所述检测车距的装置包括：采集模块，用于采集前车尾灯的图像；检测模块，用于确定所述前车尾灯在所述图像中的位置信息；计算模块，用于根据所述位置信息计算本车与前车之间的车距。

优选地，所述检测模块包括：转换单元，用于将采集到的所述图像分别转换成灰度图和HSV彩色图；二值化单元，用于根据所述灰度图和HSV彩色图将所述图像进行二值化处理得到二值图；滤波去噪单元，用于对所述二值图进行滤波去噪处理得出多个闭合块；配对单元，用于将对称的所述闭合块配对得到所述前车尾灯的位置信息。

优选地，所述配对单元包括：处理子单元，用于计算闭合块的特征，得到对称的闭合块对；筛选子单元，用于删除不合理的所述闭合块对，得到所述位置信息。

优选地，所述计算模块包括：推算单元，用于根据所述位置信息推算车辆信息；映射单元，用于将所述车辆信息与预设的映射表匹配得出所述车距。

优选地，所述检测车距的装置还包括：预设模块，用于预设安全距离；报警模块，用于在所述车距小于安全距离时，发出警报。

本发明的检测车距的方法和装置，因为只需基于一个摄像头，所以可在手机等移动设备上实现，操作方便简单、成本低。同时，在图像二值化后将闭合快配对可以有效提高车距检测的准确性。并且，通过增加报警功能，进一步保障了在能见度很低的情况下行驶的安全性。

附图说明

图1为本发明检测车距的方法一实施例的流程示意图；

图2为本发明检测车距的方法一实施例中确定位置信息的步骤的细化流程示意图；

图3为本发明检测车距的方法一实施例中配对闭合块的步骤的细化流程示意图；

图4为本发明检测车距的方法一实施例中计算车距的步骤的细化流程示意图；

图5为本发明检测车距的方法另一实施例的流程示意图；

图6为本发明检测车距的装置一实施例的功能模块示意图；

图7为检测模块的细化功能模块示意图；

图8为配对单元的细化功能模块示意图；

图9为计算模块的细化功能模块示意图；

图10为本发明检测车距的装置另一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

汽车在雾天、雨雪天、雾霾天或夜间能见度很低的情况下行驶时，都会打开汽车尾灯，本发明就是通过采集前车的图像，通过分析图像中前车尾灯的信息从而计算出前车与本车之间的车距。

参照图1，图1为本发明检测车距的方法一实施例的流程示意图。

本发明提供一种检测车距的方法，在一实施例中，该检测车距的方法包括以下步骤：

步骤S10：采集前车尾灯的图像；

通过摄像头采集前车尾灯的图像，其中摄像头所采集的图像为RGB彩色图像。该摄像头可以是车载摄像头，也可以是移动终端上的摄像头。比如，将带有摄像头的手机、平板电脑、导航仪等设备通过支架固定在本车上能够拍摄到前车图像的任意部位。为了保障摄像头所拍摄的图像的稳定性，优选为将摄像头固定于汽车前挡风玻璃后。

步骤S20：确定所述前车尾灯在所述图像中的位置信息；

在采集到前车尾灯的图像之后，将该图像进行转换处理得到前车尾灯的位置信息。该位置信息为前车尾灯在图像中的具体位置。

步骤S30：根据所述位置信息计算本车与前车之间的车距。

图像中不同区域的像素数值以及单位像素数值是不相同的，其具体数值可以根据预设的像素表查询得出。根据前车尾灯在图像中的具体位置可以通过图像中的单位像素数值计算出前车的具体尺寸、比如车身高度和宽度。只要知道物体在图像中的位置就能从预设的景深映射表中查到景深，所谓的景深即实际距离。根据图像中物体近大远小的原理，可以知道图像中的距离与实际距离不是简单的线性关系。所以可以通过标定得出景深映射表，将景深映射表预设于检测车距的装置内。通过景深映射表即可根据前车尾灯与本车在图像中的距离可以计算出现实中本车与前车之间的车距。计算出的车距可以是前车到本车车头的距离，也可以是前车到摄像头之间的距离，用户只需根据习惯自行在预设的景深映射表中做相应的调整即可。

本发明的检测车距的方法，应用于雾天、雨雪天、雾霾天或夜间能见度很低的行驶情况下，便于用户及时掌握本车与前车的车距，保障了恶劣天气下行驶的安全性。并且本发明因为只需基于一个摄像头，所以可在手机等移动设备上实现，操作方便简单、成本低。

