CN114332453A - 一种适用于自动紧急制动系统的前方车辆检测方法 - Google Patents

Abstract

本发明公开一种适用于自动紧急制动系统的前方车辆检测方法。包括步骤：(1)车载单目摄像头获取主车辆前方道路信息图像并将其输入到图像识别系统中；(2)制定检测模板；(3)依据车道线划定ROI；(4)利用车辆前方检测到的车道线进行距离标定；(5)帧差法检测主车辆前方运动目标；(6)前方车辆检测：对在运动区域内检测到的类似四边形结构特征进行模板匹配并筛选最靠近图像底部的类似四边形特征结构，并记录下该类似四边形特征结构对应至左右车道线的坐标，完成对前方车辆的检测。本发明的单目视觉系统结构简单，成本低，减少系统的工作量，节省处理时间，同时避免了多类传感器复杂技术上的融合，减少额外计算成本。

Description

一种适用于自动紧急制动系统的前方车辆检测方法

技术领域

本发明属于目标检测应用领域，具体涉及一种适用于自动紧急制动系统的前方车辆检测方法。

背景技术

随着科技的发展，自动紧急制动(AEB)系统在现代车辆中变得越来越重要，可以协助驾驶员进行安全驾驶。而该系统实现预期功能的前提是要准确检测出前方车辆。现今AEB系统大多需要融合众多方面的技术来进行前方车辆的检测，通常在车辆上按照激光雷达、毫米波雷达、摄像头及其组合等装置来采集车辆周围的信息。

现有的前方车辆检测方法存在的问题是：

1)使用的设备复杂而且昂贵，各传感器之间需要技术上的融合，而技术的融合需要复杂的算法而带来额外的计算成本；

2)使用单目摄像头的车辆以及障碍物检测识别，往往都只能实现车辆及障碍物形状大小的检测识别，即单纯的视觉呈现，而不能检测之间测出距离大小，而距离情况对于汽车的安全行驶尤为重要。

3)基于立体视觉的障碍物检测需要用到双目视觉或三目立体视觉，由于需要多个摄像机，成本比较高，而且计算复杂，不易计算，且若用两个摄像机对同一景物从不同位置成像，会存在图像匹配上的致命弱点。

发明内容

本发明的目的在于提供一种针对自动紧急制动系统下低成本的前方车辆检测的方法。在低成本的基础上保证预期功能的实现，在AEB系统中使用单目摄像头，充分利用车辆后轮及车身呈现的倒U型与地面连线所形成的类似四边形特征结构以及划定出感兴趣区域(ROI)，同时通过预先标定距离，建立距离与图像坐标的关系，解决了单目摄像头只能完成前方车辆大小形状的检测而不能直接检测出距离信息的问题。

实现本发明目的的技术解决方案为：一种适用于自动紧急制动系统的前方车辆检测方法，包括步骤：

步骤(1)：车载摄像头获取主车辆前方道路信息图像，并输入到图像识别系统中；

步骤(2)：制定检测模板：根据车辆和地面之间的光学特征，制定后续识别步骤检测的模板；

步骤(3)：依据车道线划定感兴趣检测区域(ROI)；

步骤(4)：利用车辆前方检测到的车道线进行距离标定；

步骤(5)：帧差法检测主车辆前方运动目标；

步骤(6)：前方车辆检测：对在运动区域内检测到的类似四边形结构特征进行模板匹配并筛选最靠近图像底部的类似四边形特征结构，并记录下该类似四边形特征结构对应至左右车道线的坐标，完成对前方车辆的识别；

步骤(7)：图像识别系统将识别到的前方车辆位置信息生成并发送指令给紧急制动系统。

进一步的，步骤(2)中的“根据车辆和地面之间的光学特征，制定后续识别步骤检测的模板”具体为：根据车辆后轮及车身呈现的倒U型与地面连线形成的类似四边形特征结构，将前方车辆对应的类似四边形特征结构在图像识别系统中以该类似四边形特征结构的长宽比例绘制出后续识别步骤检测的模板。

