[發(fā)明專利]一種基于計算機視覺的夜間車輛行駛輔助照明系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710030571.3
• 申請日: 2017-01-17
• 公開（公告）號: CN106864351A
• 公開（公告）日: 2017-06-20
• 發(fā)明（設(shè)計）人: 康素成;唐健;宋金德;梁丁丁;姜韻慧
• 申請（專利權(quán)）人: 鹽城師范學院;鹽城泰克科技有限公司
• 主分類號: B60Q1/08
• 分類號: B60Q1/08
• 代理公司: 南京匯恒知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)32282
• 代理人: 夏恒霞

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于計算機視覺的夜間車輛行駛輔助照明系統(tǒng)，屬于計算機視覺及智能控制方法技術(shù)領(lǐng)域。

背景技術(shù)

隨著社會的進步和人們生活水平的不斷提高，我國已經(jīng)基本進入汽車普及時代，私家車的數(shù)量逐漸增多，購車也越來越大眾化，有關(guān)數(shù)據(jù)顯示，2015年我國汽車銷售總量達2460萬輛，在汽車銷售量提高帶來經(jīng)濟效益的同時，車輛大數(shù)量的行駛也增加了更多交通事故的發(fā)生，中國歷年交通事故的數(shù)量一直高居不下，而其中因交通事故死亡的人數(shù)也有不斷上漲趨勢，雖然車輛安全性已逐漸成為每一個買車者必然考慮的問題，但相信更多的人只關(guān)心諸如EPS、ABS、輪胎抗爆、防撞梁、全包圍氣囊等問題，往往忽視掉了另一個非常重要的部件——車燈。

車燈就像人的雙眼能夠在黑夜中照亮前路，為司機提供清晰的視野，為行人給出警示，美國南加州汽車研究中心車輛俱樂部（AAA）對市面上的鹵素、氙氣、LED汽車大燈的夜間照明安全性做了一番調(diào)查，結(jié)果令人吃驚，測試表明，無論是近光燈還是遠光燈，比對現(xiàn)行的美國國家公路與運輸協(xié)會的車燈安全指南，現(xiàn)有車輛夜間行駛在沒有街燈的道路上時，各類型大燈的照射距離均沒有達到讓車主發(fā)現(xiàn)目標然后及時反應并剎車停止的安全距離。

AAA的夜道測試結(jié)果顯示，目前使用數(shù)量最大的鹵素燈在近光燈模式下當車速達到約60公里/時就無法提供安全照明距離，即使開啟遠光后在車速上升至77公里/時以上時也已經(jīng)相當危險，交警部門也曾做過統(tǒng)計，大部分車禍事故均發(fā)生在夜間，數(shù)量幾乎占到全部交通事故的六成，因而車燈所覆蓋的照明距離不達標，也是引起夜間行車危險較大，甚至發(fā)生交通事故的重要原因之一。

根據(jù)《中華人民共和國道路交通安全法實施條例》，汽車遠光燈由于光線強，一般適于機動車夜間在沒有路燈或照明不良的道路上行駛使用，市區(qū)由于照明良好，必須使用近光燈，尤其是在兩車交匯時，即使在沒有路燈的道路上也必須距對面來車150米以外相互關(guān)閉遠光燈，改用近光燈，使用遠光燈，燈光炫亮刺眼，讓人在幾秒鐘內(nèi)無法看清前面的路況，極容易發(fā)生交通事故，因而如何合理智能的選擇合適的車燈，讓駕駛者有充足的時間和反應力來應對各種路面問題，以保證安全穩(wěn)定的行使環(huán)境和條件，這就成了汽車設(shè)計者，乃至整個汽車行業(yè)及國家關(guān)注的焦點問題。

發(fā)明內(nèi)容

本發(fā)明正是針對現(xiàn)有技術(shù)中存在的技術(shù)問題，提供一種基于計算機視覺的夜間車輛行駛輔助照明系統(tǒng)，包括信息采集模塊、樹莓派控制模塊及輔助燈動態(tài)控制模塊，通過設(shè)置各個模塊的有效通信集成，使各個模塊之間的信息相互反饋，相互共享，有效解決了夜間行車問題，降低安全隱患，實現(xiàn)了真正的智能控制燈光，能夠大大提高視覺可見度，降低安全隱患。

為了解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案如下：一種基于計算機視覺的夜間車輛行駛輔助照明系統(tǒng)，包括信息采集模塊、樹莓派控制模塊及輔助燈動態(tài)控制模塊，三者順序相連，其特征在于：所述信息采集模塊將采集到的路面信息傳送給樹莓派控制模塊，樹莓派控制模塊經(jīng)過內(nèi)部處理后實現(xiàn)對GPIO的動態(tài)控制，完成對輔助燈動態(tài)控制模塊的智能控制。

進一步，所述樹莓派控制模塊中設(shè)有計算機視覺模塊、車輛信息檢測模塊和圖像識別模塊，三者通信集成；所述計算機視覺模塊利用OpenCV對采集到的路面信息進行處理，處理后的信息傳入車輛信息檢測模塊中進行檢測和識別，通過圖像識別模塊，運用Python語言實現(xiàn)準確的車輛信息輸出。

進一步，所述計算機視覺模塊中的分類器，通過正樣本︰負樣本=1︰2來訓練，找出樣本共性；此種方法可以盡量減少用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺所產(chǎn)生的誤差，并進一步做圖形處理，收集大量夜間行駛汽車的樣本，可以進一步保證準確性，減少誤差，方便后期在Python語言中加以引用。

進一步，所述圖像識別模塊中的識別模型采用原型匹配模型；普通的模板匹配模型必須在過去的經(jīng)驗中有這個圖像的記憶模式，這種模型強調(diào)圖像必須與腦中的模板完全符合才能加以識別，原型匹配模型從神經(jīng)上和記憶探尋的過程上來看，都比模板匹配模型更適宜，而且還能說明對一些不規(guī)則的，但某些方面與原型相似的圖像的識別，因而可以識別的數(shù)量更多。

進一步，所述信息采集模塊為行車記錄儀或外接攝像頭，高效直接的獲取有效信息，操作難度也低，更加的符合實際需求。

進一步，所述輔助燈動態(tài)控制模塊中設(shè)有輔助燈，輔助燈的數(shù)量、類型和排列不唯一。每個輔助燈的照射范圍是人為可劃分的，不同車輛對車燈的需求也各不一樣，因而可以根據(jù)實際需要，安裝一定數(shù)量、一定類型或特定排列布局的車燈，使用范圍更加廣泛。