CN106482709A - 一种车距测量的方法、装置及系统 - Google Patents

Abstract

本发明公开了一种车距测量的方法，包括：从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。本发明实施例提供的车距测量的方法，可以规避车辆震动带来的问题，提高了车距测量的准确度。

Description

一种车距测量的方法、装置及系统

技术领域

本发明涉及行车安全技术领域，具体涉及一种车距测量的方法、装置及系统。

背景技术

在基于单目视觉的前方碰撞预警系统(Forward Collision Warning System，FCWS)中，需要对前方车辆进行准确测距，才能进行预警决策。单目视觉测距一般采用单幅图像和其他事先确定的参数来估算本车与前方车辆的距离，然后进行预警决策。

利用这单目视觉测距时，其精度主要取决于车辆检测和跟踪过程中，前方车辆在图像上的坐标是否准确。车辆在行驶的过程中，不可避免的要发生震动，导致前方车辆在图像上的坐标也会发生震动，这样就会导致测距不准确和不稳定的问题。

发明内容

为了解决现有技术中车辆测距不准确的问题，本发明实施例提供一种车距测量的方法，通过多帧图像和前方车辆的图像宽度，并结合移动平均测量当前本车与前方车辆的距离，规避了车辆震动带来的问题，提高了车距测量的准确度。

本发明第一方面提供一种车距测量的方法，包括：

从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。

本发明第二方面提供一种车距测量的装置，包括：

获取模块，用于从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

第一计算模块，用于根据所述获取模块获取的所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

第二计算模块，用于根据所述第一计算模块计算得到的所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。

本发明第三方面提供一种前方碰撞预警系统，包括：图像采集装置、中央处理装置和预警装置；

所述图像采集装置用于采集前方车辆的图像，所述前方车辆为位于本车前方的车辆；

所述中央处理装置用于：

从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距；

所述预警装置，用于在所述最终车距小于安全距离时，输出预警提示信息。

本发明实施例采用从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。与现有技术中单目视觉测距准确度低相比，本发明实施例提供的车距测量的方法，通过多帧图像和前方车辆的图像宽度，并结合移动平均测量当前本车与前方车辆的距离，规避了车辆震动带来的问题，提高了车距测量的准确度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是图像测距几何模型示意图；

图2是本发明实施例中卡尔曼滤波仿真示意图；

图3是本发明实施例中前方碰撞预警系统的一实施例示意图；

图4是本发明实施例中车距测量的方法的一实施例示意图；

图5是本发明实施例中车距测量的装置的一实施例示意图；

图6是本发明实施例中车距测量的装置的另一实施例示意图；

图7是本发明实施例中车距测量的装置的另一实施例示意图；

图8是本发明实施例中车距测量的装置的另一实施例示意图。

具体实施方式

本发明实施例提供一种车距测量的方法，通过多帧图像和前方车辆的图像宽度，并结合移动平均测量当前本车与前方车辆的距离，规避了车辆震动带来的问题，提高了车距测量的准确度。以下分别进行详细说明。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为图像测距几何模型示意图。

如图1所示，基于单目视觉测距时，采用单幅图像根据摄像机的焦距和事先确定的参数来估算距离。为了求出前方车辆的距离，需要建立起特定坐标系下的2D图像平面和3D空间的映射关系。图像采集是将客观世界的三维场景投影到采集器(CCD摄像机)的二维像平面，例如：CCD光敏矩阵表面上，这个投影一般采用几何透视变换来描述。被测对象上的某个点在CCD摄像机二维像平面上的投影几何透视变换关系如图1所示。根据点P(车辆底部阴影上的一点)与镜头中心的水平距离d的几何关系，其计算公式为：

d＝h/tan(α+arctan((y-y0)/f))

其中，f——摄像机的有效焦距，α——摄像机的俯仰角度，h——摄像机镜头的安装高度，(x0，y0)——光轴与像平面的交点，作为像平面坐标系的原点，一般取为(0,0)，(x，y)——路面上点P在像平面的投影坐标。

其中，摄像机的安装高度、焦距、俯仰角等外部参数已经提前标定好。

d在本发明实施例中可以成为本车与所述前方车辆距离的原始测量值，包含同一辆前方车辆的每帧图像都可以计算出一个d。当前帧的本车与所述前方车辆距离的原始测量值用d_i表示。

