專利名稱：基于智能手機實現(xiàn)車輛主動安全的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及汽車主動安全技術(shù)，具體涉及基于智能手機實現(xiàn)車輛主動安全的方法。
背景技術(shù)：
隨著社會的發(fā)展，城市中的交通安全問題日益嚴重。據(jù)統(tǒng)計，2011年全國共發(fā)生涉及人員傷亡的道路交通事故210812起，造成62387人死亡、237421人受傷，造成了巨大的經(jīng)濟損失以及人員傷亡。傳統(tǒng)的車輛安全手段如保險杠、安全帶、安全氣囊等都是被動式的，稱為車輛被動安全技術(shù)，無法避免事故的發(fā)生，只能減少事故帶來的損失。因此，車輛主動安全技術(shù)被越來越多的應(yīng)用到車輛設(shè)計與生產(chǎn)中。現(xiàn)有的車輛主動安全技術(shù)，如ACC (巡航系統(tǒng))、LDWS (車道偏離預(yù)警系統(tǒng))等都需 要額外的傳感器(如激光雷達)來對周圍環(huán)境進行感知，這些傳感器都是車輛在出廠前已經(jīng)完成安裝的，而未加裝傳感器的車輛在出廠后則無法使用車輛主動安全技術(shù)。因此，現(xiàn)有的車輛主動安全技術(shù)可移植性較差。如果能將車輛主動安全技術(shù)實現(xiàn)于其他硬件平臺上，脫離車輛本身的總線，那么其可移植性會大大增強。智能手機終端擁有自身獨立的傳感器以及處理器，是一個很好的硬件平臺。圖像處理技術(shù)由于其獲取信息量大、成本低等優(yōu)勢被廣泛的應(yīng)用到交通領(lǐng)域中，如車牌識別、交通信息提取等。其同樣也被應(yīng)用于車輛主動安全中，如車道線偏離檢測等?，F(xiàn)有的車輛主動安全技術(shù)中的圖像處理技術(shù)都依托于PC機或DSP等專用嵌入式系統(tǒng)，這些硬件平臺的運算能力強大，能保證一定復(fù)雜算法的實時性。然而，智能手機的運算能力相對較弱，并且其處理器還要處理通信業(yè)務(wù)，同時現(xiàn)有的基于圖像處理的車輛主動安全技術(shù)又較為復(fù)雜，因此如果將現(xiàn)有技術(shù)直接移植到智能手機終端，會導(dǎo)致系統(tǒng)的實時性大大降低，實用性也大打折扣。對于現(xiàn)有的利用圖像處理技術(shù)實現(xiàn)的車道線檢測技術(shù)以及障礙物檢測技術(shù)的檢索結(jié)果如下專利公開號CN 101608924A公布了一種基于灰度估計和級聯(lián)Hough變換的車道線檢測方法。該發(fā)明首先對采集的車輛前方路況原始圖像I的敏感區(qū)域進行灰度估計將其劃分為車輛陰影區(qū)域、路面非標(biāo)志區(qū)域以及路面標(biāo)志區(qū)域(含前方車輛的車身區(qū)域)；然后采用數(shù)學(xué)形態(tài)學(xué)方法從路面灰度估計所劃分的區(qū)域中得到路面標(biāo)志區(qū)域的邊界圖像；隨后對路面標(biāo)志區(qū)域的邊界圖像進行Hough變換以提取其中的直線圖像特征；最后，通過對路面標(biāo)志邊緣消失點的搜索實現(xiàn)了對車道線的檢測。該發(fā)明的缺陷在于，利用Hough變換檢測車道線時，會受其他強邊緣的影響，且其運算量較大。專利公開號CN 102156979A公開了一種基于GrowCut的車道線快速檢測方法，其包括采集監(jiān)控視頻并挑選至少一幀的圖像作為關(guān)鍵幀；在所述關(guān)鍵幀圖像中標(biāo)定邊緣分割種子點；利用GrowCut算法進行邊緣分割；采用中值濾波器對分割結(jié)果進行平滑濾波；再將平滑濾波結(jié)果，進行邊緣提??