进一步的，步骤(1)中摄像头获取的主车辆前方道路信息图像以帧的方式输入到图像识别系统中。

进一步的，步骤(3)具体为：对输入到图像识别系统下的图像进行Canny边缘检测处理，所要检测的车道线为距主车道中心最近的左右两条直线，并将这两条直线内的主车道区域划定为感兴趣区域。

进一步的，步骤(3)中的“Canny边缘检测处理”具体包括如下步骤：

步骤(31)：对输入到图像识别系统中的图像高斯滤波进行降噪处理；

步骤(32)：用一阶偏导的有限差分方式，即用相邻像素的差分计算梯度的幅值和方向；

步骤(33)：对梯度幅值进行非极大值抑制寻找像素点的局部最大值；

步骤(34)：用双阈值算法检测和连接边缘。

进一步的，步骤(4)对车辆前方检测到的车道线进行距离标定具体为：在车载摄像头检测到的主车辆前方150±10米内每间隔0.5±0.2米放置一个标记物，记录下各标记物在在图像系统识别下对应至左右车道线下的坐标以及其对应的距主车辆的实际距离数据。

进一步的，步骤(4)中的“记录下各标记物在在图像系统识别下对应至左右车道下的坐标以及其对应的距主车辆的实际距离数据”具体包括如下步骤：

步骤(41)：在主车辆前方放置下标记物时，测量标记物至主车辆的距离；

步骤(42)：将标记物在图像显示中的水平位置对应到步骤(3)中所检测的车道线，得到相应的坐标，记录下该坐标，并将该坐标与标记物距离主车辆的距离进行匹配。

进一步的，步骤(5)帧差法检测主车辆前方运动目标具体为：对输入到图像识别系统下的n幅图像序列的相邻两幅采用基于像素的时间差分通过二值化处理来检测主车辆前方运动目标，包括如下步骤：

步骤(51)：将输入到图像识别系统中的图像序列相邻帧图像对应像素值做差得到差分图像；

步骤(52)：对差分图像进行二值化处理检测出主车辆前方运动目标。

进一步的，步骤(6)“对在运动区域内检测到的类似四边形结构特征进行模板匹配并筛选最靠近图像底部的类似四边形特征结构，并记录下该类似四边形特征结构对应至左右车道线的坐标”具体为：

步骤(61)：在步骤(3)中所述的感兴趣区域(ROI)内对主车辆前方的运动目标进行检测，运动目标为步骤(5)中二值化处理后前方车辆在图像里所呈现特征结构；

步骤(62)：在图像中检测出的特征结构与步骤(2)中设定的模板进行匹配，最靠近图像底部的特征结构即为主车辆前方的运动物体，并记录下该特征结构对应至步骤(3)检测的车道线上的坐标；

步骤(63)：将记录下的坐标与步骤(4)中坐标与距离关系进行对应，得到主车辆前方运动车辆距主车辆的距离。

本发明与现有技术相比，其显著优点在于：

(1)本发明充分利用车辆后轮连线与地面形成的特征光学结构，采用图像识别处理方法检测提取了特征结构，并制定检测模板，通过车道线检测划定检测区域，减小了图像处理的范围，提高检测的速度，通过距离的标定，建立图像坐标与实际距离的关系，解决了单目摄像头无法直接测量距离信息的问题。

(2)本前方车辆检测方法不需要用到激光雷达等昂贵的传感器，使用单目摄像头，成本低，同时避免了众多传感器在技术算法等方面的融合。

附图说明

图1为本发明的主要步骤流程示意图。

图2为二值化处理前后前方车辆在图像中的呈现情况；其中图(a)为处理前，图(b)为处理后。

图3为Canny边缘检测算法检测车道线流程图。

图4为车辆前方距离标定示意图。

图5为帧差法检测运动目标流程图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

如图1-5所示，一种针对自动紧急制动系统的低成本的前方车辆检测方法，该方法鉴于当前AEB系统所配备的设备复杂且昂贵，使用的是单目摄像头，使用高效的图像处理算法进行检测。充分利用车辆后轮连线与地面形成明显的亮暗对比差的类四边形的特征结构，在检测出车道线后划定出感兴趣区域，缩小检测的范围，提高图像处理的速度，于此同时，为了解决单目摄像头无法直接检测识别出距离信息的问题，通过预先标定距离信息，建立实际距离与图像中坐标对应关系来间接检测出距离，保证在利用单目摄像头的基础上，低成本地完成了前方车辆的检测。

