CN115689951A - 一种基于occ的驾驶辅助信息传递系统设计方法 - Google Patents

Abstract

本发明属于光通信和智能交通技术领域，具体涉及一种基于OCC的驾驶辅助信息传递系统设计方法；包括：编码调制、识别目标、追踪目标、区域提取、动态解码、测距定位六个步骤，通过在动态通信过程中采用曼彻斯特编码及自定义编码相结合的方式，对数据帧内容进行重新编排，提高系统传输信息量，传递车辆速度、转向、制动信息；通过改进的单目成像算法，得到一种基于拟合标定法及目标图像像素偏离比的定位方法，降低测量误差，实现车辆间距离、方位的测算。

Description

一种基于OCC的驾驶辅助信息传递系统设计方法

技术领域

本发明属于光通信和智能交通技术领域，具体涉及一种基于OCC的驾驶辅助信息传递系统设计方法。

背景技术

保证行驶安全是汽车自动驾驶领域研究的重要课题之一。车载相机作为自动驾驶感知模块的重要组成部分，可以对汽车前后方的图像信息进行捕捉，用于环境感知和安全预警等目的。光学相机通信(Optical Camera Communication，OCC)技术在相机原有功能的基础上，进一步实现车辆间的信息交互，可以传递丰富的驾驶辅助信息，有效提升车辆行驶的安全性和可靠性。

OCC系统发送端的发光二极管(Light Emitting Diode，LED)阵列可以集成在前方车辆尾灯上，信号通过调制单片机、驱动放大电路映射到LED阵列，通过特定的闪烁方式向外传递信息。接收端的相机架设在后方车辆上，对前车目标LED图像进行捕获，再通过图像处理算法将信号解调出来，完成信息传递过程。OCC技术以光信号为载体，具有无需频谱认证、无电磁辐射、绿色环保等优点，可以有效弥补无线射频通信频段资源不足的问题。

OCC技术的通信速率取决于LED灯的数量、单片机调制频率以及相机帧频，由于器件尺寸及成本因素的限制，使得通过提升硬件性能来提高通信速率的方式存在局限性，所以通过改进编码方式，在有限的通信速率下传递更多的信息量很有必要，有利于进一步提高OCC技术的适用性。通过相机单目成像原理进行测距、定位，存在误差偏大、计算方法复杂等问题，针对现有OCC系统，研究一种基于拟合标定法及目标图像像素偏离比的定位方法，可以对车辆间距离及方位信息进行准确测算，有效降低测量误差。

发明内容

为了克服上述问题，本发明提供一种基于OCC的驾驶辅助信息传递系统设计方法；通过在动态通信过程中采用曼彻斯特编码及自定义编码相结合的方式，对数据帧内容进行重新编排，提高系统传输信息量，传递车辆速度、转向、制动等信息；通过改进的单目成像算法，得到一种基于拟合标定法及目标图像像素偏离比的定位方法，降低测量误差，实现车辆间距离、方位的测算。

一种基于OCC的驾驶辅助信息传递系统设计方法，包括：编码调制、识别目标、追踪目标、区域提取、动态解码、测距定位六个步骤，具体内容如下：

步骤一，通过曼彻斯特编码和自定义编码相结合的方式对前车行驶信息的数据帧内容进行编排，再将码元通过二进制启闭键控调制映射到LED阵列上，不断闪烁向外传递信息；具体步骤如下：

(1)对发送端传输的数据帧格式进行重新定义，包括帧头、间隔、数据部分、标识部分及帧尾；其中帧头用来标识数据帧的开始，由四个连续的1组成；间隔部分为0，用来分隔帧头及数据部分；标识部分包括序列号和检验位，其中序列号用于标识帧的实际顺序，同时对特殊的数据帧进行标记；校验位采用偶校验的形式，即数据部分加上校验位中1后的总个数为偶数时，数据帧的格式是正确的；帧尾以0为界限，用于隔绝标识帧和帧头部分；

(2)数据部分包含速度、转向和制动信息，参考路面上车辆正常合法的行驶速度，采用基于曼彻斯特编码的8位二进制编码的形式，将速度的整数位区间设置为0-255；速度小数位采用3位二进制的自定义编码；转向及制动信息同样采用3位二进制的自定义编码，其中011、101、010及011分别对应“直行、右转、左转、驻车停止”以及“驻车停止、加速、制动、怠速”信息，避免码元出现4个以上连0或者连1的情况；

