一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法与流程

计算;推算;计数设备的制造及其应用技术1.本发明属于城市智能交通领域，特别是涉及一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法。背景技术：2.为了有效地减少交通事故，车辆主动安全系统变得越来越重要。梅赛德斯·奔驰和沃尔沃公司，都在其部分汽车中增加了智能防撞功能。mobileye和bosch等许多新型汽车技术公司正在根据结构化的道路环境开发具有前向预警(fcw)功能的汽车产品。此外，谷歌和特斯拉正试图开发自动驾驶汽车来代替驾驶员，这是一项长期并且需要不断投入成本的工作。因此，对于车辆主动安全系统中避免汽车碰撞的问题，开发一种高效并且价格低廉的障碍物检测及其状态分类方法具有重要意义。3.综上，本发明提出了一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法。在用于障碍物检测的各种车载传感器中，摄像头和毫米波雷达在成本上不仅比激光雷达便宜很多，而且可以提供较多的信息量。本发明融合立体摄像机和毫米波雷达辅助驾驶车辆及时发现潜在危险；立体摄像机检测近侧或侧向动态物体，毫米波雷达检测远距离或纵向相对动态物体；摄像机利用误差矢量通过聚类算法预测碰撞预警状态的类别；毫米波雷达检测动态障碍物，其绝对速度根据车辆的状态进行计算；两个检测器的检测对象融合到障碍物roi图像；最终将车辆模型的危险区域比较进行分类。4.本发明实施性强，能够直接应用于大面积的实际场景中，具备较高的应用价值。技术实现要素：5.本发明的目的是针对现有技术的不足，提供一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法。6.实现本发明目的的技术解决方案为：7.一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法，包括以下步骤：8.步骤1、障碍物roi区域检测，使用rsgm算法从原始图像中获得密集视差图，使用uv视差图算法获得障碍物roi图像。9.步骤2、计算视觉里程，图像预处理后生成候选特征，进行特征点匹配，筛选匹配点后利用卡尔曼滤波器计算相机的运动。10.步骤3、摄像头动态物体检测算法，使用估计点和观察点之间的误差向量和聚类算法，检测动态物体，并融合到障碍物roi图像中。11.步骤4、毫米波雷达检测方法，弥补摄像机无法检测沿纵向移动的动态物体，重点检测大量连续扫描中出现的物体。12.步骤5、实时危险区域估计，使用方向盘角度和速度估计动态危险区域。13.步骤6、障碍物状态分类，根据危险区域将动态物体分类为不同状态。14.本发明与现有技术相比，其显著优点有：15.1)本发明在用于障碍物检测的各种车载传感器中，摄像头和毫米波雷达在成本上不仅比激光雷达便宜很多，而且可以提供较多的信息量。16.2)本发明使用uv视差图对障碍物区域进行图像分割，具有出色的实时性能，相比于深度学习不需要大量样本和高性能计算处理器。17.3)本发明使用的摄像头和毫米波雷达可以在雨水等恶劣天气中也有较好的使用效果，所使用的硬件设备受外部环境的影响较小。18.下面结合附图对本发明作进一步阐述。附图说明19.图1为车辆动力学模型示意图。20.图2为本发明方法的流程图。具体实施方式21.本发明的一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法，包括以下步骤：22.步骤1、障碍物roi区域检测，使用rsgm算法从原始图像中获得密集视差图，使用uv视差图算法获得障碍物roi图像。具体包括以下步骤：23.步骤1.1、采用rsgm算法获得密集视差图像。24.步骤1.2、采用uv视差算法获得障碍物roi图像。25.步骤1.3、v视差道路末端检测，使用canny边缘检测算法，获得v视差边缘图像，使用霍夫变换直线检测算法检测其中的线，选择最佳线，计算其在v坐标轴上的截距作为最终的道路末端。26.步骤1.4、u视差障碍检测，使用上述道路roi区域的视差信息来生成u视差图像。通过canny边缘检测获得u视差边缘图像。最后，将检测到的边缘投影回原始视差图像，获得障碍物roi图像。27.步骤2、计算视觉里程，图像预处理后生成候选特征，进行特征点匹配，筛选匹配点后利用卡尔曼滤波器计算相机的运动。具体包括以下步骤。28.步骤2.1、对原始图像进行预处理增强特征并减弱光照影响。29.步骤2.2、利用圆匹配算法进行四次特征匹配。每对匹配点包括：当前左匹配点、当前右匹配点、先前左匹配点、先前又匹配点。30.步骤3、摄像头动态物体检测算法，使用估计点和观察点之间的误差向量和聚类算法，检测动态物体，并融合到障碍物roi图像中。具体包括以下步骤：31.步骤3.1、当前左图像的三维稀疏点云通过下列公式1计算，考虑视觉里程估计的相机运动信息，当前左图像的三维稀疏点云通过下列公式2计算。[0032][0033][0034]步骤3.2、将先前左图像的3d点云估计投影到当前左图像中利用公式3获得估计点坐标，当前左图像中的点当作观察点。[0035][0036]步骤3.3、估计点和观察点通过公式4计算获得误差向量。[0037][0038]步骤4、毫米波雷达检测方法，弥补摄像机无法检测沿纵向移动的动态物体，重点检测大量连续扫描中出现的物体。[0039]步骤5、实时危险区域估计，使用方向盘角度和速度估计动态危险区域。具体包括以下步骤：[0040]步骤5.1、根据汽车动力学模型公式5，如图1所示。固定车辆坐标系相对于地面相对静止的位置。(x0，y0)是车辆后轴中点的坐标，δ是车辆的前进方向角，l是轴距的长度。然后，可以通过状态变量(x0，yo，δ]t来确定车辆的状态。[0041][0042]步骤5.2、通过使用车辆动态模型，可以在当前车辆坐标系中预测安全驾驶区域。为确保车辆行驶的安全，将预测区域周边外扩确定为危险区域。通过实验在不同情况下获得危险的区域。[0043]步骤6、障碍物状态分类，根据危险区域将动态物体分类为不同状态。具体包括以下步骤：[0044]步骤6.1、通过摄像机和毫米波雷达获得固定车辆坐标系中第p个动态物体的速度矢量。[0045]步骤6.2、通过摄像机和毫米波雷达标定固定车辆坐标系中的动态危险区域。[0046]步骤6.3、判断第p个动态物体是否对驾驶车辆造成危险。技术特征：1.一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法。其特征在于，所述的实时障碍物检测与碰撞预警的状态分类方法包括以下步骤：步骤1、障碍物roi区域检测，使用rsgm算法从原始图像中获得密集视差图，使用uv视差图算法获得障碍物roi图像。步骤2、计算视觉里程，图像预处理后生成候选特征，进行特征点匹配，筛选匹配点后利用卡尔曼滤波器计算相机的运动。步骤3、摄像头动态物体检测算法，使用估计点和观察点之间的误差向量和聚类算法，检测动态物体，并融合到障碍物roi图像中。步骤4、毫米波雷达检测方法，弥补摄像机无法检测沿纵向移动的动态物体，重点检测大量连续扫描中出现的物体。步骤5、实时危险区域估计，使用方向盘角度和速度估计动态危险区域。步骤6、障碍物状态分类，根据危险区域将动态物体分类为不同状态。2.根据权利要求1所述的一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法，其特征在于，所述步骤1障碍物roi区域检测，具体包括：使用rsgm算法获得密集视差图像，采用v视差方法检测道路末端，采用u视差方法检测障碍物，将uv视差检测结果融合到原始视差图像。3.根据权利要求1所述的一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法，其特征在于，所述步骤2计算视觉里程，具体包括：采用图像预处理技术增强特征，对时序图像特征进行匹配，针对图像特征种的颜色信息匹配点进行筛选，使用稀疏视差法估计视觉里程。4.根据权利要求1所述的一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法，其特征在于，所述步骤3摄像头动态物体检测算法，具体包括：利用稀疏视差法和光流法检测动态物体，并将检测结果融合到障碍物roi图像中。5.根据权利要求1所述的一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法，其特征在于，所述步骤4毫米波雷达检测方法，具体包括：使用卡尔曼滤波过滤摄像机的错误识别，修正毫米波雷达检测方法，雷达在大量连续的扫描中识别到物体时，对物体进行跟踪。6.根据权利要求1所述的一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法，其特征在于，所述步骤5实时危险区域估计，具体包括：使用前向车辆的方向盘角度和速度实时计算出障碍物状态分类的动态危险区域。7.根据权利要求1所述的一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法，其特征在于，所述步骤6障碍物状态分类，具体包括：通过摄像机和毫米波雷达获得动态物体的速度矢量以及动态危险区域，基于聚类算法对该动态物体进行识别，判断是否对驾驶车辆造成危险。技术总结本发明公开了一种车辆主动安全系统中的实时障碍物检测与碰撞预警的状态分类方法。本发明融合立体摄像机和毫米波雷达辅助驾驶车辆及时发现潜在危险；立体摄像机检测近侧或侧向动态物体，毫米波雷达检测远距离或纵向相对动态物体；摄像机利用误差矢量通过聚类算法预测碰撞预警状态的类别；毫米波雷达检测动态障碍物，其绝对速度根据车辆的状态进行计算；两个检测器的检测对象融合到障碍物ROI图像；最终将车辆模型的危险区域比较进行分类。终将车辆模型的危险区域比较进行分类。终将车辆模型的危险区域比较进行分类。技术研发人员：钟杰 黄晁 胡波 贺涛 卢鹏东 杨勇受保护的技术使用者：宁波中科集成电路设计中心有限公司技术研发日：2021.02.23技术公布日：2022/9/19









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!