CN106564501A - 一种基于云技术的汽车智能辅助系统及方法 - Google Patents

Abstract

本发明提供了一种基于云技术的汽车智能辅助系统及方法，涉及汽车领域。其特征在于，所述系统包括：车载端、云端和手机端；所述车载端信号连接于云端；所述云端信号连接于手机端；所述车载端包括：疲劳检测系统、车道监测系统、防盗系统、车距控制系统、酒精检测系统和中央处理器；所述中央处理器分别信号连接于疲劳检测系统、车道监测系统、防盗系统、车距控制系统和酒精检测系统；所述云端包括：云端数据库、统计分析模块和云端数据传输模块；所述云端数据库信号连接于统计分析模块；所述统计分析模块信号连接于云端数据传输模块；所述手机端包括：移动端数据传输模块和控制模块；所述移动端数据传输模块信号连接于控制模块。

Description

一种基于云技术的汽车智能辅助系统及方法

技术领域

本发明涉及汽车领域，特别涉及一种基于云技术的汽车智能辅助系统及方法。

背景技术

智能化、云技术和移动技术的快速发展和进步，大大促进了汽车智能化的快速发展和进步。而在汽车智能化过程中，如何能够提升汽车的安全性能，以及最大化的保障驾驶员的生命安全成了热点问题。

现有的技术中，已经出现了能够对车辆偏离道路进行预警的设备。但这种设备单一性较强，且单个预警设备不足以在给汽车的安全性带来很大的提升。此外，在汽车行驶过程中，车祸出现的情况往往是多种多样的。因此，需要一种集成化程度较高，具备多种预警功能的设备才能对汽车的安全性能带来质的飞跃。

现有的汽车智能辅助系统还存在下面的缺陷：

1、智能化程度不够：现有的汽车智能辅助系统，大都需要人为的对系统处理的信息进行再次处理，以保证信息处理的准确性。且由于处理系统的处理准确性不够，完全由系统自行处理，往往会导致意想不到的严重后果。

2、缺乏云技术存储和数据分析：研究发现，驾驶危险往往来自于长时间的驾驶习惯导致。所以需要一种对驾驶行为的长效监控机制，才能从大数据中分析出驾驶员的驾驶习惯和需要注意的危险行为。

3、集成化程度不够：现有的汽车智能辅助系统，多数是单一的一个功能。只能针对某一项信息进行监控。综合处理能力较差，且如果购买多个设备进行组合辅助或监控的话，多个设备间无法进行联动，成本还会提升。

发明内容

鉴于此，本发明提供了一种基于云技术的汽车智能辅助系统及方法，本发明具有智能化程度高、集成化程度高；以及能够大幅度提升汽车的安全性、保障驾驶员的生命安全、定期给出驾驶建议等优点。

本发明采用的技术方案如下：

一种汽车智能辅助系统，其特征在于，所述系统包括：车载端、云端和手机端；所述车载端信号连接于云端；所述云端信号连接于手机端；所述车载端包括：疲劳检测系统、车道监测系统、防盗系统、车距控制系统、酒精检测系统和中央处理器；所述中央处理器分别信号连接于疲劳检测系统、车道监测系统、防盗系统、车距控制系统和酒精检测系统；所述云端包括：云端数据库、统计分析模块和云端数据传输模块；所述云端数据库信号连接于统计分析模块；所述统计分析模块信号连接于云端数据传输模块；所述手机端包括：移动端数据传输模块和控制模块；所述移动端数据传输模块信号连接于控制模块。

所述疲劳监测系统包括：图像采集装置和图像处理装置；用于实时监测驾驶员面部图像，统计驾驶员在设定的时间阈值内的眨眼次数，将统计到的眨眼次数和设定的疲劳判断阈值次数进行对比，根据对比结果生成控制命令，将控制命令发送至中央处理器；所述图像采集装置，信号连接于图像处理装置，用于采集驾驶员的面部图像信息；所述图像处理装置，用于根据采集到的驾驶员面部图像进行图像处理，生成处理结果。

