汽车智能防撞报警系统设计研究

摘 要： 主要对汽车智能防撞报警系统进行了研究，完成了一种基于车载GigEVision的前方车辆实时防撞预警系统的设计，该系统可有效适应结构化道路环境，通过使用GigE工业相机获取高分辨率图像，进而实现对前方车辆图像的有效检测过程，再将前车车速以及本车同前车间的纵向距离通过使用测距方法完成实时计算，报警距离则通过使用安全车距预警模型计算获取，在此基础上完成车辆行驶状态的判别。

关键词： 汽车智能防撞; 防撞报警系统; GigEVision; 视觉测距

中图分类号： TP 277文献标志码： A

Research on Design of Automobile Intelligent Anti-collision Alarm System

CAI Yueping

（School of Vehicle Operation Engineering， Qinghai Communication Techical College， Xining， Qinghai 810003， China）

Abstract： This article mainly researches the automobile intelligent anti-collision alarm system， and completes the design of a real-time anti-collision early warning system for forward vehicles based on on-board GigEVision. This system can effectively adapt to the structured road environment and obtain high altitude by using GigE industrial cameras. It can achieve effectively the detection of the image of the vehicle in front， and then calculate the real-time vehicle speed and the longitudinal distance between the vehicle and the front workshop in real time by using the ranging method. On this basis， the determination of the driving state of the vehicle is completed.

Key words： Intelligent car collision avoidance; collision avoidance alarm system; GigEVision; visual ranging

0 引言

隨着汽车保有量的不断上升及高速公路建设规模的不断扩大在为出行运输带来巨大便利的同时，为保证交通及人身财产安全带来了极大的挑战，尤其是愈发频繁的公路上车辆追尾事故对汽车主动避撞功能提出了更高的要求，设计并完善汽车主动避撞控制系统成为领域内的研究重点，通过研发及应用汽车防撞系统可使交通事故的发生概率得到有效降低，成为确保车辆及人员生命财产安全的一项重要手段。本文主要对汽车智能防撞报警系统进行优化设计，通过构建相应的控制系统实现汽车有效避让危险状况的操控过程，为进一步提高汽车行驶安全性提供参考。

1 现状分析

快速发展的科学技术及汽车工业使汽车成为日常生产生活中不可或缺的交通工具，汽车保有量逐年递增，复杂多变的交通路况及行驶环境对车辆防撞报警系统提出了更高的要求，车辆防撞报警系统（一种自主式驾驶辅助系统）成为避免由车辆追尾碰撞引发的交通事故的有效手段。前方车辆防撞报警系统成为研究者及汽车厂商的关注重点，该系统主要通过车载传感技术的使用实现驾驶员行车安全感知能力的扩展，从而使车辆驾驶的安全性能得以显著提高。目前在检测识别行驶车辆前方信息方面以超声波、激光、雷达等技术较为常用，这些技术因成本较高而限制了应用范围，基于机器视觉的检测方式成为解决问题的有效手段，传统防撞预警系统由于普遍存在图像分辨率及采集速率等方面的不足而难以满足现代汽车的使用需求。基于机器视觉的汽车防撞报警系统需通过先进图像采集技术的运用实现系统实时性和鲁棒性的进一步提高[1]。本文在设计防撞报警系统时通过使用GigEVision接口实现了相机图像的实时快速的采集过程（仅需通过一根网线连接，传输速度可达1000mpbs），实现了针对前方车辆的实时防撞预警功能。

2 汽车防撞报警系统总体设计

在设计汽车防撞报警系统过程中，对于车辆行驶环境中的目标车辆检测、构建安全车距模型及防撞报警相关算法是需要解决的关键环节，尤其是在车辆行驶过程中如何通过防撞预警算法的使用实现对前方车辆快速准确的检测和判断。汽车防撞报警系统方面的研究已经取得一定的进展，例如，以前方车辆行为为依据设计的碰撞预警系统实现了在发生碰撞前预警信息的输出（黄慧玲等），具体通过单目视觉方法的运用实现对前方车辆的跟踪检测过程，针对前方车辆的行为通过使用隐马尔可夫模型完成对应的快速建模识别过程;结合运用激光雷达和机电控制技术的车辆防撞预警系统（尹小琴等），则以发生于高速公路上的汽车追尾事故特点车内乘员受损伤等情形为依据进行设计，在实现防撞预警功能的同时能够对汽车高位制动灯和主动头枕进行有效控制;一种基于车道线和前方车辆识别技术的前方车辆防撞预警系统（Raphael等），主要应用于结构化道路上实现预警功能;基于单目视觉的防撞预警系统（Deng等），对在行驶环境中的前方车辆通过haar、方向梯度直方图（HOG）以及碰撞时间（TTC）算法的综合运用完成特征检测和车辆状态判断过程[1]。

本文在现有研究基础上对汽车防撞报警系统进行了优化设计，不同于传统车辆防撞预警系统，该系统使用千兆以太网相机采集前方图像信息（基于GigEVision接口标准）。系统硬件平台主要由车载电源、GigE工业相机、工控机、显示器、速度传感器和加速度传感器构成。结合运用openCV与C++完成了系统软件的编写（在vs环境下），主要由数据采集、预警算法、图像处理、报警及图像显示记录几个主要模块构成。系统总体架构示意图如图1所示。

2.1 硬件部分

该系统具体采用了MV-Em120C型的GigE工业相机并安装在车内后视镜上，速度传感器和加速度传感器分别选用了VK162GPS和WT61C，分别负责完成对车辆行驶过程中的前方车辆图像、自车车速及加速度的实时采集。相机将获取的图像帧向工控机传输（使用CAT.6型网线完成通信过程）;置于车辆顶部蒙皮上的GPS速度传感器（通过底座上的磁铁吸附固定），和安装于驾驶员座椅下方的加速度传感器通过USB串口的使用实现同工控机间的通信过程;工控机在接收到图像帧、车速与加速度信息后通过进一步处理分析实现对前方车辆的行车安全状态判别及报警功能（包括检测、测距、速度计算、数据记录显示等）[2]。

2.2 软件部分

GigE相机通过SDK开发包的调用实现控制过程，在MVGigE/MVImage.h头文件中封装相机的全部功能，相机完成图像帧采集后系统会将其存储到MVImage类中（包括宽高、通道数和深度信息），同时标识相机的工作状态（使用句柄m_hCam完成），对图像帧和相机状态的实时管理过程通过将其固定在特定的类和句柄内实现。工控机同速度及加速度传感器间使用USB串口进行实时通讯，为了准确实时的读取车速和加速度信息，USB串口需通过调用CnComm.h头文件（第三方串口）完成CnComm类Comm的新建过程，系统数据采集流程如图2所示。

系统软件采用多线程技术，处理图像帧时会对应新建一个Record线程（不占用原工作线程的资源），用于记录保存处理结果，在记录结果时该新线程不会影响系统报警处理性能[3]。软件功能流程具体如图3所示。

3 汽车智能防撞报警系统的实现

3.1 前方車辆检测算法

在车辆行驶过程中，系统对前方状况的图像采集使用GigEVision接口标准的工业相机完成，综合运用UDP数据传输层协议、GVCP和GVSP应用层协议能够为系统提供较高分辨率的图像帧（1280x960像素）和较高的图像传输帧率，同时可保证系统的可靠性。系统获取图像后由图像处理模块负责完成Adaboost级联训练器的加载，车辆实时检测过程根据该训练器训练获取的分类器文件（.xml）进行，正、负样本训练集描述文件具体通过使用opencv_haartraining.exe程序完成加载和训练，最终获得.xml文件，主要实现步骤为：

（1） 首先获取训练数据集，包括3176张正样本训练集（拍摄于不同光照条件下的不同车型尾部照片）和9 211张负样本训练集（非车辆照片），通过归一处理样本库中的正样本（形成24×24像素的灰度图）使训练负样本数量不足问题得以有效解决，同时对负样本尺寸进行大小随机的调整（需大于正样本尺寸）。（2） 接下来完成样本训练集描述文件制作，针对正、负样本训练集通过opencv_createsamples.exe程序的使用完成具体描述，分别形成pos.txt文件和neg.txt文件。（3） 再对Adaboost级联分类器进行训练，先完成样本训练集描述文件加载（通过opencv_haartraining.exe程序），将npos、nneg和nstages分别设置为900、2 800、18，boosttype类型为GAB，w和h均为24，minhittrte和maxfalsealarm分别设置为0.995和0.5，在此基础上进行一段时间的训练，从而获取分类器配置参数文件（.xml）[4]。

在visualstudio上通过OpenCv开源库和C++编程语言的综合运用完成实时检测过程，对于GigE相机实时采集到的前方图像可通过cvsetimageROI（）的使用完成对感兴趣区的设置，获得待检图像（仅包含前方本车道信息）;然后预处理待检图像，通过使用cvcvtcolor（）、cvEqualize-Hist（）、cvResize（）函数实现，处理结果如图4所示。

接下来对待检图像执行haar-like检测，具体通过cvHaarDelectObjects（）函数完成;加载训练好的分类器判断所有子窗口，并框出目标车辆[5]。

3.2 前方车辆测距

车距的实时测量通过使用测距方法（基于单帧静态图像）实现，几何模型如图5所示。

假设，相机离地高度由h表示（单位：m），α表示相机与水平方向的俯仰角，相机的像素焦距由f表示（单位：pixel），y0表示平面坐标原点的纵坐标，标识框底边中点由p′表示，y表示p′的纵坐标，f表示相机内参数，本车与前车的距离d的表达式如下[6]。

在获取h、α、f、y0的情况下，求得p′的纵坐标y即可即可求得d值。

3.3 防撞预警算法

安全距离报警分为提醒报警和危险报警，根据本车速度信息（由速度传感器提供）及前车距离帧变化计算结果实现前车速度和加速度信息的获取，在此基础上计算得出前后两车的安全距离，前车的实际行驶状态包括静止、减速、匀速（加速）[7]。

（1） 前车静止，在后车减速停车后同前车保持的车距（由D0表示）即为安全距离，假设，本车速度由vh表示（单位：m/s），本车最大减速度由ah表示（单位：m/s2），制动器协调时间及制动减速度增长时间分别由tbc和tbr表示（单位：s），危险报警距离Dw的表达式如下。

考虑驾驶员反应时间（由thum表示），得到提醒报警距离Da的计算表达式如下。

（2） 本车车速大于前车，且前车处于匀速或加速行驶状态，后车减速至与前车相同速度为最危险时刻，假设，vf表示前车速度，两车间的相对速度由vrel表示（取值为vh-vf），危险报警距离Dw的表达式如下。

提醒报警距离Da表达式如下。

（3） 前车减速行驶，本车减速跟驰，两车减速至相同速度时为最危险时刻，为在简化预警算法计算的同时确保两车安全行驶，将最危险时刻对应为两车减至停车状态，Af表示前车即本车的最大减速度，危险报警距离表达式如下[7]。

提醒报警距离表达式如下。

根据前车的驶状态计算出对应的安全距离，再通过对比本车与前车的距离d完成当前行车安全状态的判别和预警。

4 试验测试及结果分析

采用多相机嵌入式视觉系统（MV-VS820，处理器CPU型号为Intel Corei3，内存为4GB）作为系统硬件平台，安装于车内前挡风玻璃后视镜下的相机镜头采用M3514-MP型（帧率为30fps，分辨率为1 280×960像素）。利用标定工具Toolbox（MATLAB自带）求解相机内部参数，同时标定相机外部参数（结合车道消失线），标定后得到的结果为：x轴和y轴的水平方向像素焦距fx和fy分别为8 753.34和8 732.01pixel，x轴和y轴的方向基准点坐标osx和osy分别为633.58和489.85，相机垂直高度h为1.46，相机水平俯仰角α为1.8°。

实车试验在白天的城郊和高速公路上进行，在试验视频中分别选取图像200帧测试系统的有效性与鲁棒性，道路试验车辆检测结果如表1所示。

静态距离下车距测量结果如表2所示。

车距测量平均相对误差为2.7%、平均绝对误差为1.85 m，证明该系统的车距测量结果具有较高的准确性，可有效满足系统预警功能需求。固定前方车辆，本车在距前方车辆300 m处以不同车速接近前车，各重复完成3次，记录提示报警时刻和对应车间距离，碰撞预警算法试验结果如图6和图7所示，证明系统报警反应灵敏，并且实际报警距离同理论计算结果基本吻合，验证了该系统的防撞报警功能的有效性和稳定性[8]。

5 总结

本文主要设计了一种汽车防撞报警系统及主动防撞预警方法，防撞预警算法基于安全距离完成计算过程，该系统基于车载GigEVision实现了实时监测前方车辆的防撞报警功能，通过多传感器的使用完成防撞报警系统软硬件平台的搭建，并详细介绍了系统的数据采集和相关软件工作流程，前车行驶信息主要通过结合运用单帧静态测距法和车辆检测算法（基于haar特征）获取，车辆在行驶过程中通过该系统能够实现实时高效的预警功能，基于GigEVision协议的防撞报警系统可适用于不同道路环境，能够实时准确的对前方车辆的速度及车距进行检测，并及时输出预警信息，具有较高的车辆检测率及良好的的实时性和鲁棒性。测试结果表明该报警系统具备较高的车距测量准确率，能够根据实际情况进行及时可靠的防撞预警。

参考文献

[1] 付长军，李斌，乔宏章. 车联网产业发展现状研究[J]. 无线电通信技术， 2018（4）：323-327.

[2] 牛成勇，徐建勋，曾杰，等. 客车前撞预警系统性能测试与评价[J]. 汽车技术， 2018（5）：16-19.

[3] 陆文昌，徐力，袁朝春. 汽車主动避撞系统主动制动实现方法[J]. 机械制造与自动化， 2017（4）：195-198.

[4] 刘冬军，徐美华，龚露鸣，等. 前方车辆检测的特征融合算法研究与实现[J]. 上海大学学报（自然科学版）， 2017（6）：893-904.

[5] 陈涛，方威，安林芳. 基于DSRC的车辆防追尾预警算法[J]. 汽车安全与节能学报， 2017（2）：164-169.

[6] 朱立红，顾祖成，顾鹏，等. 基于最小二乘法拟合的步态曲线获取方法研究[J]. 合肥工业大学学报（自然科学版）， 2017（6）：727-730.

[7] 刘庆华，邱修林，谢礼猛，等. 基于行驶车速的车辆防撞时间预警算法[J]. 农业工程学报， 2017（12）：99-106.

[8] 杨澜，马佳荣，赵祥模，等.基于车路协同的高速公路车辆碰撞预警模型[J]. 公路交通科技， 2017（9）：123-129.

（收稿日期： 2019.12.14）

作者简介：

蔡月萍（1985-），女，硕士，教授，研究方向：汽车运用与维修技术。