基于單目視覺的汽車追尾預(yù)警系統(tǒng)研究

在陰影圖像中由下至上逐行搜索，尋找連續(xù)陰影點超過一定閾值的線段，并以此線段為底邊劃出一個矩形區(qū)域作為疑似車輛區(qū)域。為保證疑似區(qū)域包含車輛整體，矩形的寬度比線段稍寬，高度由寬度按比例給出。為避免重復(fù)搜索，將已搜索到的疑似區(qū)域內(nèi)陰影完全抹去。由于同一車輛的各個部分可能分別被檢測為疑似目標(biāo)，因此還需要對各個相交的疑似區(qū)域進(jìn)行合并。由于前方車輛的遮擋，可能會將多個目標(biāo)認(rèn)定為一個目標(biāo)，但是對本車的安全無影響。
2．2．2 篩選驗證
如果單純采用陰影特征進(jìn)行車輛檢測，在保證較低“漏警”率的同時，也造成了較高的“虛警”率，因此還需要對疑似區(qū)域進(jìn)行篩選和驗證。
對于結(jié)構(gòu)化道路，車輛寬度與車道寬度的比值應(yīng)該是大致固定的，那么當(dāng)攝像機的焦距、俯仰角等參數(shù)固定后，圖像上車道寬度(像素數(shù))與車輛寬度(像素數(shù))也滿足這個比例。根據(jù)之前檢測的車道方程，就可以計算出感興趣區(qū)域內(nèi)任意縱坐標(biāo)上車輛圖像寬度的范圍，并剔除寬度不在此范圍內(nèi)的疑似區(qū)域。
在以往的車輛驗證方法中，最常用的是對稱性測度驗證。這種算法的計算量較大，且對于背景復(fù)雜，對稱度差圖像的驗證效果不盡人意。為了解決這個問題，該系統(tǒng)采用了一種基于邊緣二值化圖像，通過搜索車輛左右邊緣進(jìn)行驗證的算法。
假設(shè)疑似區(qū)域的寬度為W，區(qū)域左邊緣的坐標(biāo)為(X1，Y1)，右邊緣的水平坐標(biāo)為(X2，Y2)。定義函數(shù)：

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

式中：Vr為相對車速，由對測出車距求導(dǎo)得到相對車速后進(jìn)行卡爾曼濾波得到；Vb為本車車速，由GPS得到。
如果告警頻率過高，容易使駕駛員麻痹大意，過低可能使駕駛員來不及做出反應(yīng)，因此該系統(tǒng)采用由遠(yuǎn)至近的三段報警。
若車距d≥1．5S，判定為3級威脅，發(fā)出長而緩的報警聲，提醒駕駛員前方有障礙物，但暫無危險；若車距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；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(jù)報警聲判斷威脅等級。