一種前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)系統(tǒng)及預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及智能汽車領(lǐng)域，具體為一種前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)系統(tǒng)。
【背景技術(shù)】
[0002]隨著我國(guó)汽車保有量的快速增長(zhǎng)，非職業(yè)駕駛員的人數(shù)也在逐步增加，間接導(dǎo)致了交通事故的頻繁發(fā)生。針對(duì)事故發(fā)生的原因，研究人員一直致力于如何通過有效的措施降低事故的發(fā)生，其中車路協(xié)同、駕駛安全輔助等系統(tǒng)是提高車輛運(yùn)行安全的一種有效方法。其中，如何根據(jù)道路信息合理預(yù)測(cè)駕駛員行為，并提醒駕駛員做出科學(xué)決策是駕駛安全輔助系統(tǒng)的關(guān)鍵問題。但目前國(guó)內(nèi)外學(xué)者只是針對(duì)自車駕駛?cè)笋{駛行為進(jìn)行預(yù)測(cè)，然而，在車輛行駛過程中，前向車輛突然制動(dòng)、突然轉(zhuǎn)向、突然換道等不規(guī)范駕駛行為會(huì)對(duì)后車駕駛安全有重要影響。相比之下，尚未見針對(duì)前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)的研究成果。同時(shí)，目前針對(duì)駕駛?cè)诵袨樽R(shí)別提供的不同的算法和模型缺乏對(duì)多個(gè)復(fù)雜的駕駛意圖進(jìn)行實(shí)時(shí)、統(tǒng)一識(shí)別的算法。隨著汽車安全輔助系統(tǒng)的發(fā)展和廣泛應(yīng)用，針對(duì)駕駛?cè)笋{駛行為預(yù)測(cè)的實(shí)時(shí)性問題將成為迫切需要解決的問題。通過查閱資料，目前，對(duì)前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)方面的應(yīng)用中尚未見到報(bào)道。

【發(fā)明內(nèi)容】

[0003]為了解決上述問題，本發(fā)明提出了一種前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)系統(tǒng)，采用TI公司視頻處理器DM6437為硬件平臺(tái)，基于機(jī)器視覺方法，以前向車輛駕駛?cè)嗽谛熊囘^程中的突然制動(dòng)、突然轉(zhuǎn)向(包括左轉(zhuǎn)向以及右轉(zhuǎn)向)、突然換道(包括左換道以及右換道)駕駛行為作為預(yù)測(cè)對(duì)象，基于隱馬爾科夫模型理論(HMM)建立前向車輛駕駛員駕駛行為預(yù)測(cè)模型，進(jìn)行前向車輛駕駛員駕駛行為預(yù)測(cè)。采用的具體技術(shù)方案如下:
[0004]—種前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)系統(tǒng)，包括道路環(huán)境采集攝像頭、前車行駛信息采集攝像頭、信息處理器;所述道路環(huán)境采集攝像頭用于采集道路環(huán)境中的信號(hào)燈、道路指示標(biāo)志信息，并將采集的信息送給所述信息處理器;所述前車行駛信息采集攝像頭用于采集前向車輛、前向車輛尾燈、前向車輛相鄰車道內(nèi)車輛信息，并將采集的信息送給所述信息處理器;所述信息處理器通過對(duì)道路環(huán)境中的信號(hào)燈、道路指示標(biāo)志信息參數(shù)、前向車輛、前向車輛尾燈以及前向車輛相鄰車道內(nèi)車輛信息的分析處理，建立前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)前向車輛駕駛?cè)笋{駛行為進(jìn)行預(yù)測(cè)。
[0005]作為優(yōu)選方案，所述道路環(huán)境采集攝像頭、所述前車行駛信息采集攝像頭均采用CCD車載影像夜視攝像頭，均安裝在車輛前擋風(fēng)玻璃上。
[0006]作為優(yōu)選方案，所述信息處理器采用視頻處理器硬件平臺(tái)實(shí)現(xiàn)，包括第一視頻解碼電路、第一視頻處理電路、第二視頻解碼電路、第二視頻處理電路和電源電路；