(2)对步骤(1)中编码后的信息以OOK调制的方式映射到LED阵列之中，然后以LED阵列中各个LED分别亮灭闪烁的形式向外界传递码元信息；

步骤二，识别目标就是利用LED阵列与周围图像的不同特征，获取LED阵列的准确位置，在后车上的相机镜头前配置808nm波段的光学滤片，再通过提取目标LED阵列区域的亮度信息，检测出前车上LED阵列的成像位置，具体内容如下：

(1)通过后车上的相机捕获包含前车上目标LED阵列的原始灰度图像，将灰度图像通过设置阈值进行二值化，方法如下述公式：

其中a为二值化操作之前图像上任意单个像素点的实际像素值，A为经阈值判定二值化后的像素值，当a大于阈值105时，将该像素点的像素值赋值为255；当a小于阈值105时，将该像素点的像素值赋值为0，进而得到表示为一个M×N的二维逻辑矩阵的二值图像；再将二值图像进行膨胀、腐蚀的闭运算操作，得到目标LED阵列区域的轮廓；

(2)在步骤(1)中得到的目标LED阵列区域的轮廓基础上，画出目标LED阵列区域的矩形轮廓；以相机拍摄的整幅图像的左上角顶点为坐标原点，以整幅图像的上方边界为x轴、左侧边界为y轴建立坐标系，确定目标LED阵列的矩形轮廓左上角顶点的坐标D(x_min，y_min)和右下角顶点的坐标E(x_max，y_max)；由于前车上所用的LED阵列为正方形阵列，所以根据LED阵列的长宽比特征对矩形轮廓进行筛选，如下述公式所示：

其中h为目标LED阵列区域的垂直方向长度，w为目标LED阵列区域的水平方向长度；经过筛选确定所需的目标LED阵列区域；确定目标LED阵列区域的横坐标最大值x_max、横坐标最小值x_min、纵坐标最大值y_max以及纵坐标最小值y_min；

(3)对步骤(2)中得到的目标区域，对目标区域的四边分别向外拓展50个像素值，得到调整后的目标区域，该区域左上角顶点坐标为D′(x_min-50，y_min-50)，右下角顶点坐标为E′(x_max+50，y_max+50)；

步骤三，对移动状态下的目标区域进行持续追踪，以下所述目标区域均为经步骤二调整后的目标区域；具体内容如下：

将目标区域坐标信息D′和E′传递给追踪算法，同时测量向前和向后两个方向跟踪对象轨迹之间的差异，采取最小化偏差的方式保证追踪可靠性，如下述公式所示：

f＝∑_(i，j)(I₁(i，j)-I₂(x+i，y+j))²

其中I₁(i，j)为t₀时刻目标区域上某一像素点的位置坐标，I₂(x+i，y+j)为t₀+1时刻目标区域上同一像素点移动后的位置坐标，f为前后坐标偏差值的和，f值越小说明目标移动轨迹的一致性越好，并在图像中选出可靠的轨迹，实时输出追踪坐标信息D′和E′，持续对目标区域进行追踪；

步骤四，对持续追踪的动态的目标区域进行提取，实现目标区域由动态到伪静态的转变；

步骤五，后车相机对提取出的处于移动状态的目标区域传递的码元信息进行捕获、解码，获取前车的速度、转向、制动信息；具体内容如下：

在接收端通过方向投影法对目标区域的图像信息进行解调，通过目标区域坐标及LED的数量、排列信息，确定各个LED所处的位置，其中阵列左上角、左下角、右上角、右下角的定位LED(即分别位于LED阵列四角处的LED)成像光斑的中心坐标分别为(x_min，y_min)、(x_min，y_max)、(x_max，y_min)及(x_max，y_max)，根据四个定位LED成像光斑的中心坐标，估算LED阵列中第i行第j列LED在图像中的中心坐标(x_LED，i，y_LED，j)信息，计算如下述公式所示：

k值取决于LED阵列每行或每列中灯的数量，再通过阈值判别确定LED传递的码元状态，如下述公式所示：

如果S_ij＝1，则LED阵列中i行j列处LED为点亮状态，携带信号被解码为1；如果S_ij＝0，则LED阵列中i行j列处LED为熄灭状态，携带信号被解码为0；通过上述解码方法的实现，将目标LED阵列图像传递的0、1码元信息解调出来，再结合步骤一中的曼彻斯特编码及自定义编码的规则进行对应的译码；对前车传递的车辆速度、转向及制动信息进行获取；

