魏丹　賈子彥

摘 要：文中設(shè)計了一種將可見光通信技術(shù)和數(shù)字圖像處理技術(shù)相結(jié)合的車輛智能防撞系統(tǒng)。該系統(tǒng)主要作用于前后跟車行駛的兩車之間，可實時監(jiān)控兩車之間的相對運行狀態(tài)，當系統(tǒng)發(fā)現(xiàn)兩車之間可能發(fā)生碰撞時，及時提醒駕駛?cè)嘶虿扇∽詣又苿哟胧?，防止碰撞等危險發(fā)生。

關(guān)鍵詞：可見光通信；數(shù)字圖像處理；智能；防撞

中圖分類號：TP39；U461.91 文獻標識碼：A 文章編號：2095-1302（2018）03-0-04

0 引 言

家庭汽車逐步成為我們?nèi)粘Ｉ钪斜夭豢缮俚慕煌üぞ咧?，家庭汽車?shù)量激增所帶來的道路交通壓力和道路交通安全隱患值得我們特別重視。為了進一步保障道路交通安全，除了要制定更加合理的道路交通安全規(guī)章制度、規(guī)范駕駛?cè)说鸟{駛行為以外，如何進一步提高車輛本身的安全性能也是近年來研究的重要方向。隨著車輛智能化技術(shù)的發(fā)展，可以通過車輛的智能系統(tǒng)實時監(jiān)測前方路況，及時發(fā)現(xiàn)危險并采取相應(yīng)措施，以有效避免碰撞危險的發(fā)生，提高車輛的安全性能。

1 車輛智能防撞系統(tǒng)的設(shè)計

本文所設(shè)計的車輛智能防撞系統(tǒng)將數(shù)字圖像處理技術(shù)與可見光通信技術(shù)相結(jié)合，使車輛具有車間通信以及前方路況探測的功能，從而實現(xiàn)對前方路況信息的判別，并能夠及時采取警示處理措施以防車輛發(fā)生追尾碰撞事故。

本文中可見光通信技術(shù)主要運用于車輛之間，以可見光通信的方式實現(xiàn)車間通信。目前，車輛正在使用的剎車燈和車尾示寬燈可經(jīng)簡單的電路改造成為可見光信號的發(fā)送端。車輛的速度和加速度等信息可以通過相應(yīng)的傳感器獲得并傳遞給改造后的剎車尾燈和車尾示寬燈，車燈可以通過亮滅變化將該車的速度和加速度以可見光信號的形式發(fā)送出去。

車輛前端安裝一個高速攝像機，高幀率地實時記錄前方路況信息，以此完成系統(tǒng)信息的采集。系統(tǒng)再利用數(shù)字圖像處理技術(shù)對高速攝像機記錄下來的連續(xù)多幀圖像進行處理分析，提取到前車發(fā)送的可見光信號；通過視覺圖像中的目標物測距過程可獲得前車的相對位置信息。

智能防撞系統(tǒng)的判別決策模塊將獲得的相對車速、車距信息代入安全距離模型，將實時跟車距離與對應(yīng)運行狀態(tài)下的安全距離進行比較。當實時跟車距離小于對應(yīng)的安全距離時，判別決策模塊將發(fā)出信號給執(zhí)行模塊，執(zhí)行模塊中的聲光報警器動作，警示駕駛員；當實時跟車距離小于一級臨界安全距離時，執(zhí)行模塊在對駕駛員進行聲光報警的同時，采取相應(yīng)的自動制動措施。從而保證車輛能夠在危險發(fā)生前及時采取措施，防止跟車行駛過程中碰撞事故的發(fā)生。圖1所示為車輛智能防撞系統(tǒng)的工作流程。

2 車輛智能防撞系統(tǒng)的系統(tǒng)組成

本文所設(shè)計的車輛智能防撞系統(tǒng)主要由信息采集模塊、數(shù)據(jù)信息處理模塊、判別決策模塊和響應(yīng)執(zhí)行模塊組成。系統(tǒng)組成框圖如圖2所示。