所述车道监测系统，包括车道图像采集装置、自动校正装置和车道图像处理装置，用于采集道路路面的图像信息，根据采集到的图像信息判断车是否偏离了车道，将判断结果发送至中央处理器；所述图像采集装置，信号连接于车道图像处理装置，用于采集道路图像信息，将采集到的图像信息发送至车道图像处理装置；所述自动校正装置，信号连接于车道图像采集装置，用于在车身发生下沉或倾斜的情况下自动校正摄像头的位置；所述车道图像处理装置，用于对接收到的图像信息进行处理，判断是否偏离了车道，将判断结果发送至中央处理器。

所述防盗系统包括：GPS定位模块和电源模块；用于实时获取车辆的位置信息，将位置信息经中央处理器处理后，经云端数据传输模块发送至移动端；所述GPS定位模块，用于实时获取车辆的位置信息，将位置信息发送至中央处理器；所述电源模块，用于给GPS定位模块提供独立的电源。

所述车距控制系统包括：速度测量模块、车距测量模块和计算单元；所述速度测量模块，用于实时测量汽车的速度，将测量结果发送给计算单元；所述车距测量模块，用于实时获取车距数据，将获取的车距数据发送给计算单元；所述计算单元，用于根据接收到的数据信息，判断是否应该发送控制命令至中央处理器；所述速度测量模块为加速度传感器和霍尔传感器；

所述中央处理器，用于根据疲劳监测系统发送过来的疲劳判断结果，控制报警装置发出疲劳驾驶报警声音；根据车道监测系统发送过来的车道报警信息，控制报警装置发出车道偏离报警声音；将防盗系统发送过来的车辆位置信息，直接发送给云端和经云端后发送给移动端；根据车距控制系统发送过来的车距报警信息，控制报警装置发出车距报警声音；以及将疲劳监测系统发送过来的数据信息、将车道监测系统发送过来的车道报警信息和将车距控制系统发送过来的车距报警信息都发送至云端。

所述云端，用于接收车载端发送过来的数据信息，将数据信息存储在云端数据库；所述云端数据库中针对每一个注册用户都新建一个子数据库，云端的统计分析模块将在设定的时间内对每个子数据库中的数据信息进行统计分析，生成统计分析结果，以及当用户从移动端发送统计分析命令到云端时，统计分析模块从该用户对应的子数据库中进行数据信息统计分析，将统计分析结果发送回移动端；所述移动端，用于实时接收车载端的防盗系统发送过来的汽车位置信息，以及发送用户发送到云端的查询命令，接收来自云端的数据信息，供用户查阅。

一种汽车智能辅助系统的控制方法，其特征在于，所述方法包括以下步骤：

步骤1：系统初始化，车载端、移动端和云端开始工作；

步骤2：汽车处于停止状态中，中央处理器控制疲劳监测系统、车道监测系统、车距控制系统进入待机状态；防盗系统工作，实时获取GPS定位信息，将定位信息发送至移动端；

步骤3：汽车处于行进状态中时，中央处理器开始控制

所述车距控制系统的控制方法包括以下步骤：

步骤1：将恒定磁体按一定的角间距安装在车轮的轮轴上，运用霍尔效应，通过设计和配置小电压输出的信号调节电路，获取一定时间内（△t）轮轴转动的角间距（△Ω），根据车轮半径参数，得到后车车速：；

步骤2：下一刻速度等于加速度对时间的积分。利用压电效应原理制成的加速度传感器获取小车的线加速度a，计算下一时刻速度: ;

步骤3：然后以移动的后车作为参照物，运动的前车与后车的位移为两车相对位移△S.通过超声波发射装置发出超声波，利用回波测距原理，根据接收器接到超声波（波速）时的时间差△T，及时获取两车相对位移△S；

步骤4：以运动的后车为参照物，测取前车相对速度，以时间T为间隔，连续两次发射超声波，通过获取两次的相对距离得到相对速度；根据车辆的相对速度，获取前车的运动信息，从而为后车速度调整提供依据。

所述车道监测系统的监测方法包括以下步骤：

步骤1：先获取图像原始数据；

步骤2：对图像进行锐化处理，获取原始图像灰度图；

步骤3：进行阈值边缘检测，获得边缘二值图像；

步骤4：进行光学畸变矫正，获得校正后的边缘二值图像；

步骤5：进行倾角旋转矫正，获得矫正后水平边缘二值图像；

步骤5：采用Hough算法对矫正后的水平边缘二值图像进行计算，获得Hough算法变换后的参数平面；

步骤6：进行分道线提取，对进行分道线提取后的图像进行警报出发条件判断，生成报警信号。

进一步的，通过车道图像采集装置获取图像原始数据；通过车道图像处理装置对原始图像进行锐化、阈值边缘检测、光学畸变矫正和倾角旋转矫正处理；处理完毕后，车道图像处理装置还将对图像处理后的图像采用Hough算法对矫正后的图像的水平边缘二值图像进行计算。

