基于单目视觉的车辆前向碰撞预警系统研究

• 作 者: 夏聪
• 机 构: 重庆大学
• 出 处: 重庆大学
• 发表日期: 2021年01期
• 关键词: 卷积神经网络 卡尔曼滤波 单目视觉测距 碰撞预警

近几年,由于汽车保有量的迅速增加,交通事故发生更加频繁,其中碰撞事故与人为因素相关性较强。与此同时,高级驾驶辅助系统也在不断发展,而碰撞预警系统是该系统的重要分支之一。为了提醒驾驶员去规避碰撞事故的发生,提出了一种基于单目视觉的车辆前向碰撞预警系统。首先通过目标检测算法对摄像机获取的视频流进行前向目标检测并输出位置信息,然后目标跟踪算法结合检测结果与连续图像数据,对目标进行匹配,得到目标的连续信息记录。最后利用单目视觉测距方法计算距离,对信息进行分析并判断,从而实现前向车辆碰撞预警、行人与非机动车碰撞预警。本文的主要研究工作为以下三个部分:首先,构建了一种适用于硬件水平较低的数据处理平台的交通场景目标检测模型,目标检测模型其重要性在于决定了整个预警系统的准确性与实时性。本文利用卷积神经网络模型对交通场景的目标进行特征提取,依据训练集目标情况设置合适数量与大小的锚框,在两个尺度上对交通目标进行检测。实验表明,该方法能保证检测准确度较高的同时,使得模型更加轻量,而且加快了训练速度与检测速度。其次,实现了一种基于卡尔曼滤波的多目标跟踪算法,利用匈牙利算法将目标检测边框与卡尔曼滤波预测边框进行数据关联与匹配。其中,匈牙利算法中以包含位置信息的交并比作为成本函数。实验表明,该算法速度快,且对物体尺度变化有较好的适应性。最后,提出了一种基于单目视觉测距的前向车辆碰撞预警策略、行人与非机动车碰撞预警策略。利用摄像机标定方法与单目视觉测距方法获取图像中交通目标的深度信息。利用前后时刻被匹配好的目标距离信息,可计算该目标与本车的相对速度与碰撞时间。根据交通目标的运动状态是否稳定,将预警策略分为基于碰撞时间的前向车辆碰撞预警策略、基于危险距离的行人与非机动车碰撞预警策略。实验表明,该预警算法在城市道路上有较好的准确性。