一种自适应速度调节的前车跟随方法与流程

1.本发明涉及自动驾驶领域，具体涉及一种自适应速度调节的前车跟随方法。


背景技术：

2.所谓前车跟随就是让一辆车自动跟随在前一辆车的后面，前车跟随技术可以使车辆在高速公路上长时间行驶保持车距，也可以自动控制和前车的距离，并根据前车速度自动调整车速。
3.现有的前车跟随的实现是基于大量传感器实现，然而距离传感器的作用范围有限，当车距超出传感器的检测范围后，传感器便无法发挥作用，也就导致前车跟随无法实现。此外，由于车辆存在转向等状态变化，仅根据车辆尾部的单一区域特征，如汽车尾灯，可能存在某个状态下无法检测或存在多种相同区域干扰的情况，进而导致前车跟随失效，因此本发明根据特征点的旋转不变特征，将多个特征点之间欧式距离的变化情况作为前车状态判断的标准，从而实现对前车跟随的自适应速度调节。


技术实现要素：

4.本发明提供一种自适应速度调节的前车跟随方法，以解决现有的前车跟随受车距影响无法实现的问题。
5.本发明的一种自适应速度调节的前车跟随方法，采用如下技术方案，包括：获取前一时刻与目标车辆保持安全距离的目标车辆车尾图像和当前时刻的目标车辆车尾图像；获取前一时刻的目标车辆车尾图像中的第一感应兴趣区域，并获取当前时刻的目标车辆车尾图像中与第一感应兴趣区域相同区域的第二感兴趣区域；分别对第一感兴趣区域和第二感兴趣区域进行特征点检测，分别获取第一感兴趣区域中的所有第一特征点和第二感兴趣区域中的所有第二特征点；对获取的第一特征点和第二特征点进行特征点匹配，得到相互匹配成功的特征点对；利用两两特征点对中两两第一特征点之间的欧式距离和两两第二特征点之间的欧式距离获取所有特征点对中两两第一特征点和两两第二特征点之间的实际车距；计算得到的所有实际车距的方差，当该方差大于方差阈值时，则目标车辆在当前时刻正在转弯；获取所有实际车距中的最小值和最大值，并将获取的最小值作为转弯情况下与目标车辆的转弯实际车距；利用获取的实际车距中的最小值和最大值及目标车辆的尾部宽度计算目标车辆的转弯角度；利用目标车辆的转弯角度、跟车车辆的当前速度以及与目标车辆的转弯实际车距对跟车的车辆速度进行调整；当判断目标车辆不存在拐弯状态，按照所有实际车距的均值作为最终的实际车距，利用该最终的实际车距对跟车的车辆速度进行调整。
6.进一步的，所述的一种自适应速度调节的前车跟随方法，对获取的第一特征点和第二特征点进行特征点匹配的方法为：获取每个第一特征点与每个第二特征点的相似度，利用该相似度对所有第一特征点与第二特征点进行匹配。
7.进一步的，所述的一种自适应速度调节的前车跟随方法，获取每个第一特征点与每个第二特征点的相似度的方法为：获取当前时刻目标车辆车尾图像中每个第一特征点主方向上的梯度幅值；通过当前时刻目标车辆车尾图像中每个第一特征点主方向上的梯度幅值以及该第一特征点与前一时刻目标车辆车尾图像中每个第二特征点描述子之间的欧式距离得到该第一特征点与前一时刻目标车辆车尾图像中每个第二特征点的相似度。
8.进一步的，所述的一种自适应速度调节的前车跟随方法，利用目标车辆的转弯角度、跟车车辆的当前速度以及与目标车辆的转弯实际车距对跟车的车辆速度进行调整的表达式为：式中：表示跟车车辆的调整速度，表示跟车车辆的当前速度，表示跟车车辆当前速度对应的安全距离值，表示跟车车辆与目标车辆的转弯实际车距，表示目标车辆的转弯角度。
9.进一步的，所述的一种自适应速度调节的前车跟随方法，对跟车的车辆速度进行调整后，还包括：利用当前跟车速度调整后与目标车辆之间保持的安全距离对目标车辆车尾图像中的第一感兴趣区域的宽度和高度进行调整。
10.进一步的，所述的一种自适应速度调节的前车跟随方法，对目标车辆车尾图像中的第一感兴趣区域的宽度和高度进行调整的表达式为：式中：表示目标车辆车尾图像中第一感兴趣区域调整后的宽度，表示相机焦距，表示目标车辆尾部宽度， 表示当前时刻调整后跟车的车辆速度后与目标车辆之间的安全距离；式中：表示目标车辆车尾图像中第一感兴趣区域调整后的高度，表示目标车辆尾部高度。
11.进一步的，所述的一种自适应速度调节的前车跟随方法，所述目标车辆的转弯角度的表达式为：
式中：为所有实际车距中的最大值，为所有实际车距中的最小值。
12.本发明的有益效果是：本发明获取第一感兴趣区域中的所有第一特征点和第二感兴趣区域中的所有第二特征点，进而得到所有实际车距，最后获取跟车的车辆速度，从而实现对前车跟随的自适应速度调节，相对于现有技术，本发明能够在前车转弯情况下实现对前车的跟随；同时能够在车距超出传感器一定范围内实现对前车的跟随。
附图说明
13.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
