CN109670387A - 一种基于全景视觉分析的车辆主动安全预警***及方法 - Google Patents

一种基于全景视觉分析的车辆主动安全预警***及方法 Download PDF

Info

Publication number
CN109670387A
CN109670387A CN201710962043.1A CN201710962043A CN109670387A CN 109670387 A CN109670387 A CN 109670387A CN 201710962043 A CN201710962043 A CN 201710962043A CN 109670387 A CN109670387 A CN 109670387A
Authority
CN
China
Prior art keywords
camera
early warning
vehicle
image
microprocessor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710962043.1A
Other languages
English (en)
Inventor
刘宗刚
肖伟
林进贵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Soterea Automotive Technology Co Ltd
Original Assignee
Tianjin Soterea Automotive Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Soterea Automotive Technology Co Ltd filed Critical Tianjin Soterea Automotive Technology Co Ltd
Priority to CN201710962043.1A priority Critical patent/CN109670387A/zh
Publication of CN109670387A publication Critical patent/CN109670387A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种基于全景视觉分析的车辆主动安全预警***及方法，包括微处理器、内存、DDR储存器、显示屏、CAN应用接口、刹车执行机构、LVDS接口和摄像***；所述微处理器分别与所述显示屏、CAN应用接口、刹车执行机构、内存、DDR储存器和摄像***进行信号连接。通过CAN应用接口采集车辆数据，经微处理器进行数据检验及判断线程状态；摄像头进行图像采集，由微处理器根据算法进行图像预处理，识别危险目标，并判断危险目标碰撞危险；若判断有危险，则通过刹车执行机构进行刹车处理，并进行预警。本发明对车身周围检测比较全面，而且检测距离较远，能够全方位解决车辆无论在直行、倒车、拐弯等时对障碍物的检测、预警、自主停车，适用范围广。