；再對邊緣提取結(jié)果，進行分半處理；再對分半處理結(jié)果，采用多項式曲線擬合方法對車道線進行擬合，得到最終車道線。該方法適用于檢測靜態(tài)背景圖像，而無法提取動態(tài)背景中的車道線，不適用于車輛主動安全技術(shù)。專利公開號CN 101447078A公開了一種障礙物分割方法及裝置。該發(fā)明的實施例包括將序列圖像中的當(dāng)前幀圖像與幀間隔大于等于I幀的相鄰幀圖像劃分為相同的若干塊，對所述當(dāng)前幀圖像與所述相鄰幀圖像的對應(yīng)位置圖像塊做差分，并確定差分圖像中的差異塊區(qū)域；計算當(dāng)前幀圖像中與所述差異塊區(qū)域中對應(yīng)的每一分塊的垂直性和紋理性；將當(dāng)前幀圖像中與所述差異塊區(qū)域?qū)?yīng)的、且具有垂直性和紋理性的分塊確定為障礙物分塊；將所述障礙物分塊按照連通規(guī)則生成障礙物區(qū)域。該發(fā)明的缺點是，在分割障礙物時，需要遍歷整幅圖像，其運算量較大，無法在智能手機終端上實現(xiàn)。專利公開號CN 101419667A公開了一種識別圖像中障礙物的方法，包括獲取當(dāng)前幀以及與當(dāng)前幀最近的之前N幀的圖像，對所獲取的每幀圖像按相同的方式進行劃分，對于每幀圖像均獲得若干個劃分后的塊區(qū)域；計算當(dāng)前幀以及與當(dāng)前幀最近的之前N幀所對應(yīng)的每個塊區(qū)域的運動障礙物置信度；根據(jù)所述當(dāng)前幀以及與當(dāng)前幀最近的之前N幀的所述每個塊區(qū)域的運動障礙物置信度，依次確定當(dāng)前幀圖像中每個塊區(qū)域是否為障礙物；根據(jù)每個塊區(qū)域確定圖像中的障礙物。該方法的缺陷是，其需要記錄與當(dāng)前幀最近的之前N幀的圖像，所需要的緩存空間較大，不適用于智能手機終端。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有車輛主動安全技術(shù)需要基于車輛既有傳感器，可移植性較差以及運算量大，需要高要求的硬件平臺來支持等問題，而提供一種基于智能手機實現(xiàn)車輛主動安全的方法。該方法利用智能手機作為數(shù)據(jù)處理的硬件平臺，并結(jié)合圖像處理技術(shù)領(lǐng)域中的車道線提取技術(shù)以及路面障礙物提取技術(shù)，能夠?qū)崟r檢測車輛是否偏離車道線，并且檢測前方是否有障礙物，保證駕駛員的行車安全。
為了達到上述目的，本發(fā)明采用如下的技術(shù)方案基于智能手機實現(xiàn)車輛主動安全的方法，該方法包括如下步驟(I)利用智能手機獲取車輛前方視頻圖像，并提取路面灰度參數(shù)；(2)根據(jù)提取的路面灰度參數(shù)進行車道線偏離檢測；(3)根據(jù)提取的路面灰度參數(shù)進行前方障礙物檢測；(4)根據(jù)車道線偏離檢測以及前方障礙物檢測的結(jié)果進行危險預(yù)警。在本發(fā)明的優(yōu)選實例中，所述步驟(I)中提取路面灰度參數(shù)的過程如下(11)在獲取的車輛前方視頻圖像顯示的去區(qū)域中限制一塊屬于路面的區(qū)域作為路面灰度參數(shù)提取區(qū)域用于提取相應(yīng)的路面灰度參數(shù)；(13)提取路面灰度參數(shù)提取區(qū)域中的路面灰度平均值；(14)提取路面灰度參數(shù)提取區(qū)域中的路面灰度最大允許波動差值；(15)提取路面灰度參數(shù)提取區(qū)域中的路面灰度漸變補償系數(shù)。