李 銘,楊 威,謝搶來,喻 佳

(1. 江西科技學(xué)院信息工程學(xué)院,江西 南昌 330098;2. 華東交通大學(xué)信息工程學(xué)院,江西 南昌 330013)

1 引言

在汽車保有量持續(xù)增加的背景下,車輛安全以及車輛防盜等問題日益顯著,各種交通事故層出不窮,同時還加快了汽車尾氣排放對環(huán)境造成的破壞程度,所以遠程監(jiān)測車輛具有十分重要的意義[1,2]。最近幾年,國內(nèi)相關(guān)專家給出了一些比較好的研究成果,例如梁光勝等人[3]主要通過殘差連接改進ResNet網(wǎng)絡(luò),增加全新的卷積層提取圖像特征矢量,同時采用長短時記憶網(wǎng)絡(luò)在特征矢量中預(yù)測出車輛的位置和大小,使用預(yù)訓(xùn)練網(wǎng)絡(luò)以及數(shù)據(jù)增強克服過擬合問題,完成監(jiān)測處理。華路捷等人[4]主要利用無線系統(tǒng)將數(shù)據(jù)實時傳輸?shù)降孛鏀?shù)據(jù)處理中心,通過監(jiān)測與分析系統(tǒng)完成實時處理以及分析,同時將車輛相關(guān)信息及時傳輸給運輸維護人員,完成車輛實時監(jiān)測。上述方法雖然具有一定的適用性,但是在實際操作過程中操作比較復(fù)雜。為此,提出車聯(lián)網(wǎng)背景下基于OBDII的智能車輛遠程監(jiān)測方法。經(jīng)過一系列實驗分析可知,所提方法能夠?qū)崟r準確監(jiān)測車輛的運行情況。

2 智能車輛遠程監(jiān)測方法設(shè)計

車聯(lián)網(wǎng)技術(shù)組建了車輛和外界連接的遠程網(wǎng)絡(luò)架構(gòu),讓遠程實時監(jiān)控車輛成為可能?，F(xiàn)階段汽車行業(yè)開始朝著高安全性以及低碳化等方面發(fā)展,車聯(lián)網(wǎng)技術(shù)使車輛遠程監(jiān)控更加人性化。但是由于當前車輛故障更加繁雜以及隱蔽,對比以前的傳統(tǒng)機械故障更加難以發(fā)現(xiàn)以及維修,所以維修人員以及駕駛?cè)藛T如何才能夠?qū)崟r精確的獲取車輛行駛狀態(tài)的整體情況,最大程度減少車輛潛在故障引發(fā)的交通隱患以及提升汽車行駛狀態(tài)的整體安全性是解決汽車安全問題的重要需求。

2.1 智能車輛目標區(qū)域特征提取

當車輛正常運行狀態(tài)下,車道兩旁的車輛會直接對其產(chǎn)生影響。為了盡可能降低道路兩旁各種干擾因素的影響,以下主要通過一種改進的Hough變換方法檢測車輛行駛過程中左右車道的行駛車輛,同時確定具體的檢測區(qū)域,以全面提升智能車輛遠程監(jiān)測的實時性以及魯棒性。

現(xiàn)階段,標準的Hough變換投票空間以及對應(yīng)夾角α的取值范圍為(0,π),極徑β的取值范圍為(0,r),r代表圖像空間的對角線長度。所以對于智能車輛遠程監(jiān)測而言[5-7],如果監(jiān)測范圍過大會得到大量沒有利用價值的信息,所以需要對α和β作為范圍限定,進而獲取Hough變換目標點的約束區(qū)域,如下所示

(1)

式中,α1和β1分別代表目標車輛所在車道的左車道線極角和極徑;αr和βr分別代表車輛所在車道的右車道線極角和極徑。

在構(gòu)建完成極角約束區(qū)域之后,需要直接清除左右車道線檢測范圍外的目標點以及無利用價值的信息,確保整個算法的整體性能得到有效改善。以下詳細給出智能車輛目標區(qū)域特征提取的詳細操作步驟:

1)對輸入的智能車輛圖像彩色圖像實行灰度化處理

(2)

