基于視覺的智能車輛橫向控制方法
【技術領域】
[0001]本發(fā)明屬于智能車領域，具體涉及一種基于視覺的智能車輛橫向控制方法。
【背景技術】
[0002]中國經濟飛速發(fā)展，城市人口比重急劇增大，汽車占有量也日益增多，城市擁堵現(xiàn)象是中國面臨的非常嚴重的問題。為了解決城市擁堵路段駕駛員駕車疲勞強度和防止與前車發(fā)生碰撞，城市自動跟車系統(tǒng)應運而生。城市低速跟車系統(tǒng)采用激光雷達、毫米波雷達、攝像頭等傳感器檢測前方車輛，并且可以自動跟隨前方車輛行駛。如豐田提出的ToyotaSafety Sense系統(tǒng)將攝像頭與毫米波雷達或激光雷達融合。低速跟車系統(tǒng)首先要求對前車進行有效探測和識別。為了更好減輕駕駛員駕駛疲勞，低速跟車系統(tǒng)增加車輛橫向控制功能，可以使汽車在沒有駕駛員干涉情況下，根據(jù)前車橫向偏移位置，自動調整方向盤角度，使其始終跟隨前車行駛。采用毫米波雷達用于前方車輛橫向位置定位，存在巨大缺陷在于如果相鄰反向車道中的車輛安裝相同的毫米波雷達，兩個雷達將會相互干擾，在此場景中雷達無法準確定位前方車輛。

【發(fā)明內容】

[0003]由于采用毫米波雷達存在上述缺陷，同時隨著計算機視覺技術發(fā)展和計算機硬件處理能力的增強，目前采用攝像頭完全可以精確識別前方車輛，并可以定位前方車輛位置。本文提出采用視覺技術進行前方車輛檢測、定位、和橫向控制。首先采用視覺技術對攝像頭采集的圖像進行處理，判斷前方是否有車輛存在，如果有車輛存在，根據(jù)相機標定結果，計算出前方車輛相對本車的縱向位置和橫向位置。然后根據(jù)橫向位置偏差調整方向盤角度，使本車始終跟隨前方車輛行駛。
[0004]為了解決上述技術問題，本發(fā)明采用的技術方案為:一種基于視覺的智能車輛橫向控制方法，該方法包括以下步驟:步驟一、攝像頭采集圖像；步驟二、根據(jù)攝像頭實時采集前方車輛圖像采集的圖像，采用計算機視覺技術檢測前方車輛是否存在；步驟三、車輛縱向、橫向測距；步驟四、車輛角度偏差計算；步驟五、方向盤角度控制。所述步驟一攝像頭實時采集前方車輛圖像，采集的初始圖像進行圖像分析，然后根據(jù)圖像分析結果調整攝像頭曝光參數(shù)，根據(jù)攝像頭采集的圖像判斷是白天場景和夜晚場景，根據(jù)不同場景，采用不同的曝光策略進行曝光，用以滿足不同場景車輛檢測要求。所述步驟二基于視覺的前方車輛檢測采用基于車底陰影的方法，首先采用自適應二值化方法計算出合適的閾值，然后將車底陰影區(qū)域提取出來，然后根據(jù)車輛外在的左右對稱性特征確定車輛位置。所述步驟二基于視覺的前方車輛檢測采用基于機器學習的方法，通過采集含有車輛和沒有車輛場景視頻，形成正負樣本數(shù)據(jù)庫，正樣本庫是由裁剪圖像中含有車輛部分組成，負樣本庫是由沒有車輛場景圖像構成，然后采用特征提取方法和模式識別方法訓練學習正負樣本，得到高效表征車輛特征的數(shù)學模型，根據(jù)此模型識別車輛。所述步驟二基于視覺的前方車輛檢測采用基于機器學習和車底陰影融合方法，首先采用基于車底陰影的方法粗略定位存在車輛的位置，然后根據(jù)車輛對稱性確定車輛存在區(qū)域，最后采用機器學習方法確定車輛存在性。所述步驟三在步驟二檢測到前方車輛，再根據(jù)攝像頭標定結果，進行車輛測距，其中攝像頭標定分為內參標定和外參標定，內參標定采用Matlab內參標定工具箱完成，外參標定方法采用三線標定法，車輛測距通過攝像頭標定，將圖像的圖像坐標系轉化為世界坐標系。所述步驟四通過步驟三計算的前方車輛橫向距離和縱向距離，則車相對前車的角度偏差為theta =arctan (X/Y) ;X為前方車輛橫向距離，Y為前方車輛縱向距離，前車在本車左側時角度偏差為負，前車在本車右側時，角度偏差為正。所述步驟五根據(jù)步驟四計算的本車車輛與前車的角度偏差，采用PID控制方向盤轉角大小和速度。
[0005]本發(fā)明有益效果是:毫米波雷達用于前方車輛橫向位置定位，如果相鄰反向車道中的車輛安裝相同的毫米波雷達，兩個雷達將會相互干擾，在此場景中雷達無法準確定位前方車輛。本方案采用視覺技術解決毫米波定位中存在的缺陷，去除反向車道車輛干擾問題。
【附圖說明】
[0006]下面對本說明書附圖所表達的內容及圖中的標記作簡要說明:
[0007]圖1是本發(fā)明的【具體實施方式】的基于視覺的智能車輛橫向控制系統(tǒng)框圖。
【具體實施方式】
[0008]下面對照附圖，通過對實施例的描述，本發(fā)明的【具體實施方式】如所涉及的各構件的形狀、構造、各部分之間的相互位置及連接關系、各部分的作用及工作原理、制造工藝及操作使用方法等，作進一步詳細的說明，以幫助本領域技術人員對本發(fā)明的發(fā)明構思、技術方案有更完整、準確和深入的理解。
[0009]—種基于視覺的智能車輛橫向控制方法，該方法包括以下步驟:步驟一、攝像頭采集圖像；步驟二、根據(jù)攝像頭實時采集前方車輛圖像采集的圖像，采用計算機視覺技術檢測前方車輛是否存在；步驟三、車輛縱向、橫向測距；步驟四、車輛角度偏差計算；步驟五、方向盤角度控制。所述步驟一攝像頭實時采集前方車輛圖像，采集的初始圖像進行圖像分析，然后根據(jù)圖像分析結果調整攝像頭曝光參數(shù)，根據(jù)攝像頭采集的圖像判斷是白天場景和夜晚場景，根據(jù)不同場景，采用不同的曝光策略進行曝光，用以滿足不同場景車輛檢測要求。所述步驟二基于視覺的前方車輛檢測采用基于車底陰影的方法，首先采用自適應二值化方法計算出合適的閾值，然后將車底陰影區(qū)域提取出來，然后根據(jù)車輛外在的左右對稱性特征確定車輛位置。所述步驟二基于視覺的前方車輛檢測采用基于機器學習的方法，通過采集含有車輛和沒有車輛場景視頻，形成正負樣本數(shù)據(jù)庫，正樣本庫是由裁剪圖像中含有車輛部分組成，負樣本庫是由沒有車輛場景圖像構成，然后采用特征提取方法和模式識別方法訓練學習正負樣本，得到高效表征車輛特征的數(shù)學模型，根據(jù)此模型識別車輛。所述步驟二基于視覺的前方車輛檢測采用基于機器學習和車底陰影融合方法，首先采用基于車底陰影的方法粗略定位存在車輛的位置，然后根據(jù)車輛對稱性確定車輛存在區(qū)域，最后采用機器學習方法確定車輛存在性。所述步驟三在步驟二檢測到前方車輛，再根據(jù)攝像頭標定結果，進行車輛測距，其中攝像頭標定分為內參標定和外參標定，內參標定采用Matlab內參標定工具箱完成，外參標定方法采用三線標定法，車輛測距通過攝像頭標定，將圖像的圖像坐標系轉化為世界坐標系。所述步驟四通過步驟三計算的前方車輛橫向距離和縱向距離，則車相對前車的角度偏差為theta = arctan (X/Y) ；X為前方車輛橫向距離，Y為前方車輛縱向距離，前車在本車左側時角度偏差為負，前車在本車右側時，角度偏差為正。所述步驟五根據(jù)步驟四計算的本車車輛與前車的角度偏差