智能车辆辅助驾驶系统技术方案

本实用新型专利技术公开一种智能车辆辅助驾驶系统，针对当前辅助驾驶领域的发展现状，结合当下现有的行车记录设备进行大量数据采集的优势与图像处理系统无监督特征提取的特点，将特征提取及轨迹预判运用在车辆碰撞躲避策略中。并通过Raspberry Pi对处理返回的大量数据进行分析与处理，提取出车辆周围的障碍物信息的分布特征，利用Arduino对障碍物信息进行分类识别，找到当前车辆周围障碍物分布情况下最优化的车辆行驶决策，将有助于人们驾驶车碰撞躲避策略中的行驶决策，避免碰撞事故的发生。采用将图像复原与识别预判相结合的技术，改善了过去辅助驾驶系统由于成像质量不高而要额外添加红外及超声波设备辅助的问题，同时最大化的降低了成本。

Intelligent vehicle assistant driving system

【技术实现步骤摘要】
智能车辆辅助驾驶系统
本技术涉及汽车辅助驾驶控制
，具体涉及一种智能车辆辅助驾驶系统。
技术介绍
随着计算机技术和人工智能的快速发展，高级驾驶辅助系统(ADAS)技术迅速兴起,通过计算机计算来分析路况，为驾驶员提供警告或者协助驾驶员驾驶，在危险情况下采取回避措施已经逐渐成为趋势。目前ADAS基本都是由一系列子系统组成，常见的有自适应巡航控制(ACC)系统，车道偏离警告(LDW)系统，先进的前照明(AFL)系统，行人检测系统(PPS)等。其中通过自适应巡航控制(ACC)系统，可以与前车辆的保持恒定距离，离得太近就减速，离得远就加速。车道偏离警告(LDW)系统是通过检测车道，当车辆移出其车道就警告驾驶员，这个技术可以帮助驾驶员在进行车道变换时提供辅助，以防发生危险。先进的前照明(AFL)系统通过控制大灯参数从而使光束被用于不同的场景，例如行驶速度和优化方向。当前行人检测系统的输入主要是在汽车上安装雷达或者红外传感器，通过分析波谱来进行行人检测，Google公司的无人车便是采取这种方案，但是这类传感器目前来说非常昂贵，无法实现普及。而由于图像能够提供丰富的表观信息和运动信息，且市面摄像头的价格较低廉或者可以直接将程序集成到行车记录仪中，此外基于图像的分析能够实现检测的实时性。因此，一个通过安装高清摄像头获取图像，分析图像内容的辅助驾驶系统对保障人们的驾驶安全并完成普及具有重大的意义。现有的辅助驾驶系统，大多是通过车载传感设备与终端相连，依靠服务器的运算作出反应，这种系统成本较高，难以大规模普及，如专利《一种辅助驾驶系统》就是通过车载智能终端根据车载传感、定位、视觉、通信设备采集的相关信息运行控制脚本，通过控制单元实现辅助驾驶；现有的智能辅助驾驶系统大多只是通过人脸识别对乘坐者进行识别从而进行相应调节，如专利《一种基于人脸识别的辅助驾驶系统》虽然将辅助驾驶系统智能化，但是并没有将这种识别用于对驾驶员驾驶安全的保证上；现有的利用视频图像信息的智能行车避障系统中，往往是将红外线或者超声波传感器采集到的信息送入行车电脑或者中央控制器中进行运算处理，然后将视频信息反馈到车内液晶屏内提醒驾驶员判断，是否需要制动。这种技术对于高速行驶状态下的车辆驾驶员的反应要求以及安装成本均较高。因此本技术采用成本相对低廉的车载高清摄像头，如行车记录仪等设备将采集的视频信息通过中央控制器对采集到的信息进行处理和判断，并判断是否要进行对应的紧急措施，从而达到辅助驾驶的功能。
技术实现思路
本技术的目的在于提供一种智能车辆辅助驾驶系统，以使得上述
技术介绍