原始测量值采用上述单目视觉测距技术测量得到，属于现有技术，但单目视觉测距无法规避车辆震动带来的测距准确度低的问题，本发明实施例中，考虑到车辆的宽度不会受震动影响，而且，车辆图像的宽度与车距的变化基本成反比所以，引入了车辆的图像宽度参与车距的计算，提高了车距测量的准确度。

另外，在介绍本发明实施例的车距测量的过程之前说明一点，本发明实施例中，摄像头采集的是本车前方的车辆和道路信息，本车前方可能有多台前方车辆，但针对每台前方车辆的车距测量过程都可以参阅本发明实施例中的车距测量的过程进行理解，一帧图像中可能包含一台或多台车辆的图像，但针对每台车辆的图像都是单独的处理过程，两台车之间的参数不互相使用。

本发明实施例中，车距测量的过程包括：

从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。

可选地，所述根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距，包括：

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值；

对所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距。

本发明实施例中，经卡尔曼滤波后，测量得到的最终车距更加准确。

本发明实施例中，用i表示包含同一前方车辆的帧的序数，当i＝1时，相当于第一次检测到前方车辆，也就是第一帧包含同一前方车辆的第一帧图像，第一帧图像上，该前方车辆的图像宽度用W1表示，前方车辆为位于本车前方的车辆。本发明实施例所提及的后续每帧图像都包含所述同一前方车辆。第二帧图像上的该前方车辆的图像宽度用W2表示，假设当前帧为第五帧时，则图像宽度集中包括W1、W2、W3、W4和W5五个图像宽度。

第一帧的距离与宽度乘积的移动平均值可以通过如下公式求得，Q1＝W1*d1,其中，Q1表示第一帧的距离与宽度乘积的移动平均值，*表示乘号，d1表示第一帧时，本车与前方车辆距离的原始测量值。

第一帧的本车与所述前方车辆的距离测量值D_z1＝Q1/W1＝d1；

对D_z1进行卡尔曼滤波，得到当前所述本车与所述前方车辆的最终车距D₁。

第二帧的Q₂可以有多种求法，本发明实施例中列举几种，但不应理解为对求距离与宽度乘积的移动平均值的限定。

可以通过如下方式求得Q₂，Q₂＝(W1*d1+W2*d2)/2；

也可以根据W2和第一帧的计算结果，计算第二帧的移动平均值Q₂；

第一帧的计算结果可以是Q₁，也可以是D₁；

根据追踪结果标识Flag，分两种情况进行说明，所述追踪结果标识用于表示所述前方车辆的距离计算参数发生是否发生突变，所述前方车辆的距离计算参数包括所述前方车辆在所述当前帧图像中的像点坐标和所述当前帧中的前方车辆图像宽度；

Flag可以用0标识，也可以用1标识，可以是：当用0标识时表示追踪结果无突变，用1标识时表示追踪结果有突变。当然，也可以反过来，用1标识时表示追踪结果无突变，用0标识时表示追踪结果有突变。

当追踪结果有突变时：用当前帧的前方车辆图像宽度W2和第一帧的最终车距D₁，初始化Q₂，Q₂＝W2*D₁。采用这种迭代方式计算第二帧的移动平均值，避免了车辆融合时的突变。

当追踪结果无突变时：利用Q₁和W2及d2来计算Q₂。

Q₂＝(1-k)*Q₁+k*W2*d2，其中，k表示Q₂的权重，系数k可以根据实际需要调整，一般设置为k＝0.02。k越小，Q₂就越稳定。这样就可以防止汽车颠簸的影响。

当前帧为第五帧时，也参阅第二帧的计算方式进行计算。

下面用i来表达当前帧，则：

当追踪结果有突变时：用当前帧的前方车辆图像宽度Wi和前一帧的最终车距D_i-1，初始化Q_i，Q_i＝Wi*D_i-1。采用这种迭代方式计算当前帧对应的移动平均值，避免了车辆融合时的突变。