参照图2，图2为步骤S20确定所述前车尾灯在所述图像中的位置信息的细化流程示意图。

进一步地，在上述实施例中，确定所述前车尾灯在所述图像中的位置信息的步骤包括：

步骤S21：将采集到的所述图像分别转换成灰度图和HSV彩色图；

将RGB彩色图分别转换成灰度图和HSV(色度、饱和度、亮度)彩色图，其中RGB图是平常看到的彩色图像，灰度图就是黑白图像，HSV图是包含色度、饱和度、亮度的彩色图。

步骤S22：根据所述灰度图和HSV彩色图将所述图像进行二值化处理得到二值图；

根据灰度、色度、饱和度等参数将图像二值化，其中二值化的具体条件和公式如下：

$I(i,j)=\left\{\begin{array}{cc}1& H(i,j)\∈\left[\mathrm{0,10}\right]\∪\left[\mathrm{150,180}\right],\mathrm{Gray}(i,j)>200\\ 0& \mathrm{else}\end{array}\right.$

公式中，I是二值化图像，H是色度图，Gray是灰度图。

步骤S23：对所述二值图进行滤波去噪处理得出多个闭合块；

夜间环境中路面反光或其它光源的干扰，采集的图像可能噪点较多，对二值图采用形态学滤波去噪处理，去除部分小的噪点；然后再进行闭合运算，得到多个轮廓平滑的闭合快。

步骤S24：将对称的所述闭合块配对得到所述前车尾灯的位置信息。

由于对称性是车灯的一个重要特征，如果不考虑对称性直接配对，很可能得到错误的结果，从而降低了准确性。

本发明的检测车距的方法，根据H分量(色度)和灰度综合判定得出二值图，根据两种参数进行二值化得出的二值图相比只基于一种参数得出的二值图准确性更高。同时，图像二值化后将闭合快配对，排除了光源的干扰，进一步有效提高车距检测的准确性。

参照图3，图3为步骤将对称的所述闭合块配对得到所述前车尾灯的位置信息的细化流程示意图。

进一步地，在上述实施例中，将对称的所述闭合块配对得到所述前车尾灯的位置信息的步骤S240包括：

步骤S241：计算闭合块的特征，得到对称的闭合块对；

分别计算各个闭合块的特征(比如周长、面积、填充率、离心率、倾角)，将对称的闭合块配对得到前车尾灯的位置信息。由于对称性是车灯的一个重要特征，如果不考虑对称性直接配对，很可能得到错误的结果，从而降低了准确性。

步骤S242：删除不合理的闭合块对，得到车灯位置信息。

即使将闭合块根据对称性进行配对后得到若干对车灯，其中包含其他非车灯光源带来的干扰。为了保证车灯检测的准确性，需要在车灯位置信息中筛选出准确信息。首先，需要删除过高(即靠近图像顶部)的位置信息，图像中会出现路灯、广告牌灯等其余光源，这些光源会高于前车尾灯的平面，删除之。其次，根据车灯位置与地面的关系，计算车灯的实际宽度，过宽或者过窄的前车尾灯的位置信息，属于异常情况，删除之。

本发明通过计算和筛选闭合快，排除了环境中其他光源的干扰，并分析高度宽度是否满足车辆的实际宽高，剔除干扰，从而保障了检测结果的准确性。

本发明并不限制车距的具体计算方法，下面以标定法举例。参照图4，图4为步骤根据所述位置信息计算本车与前车之间的车距的细化流程示意图。

进一步地，在上述实施例中，根据所述位置信息计算本车与前车之间的车距的步骤S30包括：

步骤S31：根据所述位置信息推算车辆信息；

根据图像中已知物体的宽度和高度，测量物体在图像中所占的像素数值，二者的商就是单位像素的宽、高值。举例说明，假设小车的实际宽度为1.8米，高度为1.4米，，在标定图像中所占面积为20*15像素，那么小车所在位置的单个像素宽度值为1.8/20＝0.09米/像素，单个像素高度值为1.4/15＝0.093米/像素。依次类推，可以标定得到不同位置的单个像素宽高值，其中位置越靠下(距离图像底部越近)数值越小。实际计算宽高的时候，只要知道物体的位置以及物体所占的像素数目，就能计算出物体的实际高度和宽度。比如还是图像中的小车，所占像素20*15，查标定映射表得到相应的宽度值为0.09米/像素、高度值为0.093米/像素，那么小车的实际宽度为0.09*20＝1.8米，高度为0.093*15＝1.395米。