2.1 信息采集模塊

信息采集模塊主要通過安裝于車輛前端的高速攝像機對前方視野進行拍攝獲得實時記錄的連續(xù)多幀圖像。實時記錄的連續(xù)多幀圖像主要包括正常跟車行駛過程中前車在本車前方視野中的圖景。所采集到的連續(xù)多幀圖像中所包含的信息包括前車尾部示寬燈或剎車尾燈發(fā)送的可見光信號及前車與本車相對距離信息。可見光信號包含前車的速度和加速度信息。

2.2 數(shù)據(jù)信息處理模塊

數(shù)據(jù)信息處理模塊主要通過數(shù)字圖像處理技術(shù)對信息采集模塊所采集的連續(xù)多幀圖像進行處理，經(jīng)圖像的幀間差法、圖像區(qū)域劃分等過程提取可見光信號并獲得車輛間距信息?？蛇M一步對提取到的可見光信號進行解碼，獲得相應(yīng)的前車速度和加速度等運行狀態(tài)信息。

2.3 判別決策模塊

判別決策模塊根據(jù)數(shù)據(jù)信息處理模塊獲得的信息，判斷本車是否有追尾的可能。當警示判別模塊認為本車可能與前車發(fā)生追尾碰撞危險時，判別決策模塊將給予執(zhí)行模塊相應(yīng)的警示執(zhí)行信息。

2.4 響應(yīng)執(zhí)行模塊

執(zhí)行模塊根據(jù)警示判別模塊發(fā)送的警示執(zhí)行信息，對本車內(nèi)的聲光報警器或剎車進行相應(yīng)的動作，及時警示駕駛員并在必要時自動制動以防本車與前車發(fā)生追尾碰撞。

3 基于數(shù)字圖像處理的車輛識別通信和距離測算

3.1 基于車尾燈的車輛識別

（1）基于剎車尾燈的車輛識別利用了剎車尾燈的紅色特性。利用數(shù)字圖像處理技術(shù)可以將讀入的RGB模型圖像轉(zhuǎn)換為HSV模型圖像，H，S，V分別代表色彩的飽和度、色調(diào)和明度，將剎車尾燈的紅色特征進行圖像分割時，可以通過設(shè)置合適的H，S分量閾值，識別剎車尾燈區(qū)域[1]。圖3所示為系統(tǒng)采集讀入的RGB圖像，圖4所示為對應(yīng)轉(zhuǎn)換的HSV圖像。

將S分量二值模板作用于H分量圖像，比閾值大的像素點值被賦值為1（白），小于或等于閾值的像素點值被賦值為0（黑）。根據(jù)紅色在HSV顏色空間的分布規(guī)律，本文選取的分量閾值范圍為：

0.45

0°

其中H分量的角度取值范圍根據(jù)HSV模型周角360°可換算成歸一化的取值范圍：

0

剎車尾燈分割并標記識別圖如圖5所示，由圖可知，利用此方法可以基本識別出剎車尾燈區(qū)域，并將剎車尾燈區(qū)域標記了出來。

（2）基于車尾示寬燈的車輛識別利用了車尾示寬燈的亮度特征。采用LED光源的車尾示寬燈作為一種不以照明為目的的輔助提示燈具，燈光分散，亮度特征明顯。目前，大多數(shù)汽車的車尾示寬燈所使用的燈泡仍為鹵素燈泡，采用LED光源的車尾示寬燈還未大量普及。因此，本文先對同樣采用LED光源的日間行車燈進行實驗驗證。

HSV空間下的V分量圖像無圖像的色彩信息，每個像素點的值表示該像素點的明亮程度。燈亮時，燈在圖像上的V分量值范圍約為：

0.9

通過實驗對比發(fā)現(xiàn)，直接通過V分量取值范圍獲取的二值圖像的效果不如以V分量的值作為圖像分割的閾值分割圖像轉(zhuǎn)換為二值圖像好。本文選定作為二值化圖像閾值的V分量值為0.95。對初步分割出的二值圖像作進一步的形態(tài)學處理，可以有效地標記出車燈位置。

3.2 車間通信的實現(xiàn)

