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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000007246 mechanism Effects 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract 2
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 2
- 231100001261 hazardous Toxicity 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000002788 crimping Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
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
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。
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)
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)
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*** |
-
2017
- 2017-10-17 CN CN201710962043.1A patent/CN109670387A/zh active Pending
Patent Citations (5)
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)
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 |