進一步的，所述步驟(2)中車道線偏離檢測的過程如下(21)建立白、黃、灰色顏色模型指根據(jù)所提取的路面灰度參數(shù)，對白、黃、灰三種顏色進行建模，若某一像素點的RGB值符合某一模型，則認為該像素點為該模型表征的顏色；(22)搜尋車道線邊界起始點從獲取的視頻圖像底部開始向上搜索車輛左右兩側(cè)車道線的邊界起始點；(23)搜尋下一車道線邊界點根據(jù)搜索到的前一車道線邊界點建立預(yù)測區(qū)域，然后在該預(yù)測區(qū)域內(nèi)搜索下一車道線邊界點；進行迭代執(zhí)行，直到在預(yù)測區(qū)域內(nèi)無法找到車道線邊界點；(24)車道線位置分析根據(jù)檢測到的車道線信息來計算其偏離系數(shù)。進一步的，所述步驟(3)中進行前方障礙物檢測的過程如下(32)設(shè)置路面區(qū)域起始線；在視頻圖像顯示路面的路面區(qū)域中設(shè)置一條分割線，用以分割視頻圖像中的路面區(qū)域和車前蓋；(32)搜索路面區(qū)域根據(jù)路面灰度參數(shù)，從路面區(qū)域起始線開始隔列向上搜索路面區(qū)域，如果遇到非路面顏色的區(qū)域，則停止搜索，并將該點記為該列的路面區(qū)域分隔點；
(33)前方障礙物分析根據(jù)搜索到的路面區(qū)域分隔點，檢測是否存在凹陷區(qū)域，如果有凹陷區(qū)域，其符合一定要求，則該認為該區(qū)域存在障礙物。進一步的，所述步驟(4)的具體實現(xiàn)過程如下若檢測到的車道線偏離系數(shù)超過某一范圍，則認為車輛發(fā)生偏離，利用智能手機發(fā)出語音提示；若檢測到前方障礙物處于用戶所設(shè)置的危險預(yù)警區(qū)域內(nèi)時，則認為需要進行避障操作，利用智能手機發(fā)出語音提示。本發(fā)明所提供的技術(shù)方案，其進行圖像處理時未對全圖進行遍歷，運算量小，可以很好的應(yīng)用于智能手機終端。本方案基于常見的智能手機實現(xiàn)，無需車輛上裝載任何傳感器，由此實現(xiàn)的車輛主動安全技術(shù)可非常便捷的移植入任何車型，可以在一定程度上防止車道線偏離以及與前方障礙物相撞，應(yīng)用面廣，實用性強，成本低廉。再者，由于本方案所使用的圖像處理技術(shù)運算量小，能夠保證實施方案的系統(tǒng)的實時性。
以下結(jié)合附圖和具體實施方式
來進一步說明本發(fā)明。圖I為本發(fā)明實現(xiàn)的原理流程圖；圖2為本發(fā)明進行路面灰度參數(shù)提取的流程示意圖；圖3為本發(fā)明實施時手機視頻圖像顯示示意圖；圖4為本發(fā)明進行車道線偏離檢測的流程示意圖；圖5為本發(fā)明進行前方障礙物檢測的流程示意圖；圖6為本發(fā)明進行路面區(qū)域的流程示意圖；圖7為本發(fā)明進行危險預(yù)警的流程示意圖。
具體實施例方式為了使本發(fā)明實現(xiàn)的技術(shù)手段、創(chuàng)作特征、達成目的與功效易于明白了解，下面結(jié)合具體圖示，進一步闡述本發(fā)明。參見

