k I k-1)+Kg (k) (Z(k)-HX(kI k-1));后验协方差方程为:P(k|k)= (1-Kg(k) H) P(kI k-1)，其中，A:状态转移矩阵；B:单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵；1:单位矩阵；X:状态变量；Z:实际上的测量结果；U:观测时噪音；R:测量噪音的协方差矩阵。
[0022]每一帧图像，预测完毕时及时更新模板。最后通过预测值与阀值进行比较，如果超出阀值，则立刻发出警报。
[0023]如图2所示，一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警系统，包括微处理器100、摄像头200、报警器300、图像处理器400和存储器500，其中，所述微处理器100分别与所述摄像头200、报警器300、图像处理器400连接，所述图像处理器400与所述存储器500连接。
[0024]其中，通过微处理器100检测到车距或者角度距离小于阀值之后，报警器300通过扬声器发出报警，通过此系统，在预测的准确性以及及时性获得了极大的提高，平均反应速度比平常系统提高大概0.02s，对于需要高精度的车载，这0.02s是极为致命的。
[0025]本发明成功的在车载嵌入式领域引进OpenCv，通过车载的摄像头200、配合微处理器100、图像处理器400、存储器500，通过卡尔曼算法，预测以及实际测算比较，来实现对车距、角度的预测，及时性以及准确性都得到了大大的提高。
[0026]本发明提供的一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法及系统的优点如下:
1.使用卡尔曼算法对车距以及角度进行预测，有更好的预警效果。
[0027]2.将开源库opencv使用在车载嵌入式系统中，配合CPU以及GPU使得预测速度以及获得大大提尚。
[0028]3.使用opencv开源库算法，支持C，C++，MATLAB多种语言，在测试，以及开发过程中具有很大的便利性。
[0029]以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
【主权项】
1.一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，其特征在于，包括以下步骤: 51、对存储器中的车道模板进行匹配； 52、对车距以及角度进行预测； 53、判断车距、角度是否超出阀值； 54、如果超出阀值，则报警，如果没有超出阀值，则更新存储器中的车道模板并返回步骤SI。
2.根据权利要求1所述的基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，其特征在于:步骤SI中:通过差分算法根据车道模板匹配图形，确定其相似度，定义一个变量，保存其相似度，当相似度大于0.85时，确定匹配成功。
3.根据权利要求1所述的基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，其特征在于:步骤S2中的预测过程包括:调用成员函数predict得到当前状态变量的估计值，其卡尔曼滤波器由向前推算状态变量方程、向前推算误差协方差方程首先构造，得到下一个时间状态的预先估计；其过程调用成员函数predict的当前变量的估计值、卡尔曼增益方程所计算的卡尔曼增益、后验协方差方程计算的后验协方差，可对下一次的结果进行预测。
4.根据权利要求3所述的基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，其特征在于:向前推算状态变量方程为:X(k|k-l)=A X(k-l|k-l)+B U (k)，其中，A:状态转移矩阵；B:单位矩阵；X:状态变量；U:观测时噪音。
5.根据权利要求4所述的基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，其特征在于:向前推算误差协方差方程为:P(k|k_l)=A P (k-11 k-1) A’ +Q，其中，A:状态转移矩阵单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵；X:状态变量；U:观测时噪音。
6.根据权利要求5所述的基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，其特征在于:卡尔曼增益方程为:Kg (k)= P (k I k-1) H’ / (H P (k I k-1) H’ + R)，其中，A:状态转移矩阵；B:单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵；X:状态变量；U:观测时噪音；R:测量噪音的协方差矩阵。
7.根据权利要求6所述的基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，其特征在于:下一次结果的预测方程为:x(k|k)= X(kI k-1)+Kg(k) (Z(k)-H x(k|k-l))，其中，A:状态转移矩阵；B:单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵；X:状态变量；Z:实际上的测量结果；U:观测时噪音；R:测量噪音的协方差矩阵。
8.根据权利要求7所述的基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，其特征在于:后验协方差方程为:P (k I k) = (1-Kg(k) H)P (k I k_l)，其中，A:状态转移矩阵；B:单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵单位矩阵；X:状态变量；Z:实际上的测量结果.’U:观测时噪音；R:测量噪音的协方差矩阵。
9.一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警系统，其特征在于:包括微处理器、摄像头、报警器、图像处理器和存储器，其中，所述微处理器分别与所述摄像头、报警器、图像处理器连接，所述图像处理器与所述存储器连接。
【专利摘要】本发明提供了一种精度高的基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法及系统。本发明提供了一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法，包括以下步骤：S1、对存储器中的车道模板进行匹配；S2、对本车与其他车辆以及本车与行人之间的距离进行预测；S3、判断距离是否超出阀值；S4、如果超出阀值，则报警，如果没有超出阀值，则更新存储器中的车道模板并返回步骤S1。本发明还提供了一种精度高的基于OpenCv卡尔曼滤波器的车载向前碰撞预警系统。本发明的有益效果是：提高了车载向前碰撞预警的精度。
【IPC分类】G08G1-16
【公开号】CN104821100
【申请号】CN201510194104
【发明人】何照丹, 孙文健
【申请人】深圳市航盛电子股份有限公司
【公开日】2015年8月5日
【申请日】2015年4月22日