一种基于环境感知的汽车防撞主动预警系统的制作方法

本发明涉及预警领域，具体涉及一种基于环境感知的汽车防撞主动预警系统。

背景技术：

随着生活水平的提高，道路上的车辆越来越多。汽车里面的乘客很多时候都需要在马路边下车，马路边通常会有自行车或者电动车在通行，有时候也有行人在步行，如果乘客下车时不注意观察前方和后方的来车，很容易在开门时与来车或行人发生碰撞，发生交通事故。

技术实现要素：

针对上述问题，本发明提供了一种基于环境感知的汽车防撞主动预警系统，其包括图像获取模块、图像处理模块、距离判断模块、预警提示模块；

所述图像获取模块用于获取本车前方以及后方的红外图像，并对所述红外图像的质量进行判断，将符合预设的质量要求的红外图像传输至图像处理模块；

所述图像处理模块用于检测所述红外图像中是否包含行人和/或来车，并在检测到所述红外图像中包含有行人和/或来车，且所述行人或来车跟本车处于同一车道上时，通知所述距离判断模块对所述行人和/或来车进行距离判断；

所述距离判断模块用于判断所述行人和/或来车与本车之间的距离，并在所述距离小于预设的距离阈值时，通知所述预警提示模块进行预警；

所述预警提示模块用于提醒车内的乘客注意所述行人和/或来车。

本发明的有益效果为：

本发明通过获取车辆前后方的红外图像来判断本车前后方是否包含行人和/或来车，从而能在本车内的乘客需要在路边下车时，避免车门打开后碰撞到行人和/或来车，有效地保障了行人和/或来车的安全以及有效地降低了交通事故发生的概率。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种基于环境感知的汽车防撞主动预警系统的一种示例性实施例图。

附图标记：

图像获取模块1、图像处理模块2、距离判断模块3、预警提示模块4。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本发明的一种基于环境感知的汽车防撞主动预警系统，其包括图像获取模块1、图像处理模块2、距离判断模块3、预警提示模块4；

所述图像获取模块1用于获取本车前方以及后方的红外图像，并对所述红外图像的质量进行判断，将符合预设的质量要求的红外图像传输至图像处理模块2；

所述图像处理模块2用于检测所述红外图像中是否包含行人和/或来车，并在检测到所述红外图像中包含有行人和/或来车，且所述行人或来车跟本车处于同一车道上时，通知所述距离判断模块3对所述行人和/或来车进行距离判断；

所述距离判断模块3用于判断所述行人和/或来车与本车之间的距离，并在所述距离小于预设的距离阈值时，通知所述预警提示模块4进行预警；

所述预警提示模块4用于提醒车内的乘客注意所述行人和/或来车。

在一种实施方式中，所述图像获取模块1包括拍摄单元和质量判断单元；所述拍摄单元用于获取本车前方以及后方的红外图像；所述质量判断单元用于对所述红外图像的质量进行判断，若所述红外图像不符合预设的质量要求，则通知所述拍摄单元重新获取本车前方以及后方的红外图像；若所述红外图像不符合预设的质量要求，则将所述红外图像传输至图像处理模块2。

本发明上述实施方式，在将所述红外图像发送到所述图像处理模块2前，先对所述红外图像的质量进行判断，避免了成像质量差的图像被传输到图像处理模块2，进而避免图像处理模块2根据有缺陷的图像来进行来车和行人的识别，发生误判，导致车祸的发生。

在一种实施方式中，在对所述红外图像进行质量判断时，先把所述红外图像转为灰度图像。

在一种实施方式中，所述对所述红外图像的质量进行判断，包括：

获取所述红外图像的灰度分布直方图，将所述灰度直方图划分为三部分，灰度值在[0，thre1]的灰度直方图被划分为第一部分，灰度值在[thre1，thre2]的灰度直方图被划分为第二部分，灰度值在[thre2，255]的灰度直方图被划分为第三部分；thre1和thre2均为预设的直方图阈值；将第一部分、第二部分、第三部分所包含的像素点的总数依次记为n1、n2、n3；

通过如下方式计算所述红外图像的质量分数：

式中，mf表示质量分数，α1和α2表示权重参数，hd表示所述红外图像的灰度均值，fc表示所述红外图像的灰度值方差，zs表示所述红外图像的噪声估计的标准差的数值；

若mf≥mfthre，则所述红外图像的质量符合预设的质量要求，否则所述红外图像的质量不符合预设的质量要求，mfthre表示预设的质量判断阈值。

本发明上述实施方式，通过红外图像的灰度均值、灰度值方差、噪声估计的标准差的数值以及灰度分布直方图的三类像素点的占比来计算所述红外图像的质量分数，可以更为有效和全面地范明所述红外图像的质量情况，避免了现有技术用使用单一的参数来对图像的质量进行判读导致的判断不准确的问题。