中提出的辅助驾驶系统只需依靠摄像头以及行车电脑即可进行运算和控制。降低成本，使其能更加普及到广大用户。为解决上述技术问题，本技术所采用的技术方案是：智能车辆辅助驾驶系统，其特征在于，包括：图像采集模块、图像预处理模块、障碍物检测模块、障碍物分类预判模块、图像显示模块、预警处理模块以及电源管理模块，其中：所述图像采集模块，用于采集车辆周围影像信息；图像采集模块包括汽车后置摄像头和汽车前置摄像头；所述图像预处理模块，用于对图像采集模块采集到的图像进行预处理，得到处理后的图像；图像预处理模块包括采集数据模块、集成在树莓派RaspberryPi上的MTF矩阵生成模块以及ARM复原模块，采集数据模块接收图像采集模块采集的图像，并传送给MTF矩阵生成模块，MTF矩阵生成模块将采集数据模块所传递信息转化为MTF矩阵信息并传递给ARM复原模块，ARM复原模块将所得信息进行处理后，即得到复原后的图像；所述障碍物检测模块，用于检测所得影像信息之中是否存在障碍物；障碍物检测模块包括障碍物识别模块以及障碍物特征提取模块，障碍物识别模块用于将预处理得到的图像信息进行分析，利用树莓派RaspberryPi判断图像中哪些为障碍物；障碍物特征提取模块，用于将被认定为障碍物的物体运动特征提取并进行相关计算，并使用集成在S3C2440A上的特征提取模块对所识别障碍物进行特征信息提取；所述障碍物分类预判模块，包括障碍物分类模块和障碍物运动轨迹预判模块，障碍物分类模块采用ARM分类，通过对样本图像的特征值提取，得到图像的特征值分布信息，将其作为输入，输出得到测试图像类型概率，概率最大的对应类即是待测样本的类别，然后利用基于Arduino的障碍物运动轨迹预判模块通过逐帧对比样本骨架特征信息计算其运动轨迹，并与行车轨迹相比较，判断是否会出现交通事故，并根据计算结果匹配应急措施；所述图像显示模块，用于显示处理后的图像及预判结果用作对驾驶员提醒，并对影像进行保存备份；所述预警处理模块，用于实时监测图像动态，当判定障碍物运动轨迹会与行车轨迹冲突时时进行提示并做出预警措施；所述电源管理模块给图像预处理模块、障碍物检测模块、障碍物分类预判模块、图像显示模块及预警处理模块供电。进一步的，所述汽车后置摄像头采用倒车影像，所述汽车前置摄像头采用行车记录仪。进一步的，所述预警处理模块包括语音提醒、紧急制动、智能避障、弹射气囊及报警装置，报警装置包括一个发声装置进行提醒并将信息显示在图像显示模块上。本技术的有益效果是：本技术针对当前辅助驾驶领域的发展现状，结合当下现有的行车记录设备进行大量数据采集的优势与图像处理系统无监督特征提取的特点，将特征提取及轨迹预判运用在车辆碰撞躲避策略中。并通过RaspberryPi对处理返回的大量数据进行分析与处理，提取出车辆周围的障碍物信息的分布特征，利用Arduino对障碍物信息进行分类识别，找到当前车辆周围障碍物分布情况下最优化的车辆行驶决策，将有助于人们驾驶车碰撞躲避策略中的行驶决策，避免碰撞事故的发生。采用将图像复原与识别预判相结合的技术，改善了过去辅助驾驶系统由于成像质量不高而要额外添加红外及超声波设备辅助的问题，同时最大化的降低了成本。利用图像复原和特征识别对改善智能驾驶系统对障碍物判断的正确性，提高车辆在各种环境下行驶的安全性有着十分重要的意义。本技术辅助驾驶系统的优点包括：1.在主动红外成像中采用汽车前置及后置摄像头作为图像采集模块，使整个装置体积更小，易于装置，且由于其成本低，更具有普适性；2.利用有针对性的图像复原模块进行复杂环境下的图像质量提升，在现有低成本的情况下尽可能提升探测效果。3.利用RaspberryPi能更精确提取障碍物运动信息并进行轨迹计算，预警处理模块会通过所的信息判断该障碍物是否会与行车轨迹重合，发生危险，并能在紧急情况下代替驾驶员进行预警反应。附图说明图1是本技术智能车辆辅助驾驶系统的结构框图。具体实施方式为了更好地理解本技术，下面结合实施例进一步阐明本技术的内容，但本技术的内容不仅仅局限于下面的实施例。本领域技术人员可以对本技术作各种改动或修改，这些等价形式同样在本申请所列权利要求书限定范围之内。如图1所示，本智能车辆辅助驾驶系统包括：图像采集模块1(包括汽车后置摄本文档来自技高网...