上式中,Hmgt代表經(jīng)過灰度化處理的智能車輛彩色圖像;x(t)代表原始圖像;y(t)代表灰度圖像。

2)通過Gamma校正方法對智能車輛彩色圖像展開標準化處理[8,9],降低陰影以及光照因素產(chǎn)生的影響,經(jīng)過校正后的圖像可以表示為以下形式

Jxyz=[x(t)×y(t)]·fk(x,y)

(3)

式中,Jxyz代表校正處理后的圖像;fk(x,y)代表差分圖像。

3)在步驟2)的基礎(chǔ)上,提取目標車輛的輪廓信息[10-11],減少光照對目標圖像產(chǎn)生的不良影響。同時計算目標圖像各個像素梯度的大小以及方向,具體的計算式如下

(4)

式中,Vcount代表目標圖像的梯度取值;Vcount-ver代表目標圖像的梯度方向;counk代表目標圖像的幀數(shù);m和n分別代表圖像的像素點數(shù)量與方差取值。

4)將目標圖像展開劃分處理,形成多個規(guī)格相同的單元格,同時將其量化處理,劃分到對應(yīng)的單元格內(nèi)。累加全部單元格內(nèi)的梯度直方圖,進而形成對應(yīng)的直方圖特征,同時提供對應(yīng)的編碼信息,有效保存目標車輛的外觀以及形狀信息[12]。

5)對全部單元格歸一化處理,具體的計算式如下

(5)

式中,F(x,y)代表單元格歸一化處理結(jié)果;G(x,y)代表目標的像素灰度值。

6)將子窗口中全部塊的特征串聯(lián)處理,進而獲取目標車輛的特征向量。

2.2 智能車輛遠程監(jiān)測實現(xiàn)

通過2.1小節(jié)提取完成目標車輛的特征信息后,需要將全部特征融合處理,進而獲取綜合特征。以下主要通過基于方差測度的方式完成多特征融合處理,具體的操作步驟如下所示:

1)優(yōu)先構(gòu)建特征融合公式

(6)

設(shè)定屬于x類的統(tǒng)計樣本共有s個,則可以表示為

(7)

式中,y(i)代表統(tǒng)計樣本集合;c代表特征權(quán)值;k代表常數(shù)。

統(tǒng)計目標車輛的灰度分布直方圖,通過Bhattacharyya系數(shù)度量方法計算直方圖之間的相似程度,進而獲取最終的直方圖數(shù)據(jù)。

在上述分析的基礎(chǔ)上,需要對目標車輛跟蹤處理,即通過車輛各個特征的匹配程度,同時結(jié)合相關(guān)的權(quán)重,經(jīng)過計算得到綜合的特征匹配程度。

在得到各個特征的權(quán)值之后,需要對目標車輛展開匹配跟蹤處理,詳細的操作流程如圖1所示。完成匹配跟蹤處理之后,需要對目標展開初始跟蹤處理,將偽前景作為車輛不可能發(fā)生停止的判斷依據(jù),并且將不滿足需求的車輛排除在外。判斷目標是否發(fā)生停車最直觀的方式就是判斷目標車輛的質(zhì)心是否保持在一個固定的位置。當車輛在實際行駛過程中,會因為圖像質(zhì)量不佳以及背景突變等原因產(chǎn)生干擾,進而無法獲取理想的目標監(jiān)測結(jié)果。所以,以下將車輛成功跟蹤次數(shù)作為智能車輛遠程監(jiān)測的重要依據(jù)。

通過初始跟蹤目標的選取原則,在進入監(jiān)控區(qū)域內(nèi),選取的目標車輛車速應(yīng)該比較小,使其滿足初始跟蹤目標的需求,進而可以將其添加到初始跟蹤鏈表中。同時,將目標質(zhì)心坐標的變化情況作為智能車輛遠程監(jiān)測的重要依據(jù),具體的操作流程如圖2所示。

圖2 質(zhì)心坐標獲取的操作流程圖

在獲取質(zhì)心坐標的過程中,主要涉及到質(zhì)心坐標的數(shù)量以及閾值等相關(guān)參數(shù),它們會對最終的監(jiān)測結(jié)果產(chǎn)生比較明顯的影響,所以參數(shù)的取值范圍設(shè)定是十分重要的。

