汽车防碰撞安全控制系统的研究综述
孔金生赵亮
(郑州大学
电气工程学院,河南郑州450001)
摘要:近年来随着汽车数量的增加和驾驶员的大众化与非职业化,汽车碰撞引起的交通事故与日俱增。因此.汽车防碰撞系统的研究成为世界各国当前的一个热点课题。本文对国内外汽车防碰撞安全控制系统的研究现状进行了总结,并对该领域的未来研究方向进行了展望。
关键词:汽车防碰撞;车辆检测与识别;信息融合;防碰撞安全控制系统中图分类号:TP29文献标志码:A文章编号:1003—5168(2014)14-0083—02
1
引言
之处,得到的阴影区可能会包含一些路面杂质和其他路边阴影区域,从而使车辆检测受到干扰。因此排除非车辆阴影区也是一项重要任务。一般车辆区域的灰度变化复杂、纹理特征强,可以通过计算粗糙度来有效剔除杂质。N.Sarkar等提出了差分盒子维
fDifterentialBox
随着现在交通事业的不断发展,交通事故已成为全球范围内日益严重的公共安全问题。相关统计信息表明,驾驶员的主观因素导致的交通事故在所有交通事故中占有最高比率。若在交通事故发生前的1.5s给驾驶员发出预警,可避免90%的碰撞事故【l】。汽车防碰撞安全控制系统通过各种传感器,比如摄像头、雷达等,实时检测车辆周围的物体,并对物体进行识别与跟踪,测量出目标车辆距离本车的距离,从而预计出相撞时问。当该时问小于安全阈值时,发出警报提示驾驶员潜在的危险,从而提高了驾驶的安全性,有效降低了交通事故的发生频率。对汽车防碰撞系统的研究在国际上始于20世纪60年代,主要以德国、美国和日本为代表。我国在这方面的研究起步较晚[21,但是我国与国际水平的差距正在因国家的重视以及科研人员的努力而逐步缩小。
本文总结了目前国内外一些关于汽车防碰撞安全控制系统的车辆检测与识别、跟踪和安全距离模型的应用研究概况,为进一步研究提供了基础。
2汽车防碰撞安全控制系统
汽车防碰撞安全控制系统的实现方式虽多,但基本的工作流程大致一样。汽车防碰撞安全控制系统的基本原理如图1所示。车辆的检测与识别、汽车跟踪和安全距离模型是该系统的重要组成部分。
Counting)算法[51,可以有效、精确地排除非车辆
区域。
3.2基于模式识别的方法
首先从单帧图像中实现车辆的识别。在单帧图像中产生车辆感兴趣区域,为减少计算量,根据图像中的汽车某些特征设计一个基于边缘特征的滤波器。该滤波器根据汽车的一些鲜明特征将单帧图像中的缺少明显汽车特征的区域滤除。然后将感兴趣区域挑选出来进行基于区域的车辆判别。在单帧图像中的感兴趣区域中,运用一个相应的车辆分别识别算法将感兴趣区域中的不符合车辆的障碍物做进一步滤除。具体地可以根据最近邻域的局部特征[61或根据支持向量机(SVM)建立一个层联的分类器。最后,利用视频序列多帧图像的附加信息进行修复验证。因为光线的强弱变换、其他障碍物的遮挡以及阴影等干扰原因,可能会造成一些“伪车辆”的错误判断,这将导致后续的防碰撞错误预警,因此要根据视频序列中的附加信息对检测出的车辆进行修正。
4车辆的跟踪
汽车防碰撞系统中对目标车辆的跟踪主要有两个目的:一是通过对车辆进行跟踪缩小视频序列中的车辆的搜索范围,减小计算量提高汽车防碰撞系统的实时性;二是解决目标车辆的突然更替;三是通过预测下一帧图像中车辆的位置解决信号突然中断和车辆遮挡等情况。
4.1基于Kahnan的跟踪方法
Kalman滤波器是一种最优化自回归数据处理算法。它根据上一状态的估计值和当前状态的观测值推出当前状态的估计值,对信号的平稳性和时不变性要求不高。
Kalman滤波跟踪过程为:根据跟踪目标的当前状态向量利用Kalman滤波器预测新的位置和高度。据此产生预测车辆的区域、计算该区域的归一化转动惯量NMI(NommlizedMomentoflnertia)特征值,与以前序列图像中该车辆目标的NMI特征值进行比较验证。验证通过,则在原预测区域的基础上高宽同时扩充1.2倍,在此放大区域内重新界定车辆区域,形成新的观测值,否则放弃对此目标车辆的跟踪。该算法的优点是能够自动地适应检测过程当中采样周期的变化,对于目标运动较快在前后帧之问的距离较大时能够很好地适应。
