[發明專利]一種基于機器視覺的汽車前向防碰撞預警監測方法

有效

• 申請號: 201811007844.3
• 申請日: 2018-08-31
• 公開（公告）號: CN108974018B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 曹景勝;石晶;王冬霞;單鵬;范真維;劉叢浩;段敏
• 申請（專利權）人: 遼寧工業大學
• 主分類號: B60W50/14
• 分類號: B60W50/14
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 李燁

1.一種基于機器視覺的汽車前向防碰撞預警監測方法，其特征在于，包括如下步驟：

步驟1：采集前方車輛圖像，每完成一幀圖像采集，對該幀圖像進行預處理；

步驟2：基于Sobel算子對所述預處理后的圖像進行邊緣檢測；

步驟3：對所述邊緣檢測后的圖像進行車輛識別；

步驟4：獲取與所述識別的車輛的距離為：

其中，

q₂＝tan(γ₀)；

式中，H和W為圖像的高和寬，h為攝像頭相對于地面的安裝高度，2α₀為攝像頭垂直視野角度，2β₀為攝像頭水平視野角度，γ₀為攝像機的俯仰角，q₁,q₂,q₃,q₄,GK分別為參數；

步驟5：當D≤D_S時，D_S為安全距離，此時，車輛與前方汽車的距離低于安全距離，系統預警，所述安全距離滿足：

其中，v為車速，k為參數，n為等概率出現的選擇對象數，為天氣狀況且當路面完全結冰時，當下雪時，當正常晴朗天氣時，當下雨時，g為重力加速度，e為自然對數的底數，σ為風力等級且σ∈[0,9]，d_s為能見度，d₀為當前車況環境下應當保持的安全距離。

2.如權利要求1所述的基于機器視覺的汽車前向防碰撞預警監測方法，其特征在于，在所述步驟2中，所述邊緣檢測包括：將圖像數據f進行平面卷積，得到橫向亮度差分值G_x和縱向亮度差分值G_y，

3.如權利要求2所述的基于機器視覺的汽車前向防碰撞預警監測方法，其特征在于，所述橫向亮度差分值G_x和所述縱向亮度差分值G_y分別為：

4.如權利要求1所述的基于機器視覺的汽車前向防碰撞預警監測方法，其特征在于，在所述步驟3中，所述車輛識別包括訓練過程和識別過程：基于Haar特征，采用Adaboost算法構建弱分類器，并進行加權線性組合，構建強分類器，進行訓練、學習和車輛識別，具體包括：

給定樣本圖像((x₁,y₁),...,(x_i,y_i),...(x_n,y_n))；其中，x_i為第i個樣本，y_i＝0為負樣本，y_i＝1為正樣本，n為訓練樣本總數；

分別初始化正負樣本權值為其中，n為正樣本個數，m為負樣本個數；

歸一化權值

計算弱分配器的加權誤差：

式中，h(x)＝h(x,f,p,θ)為特征f的弱分類器；

獲取加權誤差最小的弱分類器為最佳弱分配器h_t(x)，

其中，h_t(x)＝h(x,f_t,p_t,θ_t)，f_t、p_t、θ_t使得誤差β_t取得最小值；

更新權值：式中，

其中，如果x_i分類正確，則β_i＝0，否則β_i＝1；

將弱分類器加權線性組合得到強分類器：

其中，

5.如權利要求4所述的基于機器視覺的汽車前向防碰撞預警監測方法，其特征在于，在步驟1中，所述圖像預處理包括灰度化、圖像增強和ROI區域生成。