一种基于视觉的车辆安全行驶控制方法

摘要

本发明公开了一种基于视觉的车辆安全行驶系统及其控制方法，包括：步骤一、安全行驶控制系统随汽车打火启动；步骤二、通过传感器检测车辆行驶速度、摄像头转动速度、车辆行驶中的振幅和振动频率以及摄像头的焦距，通过摄像头监测车辆行驶路况；步骤三、控制系统根据传感器测量的车辆行驶速度、摄像头转动速度、车辆行驶的振幅、振动频率以及摄像头焦距控制摄像头的水平转角和竖直转角，并判断是否需要进行紧急制动；步骤四、当控制系统判断需要进行紧急制动时，通过预警系统对驾驶员进行提示。能够随着车辆的运行状态对视觉系统进行角度调整，并在需要进行紧急制动时进行预警。

权利要求

1.一种基于视觉的车辆安全行驶控制方法，其特征在于，包括：

步骤一、安全行驶控制系统随汽车打火启动；

步骤二、通过传感器检测车辆行驶速度、摄像头转动速度、车辆行驶中的振幅和振动频率以及摄像头的焦距，通过摄像头监测车辆行驶路况；

步骤三、控制系统根据传感器测量的车辆行驶速度、摄像头转动速度、车辆行驶的振幅、振动频率以及摄像头焦距控制摄像头的水平转角和竖直转角，并判断是否需要进行紧急制动；

步骤四、当控制系统判断需要进行紧急制动时，通过预警系统对驾驶员进行提示；

其中，所述控制系统通过BP神经网络对所述摄像头的水平转角和竖直转角进行控制，并对紧急信号进行判断，包括如下步骤：步骤1、根据采样周期，采用传感器对车辆行驶速度V、摄像头转动速度S、车辆行驶的振幅f、车辆的振动频率A、以及摄像头焦距l进行获取；

步骤2、对所述步骤1中的参数进行归一化，并建立三层BP神经网络的输入层向量x＝{x1,x2,x3,x4,x5}，其中，x1为车辆行驶速度系数，x2为摄像头转动速度系数，x3为车辆行驶的振幅系数，x4为车辆的振动频率系数，x5为摄像头焦距系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,...,yb}；b为中间层节点个数；

步骤4、得到输出层向量o＝{o1,o2,o3}，其中o1为摄像头水平方向转角调节系数，o2为摄像头竖直方向转角调节系数，o3为紧急制动信号；

步骤5、控制摄像头水平方向转角和竖直方向转角，使

θ(i+1)＝o1iθmax；

δ(i+1)＝o1iδmax；

其中， 分别为第i次采样周期的输出层参数，θmax为摄像头水平方向最大转角，θ(i+1)为第i+1个采样周期时的摄像头水平方向转角，δmax为摄像头竖直方向最大转角，δ(i+1)为第i+1个采样周期时的摄像头竖直方向转角。

所述摄像头转动速度满足：

其中，λ为校正系数，m为摄像头质量，h为行驶车辆车身长度，为与行驶车辆同车型的平均车身长度，H为摄像头实际测量区域面积，H0为摄像头理论测量区域面积，L为行驶车辆车身宽度，为与行驶车辆同车型平均车身宽度，V为车辆行驶速度。

2.根据权利要求1所述的基于视觉的车辆安全行驶控制方法，其特征在于，所述步骤5还包括：根据第i周期中的车辆速度、摄像头转动速度、车辆的振动频率、振幅采样信号，判定第i+1个采样周期时车辆的运行状态，当输出信号 时，车辆发出紧急制动预警。

3.根据权利要求1或2所述的基于视觉的车辆安全行驶控制方法，其特征在于，初始时，摄像头水平方向转角和竖直方向转角满足：θ(i+1)＝0.4iθmax；

δ(i+1)＝0.5iδmax。

4.根据权利要求3所述的基于视觉的车辆安全行驶控制方法，其特征在于，所述步骤2中，将车辆行驶速度V、摄像头转动速度S、车辆行驶的振幅f、车辆的振动频率A、以及摄像头焦距l进行归一化处理，公式为： 其中， 为归一化处理的输入参数，xj为测量参数V、S、f、A、l，j＝1,2,3,4,5；xjmax、xjmin分别为相应测量参数中的最大测量值和最小测量值，采用S型函数。

