基于碰撞点时间估计的车辆碰撞预警算法

基于角点检测估算车辆间即碰时间朱西产;高学敏;许宇能;李霖【摘要】车辆间即碰时间（TTC）是驾驶辅助系统控制策略的基础，也是分析驾驶员驾驶行为的主要依据。

为分析行车记录仪视频危险工况中驾驶员紧急制动时的TTC，提出了一种基于单目视觉估算算法。

该算法先检测及跟踪车辆，判断前方有无车辆及其具体方位；再检测并匹配车辆角点，计算不同帧之间车辆图像的尺寸变化率，进而估算TTC。

用最小二乘法、Kalman滤波方法处理数据；用多层金字塔图像来处理图像，实现了大运动的角点匹配。

结果表明：该算法丰富了视频危险工况参数的分析方法，拓展了单目视觉的应用场景，为低成本驾驶辅助系统，提供了新的解决方案。

%Time to Colision (TTC) between vehicles is used to control strategy of driver assistance systems, and to analyze drivers’ behavior. A calculation approach was presented to estimate the TTC of emergency braking in risk scenarios using a monocular camera. The vehicle in front of the host car is detected and tracked, folowed with calculating the observed vehicle scale change based on the corner detection and using the scale change to estimate the TTC. Least square method and Kalman ifltering were used in processing data, with the image pyramid being applied to realize the corner matching in large frame movements. The results show that the algorithm is a new tool for analyzing the risk scenarios, while expanding monocular camera application and providing a new solution for low-cost driver assistance systems.【期刊名称】《汽车安全与节能学报》【年(卷),期】2014(000)004【总页数】5页(P331-335)【关键词】汽车工程;主动安全;危险工况;车辆间即碰时间(TTC);驾驶辅助系统;角点检测【作者】朱西产;高学敏;许宇能;李霖【作者单位】同济大学汽车学院，上海 201804，中国;同济大学汽车学院，上海201804，中国;同济大学汽车学院，上海 201804，中国;同济大学汽车学院，上海201804，中国【正文语种】中文【中图分类】U463.3车辆间即碰时间（time to collision，TTC）指前后两车保持状态不变直到碰撞发生时所需要的时间，它是驾驶辅助系统控制策略的基础。

现代电子技术Modern Electronics TechniqueMay 2024Vol. 47 No. 102024年5月15日第47卷第10期0 引 言城市交叉路口是交通事故发生频率最高的地方，这些交叉路口的交通流量很大，会影响车辆的驾驶安全和效率[1⁃3]。

车联网是目前处理交叉路口车辆安全驾驶问题的核心技术[4]，已有大量关于车路协同碰撞预警问题的研究成果。

如文献[5]在解决车辆碰撞预警问题时，使用图像处理技术检测车道线，根据车速设定安全范围。

DOI ：10.16652/j.issn.1004⁃373x.2024.10.032引用格式：马昌，杨颖.基于安全距离和时空网格的交叉路口车辆防碰撞安全预警[J].现代电子技术，2024，47（10）：177⁃181.基于安全距离和时空网格的交叉路口车辆防碰撞安全预警马 昌， 杨 颖（广西大学 计算机与电子信息学院， 广西 南宁 530004）摘 要： 为保证交叉路口车辆行驶不出现碰撞问题，提出一种基于安全距离和时空网格的交叉路口车辆防碰撞安全预警方法。

将交叉路口划分为多个网格，利用路侧单元并根据车辆所占的网格数，初步判断是否存在两车共用同一网格的情况。

若在某一时刻两车占用相同的网格则会发生碰撞，故依据交叉路口车辆防碰撞安全距离，计算交叉路口前车未启动、前车匀速驾驶、前车均匀减速驾驶三种工况的临界行驶安全距离，结合此距离，将预警级别分为黄、绿、红三级，进行分级安全预警。

实验结果显示：采用所提方法后，交叉路口车辆均安全通行，能够降低交叉路口车辆防碰撞安全预警的误警率、预警虚报率，提高交叉路口车辆防碰撞安全预警精度。

关键词： 车辆防碰撞； 交叉路口； 安全预警； 时空网格； 安全距离； 车联网平台； 多级预警提醒中图分类号： TN911.23⁃34； TP399 文献标识码： A 文章编号： 1004⁃373X （2024）10⁃0177⁃05Vehicle collision prevention safety warning at intersections based on safetydistance and spatiotemporal gridMA Chang, YANG Ying(School of Computer, Electronics and Information, Guangxi University, Nanning 530004, China)Abstract ： In order to ensure that vehicles at intersections do not encounter collision issues, a collision prevention and safety warning at intersections based on safety distance and spatiotemporal grid is proposed. The intersection is divided into multiple grids, and roadside units are used to preliminarily determine whether there is a situation where two vehicles share the same grid based on the number of grids occupied by the vehicles. If two vehicles occupy the same grid at a certain moment, a collision will occur. Based on the collision prevention safety distance of vehicles at the intersection, the critical driving safety distance for three working conditions: the front vehicle is not started, the front vehicle is driving at a constant speed, and the front vehicle is driving at a uniform deceleration are calculated. In combination with this distance, the warning level is divided into three levels: yellow, green, and red, with graded safety warnings. The experimental results show that after adopting the proposed method, vehicles at intersections can safely pass through, which can reduce the false alarm rate and false alarm rate of collision prevention safety warnings for vehicles at intersections, and improve the accuracy of collision prevention safety warnings for vehicles at intersections.Keywords ： vehicle collision prevention; intersections; safety warning; spatiotemporal grid; safe distance; vehicle networkingplatform; multi level warning reminder收稿日期：2024⁃01⁃24 修回日期：2024⁃02⁃27基金项目：广西创新驱动发展专项：互联网+引擎智能制造平台研发与产业化应用示范（桂科AA20302002）；广西科技基地与人才专项：中柬智能制造技术联合实验室建设（桂科AD21076002）177现代电子技术2024年第47卷采用卷积神经网络检测视野中的车辆，当车辆进入不安全区域时发出碰撞预警。

