CN106627462A - 一种基于移动终端的车辆防撞预警方法 - Google Patents

Abstract

本发明提供一种基于移动终端的车辆防撞预警方法，包括以下步骤：步骤1，移动终端获取道路图像；步骤2，确定图像中车辆的位置；步骤3，获取车辆间距离并在车辆间距离小于安全距离时报警。本发明利用移动终端及时提醒驾驶员前方有车辆碰撞危险，避免了驾驶员在行驶过程中由于注意力不集中导致的交通事故，起到了车辆防撞预警的作用，使得行车更加安全。

Description

一种基于移动终端的车辆防撞预警方法

技术领域

本发明涉及汽车辅助驾驶技术中的车辆防撞安全技术，特别是一种基于移动终端的车辆防撞预警方法。

背景技术

随着人民生活水平的提高，汽车的使用越来越普及，行车过程中的安全性也越来越重要，交通事故的频繁发生带来了许多人员伤亡和财产损失。道路交通安全问题已经成为各国政府和社会关注的重要问题，因此亟需研究开发车辆防撞预警技术，提示驾驶员，减少交通事故的发生，提高道路交通安全。

传统的车辆防撞系统通常采用专用的芯片架构，将传感器、处理器、显示器、扬声器等设备安装在车辆固定位置，构建一个完整的车载辅助驾驶系统，这样的系统形式专用稳定，但是缺乏灵活性。目前车辆防撞预警系统主要基于距离传感器，如：毫米波雷达、超声波或激光传感器。它们最大的缺点是视野比较狭窄,测量距离较短，仅能检测到位于传感器前方的车辆，并且硬件成本较高，不适合广泛普及使用。

发明内容

本发明的目的在于提供一种基于移动终端的车辆防撞预警方法，该方法可以为用户提供碰撞预警，提高驾驶的安全性。

一种基于移动终端的车辆防撞预警方法，包括以下步骤：

步骤1，移动终端获取道路图像；

步骤2，确定图像中车辆的位置；

步骤3，获取车辆间距离并在车辆间距离小于安全距离时报警。

采用上述方法，所述步骤2的具体过程为：

步骤21，对获取的道路图像RGB进行灰度转换获得图像G；

步骤22，对图像G选取其中线以下部分作为感兴趣区域I；

步骤23，根据车辆底部阴影特征生成车辆假设区域H；

步骤24，对假设区域H提取Haar特征，输入训练好的模型使用AdaBoost分类器验证是否为车辆，是则保留。

采用上述方法，步骤3中获取车辆间距离的具体过程为：

步骤31，设O_Cg为摄像头光轴所在的直线，O_C为摄像头光心，O_CI垂直于路面相交于点I，O_CV垂直于O_CI，图像所在平面经过直线vgq且与光轴垂直，Q点为与图像底边上的一点q所对应的世界坐标系中的点，点P为车辆底部阴影所在直线上的点，点G为O_Cg与QP的交点，vgq分别与O_CQ、OcG、OcP、OcV相交于q、g、p、v点车辆间距离摄像头与路面的垂直距离为H；

步骤32，获取其中

α_w＝f÷W，f为摄像头焦距，W为真实图像的像素宽度，v₀为点g在图像坐标系下的坐标，v₂为点q在图像坐标系下的坐标；

步骤33，获取其中v₃为点v在图像坐标系下的坐标；

步骤34，获取

步骤35，获取

本发明与现有专用技术相比，本发明提出的基于移动终端的车辆防撞预警方法具有成本低、方便易用、界面环境友好、易于发布和维护的优点。智能终端往往有高分辨率的摄像头、加速度传感器和扬声器，可以采集到清晰的道路图像，加速度传感器可以方便的进行车辆间距离测量，扬声器可以用于报警单元的实现。将车辆防撞预警系统搭载到移动终端平台具有友好的交互性能，方便驾驶人员的使用，同时它的低成本性又为广泛普及使用提供了更大的可能性。

下面结合说明书附图对本发明作进一步描述。

附图说明

图1是本发明基于移动终端的车辆防撞预警方法的一种具体实施方式原理图。

图2是本发明确定图像中车辆位置的一种具体实施方式流程图。

图3是本发明生成车辆假设区域的一种具体实施方式流程图。

图4是本发明车距测量方法中摄像头投影的几何模型示意图

图5是本发明基于移动终端的车辆防撞预警方法的一种具体实施方式结构图。

具体实施方式

如图1所示，本发明是一种基于移动终端的车辆防撞预警系统，通过移动终端摄像头实时获取道路图像，对获取到的道路图像进行图像分析、处理确定图像中车辆的位置并进行距离测量，当与前车距离小于安全距离时发出警报提醒驾驶人员，预防交通事故的发生，具体步骤如下：