5.根据权利要求4所述的基于视觉的车辆安全行驶控制方法，其特征在于，所述中间层节点个数b满足： 其中a为输入层节点个数，c为输出层节点个数。

6.根据权利要求1或5所述的基于视觉的车辆安全行驶控制方法，其特征在于，所述摄像头能够在水平方向和竖直方向进行180°转动。

说明书

一种基于视觉的车辆安全行驶控制方法

技术领域

[0001] 本发明涉及一种基于视觉的车辆安全行驶控制方法，属于汽车安全领域。

背景技术

[0002] 随着经济的发展，人们生活质量水平逐提高，汽车日趋成为人们生活中的主要交通代步工具，近年来，汽车保有量不断增加。在汽车保有量增加的同时，交通事故量也在不断攀升，交通事故的与日俱增严重威胁了人们的生命财产安全，甚至会给家庭带来沉重的灾难。因此汽车驾驶安全操作和提醒，不但对驾驶员自身的生命安全具有重要影响，还能够提高车辆行驶的安全系数。

[0003] 在驾驶行车时，由于驾驶员的疏忽导致制动不及时造成的交通事故屡见不鲜，同时，现有的车载视觉系统不能随着车辆的运行状态进行实时调整，给车辆路况监测带来不便，影响了路况监测的准确性。

发明内容

[0004] 本发明设计开发了一种基于视觉的车辆安全行驶控制方法，能够随着车辆的运行状态对视觉系统进行角度调整，并在需要进行紧急制动时进行预警。

[0005] 本发明的另一发明目的，通过BP神经网络对车辆行驶状态进行监测，使视觉系统调整性能和紧急制动预警更加精准。

[0006] 本发明提供的技术方案为：

[0007] 一种基于视觉的车辆安全行驶控制方法，包括：

[0008] 步骤一、安全行驶控制系统随汽车打火启动；

[0009] 步骤二、通过传感器检测车辆行驶速度、摄像头转动速度、车辆行驶中的振幅和振动频率以及摄像头的焦距，通过摄像头监测车辆行驶路况；

[0010] 步骤三、控制系统根据传感器测量的车辆行驶速度、摄像头转动速度、车辆行驶的振幅、振动频率以及摄像头焦距控制摄像头的水平转角和竖直转角，并判断是否需要进行紧急制动；

[0011] 步骤四、当控制系统判断需要进行紧急制动时，通过预警系统对驾驶员进行提示。

[0012] 优选的是，所述控制系统通过BP神经网络对所述摄像头的水平转角和竖直转角进行控制，并对紧急信号进行判断，包括如下步骤：

[0013] 步骤1、根据采样周期，采用传感器对车辆行驶速度V、摄像头转动速度S、车辆行驶的振幅f、车辆的振动频率A、以及摄像头焦距l进行获取；

[0014] 步骤2、对所述步骤1中的参数进行归一化，并建立三层BP神经网络的输入层向量x＝{x1,x2,x3,x4,x5}，其中，x1为车辆行驶速度系数，x2为摄像头转动速度系数，x3为车辆行驶的振幅系数，x4为车辆的振动频率系数，x5为摄像头焦距系数；

[0015] 步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,...,yb}；b为中间层节点个数；

[0016] 步骤4、得到输出层向量o＝{o1,o2,o3}，其中o1为摄像头水平方向转角调节系数，o2为摄像头竖直方向转角调节系数，o3为紧急制动信号；

[0017] 步骤5、控制摄像头水平方向转角和竖直方向转角，使

[0018] θ(i+1)＝o1iθmax；

[0019] δ(i+1)＝o1iδmax；

[0020] 其中， 分别为第i次采样周期的输出层参数，θmax为摄像头水平方向最大转角，θ(i+1)为第i+1个采样周期时的摄像头水平方向转角，δmax为摄像头竖直方向最大转角，δ(i+1)为第i+1个采样周期时的摄像头竖直方向转角。

[0021] 优选的是，所述步骤5还包括：根据第i周期中的车辆速度、摄像头转动速度、车辆的振动频率、振幅采样信号，判定第i+1个采样周期时车辆的运行状态，当输出信号时，车辆发出紧急制动预警。

[0022] 优选的是，初始时，摄像头水平方向转角和竖直方向转角满足：

[0023] θ(i+1)＝0.4iθmax；

[0024] δ(i+1)＝0.5iδmax。

[0025] 优选的是，所述步骤2中，将车辆行驶速度V、摄像头转动速度S、车辆行驶的振幅f、车辆的振动频率A、以及摄像头焦距l进行归一化处理，公式为： 其中，为归一化处理的输入参数，xj为测量参数V、S、f、A、l，j＝1,2,3,4,5；xjmax、xjmin分别为相应测量参数中的最大测量值和最小测量值，采用S型函数。

[0026] 优选的是，所述中间层节点个数b满足： 其中a为输入层节点个数，c为输出层节点个数。

[0027] 优选的是，所述摄像头能够在水平方向和竖直方向进行180°转动。

[0028] 优选的是，所述摄像头转动速度满足：

[0029]

