电子产品世界

在阴影图像中由下至上逐行搜索，寻找连续阴影点超过一定阈值的线段，并以此线段为底边划出一个矩形区域作为疑似车辆区域。为保证疑似区域包含车辆整体，矩形的宽度比线段稍宽，高度由宽度按比例给出。为避免重复搜索，将已搜索到的疑似区域内阴影完全抹去。由于同一车辆的各个部分可能分别被检测为疑似目标，因此还需要对各个相交的疑似区域进行合并。由于前方车辆的遮挡，可能会将多个目标认定为一个目标，但是对本车的安全无影响。
2．2．2 筛选验证
如果单纯采用阴影特征进行车辆检测，在保证较低“漏警”率的同时，也造成了较高的“虚警”率，因此还需要对疑似区域进行筛选和验证。
对于结构化道路，车辆宽度与车道宽度的比值应该是大致固定的，那么当摄像机的焦距、俯仰角等参数固定后，图像上车道宽度(像素数)与车辆宽度(像素数)也满足这个比例。根据之前检测的车道方程，就可以计算出感兴趣区域内任意纵坐标上车辆图像宽度的范围，并剔除宽度不在此范围内的疑似区域。
在以往的车辆验证方法中，最常用的是对称性测度验证。这种算法的计算量较大，且对于背景复杂，对称度差图像的验证效果不尽人意。为了解决这个问题，该系统采用了一种基于边缘二值化图像，通过搜索车辆左右边缘进行验证的算法。
假设疑似区域的宽度为W，区域左边缘的坐标为(X1，Y1)，右边缘的水平坐标为(X2，Y2)。定义函数：

式中：f(x，y)为(x，y)点的灰度值。在区间(X1-W／4，X1+W／4)内搜索g(u)的最大值点，该点对应的水平坐标X1’就是车辆的左边缘坐标。同理也可以搜索到车辆的右边缘X2’。如果左右边缘的g(u)值均大于某阈值，那么就可以认定该车辆确实存在。实验证明，该算法能排除掉大量的“虚警”区域并得到真实车辆的两侧边缘。
2．3 车辆跟踪
现关心的是前方车辆与本车相对的二维位置和速度，因此只需要使用卡尔曼滤波器预测横坐标x、横向速度Vx、纵坐标y、纵向坐标Vy这四个状态向量。此外由于x方向和y方向的状态向量没有直接联系，所以可以将其分为两组分别处理。
在车辆行驶过程中，由于颠簸或遮挡等原因，系统可能会将路牌、灌木丛等物体误认为是车辆检测出来，产生虚警。而这些虚警物体往往只能在连续数帧图像中存在。如果不采取措施，系统就会时常产生短促的报警。
当图像采样间隔足够短时，相邻帧内同一车辆的位置会具有很大的相关性。
系统采用检测与跟踪相结合的方法，根据第n帧图像获得的信息，预测车辆在第n+1帧图像中的位置等信息，并与n+1帧图像中实际检测到的结果进行比对。如果二者匹配度最大且超出一定值，则认定为同一车辆，继续进行跟踪、报警，否则认为此车已被遮挡或消失，暂时不做处理，数帧后被剔除出去。
2．4 测距报警
车间测距通常采用几何投影模型，采用了一种简化的车距模型公式L×W=C，其中L为两车间距，单位为m；W为图像上目标车辆处车道宽度，单位为pixel；C为常数，可通过事先的标定获得。然而两车间安全车距S采用文献推导的临界安全车距公式动态得到。

式中：Vr为相对车速，由对测出车距求导得到相对车速后进行卡尔曼滤波得到；Vb为本车车速，由GPS得到。
如果告警频率过高，容易使驾驶员麻痹大意，过低可能使驾驶员来不及做出反应，因此该系统采用由远至近的三段报警。
若车距d≥1．5S，判定为3级威胁，发出长而缓的报警声，提醒驾驶员前方有障碍物，但暂无危险；若车距S≤d≤1．5S，判定为2级威胁，发出较急促的报警声，提醒驾驶员减速；若车距d≤S，判定为1级威胁，发出短而急的报警声，提醒驾驶员制动；3种状态下的告警声差异很大，驾驶员可以很容易地根据报警声判断威胁等级。

关键词： 单目视觉 汽车追尾 预警 系统研究