(1)移动终端摄像头实时获取道路图像

目前所有的移动终端都集成了高分辨率的摄像头，可以使用摄像头实时获取清晰的道路图像，这是检测出道路图像中前方车辆的重要基础。

所述移动终端包括智能手机、Pad等移动设备。

(2)确定图像中车辆的位置

对于实时采集到的道路图像，检测出道路中车辆在图像中的具体位置，所述图像中车辆位置的确定首先对图像进行灰度化，然后提取图像感兴趣区域，在感兴趣区域中使用车辆底部阴影特征初步生成车辆假设区域，对于每一个车辆假设区域提取Haar特征，使用训练好的模型来判定该车辆假设区域是否是真的包含车辆，最后对相似的检测结果进行合并。

图像中车辆位置确定后用矩形框表示展示给驾驶员。

所述具体位置是车辆在图像中的坐标。

所述可视化信息即用框标注出图像中车辆。

所述感兴趣区域是一帧图像下方1/2区域。

所述训练好的模型是采集大量包含车辆的图片和非车辆图片作为正样本和负样本，使用AdaBoost分类器训练的模型。

所述对相似的检测结果进行合并是使用k-means算法组合相似的检测结果。

(3)车辆间距离测量及预警

根据检测到的车辆利用视觉的方法进行距离测量，当车辆间距离小于安全距离时，发出警报提醒驾驶员。

图2是确定图像中车辆位置的一种具体实施方式。

进行车辆碰撞预警的前提是检测到车辆在图像中的位置，在本实施例中示出了确定图像中车辆位置的一种具体实施方式流程图，如图2所示，具体步骤包括：

步骤201，通过移动终端摄像头获取一帧道路图像。

步骤202，对获取到的道路图像进行灰度转换，由于移动终端摄像头获取到是RGB颜色空间的图像，RGB图像能够表示车辆的颜色信息，但是我们采用的是基于车辆底部阴影特征，并不需要颜色信息，只需要灰度信息，另外直接对RGB图像进行检测计算量大，耗时长，所以需要将彩色图像转换为灰度图像。

步骤203，选取感兴趣区域，图像中的车辆信息一般在图像的下半部分，不需要对整幅图像进行检测，因此选择图像的下半部分作为感兴趣区域。去除天空、标牌的干扰，同时加快检测速度。

步骤204，根据车辆底部阴影特征生成车辆假设区域，车辆底部比车辆所在的路面区域要暗的多，因此可以根据这一特征分割出阴影，确定阴影的位置(灰度处理后，阴影的灰度值明显小于车辆所在位置的灰度值)，就可以确定车辆的假设区域。

具体的，步骤204如图3所示，可以包括：

步骤2041，对感兴趣区域的灰度图像进行二值化，得到二值图像，将图像分割成目标和背景两部分。

采用自适应阈值对感兴趣图像进行分割，核心是自适应阈值的计算方法，本发明使用采样路面矩形灰度众数来进行阈值分割，求采样路面矩形(感兴趣区域)的直方图，并求取某一范围内出现次数最多的灰度值，将该灰度值作为阈值Threshold进行分割。将灰度值小于Threshold的图像像素灰度值设为255，灰度值大于Threshold的图像像素灰度值设为0。

所述采样路面矩形为图像底部部分的路面区域。

步骤2042，确定阴影的位置，对得到的二值图像求取垂直边缘和水平边缘，从下往上，从左往右进行扫描，找出二值图像的边缘信息，将在一定像素长度(一般取20-30像素)(length)范围内的边缘信息判定为车辆的下边界。

步骤2043，根据步骤2042得到的车辆的下边界生成车辆假设区域。根据阴影(下边界)的长度将每一条阴影(下边界)线段扩展出宽高比为1:1的矩形，该矩形即为车辆假设区域。

步骤205，对车辆假设区域提取Haar特征，输入训练好的模型使用AdaBoost分类器验证是否为车辆。

步骤206，使用分类器验证是车辆后，可能存在同一辆车有多个重复矩形框的情况，所以需要对相似的检测结果(车辆假设区域里的图像)使用k-means算法进行合并，提高检测的准确率。

图4是车距测量方法中摄像头投影的几何模型示意图。

车距测量是利用移动终端摄像头参数和摄像头投影的几何关系计算得到，如图4所示，O_Cg为摄像头光轴所在的直线，O_C为摄像头光心，O_CI垂直于路面相交于点I，O_CV垂直于O_CI，图像所在平面经过直线vgq且与光轴垂直，Q点为与图像底边上的一点q所对应的世界坐标系中的点，点P为车辆底部阴影所在直线上的点，点G为O_Cg与QP的交点，vgq分别与O_CQ、OcG、OcP、OcV相交于q、g、p、v点，P到摄像头的距离d₂即为车辆间距离，摄像头与路面的垂直距离为H,则由投影几何关系得：

f＝O_Cg，f为摄像头焦距，根据几何关系得：

α_w＝f÷W，W为图像的宽度，图像中点g在图像坐标系下的坐标为v₀，图像底边上的点q在图像坐标系下的坐标为v₁，车辆底部阴影上某点p在图像坐标系下的坐标为v₂。v₀,v₁,v₂都可以求得。

