，采用PID控制方向盤轉(zhuǎn)角大小和速度。
[0010]Stepl:攝像頭圖像輸入:攝像頭實時采集前方車輛圖像，為了使攝像頭更加清晰采集圖像，以滿足后期圖像處理要求，可以對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(diào)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。
[0011]Step2:前方車輛檢測:根據(jù)St印I采集的圖像，采用計算機視覺技術檢測前方車輛是否存在。基于視覺的前方車輛檢測主要有基于車底陰影的方法和基于機器學習的方法或二者融合方法。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。基于機器學習的方法需要采集大量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。然后采用合適的特征提取方法和模式識別方法訓練學習正負樣本，得到可以高效表征車輛特征的數(shù)學模型。然后根據(jù)此模型識別車輛。二者融合方法一般首先采用基于車底陰影的方法粗略定位可能存在車輛的位置，然后根據(jù)車輛對稱性進一步確定車輛存在區(qū)域，最后采用機器學習方法確定車輛存在性。采用基于車輛陰影法運算量小于基于機器學習方法。但采用二者融合方法運算量雖然大于基于車輛陰影法，但小于基于機器學習方法，同時車輛識別率可以和基于機器學習方法相當。
[0012]Step3:車輛縱向、橫向測距:如果根據(jù)St印2可以檢測到前方車輛，再根據(jù)攝像頭標定結果，可以進行車輛測距。其中攝像頭標定分為內(nèi)參標定和外參標定。內(nèi)參標定可以采用通用的matlab內(nèi)參標定工具箱來完成。外參標定方法有多種，比較經(jīng)典的為三線標定法。車輛測距原理即通過攝像頭標定，將圖像的圖像坐標系轉(zhuǎn)化為世界坐標系。本文圖像測距涉及兩維測距:橫向測距和縱向測距。
[0013]Step4:車輛角度偏差計算:通過Step3，計算前方車輛橫向距離和縱向距離，假設前方車輛橫向距離為X，縱向距離為Y，則本車相對前車的角度偏差為theta = arctan (X/Y);為了分辨角度偏差方向，定義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。
[0014]Step5:方向盤角度控制:根據(jù)Step4計算的本車車輛與前車的角度偏差，采用PID控制方向盤轉(zhuǎn)角大小和速度。如果檢測到本車與前車角度偏差較大，采用較大的角速度調(diào)節(jié)方向盤轉(zhuǎn)動。反之，采用較小的角速度調(diào)節(jié)方向盤轉(zhuǎn)動。
[0015]上面結合附圖對本發(fā)明進行了示例性描述，顯然本發(fā)明具體實現(xiàn)并不受上述方式的限制，只要采用了本發(fā)明的方法構思和技術方案進行的各種非實質(zhì)性的改進，或未經(jīng)改進將本發(fā)明的構思和技術方案直接應用于其它場合的，均在本發(fā)明的保護范圍之內(nèi)。本發(fā)明的保護范圍應該以權利要求書所限定的保護范圍為準。
【主權項】
1.一種基于視覺的智能車輛橫向控制方法，其特征在于，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。2.根據(jù)權利要求1所述的基于視覺的智能車輛橫向控制方法，其特征在于，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(diào)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。3.根據(jù)權利要求1所述的基于視覺的智能車輛橫向控制方法，其特征在于，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。4.根據(jù)權利要求1所述的基于視覺的智能車輛橫向控制方法，其特征在于，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。5.根據(jù)權利要求1所述的基于視覺的智能車輛橫向控制方法，其特征在于，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。6.根據(jù)權利要求1所述的基于視覺的智能車輛橫向控制方法，其特征在于，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(nèi)參標定和外參標定，內(nèi)參標定采用Matlab內(nèi)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(zhuǎn)化為世界坐標系。7.根據(jù)權利要求1所述的基于視覺的智能車輛橫向控制方法，其特征在于，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。8.根據(jù)權利要求1所述的基于視覺的智能車輛橫向控制方法，其特征在于，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(zhuǎn)角大小和速度。
【專利摘要】本發(fā)明公開了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(diào)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。
【IPC分類】G06T7/00
【公開號】CN105205805
【申請?zhí)枴緾N201510511109
【發(fā)明人】王繼貞, 張紹勇, 谷明琴, 方嘯, 李娟娟, 徐達學, 張世兵, 張紹山
【申請人】奇瑞汽車股份有限公司
【公開日】2015年12月30日
【申請日】2015年8月19日