CN108974018B - 一种基于机器视觉的汽车前向防碰撞预警监测方法 - Google Patents
一种基于机器视觉的汽车前向防碰撞预警监测方法 Download PDFInfo
- Publication number
- CN108974018B CN108974018B CN201811007844.3A CN201811007844A CN108974018B CN 108974018 B CN108974018 B CN 108974018B CN 201811007844 A CN201811007844 A CN 201811007844A CN 108974018 B CN108974018 B CN 108974018B
- Authority
- CN
- China
- Prior art keywords
- image
- automobile
- machine vision
- vehicle
- early warning
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 238000003708 edge detection Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 7
- 239000003990 capacitor Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000000087 stabilizing effect Effects 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
Abstract
本发明提供一种基于机器视觉的汽车前向防碰撞预警监测方法,基于单目机器视觉成像,获取车辆与前方车辆或者障碍物距离,并根据具体的天气情况和车况确定行车的安全距离,提高行车安全监测系数。
Description
技术领域
本发明涉及基础主动安全监测技术领域,更具体的是,本发明涉及一种基于机器视觉的汽车前向防碰撞预警装置及其监测方法。
背景技术
随着社会的进步和人们生活水平的提高,汽车保有量迅速增加,同时也为人们的生活带来了方便,然而伴随而来的高频率交通事故成为了人们生命安全的最大隐患。相关数据显示,世界上每年大约有一千万左右的人在交通事故中受伤,此外大约有四百万人因其丧命,而造成这种悲剧的罪魁祸首则是交通事故中发生频率较高的车辆追尾事件。因此目前亟需要做的就是提高汽车的主动安全性,降低交通事故发生的频率、保障人们的生命财产安全。
随着电子科技和机器深度学习的飞速发展,汽车智能辅助驾驶系统的开发已经成为国内外研究的焦点,其中汽车前向防碰撞预警系统是一种驾驶员警示系统,在辅助驾驶系统中起了非常重要的作用,它能感知道路交通环境中潜在的危及本车安全的信息并通过声光信号等给予驾驶员警示作用,从而弥补驾驶员感官能力的不足,帮助驾驶员避免可能产生的交通事故,提高车辆行驶的安全性。
发明内容
本发明的一个目的是设计开发了一种基于机器视觉的汽车前向防碰撞预警装置,基于单目机器视觉成像,获取车辆与前方车辆或者障碍物距离,体积小,安装简单方便。
本发明的另一个目的是设计开发了一种基于机器视觉的汽车前向防碰撞预警监测方法,基于单目机器视觉成像,获取车辆与前方车辆或者障碍物距离,并根据具体的天气情况和车况确定行车的安全距离,提高行车安全系数。
本发明提供的技术方案为:
一种基于机器视觉的汽车前向防碰撞预警装置,包括:
车载电源电路;以及
视频采集电路,其与所述车载电源电路电连接;
微处理器,其与所述视频采集电路电连接,
视频显示电路,其与所述微处理器电连接;
语音告警电路,其与所述微处理器电连接。
优选的是,所述车载电源电路包括:
电源稳压芯片;以及
第一电容,其连接所述电源稳压芯片的输入端;
第一电感,其连接所述电源稳压芯片的输出端;
第二电容,其连接所述第一电感的输出端且与所述第一电感串联;
第一二极管,其连接所述电源稳压芯片的输出端,且与所述第一电感和第二电容并联。
优选的是,所述视频采集电路包括:
数字摄像头,其设置在汽车前端,其包括:
第一控制引脚和第二控制引脚,其与所述微处理器的双线串行接口硬件连接;
行同步引脚,其与所述微处理器的第一引脚硬件连接;
场同步引脚,其与所述微处理器的第二引脚硬件连接;
时钟信号引脚,其与所述微处理器的第三引脚硬件连接;
图像数据引脚,其与所述微处理器的高速并行外设接口引脚硬件连接。
优选的是,所述视频显示电路包括:
显示屏;以及
照明驱动芯片,用于对所述显示屏进行背光驱动;