步骤S32：将所述车辆信息与预设的映射表匹配得出所述车距。

预先建立前车尾灯的车灯宽度与前车的车身尺寸的映射关系表，即预设映射表。通过预设的映射表可以确定车身位置，再根据前车车尾平面与路面的交线计算出本车与前车之间的车距。其中，该映射表可以通过预先标定景深得出，即通过实验数据得出图像中不同位置的物体到本车的实际距离制成映射表。从而根据物体在图像中的位置就能从映射表中查到本车与前车之间的车距。该映射表的具体映射关系根据摄像头的不同也不同。

本发明通过查询映射表获取距离、物体的宽度和高度，并分析高度宽度是否满足车辆的实际宽高，剔除干扰，从而保障了检测结果的准确性。

参照图5，图5为本发明检测车距的方法另一实施例的流程示意图。

在本发明某一或所有实施例中，与上述实施例相比，本实施例中所述检测车距的方法还包括以下步骤：

步骤S40：预设安全距离；

在采集图像之前，首先预设一个安全距离，此安全距离可以是符合安全行驶条件的车距(比如10米)，也可以是符合用户开车习惯的车距(比如新手司机可以设置为15米)。用户可以自行设置，并且可以任意修改。

步骤S50：在所述车距小于安全距离时，发出警报。

可以在检测车距的装置上增加警报器，警报器可以发出声音警报或者是震动警报等能引起用户注意的警报。用户在开车过程中需要专心致志，特别是在环境恶劣时，更需要仔细观察路况，此时可能无法分神去关注实时的车距信息。为了在车距过小时及时提醒用户，所以在采集图像之前预设一个安全距离，在车距小于安全距离时，发出警报。

本发明还提供一种检测车距的装置，在一实施例中，该所述检测车距的装置包括采集模块10、检测模块20和计算模块30。

具体地，参照图6，图6为本发明检测车距的装置一实施例的功能模块示意图。采集模块10，用于采集前车尾灯的图像。

采集模块10可以是摄像头或者摄像机等具有摄像功能的设备。通过采集模块10采集前车尾灯的图像，其中采集模块10所采集的图像为RGB彩色图像。该采集模块10可以是车载摄像头，也可以是移动终端上的摄像头。比如，将带有摄像头的手机、平板电脑或者导航仪等设备通过支架固定在本车上能够拍摄到前车图像的任意部位。为了保障摄像头所拍摄的图像的稳定性，优选为将摄像头固定于汽车前挡风玻璃后。

检测模块20，用于确定所述前车尾灯在所述图像中的位置信息。

在采集模块10采集到前车尾灯的图像之后，检测模块20将该图像进行转换处理得到前车尾灯的位置信息。该位置信息为前车尾灯在图像中的具体位置。图像中不同区域的像素数值以及单位像素数值是不相同的，其具体数值可以根据预设的像素表查询得出。根据前车尾灯在图像中的具体位置可以通过图像中的单位像素数值计算出前车的具体尺寸、比如车身高度和宽度。

计算模块30，用于根据所述位置信息计算本车与前车之间的车距。

图像中不同区域的像素数值以及单位像素数值是不相同的，其具体数值可以根据预设的像素表查询得出。根据前车尾灯在图像中的具体位置可以通过图像中的单位像素数值计算出前车的具体尺寸、比如车身高度和宽度。只要知道物体在图像中的位置就能从预设的景深映射表中查到景深，所谓的景深即实际距离。根据图像中物体近大远小的原理，可以知道图像中的距离与实际距离不是简单的线性关系。所以可以通过标定得出景深映射表，将景深预设表预设于计算模块30内。计算模块30通过景深映射表即可根据前车尾灯与本车在图像中的距离可以计算出现实中本车与前车之间的车距。计算出的车距可以是前车到本车车头的距离，也可以是前车到摄像头之间的距离，用户只需根据习惯自行在计算模块30内预设的景深映射表中做相应的调整即可。

本发明的检测车距的装置，应用于雾天、雨雪天、雾霾天或夜间能见度很低的行驶情况下，便于用户及时掌握本车与前车的车距，保障了恶劣天气下行驶的安全性。并且本发明因为只需基于一个摄像头，所以可在手机等移动设备上实现，操作方便简单、成本低。

