基于智能前視攝像頭的ACC目標車輛探測

（南京理工大學(xué) 機械學(xué)院，南京 210094）

0 引言

隨著汽車安全技術(shù)的不斷進步、國家相關(guān)法律法規(guī)標準的提高和消費者對汽車安全功能的重視，我國道路交通的傷亡人數(shù)雖有下降，但萬車死亡率較發(fā)達國家仍居高不下。據(jù)資料統(tǒng)計，約有75%的交通事故是由駕駛員的操作失誤引起的[1]，其中駕駛員注意力分散和對交通狀況的誤判是誘發(fā)錯誤操作的主要原因[2,3]。自適應(yīng)巡航控制系統(tǒng)是一種根據(jù)交通狀況進行自適應(yīng)的車速調(diào)節(jié)系統(tǒng)，其也被稱為主動車速控制、自動車距控制或車距調(diào)節(jié)系統(tǒng)[4～6]。其作為汽車高級輔助駕駛系統(tǒng)（Advanced Driver Assistance System，ADAS）的重要組成部分，能夠利用外界環(huán)境傳感器幫助駕駛員提高駕駛員舒適性和安全性。它主要對車輛進行縱向距離控制旨在發(fā)現(xiàn)前方多個車輛目標，通過確定主目標（Closet in Path Vehicle，CIPV），測量與主目標的距離與相對速度，在保證一定安全距離的前提下，進行適當?shù)闹苿优c加速。當前方?jīng)]有主目標時，車輛會按照預(yù)設(shè)定的速度進行巡航[7～10]。

1 目標車輛距離與速度探測

1.1 基于前視攝像頭的ACC距離探測

EyeQ3是基于視覺來計算與前車的距離，它主要通過道路和輪胎與道路的接觸點的幾何關(guān)系以及誤差補償?shù)姆椒▉泶_定最終輸出距離[11]。圖3給出了示意圖，包括攝像頭P和成像平面I，相機焦距為f。A表示本車輛，B表示為目標車輛，兩者之間距離為Z，車輛與道路之間的接觸點投影到I上的點為y，設(shè)相機中心在成像平面上的坐標為0，則接觸點成像高度為y。

圖1 攝像頭測距示意圖

由直角三角形的相似性導(dǎo)出：

汽車在行駛過程中工況復(fù)雜，導(dǎo)致攝像機的光軸與路面并不平行。由車輛俯仰角、攝像頭的安裝角度以及路面不平度帶來的誤差已有解決途徑[12]，剩余誤差的主要來源是確定車輛和道路之間的接觸點的圖像坐標，在實踐中，誤差可在1個像素內(nèi)被發(fā)現(xiàn)[12]。接觸點在n個圖像中的誤差范圍由(1)得：

通常n≈1，fH＞＞nZ，所以可以得到：

從式中我們可以看到距離誤差與距離的平方成正比，但距離的百分比誤差與距離則成線性關(guān)系。

示例：一個640×480像素圖像與水平視角47°的鏡頭，像素f=740。相機高度H=1.3m。因此假設(shè)1個像素誤差導(dǎo)致的距離誤差為5%，則實際距離為：

1.2 基于前視攝像頭的ACC速度探測

基于EyeQ3的視覺測量速度采用離散差分法：

通過優(yōu)化，來提高速度測量的精度。假設(shè)目標車輛在距離Z和Z'時在圖像中的高度為w和w'，則代入式(4)得：

基于目前的圖像校準技術(shù)，圖像塊中有幾百個像素，圖像校準可以使得校準誤差為0.1個像素[12]。定義比例誤差（Sacc）為較準誤差（Serr）除以車輛圖像寬度：

假設(shè)Z是準確的，則相對速度誤差為：

又由于距離誤差會產(chǎn)生相對速速誤差，所以距離產(chǎn)生的誤差：

則：

示例：假設(shè)與目標車輛距離：Z=30m，f=740像素，w=1.5，h=1.3m和v=0m/s。我們用△t=0.1s。

將數(shù)據(jù)帶入(10)得：

2 智能前視攝像頭硬件設(shè)計

智能前視攝像頭主要由鏡頭、光學(xué)傳感器、Mobileye圖像處理器EyeQ3以及MCU、保護電路以及CAN收發(fā)器組成?；贓yeQ3開發(fā)的前視攝像頭要求安裝720P/60Fps的高清攝像頭及1/3英寸的CMOS數(shù)字光學(xué)傳感器。由于行車環(huán)境復(fù)雜，不同工況下都需要對外界環(huán)境進行良好的監(jiān)控，所以要求攝像頭具有卓越的低光性能和行車溫度適應(yīng)能力，同時也能確保攝像頭具有較好的視角。攝像頭系統(tǒng)框架如圖2所示。

圖2 前視攝像頭系統(tǒng)框架

MCU的選型要求體積盡可能小，并且對溫度的適應(yīng)能力應(yīng)至少在-40°到80°之間，同時需要支持128M以上的CPU和1M以上的閃存，RH850系列的MCU具有功耗低運算速度快的特點，并且能夠較好的滿足以上條件。TJA1049是一款高速CAN收發(fā)器，是CAN控制器和物理總線之間的接口，為CAN控制器提供差動發(fā)送和接收功能，該收發(fā)器專為汽車行業(yè)的高速CAN應(yīng)用設(shè)計，傳輸速率高達1Mbit/s[13,14]。保護電路則采用普通的直流變直流電路并加裝保護和加熱裝置。