第二电感,其连接所述照明驱动芯片的输出端;
第二二极管,其连接所述第二电感的输出端,且与所述第二电感串联;
第三电容和第四电容,其连接所述第二二极管的输出端,且所述第三电容和所述第四电容并联。
优选的是,所述语音告警电路包括:
录放芯片,其包括:
第一引脚,其连接按键;
第四引脚,其连接麦克咪头;
第三引脚,其连接所述微处理器的外部中断引脚;
第七引脚和第九引脚,其连接喇叭;
其中,当按下所述按键时,通过麦克咪头录制语音;当预警发生时,触发所述微处理器外部中断,播报所述录制语音。
一种基于机器视觉的汽车前向防碰撞预警监测方法,包括如下步骤:
步骤1:采集前方车辆图像,每完成一帧图像采集,对该帧图像进行预处理;
步骤2:基于Sobel算子对所述预处理后的图像进行边缘检测;
步骤3:对所述边缘检测后的图像进行车辆识别;
步骤4:获取与所述识别的车辆的距离为:
q2=tan(γ0)
式中,实际前方道路最近车辆的尾部中心图像的坐标为(Xp,Yp),对应投影平面的坐标为(xp,yp),H和W为图像的高和宽,h为摄像头相对于地面的安装高度,2α0为摄像头垂直视野角度,2β0为摄像头水平视野角度,γ0为摄像机的俯仰角,q1,q2,q3,q4,GK分别为参数;
步骤5:当D≤DS时,DS为安全距离,车辆与前方汽车的距离低于安全距离,系统预警,所述安全距离满足:
优选的是,在步骤2中,所述边缘检测包括:将图像数据f进行平面卷积,得到横向亮度差分值Gx和纵向亮度差分值Gy,
优选的是,所述横向亮度差分值Gx和纵向亮度差分值Gy分别为:
优选的是,在步骤3中,所述车辆识别包括训练过程和识别过程:基于Haar特征,采用Adaboost算法构建弱分类器,并进行加权线性组合,构建强分类器,进行训练、学习和车辆识别,具体包括:
给定样本图像((x1,y1),...,(xi,yi),...(xn,yn)),其中,xi为第i个样本,yi=0为负样本,yi=1为正样本,n为训练样本总数;
式中,h(x)=h(x,f,p,θ)为特征f的弱分类器;
获取加权误差最小的弱分类器为最佳弱分配器ht(x),
其中,ht(x)=h(x,ft,pt,θt),ft、pt、θt使得误差βt取得最小值;
其中,如果xi分类正确,则βi=0,否则βi=1;
将弱分类器加权线性组合得到强分类器:
优选的是,在步骤1中,所述图像预处理包括灰度化、图像增强和ROI区域生成。
本发明所述的有益效果:
1.视觉采集低成本化:本发明采用300万像素的高精度数字摄像头作为前端视频图像采集传感器,成本较当前的激光传感器低很多。
2.图像处理实时化:本发明采用Sobel算子对图像进行边缘检测,与其他算法比较,在效果同等条件下减少运算量,提高微处理器的运算时效性;
3.车辆识别准确化:本发明基于Haar特征,采用Adaboost算法进行分类器训练和识别图像中的前方汽车,识别准确度高;
4.安装简单化:本发明装置采用嵌入式设计,体积小,安装简单方便。
5.能够根据具体的天气情况和车况确定行车的安全距离,提高行车安全系数。
附图说明
图1是本发明的总体设计框图。
图2是本发明的车载电源电路原理图。
图3是本发明的视频采集工作原理图。
图4是本发明的视频显示电路原理图。
图5是本发明的语音告警电路原理图。
图6是本发明的嵌入式软件模块框图。
图7是本发明的嵌入式软件总体流程图。
图8是本发明的摄像头安装视角示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供一种基于机器视觉的汽车前向防碰撞预警装置,包括:车载电源电路;以及视频采集电路,其与所述车载电源电路电连接;微处理器,其与所述视频采集电路电连接,视频显示电路,其与所述微处理器电连接;语音告警电路,其与所述微处理器电连接。
所述微处理器采用亚德诺半导体(ADI)公司生产的ADSP-BF609微处理器。
参见图2,是车载电源电路原理图,考虑到汽车环境电源为12V直流电实际工况,电源稳压芯片(U1)采用的是LM2596-5.0集成电路,输入端连接第一电容(C1),进行滤波消除电源纹波干扰;输出端连接第一电感(L1)、第一二极管(D1)和第二电容(C2),所述第一二极管(D1)与第一电感(L1)和第二电容(C2)并联,进一步增强瞬态稳压效果。
