本课题研究实时嵌入式盲点安全辅助系统.docx

本课题研究实时嵌入式盲点安全辅助系统.docx

《本课题研究实时嵌入式盲点安全辅助系统.docx》由会员分享，可在线阅读，更多相关《本课题研究实时嵌入式盲点安全辅助系统.docx（16页珍藏版）》请在冰豆网上搜索。

本课题研究实时嵌入式盲点安全辅助系统

本课题研究实时嵌入式盲点安全辅助系统

Bing-FeiWu,Chih-ChungKao,Ying-FengLi,andMin-YuTsai

电气与控制工程学院

本文提出了一种有效的电子车辆在白天和夜间的盲点区摩托车检测系统场景。

该方法确定的车和摩托车的检测在白天的阴影和边缘特征，汽车和摩托车可以通过夜间车灯检测定位。

首先，进行定位车辆的位置。

然后，垂直和水平边缘被用来验证是否存在的车辆。

之后，追踪程序操作在连续的帧跟踪相同的车辆。

最后，驱动behaviorisjudgedbythetrajectory.Second,thelampsinthenighttimeareextractedbasedonautomatichistogramthresholding,行为是由轨迹判断。

第二，基于直方图自动阈值提取andareverifiedbyspatialandtemporalfeaturestoagainstthereflectionofthepavement.Theproposedreal-timevision-based,是受空间和时间的功能的限制，对路面的重新检验。

所提出的实时的基于视觉BlindSpotSafety-AssistanceSystemhasimplementedandevaluatedonaTIDM6437platformtoperformthevehicledetectionon盲点安全辅助系统来实现一个TIDM6437平台上进行车辆检测评价。

realhighway,expressways,andurbanroadways,andworkswellonsunny,cloudy,andrainyconditionsindaytimeandnighttime.真正的公路，高速公路，城市道路，工作在晴天，阴天，多雨的条件下，在白天和夜间的时间进行。

Experimentalresultsdemonstratethattheproposedvehicledetectionapproachiseffectiveandfeasibleinvariousenvironments.

实验结果表明，所提出的车辆检测方法是在各种环境中有效的，可行的。

1。

简介

Inrecentyears,thedrivingsafetyhasbecomethemost

近年来，驾驶的安全性已成为重要问题。

汽车事故伤亡人数逐年增加。

根据事故，来自国道高速公路局的数据，主要发生事故的原因是人为的疏忽。

因此，碰撞预警技术得到极大的重视。

驾驶安全的几种辅助产品uctsarepromoted,includinglanedeparturewarningsystems产品的推广也越来越多，包括车道偏离警告系统（LDWSs）,blindspotinformationsystems（BLISs）,andso（ldwss），盲点信息系统（幸福）等。

forth.Theseproductscouldprovidemoreinformationabout这些产品可以提供thevehiclesurroundingswiththedriver,sothatthedriver车辆周围环境和司机的更多的信息，使司机couldmakethecorrectdecisionwhendrivingontheroad.能够做出正确的决定在道路上行驶时。

也可以检测车的一侧是否出现车辆BLIScouldmonitorwhetherthevehiclesappearinthesideof也也或在驾驶员不知情的情况下突然变道。

雷达是为另一个解决方案。

然而，thecostismuchhigherthanthecamera.Consequently,成本比相机更高。

因此，vision-basedblindspotdetectionbecomespopularinthis基于盲点检测成为了希望的田野field.。

有许多基于视觉的障碍物检测系统，我们在文献中提出的。

他们中的大部分集中在检测车道，车道在主机车前面的障碍偏离预警[1–3]，还有避免碰撞的应用方法[4–7]等。

车道检测是利用行车安全在早期的助理。

此外，一个完整的调查addressedin[1].Besides,thefrontobstacledetectionwas处理。

此外，前方障碍物检测discussedenthusiasticallyinthepastdecade.Onlineboosting在过去的十年里被广泛地用来algorithmisproposedtodetectthevehicleinfrontof检测前面的车辆hostcar[2].Theonlinelearningalgorithmcanconquerthe主机车。