当追踪结果无突变时：利用Q_i-1和Wi及di来计算Q_i。

Q_i＝(1-k)*Q_i-1+k*Wi*di，其中，k表示Q_i的权重，系数k可以根据实际需要调整，一般设置为k＝0.02。k越小，Q₂就越稳定。这样就可以防止汽车颠簸的影响。

计算得到Q_i后，根据如下公式求得当前帧时本车与所述前方车辆的距离测量值D_zi，D_zi＝Q_i/W_i；

对D_zi进行卡尔曼kalman滤波，得到本车与所述前方车辆的最终车距D_i。

kalman滤波是采用卡尔曼滤波方程的滤波过程，卡尔曼滤波方程为现有技术，本发明对此不作过多介绍，只是在本发明实施例中对卡尔曼滤波方程中的参数做了如下设置，当然以下参数只是一种方式，还可以通过其他方式实现，不应当理解为是对本发明实施例的限定。

所述卡尔曼滤波方程中包括如下参数：

状态值X＝(D_zi，delta_D_zi)^T，测量值Z＝(D_zi)，状态转移矩阵为：

其中，delta_D_zi为两帧之间的距离差。

将上述参数代入卡尔曼滤波方程，即可求得D_i。

在本发明实施例测距过程使用卡尔曼滤波，经过实验仿真得到了图2所示的仿真图，其中，经过w测距和kalman滤波后，得到的序列图像距离变化曲线如下图所示，图2中最下面的最平滑曲线表示经过卡尔曼滤波的曲线，变化非常稳定和平滑。

由以上可知，本发明在现有的技术方案基础上进行了大量的改进，充分利用车辆宽度变化平滑，几乎不受颠簸影响的特点，对车辆与追踪融合时进行了特殊处理，并结合使用了移动平均和kalman滤波，使得测量得到的距离值更加准确，变化非常稳定，基本不受车辆颠簸的影响，避免了车辆颠簸或车辆检测追踪融合时出现的距离抖动，保证距离渐变。

参阅图3，本发明实施例提供的前方碰撞预警系统的一实施例包括：图像采集装置300、中央处理装置400和预警装置500；

所述图像采集装置300用于采集前方车辆的图像，所述前方车辆为位于本车前方的车辆；

所述中央处理装置400用于：

从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距；

所述预警装置500，用于在所述最终车距小于安全距离时，输出预警提示信息。

可选地，所述根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距，可以包括：

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值；

对所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距。

经卡尔曼滤波后，测量得到的最终车距更加准确。

本发明实施例中，图像采集装置300可以是摄像头、摄像机、工业照相机等。预警装置500可以是扬声器、报警器、报警灯等。

结合上述图1和图2部分的描述，当最终车距测量准确时，预警的准确度也随之提高。

参阅图4，本发明实施例提供的车距测量的方法的一实施例包括：

101、从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆。

102、根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧。

103、根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。

本发明实施例采用从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。与现有技术中单目视觉测距准确度低相比，本发明实施例提供的车距测量的方法，通过多帧图像和前方车辆的图像宽度，并结合移动平均测量当前本车与前方车辆的距离，规避了车辆震动带来的问题，提高了车距测量的准确度。

可选地，在上述图4对应的实施例的基础上，本发明实施例提供的车距测量的方法的第一个可选实施例中，所述根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距，可以包括：

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值；

对所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距。

本发明实施例中，经卡尔曼滤波后，测量得到的最终车距更加准确。

可选地，在上述图4对应的实施例或第一个可选实施例的基础上，本发明实施例提供的车距测量的方法的第二个可选实施例中，所述根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，可以包括：

用所述每帧图像对应的所述本车与所述同一前方车辆距离的原始测量值与所述每帧图像分别对应的每个所述图像宽度的乘积再求平均，计算所述当前帧对应的移动平均值，所述原始测量值为根据所述同一前方车辆在所述每帧图像中的像点坐标计算得到。

本发明实施例中，可以理解为采用如下公式求当前帧对应的移动平均值，Q_i＝(W1*d1+W2*d2+…+Wi*di)/I。

可选地，在上述图4对应的实施例或第一个可选实施例的基础上，本发明实施例提供的车距测量的方法的第三个可选实施例中，所述根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，可以包括：