4.2基于Meanshifl的跟踪方法
Meanshifi算法的框架最早是Fukunaga和Hosteler于1975年提出的一种无参数算法【lol。它利用梯度上升方向作为求最值
图1汽车防碰撞安全控制系统原理图
3车辆的检测与识别
车辆的检测属于背景运动的目标识别。要做到在视频图像中很好地识别出车辆,首先必须在单帧图像中将车辆识别出来,然后才能进行多帧序列的车辆识别。
3.1基于梯度的阴影检测方法
路面像素值由近及远灰度分布变化是连续的,而在车辆底部处像素的灰度值明显会低于其周围的像素,因此像素灰度分布会产生较大变化。利用图像灰度及梯度分布特征,通过阴影检测完成车辆的初步定位,是一种可行的车辆检测方法。张建明等人提出的算法可以有效检测出路面行驶车辆【4]。该算法也有不足
的方法来减少特征搜索匹配的时问,实现目标的快速定位。在当前帧的候选目标中找到真正目标位置的一般过程为:假设一个目标模型,该模型有特征z具有密度函数q(z),且中心在y的候选目标具有特征分布p(z)。接下来就是找到一个位置Y,使得此处候选目标的密度函数和真正目标模板的密度函数最相近。这样目标跟踪问题就可以转换为目标模块与候选模块的特征分布函数相似对比的问题。
该算法的优点是平均迭代次数少,收敛性好,运算相对简单,能够满足实时性需要,能够处理部分目标遮挡或者重叠问题。缺点是该算法对目标的大小不能自适应。
5安全距离模型
汽车防碰撞安全控制系统功能实现的基础是安全距离模型,国内外学者进行了相关的研究并提出了几种模型。该模型应满足以下要求:安全距离模型适用的道路情况能够涵盖一般道路交通的大多数路况;安全距离模型所使用的行车信息能够在实时条件下获得。
5.1基于前车运动状态并引入附着系数的模型
设自车行驶速度为v,前车速度为VO,两车相对速度u=v—VO,自车的制动减速度为a,驾驶员做出判断并采取措施所造成的迟滞时问为t,。
当前车以匀速vn行驶时,最小安全距离为:
S=v,t1
832=V蛐212+二等t22
(10)
式中,v。zVa睾t。,V2zV。at。,持续制动阶段总路程为:s3_s,。+s。
自车的制动停车距离即为:x。=S。+S:+S,,前车运动距离x:为:X:=
—羔+争珉
该安全距离模型的优点是采用智能控制,完全自动刹车,降低了对驾驶员的要求,提高了制动效果,并对车问距进行了优化,提高了公路利用率。
6未来发展方向
目前,已有大量技术应用于智能交通中,特别需要指出的是传感器信息融合技术。为了提高系统的准确性,往往需要多种传感器对目标进行测量,迫使人们要对各种传感器和不同信息源进行有效的集成,以提高数据处理的自动化程度。在汽车防碰撞安全控制系统中的应用中,需要摄像机、雷达、红外传感器等多种检测装置,信息融合技术就显得尤为重要。
随着人工智能、视觉计算理论以及测距技术等相关支撑学科的不断完善,汽车防碰撞安全控制系统也必将朝更好的实时性和准确性方向前进。具体的发展目标有:(1)考虑侧面目标和行人目标,提出更高效的目标识别和跟踪算法,增强目标识别的鲁棒性;(2)完善安全距离模型和自动刹车控制系统,减少驾驶
vZ/2a(1)
当前车以匀加速a。行驶时,自车实施制动是只需将调节至与前车速度相等即可,最小安全距离为:
S=v,t1
员误操作的风险;(3)基于传感器信息融合技术实现汽车防碰撞控制。
7总结
a0121+v2J(aoa1)(2)
随着汽车在全球的普及以及智能控制的迅猛发展,21世纪的汽车必将走向智能化,而集合了先进的信息处理技术、通信技术、自动控制技术以及信息融合技术的汽车防碰撞安全控制系统将会成为未来汽车发展的重心。优化设计,提高系统可靠性和人机交互性,使驾驶员轻松、安全地驾驶车辆,并对各种紧急情况作出正确应对,减少碰撞事故的发生,是汽车防碰撞安全控制系统的使命。
参考文献:
[1]张伟.高速公路视频监控系统联网技术的研究与实现『D].上海:上海海事大学,2004.