进一步地，所述检测模块20包括：转换单元21、二值化单元22、滤波去噪单元23和配对单元24。

具体地，参照图7，图7为检测模块20的细化功能模块示意图。转换单元21，用于将采集到的所述图像分别转换成灰度图和HSV彩色图。

转换单元21将RGB彩色图分别转换成灰度图和HSV(色度、饱和度、亮度)彩色图，其中RGB图是平常看到的彩色图像，灰度图就是黑白图像，HSV图是包含色度、饱和度、亮度的彩色图。

二值化单元22，用于根据所述灰度图和HSV彩色图将所述图像进行二值化处理得到二值图。

二值化单元22根据灰度、色度、饱和度等参数将图像二值化，其中二值化的具体条件和公式如下：

$I(i,j)=\left\{\begin{array}{cc}1& H(i,j)\∈\left[\mathrm{0,10}\right]\∪\left[\mathrm{150,180}\right],\mathrm{Gray}(i,j)>200\\ 0& \mathrm{else}\end{array}\right.$

公式中，I是二值化图像，H是色度图，Gray是灰度图。

滤波去噪单元23，用于对所述二值图进行滤波去噪处理得出多个闭合块。

夜间环境中路面反光或其它光源的干扰，采集模块10所采集的图像可能噪点较多，滤波去噪单元23对二值图采用形态学滤波去噪处理，去除部分小的噪点；然后再进行闭合运算，得到多个轮廓平滑的闭合快。

配对单元24，用于将对称的所述闭合块配对得到所述前车尾灯的位置信息。

由于对称性是车灯的一个重要特征，如果不考虑对称性直接配对，很可能得到错误的结果，从而降低了准确性。

本发明的检测车距的装置，转换单元21根据H分量(色度)和灰度综合判定得出二值图，二值化单元22根据两种参数进行二值化得出的二值图相比只基于一种参数得出的二值图准确性更高。同时，图像二值化后配对单元24将闭合快配对可以有效提高车距检测的准确性，进一步提高车辆行驶的安全性。

进一步地，所述配对单元24包括：处理子单元241和筛选子单元242。

具体地，参照图8，图8为配对单元24的细化功能模块示意图。处理子单元241，用于分别计算各个闭合块的特征(比如周长、面积、填充率、离心率、倾角)，将对称的闭合块配对得到前车尾灯的位置信息。由于对称性是车灯的一个重要特征，如果不考虑对称性直接配对，很可能得到错误的结果，从而降低了准确性。

筛选子单元242，用于删除不合理的闭合块对，得到车灯位置信息。

即使将闭合块根据对称性进行配对后也可能出现多组符合要求的前车尾灯的位置信息。为了保证车辆行驶的安全性，筛选子单元242需要在多个位置信息中筛选出一个准确位置信息。首先，需要删除过高(即靠近图像顶部)的位置信息，图像中会出现路灯、广告牌灯等其余光源，这些光源会高于前车尾灯的平面，删除之。其次，根据车灯位置与地面的关系，计算车灯的实际宽度，过宽或者过窄的前车尾灯的位置信息，属于异常情况，删除之。最终筛选子单元242将得出前车尾灯的一个准确位置信息。

本发明通过计算和筛选闭合快，排除了环境中其他光源的干扰，并分析高度宽度是否满足车辆的实际宽高，剔除干扰，从而保障了检测结果的准确性。

进一步地，所述计算模块30包括：推算单元31和映射单元32。

具体地，参照图9，图9为计算模块30的细化功能模块示意图。推算单元31，用于根据所述位置信息推算车辆信息；

根据图像中已知物体的宽度和高度，测量物体在图像中所占的像素数值，二者的商就是单位像素的宽、高值。举例说明，假设小车的实际宽度为1.8米，高度为1.4米，在标定图像中所占面积为20*15像素，那么小车所在位置的单个像素宽度值为1.8/20＝0.09米/像素，单个像素高度值为1.4/15＝0.093米/像素。依次类推，可以得到不同位置的单个像素宽高值，其中位置越靠下(距离图像底部越近)数值越小。实际计算宽高的时候，推算单元31只需根据物体的位置以及物体所占的像素数目，就能计算出物体的实际高度和宽度。比如还是图像中的小车，所占像素20*15，查标定映射表得到相应的宽度值为0.09米/像素、高度值为0.093米/像素，那么小车的实际宽度为0.09*20＝1.8米，高度为0.093*15＝1.395米。

