机器视觉的汽车自动制动的研究
摘 要近年来，经济的快速发展，人们生活质量的提高，汽车已经成为家庭生活的必需品，交通问题一直是一个大问题，每年都有很多人因为车辆闯红灯惨死在交通路口，造成悲剧，为了改善这一现状，人们致力于推动汽车的智能驾驶与无人驾驶。对于无人驾驶在未来的发展趋势，用无人驾驶先驱谷歌的话说就是“无人驾驶汽车可减少99%的由于人类疏忽而造成的交通事故”。由此可见，无人驾驶技术发展前景是非常可观的。在此基础上，为了满足时代的需求以及保障人们的生命财产安全，本文对汽车制动进行了基于机器视觉的红灯制动装置的设计。这是一种自动化技术，也是近几年来很重要的科技并且其发展非常迅猛，自动化程度很高，运用简单的电路，安全并迅速的对信息进行判断和处理，实现制动的自动控制。一方面车辆是通过摄相机时刻抓拍汽车前方情况后，通过视觉传感器进行光电转换输入图像处理器经过处理系统对检测到的图像进行分析判断，并把分析的数据和判断传入主控制器，另一方面使用GPS定位器对汽车的位置进行检测，它不仅可以实现检测周围3D环境，还可以对距离进行检测，并通过系统分析得出数据并传入主控制器，另外通过车辆的仪表盘把得出的车辆速度也输入主控制器，这样接受的信息便可以被分析处理，然后可以通过控制器对汽车制动发出相应的指令做出自动控制，最终实现汽车可以自动完成制动效果。
目录
绪论 1
（一）研究背景和意义 1
（二）国内外研究现状 1
一、视觉的自动制动系统 3
（一）系统主要结构 3
（二）系统工作原理 3
二、红绿灯的检测与判断 4
（二）GPS定位与距离的检测 5
（三）自动制动效果 5
三、汽车自动制动系统的理论分析 6
（一）刹车距离理论分析 6
（二）红绿灯状态与刹车距关系分析 8
（三）其他因素影响 9
总结 12
参考文献 13
谢辞 14
绪论
（一）研究背景和意义
汽车工业的发展在国民经济中占有十分重要的地位，根据公安部交通管理局发布消息称，截至2017年底，全国机动车保有量达3.1亿辆；机动车驾驶人达3.85亿人。其中，2017年全国机动 *好棒文|www.hbsrm.com +Q: ^351916072*
车和驾驶人保持高位增长，新注册登记机动车3352万辆，新增驾驶人3054万人[1]。在人民享受汽车带来的便利的同时，也面临着一些问题，如交通堵塞，各类交通惨案等，每年因为驾驶员的走神、精神疲劳或者交通意识淡薄，闯红灯造成的惨祸令人痛心，交通安全愈发显得重要。
另外无人驾驶汽车技术逐步进入人们视野，智能化汽车设计方案已成为现代交通的迫切需求，通过机器视觉技术，自动检测交通信号灯，根据信号灯的颜色，智能判断，前进或制动，在危险系数增加时，自动代替人工制动，从而可以避免闯红灯造成的悲惨后果，目前自动驾驶技术世界各国都在研究，但多处于自动化状态，尚不够称为“智能化”，各类自动辅助驾驶系统也逐步应用在汽车中，有些学者在红绿灯的状态判断，有通过电子元件，在信号灯上安装状态信号发射器，需要在每个红绿灯上安装发射器，每辆汽车安装接收器，工程量较大，不易操作，也有学者通过图像处理来获取红绿灯状态，没有后续的操作，本项目主要利用摄像机实时获取信号灯的状态，利用GPS实时获取车辆距信号灯的距离，根据刹车距离计算公式，来判断是否制动，在安全的范围内，通过单片机控制制动系统，进行平稳制动，使得在危险系数增加时，只能人工制动或者自动制动，无法进行油门操作。无论对驾驶者、对车辆还是处于危险区域的人或者障碍物都是一种保护。
（二）国内外研究现状
现在无人驾驶起源于 2005 年，美国国防部举办的 DARPA Grand Challenge 。04 年的第一届没有选手跑出来，但是 05 年在荒野的比赛，有多支队伍成功跑完，斯坦福大学和卡耐基梅隆大学获得了第一、二名。Google 看到 DARPA 中无人驾驶技术的未来，于 2009 年将斯坦福 AI Lab 的负责人，也是 DARPA 中斯坦福大学队原型车的负责人 Sebastian 招到 Google，和他的原班人马一起，继续无人驾驶领域的研究。Google X 于 2010 年 1 月正式成立。2015 年 Uber CEO 正式宣布要用无人驾驶技术来提供服务，招了一些卡耐基梅隆的研究员，使用 LiDAR + 摄像头的多传感器融合技术。
