一种基于全景视觉分析的车辆主动安全预警系统的制作方法

本实用新型属于驾驶辅助技术领域，特别涉及一种基于全景视觉分析的车辆主动安全预警系统。

背景技术：

随着高级驾驶辅助行业和自动驾驶行业的兴起和成熟，越来越多的驾驶辅助系统的产品、方法被应用于车辆上，有前碰撞、后防撞、盲点检测、车道偏离等等；

目前应用于车辆的驾驶辅助系统，多数集中在解决某一项难题，比如前防碰撞解决前方碰撞问题，后防碰撞解决车辆后方碰撞问题，盲点检测提醒司机转向时遇到的障碍物问题，360环视给司机提供倒车时俯瞰视角等。

但现有技术或者系统之间几乎不存在相互联系和融合，能解决特定一方面的驾驶痛点，却不能全方位地保护车辆本身；同时，对环境适应能力也稍微差一些，比如在拖挂车拐弯时盲点依然存在；还有，图像拼接不能完全再现车辆周围场景，依然会给驾驶员带来误判或者漏判，甚至由于拼接视角较窄，不能给予驾驶者足够的反映时间，还是无法避免碰撞。

技术实现要素：

本实用新型针对现有技术中存在的技术问题，提供一种基于全景视觉分析的车辆主动安全预警系统，对车身周围检测比较全面，而且检测距离较远，能够全方位解决车辆无论在直行、倒车、拐弯等时对障碍物的检测、预警、自主停车，适用范围广。

为解决上述技术问题，本实用新型采用的技术方案是：一种基于全景视觉分析的车辆主动安全预警系统，包括微处理器、内存、DDR储存器、显示屏、CAN应用接口、刹车执行机构、LVDS接口和摄像系统；所述微处理器分别与所述显示屏、CAN应用接口、刹车执行机构、内存、DDR储存器和摄像系统进行信号连接。

作为优选，所述摄像系统通过所述LVDS接口与所述微处理器信号连接；所述摄像系统包括前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头。

作为优选，所述前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头均带红外补光。

作为优选，MPU输出实时图像和潜在风险目标，同时与车辆本身的刹车执行机构连接。由6个摄像头实时监视周围的路况和障碍物，如果存在碰撞危险，系统将为驾驶者提供预警和自主刹车，避免危险碰撞。

一种基于全景视觉分析的车辆主动安全预警方法，其方法如下：

通过CAN应用接口采集车辆数据，经微处理器进行数据检验及判断线程状态；

摄像头进行图像采集，放入DDR储存器缓存，由微处理器根据算法进行图像预处理，识别危险目标，并判断危险目标碰撞危险；

若判断有危险，则通过刹车执行机构进行刹车处理，并进行预警。

作为优选，算法包括车道线检测算法和模式识别算法。

作为优选，车道线检测算法；

对图像先进行预处理，将彩色图像灰度化和滤波，去掉车辆抖动、周围环境变化带来的图像噪声；再取相应的需监测感兴趣区域(ROI)，进而减少计算量；使用Canny算子对灰度图像进行边缘检测，利用改进的Hough变换进行道路边缘的检测；

高斯滤波：

滤波后图像：

O(x，y)＝f(x，y)*H(x，y)；

得到去完噪声的图像后进行Canny边缘检测，得出绘图图像的边缘轮廓图。

作为优选，模式识别算法；

主要识别的目标包括车辆、人、电动车、自行车、停车位等，算法采用HOG特征提取和SVM分类器结合的方式；

采用归一化处理，降低图像局部阴影和光照变化；

获得图像横纵坐标的梯度值和梯度方向；

梯度值：

g_X(x，y)＝H(x+1，y)-H(x-1，y)

g_y(x，y)＝H(x，y+1)-H(x，y-1)