在一种实施方式中，所述图像处理模块2包括第一检测子模块、第二检测子模块和判断子模块；

所述第一检测模块用于检测所述红外图像中是否包含行人和/或来车，并在检测到行人和/或来车时，通知所述第二检测模块进行工作；

所述第二检测子模块用于检测所述红外图像包含的车道线；

所述判断子模块用于判断所述行人和/或来车跟本车是否处于同一车道上。

在一种实施方式中，所述第一检测模块用于检测所述红外图像中是否包含行人和/或来车，包括：

对所述红外图像进行灰度化处理，得到灰度化图像；

对所述灰度化图像进行降噪处理，得到降噪图像；

对所述降噪图像进行特征数据的提取，得到特征数据；

将所述特征数据输入到预先训练好的神经网络识别模型，检测所述红外图像中是否包含行人和/或来车。

在一种实施方式中，所述对所述灰度化图像进行降噪处理，得到降噪图像，包括：

使用双边滤波算法对所述灰度化图像进行降噪处理，得到降噪图像。

在一种实施方式中，所述对所述降噪图像进行特征数据的提取，得到特征数据，包括：

对所述降噪图像进行图像增强处理，得到增强图像；

对所述增强图像进行特征数据的提取。

在一种实施方式中，所述对所述降噪图像进行图像增强处理，得到增强图像，包括：

使用下述方式对降噪图像进行增强处理：

若则使用下述公式对降噪图像进行增强处理：

否则，使用下述公式对降噪图像进行增强处理：

式中，l表示位置为(x，y)的像素点的邻域的大小，1为大于等于3的奇数，s表示预设的不同大小的1的集合，φ表示增强程度控制因子，avef表示降噪图像的灰度值均值，fcl(x，y)表示位置为(x，y)的像素点的l×l大小的邻域像素点的灰度值方差；avefl(x，y)表示位置为(x，y)的像素点的l×l大小的邻域像素点的灰度值均值；八x，y)表示增强处理前位置为(x，y)的像素点的灰度值，af(x，y)表示增强处理后位置为(x，y)的像素点的灰度值，gsm表示预设的图像增益系数阈值。

本发明上述实施方式，通过将不同邻域大小的增强结果进行合并，得到最终的增强图像，可以有效的增强降噪图像的暗部信息，从而有效地保留图像的细节信息，在增强前先判断增强程度控制因子、降噪图像的灰度值均值、邻域的灰度值方差和图像增益系数阈值的关系，再自适应地选择不同的公式进行增强，有效地避免了出现增益过度的情况。

在一种实施方式中，所述距离判断模块3包括毫米波雷达和激光雷达。

在另一种实施方式中，所述距离判断模块3包括选择子模块和雷达子模块；

所述雷达子模块包括毫米波雷达和激光雷达；

所述选择子模块用于根据天气情况选择合适的雷达探测行人和/或来车与本车之间的距离；若天气为下雨天或雾天，则选择子模块选用毫米波雷达探测行人和/或来车与本车之间的距离，否则，选择子模块选用激光雷达探测行人和/或来车与本车之间的距离。

本发明上述实施方式，由于激光雷达容易受到雨天和雾天的影响，因此，在雨天或雾天时选用毫米波雷达来探测行人和/或来车与本车之间的距离，能够降低激光雷达探测的不准确性；而在非雨天以及非雾天的天气中，激光雷达探测距离比毫米波雷达更远，而且更为准确，因此选用激光雷达来探测行人和/或来车与本车之间的距离，提高探测的准确性。

在一种实施方式中，所述预警提示模块4包括喇叭，所述喇叭用于在接收到距离判断模块3的通知时，播放预先设定的提示语音，提示车内乘客注意所述行人和/或来车。

在一种实施方式中，所述拍摄单元包括红外摄像机。

在一种实施方式中，判断所述行人和/或来车跟本车是否处于同一车道上，包括：

若所述红外图像为本车前方图像，且所述行人和/或来车处于所述车道线的右侧，则判断子模块判断所述行人和/或来车跟本车处于同一车道上；否则判断子模块判断所述行人和/或来车跟本车不处于同一车道上；

若所述红外图像为本车后方图像，且所述行人和/或来车处于所述车道线的左侧，则判断子模块判断所述行人和/或来车跟本车处于同一车道上；否则判断子模块判断所述行人和/或来车跟本车不处于同一车道上。

本发明通过获取车辆前后方的红外图像来判断本车前后方是否包含行人和/或来车，从而能在本车内的乘客需要在路边下车时，避免车门打开后碰撞到行人和/或来车，有效地保障了行人和/或来车的安全以及有效地降低了交通事故发生的概率。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。