Description

一种基于全景视觉分析的车辆主动安全预警***及方法
技术领域
本发明属于驾驶辅助技术领域，特别涉及一种基于全景视觉分析的车辆主动安全预警***及方法。
背景技术
随着高级驾驶辅助行业和自动驾驶行业的兴起和成熟，越来越多的驾驶辅助***的产品、方法被应用于车辆上，有前碰撞、后防撞、盲点检测、车道偏离等等；
目前应用于车辆的驾驶辅助***，多数集中在解决某一项难题，比如前防碰撞解决前方碰撞问题，后防碰撞解决车辆后方碰撞问题，盲点检测提醒司机转向时遇到的障碍物问题，360环视给司机提供倒车时俯瞰视角等。
但现有技术或者***之间几乎不存在相互联系和融合，能解决特定一方面的驾驶痛点，却不能全方位地保护车辆本身；同时，对环境适应能力也稍微差一些，比如在拖挂车拐弯时盲点依然存在；还有，图像拼接不能完全再现车辆周围场景，依然会给驾驶员带来误判或者漏判，甚至由于拼接视角较窄，不能给予驾驶者足够的反映时间，还是无法避免碰撞。
发明内容
本发明针对现有技术中存在的技术问题，提供一种基于全景视觉分析的车辆主动安全预警***及方法，对车身周围检测比较全面，而且检测距离较远，能够全方位解决车辆无论在直行、倒车、拐弯等时对障碍物的检测、预警、自主停车，适用范围广。
为解决上述技术问题，本发明采用的技术方案是：一种基于全景视觉分析的车辆主动安全预警***，包括微处理器、内存、DDR储存器、显示屏、CAN应用接口、刹车执行机构、LVDS接口和摄像***；所述微处理器分别与所述显示屏、CAN应用接口、刹车执行机构、内存、DDR储存器和摄像***进行信号连接。
作为优选，所述摄像***通过所述LVDS接口与所述微处理器信号连接；所述摄像***包括前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头。
作为优选，所述前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头均带红外补光。
作为优选，MPU输出实时图像和潜在风险目标，同时与车辆本身的刹车执行机构连接。由6个摄像头实时监视周围的路况和障碍物，如果存在碰撞危险，***将为驾驶者提供预警和自主刹车，避免危险碰撞。
一种基于全景视觉分析的车辆主动安全预警方法，其方法如下：
通过CAN应用接口采集车辆数据，经微处理器进行数据检验及判断线程状态；
摄像头进行图像采集，放入DDR储存器缓存，由微处理器根据算法进行图像预处理，识别危险目标，并判断危险目标碰撞危险；
若判断有危险，则通过刹车执行机构进行刹车处理，并进行预警。
作为优选，算法包括车道线检测算法和模式识别算法。
作为优选，车道线检测算法；
对图像先进行预处理，将彩色图像灰度化和滤波，去掉车辆抖动、周围环境变化带来的图像噪声；再取相应的需监测感兴趣区域(ROI)，进而减少计算量；使用Canny算子对灰度图像进行边缘检测，利用改进的Hough变换进行道路边缘的检测；
高斯滤波：
滤波后图像：
O(x，y)＝f(x，y)*H(x，y)；
得到去完噪声的图像后进行Canny边缘检测，得出绘图图像的边缘轮廓图。
作为优选，模式识别算法；
主要识别的目标包括车辆、人、电动车、自行车、停车位等，算法采用HOG特征提取和SVM分类器结合的方式；
采用归一化处理，降低图像局部阴影和光照变化；
获得图像横纵坐标的梯度值和梯度方向；
梯度值：
gX(x，y)＝H(x+1，y)-H(x-1，y)
gy(x，y)＝H(x，y+1)-H(x，y-1)
梯度方向和梯度幅值：
细胞单元构建和细胞块；
SVM分类器：
假设训练样本数据的集合为，分别可能属于类别或者，选用线性判别函数：
g(x)＝WTx+W0
αi≥0，i＝1，2，...n。
与现有技术相比，本发明所具有的有益效果是：本发明对车身周围检测比较全面，而且检测距离较远，能够全方位的当车辆在直行、倒车、拐弯等对障碍物检测、预警、自主停车，适用范围广；
本发明可对车辆、行人、自行车、电动车等障碍物进行识别和避免碰撞，同时对车道线、停车位边线进行识别和动作，避免压线触及周围障碍物；实现车辆全方位的主动防撞。
附图说明
图1为本发明的结构示意图；
图2为本发明的工作流程图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施例对本发明作详细说明。
本发明的实施例公开了一种基于全景视觉分析的车辆主动安全预警***，包括微处理器、内存、DDR储存器、显示屏、CAN应用接口、刹车执行机构、LVDS接口和摄像***；微处理器分别与显示屏、CAN应用接口、刹车执行机构、内存、DDR储存器和摄像***进行信号连接。
本实施例中，摄像***通过LVDS接口与微处理器信号连接；摄像***包括前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头。
本实施例中，前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头均带红外补光。
本实施例中，MPU输出实时图像和潜在风险目标，同时与车辆本身的刹车执行机构连接。由6个摄像头实时监视周围的路况和障碍物，如果存在碰撞危险，***将为驾驶者提供预警和自主刹车，避免危险碰撞。
一种基于全景视觉分析的车辆主动安全预警方法，其方法如下：
通过CAN应用接口采集车辆数据，经微处理器进行数据检验及判断线程状态；
摄像头进行图像采集，放入DDR储存器缓存，由微处理器根据算法进行图像预处理，识别危险目标，并判断危险目标碰撞危险；
若判断有危险，则通过刹车执行机构进行刹车处理，并进行预警。
本实施例中，算法包括车道线检测算法和模式识别算法。
本实施例中，车道线检测算法；
对图像先进行预处理，将彩色图像灰度化和滤波，去掉车辆抖动、周围环境变化带来的图像噪声；再取相应的需监测感兴趣区域(ROI)，进而减少计算量；使用Canny算子对灰度图像进行边缘检测，利用改进的Hough变换进行道路边缘的检测；
高斯滤波：
滤波后图像：
O(x，y)＝f(x，y)*H(x，y)；
得到去完噪声的图像后进行Canny边缘检测，得出绘图图像的边缘轮廓图。
本实施例中，模式识别算法；
主要识别的目标包括车辆、人、电动车、自行车、停车位等，算法采用HOG特征提取和SVM分类器结合的方式；
采用归一化处理，降低图像局部阴影和光照变化；
获得图像横纵坐标的梯度值和梯度方向；
梯度值：
gx(x，y)＝H(x+1，y)-H(x-1，y)
gy(x，y)＝H(x，y+1)-H(x，y-1)
梯度方向和梯度幅值：
细胞单元构建和细胞块；
SVM分类器：
假设训练样本数据的集合为，分别可能属于类别或者，选用线性判别函数：
g(x)＝WTx+W0
αi≥0，i＝1，2，...n。
以上通过实施例对本发明进行了详细说明，但所述内容仅为本发明的示例性实施例，不能被认为用于限定本发明的实施范围。本发明的保护范围由权利要求书限定。凡利用本发明所述的技术方案，或本领域的技术人员在本发明技术方案的启发下，在本发明的实质和保护范围内，设计出类似的技术方案而达到上述技术效果的，或者对申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖保护范围之内。