步骤六，通过改进相机单目成像方法，采用基于拟合标定法及目标图像像素偏离比的定位方法，实现车辆间距离、方位的测算；具体步骤如下：

(1)采用拟合标定法对发送端LED阵列及接收端相机之间的垂直距离d进行测量，将接收端相机与发送端目标LED阵列对齐，以5米为采样间隔，在10到80米的距离区间，分别拍照得到不同距离下的目标LED阵列图像，用于进行数据公式的拟合，并将拍摄到的图像经步骤二至步骤四处理后得到提取出来的目标区域，计算在不同距离下提取出来的目标区域在垂直方向所占的像素数，与对应的距离信息进行拟合，得到垂直距离d的计算公式：

d＝1995.6×x^-0.949

其中x为提取出来的目标LED阵列区域在垂直方向所占的像素数，由下述公式计算得到；

x＝y_max-y_min

(2)按下式计算发送端LED阵列与接收端相机之间的实际距离s：

其中，m为相机物平面的视场中心到边缘的最大距离，

α为相机视场角；

(3)通过计算目标LED阵列中心坐标(x′，y′)与相机视场中心坐标之间的差值，对发送端目标LED阵列相对于接收端相机视场中心的偏离方向及角度作进一步计算，其中：

若目标LED阵列中心横坐标x′大于视场中心横坐标，说明前方目标LED阵列偏向右侧；若目标LED阵列中心横坐标x′小于视场中心横坐标，说明前方目标LED阵列偏向左侧；若目标LED阵列中心横坐标x′等于视场中心横坐标，说明前方目标LED阵列处于居中位置，以此判断发送端目标LED阵列相较于接收端相机视场中心的偏离方向；

再按下式计算出发送端LED阵列中心点相较于相机视场中心的偏离角度θ：

综上得到车辆间实际距离及具体方位信息。

所述步骤一中前车上的信号发送端采用波长为808nm的LED阵列。

所述步骤二的(2)中，在步骤(1)中得到的目标LED阵列区域的轮廓基础上，调用OpenCV软件中cv2.findContours语句画出目标LED阵列区域的矩形轮廓。

所述步骤二的(3)中，对步骤(2)中得到的目标区域，通过调用OpenCV软件中的cv2.rectangle语句，对目标区域的四边分别向外拓展50个像素值，得到调整后的目标区域。

本发明的有益效果：

1、本发明所述的方法可用于构建驾驶辅助信息传递系统，实时传递车辆速度、转向、制动及间距、方位信息，实现车辆间的信息交互，提升车辆行驶的安全性和可靠性。

2、本发明所述方法中提出的曼彻斯特编码及自定义编码相结合的编码方式，对数据帧内容进行重新编排，在有限的通信速率下提高系统传输信息量。

3、本发明所述方法中提出的基于拟合标定法及目标图像像素偏离比的定位方法，相较于传统定位方法降低了计算复杂度，提高测量精度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所要使用的附图作简单的介绍，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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1为本发明基于的OCC驾驶辅助信息传递系统在车辆间的通信场景示意图。

图2为本发明的技术路线图。

图3为本发明的数据帧格式示意图。

图4为本发明的自定义编码示意图。

图5为本发明膨胀腐蚀操作后得到的目标LED阵列的轮廓示意图。

图6为本发明坐标系建立示意图。

图7为本发明识别得到的目标LED阵列区域示意图。

图8为本发明扩展得到的目标LED阵列区域示意图。

图9为本发明跟踪得到的目标LED阵列区域示意图。

图10为本发明区域提取实验结果示意图。

图11为本发明用于数据拟合的间隔20m采样部分图像示意图。

图12为本发明用于数据拟合的间隔40m采样部分图像示意图。

图13为本发明用于数据拟合的间隔60m采样部分图像示意图。

图14为本发明用于数据拟合的间隔80m采样部分图像示意图。

图15为本发明基于目标图像像素偏离比的实际距离计算示意图。

图16为本发明目标偏离方向、角度计算示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

本发明提供一种基于OCC的驾驶辅助信息传递系统设计方法，为使本发明的技术方案及特点更加明确，下面将结合附图对本发明进行详细说明。

图1为基于OCC的驾驶辅助信息传递系统在车辆间的通信场景示意图，车A和车B分别作为OCC系统发送端和接收端的载具。发送端LED阵列可以集成在车A尾灯之中，车A将自身行驶的速度、转向(左转、右转、直行以及驻车停止)、制动(加速、减速、怠速以及驻车停止)信息经过编码、调制技术后映射到LED阵列上，并通过各个LED不断闪烁以光信号的形式向外传输信息；接收端相机架设在车B顶部并保持相机视场面向前方，车B上的相机在视场范围内对前方车A上的LED阵列进行拍照，得到目标LED图像，并通过解码方法将传递的“0、1”码元信息解调出来。同时车B利用改进的单目成像方法，对两车间的距离、方位信息进行测量，以此形成丰富的驾驶辅助信息。本发明实现的方法流程如图2所示，包括：编码调制、识别目标、追踪目标、区域提取、动态解码、测距定位六个步骤，具体内容如下：

