CN105216714A - 一种基于mems传感器的碰撞事故识别方法 - Google Patents
一种基于mems传感器的碰撞事故识别方法 Download PDFInfo
- Publication number
- CN105216714A CN105216714A CN201510640792.3A CN201510640792A CN105216714A CN 105216714 A CN105216714 A CN 105216714A CN 201510640792 A CN201510640792 A CN 201510640792A CN 105216714 A CN105216714 A CN 105216714A
- Authority
- CN
- China
- Prior art keywords
- max
- zero
- mean
- threshold
- dmean
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Air Bags (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于MEMS传感器的碰撞事故识别方法,具体步骤如下:建立车体坐标系;判断加速度能量信号宽度;采样频率fs,读取时长为t的数据,计算能量;判断翻转点位置;计算翻转标记信号DMEANx(n)和DMEANy(n),即MEANx(n)和MEANy(n)的差分,用以提取其上升沿和下降沿;判断高频分量;将原信号分解成高频分量和余量;计算高频分量乘积;本发明实现车辆碰撞的自动识别,为进一步实现自动报损提供了基础,同时也可以作为保险公司甄别车险事故的依据。
Description
技术领域
本发明属于车辆行驶和碰撞的加速度信号分析领域,尤其涉及一种基于MEMS传感器的碰撞事故识别方法。
背景技术
数据显示,我国民用汽车保有量已经达到1.5亿辆,随之而来的是交通事故的不断增加,据统计,我国每年交通事故死亡人数已经超过了10万人;所以及时有效的检测车辆的碰撞,可有效的减少交通事故的伤亡。应用力学传感器,如三轴加速度传感器,实现对车辆运动状态的全程监测,测量数据甄别车辆碰撞情况。
发明内容
本发明提供了一种基于MEMS传感器的碰撞事故识别方法,实现了车辆碰撞的自动识别,为进一步实现自动报损提供了基础,同时也可以作为保险公司甄别车险事故的依据。
为实现上述目的,本发明所采用的技术方案是:一种基于MEMS传感器的碰撞事故识别方法,其特征在于,具体步骤如下:
S1:建立车体坐标系;
S2:判断加速度能量信号宽度;
S3:判断翻转点位置;
S4:计算翻转标记信号DMEANx(n)和DMEANy(n);
S5:判断高频分量;
S6:计算高频分量乘积,然后判断是否为碰撞。
进一步的,在步骤S2中是通过如下步骤判断加速度能量信号宽度的:
采样频率fs,读取时长为t的数据,计算能量如下
其中ax(n),ay(n)分别为X轴和Y轴方向的加速度,取能量EN(n)的最大值ENmax,其对应的横坐标为nmax,定义阈值如下:
thresholdEN=c1×ENmax
c1为小于1的常数,计算EN超过阈值threshold部分的宽度N1,如N1大于Na则不是碰撞;如N1小于Na则转为步骤S3,其中Na为常整数。
进一步的,在步骤S3中判断翻转点位置是通过如下步骤进行的:以峰值点nmax为中心截取2fs的数据,即[nmax-fs,nmax+fs-1],分别计算X轴和Y轴方向加速度信号的过零点数组ZEROx和ZEROy,求相邻过零点之间数据的平均值,建立均值数组:
其中X轴加速度信号的过零点个数为N,Y轴加速度信号的过零点个数为M,meanxi和meanyi为第i段的平均值,表达式如下:
进一步的,步骤S4中的翻转标记信号DMEANx(n)和DMEANy(n),即MEANx(n)和MEANy(n)的差分,用以提取其上升沿和下降沿:
DMEANx(n)=MEANx(n+1)-MEANx(n)
DMEANy(n)=MEANy(n+1)-MEANy(n)
DMEANx(n)的最大值和最小值分别为DMxmax和DMxmin,DMEANy(n)的最大值和最小值分别为DMymax和DMymin。提取翻转标记信号的阈值为threshold1=c2×DMxmax,threshold2=c2×DMxmin,threshold3=c2×DMymax,threshold4=c2×DMymin,翻转标记点位置限定集合为A=[nmax-width1,nmax+width1],B=[nmax-width1,nmax),C=[nmax-width2,nmax+width2]其中c2为小于1的常数,0<width1<width2<fs,判断峰值点处ax(nmax),ay(nmax)的大小。
作为更进一步的,步骤S4中判断峰值点处ax(nmax),ay(nmax)的大小分为以下两种情况:
