基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法及系统的制作方法
【技术领域】
[0001]本发明涉及车载向前碰撞预警方法，尤其涉及一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法及系统。
【背景技术】
[0002]现有的车载向前碰撞预警方法的误差较大，识别效果较差。
【发明内容】
[0003]为了解决现有技术中的问题，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。
[0004]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:
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。
[0005]作为本发明的进一步改进，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。
[0006]作为本发明的进一步改进，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。
[0007]作为本发明的进一步改进，向前推算状态变量方程为:X(k|k-l) =A X(k-l|k-l)+BU(k)，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。
[0008]作为本发明的进一步改进，向前推算误差协方差方程为:P (k I k-1) =A P (k-11 k-1)A’+Q，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。
[0009]作为本发明的进一步改进，卡尔曼增益方程为:Kg(k)= p(k|k-l) H’ / (HP (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；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。
[0010]作为本发明的进一步改进，下一次结果的预测方程为:x(k|k)= X(kIk-1)+Kg(k)(Z(k)-H X(k I 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。
[0011]作为本发明的进一步改进，后验协方差方程为:P(k |k)= (1-Kg (k) H) P (k I 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。
[0012]本发明还提供了一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警系统，包括微处理器、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。
[0013]本发明的有益效果是:通过上述方案，提高了识别精度。
【附图说明】
[0014]图1是本发明一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法的流程图；
图2是本发明一种基于OpenCv卡尔曼滤波器的车载向前碰撞预警方法的流系统的结构框图。
【具体实施方式】
[0015]下面结合【附图说明】及【具体实施方式】对本发明进一步说明。
[0016]图2中的附图标号为:微处理器100 ;摄像头200 ;报警器300 ;图形处理器400 ;存储器500。
[0017]如图1所示，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:
51、通过opencv 库函数分别初始化 ransit1nMatrix ；measurementMatrix ；processNoiseCov ；measurementNoiseCov ；errorCovPost,等值于矩阵，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，其过程实现为调用成员函数correct用观测值来对测量值进行矫正；
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。
[0018]OpenCV 的全称是:0pen Source Computer Vis1n Library。OpenCV 是一个基于(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了 Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
[0019]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。
[0020]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。
[0021]向前推算状态变量方程为:X(k|k_l)=A X (k-11 k-1)+B U(k);向前推算误差协方差方程为:P (k I k-1) =A P (k-11 k-1) A’+Q ;卡尔曼增益方程为:Kg(k)= p(k|k-l) Η’/ (Η P (k I k-1) H’ + R);下一次结果的预测方程为:X(k|k)= X (