在线学习算法可以克服onlinetuningproblemforapracticalsystem.O’Malleyetal.对实际系统的在线调整问题。

O’Malley等人[3]presentedarear-lampvehicledetectionandtrackingfor提出了用车尾灯来检测和跟踪nightcondition.Therear-lamppairsareusedtorecognize夜车辆的想法。

尾灯组是用来识别thefrontvehicleandtracklamppairsbyKalmanfilter.Liu前面的车辆和轨道，并采用卡尔曼滤波器。

刘andFujimura[4]proposedapedestriandetectionsystem和藤村提出了一种行人检测系统bystereonightvision.Humanbecamehotspotinnight立体声夜视。

当人成为热点的夜晚，visionandwouldbetrackedbyblobmatching.Labayrade视觉将由团块匹配追踪。

labayradeetal.[5]integrated3Dcamerasandlaserscannertodetect等人集成三维相机和激光扫描用来检测multiobstaclesinfrontofthevehicle.Thewidth,height,and前面的车辆的宽度，高度，和深度障碍物的立体视觉，还要精确的估计preciseobstaclepositioncanbeprovidedbylaserscanner.障碍物的位置，但也可以通过激光扫描仪来进行扫描。

Thiscooperativefusionapproachachievedanaccurateand这种合作的融合方法实现了更精确robustdetection强大的检测得目的。

Wong和Qidwai安装了六个超声波传感器和三图像传感器在车上。

他们在算法上应用模糊推理来警告司机并且减少汽车发生事故的可能性，并用全向摄像机来监视周围地区的车辆。

因此，可将盲目的障碍物现场和双方的障碍物现场同时的检测。

轮子后面的过滤型滤波器系统是用来确定车辆是否存的。

罗德等人设计了lanechangeassistancesystemwithfarrangeradar,sideradar,车道变更辅助系统，射程远侧雷达，雷达，andstereovision.ThesensorfusionandKalmanfilterwere立体视觉。

传感器融合和卡尔曼滤波器被usedtotrackthevehiclestably.D´ıazetal.[9]appliedoptical用于轨道车辆稳定。

D´ıAZ等人应用光学flowalgorithmtosegmentthevehicleintheblindspot,andflOW算法在盲区车辆段，对severalscaletemplateswereestablishedfortracking.Batavia多尺度模板进行了跟踪。

巴达维亚etal.[10]alsomonitoredthevehicleinrearimagewith等人还监测车后图像opticalflowalgorithmandedgefeature.Stuckmanetal.光学flOW算法和边缘特征。

stuckman等人[11]usedinfraredsensortogettheinformationofthebl利用红外线传感器来获取盲信息spotarea.Thismethodwasimplementedondigitalsignal斑面积。

该方法在对数字信号processor（DSP）successfully.Adaptivetemplatematching处理器（DSP）上成功实现。

自适应模板匹配（AdTM）algorithm[12]wasproposedtodetectthevehicle（高级数据传送模块）算法提出了在盲点区域检测车辆，并且以算法的级别来确定跟踪车辆的行径。

如果这车辆是接近，水平会增加，否则由YoshiokawasequippedbyYoshiokaetal.[13]tomonitortheblind等人安装多线ccd的平稳度将会降低。

监测盲spotarea.Thissensorcouldobtaintheheightofapixel斑面积，该传感器可以获得一个像素高度的intheimagebecauseoftheparallaxbetweentwolenses.在图像由于是两个镜片之间的视差。

Thus,thismethodcouldobtaintheheightofthevehicle.因此，该方法可以获得车辆的高度。

Techmer[14]utilizedinverseperspectivemapping（IPM）Techmer利用逆透视映射（IPM）andedgeextractionalgorithmtomatchthepatternand与边缘提取算法的匹配模式todeterminewhetheravehicleexistsintheblindspotor来确定车辆是否存在盲点not.Furukawaetal.[15]appliedthreecamerastomonit。

Furukawa等人将三摄像头监控安装在frontarea,leftbehindareaandrightbehindarea.Horizontal前门的部分，左边的部分和右边的部分。

水平segmentbyedgewasusedandthetemplatematchingwas段的边缘和模板operatedbyorientationcodematching,whichisoneof通过定位编码匹配操作，这是一个therobustmatchingtechniques.Mostimportantly,these鲁棒匹配技术。

最重要的是，这些algorithmsrequiredlessresourcesforoperationandwere算法实现在一个需要较少的资源运作implementedinoneembeddedsystem.Jeongetal.[16]在嵌入式系统。

Jeong等人分开几个确定的输入图像，定判断几个determinedthesesegmentationsbelongingtotheforeground确定这些分割图像是属于前景orbackgroundbygraylevel.Afterwards,scaleinvariant还是背景的灰度级。

后来，尺度不变featuretransform（SIFT）wasimplementedtogenerate特征变换（SIFT）的实施产生robustfeaturestocheckwhetherthevehicleexistsornot.强大的功能来检查车辆是否存在。

Finally,modifiedmean-shiftwasusedtotrackthedetected最后，该均值漂移用于跟踪检测vehicle.C.T.ChenandY.S.Chen[17]estimatedthe车辆。

C.T.陈和Y.S陈估计imageentropyoftheroadsceneinthenearlane.The在车道的道路场景熵的图像。

通过分析laneinformation.Althoughtheycouldtracktheobstacles车道信息，可以检测到道路信息。

虽然他们可以实时的跟踪的障碍inreal-time,theyonlyjudgedwhetherthetrackedvehicle，但他们只判断履带车辆wasapproachingornotbyconsideringthelocationinthe接近或不考虑的位置previousframeandcurrentframe.Consequently,thefalse前一帧和当前帧。

因此，假alarmwouldbeeasilytriggered.Fourprespecifiedregions容易引发警报。

四个地区weredefinedtoidentifythedangerouslevelinSobel识别危险，并提取生物形态操作的方法可以togeneratecleareredgeimage.However,ifonlyconsidering清晰的产生边缘图像。

然而，如果只考虑theedgeinformation,thesystemwouldeasilyalarmfalsely边缘信息，系统将很容易byshadowandsafetyisland.通过阴影和安全岛误报警。

此外，在这领域最重要的问题之一是执行效率的系统。

如果效率不够高了，个系统就不能实时的检测出结果，它无法立即提醒司机，就是没有使用价值的系统。

在最近几年已经提出了很多方法来防止在盲点区域的碰撞，但大多数methodsareimplementedonPC,whicharenotsuitableas方法都是在PC机上实现的，不合适的anautomobileelectronics.Althoughtherearesomemethods汽车电子产品。

虽然有一些方法whichwereimplementedonDSPplatform,lowframerate在DSP平台上实现了，但低帧速率androbustnessbecametheseriousproblemstothem.In和鲁棒性成为严重的问题，在thispaper,edge,shadow,andlampsinspatialdomain本文，边缘，阴影，和在空间域上的areappliedtoincreaseexecutionefficiency.Therefore,the应用电子灯提高了执行效率。

因此，本performanceofvehicledetectioninthissystemisthemain在该系统中的车辆检测性能是重要的topichere,especiallyovercomingthecomplexproblemsin主题，特别是解决在复杂harshenvironments,suchasdrivingonurbanroads.Using恶劣环境中的问题，如在城市道路上行驶。

使用thegeneralfeaturesinspatialdomainandkeepinghigh在空间域的一般特征和保持较高的performancehasbeenimplementedthroughthemethod性能已经通过实地的验证，次方法introducedinthispaper.DevelopingonDSPplatform,the本文已介绍了。

在DSP平台的发展framerateofthissystemcouldstillachieve59fpsatmost.本系统的帧速率仍然可以最多达到59fps。

ForCIFimages,thisefficiencyishighenoughthattheCIF图像，效率是足够高的systemcanprovidereal-timeinformationwiththedrivers,系统可提供实时信息给司机，sothatdriverscanmakethemostcorrectdecisionsintime.因此，驾驶员可以及时做出最正确的决定。

ThesystemhashighframerateonTIDM6437platform,该系统对TIDM6437平台具有高帧率，andthroughthelongverificationwithon-roadfieldtests道路现场试验可以onhighways,expressways,andurbanroadways,andworks在公路或城市道路，高速公路。

wellonsunny,cloudy,andrainyconditionsinthedaytime在晴天，阴天，或雨天的条件下也可以检测。

这表明，系统robustness,sothatitcanworkanytimeateverywhereand的鲁棒性是很好的，所以它可以随时随处providewarningfunctionwiththedrivers.Thewarning提供警示功能。

警告functionswhichcouldbeabuzzerorLEDlightwouldbe系统由一个蜂鸣器和LED灯组成triggeredtoalarmtothedri，在发生触动时发出报警来提醒司机。

Section2brieflyintroducestheworkingflowofthe第2节简要介绍了presentedmethodinthispaper.Thealgorithmsofvehicle本文提出的方法。

在3,4节中detectioninthedaytimeandnighttimeareintroduced介绍了车辆在白天和夜间的检测部分inSections3and4,respectively.Theexperimentresults。

实验结果andcomparisonswouldbeshowninSection5.Finally,the和各种情况之间的相互比较，将在第5节中说明。

最后，本conclusionswouldbeaddressedinSection6.结论将在第6节中。

因为在白天车辆检测的特点明显地不同于在夜间，可利用得特征和验证应用程序将会不同。

此外，考虑到实际应用，BSD要夜以继日的工作。

因为它非常地困难去区分白天和夜间，两车辆检测算法在白天和在夜间应在每帧处处理。

白天和夜间的算法检测和跟踪不同但是featureswiththesameworkflowinFigure1havebeen具有相同的工作图。

这项功能已被implementedintooursystemandmakethissystemmore实施在我们的系统中，使该系统更有practicalandrobustness.Thealgorithmforthenighttime实用性和鲁棒性。

用于夜间的车辆检测算法followsthealgorithmforthedaytimeinoursystem,sothat和白天的算法，thereisnoneedtodeterminewhattimeitisnow.没有需要确定它现在是什么时间。

Therearethreemaindetectingmodesinthealgorithm该算法主要有三种检测模式对ofvehicledetection.Thosearethefullsearchingmode,the车辆进行检测。

这些模式分别是全搜索模式，trackingmode,andthepartialsearchingmode,respectively.Imagepreprocessingisperformedtoextracttheedge,跟踪模式，和局部搜索模式。

图像进行预处理时，提取边缘，shadow,lampfeaturesforthevehicledetection.First,there阴影，为车辆检测灯的特性。

首先，进行检测和轨迹跟踪。

Therefore,thesystemwouldsearchthepossiblevehicle因此，系统会搜索可能的车辆candidatesinthewholeregionoftheinterest（ROI）of在整个地区theimageinfullsearchmode.Ifthevehicleisdetected的全搜索模式的图像中。

如果车辆检测andtrackedsuccessfullyinthesuccessivevideoframes,the并成功的跟踪连续的视频帧，该过程会vehicletrajectoryisgenerated,andthesystemwouldprocess生成车辆轨迹，和系统thetrackingmodeinthenextframe.Becauseofthedata在下一帧的跟踪模式。

由于数据savedfromthefullsearchingmode,wealreadyknowwhere是在完整的搜索方式下保存的，我们已经知道了thevehiclesexist;thus,thereisnoneedtosearchthe车辆的存在；因此，不需要再次搜索的wholeROIagain.Wecanonlysearchtheregionwherethe整个ROI。

我们可以只搜索区域vehiclesexistanddeterminetheirbehaviorin