采用以上技术方案，本发明产生了以下有益效果：

1、智能化程度高：本发明的汽车智能辅助系统中的各个子系统能够独立进行工作，对采集到的数据进行初步处理，再经中央处理器处理后发布报警信息对用户进行预警。

2、具备数据统计分析功能：本发明的汽车智能辅助系统，采用了云技术将车载端的数据进行存储。并定时对这些数据信息进行统计分析，将分析结果发送给用户端，用户可以根据云端统计分析的结果查看自己的不良开车习惯。进行开车行为矫正。

3、集成化程度高，各个系统相互联动：本发明的汽车智能辅助系统中，具备多个子系统，能够对汽车进行全方位的监控。此外，各个系统间处理的数据都将发送到中央处理器进行统一处理后发送到云端。各个系统间既相互独立，又相互联系。对汽车和驾驶员进行全方位监控和预警。

附图说明

图1是本发明的一种基于云技术的汽车智能辅助系统及方法的系统结构示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书（包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

本发明实施例1中提供了一种基于云技术的汽车智能辅助系统，系统结构如图1所示：

一种汽车智能辅助系统，其特征在于，所述系统包括：车载端、云端和手机端；所述车载端信号连接于云端；所述云端信号连接于手机端；所述车载端包括：疲劳检测系统、车道监测系统、防盗系统、车距控制系统、酒精检测系统和中央处理器；所述中央处理器分别信号连接于疲劳检测系统、车道监测系统、防盗系统、车距控制系统和酒精检测系统；所述云端包括：云端数据库、统计分析模块和云端数据传输模块；所述云端数据库信号连接于统计分析模块；所述统计分析模块信号连接于云端数据传输模块；所述手机端包括：移动端数据传输模块和控制模块；所述移动端数据传输模块信号连接于控制模块。

所述疲劳监测系统包括：图像采集装置和图像处理装置；用于实时监测驾驶员面部图像，统计驾驶员在设定的时间阈值内的眨眼次数，将统计到的眨眼次数和设定的疲劳判断阈值次数进行对比，根据对比结果生成控制命令，将控制命令发送至中央处理器；所述图像采集装置，信号连接于图像处理装置，用于采集驾驶员的面部图像信息；所述图像处理装置，用于根据采集到的驾驶员面部图像进行图像处理，生成处理结果。

所述车道监测系统，包括车道图像采集装置、自动校正装置和车道图像处理装置，用于采集道路路面的图像信息，根据采集到的图像信息判断车是否偏离了车道，将判断结果发送至中央处理器；所述图像采集装置，信号连接于车道图像处理装置，用于采集道路图像信息，将采集到的图像信息发送至车道图像处理装置；所述自动校正装置，信号连接于车道图像采集装置，用于在车身发生下沉或倾斜的情况下自动校正摄像头的位置；所述车道图像处理装置，用于对接收到的图像信息进行处理，判断是否偏离了车道，将判断结果发送至中央处理器。

所述防盗系统包括：GPS定位模块和电源模块；用于实时获取车辆的位置信息，将位置信息经中央处理器处理后，经云端数据传输模块发送至移动端；所述GPS定位模块，用于实时获取车辆的位置信息，将位置信息发送至中央处理器；所述电源模块，用于给GPS定位模块提供独立的电源。

所述车距控制系统包括：速度测量模块、车距测量模块和计算单元；所述速度测量模块，用于实时测量汽车的速度，将测量结果发送给计算单元；所述车距测量模块，用于实时获取车距数据，将获取的车距数据发送给计算单元；所述计算单元，用于根据接收到的数据信息，判断是否应该发送控制命令至中央处理器；所述速度测量模块为加速度传感器和霍尔传感器；