根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值。

本发明实施例中，前一帧的计算结果可以前一帧的移动移动平均值Q_i-1，也可以是前一帧的最终车距D_i-1。

可选地，在上述图4对应的第三个可选实施例的基础上，本发明实施例提供的车距测量的方法的第四个可选实施例中，所述根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值之前，所述方法还包括：

获取追踪结果标识，所述追踪结果标识用于表示所述同一前方车辆的距离计算参数发生是否发生突变，所述同一前方车辆的距离计算参数包括所述同一前方车辆在所述当前帧图像中的像点坐标和所述当前帧中的同一前方车辆图像宽度；

根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值，包括：

当所述追踪结果标识表示所述同一前方车辆的距离计算参数发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的最终车距，计算所述当前帧对应的移动平均值；

当所述追踪结果标识表示所述同一前方车辆的距离计算参数未发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的移动平均值，以及所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，计算所述当前帧对应的移动平均值。

本发明实施例中，当追踪结果有突变时，根据前一帧的最终车距计算当前帧对应的移动平均值，当追踪结果无突变时，根据前一帧的移动平均值计算当前帧对应的移动平均值，具体计算过程可以参阅图1和图2部分的实例描述进行理解，本处不做过多赘述。

可选地，在上述图4对应的第四个可选实施例的基础上，本发明实施例提供的车距测量的方法的第五个可选实施例中，所述据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的移动平均值，以及所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，计算所述当前帧对应的移动平均值，包括：

根据如下公式计算当前帧对应的移动平均值Q_i；

Q_i＝(1-k)*Q_i-1+k*W_i*d_i；

其中，Q_i-1表示所述当前帧的前一帧的移动平均值，k表示Q_i的权重，W_i表示所述当前帧中的同一前方车辆图像宽度，d_i表示所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，所述i为大于1的整数。

可选地，在上述第一个可选实施例的基础上，本发明实施例提供的车距测量的方法的第六个可选实施例中，所述根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值，包括：

根据如下公式计算述本车与所述前方车辆的距离测量值D_zi；

D_zi＝Q_i/W_i；

其中，Q_i表示所述当前帧对应的移动平均值W_i表示所述当前帧中的同一前方车辆图像宽度；

所述对所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距，包括：

采用卡尔曼滤波方程对所述距离测量值D_zi进行卡尔曼滤波，得到当前所述本车与所述前方车辆的最终车距D_i；

所述卡尔曼滤波方程中包括如下参数：

状态值X＝(D_zi，delta_D_zi)^T，测量值Z＝(D_zi)，状态转移矩阵为：

其中，delta_D_zi为两帧之间的距离差。

本发明图4对应的实施例或任一可选实施例可以参与图1和图2部分的实例描述进行理解，本处不做过赘述。

参阅图5，本发明实施例提供的车距测量的装置的一实施例包括：

获取模块201，用于从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

第一计算模块202，用于根据所述获取模块201获取的所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

第二计算模块203，用于根据所述第一计算模块202计算得到的所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。

本发明实施例中，获取模块201从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；第一计算模块202根据所述获取模块201获取的所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；第二计算模块203根据所述第一计算模块202计算得到的所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。与现有技术中单目视觉测距准确度低相比，本发明实施例提供的车距测量的装置，通过多帧图像和前方车辆的图像宽度，并结合移动平均测量当前本车与前方车辆的距离，规避了车辆震动带来的问题，提高了车距测量的准确度。

可选地，在上述图5对应的实施例的基础上，参阅图6，本发明实施例提供的车距测量的装置的第一个可选实施例中，所述第二计算模块203包括：

计算单元2031，用于根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值；

滤波单元2032，用于对所述计算单元2031计算得到的所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述前方车辆的最终车距。

可选地，在上述图5或图6对应的实施例的基础上，本发明实施例提供的车距测量的装置的第二个可选实施例中，

所述第一计算模块202，用于用所述每帧图像对应的所述本车与所述同一前方车辆距离的原始测量值与所述每帧图像分别对应的每个所述图像宽度的乘积再求平均，计算所述当前帧对应的移动平均值，所述原始测量值为根据所述同一前方车辆在所述每帧图像中的像点坐标计算得到。

