基于OpenCV的AEB系统车辆检测和预警研究

为降低汽车换道时碰撞事故发生概率,提出基于OpenO_4CV的AEB系统车辆检测和预警算法。首先利用Haar-like+Adaboost实现前方车辆的识别与检测,并结合粒子滤波原理建立车辆跟踪模型。然后基于单目视觉模型对前方车辆距离进行测量,根据障碍物与车辆的安全距离估测碰撞时间。最后,基于AEB系统进行车辆防撞预警测试,测试仿真结果表明,在不干扰驾驶员正常驾驶的前提下,即碰时间的TTC算法性能最佳,有效提升了前方车辆检测预警精确率。     

基于红外测距的道路前方车辆探测预警系统研究

进行道路前方车辆探测预警系统设计时,通常采用红外测距仪来获取道路前方车距信息,并以此作为前车探测的基础数据。为了消除系统状态误差和测量误差对车距信息数据精度的影响,可根据车距信息和相对车速不会突变的特性建立预测模型,基于此预测模型,应用Kalman滤波理论准确预测相对车速,并利用车距信息和相对车速计算安全距离报警阈值。试验证明该探测及预警方法可大大提高车辆探测的准确性和鲁棒性。     

基于车-车通信的车辆车速动态控制系统设计

为了更好地解决车辆纵向追尾碰撞问题,利用车联网技术,设计了基于车-车通信的车辆车速动态控制系统,在系统软硬件设计的基础上,实现了车辆之间的车速、位置等关键数据信息的相互共享,并且通过车载APP显示。系统通过对自车与前车之间的实际车距和理论安全距离比较,控制电机实现对本车的车速动态控制。实验结果表明,该系统能够有效避免车辆纵向追尾碰撞风险。     

分布式大型车辆防撞预警系统设计与实现

大型车辆的交通事故已经成为社会关注的热点问题,减少碰撞风险是交通安全研究的重要内容。根据大型车辆前向碰撞预警、后方碰撞预警和侧向防撞预警的要求,设计了一种全方位防撞预警系统。系统以分布式信息采集、处理和报警平台为基础,通过基于安全距离的算法实现分级预警。实车预警实验表明该系统能够根据安全等级准确地给出报警信息。     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

汽车防追尾碰撞数学模型研究

为了提高车辆在高速行驶状态下的主动安全性能,研究了处于追尾行驶状态的本车与前车的运动学特征;针对前车的不同运动状态分别推导出了跟车距离的计算模型并分析了模型中3个关键参数的随机性和动态性,对制动迟滞时间提出了基于模糊推理的确定方法,对本车制动减速度和前车的运动加速度提出了比较实用的动态测算公式;另外,研究了防追尾碰撞的控制与执行,建立了动态调整安全制动停车距离的神经网络模型,提出了基于危险裕度判别的安全控制方法。     

车路集成环境下车辆防撞预警安全状态判别模型的研究

针对现有安全状态判别模型未能兼顾行车安全与道路空间资源利用率,且忽略了实际行驶环境下动态制动减速度信息的问题,提出了车路集成条件下车辆防撞预警安全状态判别模型。通过车-路通信协作实现对路面类型等实际行驶环境因素的动态识别,并确定车辆采取制动措施时所能获得的动态制动减速度;通过分析前车与自车的有效制动时间和车辆制动全过程,建立了新型临界跟车距离模型,并给出了模型关键参数的获取方法。仿真结果表明,该判别模型具有较强的自适应性,更贴近车辆实际行驶环境下的制动过程,有利于提高道路空间的利用率。     

基于主被动结合的螺纹剪切式汽车碰撞智能吸能控制系统

文中基于主、被动安全技术相结合的思想,提出了一种螺纹剪切式汽车碰撞智能吸能控制系统。该控制系统以单片机为核心,通过毫米波雷达测得本车与前方车辆之间的距离,运用行车安全距离模型确定本车的安全状态,一旦遭遇危险,就启动螺纹剪切式汽车碰撞智能吸能系统应对可能的碰撞事故。此时,单片机接收传感嚣获取的轮速信号,确定本车具有的冲击动能,并据此控制吸能系统的伸缩量,确保吸能系统具有足够的吸能能力,实现吸能系统的特有功能,即最大限度地减少汽车车身的占有空间,保持碰撞吸能过程的平稳与渐进,实现吸能能力的实时调整。     

