胡智超++呂亮
摘 要:隨著交通運輸業(yè)的發(fā)展,交通事故已成為當前世界各國所面臨的嚴重問題,而因開車看手機造成的交通事故正在逐年增加。針這一現(xiàn)象,提出一套基于圖像識別與雷達測距技術(shù)的開車看手機安全預警系統(tǒng)。本系統(tǒng)采用基于opencv的圖像處理技術(shù)用于檢測駕駛員是否在看手機,利用雷達測距用于對外部障礙物數(shù)據(jù)的采集,根據(jù)相應(yīng)算法判斷其是否存在危險,最后根據(jù)兩者結(jié)果綜合判斷,建立相應(yīng)安全等級,輔助駕駛保障駕駛員行車安全。
關(guān)鍵詞:開車看手機 安全預警 圖像識別 雷達測距 系統(tǒng)開發(fā)
中圖分類號:U471.1 文獻標識碼:A 文章編號:1672-3791(2017)11(b)-0016-02
隨著智能手機的普及,除了給人們的生活帶來許多便利以外,還影響著人們的日常生活。目前,許多司機在開車時都養(yǎng)成了看手機的習慣,然而因為這一壞習慣所引發(fā)的交通事故逐年增多。據(jù)上海市的不完全統(tǒng)計,2014年1至10月,本市共發(fā)生致人死亡交通事故690起,其中由開車接聽電話、玩微信等“其他妨礙安全行車的違法行為”引發(fā)的死亡事故高達204起,占到了總數(shù)的29.6%。
目前有些國家也研發(fā)了一些技術(shù)來預防因為開車看手機而造成的交通事故,例如英國一家企業(yè)開發(fā)的一款手機應(yīng)用能夠監(jiān)測用戶的開車速度,當時速達到6km時自動關(guān)閉撥出電話、收發(fā)短信和電子郵件、社交軟件等會分散司機注意力的功能。國外對于開車玩手機主要通過手機應(yīng)用層面來限制手機的使用,這種做法過于被動不適于我國國情,通過主動輔助安全駕駛在我國是更容易被接受。而國內(nèi)對于開發(fā)車內(nèi)監(jiān)測駕駛員開車看手機預警系統(tǒng)并沒有太多的研究成果。
1 系統(tǒng)的實際構(gòu)成及工作流程
1.1 系統(tǒng)模塊
如圖1所示,本系統(tǒng)總共分為4個模塊,分別是看手機狀態(tài)監(jiān)測模塊、行駛障礙物雷達測距模塊、嵌入式系統(tǒng)模塊(包括潛在事故風險綜合判斷模塊和音頻報警模塊)、通信供電模塊。
1.2 工作流程
當汽車在道路上行駛時,周圍的環(huán)境都是不確定的。本系統(tǒng)是通過檢測駕駛員的駕駛狀態(tài),并判斷他此時是否在玩手機,同時啟動RPLIDAR雷達測距儀來檢測周圍的道路環(huán)境。雷達將檢測到的數(shù)據(jù)發(fā)送給潛在事故風險綜合判斷模塊,經(jīng)過所設(shè)定的一系列程序處理之后,在綜合開車看手機狀態(tài)監(jiān)測結(jié)果進行綜合風險判斷。如果判斷出處于危險情況下,則將所得的結(jié)果發(fā)送給音頻報警模塊進行報警:只檢測到駕駛員在看手機為一級警報,只檢測到存在危險障礙物為二級警報,同時檢測到這兩種情況為三級警報,危險等級依次上升,音頻警報頻率依次上升。工作流程圖如圖2所示。
2 關(guān)鍵技術(shù)
2.1 看手機狀態(tài)監(jiān)測模塊
看手機狀態(tài)監(jiān)測模塊是以圖像識別作為解決方法,利用opencv語言的圖像處理,對攝像頭設(shè)置定時抓拍的照片進行處理,利用手機屏幕反光和發(fā)光其周圍光點多的情況,首先運用opencv中的canny算法進行圖像的邊緣檢測,在利用findcontours函數(shù)獲取到圖像的所有輪廓,然后通過增大閾值將背景干擾輪廓進行進一步的過濾,得到預處理后的圖像;得到圖像會有比較散碎的輪廓,為了進一步的將輪廓提取出來,對該圖像進行膨脹操作,將相鄰的零星線條集中在一起得到膨脹圖,最后運用外接圓或者外接矩形的方法進行處理,為了能夠進一步的篩選提高準確率,通過設(shè)置最小外接矩形的寬度以及長寬比得到最終的檢測圖像,將手機識別出來。
2.2 行駛障礙物雷達測距模塊
該模塊采用的是RPLIDAR雷達測距儀。RPLIDAR采用了激光三角測距技術(shù),再配合高速視覺采集處理機構(gòu),每次測距過程中,RPLIDAR將發(fā)射經(jīng)過調(diào)制的紅外激光信號,該激光信號在照射到目標物體后產(chǎn)生的反光將被RPLIDAR的視覺采集系統(tǒng)接收,然后經(jīng)過嵌入在RPLIDAR內(nèi)部的DSP處理器實時解算,被照射到的目標物體與RPLIDAR的距離值以及當前的夾角等信息將從通訊接口中輸出。
2.3 嵌入式系統(tǒng)模塊
2.3.1 潛在事故風險綜合判斷模塊
本模塊對障礙物進行風險判斷,同時結(jié)合開車看手機狀態(tài)檢測模塊結(jié)果進行綜合風險判斷。障礙物風險判斷從橫向距離和縱向距離兩個指標來進行判斷。開車看手機會明顯增大車輛的偏離車道次數(shù),因此為保證安全設(shè)定橫向安全距離。對于大于橫向安全距離的障礙物可以看作是安全的,而對于橫向安全距離內(nèi)的障礙物再通過縱向距離來進行判斷??v向距離風險判斷是基于車輛性能下的制動模型的,根據(jù)道路的實際情況,實時通過車速,制動減速度等參數(shù)計算出安全距離,再與測得的實際縱向距離比較進行風險判斷(本模塊有具體核心算法)。
2.3.2 音頻報警模塊
本模塊所采用的主要元器件是蜂鳴器,根據(jù)危險等級的高低發(fā)出不同頻率的警報。
3 系統(tǒng)硬件構(gòu)成
系統(tǒng)的硬件部分主要由攝像頭、RPLIDAR雷達、STM32F407單片機構(gòu)成。攝像頭采用一般高清攝像頭,能夠清楚的拍到駕駛員開車時的實時狀。RPLIDAR是激光掃描雷達,輸出頻率為5.5Hz,測距的精度可達到0.2cm,測量范圍是360°,可以清楚的檢測到周圍的道路環(huán)境。集成開發(fā)板的核心芯片是基于Contex M4內(nèi)核的STM32F407單片機,正常工作頻率為168MHz,含有SERISE,CAN,I?C,USB等通信接口,由于設(shè)計對傳輸距離要求不高,采用串口作為數(shù)據(jù)通信(配置為波特率115200,一位停止位,無校驗)。獲取雷達數(shù)據(jù)時采用串口的DMA模式傳輸,與RPLIDAR進行的通訊采用非文本形式的二進制數(shù)據(jù)報文進行,且每個數(shù)據(jù)報文均具有統(tǒng)一的報頭數(shù)據(jù)格式。
4 應(yīng)用前景
隨著信息化時代的飛速發(fā)展,越來越多的人們出行離不開手機,而隨著汽車的普及,越來越多的人們出行會選擇開車。人們在開車的時候又時常與手機進行“交流”,一旦發(fā)生突發(fā)狀況,不僅不利于自身的安危,也會影響道路交通的正常秩序。如果該系統(tǒng)應(yīng)用成功并且普及,便可以有效避免因開車看手機發(fā)生的安全事故,做到真正的安全出行、和諧交通。
參考文獻
[1] 毛星云,冷雪飛.OpenCV3編程入門[M].電子工業(yè)出版社,2015.
[2] 王偉杰,王春磊,王玖,等.高速公路最小行車安全距離及預警系統(tǒng)設(shè)計[J].大連交通大學學報,2010(5):6-10.
[3] 許倫輝,羅強,吳建偉,等.基于最小安全距離的車輛跟馳模型研究[J].公路交通科技,2010(10):95-100.
[4] 潘勇,唐自強,龔賢武,等.基于行駛狀態(tài)估計的車車協(xié)同縱向安全距離模型[J].公路交通科技,2016(7):137-144.
[5] 李焱琪.手機使用對駕駛行為影響研究綜述[J].青年科學:教師版,2014(9).endprint