2016 年 8 月，Uber 收购了做无人驾驶的公司 Otto。同年 9 月，Uber 正式在匹兹堡提供基于无人驾驶系统的出租车服务。同年 12 月，在旧金山提供同样的服务。
截止至今，Uber 的技术还略逊一筹，实际效果没有达到 Uber 的预期。目前 Uber 的车队有 43 辆车，无人驾驶模式下每周行驶 20,000 英里，平均连续 0.8 英里一次人工干预。
一、视觉的自动制动系统
（一）系统主要结构
通过摄像机不断抓拍并侦测信号灯以及行人，自行车骑行者等车辆行驶路线上遭遇的移动障碍，视觉传感器接收到摄像机拍摄的信息后传入图像处理器，图像处理器把数据传入主控制器。GPS定位器能及时精确的检测出周边200米内的3D地形图进行测距后并上传至主控制器，另外仪表盘上的车速也需要输入数据至控制模块。控制模块发出制动指令驱动汽车制动。如图11所示：
图11系统构成及红绿灯检测流程
（二）系统工作原理
为汽车装置一套基于视觉的检测系统，相机、GPS测距仪一直处于工作位，当车辆行驶到距离安全白线S测时，相机抓拍照片，图像处理系统光电转换后分析红绿灯状态，如果为“红灯”，此时车辆行驶到制动点，通过控制系统释放油门（油门无法工作），刹车工作，在刹车状态中，相机仍然工作，当检测“绿灯”时，油门恢复工作状态；如果在S测点检测为“绿灯”，则继续通过，这时相机不停的捕捉灯的状态，当出现“黄灯”时，则需要判断安全白线的距离S黄是否小于3V（车辆3秒的位移），是则启动制动，否则继续通过。
二、红绿灯的检测与判断
1.关于红绿灯的检测，摄像机通过光学成像原理抓拍虚拟图像，视觉传感器通过光电转换把光信号转换成电信号并通过图像处理器进行分析和处理，获取其中有用的信息，这些信息用于对外界环境和被测物体的判断并通过主控制器形成指令传到各个机构，比如检测到的图像中是否会有不符合标准的情况，比如红绿灯发生故障，如果与标准不符则发出警报。如图21所示：
图21信号灯检测系统
2.相机抓拍到的图像传到传感器，传感器产生大约1mA的电流信号，所以需要把输出的信号通过互阻放大器，把电流信号做一下转换，并进行放大转换成电压信号，并通过电压跟随器，起到一种缓冲隔离的作用，这样就可以进一步降低后面的电路对信号的影响，可以提高负载能力。图像处理器可以把图像成像于小屏幕上，以便计算芯片部分的工作。
3.光学成像原理：将接收到的信息传到显示屏上，把虚拟图像转换成矢量图，根据缩小比例可以计算出实际的距离和高度等参数。依据这个原理图，可以把红绿灯的高度投影到显示屏，这样可以根据缩小比例进一步计算出红绿灯到车辆的距离。如图23所示:
/
23光学成像示意图
（二）GPS定位与距离的检测
目录
绪论 1
（一）研究背景和意义 1
（二）国内外研究现状 1
一、视觉的自动制动系统 3
（一）系统主要结构 3
（二）系统工作原理 3
二、红绿灯的检测与判断 4
（二）GPS定位与距离的检测 5
（三）自动制动效果 5
三、汽车自动制动系统的理论分析 6
（一）刹车距离理论分析 6
（二）红绿灯状态与刹车距关系分析 8
（三）其他因素影响 9
总结 12
参考文献 13
谢辞 14
绪论
（一）研究背景和意义
汽车工业的发展在国民经济中占有十分重要的地位，根据公安部交通管理局发布消息称，截至2017年底，全国机动车保有量达3.1亿辆；机动车驾驶人达3.85亿人。其中，2017年全国机动 *好棒文|www.hbsrm.com +Q: ^351916072*
车和驾驶人保持高位增长，新注册登记机动车3352万辆，新增驾驶人3054万人[1]。在人民享受汽车带来的便利的同时，也面临着一些问题，如交通堵塞，各类交通惨案等，每年因为驾驶员的走神、精神疲劳或者交通意识淡薄，闯红灯造成的惨祸令人痛心，交通安全愈发显得重要。