步骤一，前车上的信号发送端采用波长为808nm的LED阵列，通过曼彻斯特编码和自定义编码相结合的方式对前车行驶信息的数据帧内容进行编排，提高信息传输效率，再将码元通过二进制启闭键控(OOK：On-OffKeying)调制映射到LED阵列上，不断闪烁向外传递信息，具体步骤如下：

(1)对发送端传输的数据帧格式进行重新定义，如图3所示，包括帧头、间隔、数据部分、标识部分及帧尾；其中帧头用来标识数据帧的开始，由四个连续的1组成，易于检测；间隔部分为0，用来分隔帧头及数据部分；标识部分包括序列号和检验位，其中序列号用于标识帧的实际顺序，以便接收器可以对信息进行重新排序，同时对特殊的数据帧进行标记，便于识别；校验位采用偶校验的形式，即数据部分加上校验位中1的总个数为偶数时，数据帧的格式是正确的；帧尾以0为界限，用于隔绝标识帧和帧头部分；

(2)数据部分包含速度、转向和制动信息，参考路面上车辆正常合法的行驶速度，采用基于曼彻斯特编码的8位二进制编码的形式，将速度的整数位区间设置为0-255；速度小数位采用3位二进制的自定义编码，其中011、101、010及011分别对应“0、0.25、0.5及0.75km/h”，这样的估值方式小数位的估值区间大小为0.25，即对应的最大误差不超过0.125km/h，不会对驾驶安全造成影响；转向及制动信息同样采用3位二进制的自定义编码，其中011、101、010及011分别对应“直行、右转、左转、驻车停止”以及“驻车停止、加速、制动、怠速”信息，对应关系如图4所示，避免码元出现4个以上连0或者连1的情况。采用曼彻斯特编码与自定义编码相结合的方式，使得LED亮灭状态的变化更加均衡，不会对车灯原有的功能造成影响，同时易于检测数据帧头保持信息同步，在同等速率条件下提高2倍以上的信息量。

(3)对步骤(1)中编码后的信息以OOK调制的方式映射到LED阵列之中，即传递的“1”码将高电平传递给单个LED，对应单个LED的亮灯状态；“0”码将低电平传递给单个LED，对应单个LED的灭灯状态，然后以LED阵列中各个LED分别亮灭闪烁的形式向外界传递码元信息。

步骤二，识别目标就是利用LED阵列与周围图像的不同特征，获取LED阵列的准确位置，在后车上的相机镜头前配置808nm波段的光学滤片，在物理层面上尽量降低其他波段光噪声的影响，再通过提取目标LED阵列区域的亮度信息，检测出前车上LED阵列的成像位置，具体内容如下：

(1)通过后车上的相机捕获包含前车上目标LED阵列(即发送端目标LED阵列)的原始灰度图像(目前试验相机拍摄的图像为单通道灰度图)，将灰度图像通过设置阈值进行二值化，经过多次实验，当阈值为105时效果较好，计算方法如下述公式1：

其中a为二值化操作之前图像上任意单个像素点(即采样点)的实际像素值，A为经阈值判定二值化后的像素值，当a大于阈值105时，将该像素点的像素值赋值为255；当a小于阈值105时，将该像素点的像素值赋值为0，进而得到表示为一个M×N的二维逻辑矩阵的二值图像；再将二值图像进行膨胀、腐蚀的闭运算操作，这样操作起到填充LED阵列内的细小空洞、平滑目标区域边界的作用，计算如下述公式2：

其中

为膨胀操作，

为腐蚀操作，B为原始图像的目标LED阵列区域，C为形态学算子；在本实验系统中膨胀系数设置为20，腐蚀系数设置为8，膨胀及腐蚀算子均为正方形矩阵核形式，调用OpenCV软件中的cv2.dilate及cv2.erode语句分别进行两次闭运算操作，得到目标LED阵列区域的轮廓，如图5中白色区域所示；