参见图3,是视频采集工作原理图,传感器采用300万像素的OV3640数字摄像头,OV3640数字摄像头控制引脚(SCL)和(SDA)通过IIC总线与微处理器的双线串行(TWI)接口硬件连接形成控制通道;OV3640数字摄像头行同步(HREF)引脚、场同步(VSYNC)引脚、时钟信号(SCLK)引脚分别与微处理器的(PPI_FS1)引脚、(PPI_FS2)引脚、(PPI_CLK)引脚进行硬件连接,形成图像数据的行、场中断处理机制;OV3640数字摄像头的图像数据引脚[Y7-Y0]与微处理器的高速并行外设接口(PPI)的PPI[7-0]引脚进行硬件连接,实现图像数据流入到微处理器的缓存。
其工作原理是:当摄像头采集到一行图像数据时,此时引起微处理器的行中断,在行中断服务程序中,取出该行图像数据,并缓存到微处理器的L1内存区;当摄像头采集到一副图像数据时,此时引起微处理器的场中断,在场中断服务程序中,进行一副完整图像的预处理、边缘检测、汽车识别和测距等功能实现。
参见图4,是视频显示电路原理图,使用的是车载4.3寸TFT液晶显示屏(P7);考虑到夜晚行车的具体工况,采用照明驱动集成电路MIC2287芯片(U10)进行液晶屏的背光驱动,MIC2287芯片(U10)的输出端依次连接第二电感(L2)、第二二极管(D12),在所述第二二极管(D12)的输出端连接有第三电容和第四电容(C35、C36),且所述第三电容(C35)和所述第四电容(C36)并联,增强照明驱动电流和实现照明屏幕的均匀亮度。
参见图5,是语音告警电路原理图,语音芯片采用的是ISD1820录放芯片,该芯片内置喇叭驱动放大电路。ISD1820芯片的1脚(REC引脚)连接按键,4脚(MIC引脚)连接麦克咪头,当按下按键,开始录制系统所需要预警的真人语音(可保存20秒语音);ISD1820芯片的3脚(PLAYL引脚)连接微处理器的外部中断引脚,ISD1820芯片的7脚(SP-引脚)和9脚(SP+引脚)连接0.5W功率喇叭,当预警发生时,通过触发微处理器外部中断进而控制播放之前录好的告警语音。
本发明提供的基于机器视觉的汽车前向防碰撞预警装置,基于单目机器视觉成像,获取车辆与前方车辆或者障碍物距离,体积小,安装简单方便。
本发明还提供一种基于机器视觉的汽车前向防碰撞预警监测方法,它还包括系统嵌入式软件程序。
参见图6,是嵌入式软件的模块框图,所述嵌入式软件程序包括6大功能模块,分别为:系统初始化模块、视频图像采集模块、图像预处理模块、图像边缘检测模块、前方汽车识别模块、前方汽车测距模块。
参见图7,是嵌入式软件总体流程图,所述嵌入式软件程序具体实现步骤为:
步骤1:微处理器引导模式配置、内部存储区L1和L2配置、摄像头等外设初始化;
采集前方车辆图像,每完成一帧图像采集(判断采集一帧前方车辆图像是否完毕,若还未采集完一次则继续进行采集),对该帧图像进行预处理(包括灰度化、图像增强、ROI区域生成等);
步骤2:针对预处理后的图像,则基于Sobel算子进行ROI图像的边缘检测,
所述图像边缘检测模块采用的是Sobel边缘检测算子,其是基于中心像素点在周围方向进行加权,使得边缘点的检测更加准确,同时减少计算量。该算子包含横向和纵向的3X3矩阵,将其与图像数据f按照如下公式进行平面卷积,得到横向亮度差分值Gx和纵向亮度差分值Gy。
优选的,具体计算为:
其工作原理:将预处理后的图像数据分批次(分成多个矩形块)通过DMA方式读取到微处理器L1内存中分配的Sobel输入缓存区,进行边缘检测计算,计算后结果存储到微处理器L1内存中分配的Sobel输出缓存区。
步骤3:对所述边缘检测后的图像进行车辆识别,
所述车辆识别包括训练过程和识别过程:基于Haar特征,采用Adaboost算法构建弱分类器,并进行加权线性组合,构建强分类器,进行训练、学习和车辆识别,具体包括:
给定样本图像((x1,y1),...,(xi,yi),...(xn,yn)),其中,xi为第i个样本,yi=0为负样本,yi=1为正样本,n为训练样本总数;
式中,h(x)=h(x,f,p,θ)为特征f的弱分类器;
获取加权误差最小的弱分类器为最佳弱分配器ht(x),
其中,ht(x)=h(x,ft,pt,θt),ft、pt、θt使得误差βt取得最小值;
其中,如果xi分类正确,则βi=0,否则βi=1;
将弱分类器加权线性组合得到强分类器:
进一步的,在强分类器基础上,构建一个级联式分类器,以提高图像识别性能
步骤4:参见图8,是本发明的摄像头安装视角示意图,所述前方汽车测距模块中,基于单目机器视觉成像原理,建立摄像头几何投影成像模型,并建立世界坐标系与图像坐标系之间的映射关系,获取与所述识别的车辆的距离为:
q2=tan(γ0)
式中,实际前方道路最近车辆的尾部中心图像的坐标为(Xp,Yp),对应投影平面的坐标为(xp,yp),H和W为图像的高和宽(单位:像素值),h为摄像头相对于地面的安装高度,2α0为摄像头垂直视野角度,2β0为摄像头水平视野角度,γ0为摄像机的俯仰角,q1,q2,q3,q4,GK分别为参数;
