汽車智能防撞報(bào)警系統(tǒng)設(shè)計(jì)研究

摘 要： 主要對(duì)汽車智能防撞報(bào)警系統(tǒng)進(jìn)行了研究，完成了一種基于車載GigEVision的前方車輛實(shí)時(shí)防撞預(yù)警系統(tǒng)的設(shè)計(jì)，該系統(tǒng)可有效適應(yīng)結(jié)構(gòu)化道路環(huán)境，通過(guò)使用GigE工業(yè)相機(jī)獲取高分辨率圖像，進(jìn)而實(shí)現(xiàn)對(duì)前方車輛圖像的有效檢測(cè)過(guò)程，再將前車車速以及本車同前車間的縱向距離通過(guò)使用測(cè)距方法完成實(shí)時(shí)計(jì)算，報(bào)警距離則通過(guò)使用安全車距預(yù)警模型計(jì)算獲取，在此基礎(chǔ)上完成車輛行駛狀態(tài)的判別。

關(guān)鍵詞： 汽車智能防撞; 防撞報(bào)警系統(tǒng); GigEVision; 視覺(jué)測(cè)距

中圖分類號(hào)： TP 277文獻(xiàn)標(biāo)志碼： A

Research on Design of Automobile Intelligent Anti-collision Alarm System

CAI Yueping

（School of Vehicle Operation Engineering， Qinghai Communication Techical College， Xining， Qinghai 810003， China）

Abstract： This article mainly researches the automobile intelligent anti-collision alarm system， and completes the design of a real-time anti-collision early warning system for forward vehicles based on on-board GigEVision. This system can effectively adapt to the structured road environment and obtain high altitude by using GigE industrial cameras. It can achieve effectively the detection of the image of the vehicle in front， and then calculate the real-time vehicle speed and the longitudinal distance between the vehicle and the front workshop in real time by using the ranging method. On this basis， the determination of the driving state of the vehicle is completed.

Key words： Intelligent car collision avoidance; collision avoidance alarm system; GigEVision; visual ranging

0 引言

隨著汽車保有量的不斷上升及高速公路建設(shè)規(guī)模的不斷擴(kuò)大在為出行運(yùn)輸帶來(lái)巨大便利的同時(shí)，為保證交通及人身財(cái)產(chǎn)安全帶來(lái)了極大的挑戰(zhàn)，尤其是愈發(fā)頻繁的公路上車輛追尾事故對(duì)汽車主動(dòng)避撞功能提出了更高的要求，設(shè)計(jì)并完善汽車主動(dòng)避撞控制系統(tǒng)成為領(lǐng)域內(nèi)的研究重點(diǎn)，通過(guò)研發(fā)及應(yīng)用汽車防撞系統(tǒng)可使交通事故的發(fā)生概率得到有效降低，成為確保車輛及人員生命財(cái)產(chǎn)安全的一項(xiàng)重要手段。本文主要對(duì)汽車智能防撞報(bào)警系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì)，通過(guò)構(gòu)建相應(yīng)的控制系統(tǒng)實(shí)現(xiàn)汽車有效避讓危險(xiǎn)狀況的操控過(guò)程，為進(jìn)一步提高汽車行駛安全性提供參考。