[0030] 其中，λ为校正系数，m为摄像头质量，h为行驶车辆车身长度，为与行驶车辆同车型的平均车身长度，H为摄像头实际测量区域面积，H0为摄像头理论测量区域面积，L为行驶车辆车身宽度，为与行驶车辆同车型平均车身宽度，V为车辆行驶速度。

[0031] 本发明所述的有益效果：通过传感器对车辆速度、摄像头转动速度、车辆的振幅和振动频率以及摄像头的焦距进行测量，通过摄像头监测前方路况，并通过BP神经网络根据车辆的运行状况来调整摄像头的转动角度，使车辆摄像头测量精度更高，对路况监测更精准，同时，在遇到紧急情况时对驾驶员进行制动预警提示，提高了车辆行驶的安全性。

附图说明

[0032] 图1为本发明所述的基于视觉的车辆安全行驶控制方法控制流程图。

具体实施方式

[0033] 下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

[0034] 如图1所示，本发明提供一种基于视觉的车辆安全行驶控制方法，通过车辆安全行驶系统对车辆速度、摄像头转动速度、车辆的振幅和振动频率以及摄像头的焦距进行测量，通过摄像头监测前方路况，并在监测到紧急情况时发出制动信号对驾驶员进行预警。

[0035] 其中，车辆安全行驶系统设置在汽车内部，与汽车中控台连接，并通过汽车点火进行启动，在车辆安全行驶系统内部设置有控制系统；视觉系统，包括摄像头，其设置在汽车前部，摄像头角度能够在水平和竖直方向进行180°的调整，并通过第一速度传感器检测摄像头转动速度；第二速度传感器，其连接在车身上，能够检测车辆自身的行驶速度；振动传感器，连接在车身上，用于测量车辆行驶过程中的振幅和频率；控制系统分别与摄像头、第一速度传感器、第二速度传感器、距离传感器、振动传感器进行连接，能够实时对车辆行驶情况进行测量，实时对路况进行检测，并通过控制系统根据车辆行驶状况对摄像头角度进行调整，使车辆行驶路况监测更加精确。

[0036] 同时，基于车辆行驶速度等参数，摄像头转动速度的经验公式满足：

[0037]

[0038] 其中，λ为校正系数，m为摄像头质量，单位为g，h为行驶车辆车身长度，单位为mm，为与行驶车辆同车型的平均车身长度，单位为mm，H为摄像头实际测量区域面积，单位为2 2
m ，H0为摄像头理论测量区域面积，单位为m ，L为行驶车辆车身宽度，单位为mm，为与行驶车辆同车型平均车身宽度，单位为mm，V为车辆行驶速度，单位为km/h。

[0039] 控制系统通过BP神经网络对摄像头的转动角度进行控制，并对紧急信号进行判断，包括如下步骤：

[0040] 步骤1、建立BP神经网络模型。

[0041] 构建三层BP神经网络，其中第一层为输入层，有a个节点，表示导流罩的控制装置在工作时的n个检测信号。第二层为隐层，共b个节点，由神经网络的训练过程以自适应的方式确定。第三层为输出层，共c个节点，根据导流罩的控制装置的实际输出的响应确定；

[0042] 因此，本神经网络的数学模型为：

[0043] 输入向量：x＝(x1,x2,...,xa)T；

[0044] 中间层向量：y＝(y1,y2,...,yb)T；

[0045] 输出向量：O＝(o1,o2,...,oc)T；

[0046] 本发明中，输入层节点数a＝5，输出层节点数为c＝3，中间层节点b通过估算[0047] 按照采样周期，输入车辆行驶速度V、摄像头转动速度S、车辆行驶的振幅f、车辆的振动频率A、以及摄像头焦距l共5个参数；

[0048] 输入层的五个参数分别表示为x1为车辆速度系数，x2为摄像头转动速度系数，x3为车辆行驶的振幅系数，x4为车辆的振动频率系数，x5为摄像头焦距系数；

[0049] 由于输入层的各个参数的量纲不同，因此，需要对输入层的各参数进行归一化处理，得到0-1之间的参数。

[0050] 车辆行驶速度V、摄像头转动速度S、车辆行驶的振幅A、车辆的振动频率f、以及摄像头焦距l进行归一化处理，公式为： 其中， 为归一化处理的输入参数，xj为测量参数V、S、f、A、l，j＝1,2,3,4,5；xjmax、xjmin分别为相应测量参数中的最大测量值和最小测量值，采用S型函数。

[0051] 具体而言，对于车辆行驶速度V，进行归一化后，得到车辆行驶速度系数x1：

[0052]

[0053] 其中，Vmin和Vmax分别为车辆行驶的最小速度和最大速度。

[0054] 同样的，对摄像头转动速度S，进行归一化后，得到距离系数x2：

[0055]

[0056] 其中，Smin和Smax分别为摄像头最小转动速度和最大转动速度；

[0057] 同样的，对车辆行驶的振幅A，进行归一化后，得到振幅系数x3：

[0058]

[0059] 其中，Amin和Amax分别车辆行驶的最小振幅和最大振幅；

[0060] 同样的，对于车身的振动频率，进行归一化后，得到振动频率系数x4：

[0061]

[0062] 其中，fmin和fmax分别为车身振动的最小频率和最大频率；

[0063] 同样的，对于摄像头的焦距l，进行归一化后，得到焦距系数x5；

[0064]

[0065] 其中，lmin和lmax分别为摄像头焦距的最小值和最大值。

[0066] 输出信号的3个参数分别表示为o1为摄像头水平方向调节系数，o2为摄像头竖直方向调节系数，o3为紧急制动信号；

[0067] 摄像头水平方向转角调节系数o1表示为下一个采样周期中摄像头水平方向转角与摄像头水平方向最大转角之比，即在第i个采样周期中，采集到的摄像头的水平方向转角为θi，通过BP神经网络输出第i个采样周期的摄像头水平方向转角调节系数 后，控制第i+1个采样周期中摄像头水平方向转角为θi+1，使其满足

[0068] θ(i+1)＝o1iθmax

[0069] 其中，θmax为摄像头水平方向最大转角。

[0070] 摄像头竖直方向调节系数o2表示为下一个采样周期中摄像头竖直方向转角与摄像头竖直方向最大转角之比，即在第i个采样周期中，采集到的摄像头的竖直方向转角为δi，通过BP神经网络输出第i个采样周期的摄像头竖直方向转角调节系数 后，控制第i+1个采样周期中摄像头竖直方向转角为δi+1，使其满足：

[0071] δ(i+1)＝o1iδmax；

[0072] 其中，δmax为摄像头竖直方向最大转角。

[0073] 紧急制动信号o3表示为当前车辆的驾驶状态，其输出值为0或1，当输出值为1时表示车辆处于正常驾驶状态，当输出值为0时表示车辆处于非正常驾驶状态，需要进行紧急停车。

[0074] 步骤S220、进行BP神经网络训练。

[0075] 根据历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值Wij，隐层节点j和输出层节点k之间的连接权值Wjk，隐层节点j的阈值θj，输出层节点k的阈值θk、Wij、Wjk、θj、θk均为-1到1之间的随机数。

[0076] 在训练过程中，不断修正Wij、Wjk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

[0077] 如表1所示，给定了一组训练样本以及训练过程中各节点的值。

[0078]

[0079]

[0080] 步骤S230、采集车辆运行参数输入神经网络得到控制系数及紧急制动信号。

[0081] 训练好的人工神经网络固化在控制器芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件。智能硬件加电启动后，监测车辆行驶速度V、摄像头转动速度、车辆行驶的振幅f、车辆的振动频率A、以及摄像头焦距l，将上述参数进行归一化处理，得到BP神经网络的初始输入向量 通过BP神经网络的运算得到初始输出向量其中，在初始时，摄像头水平方向转角为θ(i+1)＝0.4iθmax，竖直方向转角为δ(i+1)＝0.5iδmax。

[0082] 步骤S240、控制摄像头水平方向转角和竖直方向转角。

[0083] 得到初始输出层向量 后，即可进行调控，调节摄像头水平方向转角和竖直方向转角，使第i+1个采样周期中，摄像头水平方向转角和竖直方向转角分别为：

[0084] θ(i+1)＝o1iθmax；

[0085] δ(i+1)＝o1iδmax；

[0086] 其中， 分别为第i次采样周期的输出层参数，θmax为摄像头水平方向最大转角，θ(i+1)为第i+1个采样周期时的摄像头水平方向转角，δmax为摄像头竖直方向最大转角，δ(i+1)为第i+1个采样周期时的摄像头竖直方向转角。

[0087] 步骤S250、监测车辆的紧急制动信号以进行紧急制动。

[0088] 同时，根据第i周期中的车辆速度、车辆与自车道前车和后车的距离、车辆的振动频率、振幅采样信号，判定第i+1个采样周期时车辆的运行状态，当输出信号 时，车辆发出紧急制动预警。

[0089] 并通过BP神经网络根据车辆的运行状况来调整摄像头的转动角度，使车辆摄像头测量精度更高，对路况监测更精准，同时，在遇到紧急情况时对驾驶员进行制动预警提示，提高了车辆行驶的安全性。

[0090] 尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。