如图1，该低成本前方车辆检测方法包括步骤：1)由摄像头获取主车辆前方道路信息，将前方道路信息以图像方式输入到图像识别系统中；2)将车辆后轮及车身呈现的倒U型与地面连线形成的类似四边形的特征结构作为检测模板；

3)将输入的图像进行图像处理，进行车道线的检测从而划定感兴趣区域(ROI)；4)在车载摄像头所检测到的主车辆前方150±10米距离借助所检测到的车道线进行距离标定；5)用帧差法对主车辆前方运动目标进行检测；6)在感兴趣区域内所检测到的图像结构信息进行模板匹配并筛选最靠近图像底部的特征结构，标记出其对应至检测到的车道线上的坐标，进行前方车辆的检测。

车辆后轮及车身呈现的倒U型与地面连线形成的类似四边形特征结构，如图2所示，车载摄像头将该特征检测出来并在图像识别系统下将其作为后续车辆检测的模板，鉴于道路实际情况，该模板的制定分为常见的轿车车型与货车车型两种类别，在特征检测出来后，根据各自对应的长宽比例在图像识别系统中绘制出两种检测模板。

为了缩小检测区域，增加图像处理的速度，需要划定特定的检测区域，如图3所示，利用Canny边缘检测算法对主车道的车道线进行检测：为了减小对检测结果的影响，在检测之前，需要对摄像头采集到的图像用高斯滤波进行降噪处理，同时，为了使图像更平滑，用高斯滤波器对图像进行卷积减少边缘检测器上明显的噪声影响；图像局部区域亮度变化显著的部分，对于灰度图像而言，就是灰度值会有一个明显的变化，因此用导数表征变化率的方式来表征灰度值的变化，用相邻像素的差分来计算梯度的大小和方向；对梯度幅值非极大值抑制就是沿着梯度方向，比较它前后的梯度值，若梯度局部值最大则有可能为边缘像素，进行保留，否则进行抑制；用双阈值算法检测和连接边缘，设定两个阈值，在高阈值和低阈值之间的点都可能是边缘点，特别地，这些点最好是处在高阈值的附近，也就是说这些中间阈值的点是高阈值边缘点的一种延伸。距离车道中心最近的左右两条线即为所车道线，并将车道线以内的范围划定为检测的区域。

在主车辆前方约150±10米内每隔0.5±0.2米放置标记物，如图4所示，借助检测到的车道线建立标记物位置对应的坐标与实际距离的关系；如图5所示，将相邻图像对应的像素值相减得到差分图像，设定阈值(阈值设定为90±5左右)，对差分图像进行二值化，在环境亮度变化不大的情况下，若对应像素值小于事先确定的阈值时，则认为此处为背景像素，若图像区域的像素值变化很大时，认为这是由于图像中运动物体引起的，将这些区域标记为前景图像，利用标记的像素区域可以确定运动目标在图像中的位置；在划定的检测内进行检测的即为所述的运动目标，该运动目标以类似四边形的特征结构在图像中呈现，在检测出此特征后，将此特征与制定好的模板进行匹配并筛选出最靠近图像底部的特征，即为前方运动车辆。

然后，将该特征在图像中的坐标信息与建立好的坐标与实际距离关系进行对应，读取出前方车辆距离主车辆的距离，完成前方车辆的检测，将检测到的信息生成并发送指令给自动紧急制动系统，自动紧急制动系统则根据距离信息作出是否进行制动的决策。

Claims (9)