(2)在步骤(1)中得到的目标LED阵列区域的轮廓基础上，调用OpenCV软件中cv2.findContours语句画出目标LED阵列区域的矩形轮廓；以相机拍摄的整幅图像的左上角顶点为坐标原点，以整幅图像的上方边界为x轴、左侧边界为y轴建立坐标系，如图6所示，确定目标LED阵列的矩形轮廓左上角顶点的坐标D(x_min，y_min)和右下角顶点的坐标E(x_max，y_max)；由于本实验中前车上所用的LED阵列为4*4的正方形阵列，所以根据LED阵列的长宽比特征对矩形轮廓进行筛选，如下述公式3所示：

其中h为目标LED阵列区域的垂直方向长度，w为目标LED阵列区域的水平方向长度；经过筛选确定所需的目标LED阵列区域，即感兴趣区域(region of interest，ROI)，如图7所示；确定目标LED阵列区域的横坐标最大值x_max、横坐标最小值x_min、纵坐标最大值y_max以及纵坐标最小值y_min；

(3)对步骤(2)中识别算法得到的目标区域，通过调用OpenCV软件中的cv2.rectangle语句，对目标区域的四边分别向外拓展50个像素值(即目标区域的四边分别向外平移50个像素值的距离)，得到调整后的目标区域，该区域左上角顶点坐标为D′(x_min-50，y_min-50)，右下角顶点坐标为E′(x_max+50，y_max+50)，如图8所示，这种拓展允许跟踪算法纠正与光源中心的微小偏差，更精确地适应变化；

步骤三，为了对移动状态下的目标区域进行持续追踪，以下所述目标区域均为经步骤二调整后的目标区域；本发明采用基于Median Flow的机器学习算法，在目标发生形变、干扰及遮挡情况下具有很好的追踪效果；具体内容如下：

将目标区域坐标信息D′和E传递给追踪算法，追踪算法在完成初始化后，同时测量向前和向后两个方向跟踪对象轨迹之间的差异，采取最小化偏差的方式保证追踪可靠性，如下述公式4所示：

f＝∑_(i，j)(I₁(i，j)-I₂(x+i，y+j))² (4)

其中I₁(i，j)为t₀时刻目标区域上某一像素点的位置坐标，I₂(x+i，y+j)为t₀+1时刻目标区域上同一像素点移动后的位置坐标，f为前后坐标偏差值的和，f值越小说明目标移动轨迹的一致性越好，并在图像中选出可靠的轨迹，实时输出追踪坐标信息D′和E′及算法开销，持续对目标区域进行追踪，追踪ROI如图9所示；

步骤四，由于经过步骤三追踪后得到的目标LED阵列区域是动态的，目标LED阵列区域移动的位置信息是时刻变化的，不能对处于移动过程的LED空间位置信息进行准确定位，无法完成解码过程，所以需要对持续追踪的动态的目标区域进行提取，调用OpenCV软件中region2＝region1[x_min-90：x_max+90，y_min-90：y_max+90]语句，以略大于目标LED阵列区域大小的数值进行提取(本实验中扩展的像素值设为90)，实现目标区域由动态到伪静态的转变，将处于动态的目标区域提取出来，使得动态区域处于伪静态；区域提取是实现动态通信的前提，提取后的效果如图10所示；

步骤五，上述步骤中的识别目标、追踪目标、区域提取过程相当于建立起自由空间光通信的通信链路，在此基础上可以实现动态通信过程。后车相机对提取出的处于移动状态的目标区域传递的码元信息进行捕获、解码，获取前车的速度、转向、制动信息；具体内容如下：

在接收端通过方向投影法对目标区域的图像信息进行解调，通过目标区域坐标及LED的数量、排列信息，确定各个LED所处的位置，其中阵列左上角、左下角、右上角、右下角的定位LED(即分别位于LED阵列四角处的LED)成像光斑的中心坐标分别为(x_min，y_min)、(x_min，y_max)、(x_max，y_min)及(x_max，y_max)，根据四个定位LED成像光斑的中心坐标，估算LED阵列中第i行第j列LED在图像中的中心坐标(x_LED，i，y_LED，j)信息，计算如下述公式5所示：

k值取决于LED阵列每行或每列中灯的数量(本实验中k值为4)，再通过阈值判别确定LED传递的码元状态，如下述公式6所示：

如果S_ij＝1，则LED阵列中i行j列处LED为点亮状态，携带信号被解码为1；如果S_ij＝0，则LED阵列中i行j列处LED为熄灭状态，携带信号被解码为0；通过上述解码方法的实现，将目标LED阵列图像传递的0、1码元信息解调出来，再结合步骤一中的曼彻斯特编码及自定义编码的规则进行对应的译码，如001分别代表速度小数位中“0.75km/h”、转向信息中的“驻车停止”及制动信息中的“怠速”；对前车传递的车辆速度、转向及制动信息进行获取；