Claims (7)

1.一种基于全景视觉分析的车辆主动安全预警***，其特征在于，包括微处理器、内存、DDR储存器、显示屏、CAN应用接口、刹车执行机构、LVDS接口和摄像***；所述微处理器分别与所述显示屏、CAN应用接口、刹车执行机构、内存、DDR储存器和摄像***进行信号连接。
2.根据权利要求1所述的一种基于全景视觉分析的车辆主动安全预警***，其特征在于，所述摄像***通过所述LVDS接口与所述微处理器信号连接；所述摄像***包括前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头。
3.根据权利要求2所述的一种基于全景视觉分析的车辆主动安全预警***，其特征在于，所述前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头均带红外补光。
4.一种基于全景视觉分析的车辆主动安全预警方法，其特征在于，其方法如下：
通过CAN应用接口采集车辆数据，经微处理器进行数据检验及判断线程状态；
摄像头进行图像采集，放入DDR储存器缓存，由微处理器根据算法进行图像预处理，识别危险目标，并判断危险目标碰撞危险；
若判断有危险，则通过刹车执行机构进行刹车处理，并进行预警。
5.根据权利要求4所述的一种基于全景视觉分析的车辆主动安全预警方法，其特征在于，算法包括车道线检测算法和模式识别算法。
6.根据权利要求5所述的一种基于全景视觉分析的车辆主动安全预警方法，其特征在于，车道线检测算法；
对图像先进行预处理，将彩色图像灰度化和滤波，去掉车辆抖动、周围环境变化带来的图像噪声；再取相应的需监测感兴趣区域(ROI)，进而减少计算量；使用Canny算子对灰度图像进行边缘检测，利用改进的Hough变换进行道路边缘的检测；
高斯滤波：
滤波后图像：
O(x，y)＝f(x，y)*H(x，y)；
得到去完噪声的图像后进行Canny边缘检测，得出绘图图像的边缘轮廓图。
7.根据权利要求5所述的一种基于全景视觉分析的车辆主动安全预警方法，其特征在于，模式识别算法；
主要识别的目标包括车辆、人、电动车、自行车、停车位等，算法采用HOG特征提取和SVM分类器结合的方式；
采用归一化处理，降低图像局部阴影和光照变化；
获得图像横纵坐标的梯度值和梯度方向；
梯度值：
gx(x，y)＝H(x+1，y)-H(x-1，y)
gy(x，y)＝H(x，y+1)-H(x，y-1)
梯度方向和梯度幅值：
细胞单元构建和细胞块；
SVM分类器：
假设训练样本数据的集合为，分别可能属于类别或者，选用线性判别函数：
g(x)＝wTx+w0
αi≥0，i＝1，2，...n。
CN201710962043.1A 2017-10-17 2017-10-17 一种基于全景视觉分析的车辆主动安全预警***及方法 Pending CN109670387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710962043.1A CN109670387A (zh) 2017-10-17 2017-10-17 一种基于全景视觉分析的车辆主动安全预警***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710962043.1A CN109670387A (zh) 2017-10-17 2017-10-17 一种基于全景视觉分析的车辆主动安全预警***及方法

Publications (1)

Publication Number Publication Date
CN109670387A true CN109670387A (zh) 2019-04-23

Family

ID=66140190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710962043.1A Pending CN109670387A (zh) 2017-10-17 2017-10-17 一种基于全景视觉分析的车辆主动安全预警***及方法

Country Status (1)