1.一种适用于自动紧急制动系统的前方车辆检测方法，其特征在于，包括步骤：

步骤(1)：车载摄像头获取主车辆前方道路信息图像，并输入到图像识别系统中；

步骤(2)：制定检测模板：根据车辆和地面之间的光学特征，制定后续识别步骤检测的模板；

步骤(3)：依据车道线划定感兴趣检测区域(ROI)；

步骤(4)：利用车辆前方检测到的车道线进行距离标定；

步骤(5)：帧差法检测主车辆前方运动目标；

步骤(6)：前方车辆检测：对在运动区域内检测到的类似四边形结构特征进行模板匹配并筛选最靠近图像底部的类似四边形特征结构，并记录下该类似四边形特征结构对应至左右车道线的坐标，完成对前方车辆的识别；

步骤(7)：图像识别系统将识别到的前方车辆位置信息生成并发送指令给紧急制动系统。

2.根据权利要求1所述的方法，其特征在于，步骤(2)中的“根据车辆和地面之间的光学特征，制定后续识别步骤检测的模板”具体为：根据车辆后轮及车身呈现的倒U型与地面连线形成的类似四边形特征结构，将前方车辆对应的类似四边形特征结构在图像识别系统中以该类似四边形特征结构的长宽比例绘制出后续识别步骤检测的模板。

3.根据权利要求2所述的方法，其特征在于，步骤(1)中摄像头获取的主车辆前方道路信息图像以帧的方式输入到图像识别系统中。

4.根据权利要求3所述的方法，其特征在于，步骤(3)具体为：对输入到图像识别系统下的图像进行Canny边缘检测处理，所要检测的车道线为距主车道中心最近的左右两条直线，并将这两条直线内的主车道区域划定为感兴趣区域。

5.根据权利要求4所述的方法，其特征在于，步骤(3)中的“Canny边缘检测处理”具体包括如下步骤：

步骤(31)：对输入到图像识别系统中的图像高斯滤波进行降噪处理；

步骤(32)：用一阶偏导的有限差分方式，即用相邻像素的差分计算梯度的幅值和方向；

步骤(33)：对梯度幅值进行非极大值抑制寻找像素点的局部最大值；

步骤(34)：用双阈值算法检测和连接边缘。

6.根据权利要求5所述的方法，其特征在于，步骤(4)对车辆前方检测到的车道线进行距离标定具体为：在车载摄像头检测到的主车辆前方150±10米内每间隔0.5±0.2米放置一个标记物，记录下各标记物在在图像系统识别下对应至左右车道下的坐标以及其对应的距主车辆的实际距离数据。

7.根据权利要求6所述的方法，其特征在于，步骤(4)中的“记录下各标记物在在图像系统识别下对应至左右车道下的坐标以及其对应的距主车辆的实际距离数据”具体包括如下步骤：

步骤(41)：在主车辆前方放置下标记物时，测量标记物至主车辆的距离；

步骤(42)：将标记物在图像显示中的水平位置对应到步骤(3)中所检测的车道线，得到相应的坐标，记录下该坐标，并将该坐标与标记物距离主车辆的距离进行匹配。

8.根据权利要求7所述的方法，其特征在于，步骤(5)帧差法检测主车辆前方运动目标具体为：对输入到图像识别系统下的n幅图像序列的相邻两幅采用基于像素的时间差分通过二值化处理来检测主车辆前方运动目标，包括如下步骤：

步骤(51)：将输入到图像识别系统中的图像序列相邻帧图像对应像素值做差得到差分图像；

步骤(52)：对差分图像进行二值化处理检测出主车辆前方运动目标。

9.根据权利要求8所述的方法，其特征在于，步骤(6)“对在运动区域内检测到的类似四边形结构特征进行模板匹配并筛选最靠近图像底部的类似四边形特征结构，并记录下该类似四边形特征结构对应至左右车道线的坐标”具体为：

步骤(61)：在步骤(3)中所述的感兴趣区域(ROI)内对主车辆前方的运动目标进行检测，运动目标为步骤(5)中二值化处理后前方车辆在图像里所呈现特征结构；

步骤(62)：在图像中检测出的特征结构与步骤(2)中设定的模板进行匹配，最靠近图像底部的特征结构即为主车辆前方的运动物体，并记录下该特征结构对应至步骤(3)检测的车道线上的坐标；

步骤(63)：将记录下的坐标与步骤(4)中坐标与距离关系进行对应，得到主车辆前方运动车辆距主车辆的距离。

Images