可选地，在上述图5或图6对应的实施例的基础上，本发明实施例提供的车距测量的装置的第三个可选实施例中，

所述第一计算模块202，用于根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值。

可选地，在上述车距测量的装置的第三个可选实施例的基础上，本发明实施例提供的车距测量的装置的第四个可选实施例中，

所述获取模块201，还用于获取追踪结果标识，所述追踪结果标识用于表示所述同一前方车辆的距离计算参数发生是否发生突变，所述同一前方车辆的距离计算参数包括所述同一前方车辆在所述当前帧图像中的像点坐标和所述当前帧中的同一前方车辆图像宽度；

所述第一计算模块202，用于当所述追踪结果标识表示所述同一前方车辆的距离计算参数发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的最终车距，计算所述当前帧对应的移动平均值；当所述追踪结果标识表示所述同一前方车辆的距离计算参数未发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的移动平均值，以及所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，计算所述当前帧对应的移动平均值。

可选地，在上述车距测量的装置的第四个可选实施例的基础上，本发明实施例提供的车距测量的装置的第五个可选实施例中，

所述第一计算模块202用于：

根据如下公式计算当前帧对应的移动平均值Q_i；

Q_i＝(1-k)*Q_i-1+k*W_i*d_i；

其中，Q_i-1表示所述当前帧的前一帧的移动平均值，k表示Q_i的权重，W_i表示所述当前帧中的同一前方车辆图像宽度，d_i表示所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，所述i为大于1的整数。

可选地，在上述图6对应的实施例的基础上，本发明实施例提供的车距测量的装置的第六个可选实施例中，

所述第二计算模块203用于：

根据如下公式计算述本车与所述同一前方车辆的距离测量值D_zi；

D_z＝Q_i/W_i；

其中，Q_i表示所述当前帧对应的移动平均值W_i表示所述当前帧中的同一前方车辆图像宽度；

所述滤波单元2032，用于采用卡尔曼滤波方程对所述距离测量值D_zi进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距D_i；

所述卡尔曼滤波方程中包括如下参数：

状态值X＝(D_z，delta_D_z)^T，测量值Z＝(D_z)，状态转移矩阵为：

其中，delta_D_z为两帧之间的距离差。

本发明实施例中，第一计算模块和第二计算模块可以是同一模块，也可以是不同模块。

本发明图5对应的实施例或任一可选实施例可以参与图1和图2部分的实例描述进行理解，本处不做过赘述。

本实施例提供了一种车距测量的装置的硬件结构，参见图7所示，一种车距测量的装置的硬件结构可以包括：

收发器件、软件器件以及硬件器件三部分；

收发器件为用于完成包收发的硬件电路；

硬件器件也可称“硬件处理模块”，或者更简单的，也可简称为“硬件”，硬件器件主要包括基于FPGA、ASIC之类专用硬件电路(也会配合其他配套器件，如存储器)来实现某些特定功能的硬件电路，其处理速度相比通用处理器往往要快很多，但功能一经定制，便很难更改，因此，实现起来并不灵活，通常用来处理一些固定的功能。需要说明的是，硬件器件在实际应用中，也可以包括MCU(微处理器，如单片机)、或者CPU等处理器，但这些处理器的主要功能并不是完成大数据的处理，而主要用于进行一些控制，在这种应用场景下，由这些器件搭配的系统为硬件器件。

软件器件(或者也简单“软件”)主要包括通用的处理器(例如CPU)及其一些配套的器件(如内存、硬盘等存储设备)，可以通过编程来让处理器具备相应的处理功能，用软件来实现时，可以根据业务灵活配置，但往往速度相比硬件器件来说要慢。软件处理完后，可以通过硬件器件将处理完的数据通过收发器件进行发送，也可以通过一个与收发器件相连的接口向收发器件发送处理完的数据。

本实施例中，收发器件用于采集前方车辆的图像。

硬件器件及软件器件的其他功能在前述实施例中已经详细论述，这里不再赘述。

下面结合附图就获取模块、第一计算模块、第二计算模块和滤波模块可以是可以由处理器执行存储器中的程序或指令来实现的技术方案来做详细的介绍：

本发明实施例还提供了另一种车距测量的装置，该车距测量的装置可以是行车记录仪、手机等带有摄像头和中央处理单元的终端。如图7所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该终端可以为包括手机、平板电脑、PDA(PersonalDigital Assistant，个人数字助理)、车载电脑、路宝、导航终端等任意终端设备。