步骤5:当D≤DS时,DS为安全距离,车辆与前方汽车的距离低于安全距离,系统预警,所述安全距离满足:
应当解释的是,n为等概率出现的选择对象数,即所有可能出现的情况的概率相等时,样本选择的数量即为n。当路面完全结冰时,当下雪时,/>当然也可以根据降雪量的大小,进一步设定/>的取值;当正常晴朗天气时,/>当下雨时,/>当然也可以根据降雨量的大小,进一步设定/>的取值。
本发明提供的基于机器视觉的汽车前向防碰撞预警监测方法:1.视觉采集低成本化,采用300万像素的高精度数字摄像头作为前端视频图像采集传感器,成本较当前的激光传感器低很多。2.图像处理实时化,采用Sobel算子对图像进行边缘检测,与其他算法比较,在效果同等条件下减少运算量,提高微处理器的运算时效性;3.车辆识别准确化,基于Haar特征,采用Adaboost算法进行分类器训练和识别图像中的前方汽车,识别准确度高;提高行车安全监测系数;4.能够根据具体的天气情况和车况确定行车的安全距离,提高行车安全系数。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (5)
1.一种基于机器视觉的汽车前向防碰撞预警监测方法,其特征在于,包括如下步骤:
步骤1:采集前方车辆图像,每完成一帧图像采集,对该帧图像进行预处理;
步骤2:基于Sobel算子对所述预处理后的图像进行边缘检测;
步骤3:对所述边缘检测后的图像进行车辆识别;
步骤4:获取与所述识别的车辆的距离为:
q2=tan(γ0);
式中,H和W为图像的高和宽,h为摄像头相对于地面的安装高度,2α0为摄像头垂直视野角度,2β0为摄像头水平视野角度,γ0为摄像机的俯仰角,q1,q2,q3,q4,GK分别为参数;
步骤5:当D≤DS时,DS为安全距离,此时,车辆与前方汽车的距离低于安全距离,系统预警,所述安全距离满足:
4.如权利要求1所述的基于机器视觉的汽车前向防碰撞预警监测方法,其特征在于,在所述步骤3中,所述车辆识别包括训练过程和识别过程:基于Haar特征,采用Adaboost算法构建弱分类器,并进行加权线性组合,构建强分类器,进行训练、学习和车辆识别,具体包括:
给定样本图像((x1,y1),...,(xi,yi),...(xn,yn));其中,xi为第i个样本,yi=0为负样本,yi=1为正样本,n为训练样本总数;
式中,h(x)=h(x,f,p,θ)为特征f的弱分类器;
获取加权误差最小的弱分类器为最佳弱分配器ht(x),
其中,ht(x)=h(x,ft,pt,θt),ft、pt、θt使得误差βt取得最小值;
其中,如果xi分类正确,则βi=0,否则βi=1;
将弱分类器加权线性组合得到强分类器:
5.如权利要求4所述的基于机器视觉的汽车前向防碰撞预警监测方法,其特征在于,在步骤1中,所述图像预处理包括灰度化、图像增强和ROI区域生成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811007844.3A CN108974018B (zh) | 2018-08-31 | 2018-08-31 | 一种基于机器视觉的汽车前向防碰撞预警监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811007844.3A CN108974018B (zh) | 2018-08-31 | 2018-08-31 | 一种基于机器视觉的汽车前向防碰撞预警监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108974018A CN108974018A (zh) | 2018-12-11 |
CN108974018B true CN108974018B (zh) | 2023-06-16 |
Family
ID=64547441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811007844.3A Active CN108974018B (zh) | 2018-08-31 | 2018-08-31 | 一种基于机器视觉的汽车前向防碰撞预警监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108974018B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109591826B (zh) * | 2019-01-09 | 2020-04-21 | 吉林大学 | 基于能见度的障碍物避让驾驶引导系统及其引导方法 |