所述中央处理器，用于根据疲劳监测系统发送过来的疲劳判断结果，控制报警装置发出疲劳驾驶报警声音；根据车道监测系统发送过来的车道报警信息，控制报警装置发出车道偏离报警声音；将防盗系统发送过来的车辆位置信息，直接发送给云端和经云端后发送给移动端；根据车距控制系统发送过来的车距报警信息，控制报警装置发出车距报警声音；以及将疲劳监测系统发送过来的数据信息、将车道监测系统发送过来的车道报警信息和将车距控制系统发送过来的车距报警信息都发送至云端。

所述云端，用于接收车载端发送过来的数据信息，将数据信息存储在云端数据库；所述云端数据库中针对每一个注册用户都新建一个子数据库，云端的统计分析模块将在设定的时间内对每个子数据库中的数据信息进行统计分析，生成统计分析结果，以及当用户从移动端发送统计分析命令到云端时，统计分析模块从该用户对应的子数据库中进行数据信息统计分析，将统计分析结果发送回移动端；所述移动端，用于实时接收车载端的防盗系统发送过来的汽车位置信息，以及发送用户发送到云端的查询命令，接收来自云端的数据信息，供用户查阅。

本发明实施例2中提供了一种基于云技术的汽车智能辅助系统的控制方法：

一种汽车智能辅助系统的控制方法，其特征在于，所述方法包括以下步骤：

步骤1：系统初始化，车载端、移动端和云端开始工作；

步骤2：汽车处于停止状态中，中央处理器控制疲劳监测系统、车道监测系统、车距控制系统进入待机状态；防盗系统工作，实时获取GPS定位信息，将定位信息发送至移动端；

步骤3：汽车处于行进状态中时，中央处理器开始控制

所述车距控制系统的控制方法包括以下步骤：

步骤1：将恒定磁体按一定的角间距安装在车轮的轮轴上，运用霍尔效应，通过设计和配置小电压输出的信号调节电路，获取一定时间内（△t）轮轴转动的角间距（△Ω），根据车轮半径参数，得到后车车速：；

步骤2：下一刻速度等于加速度对时间的积分。利用压电效应原理制成的加速度传感器获取小车的线加速度a，计算下一时刻速度: ;

步骤3：然后以移动的后车作为参照物，运动的前车与后车的位移为两车相对位移△S.通过超声波发射装置发出超声波，利用回波测距原理，根据接收器接到超声波（波速）时的时间差△T，及时获取两车相对位移△S；

步骤4：以运动的后车为参照物，测取前车相对速度，以时间T为间隔，连续两次发射超声波，通过获取两次的相对距离得到相对速度；根据车辆的相对速度，获取前车的运动信息，从而为后车速度调整提供依据。

所述车道监测系统的监测方法包括以下步骤：

步骤1：先获取图像原始数据；

步骤2：对图像进行锐化处理，获取原始图像灰度图；

步骤3：进行阈值边缘检测，获得边缘二值图像；

步骤4：进行光学畸变矫正，获得校正后的边缘二值图像；

步骤5：进行倾角旋转矫正，获得矫正后水平边缘二值图像；

步骤5：采用Hough算法对矫正后的水平边缘二值图像进行计算，获得Hough算法变换后的参数平面；

步骤6：进行分道线提取，对进行分道线提取后的图像进行警报出发条件判断，生成报警信号。

进一步的，通过车道图像采集装置获取图像原始数据；通过车道图像处理装置对原始图像进行锐化、阈值边缘检测、光学畸变矫正和倾角旋转矫正处理；处理完毕后，车道图像处理装置还将对图像处理后的图像采用Hough算法对矫正后的图像的水平边缘二值图像进行计算。

本发明实施例3中提供了一种基于云技术的汽车智能辅助系统及方法，系统结构图如图1所示：

一种汽车智能辅助系统，其特征在于，所述系统包括：车载端、云端和手机端；所述车载端信号连接于云端；所述云端信号连接于手机端；所述车载端包括：疲劳检测系统、车道监测系统、防盗系统、车距控制系统、酒精检测系统和中央处理器；所述中央处理器分别信号连接于疲劳检测系统、车道监测系统、防盗系统、车距控制系统和酒精检测系统；所述云端包括：云端数据库、统计分析模块和云端数据传输模块；所述云端数据库信号连接于统计分析模块；所述统计分析模块信号连接于云端数据传输模块；所述手机端包括：移动端数据传输模块和控制模块；所述移动端数据传输模块信号连接于控制模块。