智能前視攝像頭工作過程由高清攝像頭捕捉外界環(huán)境，通過數(shù)字光學(xué)傳感器將圖像傳給EyeQ3，同時MCU通過車載CAN將獲取的原車的自身運動狀態(tài)發(fā)送給EyeQ3，EyeQ3以高速、高效的運算速度同時計算出ACC縱向控制的距離、相對速度等一系列信息。EyeQ3結(jié)合原車運動狀態(tài)將計算所得信息通過SPI發(fā)送給MCU，MCU根據(jù)接收信息，與車載CAN網(wǎng)絡(luò)通訊，通過CAN報文發(fā)送控制指令，從而實現(xiàn)車輛的縱向控制，樣件如圖3所示。

3 實車測試結(jié)果分析

為了檢測基于前視攝像頭的ACC系統(tǒng)的穩(wěn)定性，在實車上對不同場景進行前視攝像頭目標車輛探測驗證。場景如圖所示，圖中紅色矩形即為攝像頭識別的主目標，為本車ACC系統(tǒng)需要跟隨的目標，綠色矩形即為識別的車輛目標，較遠的綠色數(shù)字為兩車距離，較近的數(shù)字為兩車的相對速度，前車速度大于本車時為正。

圖4場景為直道高速道路，本車初始速度為60km/h行駛，前方車輛以80km/h行駛，設(shè)置巡航速度為90km/h。攝像頭探測到前方存在三個車輛目標，當ACC系統(tǒng)進入跟隨模式時，將本車道前方最近車輛識別為主目標, 主目標與本車相距32m，相對速度為-0.2m/s。

圖4 直道高速目標探測

圖5場景為在半徑約為200m的彎道上，本車以60km/h的速度位于彎道外側(cè)，攝像頭檢測到前方存在三個目標車輛，在彎道行駛過程中并沒有將正前方車輛識別為主目標，而是將本車道最近車輛作為主目標，平穩(wěn)的跟隨前車行駛，主目標距離本車30m，相對速度為0.2m/s。

圖6場景為前方相鄰車道有車輛插入本車道，本車以80km/h的巡航速度跟隨前方目標行駛，基于前視攝像頭的ACC系統(tǒng)檢測到前方共有三個車輛目標，并迅速切換主目標，將插入車輛識別為主目標，主目標距離本12m，相對速度0.4m/s。

圖7場景為前方主目標突然駛向相鄰車道，本車以80km/h的巡航速度跟隨前車，突然主目標駛向相鄰車道，前視攝像頭系統(tǒng)迅速切換主目標，將本車道前方最近車輛識別為主目標，主目標距離本車43m且與本車速度相同。

圖5 彎道目標探測

圖6 前方車輛插入

圖7 主目標駛出

4 結(jié)束語

經(jīng)實車測試表明，基于智能前視攝像頭的ACC系統(tǒng)，能夠有效利用圖像探測功能，實現(xiàn)對目標車輛的探測。由于ACC系統(tǒng)屬于舒適性系統(tǒng)，其對距離和速度的控制精度要求不高，利用圖像檢測的ACC系統(tǒng)能夠?qū)⒕嚯x與速度誤差合理控制在合理的范圍內(nèi)，保障ACC跟車模式的舒適性。在前方有多個目標情況下，能有效選擇主目標，減少誤識別的概率，提高了系統(tǒng)的可靠性。

[1]MAITA L,MIYAJIMA C,TAKEDA K. A Study of Driver Behavior Under Potential Threats in Vehicle Traffic[J].IEEE Transactions on Intelligent Transport Systems,2009,10(2):201-210.

[2]PETERS A, PETERS J.Automotive vehicle safety[M].London:Taylor & Francis,2002.

[3]FULLER R, SANTOS J.Human factors for highway engineering[M].Holland: Elsevier Science,2002.

[4]TC204/W G14,Transport information and control systems-Adaptive cruise control systems-Performance requirements and test procedures[S].

[5]TC204/WG14,Intelligent transport System-Full speed range adaptive cruise control (FS-RA)systems-Performance requirements and test procedures[S].

[6]劉中海.自適應(yīng)巡航控制系統(tǒng)設(shè)計與仿真[D].北京:清華大學(xué),2005.

[7]張景波,劉昭度,齊志權(quán),等.汽車自適應(yīng)巡航控制系統(tǒng)的發(fā)展[J].車輛與動力技術(shù),2003,11(2),44-49.

[8]田雷.汽車自適應(yīng)巡航系統(tǒng)的模糊自校正控制算法研究[D].吉林:吉林大學(xué),2006.

[9]尚秉旭,朱明,劉斌,等.自適應(yīng)巡航控制系統(tǒng)中主目標車輛識別與跟蹤[J].汽車技術(shù),2014,06:52-56.

[10]詹軍,郭孔輝.汽車自適應(yīng)巡航控制系統(tǒng)（ACC）的研究與發(fā)展[A].北京:中國汽車工程學(xué)[C].2003.

[11]STEIN G P, OMANO O, SHASHUA A. A robust method for computing vehicle ego-motion[A].Dearborn: IEEE Intelligent Vehicles Symposium[C].2000.

[12]STEIN G P, OMANO O,SHASHUA A. Vision-based ACC with a single camera: bounds on range and range rate accuracy[A].Ohio:IEEE Intelligent Vehicles Symposium[C].2003.

[13]魏志恒.一款高速、低功耗CAN總線收發(fā)器的設(shè)計[D].吉林:吉林大學(xué),2009.

[14]于宏莎.CAN總線收發(fā)器的設(shè)計與研究[D].成都:電子科技大學(xué),2013.