CN109703460B (zh) * | 2019-01-11 | 2021-01-12 | 合肥思艾汽车科技有限公司 | 多摄像头的复杂场景自适应车辆碰撞预警装置及预警方法 |
CN109764850B (zh) * | 2019-03-01 | 2023-11-10 | 南通理工学院 | 一种机器视觉测距装置和测距方法 |
CN111469836B (zh) * | 2020-02-28 | 2022-12-20 | 广东中科臻恒信息技术有限公司 | 基于车载单元和路侧单元的避障方法、设备、存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001048726A1 (en) * | 1999-12-23 | 2001-07-05 | Thomas Bertram Poole | Following distance warning system for a vehicle |
KR20080052739A (ko) * | 2006-12-08 | 2008-06-12 | 현대자동차주식회사 | 차간거리 제어와 충돌 경감 및 충돌 방지 제어 장치 및 그방법 |
WO2012011715A2 (ko) * | 2010-07-19 | 2012-01-26 | 주식회사 이미지넥스트 | 차량 충돌 경보 시스템 및 방법 |
CN103020948A (zh) * | 2011-09-28 | 2013-04-03 | 中国航天科工集团第二研究院二○七所 | 智能车载防撞预警系统中的夜间图像特征提取方法 |
CN103832433A (zh) * | 2012-11-21 | 2014-06-04 | 中国科学院沈阳计算技术研究所有限公司 | 车道偏离及前车防碰撞报警系统及其实现方法 |
CN105574552A (zh) * | 2014-10-09 | 2016-05-11 | 东北大学 | 一种基于单目视觉的车辆测距与碰撞预警方法 |
CN105835820A (zh) * | 2016-04-28 | 2016-08-10 | 姜锡华 | 车载传感器信息筛选方法及应用该方法的车辆避撞系统 |
CN105912998A (zh) * | 2016-04-05 | 2016-08-31 | 辽宁工业大学 | 一种基于视觉的车辆防碰撞预警方法 |
CN106218635A (zh) * | 2016-07-22 | 2016-12-14 | 贺祥贵 | 一种汽车后碰撞预警方法和系统 |
CN107169202A (zh) * | 2017-05-17 | 2017-09-15 | 河海大学 | 一种行进车辆间安全保持距离的计算方法 |
CN207617713U (zh) * | 2017-12-23 | 2018-07-17 | 长安大学 | 一种汽车跟车预警系统及汽车 |
-
2018
- 2018-08-31 CN CN201811007844.3A patent/CN108974018B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001048726A1 (en) * | 1999-12-23 | 2001-07-05 | Thomas Bertram Poole | Following distance warning system for a vehicle |
KR20080052739A (ko) * | 2006-12-08 | 2008-06-12 | 현대자동차주식회사 | 차간거리 제어와 충돌 경감 및 충돌 방지 제어 장치 및 그방법 |
WO2012011715A2 (ko) * | 2010-07-19 | 2012-01-26 | 주식회사 이미지넥스트 | 차량 충돌 경보 시스템 및 방법 |
CN103020948A (zh) * | 2011-09-28 | 2013-04-03 | 中国航天科工集团第二研究院二○七所 | 智能车载防撞预警系统中的夜间图像特征提取方法 |
CN103832433A (zh) * | 2012-11-21 | 2014-06-04 | 中国科学院沈阳计算技术研究所有限公司 | 车道偏离及前车防碰撞报警系统及其实现方法 |
CN105574552A (zh) * | 2014-10-09 | 2016-05-11 | 东北大学 | 一种基于单目视觉的车辆测距与碰撞预警方法 |