基于深度学习的前方车辆碰撞预警研究基于深度学习的前方车辆碰撞预警研究摘要：近年来，交通事故的发生频率越来越高，其中很大一部分是由于车辆碰撞引起的。

在交通事故中，前方车辆碰撞事故的发生占比较高，因此如何提高前方车辆碰撞预警的准确性和实时性已成为了研究的热点问题。

本文基于深度学习算法提出了一种前方车辆碰撞预警方法。

通过对车辆视频图像数据的处理和分析，使用深度学习模型对前方道路状况进行实时监测，并进行预警提示。

本文所提出的方法在实际道路场景中进行了测试，实验结果表明，该方法能够有效提高前方车辆碰撞预警的准确性和实时性。

关键词：深度学习；前方车辆碰撞；预警；图像分析；监测1.引言近年来，交通事故的发生频率越来越高，汽车碰撞事故中，前方车辆碰撞事故的发生占比较高。

事故造成的损失不仅包括人员伤亡和财产损失，还会影响到整个社会的生产和生活秩序。

因此，如何提高交通事故的防范能力已成为了交通安全领域亟需解决的问题之一。

前方车辆碰撞发生，往往是由于驾驶员没有发现前方的交通状况导致车辆与前方车辆的距离过近，甚至发生严重事故。

因此，车辆碰撞的预警系统对驾驶员的安全行驶具有很大的意义。

2.前方车辆碰撞预警方法本文基于深度学习算法提出了一种前方车辆碰撞预警方法。

该方法主要包括以下几个步骤：2.1 数据采集通过车载摄像头采集道路上的图片数据。

采集的数据可以包括车辆前方的交通情况、道路的情况、天气状况等信息。

2.2 图像处理对采集的图像数据进行处理，主要包括图像增强、灰度化、二值化、去噪等操作。

处理后的图像更有利于后续深度学习模型的训练和图像分析。

2.3 深度学习模型训练采用卷积神经网络(CNN)作为深度学习模型，对处理后的图像数据进行训练，建立前方车辆碰撞的预测模型。

训练时，可以采用交叉熵损失函数和随机梯度下降法等常用的训练方法。

2.4 前方车辆碰撞监测利用已训练好的深度学习模型，对前方车辆的状况进行实时监测。

监测的数据可以包括前方车辆的距离、速度、方向等信息。

基于行人轨迹预测的车辆前方行人碰撞预警方法研究摘要：车辆与行人碰撞是道路安全领域中的重要问题。

本文提出一种基于行人轨迹预测的车辆前方行人碰撞预警方法。

该方法结合了机器学习和计算机视觉技术，预处理并分析行人的轨迹数据，并通过模型训练得到行人的行进模式，进而预测行人的移动轨迹。

算法通过车辆传感器捕获的图像数据对行人进行检测，并利用预测的行人轨迹，在车辆离行人一定距离时提前发出预警信号，以减少车辆与行人之间的撞击概率。

在行人数据集和车辆数据集上的实验证明了该方法的准确性和可靠性，为提高道路安全水平提供了有益的工具。

关键词：车辆前方行人碰撞；行人轨迹预测；机器学习；计算机视觉；交通安全一、引言行人是道路上最不容易被观察到的目标之一，他们的行动也往往是非常不可预测的。

因此，在车辆行驶的过程中，与行人的碰撞是道路安全领域中值得重视的问题之一。

近年来，随着智能传感器和计算机视觉技术的发展，车辆前方行人碰撞预警系统已成为一个研究热点。

现有的车辆碰撞预警方法通常采用基于物体检测的方法，这种方法采用车辆上的激光雷达、摄像头等传感器采集数据，通过物体检测算法来识别行人。

然而，由于行人具有较高的移动性和不可预测性，这种基于物体检测的方法存在一些局限性。

特别是在复杂的交通环境下，行人的行进规律会极其复杂，对算法的识别准确性提出了更高的要求。

因此，近年来开始涌现出一些基于行人轨迹预测的车辆碰撞预警方法。

这些方法在预测行人意图、判断即将发生的交通事故时具有更高的可靠性和准确性。

然而，在实际的道路环境中，行人的行为会受到许多因素的影响，如天气、时间、人流、交通工具等。

因此，采用单一或固定的算法进行行人轨迹预测并不能有效地避免所有误判和漏判问题。

本文提出了一种新的方法，该方法基于行人轨迹预测，通过机器学习和计算机视觉技术实现车辆前方行人碰撞预警，以提供更可靠的道路安全预警。

二、相关技术（1）机器学习机器学习是人工智能领域中的一个重要分支，其通过算法模型自动学习和改进程序的性能，以便更好地完成任务。