汽车前撞报警系统研究的背景和意义

1.1研究背景及意义

近年来，随着汽车工业的飞速发展，汽车成为人类最主要的交通工具。随着汽车保有量的不断增长和车流量的逐渐增大，道路交通事故已成为全球性安全问题之一，引起了全社会的普遍关注。因此，提高汽车的安全性能、避免交通事故或减轻道路交通事故造成的伤害已成为各国政府和社会日益关注的问题。根据2010年度道路交通事故的统计，发生交通事故219521起，死亡人数达到65225，受伤人数有254075，造成的直接财产损失有926335315元。其中由追尾相撞导致的事故有22273起，占总数的10.15%,死亡人数有8957人，受伤26686人，分别占总数的13.73%、10.50%。而夜间交通事故尤为严重，夜间交通事故（包括有路灯照明和无路灯照明）发生86502起，死亡人数30158人，分别占2010年交通总事故旳39.4%和46.24%[1]。就夜晚交通环境下道路上行驶的车辆，发生交通事故的主要原因有超速行驶和疲劳驾驶，前者引发的事故占夜间全部交通事故的三分之一左右，后者也是造成交通事故的主要成因，但是，此类由驾驶员人为因素造成的事故在大多数情况下是可以避免的[2]。因此，利用汽车驾驶辅助系统为驾驶员提供适当的辅助，提高驾驶员的注意力和驾驶能力以及减轻驾驶员的工作负荷，对减少夜间碰撞事故的发生具有重要意义。驾驶员安全辅助系统（Driver Assist System, DAS)是一种能够为驾驶员提供有效辅助和支持的智能车辆系统，该系统通过模拟驾驶员的“感知一决策一执行”这一过程来部分代替驾驶员工作，缓解驾驶员的驾驶疲劳[3]。由于该系统是在事故发生前采取积极、主动的措施以避免事故的发生，归属于主动安全系统。另外，驾驶安全辅助系统还存在一类被动安全系统，如安全带，安全气囊，以减少驾驶员在事故碰撞中受伤的严重程度。图1.1所示为碰撞发生前后启动主动和被动安全系统的时间轴，在不同的时间段启用相应的安全系统。被动安全系统的目的是在碰撞事故发生后尽量减少伤亡数量，系统已经发展的非常成熟并且广泛使用于车辆上。驾驶安全辅助系统作为主动安全系统用于提前预防碰撞事故的发生，成为汽车安全方面的研究重点。

驾驶辅助系统通过使用不同的传感器采集车辆周围的环境信息，目前主要采用雷达、红外线、激光、超声波及机器视觉等传感器。由于视觉是人类观察世界、认识世界的重要功能手段，人类从外界获得的信息约有75%来自视觉系统，特别是驾驶员驾驶需要的信息90%来自视觉[4]。相比于其他传感器，视觉传感器具有信息量大、直观和对环境无污染等不可比拟的优势，可以通过机器视觉实现对道路环境的感知。随着计算机硬件技术的快速发展，CPU已经能达到对图像实时处理的要求，并且存储器等硬件设备价格也持续下降。此外，CCD摄像头具有价格低、体积小等优点，应用于视觉传感器中的图像处理算法也具有较好的适应性和灵活性等优良特征，因此，基于单目视觉的驾驶安全辅助系统在智能车辆研究领域中有着广阔的应用前景。车辆前撞预警系统（FCW)是驾驶安全辅助系统中的一个重要分支，是由传感器、电子控制单元（ECU)、报警装置（扬声器、警示灯等）及节气门/制动系统执行器等部分组成[5】。系统的主要功能是能够及时发现车辆行驶中潜在的危险，并利用声音、灯光等方式为驾驶员提供警示信息，提醒驾驶员及时采取释放加速踏板、制动和转向等正确的操作[6]。目前对车辆前撞报警系统的研究还存在一些不足，其中较为重要的问题是现有的大多数车辆前撞报警系统适用于白天交通环境，对于驾驶员行为特性因素也考虑得较少，不能适应于夜晚道路环境和驾驶员的行为特性。车辆前撞报警系统作为一项驾驶安全辅助系统应当在不影响驾驶员正常操作的情况下为驾驶员提供必要的辅助，因此在系统的设计中需要充分考虑夜晚交通环境和驾驶员的行为特性。然而，驾驶员本身就是一个复杂的智能体，加之涉及的车辆和夜晚交通环境非常复杂等诸多因素，造成不同的驾驶员对前撞报警系统的反应可能不同，现有的前撞报警算法不能适应这种变化，限制了系统安全性能的发挥。因此，需要深入分析驾驶员、车辆及交通环境三者之间的关系，设计能够适应夜晚道路环境和驾驶员特性的汽车前撞报警系统对提高交通安全具有重要作用。因此，开展本课题的研究具有重要意义。

2基于累加直方图的夜间前方车辆检测方法

夜间交通环境具有光照不足，驾驶员的视野范围变小的特点；除了交叉路口、險道和服务区，其他路段一般没有照明，驾驶员的视野范围比白天缩小很多，因此驾驶员对前方目标车辆的目测距离比实际两车之间的距离要小很多，将会出现车间距太小而发生追尾碰撞。因此，在纵向主动安全的研究领域，采用单目视觉技术以图像处理和模式识别为理论基础，识别出道路上前方目标车辆，并从识别出的候选车辆中挑选出危险目标或者跟车目标是后续开展前撞预警的基础。为提高夜间环境下车辆检测的精度，本章提出一种基于亮度累加直方图的车辆检测方法，该方法通过汽车尾灯的高亮特征实现前方目标车辆的检测。首先通过统计大量的尾灯亮度信息得到分割阈值，由该阈值确定最大类间方差法的初始阈值。然后在亮度累加直方图中采用改进的最大类间方差法确定最佳分割阈值，并通过该阈值分割图像提取尾灯目标。最后结合尾灯的形状、位置和颜色等特征进行尾灯蹄选和配对，以提取的尾灯对为目标实现夜间车辆的检测，为下一步对目标车辆的准确跟踪奠定了基础。

2.1夜间环境下的车辆特征

由于夜间道路光线条件复杂，目标车辆与背景的对比度低，车辆的边缘、角点、阴影等应用于白天的检测特征不再适用。而在夜间环境下，汽车车灯特征相对稳定，可用于识别前方车辆，目前大多数学者都是利用这一特征实现夜间前方车辆的识别，汽车车灯的主要特征有亮度、颜色、形状及具有对称性等。本文目的是检测与自车同向行驶的前方车辆是否会对自车造成威胁，因此，将车载摄像机安装在自车挡风玻璃后面以采集实时前方道路图像，以车辆尾灯对这一显著特征为目标通过图像处理技术实现对前方车辆的定位，为前撞预警系统提供车辆周围环境信息和报警目标。

3基于区域跟踪的夜间车辆快速检测方法...... 33
3.1基于区域跟踪的检测方法提出的背景..... 33
3.2基于时间序列分析模型的车辆位置预测..........35
3.2.1 AR预测模型 .....36
3.2.2 AR模型的参数估计..... 37
3.2.3 AR模型应用于目标车辆位置的预测.....37
3.3应用于目标车辆预测区域中的车辆检测.....38
3.3.1自适应尾灯提取方法..... 38
3.3.2自适应尾灯配对方法..... 39
3.4基于区域跟踪的车辆快速检测算法..... 41
3.5检测效果与分析..... 43
3.6本章小结.....47
4适应驾驶员特性的车辆前撞报警算法..... 48
4.1实际交通环境下的驾驶员实车实验..... 48
4.1.1实验的基本信息..... 48
4.1.2实验数据预处理..... 51
4.2基于前撞预警系统的驾驶员行为特性..... 53
4.3基于避撞时间7TC的前撞报警算法..... 58
4.4基于单目视觉获取避撞时间TTC的方法..... 61
4.5本章小结..... 67
5基于单目视觉的夜晚汽车前撞预警..... 68
5.1前撞预警系统平台..... 68
5.2车辆检测算法验证..... 70
5.3基于单目视觉的避撞时间计算方法验证..... 72
5.4基于避撞时间7TC的报警算法验证..... 76
5.5本章小结 .....77

结论

论文研究着眼于以夜晚环境下准确的环境识别为基础，利用实车数据分析驾驶员对潜在前撞危险的感知程度和反应机制，设计了适应驾驶员特性的前撞预警算法，实现在‘ 夜晚环境中为驾驶员提供辅助、避免前向追尾碰撞的基本功能。本文的研究工作总结为以下儿点：
(1)设计了一种基于亮度累加直方图的分割方法，能够实现在光照条件复杂的夜间环境下有效分割出前车尾灯目标，为基于尾灯对的夜间前车识别打下好的基础。
(2)设计了一种基于实时预测的夜间车辆快速检测算法，将具有实时预测功能的AR模型与基于尾灯的夜间车辆检测算法相结合，利用AR模型对前方各个目标车辆位置分别进行实时预测，有效跟踪目标车辆的位置区域，减小了车辆检测的误检率
(3)在AR模型跟踪车辆位置区域的基础上，设计了一种应用于跟踪区域的车辆检测的改进方法，充分利用视频图像连续倾间的关联信息，由检测结果的先验信息实时调整车辆检测算法中各项规则的限制阈值，有效减小检测算法需要遍历的阈值范围，也能有效提高检测算法的准确性。
(4)在识别到前方目标车辆后，对其进行了测距和相对速度的计算，为前撞预警系统提供参数输入。
(5)完成了 12名驾驶员参与的行为特性实验，获得了北京城市四环路和高速路上的驾驶员特性数据。对实验数据进行统计和分析，得到了驾驶员特性分布曲线及参数，为前撞预警系统的研究提供了数据基础。
(6)设计了基于避撞时间7TC的前撞预警方法，并在对驾驶员实车实验数据统计分析的基础上，得到适应于驾驶员行为特性的两级报警阈值。
(7)基于夜间环境下实车采集的同步视频数据和雷达数据，对本文的车辆检测效果、测距效果和相对速度结果进行了验证和评价。