所述疲劳监测系统包括：图像采集装置和图像处理装置；用于实时监测驾驶员面部图像，统计驾驶员在设定的时间阈值内的眨眼次数，将统计到的眨眼次数和设定的疲劳判断阈值次数进行对比，根据对比结果生成控制命令，将控制命令发送至中央处理器；所述图像采集装置，信号连接于图像处理装置，用于采集驾驶员的面部图像信息；所述图像处理装置，用于根据采集到的驾驶员面部图像进行图像处理，生成处理结果。

所述车道监测系统，包括车道图像采集装置、自动校正装置和车道图像处理装置，用于采集道路路面的图像信息，根据采集到的图像信息判断车是否偏离了车道，将判断结果发送至中央处理器；所述图像采集装置，信号连接于车道图像处理装置，用于采集道路图像信息，将采集到的图像信息发送至车道图像处理装置；所述自动校正装置，信号连接于车道图像采集装置，用于在车身发生下沉或倾斜的情况下自动校正摄像头的位置；所述车道图像处理装置，用于对接收到的图像信息进行处理，判断是否偏离了车道，将判断结果发送至中央处理器。

所述防盗系统包括：GPS定位模块和电源模块；用于实时获取车辆的位置信息，将位置信息经中央处理器处理后，经云端数据传输模块发送至移动端；所述GPS定位模块，用于实时获取车辆的位置信息，将位置信息发送至中央处理器；所述电源模块，用于给GPS定位模块提供独立的电源。

所述车距控制系统包括：速度测量模块、车距测量模块和计算单元；所述速度测量模块，用于实时测量汽车的速度，将测量结果发送给计算单元；所述车距测量模块，用于实时获取车距数据，将获取的车距数据发送给计算单元；所述计算单元，用于根据接收到的数据信息，判断是否应该发送控制命令至中央处理器；所述速度测量模块为加速度传感器和霍尔传感器；

所述中央处理器，用于根据疲劳监测系统发送过来的疲劳判断结果，控制报警装置发出疲劳驾驶报警声音；根据车道监测系统发送过来的车道报警信息，控制报警装置发出车道偏离报警声音；将防盗系统发送过来的车辆位置信息，直接发送给云端和经云端后发送给移动端；根据车距控制系统发送过来的车距报警信息，控制报警装置发出车距报警声音；以及将疲劳监测系统发送过来的数据信息、将车道监测系统发送过来的车道报警信息和将车距控制系统发送过来的车距报警信息都发送至云端。

所述云端，用于接收车载端发送过来的数据信息，将数据信息存储在云端数据库；所述云端数据库中针对每一个注册用户都新建一个子数据库，云端的统计分析模块将在设定的时间内对每个子数据库中的数据信息进行统计分析，生成统计分析结果，以及当用户从移动端发送统计分析命令到云端时，统计分析模块从该用户对应的子数据库中进行数据信息统计分析，将统计分析结果发送回移动端；所述移动端，用于实时接收车载端的防盗系统发送过来的汽车位置信息，以及发送用户发送到云端的查询命令，接收来自云端的数据信息，供用户查阅。

一种汽车智能辅助系统的控制方法，其特征在于，所述方法包括以下步骤：

步骤1：系统初始化，车载端、移动端和云端开始工作；

步骤2：汽车处于停止状态中，中央处理器控制疲劳监测系统、车道监测系统、车距控制系统进入待机状态；防盗系统工作，实时获取GPS定位信息，将定位信息发送至移动端；

步骤3：汽车处于行进状态中时，中央处理器开始控制

所述车距控制系统的控制方法包括以下步骤：

步骤1：将恒定磁体按一定的角间距安装在车轮的轮轴上，运用霍尔效应，通过设计和配置小电压输出的信号调节电路，获取一定时间内（△t）轮轴转动的角间距（△Ω），根据车轮半径参数，得到后车车速：；

步骤2：下一刻速度等于加速度对时间的积分。利用压电效应原理制成的加速度传感器获取小车的线加速度a，计算下一时刻速度: ;

步骤3：然后以移动的后车作为参照物，运动的前车与后车的位移为两车相对位移△S.通过超声波发射装置发出超声波，利用回波测距原理，根据接收器接到超声波（波速）时的时间差△T，及时获取两车相对位移△S；