步骤六，通过改进相机单目成像方法，采用基于拟合标定法及目标图像像素偏离比的定位方法，实现车辆间距离、方位的测算，降低测量误差；具体步骤如下：

(1)OCC技术对发送端LED阵列灯的数量、间距及排列方式具有一定要求，同时LED在接收端的成像大小是相对的，但成像区域所占的像素点数是绝对的。基于上述观点，本发明采用拟合标定法对发送端(即前车上LED阵列)及接收端(即后车上相机)之间的垂直距离d进行测量(其中垂直距离d为LED阵列后端面所在平面与相机前端面所在平面之间的垂直距离)；

所述测量垂直距离的标定拟合法所用的图片采集流程如下：将接收端相机与发送端目标LED阵列放在同一直线上(即接收端相机视场角中心与发送端目标LED阵列的中心点对齐设置，使得接收端相机视场角中心与发送端目标LED阵列的中心点的连线处于水平或垂直方向)，以5米为采样间隔，在10到80米的距离区间，分别拍照得到不同距离下的目标LED阵列图像，用于进行数据公式的拟合；部分图像如图11-14所示，并将拍摄到的图像经步骤二至步骤四处理后得到提取出来的目标区域，计算在不同距离下提取出来的目标LED阵列区域在垂直方向所占的像素数，与对应的距离信息进行拟合，得到垂直距离d的计算公式7：

d＝1995.6×x^-0.949 (7)

其中x为提取出来的目标LED阵列区域在垂直方向所占的像素数，由下述公式8计算得到；

x＝y_max-y_min (8)

因为同一水平线上图像在垂直方向所占像素数相同，所以上述公式7计算得到的d为发送端LED阵列及接收端相机之间的垂直距离；

(2)按下式计算发送端LED阵列与接收端相机之间的实际距离s(实际距离s为接收端相机视场中心距离LED阵列中心点之间的实际距离)的原理图如图15所示：

其中，m为相机物平面的视场中心到边缘的最大距离，

α为相机视场角；

推导过程如下：

根据(1)中得到的垂直距离d，结合相机视场角α，计算得到相机视场范围内的最大水平距离m(即相机物平面的视场中心到边缘的最大距离m)，如下公式9：

根据步骤二中追踪算法得到的目标区域坐标信息，计算得到目标LED阵列成像区域的中心坐标(x′，y′)，如下述公式10：

再利用目标LED阵列成像区域的中心横坐标x′与相机视场中心横坐标差值的绝对值(本实验中视场中心横坐标为1024)，得到目标LED阵列成像区域的中心坐标偏离相机视场中心的像素数a，如下述公式11：

a＝|x′-1024| (11)

本实验所用相机分辨率为2048*2048，所以视场范围所占的一半的像素数A(本实验中A为1024)，得到目标LED阵列的实际成像位置相较相机视场中心位置的像素偏离比例q，如下述公式12：

求出目标LED阵列在相机物平面的实际位置相较于相机视场中心实际的偏离距离n，即在物平面上LED阵列中心点与相机视场中心之间的水平距离，计算如下述公式13：

进而通过勾股定理计算发送端LED阵列与接收端相机之间的实际距离s，计算公式14如下：

(3)在(2)计算过程的基础上，通过计算目标LED阵列中心坐标(x′，y′)与相机视场中心坐标(本实验中视场中心横坐标为1024)之间的差值，如公式15所示，对发送端目标LED阵列相对于接收端相机视场中心的偏离方向及角度作进一步计算，如图16所示，其中：

若目标LED阵列中心横坐标x′大于视场中心横坐标1024，说明前方目标LED阵列偏向右侧；若目标LED阵列中心横坐标x′小于视场中心横坐标1024，说明前方目标LED阵列偏向左侧；若目标LED阵列中心横坐标x′等于视场中心横坐标1024，说明前方目标LED阵列处于居中位置，以此判断发送端目标LED阵列相较于接收端相机视场中心的偏离方向(即前车相较于后车的偏离方向)；

再按下式通过(2)中得到发送端目标LED阵列与接收机相机间的垂直距离d和目标LED阵列相较于相机视场中心的偏离距离n，计算出发送端LED阵列中心点相较于相机视场中心的偏离角度θ(即前车相较于后车的偏离角度)，计算如下述公式16所示：