[2]邓明哲.高速公路追尾碰撞防报警系统的研[D].武汉:武
汉理工大学.2006.
当前车以匀减速ao行驶时,此时碰撞风险较大,需将自车v值减至0为止,最小安全距离为:
(3)aot21/2+v(v,aotl)/a(a+ao)v2/2a2
该安全距离模型的优点是根据不同的道路和天气情况,在
S=v,t1
保证安全的前提下可以有效地改变安全距离,提高对道路交通的利用率,符合汽车的真实运行情况。
5.2基于智能控制的模型
设自车制动距离为x。,两车问距d和前车运动距离x:,保证行车安全则需要使x。+d。<x:+d,其中d0是两车之问最小距离,一般取2—5米。自车的制动过程分为三个阶段:匀速运动阶段S1.减速度增长阶段S:和持续制动阶段S。。
匀速运动阶段,在制动协调时问t。没有产生制动力,以初速度行驶v。,将速度由km/h换算成m/s,则:
[3]檀柏红,任立肖,张丽等.基于视频图像处理技术的汽车
(7)
防撞系统的研究现状[J].北华航天工业学院学报,2008.18(5):7—
10.
SI=等
sz=—菩訾一}at2。
在减速度增长阶段,设减速度线性增长时问为t。,自车最大减速度值为a,则:
(8)
[4]孔金生,郭非,王希萍.基于安全距离模型的汽车防追尾避撞方法[J].微计算机信息,2008,(32):251~252+271.
基金项目:
河南省科技厅科技攻关项目:132102210397汽车防碰撞智能安全控制系统.
持续制动阶段分两部分:正常制动阶段,时问为t。,自车以最大加速度制动,初速为v。;加速度调整阶段,时问为t:,逐步调整加速度与前车加速度a_一致,则:
s3l_—挚}一÷at21
(9)
汽车防碰撞安全控制系统的研究综述
孔金生赵亮
(郑州大学
电气工程学院,河南郑州450001)
摘要:近年来随着汽车数量的增加和驾驶员的大众化与非职业化,汽车碰撞引起的交通事故与日俱增。因此.汽车防碰撞系统的研究成为世界各国当前的一个热点课题。本文对国内外汽车防碰撞安全控制系统的研究现状进行了总结,并对该领域的未来研究方向进行了展望。
关键词:汽车防碰撞;车辆检测与识别;信息融合;防碰撞安全控制系统中图分类号:TP29文献标志码:A文章编号:1003—5168(2014)14-0083—02
1
引言
之处,得到的阴影区可能会包含一些路面杂质和其他路边阴影区域,从而使车辆检测受到干扰。因此排除非车辆阴影区也是一项重要任务。一般车辆区域的灰度变化复杂、纹理特征强,可以通过计算粗糙度来有效剔除杂质。N.Sarkar等提出了差分盒子维
fDifterentialBox
随着现在交通事业的不断发展,交通事故已成为全球范围内日益严重的公共安全问题。相关统计信息表明,驾驶员的主观因素导致的交通事故在所有交通事故中占有最高比率。若在交通事故发生前的1.5s给驾驶员发出预警,可避免90%的碰撞事故【l】。汽车防碰撞安全控制系统通过各种传感器,比如摄像头、雷达等,实时检测车辆周围的物体,并对物体进行识别与跟踪,测量出目标车辆距离本车的距离,从而预计出相撞时问。当该时问小于安全阈值时,发出警报提示驾驶员潜在的危险,从而提高了驾驶的安全性,有效降低了交通事故的发生频率。对汽车防碰撞系统的研究在国际上始于20世纪60年代,主要以德国、美国和日本为代表。我国在这方面的研究起步较晚[21,但是我国与国际水平的差距正在因国家的重视以及科研人员的努力而逐步缩小。
本文总结了目前国内外一些关于汽车防碰撞安全控制系统的车辆检测与识别、跟踪和安全距离模型的应用研究概况,为进一步研究提供了基础。
2汽车防碰撞安全控制系统
汽车防碰撞安全控制系统的实现方式虽多,但基本的工作流程大致一样。汽车防碰撞安全控制系统的基本原理如图1所示。车辆的检测与识别、汽车跟踪和安全距离模型是该系统的重要组成部分。