1 現(xiàn)狀分析

快速發(fā)展的科學(xué)技術(shù)及汽車工業(yè)使汽車成為日常生產(chǎn)生活中不可或缺的交通工具，汽車保有量逐年遞增，復(fù)雜多變的交通路況及行駛環(huán)境對(duì)車輛防撞報(bào)警系統(tǒng)提出了更高的要求，車輛防撞報(bào)警系統(tǒng)（一種自主式駕駛輔助系統(tǒng)）成為避免由車輛追尾碰撞引發(fā)的交通事故的有效手段。前方車輛防撞報(bào)警系統(tǒng)成為研究者及汽車廠商的關(guān)注重點(diǎn)，該系統(tǒng)主要通過(guò)車載傳感技術(shù)的使用實(shí)現(xiàn)駕駛員行車安全感知能力的擴(kuò)展，從而使車輛駕駛的安全性能得以顯著提高。目前在檢測(cè)識(shí)別行駛車輛前方信息方面以超聲波、激光、雷達(dá)等技術(shù)較為常用，這些技術(shù)因成本較高而限制了應(yīng)用范圍，基于機(jī)器視覺(jué)的檢測(cè)方式成為解決問(wèn)題的有效手段，傳統(tǒng)防撞預(yù)警系統(tǒng)由于普遍存在圖像分辨率及采集速率等方面的不足而難以滿足現(xiàn)代汽車的使用需求?；跈C(jī)器視覺(jué)的汽車防撞報(bào)警系統(tǒng)需通過(guò)先進(jìn)圖像采集技術(shù)的運(yùn)用實(shí)現(xiàn)系統(tǒng)實(shí)時(shí)性和魯棒性的進(jìn)一步提高[1]。本文在設(shè)計(jì)防撞報(bào)警系統(tǒng)時(shí)通過(guò)使用GigEVision接口實(shí)現(xiàn)了相機(jī)圖像的實(shí)時(shí)快速的采集過(guò)程（僅需通過(guò)一根網(wǎng)線連接，傳輸速度可達(dá)1000mpbs），實(shí)現(xiàn)了針對(duì)前方車輛的實(shí)時(shí)防撞預(yù)警功能。

2 汽車防撞報(bào)警系統(tǒng)總體設(shè)計(jì)

在設(shè)計(jì)汽車防撞報(bào)警系統(tǒng)過(guò)程中，對(duì)于車輛行駛環(huán)境中的目標(biāo)車輛檢測(cè)、構(gòu)建安全車距模型及防撞報(bào)警相關(guān)算法是需要解決的關(guān)鍵環(huán)節(jié)，尤其是在車輛行駛過(guò)程中如何通過(guò)防撞預(yù)警算法的使用實(shí)現(xiàn)對(duì)前方車輛快速準(zhǔn)確的檢測(cè)和判斷。汽車防撞報(bào)警系統(tǒng)方面的研究已經(jīng)取得一定的進(jìn)展，例如，以前方車輛行為為依據(jù)設(shè)計(jì)的碰撞預(yù)警系統(tǒng)實(shí)現(xiàn)了在發(fā)生碰撞前預(yù)警信息的輸出（黃慧玲等），具體通過(guò)單目視覺(jué)方法的運(yùn)用實(shí)現(xiàn)對(duì)前方車輛的跟蹤檢測(cè)過(guò)程，針對(duì)前方車輛的行為通過(guò)使用隱馬爾可夫模型完成對(duì)應(yīng)的快速建模識(shí)別過(guò)程;結(jié)合運(yùn)用激光雷達(dá)和機(jī)電控制技術(shù)的車輛防撞預(yù)警系統(tǒng)（尹小琴等），則以發(fā)生于高速公路上的汽車追尾事故特點(diǎn)車內(nèi)乘員受損傷等情形為依據(jù)進(jìn)行設(shè)計(jì)，在實(shí)現(xiàn)防撞預(yù)警功能的同時(shí)能夠?qū)ζ嚫呶恢苿?dòng)燈和主動(dòng)頭枕進(jìn)行有效控制;一種基于車道線和前方車輛識(shí)別技術(shù)的前方車輛防撞預(yù)警系統(tǒng)（Raphael等），主要應(yīng)用于結(jié)構(gòu)化道路上實(shí)現(xiàn)預(yù)警功能;基于單目視覺(jué)的防撞預(yù)警系統(tǒng)（Deng等），對(duì)在行駛環(huán)境中的前方車輛通過(guò)haar、方向梯度直方圖（HOG）以及碰撞時(shí)間（TTC）算法的綜合運(yùn)用完成特征檢測(cè)和車輛狀態(tài)判斷過(guò)程[1]。