另外无人驾驶汽车技术逐步进入人们视野，智能化汽车设计方案已成为现代交通的迫切需求，通过机器视觉技术，自动检测交通信号灯，根据信号灯的颜色，智能判断，前进或制动，在危险系数增加时，自动代替人工制动，从而可以避免闯红灯造成的悲惨后果，目前自动驾驶技术世界各国都在研究，但多处于自动化状态，尚不够称为“智能化”，各类自动辅助驾驶系统也逐步应用在汽车中，有些学者在红绿灯的状态判断，有通过电子元件，在信号灯上安装状态信号发射器，需要在每个红绿灯上安装发射器，每辆汽车安装接收器，工程量较大，不易操作，也有学者通过图像处理来获取红绿灯状态，没有后续的操作，本项目主要利用摄像机实时获取信号灯的状态，利用GPS实时获取车辆距信号灯的距离，根据刹车距离计算公式，来判断是否制动，在安全的范围内，通过单片机控制制动系统，进行平稳制动，使得在危险系数增加时，只能人工制动或者自动制动，无法进行油门操作。无论对驾驶者、对车辆还是处于危险区域的人或者障碍物都是一种保护。
（二）国内外研究现状
现在无人驾驶起源于 2005 年，美国国防部举办的 DARPA Grand Challenge 。04 年的第一届没有选手跑出来，但是 05 年在荒野的比赛，有多支队伍成功跑完，斯坦福大学和卡耐基梅隆大学获得了第一、二名。Google 看到 DARPA 中无人驾驶技术的未来，于 2009 年将斯坦福 AI Lab 的负责人，也是 DARPA 中斯坦福大学队原型车的负责人 Sebastian 招到 Google，和他的原班人马一起，继续无人驾驶领域的研究。Google X 于 2010 年 1 月正式成立。2015 年 Uber CEO 正式宣布要用无人驾驶技术来提供服务，招了一些卡耐基梅隆的研究员，使用 LiDAR + 摄像头的多传感器融合技术。
2016 年 8 月，Uber 收购了做无人驾驶的公司 Otto。同年 9 月，Uber 正式在匹兹堡提供基于无人驾驶系统的出租车服务。同年 12 月，在旧金山提供同样的服务。
截止至今，Uber 的技术还略逊一筹，实际效果没有达到 Uber 的预期。目前 Uber 的车队有 43 辆车，无人驾驶模式下每周行驶 20,000 英里，平均连续 0.8 英里一次人工干预。
一、视觉的自动制动系统
（一）系统主要结构
通过摄像机不断抓拍并侦测信号灯以及行人，自行车骑行者等车辆行驶路线上遭遇的移动障碍，视觉传感器接收到摄像机拍摄的信息后传入图像处理器，图像处理器把数据传入主控制器。GPS定位器能及时精确的检测出周边200米内的3D地形图进行测距后并上传至主控制器，另外仪表盘上的车速也需要输入数据至控制模块。控制模块发出制动指令驱动汽车制动。如图11所示：
图11系统构成及红绿灯检测流程
（二）系统工作原理
为汽车装置一套基于视觉的检测系统，相机、GPS测距仪一直处于工作位，当车辆行驶到距离安全白线S测时，相机抓拍照片，图像处理系统光电转换后分析红绿灯状态，如果为“红灯”，此时车辆行驶到制动点，通过控制系统释放油门（油门无法工作），刹车工作，在刹车状态中，相机仍然工作，当检测“绿灯”时，油门恢复工作状态；如果在S测点检测为“绿灯”，则继续通过，这时相机不停的捕捉灯的状态，当出现“黄灯”时，则需要判断安全白线的距离S黄是否小于3V（车辆3秒的位移），是则启动制动，否则继续通过。
二、红绿灯的检测与判断
1.关于红绿灯的检测，摄像机通过光学成像原理抓拍虚拟图像，视觉传感器通过光电转换把光信号转换成电信号并通过图像处理器进行分析和处理，获取其中有用的信息，这些信息用于对外界环境和被测物体的判断并通过主控制器形成指令传到各个机构，比如检测到的图像中是否会有不符合标准的情况，比如红绿灯发生故障，如果与标准不符则发出警报。如图21所示：
图21信号灯检测系统
2.相机抓拍到的图像传到传感器，传感器产生大约1mA的电流信号，所以需要把输出的信号通过互阻放大器，把电流信号做一下转换，并进行放大转换成电压信号，并通过电压跟随器，起到一种缓冲隔离的作用，这样就可以进一步降低后面的电路对信号的影响，可以提高负载能力。图像处理器可以把图像成像于小屏幕上，以便计算芯片部分的工作。
3.光学成像原理：将接收到的信息传到显示屏上，把虚拟图像转换成矢量图，根据缩小比例可以计算出实际的距离和高度等参数。依据这个原理图，可以把红绿灯的高度投影到显示屏，这样可以根据缩小比例进一步计算出红绿灯到车辆的距离。如图23所示:
/
23光学成像示意图
（二）GPS定位与距离的检测
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/mjsk/635.html