【技术保护点】
1.智能车辆辅助驾驶系统，其特征在于，包括：图像采集模块、图像预处理模块、障碍物检测模块、障碍物分类预判模块、图像显示模块、预警处理模块以及电源管理模块，其中：/n所述图像采集模块，用于采集车辆周围影像信息；图像采集模块包括汽车后置摄像头和汽车前置摄像头；/n所述图像预处理模块，用于对图像采集模块采集到的图像进行预处理，得到处理后的图像；图像预处理模块包括采集数据模块、集成在树莓派Raspberry Pi上的MTF矩阵生成模块以及ARM复原模块，采集数据模块接收图像采集模块采集的图像，并传送给MTF矩阵生成模块，MTF矩阵生成模块将采集数据模块所传递信息转化为MTF矩阵信息并传递给ARM复原模块，ARM复原模块将所得信息进行处理后，即得到复原后的图像；/n所述障碍物检测模块，用于检测所得影像信息之中是否存在障碍物；障碍物检测模块包括障碍物识别模块以及障碍物特征提取模块，障碍物识别模块用于将预处理得到的图像信息进行分析，利用树莓派Raspberry Pi判断图像中哪些为障碍物；障碍物特征提取模块，用于将被认定为障碍物的物体运动特征提取并进行相关计算，并使用集成在S3C2440A上的特征提取模块对所识别障碍物进行特征信息提取；/n所述障碍物分类预判模块，包括障碍物分类模块和障碍物运动轨迹预判模块，障碍物分类模块采用ARM分类，通过对样本图像的特征值提取，得到图像的特征值分布信息，将其作为输入，输出得到测试图像类型概率，概率最大的对应类即是待测样本的类别，然后利用基于Arduino的障碍物运动轨迹预判模块通过逐帧对比样本骨架特征信息计算其运动轨迹，并与行车轨迹相比较，判断是否会出现交通事故，并根据计算结果匹配应急措施；/n所述图像显示模块，用于显示处理后的图像及预判结果用作对驾驶员提醒，并对影像进行保存备份；/n所述预警处理模块，用于实时监测图像动态，当判定障碍物运动轨迹会与行车轨迹冲突时时进行提示并做出预警措施；/n所述电源管理模块给图像预处理模块、障碍物检测模块、障碍物分类预判模块、图像显示模块及预警处理模块供电。/n...

【技术特征摘要】
20180921 CN 20182154922481.智能车辆辅助驾驶系统，其特征在于，包括：图像采集模块、图像预处理模块、障碍物检测模块、障碍物分类预判模块、图像显示模块、预警处理模块以及电源管理模块，其中：
所述图像采集模块，用于采集车辆周围影像信息；图像采集模块包括汽车后置摄像头和汽车前置摄像头；
所述图像预处理模块，用于对图像采集模块采集到的图像进行预处理，得到处理后的图像；图像预处理模块包括采集数据模块、集成在树莓派RaspberryPi上的MTF矩阵生成模块以及ARM复原模块，采集数据模块接收图像采集模块采集的图像，并传送给MTF矩阵生成模块，MTF矩阵生成模块将采集数据模块所传递信息转化为MTF矩阵信息并传递给ARM复原模块，ARM复原模块将所得信息进行处理后，即得到复原后的图像；
所述障碍物检测模块，用于检测所得影像信息之中是否存在障碍物；障碍物检测模块包括障碍物识别模块以及障碍物特征提取模块，障碍物识别模块用于将预处理得到的图像信息进行分析，利用树莓派RaspberryPi判断图像中哪些为障碍物；障碍物特征提取模块，用于将被认定为障碍物的物体运动特征提取并进行相关计算，并使用集成在S3C2440A上的特征提取模块...

【专利技术属性】
技术研发人员：邹鹏，谌雨章，
申请(专利权)人：湖北大学，
类型：新型
国别省市：湖北;42