a)如果|ax(nmax)|>|ay(nmax)|,即力的主要方向为X轴:
条件1: 或 满足DMEANx(na)>threshold1,DMEANx(nb)<threshold2;即在峰值左侧width1范围内存在一个上升沿(或下降沿),右侧width1范围内存在一个下降沿(或上升沿)。
条件2:满足,DMEANy(nc)>threshold3,DMEANy(nd)<threshold4;即在峰值两侧width2范围内同时存在上升沿和下降沿。
b)如果|ax(nmax)|≤|ay(nmax)|即力的主要方向为Y轴,
条件3: 或 满足DMEANy(na)>threshold3,DMEANy(nb)<threshold4;即在峰值左侧width1范围内存在一个上升沿(或下降沿),右侧width1范围内存在一个下降沿(或上升沿)。
条件4:满足,DMEANx(nc)>threshold1,DMEANx(nd)<threshold2。即在峰值两侧width2范围内同时存在上升沿和下降沿。
作为更进一步的,在步骤S5中判断高频分量需满足以下条件:步骤S4中的情况a)同时满足条件1和条件2,或情况b)同时满足条件3和条件4分别对ax(n),ay(n),az(n)进行经验模态分解(EMD),将原信号分解成高频分量和余量,其中高频分量分别记为IMFx(n),IMFy(n)和IMFz(n)。
作为更进一步的,在步骤S6中计算高频分量乘积,然后判断是否为碰撞是通过如下具体步骤进行的,
XYZ(n)=IMFx(n)×IMFy(n)×IMFz(n)
令XYZ(n)的幅度最大值为XYZmax,计算XYZ(n)幅度大于thresholdXYZ的第一个点和最后一个点的距离dXYZ;
thresholdXYZ=c3×XYZmax
其中c3为小于1的常数;如dXYZ<Nc认为发生了碰撞,如dXYZ≥Nc则不是碰撞,读取下一段数据,重复步骤S2-S6,其中Nc为常整数。
作为更进一步的,步骤S5中的获得高频分量的方法包括但不限于经验模态分解(EMD),如:小波变换、滤波等。
本发明专利由于采用以上技术方案,能够取得如下的技术效果:本发明实现车辆碰撞的自动识别,是碰撞报警的先决条件;也为进一步实现自动报损提供了基础;同时也可以作为保险公司甄别车险事故的依据;为公安机关侦破肇事逃逸案件提供证据。
附图说明
本发明共有附图8幅:
图1是实施例中的车体坐标系;
图2是X轴和Y轴方向的加速度信号示意图;
图3是能量信号示意图;
图4是X轴和Y轴方向的加速度信号及其翻转标记信号;
图5是翻转标记信号及阈值示意图;
图6是加速度信号及其EMD分解的高频分量示意图;
图7是高频分量乘积示意图;
图8是判断是否发生碰撞算法流程图。
具体实施方式
下面通过具体实施例,并结合附图,对本发明的技术方案作进一步的解释说明。
实施例
一种基于MEMS传感器的碰撞事故识别方法,具体步骤如下:
S1:建立车体坐标系为右手坐标系;
S2:判断加速度能量信号宽度:采样频率fs,读取时长为t的数据,计算能量如下:
其中ax(n),ay(n)分别为X轴和Y轴方向的加速度,取能量EN(n)的最大值ENmax,其对应的横坐标为nmax,定义阈值如下:
thresholdEN=c1×ENmax
c1为小于1的常数,计算EN超过阈值threshold部分的宽度N1,如N1大于Na则不是碰撞;如N1小于Na则转为步骤S3,其中Na为常整数;
S3:判断翻转点位置:
以峰值点nmax为中心截取2fs的数据,即[nmax-fs,nmax+fs-1],分别计算X轴和Y轴方向加速度信号的过零点数组ZEROx和ZEROy,求相邻过零点之间数据的平均值,建立均值数组如下:
其中X轴加速度信号的过零点个数为N,Y轴加速度信号的过零点个数为M,meanxi和meanyi为第i段的平均值,表达式如下:
S4:计算翻转标记信号DMEANx(n)和DMEANy(n),即MEANx(n)和MEANy(n)的差分,用以提取其上升沿和下降沿:
DMEANx(n)=MEANx(n+1)-MEANx(n)
DMEANy(n)=MEANy(n+1)-MEANy(n)
DMEANx(n)的最大值和最小值分别为DMxmax和DMxmin,DMEANy(n)的最大值和最小值分别为DMymax和DMymin提取翻转标记信号的阈值为threshold1=c2×DMxmax,threshold2=c2×DMxmin,threshold3=c2×DMymax,threshold4=c2×DMymin,翻转标记点位置限定集合为A=[nmax-width1,nmax+width1],B=[nmax-width1,nmax),C=[nmax-width2,nmax+width2]其中c2为小于1的常数,0<width1<width2<fs,判断峰值点处ax(nmax),ay(nmax)的大小;
a)如果|ax(nmax)|>|ay(nmax)|:
条件1: 或 满足DMEANx(na)>threshold1,DMEANx(nb)<threshold2;