步骤4：以运动的后车为参照物，测取前车相对速度，以时间T为间隔，连续两次发射超声波，通过获取两次的相对距离得到相对速度；根据车辆的相对速度，获取前车的运动信息，从而为后车速度调整提供依据。

所述车道监测系统的监测方法包括以下步骤：

步骤1：先获取图像原始数据；

步骤2：对图像进行锐化处理，获取原始图像灰度图；

步骤3：进行阈值边缘检测，获得边缘二值图像；

步骤4：进行光学畸变矫正，获得校正后的边缘二值图像；

步骤5：进行倾角旋转矫正，获得矫正后水平边缘二值图像；

步骤5：采用Hough算法对矫正后的水平边缘二值图像进行计算，获得Hough算法变换后的参数平面；

步骤6：进行分道线提取，对进行分道线提取后的图像进行警报出发条件判断，生成报警信号。

进一步的，通过车道图像采集装置获取图像原始数据；通过车道图像处理装置对原始图像进行锐化、阈值边缘检测、光学畸变矫正和倾角旋转矫正处理；处理完毕后，车道图像处理装置还将对图像处理后的图像采用Hough算法对矫正后的图像的水平边缘二值图像进行计算。

本发明的汽车智能辅助系统中的各个子系统能够独立进行工作，对采集到的数据进行初步处理，再经中央处理器处理后发布报警信息对用户进行预警。

本发明的汽车智能辅助系统，采用了云技术将车载端的数据进行存储。并定时对这些数据信息进行统计分析，将分析结果发送给用户端，用户可以根据云端统计分析的结果查看自己的不良开车习惯。进行开车行为矫正。

本发明的汽车智能辅助系统中，具备多个子系统，能够对汽车进行全方位的监控。此外，各个系统间处理的数据都将发送到中央处理器进行统一处理后发送到云端。各个系统间既相互独立，又相互联系。对汽车和驾驶员进行全方位监控和预警。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (10)

1.一种汽车智能辅助系统，其特征在于，所述系统包括：车载端、云端和手机端；所述车载端信号连接于云端；所述云端信号连接于手机端；所述车载端包括：疲劳检测系统、车道监测系统、防盗系统、车距控制系统、酒精检测系统和中央处理器；所述中央处理器分别信号连接于疲劳检测系统、车道监测系统、防盗系统、车距控制系统和酒精检测系统；所述云端包括：云端数据库、统计分析模块和云端数据传输模块；所述云端数据库信号连接于统计分析模块；所述统计分析模块信号连接于云端数据传输模块；所述手机端包括：移动端数据传输模块和控制模块；所述移动端数据传输模块信号连接于控制模块。

2.如权利要求1所述的汽车智能辅助系统，其特征在于，所述疲劳监测系统包括：图像采集装置和图像处理装置；用于实时监测驾驶员面部图像，统计驾驶员在设定的时间阈值内的眨眼次数，将统计到的眨眼次数和设定的疲劳判断阈值次数进行对比，根据对比结果生成控制命令，将控制命令发送至中央处理器；所述图像采集装置，信号连接于图像处理装置，用于采集驾驶员的面部图像信息；所述图像处理装置，用于根据采集到的驾驶员面部图像进行图像处理，生成处理结果。

3.如权利要求1或2所述的汽车智能辅助系统，其特征在于，所述车道监测系统，包括车道图像采集装置、自动校正装置和车道图像处理装置，用于采集道路路面的图像信息，根据采集到的图像信息判断车是否偏离了车道，将判断结果发送至中央处理器；所述图像采集装置，信号连接于车道图像处理装置，用于采集道路图像信息，将采集到的图像信息发送至车道图像处理装置；所述自动校正装置，信号连接于车道图像采集装置，用于在车身发生下沉或倾斜的情况下自动校正摄像头的位置；所述车道图像处理装置，用于对接收到的图像信息进行处理，判断是否偏离了车道，将判断结果发送至中央处理器。

4.如权利要求3所述的汽车智能辅助系统，其特征在于，所述防盗系统包括：GPS定位模块和电源模块；用于实时获取车辆的位置信息，将位置信息经中央处理器处理后，经云端数据传输模块发送至移动端；所述GPS定位模块，用于实时获取车辆的位置信息，将位置信息发送至中央处理器；所述电源模块，用于给GPS定位模块提供独立的电源。