基于视觉与激光雷达数据融合的前车识别研究

智能驾驶技术已经成为智能车的重要开发领域,这一技术实现的关键就是对车辆精确的环境感知,对周围物体进行准确识别,避免车辆在行驶过程中出现事故,在智能辅助驾驶系统起关键性作用。目前,单一传感器不能满足复杂工况下的路面识别,基于多传感器的数据融合(Multi-sensor Information Fusion,MSIF)可以提高检测效率,改善单一传感器检测不精确的缺陷,文章先对传感器进行标定实现多传感器的时空同步,对识别的物体进行检测判断,确定前车。实验结果表明此方法有利于提高汽车安全行驶性能,可以准确、实时地识别前方车辆,满足多工况下的前车识别。     

基于图像的车道线内车辆目标识别

为了获取本车道内前方车辆信息,文章提出一种基于HOG特征与SVM模型的车辆识别方法。根据检测出的车道线确定搜索区域,结合车底阴影特征实施车辆的检测并确定车辆可能存在的假想区域,针对假想区域进行HOG特征提取,构建车辆正、负样本库,将假想区域进行HOG特征输入到训练好的SVM识别器,实现车辆目标的识别。通过大量测试图像进行验证,结果表明文章采用的方法可识别出本车道内前方车辆目标。     

基于DSRC的车辆防追尾预警算法CSCD

为弥补传统防追尾预警算法在兼顾虚警率与及时性方面的不足,提出一种新的基于前方车辆的防追尾预警算法。利用专用短程通信技术(DSRC)实现车车之间的信息交互;通过安全车距预警模型计算临界安全车距,自车车载单元(OBU)利用自适应广播算法将安全情况信息发送给前车OBU;通过运用移动节点轨迹的生成工具(Vanet Mobi Sim)和面向对象的网络仿真器-2(NS2)进行联合仿真分析,以及主动安全系统开发工具Pre Scan与Matlab/Simulink进行联合仿真分析。结果表明:自适应广播算法的可行性和有效性得到验证;预警算法较好地解决了传统预警算法在虚警率和报警及时性方面的矛盾,这对发展与完善汽车防追尾预警系统具有重要意义。     

基于前车轨迹预测的高速智能车运动规划

针对现有运动规划算法大多只考虑障碍车当前状态,本文中提出一种基于前车运动轨迹预测的高速车辆运动规划算法。首先,融合考虑驾驶意图与基于车辆运动模型的方法对前车轨迹进行预测;然后,采用贝塞尔曲线(Bezier)规划主车运动轨迹,结合避撞过程中与前车碰撞风险概率,高速避撞车辆速度变化特点以及车辆运动稳定性等因素建立目标函数,并考虑车辆动力学与运动学约束,使用序列二次规划(SQP)方法对Bezier曲线的控制点和主车运动目标点位置进行优化求解,得到最优避撞运动轨迹;最后,以前车直行和换道两种工况为例,对主车的避撞运动轨迹进行规划,分析不同工况下主车避撞过程中的运动状态变化以及与前车碰撞风险概率变化。结果表明,所提出的运动规划算法能够保证车辆的避撞安全性与运动稳定性。     

基于车联网的行人主动避撞策略及仿真验证

针对行人从静止遮挡车辆前方穿出并与主车碰撞的“鬼探头”危险场景,提出一种基于车联网的行人主动避撞系统控制策略。首先,建立主车、遮挡车和行人间相对位置关系模型,通过车车通信获取遮挡车前方的行人状态信息;其次,根据目标进入时间、目标离开时间、碰撞剩余时间和安全避撞时间4个危险状态判断评价指标,建立分级制动策略,并通过下层PID控制调节制动压力实现车辆控制;最后,基于PreScan、CarSim和MATLAB联合仿真平台,搭建该危险场景并验证所提出控制策略的有效性。结果表明,该策略能够实现避撞功能,且性能优于基于宽度触发的行人主动避撞策略。     

一种基于数字图像相关的高精度车辆跟踪算法

为解决基于视觉的预警系统在车辆行驶过程中对前车跟踪不精准、碰撞预警不及时的问题,以减少交通安全事故,提出了一种基于数字图像相关的高精度车辆跟踪算法。该算法以检测到的车辆区域为参考子区,在参考子区周围采用数字图像相关的方法进行亚像素级别的搜索匹配,进而实现车辆的跟踪,由得出的跟踪框缩放值可计算出高精度相对速度,提高安全保障。实验验证了该算法能有效提高跟踪的准确性和实时性,降低了对高分辨率镜头的依赖。     

红外国像处理在汽车昉撞系统中的运用

基于红外图像的视觉处理,提出了新的汽车夜视安全控制方法.通过对车载热像仪所拍摄的红外图像的一系列处理,包括图像滤噪、图像分割和图像分析,得到前方车辆的排气管的形心坐标.根据这个坐标和已知的参数,建立测距几何模型,可以实时得到本车与前车的距离.指出将这一控制识别方法可以用在汽车防撞系统中,具有一定的应用前景.     

基于车路协同的高速公路车辆碰撞预警模型

为了预防和减少高速公路碰撞事故的发生,及时向高速公路一定范围内的相关车辆提供事故预警信息,提出了一种基于车路协同的高速公路车辆碰撞事故预警模型。首先,基于4G和DSRC通信网络构建了高速公路通信场景与事故预警框架。其次,建立了高速公路环境下双车道两车相撞的事故场景,分析了车辆在高速行驶时发生碰撞的动机以及可能发生的碰撞事故类型。最后,分析了追尾碰撞与侧向碰撞发生之前两车在横向和纵向两个方向接近的全过程,探索两种碰撞事故发生的内在规律,建立潜在碰撞事故判定规则,并基于车路协同技术建立了以时间、位置、速度、车间距以及制动距离为参数的车辆追尾碰撞预警模型与车辆侧向碰撞预警模型。针对实车场地试验对碰撞事故测试成本高难度大等问题,基于Veins仿真平台搭建了具备4G和DSRC异构通信网络环境的高速公路车联网仿真场景,对两种事故预警模型的性能进行测试。测试结果表明,在车速低于120 km/h的情况下,通过潜在碰撞事故判定得到预警结果,并给相关车辆发送事故预警消息广播,能有效避免追尾碰撞和侧向碰撞的发生。     

基于深度学习LSTM的智能车辆避撞模型及验证

建立了一种基于深度学习长短期记忆(LSTM)网络的智能车辆避撞模型.搭载虚拟测试驾驶(VTD)仿真软件的模拟驾驶器;针对跟车行驶、前车紧急制动这一危险工况,开展模拟驾驶实验;以相对距离、相对速度、前车减速度、碰撞时间、横向距离作为输入参数;通过未经训练的样本数据对模型迁移性进行验证,并与传统反向传播(BP)神经网络进行...     

智能网联汽车前方防碰撞辅助系统的设计

正一、前方防碰撞辅助系统的定义及发展历程前方防碰撞辅助系统(Forward Collision Warning,FCW)是通过摄像头、雷达等传感器实时感知车辆前方的物体,并检测车辆与目标之间的距离并警示驾驶员的一种系统。该系统的示意图如图1所示。     

车辆前方行驶环境识别技术探讨

基于雷达和视觉技术对车辆前方行驶环境识别,进而判断车辆安全状态和实现纵向横行运动状态警示和控制,其是实现汽车安全辅助驾驶的主要技术途径。介绍车辆前方行驶环境识别涉及到的雷达和视觉的一些技术,其中包括雷达种类和适用场合,雷达检测障碍物的算法,车用图像的性能要求,基于图像特征和模型的车道线识别的方法,利用图像实现其他环境信息识别的方法。     

基于人车最终距离的碰撞车速估算模型

人车碰撞事故的仿真再现须先估算碰撞车速,而当碰撞位置未知时,基于行人抛距与车辆后制动距离的车速估算方法无法采用。但由于注意到碰撞后人、车最终距离是可测的,故本文中利用它来估算碰撞车速。基于经典力学理论和若干假设,研究了行人抛距与车辆后制动距离间的关系,并据此建立了基于人车最终距离的碰撞车速估算模型,并对模型计算结果进行各种验证。结果表明,基于人车最终距离的碰撞车速估算模型的计算结果与PC-Crash的仿真结果及文献中的试验和典型案例数据都很吻合。