Counting)算法[51,可以有效、精确地排除非车辆
区域。
3.2基于模式识别的方法
首先从单帧图像中实现车辆的识别。在单帧图像中产生车辆感兴趣区域,为减少计算量,根据图像中的汽车某些特征设计一个基于边缘特征的滤波器。该滤波器根据汽车的一些鲜明特征将单帧图像中的缺少明显汽车特征的区域滤除。然后将感兴趣区域挑选出来进行基于区域的车辆判别。在单帧图像中的感兴趣区域中,运用一个相应的车辆分别识别算法将感兴趣区域中的不符合车辆的障碍物做进一步滤除。具体地可以根据最近邻域的局部特征[61或根据支持向量机(SVM)建立一个层联的分类器。最后,利用视频序列多帧图像的附加信息进行修复验证。因为光线的强弱变换、其他障碍物的遮挡以及阴影等干扰原因,可能会造成一些“伪车辆”的错误判断,这将导致后续的防碰撞错误预警,因此要根据视频序列中的附加信息对检测出的车辆进行修正。
4车辆的跟踪
汽车防碰撞系统中对目标车辆的跟踪主要有两个目的:一是通过对车辆进行跟踪缩小视频序列中的车辆的搜索范围,减小计算量提高汽车防碰撞系统的实时性;二是解决目标车辆的突然更替;三是通过预测下一帧图像中车辆的位置解决信号突然中断和车辆遮挡等情况。
4.1基于Kahnan的跟踪方法
Kalman滤波器是一种最优化自回归数据处理算法。它根据上一状态的估计值和当前状态的观测值推出当前状态的估计值,对信号的平稳性和时不变性要求不高。
Kalman滤波跟踪过程为:根据跟踪目标的当前状态向量利用Kalman滤波器预测新的位置和高度。据此产生预测车辆的区域、计算该区域的归一化转动惯量NMI(NommlizedMomentoflnertia)特征值,与以前序列图像中该车辆目标的NMI特征值进行比较验证。验证通过,则在原预测区域的基础上高宽同时扩充1.2倍,在此放大区域内重新界定车辆区域,形成新的观测值,否则放弃对此目标车辆的跟踪。该算法的优点是能够自动地适应检测过程当中采样周期的变化,对于目标运动较快在前后帧之问的距离较大时能够很好地适应。
4.2基于Meanshifl的跟踪方法
Meanshifi算法的框架最早是Fukunaga和Hosteler于1975年提出的一种无参数算法【lol。它利用梯度上升方向作为求最值
图1汽车防碰撞安全控制系统原理图
3车辆的检测与识别
车辆的检测属于背景运动的目标识别。要做到在视频图像中很好地识别出车辆,首先必须在单帧图像中将车辆识别出来,然后才能进行多帧序列的车辆识别。
3.1基于梯度的阴影检测方法
路面像素值由近及远灰度分布变化是连续的,而在车辆底部处像素的灰度值明显会低于其周围的像素,因此像素灰度分布会产生较大变化。利用图像灰度及梯度分布特征,通过阴影检测完成车辆的初步定位,是一种可行的车辆检测方法。张建明等人提出的算法可以有效检测出路面行驶车辆【4]。该算法也有不足
的方法来减少特征搜索匹配的时问,实现目标的快速定位。在当前帧的候选目标中找到真正目标位置的一般过程为:假设一个目标模型,该模型有特征z具有密度函数q(z),且中心在y的候选目标具有特征分布p(z)。接下来就是找到一个位置Y,使得此处候选目标的密度函数和真正目标模板的密度函数最相近。这样目标跟踪问题就可以转换为目标模块与候选模块的特征分布函数相似对比的问题。
该算法的优点是平均迭代次数少,收敛性好,运算相对简单,能够满足实时性需要,能够处理部分目标遮挡或者重叠问题。缺点是该算法对目标的大小不能自适应。
5安全距离模型
汽车防碰撞安全控制系统功能实现的基础是安全距离模型,国内外学者进行了相关的研究并提出了几种模型。该模型应满足以下要求:安全距离模型适用的道路情况能够涵盖一般道路交通的大多数路况;安全距离模型所使用的行车信息能够在实时条件下获得。
5.1基于前车运动状态并引入附着系数的模型