圖1，本發(fā)明基于智能手機實現(xiàn)車輛主動安全的方法，其具體實現(xiàn)過程如下步驟101 :提取路面灰度參數(shù)。具體的，首先獲取車輛前方視頻圖像，然后在圖像所顯示的區(qū)域中設(shè)定路面灰度參數(shù)提取區(qū)域，并從該區(qū)域中提取路面灰度參數(shù)，包括路面灰度平均值、路面灰度波動差值和路面灰度漸變補償系數(shù)。步驟102 :根據(jù)提取的路面灰度參數(shù)，進行車道線偏離檢測。具體的，首先根據(jù)提取的路面灰度參數(shù)，定義白、黃、灰色顏色模型，然后尋找車道線邊界起始點，然后尋找下一車道線邊界點，在搜索完所有車道線邊界點后進行車道線位置分析。步驟103 :根據(jù)提取的路面灰度參數(shù)，進行前方障礙物檢測。具體的，首先設(shè)定路面區(qū)域起始線，然后根據(jù)提取的路面灰度參數(shù)，從路面區(qū)域起始線開始向上搜索路面區(qū)域，然后進行路面區(qū)域分析得到前方障礙物信息。步驟104 :根據(jù)車道線偏離檢測以及前方障礙物檢測，進行危險預(yù)警。 具體的，如果在進行車道線偏離檢測后，發(fā)現(xiàn)車輛偏離車道線，則由智能手機發(fā)出報警音來進行危險預(yù)警。同樣的，如果在進行前方障礙物檢測后，發(fā)現(xiàn)前方近距離內(nèi)有障礙物，則由智能手機發(fā)出報警音來進行危險預(yù)警?；谏鲜鲈?，本發(fā)明的具體實施過程如下第一步提取路面灰度參數(shù)參見圖2，本實例進行路面灰度參數(shù)的提取過程如下步驟201 :獲取車輛前方視頻圖像。車輛前方視頻圖像采集設(shè)備為智能手機的后置攝像頭，智能手機的后置攝像頭可以實時攝取車輛前方的視頻圖像，然后將該圖像傳輸給智能手機的核心處理器進行后續(xù)處理。步驟202 :設(shè)定路面灰度參數(shù)提取區(qū)域。如圖3所示，路面灰度參數(shù)提取區(qū)202a域指的是在圖像顯示的區(qū)域202c中最有可能為路面的一塊區(qū)域，一般在車前蓋202b上方，兩車道線202f的中間，該區(qū)域不受車前蓋影響，也不易受前方車輛影響，能夠較好的反映出路面的灰度分布情況。該區(qū)域的寬度為圖像寬度的二分之一，高度為圖像高度的八分之一，該區(qū)域在圖像中左右居中，上下位置處于圖像的中下半部分。步驟203 :提取路面灰度平均值。路面灰度平均值可以反映路面的平均灰度值。其具體提取方法為在路面灰度參數(shù)提取區(qū)域中，提取處于偶數(shù)行與偶數(shù)列的像素點的灰度值，并將灰度值進行降序排序，排除灰度值為前15%以及后15%的像素點,然后將剩余像素點的灰度值相加再除以剩余的像素點的個數(shù)即可得到路面灰度平均值，為敘述簡便，將其定義為IavCT。步驟204 :提取路面灰度波動差值。路面灰度波動差值反映了系統(tǒng)所允許的路面灰度值的最大波動幅度，如果某一像素點的灰度值超過了這個幅度，則可以認為該像素點不屬于路面區(qū)域。其具體提取方法為將提取路面灰度平均值時所剩余的像素點的像素值與路面灰度平均值做差，計算其平方和，然后除以剩余的像素點的個數(shù)，再開根后得到灰度值的標(biāo)準差，最后將該標(biāo)準差的兩倍作為路面灰度波動差值，為敘述簡便，將其定義為ID。其計算公式如下所示
權(quán)利要求
1.基于智能手機實現(xiàn)車輛主動安全的方法，其特征在于，所述方法包括如下步驟 (1)利用智能手機獲取車輛前方視頻圖像，并提取路面灰度參數(shù)； (2)根據(jù)提取的路面灰度參數(shù)進行車道線偏離檢測； (3)根據(jù)提取的路面灰度參數(shù)進行前方障礙物檢測； (4)根據(jù)車道線偏離檢測以及前方障礙物檢測的結(jié)果進行危險預(yù)警。
2.根據(jù)權(quán)利要求I所述的基于智能手機實現(xiàn)車輛主動安全的方法，其特征在于，所述步驟(I)中提取路面灰度參數(shù)的過程如下 (11)在獲取的車輛前方視頻圖像顯示的去區(qū)域中限制一塊屬于路面的區(qū)域作為路面灰度參數(shù)提取區(qū)域用于提取相應(yīng)的路面灰度參數(shù)； (13)提取路面灰度參數(shù)提取區(qū)域中的路面灰度平均值； (14)提取路面灰度參數(shù)提取區(qū)域中的路面灰度最大允許波動差值； (15)提取路面灰度參數(shù)提取區(qū)域中的路面灰度漸變補償系數(shù)。
3.根據(jù)權(quán)利要求I所述的基于智能手機實現(xiàn)車輛主動安全的方法，其特征在于，所述步驟(2)中車道線偏離檢測的過程如下 (21)建立白、黃、灰色顏色模型指根據(jù)所提取的路面灰度參數(shù)，對白、黃、灰三種顏色進行建模，若某一像素點的RGB值符合某一模型，則認為該像素點為該模型表征的顏色； (22)搜尋車道線邊界起始點從獲取的視頻圖像底部開始向上搜索車輛左右兩側(cè)車道線的邊界起始點； (23)搜尋下一車道線邊界點根據(jù)搜索到的前一車道線邊界點建立預(yù)測區(qū)域，然后在該預(yù)測區(qū)域內(nèi)搜索下一車道線邊界點；進行迭代執(zhí)行，直到在預(yù)測區(qū)域內(nèi)無法找到車道線邊界點； (24)車道線位置分析根據(jù)檢測到的車道線信息來計算其偏離系數(shù)。
4.根據(jù)權(quán)利要求I所述的基于智能手機實現(xiàn)車輛主動安全的方法，其特征在于，所述步驟(3)中進行前方障礙物檢測的過程如下 (32)設(shè)置路面區(qū)域起始線；在視頻圖像顯示路面的路面區(qū)域中設(shè)置一條分割線，用以分割視頻圖像中的路面區(qū)域和車前蓋； (32)搜索路面區(qū)域根據(jù)路面灰度參數(shù)，從路面區(qū)域起始線開始隔列向上搜索搜索路面區(qū)域，如果遇到非路面顏色的區(qū)域，則停止搜索，并將該點記為該列的路面區(qū)域分隔點； (33)前方障礙物分析根據(jù)搜索到的路面區(qū)域分隔點，檢測是否存在凹陷區(qū)域，如果有凹陷區(qū)域，其符合一定要求，則該認為該區(qū)域存在障礙物。
5.根據(jù)權(quán)利要求I所述的基于智能手機實現(xiàn)車輛主動安全的方法，其特征在于，所述步驟(4)的具體實現(xiàn)過程如下若檢測到的車道線偏離系數(shù)超過某一范圍，則認為車輛發(fā)生偏離，利用智能手機發(fā)出語音提示；若檢測到前方障礙物處于用戶所設(shè)置的危險預(yù)警區(qū)域內(nèi)時，則認為需要進行避障操作，利用智能手機發(fā)出語音提示。
全文摘要
本發(fā)明公開了基于智能手機實現(xiàn)車輛主動安全的方法，該方法包括如下步驟(1)利用智能手機獲取車輛前方視頻圖像，并提取路面灰度參數(shù)；(2)根據(jù)提取的路面灰度參數(shù)進行車道線偏離檢測；(3)根據(jù)提取的路面灰度參數(shù)進行前方障礙物檢測；(4)根據(jù)車道線偏離檢測以及前方障礙物檢測的結(jié)果進行危險預(yù)警。本方法利用智能手機作為數(shù)據(jù)處理的硬件平臺，并結(jié)合圖像處理技術(shù)領(lǐng)域中的車道線提取技術(shù)以及路面障礙物提取技術(shù)，能夠?qū)崟r檢測車輛是否偏離車道線，并且檢測前方是否有障礙物，保證駕駛員的行車安全。
文檔編號B60W30/12GK102862574SQ20121035833
公開日2013年1月9日 申請日期2012年9月21日 優(yōu)先權(quán)日2012年9月21日
發(fā)明者王元杰, 劉暢 申請人:上海永暢信息科技有限公司