基于單目視覺(jué)的汽車(chē)追尾預警系統研究

在陰影圖像中由下至上逐行搜索，尋找連續陰影點(diǎn)超過(guò)一定閾值的線(xiàn)段，并以此線(xiàn)段為底邊劃出一個(gè)矩形區域作為疑似車(chē)輛區域。為保證疑似區域包含車(chē)輛整體，矩形的寬度比線(xiàn)段稍寬，高度由寬度按比例給出。為避免重復搜索，將已搜索到的疑似區域內陰影完全抹去。由于同一車(chē)輛的各個(gè)部分可能分別被檢測為疑似目標，因此還需要對各個(gè)相交的疑似區域進(jìn)行合并。由于前方車(chē)輛的遮擋，可能會(huì )將多個(gè)目標認定為一個(gè)目標，但是對本車(chē)的安全無(wú)影響。
2．2．2 篩選驗證
如果單純采用陰影特征進(jìn)行車(chē)輛檢測，在保證較低“漏警”率的同時(shí)，也造成了較高的“虛警”率，因此還需要對疑似區域進(jìn)行篩選和驗證。
對于結構化道路，車(chē)輛寬度與車(chē)道寬度的比值應該是大致固定的，那么當攝像機的焦距、俯仰角等參數固定后，圖像上車(chē)道寬度(像素數)與車(chē)輛寬度(像素數)也滿(mǎn)足這個(gè)比例。根據之前檢測的車(chē)道方程，就可以計算出感興趣區域內任意縱坐標上車(chē)輛圖像寬度的范圍，并剔除寬度不在此范圍內的疑似區域。
在以往的車(chē)輛驗證方法中，最常用的是對稱(chēng)性測度驗證。這種算法的計算量較大，且對于背景復雜，對稱(chēng)度差圖像的驗證效果不盡人意。為了解決這個(gè)問(wèn)題，該系統采用了一種基于邊緣二值化圖像，通過(guò)搜索車(chē)輛左右邊緣進(jìn)行驗證的算法。
假設疑似區域的寬度為W，區域左邊緣的坐標為(X1，Y1)，右邊緣的水平坐標為(X2，Y2)。定義函數：

式中：f(x，y)為(x，y)點(diǎn)的灰度值。在區間(X1-W／4，X1+W／4)內搜索g(u)的最大值點(diǎn)，該點(diǎn)對應的水平坐標X1’就是車(chē)輛的左邊緣坐標。同理也可以搜索到車(chē)輛的右邊緣X2’。如果左右邊緣的g(u)值均大于某閾值，那么就可以認定該車(chē)輛確實(shí)存在。實(shí)驗證明，該算法能排除掉大量的“虛警”區域并得到真實(shí)車(chē)輛的兩側邊緣。
2．3 車(chē)輛跟蹤
現關(guān)心的是前方車(chē)輛與本車(chē)相對的二維位置和速度，因此只需要使用卡爾曼濾波器預測橫坐標x、橫向速度Vx、縱坐標y、縱向坐標Vy這四個(gè)狀態(tài)向量。此外由于x方向和y方向的狀態(tài)向量沒(méi)有直接聯(lián)系，所以可以將其分為兩組分別處理。
在車(chē)輛行駛過(guò)程中，由于顛簸或遮擋等原因，系統可能會(huì )將路牌、灌木叢等物體誤認為是車(chē)輛檢測出來(lái)，產(chǎn)生虛警。而這些虛警物體往往只能在連續數幀圖像中存在。如果不采取措施，系統就會(huì )時(shí)常產(chǎn)生短促的報警。
當圖像采樣間隔足夠短時(shí)，相鄰幀內同一車(chē)輛的位置會(huì )具有很大的相關(guān)性。
系統采用檢測與跟蹤相結合的方法，根據第n幀圖像獲得的信息，預測車(chē)輛在第n+1幀圖像中的位置等信息，并與n+1幀圖像中實(shí)際檢測到的結果進(jìn)行比對。如果二者匹配度最大且超出一定值，則認定為同一車(chē)輛，繼續進(jìn)行跟蹤、報警，否則認為此車(chē)已被遮擋或消失，暫時(shí)不做處理，數幀后被剔除出去。
2．4 測距報警
車(chē)間測距通常采用幾何投影模型，采用了一種簡(jiǎn)化的車(chē)距模型公式L×W=C，其中L為兩車(chē)間距，單位為m；W為圖像上目標車(chē)輛處車(chē)道寬度，單位為pixel；C為常數，可通過(guò)事先的標定獲得。然而兩車(chē)間安全車(chē)距S采用文獻推導的臨界安全車(chē)距公式動(dòng)態(tài)得到。

式中：Vr為相對車(chē)速，由對測出車(chē)距求導得到相對車(chē)速后進(jìn)行卡爾曼濾波得到；Vb為本車(chē)車(chē)速，由GPS得到。
如果告警頻率過(guò)高，容易使駕駛員麻痹大意，過(guò)低可能使駕駛員來(lái)不及做出反應，因此該系統采用由遠至近的三段報警。
若車(chē)距d≥1．5S，判定為3級威脅，發(fā)出長(cháng)而緩的報警聲，提醒駕駛員前方有障礙物，但暫無(wú)危險；若車(chē)距S≤d≤1．5S，判定為2級威脅，發(fā)出較急促的報警聲，提醒駕駛員減速；若車(chē)距d≤S，判定為1級威脅，發(fā)出短而急的報警聲，提醒駕駛員制動(dòng)；3種狀態(tài)下的告警聲差異很大，駕駛員可以很容易地根據報警聲判斷威脅等級。