5.如权利要求4所述的汽车智能辅助系统，其特征在于，所述车距控制系统包括：速度测量模块、车距测量模块和计算单元；所述速度测量模块，用于实时测量汽车的速度，将测量结果发送给计算单元；所述车距测量模块，用于实时获取车距数据，将获取的车距数据发送给计算单元；所述计算单元，用于根据接收到的数据信息，判断是否应该发送控制命令至中央处理器；所述速度测量模块为加速度传感器和霍尔传感器。

6.如权利要求5所述的汽车智能辅助系统，其特征在于，所述中央处理器，用于根据疲劳监测系统发送过来的疲劳判断结果，控制报警装置发出疲劳驾驶报警声音；根据车道监测系统发送过来的车道报警信息，控制报警装置发出车道偏离报警声音；将防盗系统发送过来的车辆位置信息，直接发送给云端和经云端后发送给移动端；根据车距控制系统发送过来的车距报警信息，控制报警装置发出车距报警声音；以及将疲劳监测系统发送过来的数据信息、将车道监测系统发送过来的车道报警信息和将车距控制系统发送过来的车距报警信息都发送至云端。

7.如权利要求6所述的汽车智能辅助系统，其特征在于，所述云端，用于接收车载端发送过来的数据信息，将数据信息存储在云端数据库；所述云端数据库中针对每一个注册用户都新建一个子数据库，云端的统计分析模块将在设定的时间内对每个子数据库中的数据信息进行统计分析，生成统计分析结果，以及当用户从移动端发送统计分析命令到云端时，统计分析模块从该用户对应的子数据库中进行数据信息统计分析，将统计分析结果发送回移动端；所述移动端，用于实时接收车载端的防盗系统发送过来的汽车位置信息，以及发送用户发送到云端的查询命令，接收来自云端的数据信息，供用户查阅。

8.一种权利要求1至7之一所述的汽车智能辅助系统的控制方法，其特征在于，所述方法包括以下步骤：

步骤1：系统初始化，车载端、移动端和云端开始工作；

步骤2：汽车处于停止状态中，中央处理器控制疲劳监测系统、车道监测系统、车距控制系统进入待机状态；防盗系统工作，实时获取GPS定位信息，将定位信息发送至移动端；

步骤3：汽车处于行进状态中时，中央处理器开始控制。

9.如权利要求8所述的汽车智能辅助系统的控制方法，其特征在于，所述车距控制系统的控制方法包括以下步骤：

步骤1：将恒定磁体按一定的角间距安装在车轮的轮轴上，运用霍尔效应，通过设计和配置小电压输出的信号调节电路，获取一定时间内（△t）轮轴转动的角间距（△Ω），根据车轮半径参数，得到后车车速：；

步骤2：下一刻速度等于加速度对时间的积分，

利用压电效应原理制成的加速度传感器获取小车的线加速度a，计算下一时刻速度:;

步骤3：然后以移动的后车作为参照物，运动的前车与后车的位移为两车相对位移△S.通过超声波发射装置发出超声波，利用回波测距原理，根据接收器接到超声波（波速）时的时间差△T，及时获取两车相对位移△S；

步骤4：以运动的后车为参照物，测取前车相对速度，以时间T为间隔，连续两次发射超声波，通过获取两次的相对距离得到相对速度；根据车辆的相对速度，获取前车的运动信息，从而为后车速度调整提供依据。

10.如权利要求8所述的汽车智能辅助系统的控制方法，其特征在于，所述车道监测系统的监测方法包括以下步骤：

步骤1：先获取图像原始数据；

步骤2：对图像进行瑞华处理，获取原始图像灰度图；

步骤3：进行阈值边缘检测，获得边缘二值图像；

步骤4：进行光学畸变矫正，获得校正后的边缘二值图像；

步骤5：进行倾角旋转矫正，获得矫正后水平边缘二值图像；

步骤5：采用Hough算法对矫正后的水平边缘二值图像进行计算，获得Hough算法变换后的参数平面；

步骤6：进行分道线提取，对进行分道线提取后的图像进行警报出发条件判断，生成报警信号。