通过上述步骤综上得到车辆间实际距离及具体方位信息。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明的保护范围并不局限于上述实施方式中的具体细节，在本发明的技术构思范围内，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，这些简单变型均属于本发明的保护范围。

Claims (4)

1.一种基于OCC的驾驶辅助信息传递系统设计方法，其特征在于包括：编码调制、识别目标、追踪目标、区域提取、动态解码、测距定位六个步骤，具体内容如下：

步骤一，通过曼彻斯特编码和自定义编码相结合的方式对前车行驶信息的数据帧内容进行编排，再将码元通过二进制启闭键控调制映射到LED阵列上，不断闪烁向外传递信息；具体步骤如下：

(1)对发送端传输的数据帧格式进行重新定义，包括帧头、间隔、数据部分、标识部分及帧尾；其中帧头用来标识数据帧的开始，由四个连续的1组成；间隔部分为0，用来分隔帧头及数据部分；标识部分包括序列号和检验位，其中序列号用于标识帧的实际顺序，同时对特殊的数据帧进行标记；校验位采用偶校验的形式，即数据部分加上校验位中1后的总个数为偶数时，数据帧的格式是正确的；帧尾以0为界限，用于隔绝标识帧和帧头部分；

(2)数据部分包含速度、转向和制动信息，参考路面上车辆正常合法的行驶速度，采用基于曼彻斯特编码的8位二进制编码的形式，将速度的整数位区间设置为0-255；速度小数位采用3位二进制的自定义编码；转向及制动信息同样采用3位二进制的自定义编码，其中011、101、010及011分别对应“直行、右转、左转、驻车停止”以及“驻车停止、加速、制动、怠速”信息，避免码元出现4个以上连0或者连1的情况；

(3)对步骤(1)中编码后的信息以OOK调制的方式映射到LED阵列之中，然后以LED阵列中各个LED分别亮灭闪烁的形式向外界传递码元信息；

步骤二，识别目标就是利用LED阵列与周围图像的不同特征，获取LED阵列的准确位置，在后车上的相机镜头前配置808nm波段的光学滤片，再通过提取目标LED阵列区域的亮度信息，检测出前车上LED阵列的成像位置，具体内容如下：

(1)通过后车上的相机捕获包含前车上目标LED阵列的原始灰度图像，将灰度图像通过设置阈值进行二值化，方法如下述公式：

其中a为二值化操作之前图像上任意单个像素点的实际像素值，A为经阈值判定二值化后的像素值，当a大于阈值105时，将该像素点的像素值赋值为255；当a小于阈值105时，将该像素点的像素值赋值为0，进而得到表示为一个M×N的二维逻辑矩阵的二值图像；再将二值图像进行膨胀、腐蚀的闭运算操作，得到目标LED阵列区域的轮廓；

(2)在步骤(1)中得到的目标LED阵列区域的轮廓基础上，画出目标LED阵列区域的矩形轮廓；以相机拍摄的整幅图像的左上角顶点为坐标原点，以整幅图像的上方边界为x轴、左侧边界为y轴建立坐标系，确定目标LED阵列的矩形轮廓左上角顶点的坐标D(x_min，y_min)和右下角顶点的坐标E(x_max，y_max)；由于前车上所用的LED阵列为正方形阵列，所以根据LED阵列的长宽比特征对矩形轮廓进行筛选，如下述公式所示：

其中h为目标LED阵列区域的垂直方向长度，w为目标LED阵列区域的水平方向长度；经过筛选确定所需的目标LED阵列区域；确定目标LED阵列区域的横坐标最大值x_max、横坐标最小值x_min、纵坐标最大值y_max以及纵坐标最小值y_min；

(3)对步骤(2)中得到的目标区域，对目标区域的四边分别向外拓展50个像素值，得到调整后的目标区域，该区域左上角顶点坐标为D′(x_min-50，y_min-50)，右下角顶点坐标为E′(x_max+50，y_max+50)；

步骤三，对移动状态下的目标区域进行持续追踪，以下所述目标区域均为经步骤二调整后的目标区域；具体内容如下：

将目标区域坐标信息D′和E′传递给追踪算法，同时测量向前和向后两个方向跟踪对象轨迹之间的差异，采取最小化偏差的方式保证追踪可靠性，如下述公式所示：

f＝∑_(i，j)(I₁(i，j)-I₂(x+i，y+j))²

其中I₁(i，j)为t₀时刻目标区域上某一像素点的位置坐标，I₂(x+i，y+j)为t_o+1时刻目标区域上同一像素点移动后的位置坐标，f为前后坐标偏差值的和，f值越小说明目标移动轨迹的一致性越好，并在图像中选出可靠的轨迹，实时输出追踪坐标信息D′和E′，持续对目标区域进行追踪；