14.图1为本发明的一种自适应速度调节的前车跟随方法的实施例的流程示意图。
具体实施方式
15.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
16.实施例1本发明的一种自适应速度调节的前车跟随方法的实施例，如图1所示，包括：本发明所针对的主要场景为：后车使用车载摄像头采集前车车尾图像，对前车车尾图像进行处理，根据图像中特征点之间欧式距离的变化情况，确定前车状态以及实际车距，结合当前速度的安全距离，对车辆的跟随速度进行自适应调节。
17.理想状态下的前车跟随，前车与后车之间的距离基本保持安全距离，因此理想情况下前车应在后车视野的固定区域内，为提高检测速度，可以首先根据安全距离下的前车车尾区域所在图像中的位置确定行进过程中目标的检测范围。
18.此外受到车辆车距之间的大小限制，当车速较低，对应的车距较小时，可能出现无法完全采集前车车尾区域图像的情况，因此本发明基于汽车尾部区域中特征点之间的欧式距离提高车距判断的准确性，为了得到各个特征点之间的实际距离，本发明将初次采集的车尾图像设置为参考图像。
19.由于车辆行驶速度需要保持安全距离，而驾驶员的反应时间基本不变，因此在不同行驶速度下需要保持的安全距离与行驶速度呈正相关，获取不同速度以及需要保持的安全距离值，以速度值及其对应的安全距离为样本数据，使用最小二乘法对样本数据进行直线拟合，得到安全距离与行驶速度的对应关系，记为。
20.101、获取前一时刻与目标车辆保持安全距离的目标车辆车尾图像和当前时刻的目标车辆车尾图像。
21.采集车辆的行驶速度为,对应保持安全距离初始值为时的图像；由于车辆类型多样，不同车辆的车尾图像存在差异，为了增强系统的泛化能力，本实施例使用dnn语义分割技术对初次采集图像中的目标车辆车尾图像进行提取，具体过程如下：使用的数据集为目标车辆各个角度的车尾图像。
22.需要分割的像素共分为两类，即训练集对应标签标注过程为：单通道的语义标签，对应位置像素属于背景类的标注为0，属于目标车辆车尾区域类的标注为1。
23.网络的任务是分类，所以使用的loss函数为交叉熵损失函数。
24.至此，通过上述步骤得到前车的车尾区域图像，记为。
25.102、获取前一时刻的目标车辆车尾图像中的第一感应兴趣区域，并获取当前时刻的目标车辆车尾图像中与第一感应兴趣区域相同区域的第二感兴趣区域。
26.由于短时间内前车不会发生较大位移，因此本实施例以上一帧图像所得到的车尾区域作为当前帧图像的感兴趣区域，认为当前时刻采集的图像中前车车尾的主要区域与上一帧图像中的前车车尾区域存在重合区域，需要优先对其进行分析，以提高目标的检测速度。
27.103、分别对第一感兴趣区域和第二感兴趣区域进行特征点检测，分别获取第一感兴趣区域中的所有第一特征点和第二感兴趣区域中的所有第二特征点。
28.使用sift算子对初始采集的车尾区域图像进行特征点检测，计算所有特征点之间的欧式距离，将各个特征点视为节点，将两个特征点之间的欧式距离视为节点之间的边权值，因此就根据所有的特征点之间的欧式距离构建一个图结构，根据该图结构可查询任意两个特征点之间的欧式距离。
29.对车尾区域图像作最小包围框，则该最小包围框在下一帧图像采集的图像中所对应的区域即为需要重点分析的感兴趣区域。
30.对车辆行驶过程中的当前时刻采集的图像按照操作上述操作得到的感兴趣区域进行分析，使用sift算子进行特征点检测，得到每个特征点的描述子以及主方向，其中每个描述子为一个128维向量，特征点的主方向通过统计以特征点为圆心，以该特征点所在的高斯图像的尺度的1.5倍为半径的圆内的所有像素的梯度方向及其梯度幅值，并做的高斯滤波后，得到的梯度幅值最大的方向即为该特征点的主方向。
31.104、对获取的第一特征点和第二特征点进行特征点匹配，得到相互匹配成功的特征点对；利用两两特征点对中两两第一特征点之间的欧式距离和两两第二特征点之间的欧式距离获取所有特征点对中两两第一特征点和两两第二特征点之间的实际车距。
32.由于图像中可能存在其他车型相同的车辆，干扰目标检测的准确性，而相对于其他车辆，前车在图像中距离相机更近，因此车身上的边缘相对其它位置的车辆会更加清晰，对应特征点主方向上梯度幅值更大，因此本实施例使用特征点主方向上的梯度幅值表示该特征点的特征强度，其中第个特征点的特征强度记为，通过特征点的特征强度表征该点的可靠程度。
33.计算中的每个特征点与中的各个特征点描述子之间的欧式距离，将所得欧式
距离的e的负指数次幂与中该特征点的特征强度的乘积作为该特征点与中的对应特征点的相似度，使用km匹配算法对中的每个特征点与中的各个特征点进行一一匹配，获得所有匹配的特征点对，使得所有特征点对中特征点对之间的相似度最高。