由消失点与光心的连线O_CV与路面平行得：

其中v₃为点v在图像坐标系下的坐标；

因此只需测量出摄像头与路面的垂直距离即可求得车辆间距离d₂。

设定一安全距离D，当d₂<D时由移动终端发出警报提醒驾驶人员。

与前述具体实施方式相对应，本发明还公开了一种基于移动终端的车辆防撞预警装置，如图5所示，具体可以包括：

图像获取模块501，该模块利用移动终端摄像头获取一帧道路图像，移动终端摄像头分辨率在720P以上，因此可以获取到较为清晰的道路图像，方便之后的车辆检测。

车辆检测模块502，用于对获取到的道路图像进行车辆检测，利用车辆底部阴影特征筛选出车辆候选假设区域，然后提取车辆假设区域的Haar特征，并使用AdaBoost分类器进行分类判定该假设区域是否为车辆。

车距测量模块503，利用车道线先验知识，根据车道线的宽度和消失点的坐标计算车辆间距离。

报警模块504，设定一个安全距离，当车辆间距离小于安全距离时由移动终端发出警报提醒驾驶人员前方有碰撞的可能性。

Claims (9)

1.一种基于移动终端的车辆防撞预警方法，其特征在于，包括以下步骤：

步骤1，移动终端获取道路图像；

步骤2，确定图像中车辆的位置；

步骤3，获取车辆间距离并在车辆间距离小于安全距离时报警。

2.根据权利要求1所述的方法，其特征在于，所述步骤2的具体过程为：

步骤21，对获取的道路图像RGB进行灰度转换获得图像G；

步骤22，对图像G选取其中线以下部分作为感兴趣区域I；

步骤23，根据车辆底部阴影特征生成车辆假设区域H；

步骤24，对假设区域H提取Haar特征，输入训练好的模型使用AdaBoost分类器验证是否为车辆，是则保留。

3.根据权利要求2所述的方法，其特征在于，所述步骤23的具体过程为：

步骤231，对感兴趣区域I进行二值化得到图像B，该图像B被分割为目标和背景两部分；

步骤232，确定阴影位置获取车辆的下边界；

步骤233，根据车辆的下边界生成车辆假设区域H。

4.根据权利要求3所述的方法，其特征在于，所述步骤231中基于感兴趣区域I的灰度众数来进行阈值分割，具体为：

获取感兴趣区域I的直方图，并求取某一范围内出现次数最多的灰度值，将该灰度值作为阈值Threshold进行分割，

将灰度值小于Threshold的图像像素灰度值设为255，灰度值大于Threshold的图像像素灰度值设为0。

5.根据权利要求3所述的方法，其特征在于，所述步骤232的具体过程为：

对得到的二值图像B从下往上，从左往右进行扫描，获取二值图像的求取垂直边缘和水平边缘信息，

将在一定像素长度范围内的边缘信息判定为车辆的下边界。

6.根据权利要求5所述的方法，其特征在于所述一定像素长度取值为20像素-30像素。

7.根据权利要求3所述的方法，其特征在于，步骤233的具体过程为：

根据下边界的长度将每一条下边界线段扩展出宽高比为1:1的矩形，该矩形为车辆假设区域H。

8.根据权利要求2所述的方法，其特征在于，若步骤24后存在的同一辆车有多个车辆假设区域的情形，对车辆假设区域里的图像使用k-means算法进行合并。

9.根据权利要求1所述的方法，其特征在于，步骤3中获取车辆间距离的具体过程为：

步骤31，设O_Cg为摄像头光轴所在的直线，O_C为摄像头光心，O_CI垂直于路面相交于点I，O_CV垂直于O_CI，图像所在平面经过直线vgq且与光轴垂直，Q点为与图像底边上的一点q所对应的世界坐标系中的点，点P为车辆底部阴影所在直线上的点，点G为O_Cg与QP的交点，vgq分别与O_CQ、OcG、OcP、OcV相交于q、g、p、v点，车辆间距离摄像头与路面的垂直距离为H；

步骤32，获取其中

α_w＝f÷W，f为摄像头焦距，W为真实图像的像素宽度，v₀为点g在图像坐标系下的坐标，v₂为点q在图像坐标系下的坐标；

步骤33，获取其中v₃为点v在图像坐标系下的坐标；

步骤34，获取

步骤35，获取