Country Link
CN (1) CN109670387A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110364024A (zh) * 2019-06-10 2019-10-22 深圳市锐明技术股份有限公司 行驶车辆的环境监控方法、装置及车载终端
CN110544386A (zh) * 2019-09-18 2019-12-06 奇瑞汽车股份有限公司 车位识别方法、装置及存储介质
CN112389327A (zh) * 2020-12-01 2021-02-23 哈尔滨北方防务装备股份有限公司 一种基于履带式双节车的驾驶感知***
CN116311174A (zh) * 2023-05-23 2023-06-23 四川智慧高速科技有限公司 一种基于机器视觉的车辆防碰撞方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202309974U (zh) * 2011-10-27 2012-07-04 上海德致伦电子科技有限公司 基于fpga的智能车载360°全景成像***
CN104008645A (zh) * 2014-06-12 2014-08-27 湖南大学 一种适用于城市道路车道线预测及预警方法
CN105046197A (zh) * 2015-06-11 2015-11-11 西安电子科技大学 基于聚类的多模板行人检测方法
CN205059421U (zh) * 2015-09-14 2016-03-02 广州微牌智能科技有限公司 一种先进驾驶辅助***的改进结构
CN207397291U (zh) * 2017-10-17 2018-05-22 天津所托瑞安汽车科技有限公司 一种基于全景视觉分析的车辆主动安全预警***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202309974U (zh) * 2011-10-27 2012-07-04 上海德致伦电子科技有限公司 基于fpga的智能车载360°全景成像***
CN104008645A (zh) * 2014-06-12 2014-08-27 湖南大学 一种适用于城市道路车道线预测及预警方法
CN105046197A (zh) * 2015-06-11 2015-11-11 西安电子科技大学 基于聚类的多模板行人检测方法
CN205059421U (zh) * 2015-09-14 2016-03-02 广州微牌智能科技有限公司 一种先进驾驶辅助***的改进结构
CN207397291U (zh) * 2017-10-17 2018-05-22 天津所托瑞安汽车科技有限公司 一种基于全景视觉分析的车辆主动安全预警***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110364024A (zh) * 2019-06-10 2019-10-22 深圳市锐明技术股份有限公司 行驶车辆的环境监控方法、装置及车载终端
CN110544386A (zh) * 2019-09-18 2019-12-06 奇瑞汽车股份有限公司 车位识别方法、装置及存储介质
CN112389327A (zh) * 2020-12-01 2021-02-23 哈尔滨北方防务装备股份有限公司 一种基于履带式双节车的驾驶感知***
CN116311174A (zh) * 2023-05-23 2023-06-23 四川智慧高速科技有限公司 一种基于机器视觉的车辆防碰撞方法及***

Similar Documents

Publication Publication Date Title
CN207397291U (zh) 一种基于全景视觉分析的车辆主动安全预警***
US11673605B2 (en) Vehicular driving assist system
US11662196B2 (en) Trailer angle detection system using rear camera of vehicle
CN108638999B (zh) 一种基于360度环视输入的防碰撞预警***及方法
CN109670387A (zh) 一种基于全景视觉分析的车辆主动安全预警***及方法
US20180239970A1 (en) Adaptive lane marker detection for a vehicular vision system
WO2011068593A2 (en) Cross traffic collision alert system
DE112013001424T5 (de) Objekterkennungsvorrichtung
US10423843B2 (en) Vehicle vision system with enhanced traffic sign recognition
DE102015111907B4 (de) Algorithmus zum Erweitern des Erkennungsbereichs für eine AVM-Haltelinienerkennung
GB2554427B (en) Method and device for detecting a trailer
US10974649B2 (en) Vehicular parking assist system using backup camera
US11236991B2 (en) Method for determining a current distance and/or a current speed of a target object based on a reference point in a camera image, camera system and motor vehicle
US20180208201A1 (en) System and method for a full lane change aid system with augmented reality technology
US20180162274A1 (en) Vehicle side-rear warning device and method using the same
US11081008B2 (en) Vehicle vision system with cross traffic detection
Raviteja et al. Advanced driver assitance system (ADAS)
CN108944668A (zh) 一种基于车载360度环视输入的辅助驾驶预警方法
Cualain et al. Multiple-camera lane departure warning system for the automotive environment
CN114119955A (zh) 一种潜在危险目标检测方法及装置
CN107914639B (zh) 使用外反射镜的车道显示装置及车道显示方法
Chen et al. Vehicle detection in nighttime environment by locating road lane and taillights
CN114644014A (zh) 一种基于车道线的智能驾驶方法及相关设备
KR101543119B1 (ko) 합성된 주행 영상 제공방법
KR20180069282A (ko) 자율주행을 위한 차선검출 방법.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination