魏丹　賈子彥

摘 要：文中設(shè)計(jì)了一種將可見(jiàn)光通信技術(shù)和數(shù)字圖像處理技術(shù)相結(jié)合的車(chē)輛智能防撞系統(tǒng)。該系統(tǒng)主要作用于前后跟車(chē)行駛的兩車(chē)之間，可實(shí)時(shí)監(jiān)控兩車(chē)之間的相對(duì)運(yùn)行狀態(tài)，當(dāng)系統(tǒng)發(fā)現(xiàn)兩車(chē)之間可能發(fā)生碰撞時(shí)，及時(shí)提醒駕駛?cè)嘶虿扇∽詣?dòng)制動(dòng)措施，防止碰撞等危險(xiǎn)發(fā)生。

關(guān)鍵詞：可見(jiàn)光通信；數(shù)字圖像處理；智能；防撞

中圖分類(lèi)號(hào)：TP39；U461.91 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2018）03-0-04

0 引 言

家庭汽車(chē)逐步成為我們?nèi)粘Ｉ钪斜夭豢缮俚慕煌üぞ咧?，家庭汽?chē)數(shù)量激增所帶來(lái)的道路交通壓力和道路交通安全隱患值得我們特別重視。為了進(jìn)一步保障道路交通安全，除了要制定更加合理的道路交通安全規(guī)章制度、規(guī)范駕駛?cè)说鸟{駛行為以外，如何進(jìn)一步提高車(chē)輛本身的安全性能也是近年來(lái)研究的重要方向。隨著車(chē)輛智能化技術(shù)的發(fā)展，可以通過(guò)車(chē)輛的智能系統(tǒng)實(shí)時(shí)監(jiān)測(cè)前方路況，及時(shí)發(fā)現(xiàn)危險(xiǎn)并采取相應(yīng)措施，以有效避免碰撞危險(xiǎn)的發(fā)生，提高車(chē)輛的安全性能。

1 車(chē)輛智能防撞系統(tǒng)的設(shè)計(jì)

本文所設(shè)計(jì)的車(chē)輛智能防撞系統(tǒng)將數(shù)字圖像處理技術(shù)與可見(jiàn)光通信技術(shù)相結(jié)合，使車(chē)輛具有車(chē)間通信以及前方路況探測(cè)的功能，從而實(shí)現(xiàn)對(duì)前方路況信息的判別，并能夠及時(shí)采取警示處理措施以防車(chē)輛發(fā)生追尾碰撞事故。

本文中可見(jiàn)光通信技術(shù)主要運(yùn)用于車(chē)輛之間，以可見(jiàn)光通信的方式實(shí)現(xiàn)車(chē)間通信。目前，車(chē)輛正在使用的剎車(chē)燈和車(chē)尾示寬燈可經(jīng)簡(jiǎn)單的電路改造成為可見(jiàn)光信號(hào)的發(fā)送端。車(chē)輛的速度和加速度等信息可以通過(guò)相應(yīng)的傳感器獲得并傳遞給改造后的剎車(chē)尾燈和車(chē)尾示寬燈，車(chē)燈可以通過(guò)亮滅變化將該車(chē)的速度和加速度以可見(jiàn)光信號(hào)的形式發(fā)送出去。

車(chē)輛前端安裝一個(gè)高速攝像機(jī)，高幀率地實(shí)時(shí)記錄前方路況信息，以此完成系統(tǒng)信息的采集。系統(tǒng)再利用數(shù)字圖像處理技術(shù)對(duì)高速攝像機(jī)記錄下來(lái)的連續(xù)多幀圖像進(jìn)行處理分析，提取到前車(chē)發(fā)送的可見(jiàn)光信號(hào)；通過(guò)視覺(jué)圖像中的目標(biāo)物測(cè)距過(guò)程可獲得前車(chē)的相對(duì)位置信息。

智能防撞系統(tǒng)的判別決策模塊將獲得的相對(duì)車(chē)速、車(chē)距信息代入安全距離模型，將實(shí)時(shí)跟車(chē)距離與對(duì)應(yīng)運(yùn)行狀態(tài)下的安全距離進(jìn)行比較。當(dāng)實(shí)時(shí)跟車(chē)距離小于對(duì)應(yīng)的安全距離時(shí)，判別決策模塊將發(fā)出信號(hào)給執(zhí)行模塊，執(zhí)行模塊中的聲光報(bào)警器動(dòng)作，警示駕駛員；當(dāng)實(shí)時(shí)跟車(chē)距離小于一級(jí)臨界安全距離時(shí)，執(zhí)行模塊在對(duì)駕駛員進(jìn)行聲光報(bào)警的同時(shí)，采取相應(yīng)的自動(dòng)制動(dòng)措施。從而保證車(chē)輛能夠在危險(xiǎn)發(fā)生前及時(shí)采取措施，防止跟車(chē)行駛過(guò)程中碰撞事故的發(fā)生。圖1所示為車(chē)輛智能防撞系統(tǒng)的工作流程。

2 車(chē)輛智能防撞系統(tǒng)的系統(tǒng)組成

本文所設(shè)計(jì)的車(chē)輛智能防撞系統(tǒng)主要由信息采集模塊、數(shù)據(jù)信息處理模塊、判別決策模塊和響應(yīng)執(zhí)行模塊組成。系統(tǒng)組成框圖如圖2所示。

2.1 信息采集模塊

信息采集模塊主要通過(guò)安裝于車(chē)輛前端的高速攝像機(jī)對(duì)前方視野進(jìn)行拍攝獲得實(shí)時(shí)記錄的連續(xù)多幀圖像。實(shí)時(shí)記錄的連續(xù)多幀圖像主要包括正常跟車(chē)行駛過(guò)程中前車(chē)在本車(chē)前方視野中的圖景。所采集到的連續(xù)多幀圖像中所包含的信息包括前車(chē)尾部示寬燈或剎車(chē)尾燈發(fā)送的可見(jiàn)光信號(hào)及前車(chē)與本車(chē)相對(duì)距離信息。可見(jiàn)光信號(hào)包含前車(chē)的速度和加速度信息。

2.2 數(shù)據(jù)信息處理模塊

數(shù)據(jù)信息處理模塊主要通過(guò)數(shù)字圖像處理技術(shù)對(duì)信息采集模塊所采集的連續(xù)多幀圖像進(jìn)行處理，經(jīng)圖像的幀間差法、圖像區(qū)域劃分等過(guò)程提取可見(jiàn)光信號(hào)并獲得車(chē)輛間距信息?？蛇M(jìn)一步對(duì)提取到的可見(jiàn)光信號(hào)進(jìn)行解碼，獲得相應(yīng)的前車(chē)速度和加速度等運(yùn)行狀態(tài)信息。

2.3 判別決策模塊

判別決策模塊根據(jù)數(shù)據(jù)信息處理模塊獲得的信息，判斷本車(chē)是否有追尾的可能。當(dāng)警示判別模塊認(rèn)為本車(chē)可能與前車(chē)發(fā)生追尾碰撞危險(xiǎn)時(shí)，判別決策模塊將給予執(zhí)行模塊相應(yīng)的警示執(zhí)行信息。

2.4 響應(yīng)執(zhí)行模塊

執(zhí)行模塊根據(jù)警示判別模塊發(fā)送的警示執(zhí)行信息，對(duì)本車(chē)內(nèi)的聲光報(bào)警器或剎車(chē)進(jìn)行相應(yīng)的動(dòng)作，及時(shí)警示駕駛員并在必要時(shí)自動(dòng)制動(dòng)以防本車(chē)與前車(chē)發(fā)生追尾碰撞。

3 基于數(shù)字圖像處理的車(chē)輛識(shí)別通信和距離測(cè)算

3.1 基于車(chē)尾燈的車(chē)輛識(shí)別

（1）基于剎車(chē)尾燈的車(chē)輛識(shí)別利用了剎車(chē)尾燈的紅色特性。利用數(shù)字圖像處理技術(shù)可以將讀入的RGB模型圖像轉(zhuǎn)換為HSV模型圖像，H，S，V分別代表色彩的飽和度、色調(diào)和明度，將剎車(chē)尾燈的紅色特征進(jìn)行圖像分割時(shí)，可以通過(guò)設(shè)置合適的H，S分量閾值，識(shí)別剎車(chē)尾燈區(qū)域[1]。圖3所示為系統(tǒng)采集讀入的RGB圖像，圖4所示為對(duì)應(yīng)轉(zhuǎn)換的HSV圖像。

將S分量二值模板作用于H分量圖像，比閾值大的像素點(diǎn)值被賦值為1（白），小于或等于閾值的像素點(diǎn)值被賦值為0（黑）。根據(jù)紅色在HSV顏色空間的分布規(guī)律，本文選取的分量閾值范圍為：

0.45

0°

其中H分量的角度取值范圍根據(jù)HSV模型周角360°可換算成歸一化的取值范圍：

0

剎車(chē)尾燈分割并標(biāo)記識(shí)別圖如圖5所示，由圖可知，利用此方法可以基本識(shí)別出剎車(chē)尾燈區(qū)域，并將剎車(chē)尾燈區(qū)域標(biāo)記了出來(lái)。

（2）基于車(chē)尾示寬燈的車(chē)輛識(shí)別利用了車(chē)尾示寬燈的亮度特征。采用LED光源的車(chē)尾示寬燈作為一種不以照明為目的的輔助提示燈具，燈光分散，亮度特征明顯。目前，大多數(shù)汽車(chē)的車(chē)尾示寬燈所使用的燈泡仍為鹵素?zé)襞?，采用LED光源的車(chē)尾示寬燈還未大量普及。因此，本文先對(duì)同樣采用LED光源的日間行車(chē)燈進(jìn)行實(shí)驗(yàn)驗(yàn)證。

HSV空間下的V分量圖像無(wú)圖像的色彩信息，每個(gè)像素點(diǎn)的值表示該像素點(diǎn)的明亮程度。燈亮?xí)r，燈在圖像上的V分量值范圍約為：

0.9

通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，直接通過(guò)V分量取值范圍獲取的二值圖像的效果不如以V分量的值作為圖像分割的閾值分割圖像轉(zhuǎn)換為二值圖像好。本文選定作為二值化圖像閾值的V分量值為0.95。對(duì)初步分割出的二值圖像作進(jìn)一步的形態(tài)學(xué)處理，可以有效地標(biāo)記出車(chē)燈位置。

3.2 車(chē)間通信的實(shí)現(xiàn)

本文實(shí)現(xiàn)車(chē)間通信的方法是后車(chē)系統(tǒng)利用數(shù)字圖像處理技術(shù)對(duì)高速攝像機(jī)采集的圖像信息進(jìn)行分析，提取出可見(jiàn)光信號(hào)，進(jìn)而解碼獲悉前車(chē)的運(yùn)行狀態(tài)信息。

本文就該部分內(nèi)容進(jìn)行了實(shí)驗(yàn)環(huán)境下的驗(yàn)證。將LED燈的信號(hào)接口通過(guò)串口線與PC機(jī)相連，打開(kāi)PC機(jī)上的串口助手，設(shè)置串口助手以波特率為300的速率定時(shí)發(fā)送十六進(jìn)制字符串‘AA，‘AA對(duì)應(yīng)的二進(jìn)制位編碼為‘10101010。該串口助手發(fā)送的數(shù)據(jù)格式為8位數(shù)據(jù)位和1位標(biāo)志位，且標(biāo)志位為‘0。設(shè)置高速攝像機(jī)的幀率為1 500 fps，即五倍的采樣頻率以確保信息能被有效采集。

待高速攝像機(jī)完成圖像信息的采集后，利用數(shù)字圖像處理技術(shù)對(duì)采集到的連續(xù)多幀圖像進(jìn)行處理，主要通過(guò)幀間差法提取到LED燈亮、滅分別對(duì)應(yīng)的編碼信息。本文利用Matlab軟件強(qiáng)大的計(jì)算分析性能及其圖像處理工作箱進(jìn)行相應(yīng)的圖像處理[2]。

圖6所示為Matlab環(huán)境中提取到的LED燈以可見(jiàn)光信號(hào)發(fā)出的數(shù)據(jù)部分的編碼。第一個(gè)編碼出錯(cuò)是由于采樣圖像其實(shí)部分的隨機(jī)性，將數(shù)據(jù)分布的狀態(tài)翻轉(zhuǎn)當(dāng)成了標(biāo)志位處的狀態(tài)翻轉(zhuǎn)。對(duì)后面提取到的編碼予以糾正。編碼‘10101010對(duì)應(yīng)的十六進(jìn)制字符串正是發(fā)送的‘AA。

3.3 車(chē)輛間距測(cè)算

前后兩車(chē)之間的距離信息也是攝像機(jī)采集的前方路況圖像中所包含的重要信息之一。通過(guò)數(shù)字圖像處理技術(shù)獲悉的兩車(chē)之間距離信息是防止前后兩車(chē)發(fā)生碰撞的重要依據(jù)之一。

本文采用了單目視覺(jué)下的單幀靜態(tài)圖像測(cè)距法對(duì)車(chē)輛間距進(jìn)行測(cè)算[3]。圖7所示為沿車(chē)輛行駛方向的單幀靜態(tài)圖像測(cè)距原理圖。

其中：f表示攝像機(jī)的有效焦距，?表示攝像機(jī)的仰俯角，h表示攝像機(jī)的安裝高度，坐標(biāo)（x0，y0）所表示的點(diǎn)為圖像物理坐標(biāo)系的原點(diǎn)，即攝像機(jī)光軸與成像平面的交點(diǎn)。點(diǎn)P為前方車(chē)輛尾部在路面上的垂直投影位置，P點(diǎn)投影在成像平面上，圖像上的投影點(diǎn)在圖像物理坐標(biāo)系中的坐標(biāo)為（x，y）。

本文對(duì)該部分進(jìn)行了仿真實(shí)驗(yàn)。通過(guò)實(shí)際測(cè)量獲得攝像機(jī)的外部參數(shù)?和h，通過(guò)攝像機(jī)標(biāo)定獲得攝像機(jī)的內(nèi)部參數(shù)f和光心坐標(biāo)（x0，y0）。本文采用張正友標(biāo)定法并利用Matlab的應(yīng)用工具Camera Calibrator對(duì)攝像機(jī)進(jìn)行標(biāo)定[4]。圖8所示為用于攝像機(jī)標(biāo)定的不同角度的標(biāo)定板。圖9所示為攝像機(jī)標(biāo)定完成后獲得的攝像機(jī)內(nèi)部參數(shù)。

即fx=3 453.4，fy=3 453.3，x0=1 543.8，y0=2 128.6。將攝像機(jī)的內(nèi)外參數(shù)以及圖像中所測(cè)點(diǎn)的像素坐標(biāo)代入測(cè)距公式，即可測(cè)算出對(duì)應(yīng)的實(shí)際距離。實(shí)驗(yàn)結(jié)果見(jiàn)表1所列。

實(shí)驗(yàn)結(jié)果表明，通過(guò)圖像中點(diǎn)的位置以及相關(guān)攝像機(jī)內(nèi)部參數(shù)可以有效測(cè)算出圖像中的點(diǎn)在實(shí)際空間中對(duì)應(yīng)的實(shí)際距離。但距離測(cè)算的誤差會(huì)隨著距離的增大而顯著提高。

4 車(chē)輛智能防撞決策

通過(guò)上述車(chē)輛的識(shí)別、通信、測(cè)距過(guò)程，可以獲悉本車(chē)與前車(chē)的相對(duì)速度和相對(duì)距離等信息。本文建立了一個(gè)車(chē)輛智能防撞數(shù)學(xué)模型，利用車(chē)輛間的相對(duì)速度和相對(duì)距離信息，通過(guò)該數(shù)學(xué)模型及時(shí)做出危險(xiǎn)判別并給出預(yù)警信號(hào)，使車(chē)輛能夠及時(shí)采取措施，防止追尾碰撞危險(xiǎn)的發(fā)生。

本文采用的行車(chē)安全距離模型建立在對(duì)車(chē)輛的減速制動(dòng)過(guò)程分析上。根據(jù)前車(chē)運(yùn)行狀態(tài)的不同，安全距離模型的表達(dá)式也有所不同。主要分為前車(chē)停止，前車(chē)勻速或加速運(yùn)動(dòng)，前車(chē)減速或減速停止運(yùn)動(dòng)等三種情況[5]。安全車(chē)距模型為：

其中：Sf1，Sf2，Sf3分別為三種情況下的臨界安全距離，vB，vA分別為前車(chē)和本車(chē)的實(shí)時(shí)車(chē)速，|aAm|，|aBm|分別為前車(chē)和本車(chē)的最大制動(dòng)減速度絕對(duì)值，S0為危險(xiǎn)解除時(shí)兩車(chē)的最近跟車(chē)距離。

將通過(guò)制動(dòng)過(guò)程分析獲得的臨界安全距離Sf作為一級(jí)安全距離D1，在此基礎(chǔ)上加上設(shè)定的警示距離S*得到二級(jí)預(yù)警距離D2。根據(jù)相關(guān)參考文獻(xiàn)調(diào)查，給駕駛員預(yù)留1 s的時(shí)間可避免90%的交通事故的發(fā)生[6]。又因交通法規(guī)定車(chē)輛在高速公路上的最高時(shí)速為120 km/h，即33.3 m/s，因而本文設(shè)定S*為45 m。圖10所示為車(chē)輛智能防撞系統(tǒng)的防撞決策流程。

兩車(chē)之間的實(shí)時(shí)跟車(chē)距離為DRT，結(jié)合一級(jí)預(yù)警距離D1和二級(jí)預(yù)警距離D2進(jìn)行車(chē)輛防撞決策：

（1）若車(chē)輛間距DRT小于或等于臨界安全距離D1，則啟動(dòng)車(chē)輛自動(dòng)制動(dòng)子程序和聲光報(bào)警子程序，利用車(chē)輛自動(dòng)制動(dòng)系統(tǒng)使車(chē)輛立即制動(dòng)減速的同時(shí)通過(guò)車(chē)內(nèi)的聲光器件對(duì)駕駛員報(bào)警。

（2）若車(chē)輛間距DRT介于D1與D2之間，則只啟動(dòng)聲光報(bào)警子程序使聲光報(bào)警器動(dòng)作，通過(guò)聲光報(bào)警的方式提醒駕駛員減速慢行。

（3）若車(chē)輛間距DRT大于二級(jí)預(yù)警距離D2，則說(shuō)明兩車(chē)之間的跟車(chē)距離較大，不易發(fā)生追尾碰撞，此時(shí)不做特別處理。

5 結(jié) 語(yǔ)

在整個(gè)道路交通狀況日漸復(fù)雜的今天，車(chē)輛智能防撞系統(tǒng)作為一種輔助駕駛智能系統(tǒng)可以有效減少車(chē)輛行駛過(guò)程中追尾碰撞的發(fā)生，具有一定的研究意義和實(shí)用價(jià)值。本文提出的基于數(shù)字圖像處理的車(chē)輛智能防撞系統(tǒng)，將可見(jiàn)光通信技術(shù)與數(shù)字圖像處理技術(shù)相結(jié)合，充分發(fā)揮了可見(jiàn)光通信和數(shù)字圖像處理的優(yōu)勢(shì)，在車(chē)輛智能防追尾碰撞研究的基礎(chǔ)上提供了一定的探索基礎(chǔ)。但由于個(gè)人能力以及當(dāng)前客觀條件所限，本文提出的系統(tǒng)仍有很多需要改進(jìn)的地方。例如，本文在圖像算法處理上需進(jìn)一步改進(jìn)以提高系統(tǒng)的適應(yīng)性和準(zhǔn)確性，在安全距離數(shù)學(xué)模型的選用上需進(jìn)一步豐富以適應(yīng)復(fù)雜路況的需求等。

參考文獻(xiàn)

[1]高飛. Matlab圖像處理375例[M].北京：人民郵電出版社，2015.

[2]趙小川.現(xiàn)代數(shù)字圖像處理技術(shù)提高及應(yīng)用案例詳解：Matlab版[M].北京：北京航空航天大學(xué)出版社，2012.

[3]王亞麗.基于毫米波雷達(dá)與機(jī)器視覺(jué)融合的前方車(chē)輛檢測(cè)研究[D].長(zhǎng)春：吉林大學(xué)，2013.

[4]吳慶雙，付仲良，孟慶祥.基于序列圖像的攝像機(jī)自標(biāo)定方法[J].計(jì)算機(jī)應(yīng)用，2011，31（11）：3010-3014.

[5]許穎，岳大軍，趙洋，等.汽車(chē)防追尾系統(tǒng)中安全距離模型的研究[J].農(nóng)業(yè)裝備與車(chē)輛工程，2009（2）：26-29.

[6]中華人民共和國(guó)道路交通管理?xiàng)l例[S].北京：中國(guó)法制出版社，2004.

[7]劉正岐，郭濤.對(duì)比色配色方案數(shù)字化生成技術(shù)的研究[J].物聯(lián)網(wǎng)技術(shù)，2014，4（12）：59-60.

[8]程結(jié)園，張濤.基于圖像處理的智能車(chē)輛系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2014，4（6）：45-47.