步骤四，对持续追踪的动态的目标区域进行提取，实现目标区域由动态到伪静态的转变；

步骤五，后车相机对提取出的处于移动状态的目标区域传递的码元信息进行捕获、解码，获取前车的速度、转向、制动信息，具体内容如下：

在接收端通过方向投影法对目标区域的图像信息进行解调，通过目标区域坐标及LED的数量、排列信息，确定各个LED所处的位置，其中阵列左上角、左下角、右上角、右下角的定位LED(即分别位于LED阵列四角处的LED)成像光斑的中心坐标分别为(x_min，y_min)、(x_min，y_max)、(x_max，y_min)及(x_max，y_max)，根据四个定位LED成像光斑的中心坐标，估算LED阵列中第i行第j列LED在图像中的中心坐标(x_LED，i，y_LED，j)信息，计算如下述公式所示：

k值取决于LED阵列每行或每列中灯的数量，再通过阈值判别确定LED传递的码元状态，如下述公式所示：

如果S_ij＝1，则LED阵列中i行j列处LED为点亮状态，携带信号被解码为1；如果S_ij＝0，则LED阵列中i行j列处LED为熄灭状态，携带信号被解码为0；通过上述解码方法的实现，将目标LED阵列图像传递的0、1码元信息解调出来，再结合步骤一中的曼彻斯特编码及自定义编码的规则进行对应的译码；对前车传递的车辆速度、转向及制动信息进行获取；

步骤六，通过改进相机单目成像方法，采用基于拟合标定法及目标图像像素偏离比的定位方法，实现车辆间距离、方位的测算；具体步骤如下：

(1)采用拟合标定法对发送端LED阵列及接收端相机之间的垂直距离d进行测量，将接收端相机与发送端目标LED阵列对齐，以5米为采样间隔，在10到80米的距离区间，分别拍照得到不同距离下的目标LED阵列图像，用于进行数据公式的拟合，并将拍摄到的图像经步骤二至步骤四处理后得到提取出来的目标区域，计算在不同距离下提取出来的目标区域在垂直方向所占的像素数，与对应的距离信息进行拟合，得到垂直距离d的计算公式：

d＝1995.6×x^-0.949

其中x为提取出来的目标LED阵列区域在垂直方向所占的像素数，由下述公式计算得到；

x＝y_max-y_min

(2)按下式计算发送端LED阵列与接收端相机之间的实际距离s：

其中，m为相机物平面的视场中心到边缘的最大距离，

α为相机视场角；

(3)通过计算目标LED阵列中心坐标(x′，y′)与相机视场中心坐标之间的差值，对发送端目标LED阵列相对于接收端相机视场中心的偏离方向及角度作进一步计算，其中：

若目标LED阵列中心横坐标x′大于视场中心横坐标，说明前方目标LED阵列偏向右侧；若目标LED阵列中心横坐标x′小于视场中心横坐标，说明前方目标LED阵列偏向左侧；若目标LED阵列中心横坐标x′等于视场中心横坐标，说明前方目标LED阵列处于居中位置，以此判断发送端目标LED阵列相较于接收端相机视场中心的偏离方向；

再按下式计算出发送端LED阵列中心点相较于相机视场中心的偏离角度θ：

综上得到车辆间实际距离及具体方位信息。

2.根据权利要求1所述的一种基于OCC的驾驶辅助信息传递系统设计方法，其特征在于所述步骤一中前车上的信号发送端采用波长为808nm的LED阵列。

3.根据权利要求1所述的一种基于OCC的驾驶辅助信息传递系统设计方法，其特征在于所述步骤二的(2)中，在步骤(1)中得到的目标LED阵列区域的轮廓基础上，调用OpenCV软件中cv2.findContours语句画出目标LED阵列区域的矩形轮廓。

4.根据权利要求1所述的一种基于OCC的驾驶辅助信息传递系统设计方法，其特征在于所述步骤二的(3)中，对步骤(2)中得到的目标区域，通过调用OpenCV软件中的cv2.rectangle语句，对目标区域的四边分别向外拓展50个像素值，得到调整后的目标区域。

Images