图8示出的是与本发明实施例提供的终端800的部分结构的框图。参考图8，终端包括：摄像头810、存储器820、输入单元830、显示单元840、传感器850、音频电路860、WiFi模块870、处理器880、以及电源890等部件。本领域技术人员可以理解，图8中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图8对终端的各个构成部件进行具体的介绍：

摄像头810可用于采集前方车辆的图像；

存储器820可用于存储软件程序以及模块，处理器880通过运行存储在存储器820的软件程序以及模块，从而执行终端的各种功能应用以及数据处理。存储器820可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器820可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元830可用于接收输入的数字或字符信息，以及产生与终端800的用户设置以及功能控制有关的键信号输入。具体地，输入单元830可包括触控面板831以及其他输入设备832。触控面板831，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板831上或在触控面板831附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板831可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器880，并能接收处理器880发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板831。除了触控面板831，输入单元830还可以包括其他输入设备832。具体地，其他输入设备832可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元840可用于显示由用户输入的信息或提供给用户的信息以及终端的各种菜单。显示单元840可包括指示灯841，可选的，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-EmittingDiode,OLED)等形式来配置指示灯841。进一步的，触控面板831可覆盖指示灯841，当触控面板831检测到在其上或附近的触摸操作后，传送给处理器880以确定触摸事件的类型，随后处理器880根据触摸事件的类型在指示灯841上提供相应的视觉输出。虽然在图8中，触控面板831与指示灯841是作为两个独立的部件来实现终端的输入和输入功能，但是在某些实施例中，可以将触控面板831与指示灯841集成而实现终端的输入和输出功能。

指示灯841在本发明实施例中用于输出预警提示信息。

终端800还可包括至少一种传感器850。

音频电路860、扬声器861，传声器862可提供用户与终端之间的音频接口。音频电路860可将接收到的音频数据转换后的电信号，传输到扬声器861，由扬声器861转换为声音信号输出；另一方面，传声器862将收集的声音信号转换为电信号，由音频电路860接收后转换为音频数据，再将音频数据输出处理器880处理后，经摄像头810以发送给比如另一终端，或者将音频数据输出至存储器820以便进一步处理。

扬声器861在本发明实施例中用于输出预警提示信息。

处理器880是终端的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器820内的软件程序和/或模块，以及调用存储在存储器820内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器880可包括一个或多个处理单元；优选的，处理器880可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器880中。

处理器880在本发明实施例中用于确定所述本车与所述前方车辆的安全距离。

终端800还包括给各个部件供电的电源890(比如电池)，优选的，电源可以通过电源管理系统与处理器880逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，终端800还可以包括射频(Radio Frequency，RF)电路、蓝牙模块等，在此不再赘述。

在本发明实施例中，该终端所包括的处理器880还具有以下功能：

从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。

以上实施例，与现有技术中单目视觉测距准确度低相比，本发明实施例提供的车距测量的装置，通过多帧图像和前方车辆的图像宽度，并结合移动平均测量当前本车与前方车辆的距离，规避了车辆震动带来的问题，提高了车距测量的准确度。

可选地，所述根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距，可以包括：

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值；

对所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距。

可选地，所述根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，可以包括：

用所述每帧图像对应的所述本车与所述同一前方车辆距离的原始测量值与所述每帧图像分别对应的每个所述图像宽度的乘积再求平均，计算所述当前帧对应的移动平均值，所述原始测量值为根据所述同一前方车辆在所述每帧图像中的像点坐标计算得到。

可选地，所述根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，可以包括：

根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值。

可选地，所述根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值之前，所述方法还可以包括：

获取追踪结果标识，所述追踪结果标识用于表示所述同一前方车辆的距离计算参数发生是否发生突变，所述同一前方车辆的距离计算参数包括所述同一前方车辆在所述当前帧图像中的像点坐标和所述当前帧中的同一前方车辆图像宽度；

根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值，可以包括：

当所述追踪结果标识表示所述同一前方车辆的距离计算参数发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的最终车距，计算所述当前帧对应的移动平均值；

当所述追踪结果标识表示所述同一前方车辆的距离计算参数未发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的移动平均值，以及所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，计算所述当前帧对应的移动平均值。

可选地，所述据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的移动平均值，以及所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，计算所述当前帧对应的移动平均值，可以包括：

根据如下公式计算当前帧对应的移动平均值Q_i；

Q_i＝(1-k)*Q_i-1+k*W_i*d_i；

其中，Q_i-1表示所述当前帧的前一帧的移动平均值，k表示Q_i的权重，W_i表示所述当前帧中的同一前方车辆图像宽度，d_i表示所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，所述i为大于1的整数。

可选地，所述根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值，可以包括：

根据如下公式计算述本车与所述同一前方车辆的距离测量值D_zi；

D_zi＝Q_i/W_i；

其中，Q_i表示所述当前帧对应的移动平均值W_i表示所述当前帧中的同一前方车辆图像宽度；

所述对所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距，包括：

采用卡尔曼滤波方程对所述距离测量值D_zi进行卡尔曼滤波，得到当前所述本车与所述前方车辆的最终车距D_i；

所述卡尔曼滤波方程中包括如下参数：

状态值X＝(D_zi，delta_D_zi)^T，测量值Z＝(D_zi)，状态转移矩阵为：

其中，delta_D_zi为两帧之间的距离差。

图8对应的实施例或可选实施例可以参与图1-图6部分的描述进行理解，本处不做过多赘述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

以上对本发明实施例所提供的车距测量的方法、装置以及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (15)

1.一种车距测量的方法，其特征在于，包括：

从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。

2.根据权利要求1所述的方法，其特征在于，所述根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距，包括：

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值；

对所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，包括：

用所述每帧图像对应的所述本车与所述同一前方车辆距离的原始测量值与所述每帧图像分别对应的每个所述图像宽度的乘积再求平均，计算所述当前帧对应的移动平均值，所述原始测量值为根据所述同一前方车辆在所述每帧图像中的像点坐标计算得到。

4.根据权利要求1或2所述的方法，其特征在于，所述根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，包括：

根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值。

5.根据权利要求4所述的方法，其特征在于，所述根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值之前，所述方法还包括：

获取追踪结果标识，所述追踪结果标识用于表示所述同一前方车辆的距离计算参数发生是否发生突变，所述同一前方车辆的距离计算参数包括所述同一前方车辆在所述当前帧图像中的像点坐标和所述当前帧中的同一前方车辆图像宽度；

根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值，包括：

当所述追踪结果标识表示所述同一前方车辆的距离计算参数发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的最终车距，计算所述当前帧对应的移动平均值；

当所述追踪结果标识表示所述同一前方车辆的距离计算参数未发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的移动平均值，以及所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，计算所述当前帧对应的移动平均值。

6.根据权利要求5所述的方法，其特征在于，所述据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的移动平均值，以及所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，计算所述当前帧对应的移动平均值，包括：

根据如下公式计算当前帧对应的移动平均值Q_i；

Q_i＝(1-k)*Q_i-1+k*W_i*d_i；

其中，Q_i-1表示所述当前帧的前一帧的移动平均值，k表示Q_i的权重，W_i表示所述当前帧中的同一前方车辆图像宽度，d_i表示所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，所述i为大于1的整数。

7.根据权利要求2所述的方法，其特征在于，所述根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值，包括：

根据如下公式计算述本车与所述同一前方车辆的距离测量值D_zi；

D_zi＝Q_i/W_i；

其中，Q_i表示所述当前帧对应的移动平均值W_i表示所述当前帧中的同一前方车辆图像宽度；

所述对所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距，包括：

采用卡尔曼滤波方程对所述距离测量值D_zi进行卡尔曼滤波，得到当前所述本车与所述前方车辆的最终车距D_i；

所述卡尔曼滤波方程中包括如下参数：

状态值X＝(D_zi，delta_D_zi)^T，测量值Z＝(D_zi)，状态转移矩阵为： $\left[\begin{array}{cc}1& 1\\ 0& 1\end{array}\right];$

其中，delta_D_zi为两帧之间的距离差。

8.一种车距测量的装置，其特征在于，包括：

获取模块，用于从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

第一计算模块，用于根据所述获取模块获取的所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

第二计算模块，用于根据所述第一计算模块计算得到的所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距。

9.根据权利要求8所述的装置，其特征在于，所述第二计算模块包括：

计算单元，用于根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的距离测量值；

滤波单元，用于对所述计算单元计算得到的所述距离测量值进行卡尔曼滤波，得到当前所述本车与所述前方车辆的最终车距。

10.根据权利要求8或9所述的装置，其特征在于，

所述第一计算模块，用于用所述每帧图像对应的所述本车与所述同一前方车辆距离的原始测量值与所述每帧图像分别对应的每个所述图像宽度的乘积再求平均，计算所述当前帧对应的移动平均值，所述原始测量值为根据所述同一前方车辆在所述每帧图像中的像点坐标计算得到。

11.根据权利要求8或9所述的装置，其特征在于，

所述第一计算模块，用于根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的计算结果，计算所述当前帧对应的移动平均值。

12.根据权利要求11所述的装置，其特征在于，

所述获取模块，还用于获取追踪结果标识，所述追踪结果标识用于表示所述同一前方车辆的距离计算参数发生是否发生突变，所述同一前方车辆的距离计算参数包括所述同一前方车辆在所述当前帧图像中的像点坐标和所述当前帧中的同一前方车辆图像宽度；

所述第一计算模块，用于当所述追踪结果标识表示所述同一前方车辆的距离计算参数发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的最终车距，计算所述当前帧对应的移动平均值；当所述追踪结果标识表示所述同一前方车辆的距离计算参数未发生突变时，根据所述当前帧中的同一前方车辆图像宽度和所述当前帧的前一帧的移动平均值，以及所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，计算所述当前帧对应的移动平均值。

13.根据权利要求12所述的装置，其特征在于，

所述第一计算模块用于：

根据如下公式计算当前帧对应的移动平均值Q_i；

Q_i＝(1-k)*Q_i-1+k*W_i*d_i；

其中，Q_i-1表示所述当前帧的前一帧的移动平均值，k表示Q_i的权重，W_i表示所述当前帧中的同一前方车辆图像宽度，d_i表示所述当前帧图像对应的所述本车与所述同一前方车辆距离的原始测量值，所述i为大于1的整数。

14.根据权利要求9所述的装置，其特征在于，

所述第二计算模块用于：

根据如下公式计算述本车与所述同一前方车辆的距离测量值D_zi；

D_zi＝Q_i/W_i；

其中，Q_i表示所述当前帧对应的移动平均值W_i表示所述当前帧中的同一前方车辆图像宽度；

所述滤波单元，用于采用卡尔曼滤波方程对所述距离测量值D_zi进行卡尔曼滤波，得到当前所述本车与所述同一前方车辆的最终车距D_i；

所述卡尔曼滤波方程中包括如下参数：

状态值X＝(D_zi，delta_D_zi)^T，测量值Z＝(D_zi)，状态转移矩阵为： $\left[\begin{array}{cc}1& 1\\ 0& 1\end{array}\right];$

其中，delta_D_zi为两帧之间的距离差。

15.一种前方碰撞预警系统，其特征在于，包括：图像采集装置、中央处理装置和预警装置；

所述图像采集装置用于采集前方车辆的图像，所述前方车辆为位于本车前方的车辆；

所述中央处理装置用于：

从每帧图像上分别获取所述每帧图像都包含的同一前方车辆的图像宽度，得到图像宽度集，所述前方车辆为位于本车前方的车辆；

根据所述图像宽度集中的部分或全部图像宽度，计算当前帧对应的移动平均值，所述移动平均值通过所述部分或全部图像宽度中的每个图像宽度，以及所述每个图像宽度对应的所述本车与所述同一前方车辆的距离计算得到，所述当前帧为所述每帧图像中的最后一帧；

根据所述当前帧对应的移动平均值和所述当前帧中所述同一前方车辆的图像宽度，计算当前所述本车与所述前方车辆的最终车距；

所述预警装置，用于在所述最终车距小于安全距离时，输出预警提示信息。