OBDII可以有效擴大車輛故障診斷范圍,因此,構(gòu)建標準化的OBDII碼以及通信協(xié)議標準,OBDII系統(tǒng)的主要功能如表1所示:

表1 OBDII系統(tǒng)的主要功能

現(xiàn)階段幾乎全部的智能車輛都提供診斷接口,OBDII主要通過轉(zhuǎn)換芯片完成車輛協(xié)議類型的選擇以及智能車輛診斷接口通信等相關(guān)操作,同時可以傳統(tǒng)協(xié)議轉(zhuǎn)換串口通信協(xié)議,同時將智能車輛故障信息及時傳輸?shù)椒?wù)器,方便駕駛員實時掌握車輛故障信息。

在上述基礎(chǔ)上,深入分析智能車輛質(zhì)心坐標的變化情況,獲取目標車輛最終的跟蹤結(jié)果,同時引入OBDII系統(tǒng)對智能車輛展開最終的監(jiān)測處理[13-15],最終完成智能車輛遠程監(jiān)測:

(8)

式中,Lmn代表智能車輛遠程監(jiān)測結(jié)果。

3 實驗研究

針對車聯(lián)網(wǎng)背景下基于OBDII的智能車輛遠程監(jiān)測方法展開實驗分析,實驗的測試地點為智能車輛試驗場內(nèi)的部分道路。實驗所需要的硬件和軟件環(huán)境為:測試車輛、智能手機、GPS數(shù)據(jù)采集的車載設(shè)備以及瀏覽器等。其中,實驗測試車輛為奔馳ECoupe,如圖3所示。

圖3 實驗測試車輛

利用圖4給出相關(guān)的車載設(shè)備:

圖4 車載設(shè)備

智能車輛遠程監(jiān)測主要是對目標車輛的車速、水溫以及車道偏移等數(shù)據(jù)展開監(jiān)測,并且在任意一個數(shù)據(jù)異常時及時發(fā)出預(yù)警。對目標車輛的測試結(jié)果如表2所示:

表2 智能車輛遠程監(jiān)測測試結(jié)果

通過表2可知,目前車輛的全部數(shù)據(jù)均處于正常狀態(tài)。

車速和水溫監(jiān)測界面主要是模擬車內(nèi)儀表,對車輛的車速以及冷卻水溫度展開比較直觀的監(jiān)測,儀表盤主要采用不同的顏色作為預(yù)警,當全部參數(shù)取值在正常范圍內(nèi),則指針指向淺色區(qū)域,具體的測試結(jié)果如圖5所示。

圖5 車速與水溫測試界面

由圖5可知,當車輛在行駛過程中,指針指向深色部分,則說明車輛的車速和水溫均不在正常范圍內(nèi),需要及時發(fā)出預(yù)警。

以下對車輛位置監(jiān)測內(nèi)容展開測試處理,優(yōu)先設(shè)定車輛具體位置,然后通過所提方法監(jiān)測車輛所在位置,詳細的測試結(jié)果如圖6所示:

圖6 所提方法目標車輛位置監(jiān)測結(jié)果

由圖6可知,通過實車測試實驗對所提方法的位置監(jiān)測結(jié)果展開測試可知,所提方法可以準確定位目標車輛所在位置,完成實時監(jiān)測處理。這是因為所提方法通過OBDII系統(tǒng)將智能車輛故障信息及時傳輸?shù)椒?wù)器,并結(jié)合智能車輛質(zhì)心坐標變化情況,通過掌握車輛行駛情況實現(xiàn)車輛位置監(jiān)測。

4 結(jié)束語

車輛的不斷增加,使得各種安全隱患也與日俱增,提出一種車聯(lián)網(wǎng)背景下基于OBDII的智能車輛遠程監(jiān)測方法。經(jīng)過具體的實驗結(jié)果分析可知,所提方法可以準確監(jiān)測目標車輛,更好掌握目標車輛的運行狀態(tài)。由于所提方法采集的數(shù)據(jù)量以及采集頻率受到一定程度的限制,現(xiàn)階段還沒有在研究過程中加入比較復(fù)雜的數(shù)據(jù),后續(xù)將在條件允許的情況下,展開更加深入的研究。