34.由此得到图像与中特征点成功匹配的特征点序列，(中的所有特征点均为中的特征点)，计算这些特征点两两之间的欧式距离；其中序列中可以与中特征点成功匹配的第个特征点与第个特征点在当前图像中的欧式距离为，中与上述两个特征点对应的特征点之间的欧式距离为。
35.由于前车车辆会存在转弯等状态变化，当车辆转弯时，需要将前车距离后车最近的位置进行安全距离的保持，然而此时特征点对之间距离的变化情况并不统一，因此根据当前距离进行速度的调整时需要首先判断前车是否存在转向状态，具体判断过程如下：根据中第个特征点与第个特征点在当前帧图像中的欧式距离相对于的变化情况得到第个特征点与第个特征点对应的实际车距，表达式如下：根据上述公式，得到特征点序列中所有特征点两两之间所对应的实际车距。
36.105、计算得到的所有实际车距的方差，当该方差大于方差阈值时，则目标车辆在当前时刻正在转弯；获取所有实际车距中的最小值和最大值，并将获取的最小值作为转弯情况下与目标车辆的转弯实际车距。
37.计算每组特征点所对应的车间距离方差，设置阈值，当方差大于时，认为当前时刻前车存在转弯状态。
38.由于车辆转弯时，后车需与前车的最末端保持安全距离，因此本实施例取实际车距中的最小值与最大值，作为当前时刻前车车尾与后车的最近一侧车距与最远一侧车距，分别记为，并将获取的最近车距作为当前转弯情况下与前车的转弯实际车距。
39.106、利用获取的实际车距中的最小值和最大值及目标车辆的尾部宽度计算目标车辆的转弯角度。
40.由于在车辆行进过程中，并不完全是直行道路，当道路出现弯道时，需要根据弯道的急缓程度对速度进行调节，即当安全距离过大时，为了避免出现跟丢的现象，直行道路直接加速即可，但是在弯道上时，弯道越急，需要降低加速幅度；当安全距离过小时，为了避免出现碰撞的现象，直行道路直接减速即可，但是在弯道上时，弯道越急，需要增加减速幅度。
41.转弯角度为表示为：
式中：当前时刻前车的转弯角度，表示前车与后车的最远距离，表示前车与后车的最近距离，表示前车尾部宽度。
42.107、利用目标车辆的转弯角度、跟车车辆的当前速度以及与目标车辆的转弯实际车距对跟车的车辆速度进行调整。
43.当车辆拐弯时，除了要保持安全距离外，还需要考虑弯道急缓程度，即当前车转弯角度越大，表示弯道越急，需要减速的程度越大，而当前车经过的弯道较平缓时，减速的程度越小，因此当车辆转弯时，还需要结合前车转弯角度对速度进一步调节，则对当前速度应调节为，表达式为：式中：表示当前速度所对应的安全距离值，当安全距离大于实际车距时，此时车辆需要减速，且相对于安全距离的差值越大，对速度调节的程度越大；反之则需要加速。
44.108、当判断目标车辆不存在拐弯状态，按照所有实际车距的均值作为最终的实际车距，利用该最终的实际车距对跟车的车辆速度进行调整。
45.当方差小于或等于时，认为当前时刻前车不存在转弯状态,对应，将车间距离的均值作为当前时刻的实际车间距离，将当前速度按照上述的公式进行调节。
46.由于不同速度下有不同的安全距离，因此当运动速度发生变化后，前车在图像中的大小也会发生变化，为了使不同速度下前车尾部大小，避免因为距离过近使得特征点数量过少，进而导致计算结果不可靠的现象出现，同时也为了避免因距离过远，导致图像中无关特征点数量增多，干扰计算结果的准确性，需要对速度进行调整的同时对下一帧图像的感兴趣区域范围进行调整。
47.将下一帧图像的感兴趣区域宽度以及高度分别调整为：式中：表示下一帧目标车辆车尾图像感兴趣区域的宽度，表示相机焦距，表示目标车辆尾部宽度， 表示当前时刻调整后的跟车的车辆速度对应的安全距离。
48.式中：表示下一帧目标车辆车尾图像感兴趣区域的高度，表示目标车辆尾部高度。
49.以当前帧感兴趣区域中心点为下一帧图像感兴趣区域的中心点，以分别为下一帧图像的宽度和高度，从而对下一帧图像的感兴趣区域进行调整。
50.按照上述方法确定下一帧图像的感兴趣区域，从而按照本实施所述方法再一次对特征点进行配对，进而得到所有实际车距的方差，从而确定目标车辆是否转弯，对跟车的车辆速度进行调整。
51.本发明获取第一感兴趣区域中的所有第一特征点和第二感兴趣区域中的所有第二特征点，进而得到所有实际车距，最后获取跟车的车辆速度，从而实现对前车跟随的自适应速度调节，相对于现有技术，本发明能够在前车转弯情况下实现对前车的跟随；同时能够在车距超出传感器一定范围内实现对前车的跟随。
52.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。