设自车行驶速度为v,前车速度为VO,两车相对速度u=v—VO,自车的制动减速度为a,驾驶员做出判断并采取措施所造成的迟滞时问为t,。
当前车以匀速vn行驶时,最小安全距离为:
S=v,t1
832=V蛐212+二等t22
(10)
式中,v。zVa睾t。,V2zV。at。,持续制动阶段总路程为:s3_s,。+s。
自车的制动停车距离即为:x。=S。+S:+S,,前车运动距离x:为:X:=
—羔+争珉
该安全距离模型的优点是采用智能控制,完全自动刹车,降低了对驾驶员的要求,提高了制动效果,并对车问距进行了优化,提高了公路利用率。
6未来发展方向
目前,已有大量技术应用于智能交通中,特别需要指出的是传感器信息融合技术。为了提高系统的准确性,往往需要多种传感器对目标进行测量,迫使人们要对各种传感器和不同信息源进行有效的集成,以提高数据处理的自动化程度。在汽车防碰撞安全控制系统中的应用中,需要摄像机、雷达、红外传感器等多种检测装置,信息融合技术就显得尤为重要。
随着人工智能、视觉计算理论以及测距技术等相关支撑学科的不断完善,汽车防碰撞安全控制系统也必将朝更好的实时性和准确性方向前进。具体的发展目标有:(1)考虑侧面目标和行人目标,提出更高效的目标识别和跟踪算法,增强目标识别的鲁棒性;(2)完善安全距离模型和自动刹车控制系统,减少驾驶
vZ/2a(1)
当前车以匀加速a。行驶时,自车实施制动是只需将调节至与前车速度相等即可,最小安全距离为:
S=v,t1
员误操作的风险;(3)基于传感器信息融合技术实现汽车防碰撞控制。
7总结
a0121+v2J(aoa1)(2)
随着汽车在全球的普及以及智能控制的迅猛发展,21世纪的汽车必将走向智能化,而集合了先进的信息处理技术、通信技术、自动控制技术以及信息融合技术的汽车防碰撞安全控制系统将会成为未来汽车发展的重心。优化设计,提高系统可靠性和人机交互性,使驾驶员轻松、安全地驾驶车辆,并对各种紧急情况作出正确应对,减少碰撞事故的发生,是汽车防碰撞安全控制系统的使命。
参考文献:
[1]张伟.高速公路视频监控系统联网技术的研究与实现『D].上海:上海海事大学,2004.
[2]邓明哲.高速公路追尾碰撞防报警系统的研[D].武汉:武
汉理工大学.2006.
当前车以匀减速ao行驶时,此时碰撞风险较大,需将自车v值减至0为止,最小安全距离为:
(3)aot21/2+v(v,aotl)/a(a+ao)v2/2a2
该安全距离模型的优点是根据不同的道路和天气情况,在
S=v,t1
保证安全的前提下可以有效地改变安全距离,提高对道路交通的利用率,符合汽车的真实运行情况。
5.2基于智能控制的模型
设自车制动距离为x。,两车问距d和前车运动距离x:,保证行车安全则需要使x。+d。<x:+d,其中d0是两车之问最小距离,一般取2—5米。自车的制动过程分为三个阶段:匀速运动阶段S1.减速度增长阶段S:和持续制动阶段S。。
匀速运动阶段,在制动协调时问t。没有产生制动力,以初速度行驶v。,将速度由km/h换算成m/s,则:
[3]檀柏红,任立肖,张丽等.基于视频图像处理技术的汽车
(7)
防撞系统的研究现状[J].北华航天工业学院学报,2008.18(5):7—
10.
SI=等
sz=—菩訾一}at2。
在减速度增长阶段,设减速度线性增长时问为t。,自车最大减速度值为a,则:
(8)
[4]孔金生,郭非,王希萍.基于安全距离模型的汽车防追尾避撞方法[J].微计算机信息,2008,(32):251~252+271.
基金项目:
河南省科技厅科技攻关项目:132102210397汽车防碰撞智能安全控制系统.
持续制动阶段分两部分:正常制动阶段,时问为t。,自车以最大加速度制动,初速为v。;加速度调整阶段,时问为t:,逐步调整加速度与前车加速度a_一致,则:
s3l_—挚}一÷at21
(9)