本文在現(xiàn)有研究基礎(chǔ)上對(duì)汽車防撞報(bào)警系統(tǒng)進(jìn)行了優(yōu)化設(shè)計(jì)，不同于傳統(tǒng)車輛防撞預(yù)警系統(tǒng)，該系統(tǒng)使用千兆以太網(wǎng)相機(jī)采集前方圖像信息（基于GigEVision接口標(biāo)準(zhǔn)）。系統(tǒng)硬件平臺(tái)主要由車載電源、GigE工業(yè)相機(jī)、工控機(jī)、顯示器、速度傳感器和加速度傳感器構(gòu)成。結(jié)合運(yùn)用openCV與C++完成了系統(tǒng)軟件的編寫(xiě)（在vs環(huán)境下），主要由數(shù)據(jù)采集、預(yù)警算法、圖像處理、報(bào)警及圖像顯示記錄幾個(gè)主要模塊構(gòu)成。系統(tǒng)總體架構(gòu)示意圖如圖1所示。

2.1 硬件部分

該系統(tǒng)具體采用了MV-Em120C型的GigE工業(yè)相機(jī)并安裝在車內(nèi)后視鏡上，速度傳感器和加速度傳感器分別選用了VK162GPS和WT61C，分別負(fù)責(zé)完成對(duì)車輛行駛過(guò)程中的前方車輛圖像、自車車速及加速度的實(shí)時(shí)采集。相機(jī)將獲取的圖像幀向工控機(jī)傳輸（使用CAT.6型網(wǎng)線完成通信過(guò)程）;置于車輛頂部蒙皮上的GPS速度傳感器（通過(guò)底座上的磁鐵吸附固定），和安裝于駕駛員座椅下方的加速度傳感器通過(guò)USB串口的使用實(shí)現(xiàn)同工控機(jī)間的通信過(guò)程;工控機(jī)在接收到圖像幀、車速與加速度信息后通過(guò)進(jìn)一步處理分析實(shí)現(xiàn)對(duì)前方車輛的行車安全狀態(tài)判別及報(bào)警功能（包括檢測(cè)、測(cè)距、速度計(jì)算、數(shù)據(jù)記錄顯示等）[2]。

2.2 軟件部分

GigE相機(jī)通過(guò)SDK開(kāi)發(fā)包的調(diào)用實(shí)現(xiàn)控制過(guò)程，在MVGigE/MVImage.h頭文件中封裝相機(jī)的全部功能，相機(jī)完成圖像幀采集后系統(tǒng)會(huì)將其存儲(chǔ)到MVImage類中（包括寬高、通道數(shù)和深度信息），同時(shí)標(biāo)識(shí)相機(jī)的工作狀態(tài)（使用句柄m_hCam完成），對(duì)圖像幀和相機(jī)狀態(tài)的實(shí)時(shí)管理過(guò)程通過(guò)將其固定在特定的類和句柄內(nèi)實(shí)現(xiàn)。工控機(jī)同速度及加速度傳感器間使用USB串口進(jìn)行實(shí)時(shí)通訊，為了準(zhǔn)確實(shí)時(shí)的讀取車速和加速度信息，USB串口需通過(guò)調(diào)用CnComm.h頭文件（第三方串口）完成CnComm類Comm的新建過(guò)程，系統(tǒng)數(shù)據(jù)采集流程如圖2所示。

系統(tǒng)軟件采用多線程技術(shù)，處理圖像幀時(shí)會(huì)對(duì)應(yīng)新建一個(gè)Record線程（不占用原工作線程的資源），用于記錄保存處理結(jié)果，在記錄結(jié)果時(shí)該新線程不會(huì)影響系統(tǒng)報(bào)警處理性能[3]。軟件功能流程具體如圖3所示。

3 汽車智能防撞報(bào)警系統(tǒng)的實(shí)現(xiàn)