本文實現(xiàn)車間通信的方法是后車系統(tǒng)利用數(shù)字圖像處理技術(shù)對高速攝像機采集的圖像信息進行分析，提取出可見光信號，進而解碼獲悉前車的運行狀態(tài)信息。

本文就該部分內(nèi)容進行了實驗環(huán)境下的驗證。將LED燈的信號接口通過串口線與PC機相連，打開PC機上的串口助手，設(shè)置串口助手以波特率為300的速率定時發(fā)送十六進制字符串‘AA，‘AA對應(yīng)的二進制位編碼為‘10101010。該串口助手發(fā)送的數(shù)據(jù)格式為8位數(shù)據(jù)位和1位標志位，且標志位為‘0。設(shè)置高速攝像機的幀率為1 500 fps，即五倍的采樣頻率以確保信息能被有效采集。

待高速攝像機完成圖像信息的采集后，利用數(shù)字圖像處理技術(shù)對采集到的連續(xù)多幀圖像進行處理，主要通過幀間差法提取到LED燈亮、滅分別對應(yīng)的編碼信息。本文利用Matlab軟件強大的計算分析性能及其圖像處理工作箱進行相應(yīng)的圖像處理[2]。

圖6所示為Matlab環(huán)境中提取到的LED燈以可見光信號發(fā)出的數(shù)據(jù)部分的編碼。第一個編碼出錯是由于采樣圖像其實部分的隨機性，將數(shù)據(jù)分布的狀態(tài)翻轉(zhuǎn)當成了標志位處的狀態(tài)翻轉(zhuǎn)。對后面提取到的編碼予以糾正。編碼‘10101010對應(yīng)的十六進制字符串正是發(fā)送的‘AA。

3.3 車輛間距測算

前后兩車之間的距離信息也是攝像機采集的前方路況圖像中所包含的重要信息之一。通過數(shù)字圖像處理技術(shù)獲悉的兩車之間距離信息是防止前后兩車發(fā)生碰撞的重要依據(jù)之一。

本文采用了單目視覺下的單幀靜態(tài)圖像測距法對車輛間距進行測算[3]。圖7所示為沿車輛行駛方向的單幀靜態(tài)圖像測距原理圖。

其中：f表示攝像機的有效焦距，?表示攝像機的仰俯角，h表示攝像機的安裝高度，坐標（x0，y0）所表示的點為圖像物理坐標系的原點，即攝像機光軸與成像平面的交點。點P為前方車輛尾部在路面上的垂直投影位置，P點投影在成像平面上，圖像上的投影點在圖像物理坐標系中的坐標為（x，y）。

本文對該部分進行了仿真實驗。通過實際測量獲得攝像機的外部參數(shù)?和h，通過攝像機標定獲得攝像機的內(nèi)部參數(shù)f和光心坐標（x0，y0）。本文采用張正友標定法并利用Matlab的應(yīng)用工具Camera Calibrator對攝像機進行標定[4]。圖8所示為用于攝像機標定的不同角度的標定板。圖9所示為攝像機標定完成后獲得的攝像機內(nèi)部參數(shù)。

即fx=3 453.4，fy=3 453.3，x0=1 543.8，y0=2 128.6。將攝像機的內(nèi)外參數(shù)以及圖像中所測點的像素坐標代入測距公式，即可測算出對應(yīng)的實際距離。實驗結(jié)果見表1所列。

實驗結(jié)果表明，通過圖像中點的位置以及相關(guān)攝像機內(nèi)部參數(shù)可以有效測算出圖像中的點在實際空間中對應(yīng)的實際距離。但距離測算的誤差會隨著距離的增大而顯著提高。

4 車輛智能防撞決策

通過上述車輛的識別、通信、測距過程，可以獲悉本車與前車的相對速度和相對距離等信息。本文建立了一個車輛智能防撞數(shù)學模型，利用車輛間的相對速度和相對距離信息，通過該數(shù)學模型及時做出危險判別并給出預(yù)警信號，使車輛能夠及時采取措施，防止追尾碰撞危險的發(fā)生。

本文采用的行車安全距離模型建立在對車輛的減速制動過程分析上。根據(jù)前車運行狀態(tài)的不同，安全距離模型的表達式也有所不同。主要分為前車停止，前車勻速或加速運動，前車減速或減速停止運動等三種情況[5]。安全車距模型為：

其中：Sf1，Sf2，Sf3分別為三種情況下的臨界安全距離，vB，vA分別為前車和本車的實時車速，|aAm|，|aBm|分別為前車和本車的最大制動減速度絕對值，S0為危險解除時兩車的最近跟車距離。

將通過制動過程分析獲得的臨界安全距離Sf作為一級安全距離D1，在此基礎(chǔ)上加上設(shè)定的警示距離S*得到二級預(yù)警距離D2。根據(jù)相關(guān)參考文獻調(diào)查，給駕駛員預(yù)留1 s的時間可避免90%的交通事故的發(fā)生[6]。又因交通法規(guī)定車輛在高速公路上的最高時速為120 km/h，即33.3 m/s，因而本文設(shè)定S*為45 m。圖10所示為車輛智能防撞系統(tǒng)的防撞決策流程。

兩車之間的實時跟車距離為DRT，結(jié)合一級預(yù)警距離D1和二級預(yù)警距離D2進行車輛防撞決策：

（1）若車輛間距DRT小于或等于臨界安全距離D1，則啟動車輛自動制動子程序和聲光報警子程序，利用車輛自動制動系統(tǒng)使車輛立即制動減速的同時通過車內(nèi)的聲光器件對駕駛員報警。

（2）若車輛間距DRT介于D1與D2之間，則只啟動聲光報警子程序使聲光報警器動作，通過聲光報警的方式提醒駕駛員減速慢行。

（3）若車輛間距DRT大于二級預(yù)警距離D2，則說明兩車之間的跟車距離較大，不易發(fā)生追尾碰撞，此時不做特別處理。

5 結(jié) 語

在整個道路交通狀況日漸復(fù)雜的今天，車輛智能防撞系統(tǒng)作為一種輔助駕駛智能系統(tǒng)可以有效減少車輛行駛過程中追尾碰撞的發(fā)生，具有一定的研究意義和實用價值。本文提出的基于數(shù)字圖像處理的車輛智能防撞系統(tǒng)，將可見光通信技術(shù)與數(shù)字圖像處理技術(shù)相結(jié)合，充分發(fā)揮了可見光通信和數(shù)字圖像處理的優(yōu)勢，在車輛智能防追尾碰撞研究的基礎(chǔ)上提供了一定的探索基礎(chǔ)。但由于個人能力以及當前客觀條件所限，本文提出的系統(tǒng)仍有很多需要改進的地方。例如，本文在圖像算法處理上需進一步改進以提高系統(tǒng)的適應(yīng)性和準確性，在安全距離數(shù)學模型的選用上需進一步豐富以適應(yīng)復(fù)雜路況的需求等。

參考文獻

[1]高飛. Matlab圖像處理375例[M].北京：人民郵電出版社，2015.

[2]趙小川.現(xiàn)代數(shù)字圖像處理技術(shù)提高及應(yīng)用案例詳解：Matlab版[M].北京：北京航空航天大學出版社，2012.

[3]王亞麗.基于毫米波雷達與機器視覺融合的前方車輛檢測研究[D].長春：吉林大學，2013.

[4]吳慶雙，付仲良，孟慶祥.基于序列圖像的攝像機自標定方法[J].計算機應(yīng)用，2011，31（11）：3010-3014.

[5]許穎，岳大軍，趙洋，等.汽車防追尾系統(tǒng)中安全距離模型的研究[J].農(nóng)業(yè)裝備與車輛工程，2009（2）：26-29.

[6]中華人民共和國道路交通管理條例[S].北京：中國法制出版社，2004.

[7]劉正岐，郭濤.對比色配色方案數(shù)字化生成技術(shù)的研究[J].物聯(lián)網(wǎng)技術(shù)，2014，4（12）：59-60.

[8]程結(jié)園，張濤.基于圖像處理的智能車輛系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2014，4（6）：45-47.