[0007]所述第一視頻解碼電路通過道路環(huán)境采集攝像頭視頻線與所述道路環(huán)境采集攝像頭相連，對(duì)道路環(huán)境采集攝像頭采集的信息進(jìn)行解碼處理;所述第一視頻處理電路對(duì)所述第一視頻解碼電路解碼后的視頻信息進(jìn)行處理，并與第二視頻處理電路交互；
[0008]所述第二視頻解碼電路通過前車行駛信息采集攝像頭視頻線與所述前車行駛信息采集攝像頭相連，對(duì)所述前車行駛信息采集攝像頭采集的信息進(jìn)行解碼處理;所述第二視頻處理電路對(duì)所述第二視頻解碼電路解碼后的視頻信息進(jìn)行處理，并且通過建立前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)模型對(duì)前向車輛駕駛?cè)笋{駛行為進(jìn)行預(yù)測(cè)；
[0009]所述電源電路將車載12V電源轉(zhuǎn)換為3.3V、1.8V、1.2V，為系統(tǒng)供電。
[0010]作為優(yōu)選方案，所述第一視頻解碼電路、所述第二視頻解碼電路均包括解碼芯片TVP5150及外圍電路;所述第一視頻處理電路、所述第二視頻處理電路均包括視頻處理器DM6437、DDR2存儲(chǔ)器MT47H64M16BT、FLASH存儲(chǔ)器SG29GL256N，所述DDR2存儲(chǔ)器MT47H64M16BT、所述FLASH存儲(chǔ)器SG29GL256N均與所述視頻處理器DM6437相連。
[0011]作為優(yōu)選方案，所述電源電路包括1112940、了?354310;車載12￥電源經(jīng)過1^2940芯片轉(zhuǎn)換為5V電源，5V電源再經(jīng)過3片TPS54310分別轉(zhuǎn)換為3.3V、1.8V、1.2V電源;所述3.3V為視頻處理器DM6437的1 口及3.3V系統(tǒng)供電，I.8V為DDR2存儲(chǔ)器MT47H64M16BT供電，I.2V為視頻處理器DM6437的內(nèi)核供電。
[0012]作為優(yōu)選方案，所述第一視頻解碼電路、第一視頻處理電路、第二視頻解碼電路、第二視頻處理電路和電源電路均設(shè)置在一塊電路板上，所述電路板設(shè)置在一個(gè)長(zhǎng)方體外殼內(nèi)部，所述長(zhǎng)方體外殼上方設(shè)有I個(gè)道路環(huán)境采集攝像頭視頻線輸入凹槽和I個(gè)前車行駛信息采集攝像頭視頻線輸入凹槽，所述道路環(huán)境采集攝像頭視頻線、所述前車行駛信息采集攝像頭視頻線分別從道路環(huán)境采集攝像頭視頻線輸入凹槽、前車行駛信息采集攝像頭視頻線輸入凹槽穿出。
[0013]基于上述預(yù)測(cè)系統(tǒng)，本發(fā)明還提出了一種前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)方法，包括如下步驟:
[0014]I)利用道路環(huán)境采集攝像頭采集道路環(huán)境中的信號(hào)燈、道路指示標(biāo)志信息；利用前車行駛信息采集攝像頭采集前向車輛、前向車輛尾燈、前向車輛相鄰車道內(nèi)車輛信息；
[0015]2)利用視頻處理器硬件平臺(tái)對(duì)道路環(huán)境采集攝像頭、前車行駛信息采集攝像頭采集的信息進(jìn)行分析處理；
[0016]所述處理的方法包括:針對(duì)所獲取車輛運(yùn)行軌跡點(diǎn)序列的不完整及噪聲干擾，采用基于軌跡長(zhǎng)度的去除不完整軌跡序列的方法;基于具有時(shí)間先后關(guān)系的車輛運(yùn)行軌跡點(diǎn)序列特征，建立車輛運(yùn)行軌跡點(diǎn)序列極坐標(biāo)的車輛運(yùn)行軌跡特征值表示方法;利用采集的信息構(gòu)建基于HMM的前向車輛駕駛?cè)笋{駛行為預(yù)測(cè)模型。
[0017]作為優(yōu)選方案，所述預(yù)測(cè)模型采用基于HMM理論構(gòu)建，模型表達(dá)式為:λ=(Ν，Μ，π，Α，Β)，其中:
[0018]S:前向車輛駕駛?cè)笋{駛行為狀態(tài)，5=(&，&廣仏)，爾刻所處狀態(tài)為叫(1占5，本項(xiàng)目狀態(tài)數(shù)N= 5，其中，Si為制動(dòng)行為，S2為左轉(zhuǎn)向行為，S3為右轉(zhuǎn)向行為，S4為左換道行為，Ss為右轉(zhuǎn)換道行為；