条件2:满足,DMEANy(nc)>threshold3,DMEANy(nd)<threshold4;
b)如果|ax(nmax)|≤|ay(nmax)|:
条件3: 或 满足DMEANy(na)>threshold3,DMEANy(nb)<threshold4;
条件4:满足,DMEANx(nc)>threshold1,DMEANx(nd)<threshold2。
S5:判断高频分量:情况a)同时满足条件1和条件2,或情况b)同时满足条件3和条件4,分别对ax(n),ay(n),az(n)进行经验模态分解(EMD),EMD将原信号分为高频成分和低频成分,除此之外小波变换,滤波等方法也可以将信号分为低频成分和高频成分,将原信号分解成高频分量和余量,其中高频分量分别记为IMFx(n),IMFy(n)和IMFz(n);
S6:计算高频分量乘积:
XYZ(n)=IMFx(n)×IMFy(n)×IMFz(n)
令XYZ(n)的幅度最大值为XYZmax,计算XYZ(n)幅度大于thresholdXYZ的第一个点和最后一个点的距离dXYZ;
thresholdXYZ=c3×XYZmax
其中c3为小于1的常数;如dXYZ<Nc认为发生了碰撞,如dXYZ≥Nc则不是碰撞,读取下一段数据,重复步骤S2-S6,其中Nc为常整数。
本发明实现车辆碰撞的自动识别,为进一步实现自动报损提供了基础,同时也可以作为保险公司甄别车险事故的依据。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于MEMS传感器的碰撞事故识别方法,其特征在于,具体步骤如下:
S1:建立车体坐标系;
S2:判断加速度能量信号宽度;
S3:判断翻转点位置;
S4:计算翻转标记信号DMEANx(n)和DMEANy(n);
S5:判断高频分量;
S6:计算高频分量乘积,然后判断是否为碰撞。
2.根据权利要求1所述的一种基于MEMS传感器的碰撞事故识别方法,其特征在于,在步骤S2中是通过如下步骤判断加速度能量信号宽度的:
采样频率fs,读取时长为t的数据,计算能量如下
其中ax(n),ay(n)分别为X轴和Y轴方向的加速度,取能量EN(n)的最大值ENmax,其对应的横坐标为nmax,定义阈值如下:
thresholdEN=c1×ENmax
c1为小于1的常数,计算EN超过阈值threshold部分的宽度N1如N1大于Na则不是碰撞;如N1小于Na则转为步骤S3,其中Na为常整数。
3.根据权利要求2所述的一种基于MEMS传感器的碰撞事故识别方法,其特征在于,在步骤S3中判断翻转点位置是通过如下步骤进行的:以峰值点nmax为中心截取2fs的数据,即[nmax-fs,nmax+fs-1],分别计算X轴和Y轴方向加速度信号的过零点数组ZEROx和ZEROy,求相邻过零点之间数据的平均值,建立均值数组:
其中X轴加速度信号的过零点个数为N,Y轴加速度信号的过零点个数为M,meanxi和meanyi为第i段的平均值,表达式如下:
4.根据权利要求3所述的一种基于MEMS传感器的碰撞事故识别方法,其特征在于,步骤S4中的翻转标记信号DMEANx(n)和DMEANy(n),即MEANx(n)和MEANy(n)的差分,用以提取其上升沿和下降沿:
DMEANx(n)=MEANx(n+1)-MEANx(n)
DMEANy(n)=MEANy(n+1)-MEANy(n)
DMEANx(n)的最大值和最小值分别为DMxmax和DMxmin,DMEANy(n)的最大值和最小值分别为DMymax和DMymin。
提取翻转标记信号的阈值为threshold1=c2×DMxmax,threshold2=c2×DMxmin,threshold3=c2×DMymax,threshold4=c2×DMymin,翻转标记点位置限定集合为A=[nmax-width1,nmax+width1],B=[nmax-width1,nmax),C=[nmax-width2,nmax+width2]其中c2为小于1的常数,0<width1<width2<fs,判断峰值点处ax(nmax),ay(nmax)的大小。
5.根据权利要求4所述的一种基于MEMS传感器的碰撞事故识别方法,其特征在于,步骤S4中判断峰值点处ax(nmax),ay(nmax)的大小分为以下两种情况:
a)如果|ax(nmax)|>|ay(nmax)|:
条件1:nb∈A-B或na∈B满足DMEANx(na)>threshold1,DMEANx(nb)<threshold2;
条件2:nd∈C满足,DMEANy(nc)>threshold3,DMEANy(nd)<threshold4;
b)如果|ax(nmax)|≤|ay(nmax)|:
条件3:nb∈A-B或na∈B满足DMEANy(na)>threshold3,DMEANy(nb)<threshold4;