梯度方向和梯度幅值：

细胞单元构建和细胞块；

SVM分类器：

假设训练样本数据的集合为，分别可能属于类别或者，选用线性判别函数：

g(x)＝w^Tx+w₀

α_i≥0，i＝1，2，...n。

与现有技术相比，本实用新型所具有的有益效果是：本实用新型对车身周围检测比较全面，而且检测距离较远，能够全方位的当车辆在直行、倒车、拐弯等对障碍物检测、预警、自主停车，适用范围广；

本实用新型可对车辆、行人、自行车、电动车等障碍物进行识别和避免碰撞，同时对车道线、停车位边线进行识别和动作，避免压线触及周围障碍物；实现车辆全方位的主动防撞。

附图说明

图1为本实用新型的结构示意图；

图2为本实用新型的工作流程图。

具体实施方式

为使本领域技术人员更好的理解本实用新型的技术方案，下面结合附图和具体实施例对本实用新型作详细说明。

本实用新型的实施例公开了一种基于全景视觉分析的车辆主动安全预警系统，包括微处理器、内存、DDR储存器、显示屏、CAN应用接口、刹车执行机构、LVDS接口和摄像系统；微处理器分别与显示屏、CAN应用接口、刹车执行机构、内存、DDR储存器和摄像系统进行信号连接。

本实施例中，摄像系统通过LVDS接口与微处理器信号连接；摄像系统包括前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头。

本实施例中，前摄像头、后摄像头、左前摄像头、左后摄像头、右前摄像头和右后摄像头均带红外补光。

本实施例中，MPU输出实时图像和潜在风险目标，同时与车辆本身的刹车执行机构连接。由6个摄像头实时监视周围的路况和障碍物，如果存在碰撞危险，系统将为驾驶者提供预警和自主刹车，避免危险碰撞。

一种基于全景视觉分析的车辆主动安全预警方法，其方法如下：

通过CAN应用接口采集车辆数据，经微处理器进行数据检验及判断线程状态；

摄像头进行图像采集，放入DDR储存器缓存，由微处理器根据算法进行图像预处理，识别危险目标，并判断危险目标碰撞危险；

若判断有危险，则通过刹车执行机构进行刹车处理，并进行预警。

本实施例中，算法包括车道线检测算法和模式识别算法。

本实施例中，车道线检测算法；

对图像先进行预处理，将彩色图像灰度化和滤波，去掉车辆抖动、周围环境变化带来的图像噪声；再取相应的需监测感兴趣区域(ROI)，进而减少计算量；使用Canny算子对灰度图像进行边缘检测，利用改进的Hough变换进行道路边缘的检测；

高斯滤波：

滤波后图像：

O(x，y)＝f(x，y)*H(x，y)；

得到去完噪声的图像后进行Canny边缘检测，得出绘图图像的边缘轮廓图。

本实施例中，模式识别算法；

主要识别的目标包括车辆、人、电动车、自行车、停车位等，算法采用HOG特征提取和SVM分类器结合的方式；

采用归一化处理，降低图像局部阴影和光照变化；

获得图像横纵坐标的梯度值和梯度方向；

梯度值：

g_X(x，y)＝H(x+1，y)-H(x-1，y)

g_y(x，y)＝H(x，y+1)-H(x，y-1)

梯度方向和梯度幅值：

细胞单元构建和细胞块；

SVM分类器：

假设训练样本数据的集合为，分别可能属于类别或者，选用线性判别函数：

g(x)＝w^Tx+w₀

α_i≥0，i＝1，2，...n。

以上通过实施例对本实用新型进行了详细说明，但所述内容仅为本实用新型的示例性实施例，不能被认为用于限定本实用新型的实施范围。本实用新型的保护范围由权利要求书限定。凡利用本实用新型所述的技术方案，或本领域的技术人员在本实用新型技术方案的启发下，在本实用新型的实质和保护范围内，设计出类似的技术方案而达到上述技术效果的，或者对申请范围所作的均等变化与改进等，均应仍归属于本实用新型的专利涵盖保护范围之内。