[0019]V:觀測(cè)序列，V = (V1，V2，…VM)，t時(shí)刻觀測(cè)事件為Ot，本項(xiàng)目觀測(cè)值數(shù)M= 11，其中，Vl為前向車輛極徑，V2為前向車輛極角，V3為前向車輛左轉(zhuǎn)向燈，V4為前向車輛右轉(zhuǎn)向燈，V5為前向車輛剎車燈，V6為信號(hào)燈紅燈，V7為信號(hào)燈綠燈，V8為信號(hào)燈黃燈，V9為道路左轉(zhuǎn)向標(biāo)志，V1O為道路右轉(zhuǎn)向標(biāo)志，V11為道路直行標(biāo)志；
[0020]31:前向車輛駕駛?cè)笋{駛行為初始狀態(tài)概率矢量，JT=(JT1JVJTn),其中JT1 = PQ1 =Si)；
[0021]A:狀態(tài)轉(zhuǎn)移矩陣，即前向車輛駕駛?cè)笋{駛行為狀態(tài)轉(zhuǎn)移矩陣，A= {ajNXN，其中，aij = P(qt+i = Sj qt = Si), I < i , j < N；
[0022]B:觀測(cè)事件概率分布矩陣，即不同前向車輛駕駛?cè)笋{駛行在在S下各觀測(cè)狀態(tài)出現(xiàn)的概率，B= {bjk}NXM，其中，bjk = P[0t = vk I qt = Sj]，I < j < N, I < k < Mo
[0023]作為優(yōu)選方案，所述基于軌跡長(zhǎng)度的去除不完整軌跡序列的方法具體為:
[0024]車輛運(yùn)行軌采用車輛在多個(gè)視頻幀的質(zhì)心坐標(biāo)點(diǎn)(x，y)來表示，對(duì)于前向車輛，設(shè)第i幀時(shí)其質(zhì)心位置的坐標(biāo)為(Xl，yi)，I幀后就可以得到一個(gè)由I個(gè)坐標(biāo)點(diǎn)組成的初始序列Linitiai= {(XI，yi)，(X2，y2)...，(xi，yi)};然后進(jìn)行等幀間隔采樣來獲取車輛的質(zhì)心坐標(biāo)點(diǎn)，那么軌跡序列L就轉(zhuǎn)化為一個(gè)具有時(shí)間先后關(guān)系的點(diǎn)序列;在車輛運(yùn)行軌的跟蹤過程中，統(tǒng)計(jì)所獲取的軌跡序列L上軌跡點(diǎn)的個(gè)數(shù)lo，如果1小于設(shè)定的閾值，則將該序列看作是不完整的軌跡序列，放棄對(duì)其進(jìn)行后續(xù)的處理。
[0025]作為優(yōu)選方案，所述車輛運(yùn)行軌跡點(diǎn)序列極坐標(biāo)的車輛運(yùn)行軌跡特征值表示方法具體為:
[0026]設(shè)在獲取的車輛軌跡點(diǎn)序列1中的某一軌跡點(diǎn)坐標(biāo)為(Xl，yi)，通過極坐標(biāo)變換，將該軌跡點(diǎn)坐標(biāo)變換為(Pi，9i)，其中Pi包含了前向車輛與自車的車距信息，0i包含了前向車輛相對(duì)于自車車輛的方向角信息;利用(P1J1)來描述前向車輛運(yùn)動(dòng)參數(shù);根據(jù)采樣時(shí)間間隔和序列1中的相鄰兩極坐標(biāo)車輛運(yùn)行軌跡特征值序列值[P1,P1+1]和[Q1J1HKie [I，1-1])，即可求得前向車輛運(yùn)動(dòng)參數(shù)。
[0027]本發(fā)明的有益效果:
[0028](I)基于機(jī)器視覺方法，對(duì)前向車輛駕駛?cè)嗽谛熊囘^程中的突然制動(dòng)、突然轉(zhuǎn)向、突然換道駕駛行為進(jìn)行預(yù)測(cè)，為后車駕駛員進(jìn)行預(yù)警，避免交通事故的發(fā)生。
[0029](2)基于具有時(shí)間先后關(guān)系的車輛運(yùn)行軌跡點(diǎn)序列特征，提出一種車輛運(yùn)行軌跡點(diǎn)序列極坐標(biāo)的車輛運(yùn)行軌跡特征值表示方法，根據(jù)視頻幀采樣時(shí)間間隔和極坐標(biāo)車輛運(yùn)行軌跡點(diǎn)序列計(jì)算出前向車輛運(yùn)動(dòng)參數(shù)，解決了前向車輛運(yùn)動(dòng)參數(shù)辨識(shí)主因子無法通過傳感器直接提取的問題。
[0030](3)針對(duì)車輛運(yùn)行軌跡點(diǎn)序列的不完整問題以及噪聲干擾問題，提出一種基于軌跡長(zhǎng)度的去除不完整軌跡序列方法，提高系統(tǒng)處理的精度和效率。
[0031](4)本發(fā)明的處理器裝置放在一個(gè)長(zhǎng)方體外殼中，模塊化和集成度較高，便于安裝和推廣應(yīng)用。
[0032](5)利用隱馬爾科夫