3.1 前方車輛檢測(cè)算法

在車輛行駛過(guò)程中，系統(tǒng)對(duì)前方狀況的圖像采集使用GigEVision接口標(biāo)準(zhǔn)的工業(yè)相機(jī)完成，綜合運(yùn)用UDP數(shù)據(jù)傳輸層協(xié)議、GVCP和GVSP應(yīng)用層協(xié)議能夠?yàn)橄到y(tǒng)提供較高分辨率的圖像幀（1280x960像素）和較高的圖像傳輸幀率，同時(shí)可保證系統(tǒng)的可靠性。系統(tǒng)獲取圖像后由圖像處理模塊負(fù)責(zé)完成Adaboost級(jí)聯(lián)訓(xùn)練器的加載，車輛實(shí)時(shí)檢測(cè)過(guò)程根據(jù)該訓(xùn)練器訓(xùn)練獲取的分類器文件（.xml）進(jìn)行，正、負(fù)樣本訓(xùn)練集描述文件具體通過(guò)使用opencv_haartraining.exe程序完成加載和訓(xùn)練，最終獲得.xml文件，主要實(shí)現(xiàn)步驟為：

（1） 首先獲取訓(xùn)練數(shù)據(jù)集，包括3176張正樣本訓(xùn)練集（拍攝于不同光照條件下的不同車型尾部照片）和9 211張負(fù)樣本訓(xùn)練集（非車輛照片），通過(guò)歸一處理樣本庫(kù)中的正樣本（形成24×24像素的灰度圖）使訓(xùn)練負(fù)樣本數(shù)量不足問(wèn)題得以有效解決，同時(shí)對(duì)負(fù)樣本尺寸進(jìn)行大小隨機(jī)的調(diào)整（需大于正樣本尺寸）。（2） 接下來(lái)完成樣本訓(xùn)練集描述文件制作，針對(duì)正、負(fù)樣本訓(xùn)練集通過(guò)opencv_createsamples.exe程序的使用完成具體描述，分別形成pos.txt文件和neg.txt文件。（3） 再對(duì)Adaboost級(jí)聯(lián)分類器進(jìn)行訓(xùn)練，先完成樣本訓(xùn)練集描述文件加載（通過(guò)opencv_haartraining.exe程序），將npos、nneg和nstages分別設(shè)置為900、2 800、18，boosttype類型為GAB，w和h均為24，minhittrte和maxfalsealarm分別設(shè)置為0.995和0.5，在此基礎(chǔ)上進(jìn)行一段時(shí)間的訓(xùn)練，從而獲取分類器配置參數(shù)文件（.xml）[4]。

在visualstudio上通過(guò)OpenCv開(kāi)源庫(kù)和C++編程語(yǔ)言的綜合運(yùn)用完成實(shí)時(shí)檢測(cè)過(guò)程，對(duì)于GigE相機(jī)實(shí)時(shí)采集到的前方圖像可通過(guò)cvsetimageROI（）的使用完成對(duì)感興趣區(qū)的設(shè)置，獲得待檢圖像（僅包含前方本車道信息）;然后預(yù)處理待檢圖像，通過(guò)使用cvcvtcolor（）、cvEqualize-Hist（）、cvResize（）函數(shù)實(shí)現(xiàn)，處理結(jié)果如圖4所示。

接下來(lái)對(duì)待檢圖像執(zhí)行haar-like檢測(cè)，具體通過(guò)cvHaarDelectObjects（）函數(shù)完成;加載訓(xùn)練好的分類器判斷所有子窗口，并框出目標(biāo)車輛[5]。

3.2 前方車輛測(cè)距

車距的實(shí)時(shí)測(cè)量通過(guò)使用測(cè)距方法（基于單幀靜態(tài)圖像）實(shí)現(xiàn)，幾何模型如圖5所示。

假設(shè)，相機(jī)離地高度由h表示（單位：m），α表示相機(jī)與水平方向的俯仰角，相機(jī)的像素焦距由f表示（單位：pixel），y0表示平面坐標(biāo)原點(diǎn)的縱坐標(biāo)，標(biāo)識(shí)框底邊中點(diǎn)由p′表示，y表示p′的縱坐標(biāo)，f表示相機(jī)內(nèi)參數(shù)，本車與前車的距離d的表達(dá)式如下[6]。

在獲取h、α、f、y0的情況下，求得p′的縱坐標(biāo)y即可即可求得d值。

3.3 防撞預(yù)警算法

安全距離報(bào)警分為提醒報(bào)警和危險(xiǎn)報(bào)警，根據(jù)本車速度信息（由速度傳感器提供）及前車距離幀變化計(jì)算結(jié)果實(shí)現(xiàn)前車速度和加速度信息的獲取，在此基礎(chǔ)上計(jì)算得出前后兩車的安全距離，前車的實(shí)際行駛狀態(tài)包括靜止、減速、勻速（加速）[7]。

（1） 前車靜止，在后車減速停車后同前車保持的車距（由D0表示）即為安全距離，假設(shè)，本車速度由vh表示（單位：m/s），本車最大減速度由ah表示（單位：m/s2），制動(dòng)器協(xié)調(diào)時(shí)間及制動(dòng)減速度增長(zhǎng)時(shí)間分別由tbc和tbr表示（單位：s），危險(xiǎn)報(bào)警距離Dw的表達(dá)式如下。

考慮駕駛員反應(yīng)時(shí)間（由thum表示），得到提醒報(bào)警距離Da的計(jì)算表達(dá)式如下。

（2） 本車車速大于前車，且前車處于勻速或加速行駛狀態(tài)，后車減速至與前車相同速度為最危險(xiǎn)時(shí)刻，假設(shè)，vf表示前車速度，兩車間的相對(duì)速度由vrel表示（取值為vh-vf），危險(xiǎn)報(bào)警距離Dw的表達(dá)式如下。

提醒報(bào)警距離Da表達(dá)式如下。

（3） 前車減速行駛，本車減速跟馳，兩車減速至相同速度時(shí)為最危險(xiǎn)時(shí)刻，為在簡(jiǎn)化預(yù)警算法計(jì)算的同時(shí)確保兩車安全行駛，將最危險(xiǎn)時(shí)刻對(duì)應(yīng)為兩車減至停車狀態(tài)，Af表示前車即本車的最大減速度，危險(xiǎn)報(bào)警距離表達(dá)式如下[7]。

提醒報(bào)警距離表達(dá)式如下。

根據(jù)前車的駛狀態(tài)計(jì)算出對(duì)應(yīng)的安全距離，再通過(guò)對(duì)比本車與前車的距離d完成當(dāng)前行車安全狀態(tài)的判別和預(yù)警。

4 試驗(yàn)測(cè)試及結(jié)果分析

采用多相機(jī)嵌入式視覺(jué)系統(tǒng)（MV-VS820，處理器CPU型號(hào)為Intel Corei3，內(nèi)存為4GB）作為系統(tǒng)硬件平臺(tái)，安裝于車內(nèi)前擋風(fēng)玻璃后視鏡下的相機(jī)鏡頭采用M3514-MP型（幀率為30fps，分辨率為1 280×960像素）。利用標(biāo)定工具Toolbox（MATLAB自帶）求解相機(jī)內(nèi)部參數(shù)，同時(shí)標(biāo)定相機(jī)外部參數(shù)（結(jié)合車道消失線），標(biāo)定后得到的結(jié)果為：x軸和y軸的水平方向像素焦距fx和fy分別為8 753.34和8 732.01pixel，x軸和y軸的方向基準(zhǔn)點(diǎn)坐標(biāo)osx和osy分別為633.58和489.85，相機(jī)垂直高度h為1.46，相機(jī)水平俯仰角α為1.8°。

實(shí)車試驗(yàn)在白天的城郊和高速公路上進(jìn)行，在試驗(yàn)視頻中分別選取圖像200幀測(cè)試系統(tǒng)的有效性與魯棒性，道路試驗(yàn)車輛檢測(cè)結(jié)果如表1所示。

靜態(tài)距離下車距測(cè)量結(jié)果如表2所示。

車距測(cè)量平均相對(duì)誤差為2.7%、平均絕對(duì)誤差為1.85 m，證明該系統(tǒng)的車距測(cè)量結(jié)果具有較高的準(zhǔn)確性，可有效滿足系統(tǒng)預(yù)警功能需求。固定前方車輛，本車在距前方車輛300 m處以不同車速接近前車，各重復(fù)完成3次，記錄提示報(bào)警時(shí)刻和對(duì)應(yīng)車間距離，碰撞預(yù)警算法試驗(yàn)結(jié)果如圖6和圖7所示，證明系統(tǒng)報(bào)警反應(yīng)靈敏，并且實(shí)際報(bào)警距離同理論計(jì)算結(jié)果基本吻合，驗(yàn)證了該系統(tǒng)的防撞報(bào)警功能的有效性和穩(wěn)定性[8]。

5 總結(jié)

本文主要設(shè)計(jì)了一種汽車防撞報(bào)警系統(tǒng)及主動(dòng)防撞預(yù)警方法，防撞預(yù)警算法基于安全距離完成計(jì)算過(guò)程，該系統(tǒng)基于車載GigEVision實(shí)現(xiàn)了實(shí)時(shí)監(jiān)測(cè)前方車輛的防撞報(bào)警功能，通過(guò)多傳感器的使用完成防撞報(bào)警系統(tǒng)軟硬件平臺(tái)的搭建，并詳細(xì)介紹了系統(tǒng)的數(shù)據(jù)采集和相關(guān)軟件工作流程，前車行駛信息主要通過(guò)結(jié)合運(yùn)用單幀靜態(tài)測(cè)距法和車輛檢測(cè)算法（基于haar特征）獲取，車輛在行駛過(guò)程中通過(guò)該系統(tǒng)能夠?qū)崿F(xiàn)實(shí)時(shí)高效的預(yù)警功能，基于GigEVision協(xié)議的防撞報(bào)警系統(tǒng)可適用于不同道路環(huán)境，能夠?qū)崟r(shí)準(zhǔn)確的對(duì)前方車輛的速度及車距進(jìn)行檢測(cè)，并及時(shí)輸出預(yù)警信息，具有較高的車輛檢測(cè)率及良好的的實(shí)時(shí)性和魯棒性。測(cè)試結(jié)果表明該報(bào)警系統(tǒng)具備較高的車距測(cè)量準(zhǔn)確率，能夠根據(jù)實(shí)際情況進(jìn)行及時(shí)可靠的防撞預(yù)警。

參考文獻(xiàn)

[1] 付長(zhǎng)軍，李斌，喬宏章. 車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展現(xiàn)狀研究[J]. 無(wú)線電通信技術(shù)， 2018（4）：323-327.

[2] 牛成勇，徐建勛，曾杰，等. 客車前撞預(yù)警系統(tǒng)性能測(cè)試與評(píng)價(jià)[J]. 汽車技術(shù)， 2018（5）：16-19.

[3] 陸文昌，徐力，袁朝春. 汽車主動(dòng)避撞系統(tǒng)主動(dòng)制動(dòng)實(shí)現(xiàn)方法[J]. 機(jī)械制造與自動(dòng)化， 2017（4）：195-198.

[4] 劉冬軍，徐美華，龔露鳴，等. 前方車輛檢測(cè)的特征融合算法研究與實(shí)現(xiàn)[J]. 上海大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017（6）：893-904.

[5] 陳濤，方威，安林芳. 基于DSRC的車輛防追尾預(yù)警算法[J]. 汽車安全與節(jié)能學(xué)報(bào)， 2017（2）：164-169.

[6] 朱立紅，顧祖成，顧鵬，等. 基于最小二乘法擬合的步態(tài)曲線獲取方法研究[J]. 合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2017（6）：727-730.

[7] 劉慶華，邱修林，謝禮猛，等. 基于行駛車速的車輛防撞時(shí)間預(yù)警算法[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2017（12）：99-106.

[8] 楊瀾，馬佳榮，趙祥模，等.基于車路協(xié)同的高速公路車輛碰撞預(yù)警模型[J]. 公路交通科技， 2017（9）：123-129.

（收稿日期： 2019.12.14）

作者簡(jiǎn)介：

蔡月萍（1985-），女，碩士，教授，研究方向：汽車運(yùn)用與維修技術(shù)。