映射单元32，用于将所述车辆信息与预设的映射表匹配得出所述车距。

预先建立前车尾灯的车灯宽度与前车的车身尺寸的映射关系表，即预设映射表。通过预设的映射表可以确定车身位置，再根据前车车尾平面与路面的交线计算出本车与前车之间的车距。其中，该映射表可以通过预先标定景深得出，即通过实验数据得出图像中不同位置的物体到本车的实际距离制成映射表。从而根据物体在图像中的位置就能从映射表中查到本车与前车之间的车距。该映射表的具体映射关系根据摄像头的不同也不同。

本发明通过查询映射表获取距离、物体的宽度和高度，并分析高度宽度是否满足车辆的实际宽高，剔除干扰，从而保障了检测结果的准确性。

在本发明某一或所有实施例中，所述检测车距的装置还包括：预设模块40和报警模块50。

具体地，参照图10，图10为本发明检测车距的装置另一实施例的功能模块示意图。预设模块40，用于预设安全距离。

在采集图像之前，首先预设一个安全距离，此安全距离可以是符合安全行驶条件的车距(比如10米)，也可以是符合用户开车习惯的车距(比如新手司机可以设置为15米)。用户可以自行设置，并且可以任意修改。

报警模块50，用于在所述车距小于安全距离时，发出警报。

可以在检测车距的装置上增加警报器，警报器可以发出声音警报或者是震动警报等能引起用户注意的警报。用户在开车过程中需要专心致志，特别是在环境恶劣时，更需要仔细观察路况，此时可能无法分神去关注实时的车距信息。为了在车距过小时及时提醒用户，所以在采集图像之前预设一个安全距离，在车距小于安全距离时，发出警报。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种检测车距的方法，其特征在于，所述检测车距的方法包括以下步骤：

采集前车尾灯的图像；

确定所述前车尾灯在所述图像中的位置信息；

根据所述位置信息计算本车与前车之间的车距；

所述确定所述前车尾灯在所述图像中的位置信息的步骤包括：

将采集到的所述图像分别转换成灰度图和HSV彩色图；

根据所述灰度图和HSV彩色图将所述图像进行二值化处理得到二值图；

对所述二值图进行滤波去噪处理得出多个闭合块；

将对称的所述闭合块配对得到所述前车尾灯的位置信息。

2.如权利要求1所述的检测车距的方法，其特征在于，将对称的所述闭合块配对得到所述前车尾灯的位置信息的步骤包括：

计算闭合块的特征，得到对称的闭合块对；

删除不合理的所述闭合块对，得到所述位置信息。

3.如权利要求1所述的检测车距的方法，其特征在于，根据所述位置信息计算本车与前车之间的车距的步骤包括：

根据所述位置信息推算车辆信息；

将所述车辆信息与预设的映射表匹配得出所述车距。

4.如权利要求1所述的检测车距的方法，其特征在于，所述检测车距的方法还包括以下步骤：

预设安全距离；

在所述车距小于安全距离时，发出警报。

5.一种检测车距的装置，其特征在于，所述检测车距的装置包括：

采集模块，用于采集前车尾灯的图像；

检测模块，用于确定所述前车尾灯在所述图像中的位置信息；

计算模块，用于根据所述位置信息计算本车与前车之间的车距；

所述检测模块包括：

转换单元，用于将采集到的所述图像分别转换成灰度图和HSV彩色图；

二值化单元，用于根据所述灰度图和HSV彩色图将所述图像进行二值化处理得到二值图；

滤波去噪单元，用于对所述二值图进行滤波去噪处理得出多个闭合块；

配对单元，用于将对称的所述闭合块配对得到所述前车尾灯的位置信息。

6.如权利要求5所述的检测车距的装置，其特征在于，所述配对单元包括：

处理子单元，用于计算闭合块的特征，得到对称的闭合块对；

筛选子单元，用于删除不合理的所述闭合块对，得到所述位置信息。

7.如权利要求5所述的检测车距的装置，其特征在于，所述计算模块包括：

推算单元，用于根据所述位置信息推算车辆信息；

映射单元，用于将所述车辆信息与预设的映射表匹配得出所述车距。

8.如权利要求5所述的检测车距的装置，其特征在于，所述检测车距的装置还包括：

预设模块，用于预设安全距离；

报警模块，用于在所述车距小于安全距离时，发出警报。