CN105912998A (zh) * | 2016-04-05 | 2016-08-31 | 辽宁工业大学 | 一种基于视觉的车辆防碰撞预警方法 |
CN105835820A (zh) * | 2016-04-28 | 2016-08-10 | 姜锡华 | 车载传感器信息筛选方法及应用该方法的车辆避撞系统 |
CN106218635A (zh) * | 2016-07-22 | 2016-12-14 | 贺祥贵 | 一种汽车后碰撞预警方法和系统 |
CN107169202A (zh) * | 2017-05-17 | 2017-09-15 | 河海大学 | 一种行进车辆间安全保持距离的计算方法 |
CN207617713U (zh) * | 2017-12-23 | 2018-07-17 | 长安大学 | 一种汽车跟车预警系统及汽车 |
Non-Patent Citations (3)
Title |
---|
基于ADSP-BF609的汽车前向防撞系统硬件设计;曹景胜;石晶;单鹏;郭银景;;电子产品世界(第06期);全文 * |
基于OpenCV的前方车辆检测和前撞预警算法研究;刘军等;《汽车技术》(第06期);全文 * |
车载GigE Vision实时前方车辆防撞预警系统设计;马浩越;刘晶郁;杨炜;;中国科技论文(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108974018A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108974018B (zh) | 一种基于机器视觉的汽车前向防碰撞预警监测方法 | |
US8041079B2 (en) | Apparatus and method for detecting obstacle through stereovision | |
CN112349144B (zh) | 一种基于单目视觉的车辆碰撞预警方法及系统 | |
CN107891808B (zh) | 行车提醒方法、装置及车辆 | |
CN103824037B (zh) | 车用防跟踪报警装置 | |
CN105047019B (zh) | 一种客运车辆防止后车超车后突然变道判断方法及装置 | |
CN112163543A (zh) | 一种车辆违法占道的检测方法及系统 | |
CN109886086B (zh) | 基于hog特征和线性svm级联分类器的行人检测方法 | |
CN105206109A (zh) | 一种基于红外ccd的车辆雾天识别预警系统及方法 | |
CN112382115B (zh) | 基于视觉感知的驾驶风险预警装置及方法 | |
CN111368612A (zh) | 超员检测系统、人员检测方法及电子设备 | |
CN109671090A (zh) | 基于远红外线的图像处理方法、装置、设备和存储介质 | |
CN102303563A (zh) | 前车碰撞预警系统及方法 | |
Cualain et al. | Multiple-camera lane departure warning system for the automotive environment | |
CN110929606A (zh) | 车辆盲区行人监控方法和装置 | |
CN207809236U (zh) | 一种具有夜视目标检测功能的车载超声防撞设备 | |
CN116935361A (zh) | 一种基于深度学习的驾驶员分心行为检测方法 | |
CN109686104B (zh) | 一种车辆超高检测方法 | |
CN115601717B (zh) | 基于深度学习的交通违法行为分类检测方法及SoC芯片 | |
JP6877651B1 (ja) | 視認負荷値推定装置、視認負荷値推定システム、視認負荷値推定方法、及び視認負荷値推定プログラム | |
CN112836619A (zh) | 嵌入式车载远红外行人检测方法、系统、设备及存储介质 | |
CN111382718B (zh) | 一种夜间行人检测系统及基于该系统的行人检测方法 | |
CN110556024B (zh) | 一种防碰撞辅助驾驶方法、系统及计算机可读存储介质 | |
CN204124043U (zh) | 一种基于车载视觉的行人综合判断系统 | |
CN113701642A (zh) | 一种车身外观尺寸的计算方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |