[发明专利]盲区车辆检测方法、系统、车辆变道预警方法及系统

说明书

技术领域

本发明涉及车辆安全辅助驾驶技术领域，特别是涉及一种盲区车辆检测方法、系统、车辆变道预警方法及系统。

背景技术

随着汽车的不断增多，因变道造成的交通事故不断增多，并且此类事故通常会造成交通堵塞引起交通延误。研究表明，若潜在的交通事故发生前1秒钟给驾驶员预警，则可以避免90%的类似交通事故。因此，快速准确的检测变道盲区内的车辆，识别车辆与本车的距离以及车辆的速度，在驾驶员进行变道操作时及时预警，能够大大提高变道的安全性。

一般而言，造成驾驶员侧方视觉盲点存在的原因有两个，第一是由于人类本身视觉的特性以及视野的限制，第二是车辆在设计时，驾驶员和车辆后视镜的距离以及车辆左右两侧外后视镜本身的成像原理所造成的结果。

为了减少车辆侧方视觉盲区的区域，通常有两种比较常见的方法来增加侧方后视镜的视野范围，第一种方式是增加驾驶员和车辆后视镜的距离，但这种方法得到的效果是有限的，因为车辆本身是固定的，所以驾驶员和车辆后视镜间能够调整的距离是相当有限的；第二种方法，就是以各种各样的曲率面镜（双曲率面镜或是变曲率面镜）来取代传统的平面镜，因为曲率面镜中所反射的图像将会变形，并且随着面镜的曲率增加，相对应的变形也就越严重，如果图像变形过度严重，驾驶员也无法利用车辆后视镜判断后方来车和本车的距离。

目前，通常使用Adaboost算法对摄像头采集到的整幅盲区图像进行扫描匹配以准确检测出车辆，由此带来了计算量大、计算耗时大等问题，最终导致系统的实时性差，安全性较差。

发明内容

本发明所要解决的技术问题是针对现有的盲区车辆检测方法计算量大所导致的系统反应实时性差、安全性较差的问题，提供一种盲区车辆检测方法。

本发明解决上述技术问题所采用的技术方案为，提供一种盲区车辆检测方法，包括以下步骤：

S1、采集包含车辆后视镜盲区的图像；

S2、使用基于特征的车辆识别方法在上述图像中选取可能存在车辆的图像感兴趣区域；

S3、使用Adaboost算法在上述图像感兴趣区域内进行扫描匹配以检测车辆。

进一步地，步骤S1之后，步骤S2之前还包括图像预处理步骤：

利用高斯滤波器对上述图像进行去噪和平滑处理。

进一步地，步骤S1具体为：

通过左右两侧摄像头拍摄包含车辆两侧后视镜盲区的图像，并将图像输入给视频解码器；

视频解码器将摄像头输入的图像信号解码后输入DSP芯片，DSP芯片通过其上的视频输入接口采集上述图像信号，并将采集到的图像信号存储在存储器中。

进一步地，步骤S2具体为：

获取上述采集的包含车辆后视镜盲区的图像的灰度直方图，依据车辆灰度值和道路灰度值的不连续性初步选取可能存在车辆的矩形的图像感兴趣区域；

若选取的图像感兴趣区域远离本车，则进一步利用车辆灰度水平对称特性对上述矩形的图像感兴趣区域进行验证；

若验证通过，则选取得到图像感兴趣区域；若验证不通过，则重新依据车辆灰度值和道路灰度值的不连续性初步选取可能存在车辆的矩形的图像感兴趣区域。

进一步地，所述“利用车辆灰度水平对称特性对上述矩形的图像感兴趣区域进行验证”所采用的对称性测度公式为：

当S(X_S)＝1时，表示上述图像感兴趣区域的水平对称特性为完全对称；当S(X_S)＝-1时，表示上述图像感兴趣区域的水平对称特性为完全不对称；当S(X_S)＞0时，则表明上述矩形的图像感兴趣区域中存在车辆的可能性较大，即验证通过；当S(X_S)≤0时，则表明上述矩形的图像感兴趣区域中存在车辆的可能性较小，即验证不通过；

上述公式中，E(u)、O(u)分别是函数g(x)＝g(X_S+u)的偶函数分量和奇函数分量；

-W/2≤u≤W/2；

偶函数比重越大，则说明其对称度越高，将偶函数分量E(u)归一化，使其均值为零，则有：

上述中，g(x)为将上述矩形的图像感兴趣区域前后方向中间轴所在行的灰度数据视为横坐标的一维函数，该一维函数g(x)的对称轴取为上述图像感兴趣区域的前后方向中间轴X_S，W为上述图像感兴趣区域的宽度。