条件4:nd∈C满足,DMEANx(nc)>threshold1,DMEANx(nd)<threshold2。
6.根据权利要求5所述的一种基于MEMS传感器的碰撞事故识别方法,其特征在于,在步骤S5中判断高频分量需满足以下条件:
步骤S4中的情况a)同时满足条件1和条件2,或情况b)同时满足条件3和条件4分别对ax(n),ay(n),az(n)进行经验模态分解(EMD),将原信号分解成高频分量和余量,其中高频分量分别记为IMFx(n),IMFy(n)和IMFz(n)。
7.根据权利要求6所述的一种基于MEMS传感器的碰撞事故识别方法,其特征在于,在步骤S6中计算高频分量乘积,然后判断是否为碰撞是通过如下具体步骤进行的,
XYZ(n)=IMFx(n)×IMFy(n)×IMFz(n)
令XYZ(n)的幅度最大值为XYZmax,计算XYZ(n)幅度大于thresholdXYZ的第一个点和最后一个点的距离dXYZ;
thresholdXYZ=c3×XYZmax
其中c3为小于1的常数;如dXYZ<Nc认为发生了碰撞,如dXYZ≥Nc则不是碰撞,读取下一段数据,重复步骤S2-S6,其中Nc为常整数。
8.根据权利要求6所述的一种基于MEMS传感器的碰撞事故识别方法,其特征在于,步骤S5中的经验模态分解(EMD)可用小波变换、滤波方法替代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510640792.3A CN105216714B (zh) | 2015-09-29 | 2015-09-29 | 一种基于mems传感器的碰撞事故识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510640792.3A CN105216714B (zh) | 2015-09-29 | 2015-09-29 | 一种基于mems传感器的碰撞事故识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105216714A true CN105216714A (zh) | 2016-01-06 |
CN105216714B CN105216714B (zh) | 2017-09-12 |
Family
ID=54986123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510640792.3A Active CN105216714B (zh) | 2015-09-29 | 2015-09-29 | 一种基于mems传感器的碰撞事故识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105216714B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067000A (zh) * | 2016-05-27 | 2016-11-02 | 大连楼兰科技股份有限公司 | 基于时域范围的车辆低速碰撞信号的特征提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1648746B1 (en) * | 2003-07-11 | 2008-09-10 | Toyota Jidosha Kabushiki Kaisha | Crash-safe vehicle control system |
CN101407199A (zh) * | 2008-10-28 | 2009-04-15 | 湖北汽车工业学院 | 一种车辆碰撞预警方法及装置 |
US20120150405A1 (en) * | 2010-12-08 | 2012-06-14 | Any Co. Ltd. | Moving body anti-collision device and moving body with the same |
WO2013027803A1 (ja) * | 2011-08-25 | 2013-02-28 | 日産自動車株式会社 | 車両用自律走行制御システム |
CN104773171A (zh) * | 2014-01-10 | 2015-07-15 | 财团法人工业技术研究院 | 车辆碰撞预警装置与方法 |
-
2015
- 2015-09-29 CN CN201510640792.3A patent/CN105216714B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1648746B1 (en) * | 2003-07-11 | 2008-09-10 | Toyota Jidosha Kabushiki Kaisha | Crash-safe vehicle control system |
CN101407199A (zh) * | 2008-10-28 | 2009-04-15 | 湖北汽车工业学院 | 一种车辆碰撞预警方法及装置 |
US20120150405A1 (en) * | 2010-12-08 | 2012-06-14 | Any Co. Ltd. | Moving body anti-collision device and moving body with the same |
WO2013027803A1 (ja) * | 2011-08-25 | 2013-02-28 | 日産自動車株式会社 | 車両用自律走行制御システム |
CN104773171A (zh) * | 2014-01-10 | 2015-07-15 | 财团法人工业技术研究院 | 车辆碰撞预警装置与方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067000A (zh) * | 2016-05-27 | 2016-11-02 | 大连楼兰科技股份有限公司 | 基于时域范围的车辆低速碰撞信号的特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105216714B (zh) | 2017-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102288121B (zh) | 一种基于单目视觉的车道偏离距离测量及预警方法 | |
CN102568206B (zh) | 一种基于视频监控的违章停车检测方法 | |
CN105303830A (zh) | 一种驾驶行为分析系统及分析方法 | |
CN103879404B (zh) | 可追踪移动物体的防撞警示方法及其装置 | |
CN103043021A (zh) | 一种集成五路视频检测的全方位汽车主动安全系统 | |
CN104228838A (zh) | 一种防止疲劳驾驶的预警系统及其方法 | |
CN103824420A (zh) | 基于心率变异性非接触式测量的疲劳驾驶识别系统 | |
CN105922990A (zh) | 一种基于云端机器学习的车辆环境感知和控制方法 | |
CN202071799U (zh) | 智能化汽车安全警示装置 | |
EP2484567A1 (en) | An onboard perception system | |
CN105160326A (zh) | 一种高速公路上停车的自动检测方法与装置 | |
CN103489010A (zh) | 基于驾驶行为的疲劳驾驶检测方法 | |
CN103136514A (zh) | 一种基于双向跟踪的停车事件检测方法 | |
CN103578227A (zh) | 基于gps定位信息的疲劳驾驶检测方法 | |
CN202422420U (zh) | 一种基于视频监控的违章停车检测系统 | |
CN106114505A (zh) | 一种车辆辅助驾驶系统的前车碰撞预警方法 | |
CN104732236A (zh) | 一种基于分层处理的人群异常行为智能检测方法 | |
CN105509672A (zh) | 一种汽车碰撞实验假人胸部触底判断方法及装置 | |
CN103236158A (zh) | 一种基于视频的交通事故实时预警方法 | |
CN106428003A (zh) | 不良天气下高速公路车辆偏离车道的预警装置及方法 | |
CN106585490A (zh) | 疲劳驾驶检测方法、系统及方向盘 | |
CN105216714A (zh) | 一种基于mems传感器的碰撞事故识别方法 | |
CN109677405B (zh) | 一种基于不完备车道线信息的车辆偏离预警方法及系统 | |
CN104849701B (zh) | 一种车载防撞雷达系统的杂波抑制方法 | |
CN105911554A (zh) | 基于超声波传感器阵列的目标识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160122 Address after: 116023 Dalian province high tech park, Hui Park, No. 7, take off the garden of the 2 phase of the 11 floor of the Applicant after: Dalian Loulan Technology Co., Ltd. Address before: 116023 Dalian province high tech park, Hui Park, No. 7, take off the garden of the 2 phase of the 11 floor of the Applicant before: BEIJING ZHENZHENG IOT TECHNOLOGY CO., LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |