防追尾碰撞系统（精选7篇）
防追尾碰撞系统 篇1
0引言
随着生活水平的不断提高,汽车成为人们日常出行的主要交通工具之一,我国2013年汽车保有量已达到1.37亿辆[1]。汽车给人类社会带来便利的同时也带来了诸多问题,尤其以交通安全问题最为严重,这也是困扰当今交通领域的三大难题之一。根据世界 健康组织 的预测,到2020年,交通事故伤害在数量上将上升65%,成为造成人类伤残的第三大因素,造成的经济损失占到全球GDP的1% ~2%[2]。而在交通事故中,车辆追尾碰撞是比较常见的,是公路上最主要的事故形态。通过对交通事故的分析表明,80%以上的车祸是由于驾驶员没有及时做出反应所造成的,超过65%的车辆间相撞属于追尾碰撞[3]。
为降低追尾碰撞造成的影响,世界各国展开了对车辆追尾碰撞预警系统的研究,已经有了许多的成果,如基于环境感知的各类追尾碰撞预警系统,包括雷达系统[4]、红外系统[5]、基于环境感知与机电控制相结合的系统[6]等。同时,作为预警系统的关键技术之一,以追尾和安全距离数学模型为基础的预警算法也不断涌现,如基于安全车距[7,8]或碰撞时间[9]的预警算法等。然而通过环境感知方法所获取的车辆信息噪声较大,易受环境影响,难以有效区分干扰目标,而且无法获取车辆间相对加速度信息,使其应用受到限制。
随着车车通信(vehicle-to-vehicle,V2V)技术的不断发展,很多学者对基于GPS与V2V[10,11]的防追尾碰撞技术进行了研究。将这两者结合, 可以使车辆获取较为全面、准确的信息,但其有效性在V2V通信受到干扰而被屏蔽或延时时,导致信息的不准确甚至无法获取,影响预警系统性能。 近年来,基于WAVE(wireless access in vehicular environment,车载环境下无线接入)的车载无线通信系统[12,13]的核心关键技术的研究也在不断进步,促使V2V通信性能不断提高,时延、丢包率等也得到有效改善。如文献[14]提出1种分析模型通过性能参数如平均传输延迟、包传输率、包接收率,评估高速公路上车辆的安全相关服务的性能; 文献[15]提出1种能够动 态调整CCH和SCH间长度的可变控制信道间隔多信道接入机制,在保证重要安全信息优先传播的前提下,可显著提高SCHs的饱和吞吐量和降低服务包 的传输延 迟。这些研究成果也为本文的研究提供了理论基础和有力支持。笔者基于WAVE协议标准,包括IEEE 802.11p及1609协议族,构建了车辆防追尾碰撞终端系统的硬件、软件设计及实现方案, 并通过实地测试,对系统的可行性进行了评价。
1车辆防追尾碰撞终端系统设计与实现
车辆防追尾碰撞终端系统通过车载单元(on board unit,OBU)实现车与车通信。当前车辆车载单元OBU采集自身车辆GPS定位信息、车辆状态信 息,并将这些 信息由DSRC(dedicated short range communications,专用短程通信技术) 模块实时 地发送给 周边其他 车辆的车 载单元OBU,同时接收来自其他车辆车载单元OBU播发的位置和状态信息。当前车辆信息处理单元将接收到的其他车辆的位置与状态信息与自身信息相比对,判断是否对当前车辆造成威胁。若有,则将危险按等级分类,给出报警信息,提醒驾驶者注意,并采取相应措施以避开危险,提高交通车辆安全性。
1.1硬件设计
由于车辆主动安全通信要求终端接入及时、 信息收发实时性强等,对终端设备性能要求较高, 因此,本终端设计采用一主多从的模块化系统方案,GPS数据接收与处理、DSRC数据收发、数据显示模块通过相应接口与主处理器相连,每个功能模块在主处理器协调控制下单独运行,完成数据通信与交互。这种设计模式便于模块故障排 查,有利于终端稳定性的提高。为此系统选择具有功耗低、稳定性良好等特点的,符合车规级的Freescale I.MX6嵌入式开 发板作为 研发基础。 该开发板采用ARM架构的Cortex A9处理器, 主频1GHz,512 MB DDR内存,Linux嵌入式操作系统,具有串口、USB接口、以太网接口、CAN接口、音频口、视频口、PCI口等,能够很好满足终端系统的设计需求。终端系统车载单元OBU硬件结构见图1。
车载单元OBU硬件结构 主要包含 如下模块。
1)车辆接口模块。本模块主要完成OBU内外各模块的连接,为数据可靠通信和交互提供保障。采用CAN(controller area network)总线接口与车辆连接,通过CAN总线接口采集车辆加速度、速度、刹车、转向灯等动态信息。
2)LCD显示模块。本模块通过开发板提供的VGA接口外接LCD显示屏,主要从处理器接收数据处理后的结果,处理后的结果以预警信息图片的方式提供给驾驶者,直观、简便。
3)GPS数据接收与处理模块。GPS模块选取UBLOX LEA4S模块,模块包括基带与射频模块,外置天线,接收灵敏 度高,定位实时 精确。 GPS模块主要完成GPS定位信号与同步时间的提取,对GPS信号进行解调和滤波处理,解算出GPS卫星的导 航报文,获得车辆 导航定位 的位置、方向等数据。
4)DSRC数据收发模块。该模块主 要完成周边车辆DSRC信息的接 收和自身 车辆DSRC信息的播发。本文DSRC模块选择Unex公司的DCMA-86P2模块,模块采用mini PCI接口,需要将开发板PCI接口转换为mini PCI接口。模块可工作于5.850~5.925GHz的频率范围内,支持IEEE 802.11p协议,传输速率达到13.5Mb/ s,包含主控模块及射频模块。
1.2软件设计
1.2.1终端操作系统设计
在Freescale开发板嵌入式硬件设计基础上进行系统软件设计,Linux系统提供串口、USB, PCI,CAN,LCD等设备驱动程序,降低了系统软件开发的难度,应用层程序通过调用标准接口对设备进行操作。硬件DSRC模块实现了物理层与部分MAC层协议,驱动程序需要对PCI控制器进行设置,通过PCI接口配置DSRC模块,包括初始化、设置发送接收操作、中断处理等。上层协议由Linux内核实现,编写IEEE 1609协议栈,实现1609.4,1609.3,1609.2等协议。同时, Linux给应用层用户提供Socket API接口,用户由具体应用调用接口实现相应的应用,例如,可编写车辆防碰撞应用、车辆换道警示等车辆主动安全应用。
Linux操作系统内核中已经存在的TCP/IP网络协议栈模块,以及无线网卡的驱动程序。本文通过修 改Atheros ath5k驱动程序 实现DCMA-86P2网卡的IEEE802.11p协议规定的逻辑功能。GPS模块则采 用已有的GPS驱动程序。 对以下程序模块进行单独开发:WSMP模块,实现IEEE 1609.3的路由层功能;LLC模块,整合WSMP和IPv6的数据报文;虚拟网卡层模块,实现IEEE1609.4所的多信道协调控制;管理层的WME和MLME模块,为通信双方提供了数据传输通道,并完成WAVE协议栈的参数的设置与获取等功能。
1.2.2车辆防追尾碰撞算法设计
车辆防追尾碰撞算法是在WAVE协议栈基础上开发的。防追尾系统判断流程说明如下:假设A车代表行驶在前方的车辆,B车为行驶在后方的车辆,当系统启动后A,B 2车以10Hz的频率将各自车辆GPS信息通过DSRC通信模块播发。当A车采取刹车措施后,触发刹车板上的触发器,A车的车载单元将触发的刹车信息及GPS信息通过DSRC通信模块发送出去。B车在播发的同时,也接收其它车辆的信息。B车接收到A车GPS等信息后,通过车载单元的防追尾碰撞算法,对接收到的信息与自身GPS信息进行判断比较,如果达到碰撞前车的阈值上限,则触发警示程序,通过声音与图像向驾驶员提示,直到驾驶员改变驾驶策略,算法重新解算无危险后解除警示。
另外,从2车距离判 断,为避免追 尾碰撞事 故,所探测的己车到目标车辆的距离必须大于制动后2车的距离,否则汽车将有发生追尾碰撞的危险。设RA为A车通信范围,RB为B车通信范围,DAB为A,B 2车相对距离,Dsafe为A,B 2车的预警安全距离。采用动力学安全距离模型计算Dsafe如下[3]。
式中:vA,vB分别为前车A、后车B的车速;t1,t2, t3分别为驾驶员的反应时间、制动协调时间、减速度增长到最大的时间;a为车辆的最大的制动减速度,且aA=aB=a;Δd为停车后2车的间距。
系统的防追尾碰撞算法具体描述见表1。
2系统测试
2.1测试环境设置
测试场地选择了1段车辆少的公路,分别进行系统通信性能测试和防追尾避碰测试。其中, 通信性能测试主要测试了不同调制、不同速度、不同通信距离、不同数据包长度等条件下的通信速率及丢包率;防追尾碰撞测试则通过安装防追尾终端时车辆预警情形,验证防追尾终端系统的可行性,即验证通过模型计算出的安全距离和终端系统输出的预警信息是否符合实际驾车情况。具体测试参数见表2。
2.2通信性能测试
采用从OBU端在静态条件下不同距离持续发送WSMP(wave short message protocol,WAVE短信息通信协议)数据包,OBU接收后立即回应相同大小的WSMP数据包的形式,进行数据包丢包率测试。设定OBU发射功率为100mW,静态条件下的2车车间距离分别为470m和683m(即d= 470m和d=683m),每次发送端OBU发送10 000个数据包,数据包大 小 (用B表示)分别为400Bytes和100Bytes(即B=400Bytes和B= 100Bytes),测得通信系统在不同的调制模 式下的丢包率见图2。由图2可知,通信车辆处于静止状态,当车间距近时,BPSK调制模式未出现丢包现象,QAM16调制模式丢包率较大,而且传输的数据包越大丢包越严重;随着车间距增大,丢包现象明显加重,只有BPSK(binary phase shift keying,二进制相移键控)模式丢包率略低,在可接受范围内(丢包率不高于10%),QAM16调制模式下的数据包几乎全部丢失。可见,丢包率与编码方式和通信距离密切相关,通信距离越大,传输速率越高,丢包现象越严重,在车载通信环境下, 可靠通信应优选BPSK方式。
设定OBU发射功率为100mW,通信车辆以30km/h的平均速度同向行驶,2车车间距离维持在300m和175m左右(即d=470m和d= 683m),每次发送端OBU发送5 000个数据包, 数据包大 小分别为4 0 0Bytes和1 0 0Bytes(即B=400Bytes和B=100Bytes),测得通信系统在不同的调制模 式下的丢 包率见图3。由图3可知,OBU移动状态下BPSK调制模式下的通信效果最佳。运动车辆车间距相同的情况下,传输的数据包越大,丢包越严重;相同传输速率时,随着车间距的增大,丢包率上升。可见,丢包率还受车辆移动速度和和数据包大小的影响,为保证车辆间的可靠通信,可优选BPSK或QPSK(quadrature phase shift keying,正交相移键控)方式。
综合上述,在保证数据传输速率和可靠性情况下,车载终端通信时编码方式可选择QPSK。
2.3防追尾碰撞测试分析
所设计系统是否能在实际驾车时较好地实现防追尾碰撞的情况,需要进行实际验证和测试。 笔者将终端系统直接安装在车辆上进行防追尾碰撞测试。考虑实际测试的危险性,减少测试过程中的损失,只针对同车道上前车静止和前车突然减速2种极端情况进行测试,并统计给出实验结果,见表3和表4(表中数据是若干组测试结果中选取的一部分),其中t1=1.5s,t2=0.2s,t3=0. 2s,Δd=5m。由表3和表4可知,当后车获知与前车的实际间距小于预警安全距离时,系统能够正常预警。
另外,考虑车辆行驶中受到各种因素的影响, 如车辆速度、GPS定位误差、交通环境干扰等,本文采取相同参数重复测试的方法进行系统验证。 在前车静止时选取B车速50km/h、最大制动减速度5m/s2进行重复测试验证,100次测试中准确率为97%;在前车突然减速时选取A车速70 km/h、B车速80km/h、最大制动减速度5m/s2进行重复测试验证,100次测试中准确率为95%。 可见,该终端系统的预警准确率可以满足车辆应用需求,能够较好的帮助驾驶员实现追尾避碰。
综上所述,防追尾碰撞系统能够比较真实的反应实际的驾车情形,及时给出报警,为安全驾驶提供保障。
3结束语
笔者提出了基于IEEE 802.11p/1609标准的车辆防追尾碰撞终端系统。经过实地测试,系统能够较好地实现高效、可靠通信,工作正常,可真实的反应实际的驾车情形,及时给出预警,有助于道路上车辆的安全驾驶,具有较好的实用价值。 然而基于IEEE 802.11p/1609标准的车 辆防追尾碰撞终端系统实现正常安全预警工作的前提是 相关车辆必须安装相应终端系统或设备,所以其普及应用受到一定的限制。同时,复杂的道路交通环境、车辆位置定位精度、响应时间等也对系统预警的可靠性造成影响。因此,仍需要进一步的研究以实现系统的完善和优化,提高其预警准确率和可靠性,来满足系统的普及应用需求。
摘要：车辆追尾碰撞是道路交通最主要的事故形态,车辆防追尾碰撞技术受到国内外学者的广泛关注。文中基于IEEE 802.11p/1609标准设计了车辆防追尾碰撞终端系统。系统由Freescale硬件平台与嵌入式Linux软件平台构成,采用全球定位系统技术实时获取车辆位置等信息,通过WAVE技术使车辆间形成高速双向交互式通信,实现车辆防追尾碰撞实时预警。通过系统通信性能测试和防追尾碰撞预警测试。通信性能测试结果表明,所设计终端系统能够较好实现高效、可靠通信,在静态和动态条件下,车辆采用BPSK调制方式时丢包率不高于10%,可很好的满足车辆安全可靠性需求;而防追尾碰撞预警测试结果表明,该终端系统能比较真实地反映实际的驾车情形,及时给出预警,预警准确率高达97%,具有较好的可用性。
关键词：交通安全,车辆防追尾碰撞,终端系统设计,IEEE 802.11p/1609标准,车间通信,Freescale硬件平台
防追尾碰撞系统 篇2
关键词：颈部伤害,头枕,BioRID II,追尾碰撞
颈部损伤在汽车追尾碰撞中是最为常见的一种伤害形式,这种伤害通常是在低速碰撞造成的(Δv≤20 km/h),并且大多数的颈部损伤都属于AIS=1的轻微伤。头枕是汽车追尾碰撞中减少损伤的安全部件,在乘员的保护中起着最为重要的保护作用,自从头枕被引入到汽车的座椅后,汽车发生碰撞时颈部的伤害明显减轻。本文在MADYMO碰撞仿真软件平台上, 使用BioRID II后碰撞假人建立追尾碰撞模型,系统分析头枕位置、倾角这些头枕参数对乘员头颈部的动力学响应和颈部损伤的影响。
1 追尾碰撞中人体颈部伤害机理及仿真分析
1.1 模型建立
在MADYMO软件平台上建立追尾碰撞仿真的计算模型[2],见图1,头枕的各个参数见图2。整个模型包括车辆、座椅、BioRID II假人和3点混合式安全带系统。
碰撞的加速度曲线见图3,碰撞的速度Δv为16 km/h,峰值为9 g,持续时间为90 ms,满足FMVSS NO.202动态测试的要求。
车辆由单个刚体组成,包括地板,脚踏板,膝挡板3个面及制动踏板和加速踏板2个体。座椅由坐垫、靠背和头枕3个刚体组成。整个车辆系统通过一个固定铰与惯性空间连接,整个座椅系统通过一个移动铰与车辆系统的子体Frame连接,坐垫通过转动铰链与Frame连接,靠背通过旋转铰与坐垫连接。座椅和头枕的吸能特性在MADYMO通过定义卸载函数,迟滞模型来实现。BioRID II假人模型和座椅间的摩擦系数设置为0.6,和头枕之间的摩擦系数设置为0.3。各个铰的约束特性通过准静态试验获得。
安全带系统采用有限元和标准多体安全带模型组成的混合安全带系统,假人模型为BioRID II后碰撞假人。
1.2 参数分析
通过27次模拟试验来分析头枕的高度(height),头枕和头部的间距(backset)以及头枕倾角(tilt angle)对头颈部动力学的影响。根据FMVSS No.202 的说明,头枕的高度分别为700、750和800 mm,在每一个头枕高度上,头枕和头部的间距依次为50,80,110 mm,并且在每一个Backset时,相应的头枕的倾角分别为0、7.5、12°[3,5,6],见表1。输出参数包括头部和T1的加速度,上颈部的剪切力、轴向力、弯矩,以及颈部伤害准则NIC和Nkm。
3 结果分析和讨论
表2和表3 分别为头部和T1x向加速度的结果,可见头枕的参数对头部和T1x向加速度有很大影响,头枕的高度决定头部和头枕的接触位置,而头枕的头部的间距和头枕的倾角影响头部和头枕的接触时间,以及头部和胸部的相对位移和转动。头部加速度的峰值随着头枕的高度的增加,头枕间距的减小以及头枕倾角的增大而减小;对于T1的加速度,其峰值随头枕的高度的增加,头枕间距的减小而减小,但是随着头枕的倾角增大而增大。
总体上来说,上颈部的剪切力、轴向力随着头枕高度的增加,头枕和头部距离的减小以及头枕倾角的增大呈现明显减小的趋势,见图4、图5。但是上颈部的弯矩仅在头枕角度为0°时才随着头枕高度增加和头部距离的减小表现出减小的趋势,见图6。
头枕的参数对颈部损伤准则NIC值也有着很大的影响,如图7所示。当头枕的高度增加,头枕和头部距离的减小以及头枕的倾角增大时,NIC值呈现出明显减小的趋势。
而颈部损伤准则Nkm则仅受头枕和头部距离的影响最大,见图8,当头枕和头部距离的减小时,Nkm值显著减小。从整体上来看,Nkm值随着头枕倾角的增大而减小,但是仅在头枕倾角为0°时,Nkm值才随着头枕高度的增加,头枕和头部距离的减小表现明显减小趋势。
在相同的头枕角度时,随着头枕的高度增加,头部和头枕的接触部位由颅底变化到头的后上部,头枕对头部的反作用力逐渐由向前变化到向上,使得上颈部的轴向力随着头枕高度的增加而减小。由于在较低的头枕位置时,乘员的头部会在发生追尾碰撞时沿座椅向上滑动使头部越过头枕的顶部,增高的头枕结合减小的头枕距离可以有效阻止这种趋势,从而减小剪应力。此外,头部与头枕距离的减少以及头枕倾角的增大,使得头部更早的与头枕接触,减小了头部相对于胸部的转动角度,同时头枕高度的增加,也有效的减小了头部的向后运动,这就减少了头部和胸部相对运动的差异,从而使颈部损伤的风险降低。表2和表3表明,随着头枕角度的增大,头部x向的加速度峰值减小,而T1x向的加速度峰值减小量相对较小,NICmax和Nkm的值也有减小的趋势。头枕角度的增大,一定程度上使得头部和头枕的接触时间变短,也抑制了头部的向后转动的趋势,从而减少了头部和胸部相对运动的差异使NICmax和Nkm值都有所变小,但其影响相对头枕的高度和Backset较小。
3 预防追尾碰撞保护系统设计
3.1 预防追尾碰撞保护系统组成
追尾碰撞预防保护系统由传感器、碰撞控制单元(central ECU)和执行元件等组成,见图9。
3.2 系统控制流程
1) 2车安全距离。假设2个车辆分别为A和B,初始距离为S0,在计算行驶中前后2辆车的安全距离S*时作如下假设:①2车同向匀速行驶,后面车辆(B)速度大于前车(A)速度,两车不断接近;②2车均按点目标考虑,则两车的安全距离S*定义为B车减速到与A车车速相同时(即两车的相对速度为零时)两车的距离。设A车的速度为va,B车的速度为vb,B车的速度由vb减小到va的制动减速度为ab,考虑到驾驶员的反应时间τ'1和制动器的反应时间τ2,则
式中:t为车速由vb减少到va的时间,
2) 控制流程。该预防追尾碰撞保护系统根据微波雷达探测到的数据,计算从后面接近的车辆和本车之间的安全距离,在2车的间距小于安全距离时,激活危险信号灯5,提示后面车辆驾驶员减速或制动,如果后面车辆没有减速,则在危险信号灯5激活1s后激活信号提示灯10,提示前车驾驶员加速,增大两车间距,同时计算两车可能发生碰撞的时间,碰撞时间是根据从后面接近车辆的距离和其相对速度比值计算的结果,如果该时间小于2 s,则通过座椅调节机构调整座椅靠背的状态,使其倾角减小,这样当碰撞不可避免发生时,可以减轻前排乘员的颈部受伤的几率,而对于后排的乘员,在碰撞发生时,由碰撞冲击声响传感器将采集的信号传送到安全气囊控制单元,分析、判断碰撞的严重程度,当碰撞的强度超过预设值时,则展开安装在后排座椅顶部的安全气帘以提供保护。系统控制流程如图10所示。
3.3 系统触发时间
图11为碰撞提示信号灯和座椅系统的激活时间。水平轴为追尾碰撞发生的时间历程。
4 结束语
1) 头枕特性参数对颈部损伤有着重要影响。高并且靠近头部的头枕,和适当的增大头枕的倾角都有助于限制头部的运动和减小颈部的伤害。由于仿真结果对假人的定位参数,座椅的一些参数等比较敏感,文中的分析只能说明各个参数对颈部伤害影响的趋势。然而这种座椅特性和颈部伤害之间关系可能会随着碰撞初始速度能量的增大而改变,因此对于高速追尾碰撞时的乘员损伤的情况还需要进行再研究,文中的结论仅适用于速度变化△≤25 km/h低速碰撞时的情形。
2) 预防追尾碰撞保护系统与可以有效减小追尾碰撞事故的发生率和减轻追尾碰撞事故发生时对乘员造成的伤害,具有很好的实用价值和应用前景。
参考文献
[1]Svensson M Y,Lovsund P,Haland Y,et al.The in-fluence of seat-back and head-restraint properties onthe head-neck motion during rear impact[J].Acci-dent Analysis and Prevention,1996,28(2):21-227.
[2]肖志,杨济匡.汽车低速追尾碰撞中乘员动力学响应和颈部损伤的仿真研究[J].武汉:中国机械工程,2007(10):1239-1243.
[3]Folksam.Standard test method for rear end impactcrash tests[R].Stockholm:swedish national roadadministration,2004.
[4]Zhou Rongrong,Hong Wei,Venkat lakshminaray-an.Design targets of seat integrated restraint sys-tem for optimal occupant protection[C]∥Detroit,US:Proc SAE World Congress,2001.
[5]Kleinberger M,Sun E,Saunders J,et al.Effects ofhead restraint position on neck injury in rear impact[C]∥Vancouver,Canada:Traffic Safety and AutoEngineering Stream of the Whiplash-Associated Dis-orders World Congress,1999.
防追尾碰撞系统 篇3
汽车追尾是高速公路恶性交通事故主要形式之一,往往造成巨大的财产损失和人身伤亡。本系统的关键技术是前方车辆图像与主车之间距离的测量,即利用视觉图像方法实时获取车辆周围相关物体位置及与主车的相对距离。通过安装在车辆前部的摄像机,对出现在车辆安全距离内的前方各车辆的图像进行跟踪处理和持续测距,当车距在危险范围时,给出警示信号,提醒驾驶员注意保持车距,有效预防追尾事件的发生。
图像测距的一般步骤有目标识别、目标跟踪和目标测距三部分。目标检测和目标跟踪是限制图像测距方法实时性的主要因素;而目标测距的算法对测量精度有直接影响。
系统的结构框图如图1所示。
1 汽车前方图像采集与预处理
1.1 前方图像采集
汽车前方图像是通过安装在汽车前方的CCD(Charge-coupled Device)摄像机采集到的。
CCD摄像机具有灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点,适合安装在行驶的汽车上。由于汽车在行驶过程中的光线随白昼、早晚时间、天气等影响的变化较大,因此需选用自动光圈镜头的CCD摄像机,以便能实现画面亮度的自动调节,获得良好的较为恒定亮度的图像画面。
1.2 图像的预处理
为了提高系统对图像的分析和识别能力,减小图像受光线、天气等环境因素的影响,需要对图像进行必要的预处理。即有选择地突出图像中的某些感兴趣特征,衰减图像中不需要的某些特征。对汽车前方图像的预处理过程中包括:图像灰度化、图像平滑、图像边缘检测和二值化处理等。
CCD摄像机采集到的图像是彩色图像,若直接对彩色图像进行处理的话,耗时较多。因此,需对原始图像进行图像灰度化处理,将彩色图像转换成灰度图,以加快系统的处理速度,满足系统实时性的要求。
图像平滑目的对图像进行滤波处理,以减小原始图像噪声对后续的路面区域确认和汽车目标识别造成的影响。本系统采用高斯平滑滤波,可以较为有效地进行道路图像平滑滤波的处理。
图像边缘检测就是检测出物体的轮廓或物体不同表面之间的交界。图像的边缘是图像的最基本特征,是图像分割所依赖的重要特征。图像边缘表现为图像上的不连续性,大范围内的不连续性即成为边界。这种不连续性可以利用求导数方便地进行检测。本系统采用局部差分算子找边缘的Roberts算子,使边缘检测连续性较好。其算法[1]表达式如公式(1)所示
undefined
式中f(x,y)是原始图像,g(x,y)为图像边缘。
二值化处理就是将灰度化后的灰度图像,转化为黑白二值图像,以便进一步减少影响图像处理效果的噪声[2]。选取最优阈值k,按照公式(2)可将边缘灰度图像转化为黑白二值图像。
式中k是选取的黑白图像最优阈值,255是最大灰度等级。
2 前方车辆识别
2.1 感兴趣路面区域的确定
由于道路平面一般有明显的边缘或车道线标志,且这些标志性边缘一般来说都是平行直线,而两条平行线在图像无限远处会相交,也就是会产生消隐点,即使有弯道存在,也可以分段进行直线拟合。因此在采集的图像中,就可以认为边缘形成的两条线和消隐点交汇区域为我们所感兴趣的路面区域,我们要进行的前方车辆检测就在此区域内进行的。
2.2 前方车辆识别
本系统中前方车辆的识别是基于灰度梯度的原则。高速公路的路面一般来说是较平滑的标准路面,因此在图像中本车与前方车辆之间的区域的灰度变化比较平缓,但在路面和车辆的相交处,由于车辆底部水平阴影线和保险杠等的存在,灰度图像会形成灰度由亮到暗灰度梯度变化明显的水平边缘,检测到此灰度变化较大的边缘,就可以认为检测到了车辆的下边缘,从而识别出前方车辆。
前方车辆识别的具体算法是:在高速公路的路面左右车道线确定的感兴趣区域内,沿着水平方向自下而上逐行进行灰度扫描,并根据扫描结果计算出每行灰度的平均值。灰度平均值发生灰度梯度急剧变化的行,就认定为前方车辆的下边缘。在整个感兴趣路面区域内没有灰度均值突变时,则认为当前车道内没有车辆。灰度平均值G(r)按照公式(3)计算[2]。
undefined (3)
式中:rb(r)为感兴趣路面区域中第r行的左坐标;lb(r)为感兴趣路面区域中第r行的右坐标;f(r,c)为像素(r,c)的灰度值。
3 前方车辆跟踪
对于目标图像的跟踪提取技术,常用的方法有以下几种:基于运动区域检测的目标提取方法、基于纹理分割的提取方法合基于模板匹配的目标提取方法等。但是,这些方法都不适用于道路和周围场景不断变化的车载图像的目标跟踪。
3.1 前方车辆跟踪提取流程图
本系统将前方车辆图像提取出来,是通过综合运用分形和模板特征匹配等技术实现的。前方车辆跟踪提取流程图如图2所示。
3.2 初始目标模板的建立
建立前方车辆的初始匹配模板,首先需要根据目标车辆上的某一点(x0,y0)的位置信息,以(x0,y0)为中心,在δ邻域R0(x,y)内,确定目标图像Tt0(x,y)存在的最大概率区域。以指定位置点(x0,y0)为中心,在区域R0(x,y)内提取目标轮廓,目标图像Tt0(x,y)和区域R0(x,y)满足公式(4)。提取包含目标轮廓的最小矩形区域,就是初始目标模板[4]。
Tt0(x,y)⊂R0(x,y)
undefined (4)
该初始目标车辆的模板将作为人造目标图像,用分形模型,对复杂的自然景物图像与人造目标进行分形检测,提取出可能的目标区域。
3.3 目标车辆区域提取
提取目标车辆区域就是从车载图像中找到目标车辆的可能区域,即与作为人造目标图像的车辆初始目标模板相匹配的区域。
由于在图像中自然景物的表面所映射出的灰度图像满足分形布朗随机场模型,一般的自然景物有粗糙的表面,因此映射出的图像纹理对应着较大的分形维数,而人造目标的平滑表面,映射出的图像纹理对应着较小的分形维数。因此分形维数可以作为一个常用的目标检测参数。分形检测算法就是从分形布朗模型出发直接提取分形特征的。
前方车辆的目标可能区域的检测,可以从复杂的自然背景图像和初始人造目标图像不同的灰度分形布朗模型出发,利用两者不同的分形特征分布关系,将自然景物图像和目标图形区分分开。
前方车辆的可能区域跟踪提取的具体方法是:首先用小波变换将实时图像变换为低频近似图像;其次将变换后的图像划分为大小超过背景纹理基元的互不重叠的小区域,对每个划分区域进行局部灰度计算,获得所选各区域的灰度分形维数;再提取出分形维数低于预定阈值的小区域,进行拟和误差运算,其中拟和误差超过一定阈值的所有小区域所在的位置,就确定为可能存在前方车辆的目标区域。
由于提取出来的可能目标区域有可能存在错检和漏检的失误情况,本系统采取形态学中腐蚀和膨胀的方法,得到最后的目标可能区域。如用腐蚀法将应该属于背景的区域错误的检测为目标可能区域的部分去掉;用膨胀法将没有被检测出来的属于目标的区域添加进来。
3.4 目标车辆提取
前方目标车辆的提取就是将目标车辆的最终模板从目标可能区域中提取出来。本系统采用模板匹配方法提取前方目标车辆。
在目标车辆模板中,以模板中心点为基准位置,在其邻域内搜索目标特征区域,采用各向同性Sobel算子做出判决。对目标车辆模板中心附近的点(i,j)进行x,y方向的梯度检测[5],得到综合梯度值如公式(5)所示
undefined (5)
其中A为检测点的3×3邻域。
统计特征区域内所有像素点的综合梯度值,并将其综合梯度值作为该区域的表征量,在目标车辆模板的区域内,将综合梯度值最大的区域作为目标模板的特征区域。
将上述提取出的目标模板的特征区域作为新的目标模板取代初始目标模板,并提取新模板的特征区域,与从下一帧图像中提取的模板特征区域进行相似性度量[6]。本系统采用最多邻近点距离(MCD)度量方法。
首先匹配提取出的目标模板的特征区域与下一帧图像中提取的模板特征区域对应点的灰度绝对差,如果这个灰度绝对差小于某个预设阈值,就可以认为这两点是近似的;再统计整幅图像区域中对应点像素灰度绝对差小于这个阈值的数目,就可以确定出这两幅图像的相似程度。门限值可经过实验方法得到,一般按照经验可取20～30。
统计前一目标模板图像特征区域与下一目标模板图像特征区域的最多邻近点距离,可以得到整幅图像的相关曲面,寻找这个相关曲面的谷点,就可确定为最佳匹配位置,从而提取出目标车辆。
本次提取的目标车辆模板,又将作为更新的模板,与下次提取的目标车辆模板进行模板匹配,提取出新的目标车辆,使模板的实时性好,保证了整个匹配和目标提取的精度。
4 车辆图像测距
图像是客观世界三维场景在二维像平面上的投影。距离远近的不同,前车在图中的成像大小也不一样,距离越远,成像越小;距离越近,成像越大[1]。任意两次测量的距离与成像大小成反比,距离与成像的宽度的关系[7]如式(6)所示
d1/d2=w1/w2 (6)
式中d1、d2分别为两次测量的距离,w1、w2分别为两次测量图像中的车宽。
车辆在图像中行驶到不同位置的距离与图像宽度的关系如图3所示。可以证明不同位置车辆的距离与图像宽度的关系满足:d1×w1=d2×w2=d3×w3=……=di×wi=C。
C为常数,为了减小测量误差,可以通过测量同一车道车辆多次记录的di和wi求算术平均值得到。
若某位置图像中车辆宽度为w,则该位置距摄像头的距离d可按公式(7)计算得到。
d=C/w (7)
式中d是车辆的距离,单位为m,w是图像中车辆宽度,单位为Pixel。
5 报警系统
理论上,高速公路上行车的安全距离大约是100 m。可设定车间距在50m～100 m之间时,系统发出预警信号,如预警灯闪亮,发出柔和提示音,提醒司机注意保持车距;车距在50m以内时,系统发出急促的声光危险报警信号,及时提醒司机采取制动措施,避免恶性追尾事件的发生。
6 结束语
本系统的关键技术是图像测距,即利用视觉图像方法实时获取车辆周围相关物体位置及与主车的相对距离。图像测距一般分为目标识别、目标跟踪和目标测距几个步骤。目标识别和目标跟踪是限制图像测距方法实时性的主要因素;而目标测距的算法对测量精度有直接影响。本文研究的目标为前方车辆,具体探讨了目标识别、目标跟踪和目标测距的实用算法及危险车距报警系统的模式。能达到有效避免汽车追尾恶性交替事故发生的目的。
摘要：随着汽车的普及化,城市道路拥堵及高速公路车辆密集现象日益突出,汽车追尾事故日益增多。采用图像处理技术对汽车车载图像进行处理,进行前方车辆识别、车辆跟踪及图像测距,根据设定的安全车距给出预警提示和危险报警信号,形成了一种基于图像处理技术的高速公路汽车防追尾系统解决方案。系统对汽车追尾恶性交替事故的发生具有一定的抑制作用。
关键词：图像处理,识别,跟踪,测距,防追尾
参考文献
[1]孙即祥.模式识别中的特征提取与计算机视觉不变量[M].北京:国防工业出版社,2001.
[2]刘波,钟幼强,等.基于红外图像处理的高速公路汽车追尾预警系统研究[J].中国仪器仪表,2008:195-198.
[3]刘志强,温华.基于单目视觉的车辆碰撞预警系统[J].计算机应用,2007,27(8):2056-2058.
[4]罗诗途,王艳玲.车载图像跟踪系统中复杂场景下目标提取算法的研究[J].应用光学,2008,29(6):837-843.
[5]PARRY H S,MARSHAI I A D,MARKHAM KC.Tracking targets in FLIR images by regiontemplate correlation[J].SPIE,1997(3086):221-232.
[6]任仙怡,廖云涛,张桂林.一种新的相关跟踪方法的研究[J].中国图像图形学报,2002,7(5):553-557.
防追尾碰撞系统 篇4
高速公路交通系统在我国的兴起, 正改变着我国陆上交通的格局。然而近年来, 道路交通安全形势越来越严峻, 交通事故给家庭、集体和国家都带来了巨大的损失, 已成为世界性的严重问题。这其中自高速公路投入使用以来, 事故频发, 已严重影响人们对使用高速公路的信心, 据有关统计资料表明, 在众多的高速公路交通事故中, 追尾碰撞引起的事故占最多数, 特别是夜间长时间驾驶会导致司机判断力失常, 后方车辆司机只是根据前方车辆的尾灯来判断它的存在, 忽略了对于与前方车辆应保持的安全距离。而这时车速往往很快, 只要前方车辆稍微出现减速或刹车的情况, 后面的车辆已来不及反应, 就会酿成严重的追尾事故。大雾天气也可能诱发追尾事故。很明显, 如果能够有效地控制追尾事故的发生, 那么将大大改善现今的交通状况, 减少伤亡, 同时, 也给公安交通工作带来极大的便利!因此开发一种实用经济的主动型防追尾安全装置具有十分重要的现实意义。
1 系统构成
系统主要有测距模块、驱动控制模块、人机接口和磁铁模块等组成, 系统框图如图1所示:在系统中, 最主要的就是两车之间的相对距离, 因此, 一般情况下在汽车防撞将两车之间的距离作为检测的主要对象。
2 硬件设计
本设计着力从经济型、家庭普及适用性角度, 具有自动行车安全距离检测 (30~50m) 、防碰撞防追尾自动警示等实用功能的防撞主动防追尾电子装置。
汽车主动式防撞装置实际上是一个单片机系统, 主要包括单片机的主控系统、电源系统、信号采集系统及显示系统等部分。在数字控制系统中, 单片机是主要的智能单元, 控制方案通过软件来实现, 利用单片机内部的程序存储器和数据存储器存储程序和数据参数。
2.1 单片机的选择
系统采用与Inte]公司生产的MCS-51完全兼容的AT89C52单片机。AT89C52是一个低功耗, 高性能的CMOS 8位单片机, 片内包含8KBytes ISP (In System Programmable) 的可反复擦写1000次的Flash只读程序存储器, 该元件采用Atmel公司的高精度、非易失性存储技术制造而成, 兼容标准的MCS-51指令系统以及80C51引脚结构, 芯片内集成了通用8位中央处理器和ISP Flash存储单元, 功能强大的微型计算机的AT89S52可为许多嵌入式控制应用系统提供高性价比的解决方案。具有如下的标准功能:8k字节Flash, 512字节RAM, 32位I/O口线, 内置4KB EEPROM, MAX810复位电路, 三个16位定时器/计数器, 一个6向量2级中断结构, 全双工串行口。另外AT89C52可以降至0Hz静态逻辑操作, 支持2种软件可选择节电模式。空闲模式下, CPU停止工作, 允许RAM、定时器/计数器、串口、中断继续进行工作。在掉电保护方式下, RAM的内容被保存下来, 振荡器被冻结, 单片机的一切工作也停止下来, 直到下一个中断或硬件复位为止。最高运作频率35Mhz, 6T/12T可选。
2.2 单片机系统设计
硬件设计的核心是单片微型计算机芯片AT89C52.系统主控单元如图2所示。
AT89C52单片机的特点如下:
·灵活的ISP在线系统编程。只需要一条ISP下载线就可以直接把PC上编译好的程序写到单片机和程序存储器中, 不需要购买仿真器、芯片适配器等设备。
·32个可编程的I/O口线。提供了丰富的I/O口资源。
·6个中断源。
·3个16位定时/计数器。
·256字节内部RAM。
·全双工串行UART通道。
·1000次可重复擦写周期。
·引脚功能说明如下:
·输入/输出引脚 (I/O口线)
P0.0~P0.7:P0口8位双向I/O口, 占39~32脚;
P1.0~P1.7:P1口8位准双向I/O口, 占1~8脚;
P2.0~P2.7:P2口8位准双向I/O口, 占21~28脚;
P3.0~P3.7:P3口8位准双向I/O口, 占10~17脚;
·控制口线
PSEN (29脚) :外部程序存储器读选通信号。
ALE/PROG (30脚) :地址锁存允许/编程信号。
EA/VPP (31脚) :外部程序存储器地址允许/固化编程电压输入端。
RST/VPD (9脚) :RST是复位信号输入端, VPD是备用电源输入端。
·电源及其它
Vcc (40脚) :电源端+5V。
GND (20脚) :接地端。
XTALl、XTAL2 (19~18脚) :时钟电路引脚。当使用内部时钟时, 这两个引脚端外接石英晶体和微调电容。当使用外部时钟时, 用于外接外部时钟源。
2.3 超声模块
在城市拥挤路面上, 很多驾驶员都会关闭安全系统, 这时系统的雷达测距功能就被浪费了。因此本设计采用超声波模块。超声波是一种声波, 具有声波的所有基本物理特性如:反射、折射等, 超声波测距也是利用其反射特性, 发射模块发射出某一频率的超声波, 遇到目标后反射回来, 接收模块接收到反射信号, 通过发射波和反射波的时间差, 用声速乘以时间差的1/2即可求出目标距离。
人机接口包括按键和液晶显示。测距模块将超声波信号经过计算得出相对距离信号送给单片机, 单片机经分析判断发出声光报警, 驾驶员也可以通过显示器来调整安全距离。
如图3所示, 本装置置于汽车驾驶座后台, 可用于提醒后车司机注意与本车保持距离防止追尾。将传感器面朝后车, 当与本车距离小于安全距离时, 前车尾部将开启磁铁系统, 增大前后车距离, 以此达到主动防止被动追尾的效果。
2.4 磁铁系统
本系统由隔离装置、强磁铁、屏蔽罩构成;隔离装置将车身内部零件与强磁铁产生的磁场相隔离;强磁铁固定在隔离装置表面并分布在车身头部与尾部, 在前车尾部加载可动磁力盒, 可实现90度的旋转 (通过程序实现) , 在后车前端固定同样的磁力盒。两个磁力盒位置应相对。
a.两车距离处于安全距离时, 两个磁力盒不正对。
b.当后车距离前车的距离超出安全距离时, 前车尾部的超声波测距模块可将信号传输给CPU, CPU通过控制与可动磁力盒相连的电机带动磁力盒转动, 使前后两车磁力盒同极相对, 此时于前车尾部与后车头部的强磁铁产生磁场, 使前后两车之间通过排斥力减缓冲力, 主动避免后车追尾, 缓解交通压力。此系统设计提供一种结构简单、性能可靠、成本低廉的防止汽车追尾装置。
2.5 总PCB图
3 软件流程图
本系统的程序软件总体包括:人一机接口程序, 测距系统设计、人一机接口。测量执行系统包括数据处理程序。软件流程图结构图如图5所示。
4 结束语
根据试验结果归纳如下:
4.1 能够很好地把握行驶中或停车时的车间距。
因为人的眼睛是有误差的, 因此, 即使规定了车间距离, 也会产生30%以上的误差。而此装置可以帮助人们提高掌握车间距的精确程度。
4.2
车辆接近将要发生危险时启动磁铁系统, 通过控制与可动磁力盒相连的电机带动磁力盒转动, 使前后两车磁力盒同极相对, 此时于前车尾部与后车头部的强磁铁产生磁场, 使前后两车之间通过排斥力减缓冲力, 主动避免后车追尾。
4.3 精神方面的支柱。
由于能主动避免后车追尾, 因此驾驶员有一种安全感, 紧张状态缓和, 注意力分配均匀, 驾驶起来很沉着。
由于该装置是一种结构简单、性能可靠、成本低廉的主动式防撞系统, 可以有效地防止汽车追尾碰撞事故的发生, 该系统在汽车领域的应用将会相当流行, 所能带来的经济效益和社会效与益将会相当可观。
摘要：通过对高速公路追尾碰撞事故原因的分析, 提出了通过固定于车身头部与尾部的强磁铁产生磁场, 使前后两车之间通过排斥力减缓冲力, 避免汽车追尾的原理, 确定了汽车防追尾系统的设计方案。整个系统由单片机为控制核心, 设计了由测距模块、驱动控制模块、人机接口和磁铁模块等组成的汽车防追尾系统设计。程序用汇编语言进行编程, 而且指令执行也更简单快速。
关键词：单片机,强磁铁,经济型,防追尾
参考文献
[1]何立民.MCS-51单片机应用系统设计[M].北京:北京航空航天大学出版社, 1990.
[2]张福学.传感器应用及其电路精选[M].北京:电子工业出版社, 1993.
[3]董子和, 等.超声波测距系统的建立及其在汽车防撞系统中的应用[J].汽车电器.
[4]程俊红.基于单片机的汽车防追尾系统设计[J].中外企业家, 2013 (446) :224.
[5]王洁.汽车防撞雷达测距性能分析[J].科技情报开发与经济, 2007 (7) .
群塔防碰撞系统的研究 篇5
1 无线传输网络的搭建
目前近距离无线通讯主要采用433模块和Zig Bee模块。433MHz技术虽然具有穿透性强、传播距离远的特点, 但数据传输速率低, 最高只能达到9600bps, 因此适用于数据传输量较少的应用场合;433MHz技术只支持星型网络拓扑结构, 可靠性和稳定性较差;433MHz网络中一般采用数据透明传输协议, 网络安全可靠性也较差。
Zig Bee数据传输速度快, 最高可达250kbps;支持星型网、网状网、树状网等网络拓扑结构, 网络稳定;Zig Bee通过设置中继路由和通信节点接力方式可增加传输距离, 最远可达l~3km;Zig Bee通信技术具备三级安全模式, 同时提供了数据完整性检查与鉴权功能, 采用AES-128加密算法, 数据传输网络安全可靠。
综合考虑后系统采用Zig Bee模块搭建无线通讯网络, 使用过程中设置一个中心节点, 其余在设置成中继路由, 组成一个多跳网络, 增加整个网络的数据传输距离。中心节点根据上报上来的信息判断塔机的运行状态, 在避让过程中遵循轻载让重载、动塔让静态、慢塔让快塔的原则。
2 防碰撞算法分析
为避免干涉塔机之间相互碰撞, GB 5144-2006《塔式起重机安全规程》中规定:2台塔机之间的最小架设距离应保证处于低位塔机的起重臂臂端部分与另一台塔机的塔身之间至少保持2m的距离;高位塔机最低位置的部件 (吊钩升至最高点或平衡重的最低部位) 与低位塔机中处于最高位置部件之间的垂直距离不应小于2m。我们选取一台塔机作为参考点建立坐标系, 坐标系以地面作为XOY平面, 以塔机架设方向为Z轴方向, 坐标系如图1所示。测量区域内其它塔机与参考塔机的相对距离, 并将测量距离和塔机的基本参数信息录入系统, 系统根据录入的参数信息和塔机实时运行信息, 分析计算干涉区域内塔机是否发生碰撞。
现场实际使用中, 当两台塔机高度差等于一个标准节时, 考虑到吊载塔机臂端因吊载下沉, 我们认为高度差等于一个标准节高度的两个塔机为等高塔机, 在碰撞分析时只分析塔臂与塔臂碰撞;高度差大于一个标准节高度认为塔臂不可能发生碰撞, 只判断高塔吊钩与低塔机构的碰撞。在碰撞分析时, 首先要判断塔机机构是否运转到交叉区域内, 当机构运转到交叉区域内后再判断塔机机构之间的安全距离。为方便计算, 我们将塔机机构简化成空间线段, 即计算代表塔机机构的空间线段间的最小距离, 若最小距离大于定义的安全距离则干涉塔机不会发生碰撞, 否则认为干涉塔机发生碰撞。
将要判断的塔机机构简化成任意空间线段如图2所示, 设图中A点的坐标为 (x1, y1, z1) , B点的坐标为 (x2, y2, z2) , C点的坐标为 (x3, y3, z3) , D点的坐标为 (x4, y4, z4) 。点P为线段AB上一点, 点Q为线段CD上一点。
P点坐标 (X, Y, Z) 可表示为
Q点坐标 (U, V, W) 可表示为
则两点间距离的平方
若点P在线段AB上, 点Q在线段CD上则空间线段AB、线段CD的最小距离为|PQ|, 求取空间线段间的最小距离流程图如图3所示。
3 小结
井下人员定位系统防碰撞算法改进 篇6
我国是世界上矿难事故最多的国家之一,在发生矿难事故时快速、准确、实时地确定井下人员的信息,从而提高抢险救灾、安全救护的效率,是矿井人员管理的主要目标。目前国内煤矿普遍采用基于RFID技术的矿井人员定位系统实现对井下人员的准确定位[1,2]。AQ6210—2007 《煤矿井下作业人员管理系统通用技术条件》中明确要求井下人员定位系统的并发识别数量不得小于80,最大位移速度不得小于5 m/s,而漏卡率不得大于10-4,因此,在人员定位系统的设计中必须考虑标签与读卡器之间的防碰撞算法[3]。
在RFID系统中,防碰撞算法主要有空分多路法(SDMA)、频分多路法(FDMA)、时分多路法(TDMA) 3种。SPWM天线系统复杂,费用高,应用不是很广泛。FDMA读卡器费用较高,应用也受到了限制。目前煤矿应用最为广泛的防碰撞算法是TDMA中最具代表性的ALOHA(Additive Link On-link Hawaii Algorithm)。该算法的主要特点是各标签发射时间完全随机,不需要同步,当标签数量不多时RFID系统可以很好地工作,其缺点是数据在发送过程中发生冲突的概率大[4]。本文针对煤矿井下工作环境的特殊性, 基于碰撞退避思想,对二进制指数退避(Binary Exponential Backoff, BEB)算法进行分析,并提出相应的改进算法,从而进一步减小了井下人员定位系统的漏卡率。
1碰撞退避原理
碰撞退避算法即发生数据碰撞后标签暂时退出竞争,延迟一段时间后再次尝试发送,采用碰撞避免机制而不是碰撞检测。实行退避的目的是为了降低重发时再次发生碰撞的可能性。退避时间的长短与标签内部的随机数相关,可用式(1)确定:
BackoffTime=Random()×aSlotTime (1)
式中:Random()是均匀分布在0～CW之间的随机数,CW为退避发生器的值,由退避算法确定;aSlotTime是物理层的时隙时间。
退避算法是维护退避发生器的算法,退避时间长短可通过改变退避发生器值的大小来控制。当退避发生器值较大时,产生的随机时间一般较长;当退避发生器值较小时,产生的随机时间一般较短。显然,退避发生器的值越小,数据抢占信道的能力越强,退避发生器的值反映了标签接入信道的能力。退避算法的目标是正确反映标签的信道争用状况,赋予标签适当抢占信道的能力,以更加充分地利用信道资源,避免争用碰撞和信道资源浪费。
2BEB算法及其改进
2.1 BEB算法
BEB算法首先给定最小碰撞窗口和最大碰撞窗口,每次发生碰撞时,认为网络中标签之间对信道的竞争程度加剧。标签将当前的CW值增大,直至达到最大门限值CWmax;每次交互成功时,退避发生器的值降到最小。该算法可用式(2)描述:
BEB算法的主要不足:(1) 不能正确反映信道的争用情况。一次成功发送不能认为信道竞争程度降低了,但退避发生器的值却降到了最小。(2) 标签访问信道会带来不公平现象。一次成功发送后,标签退避发生器的值降为最小值,而其它交互不成功标签的退避发生器的值都较大,在后续的竞争中,退避发生器值较小的标签获胜的几率很大。这就使得获胜的标签优势越来越明显,而其它标签更加不容易抢占到信道,造成严重的不公平现象。
2.2 算法改进
针对BEB算法的不定,提出一种改进算法,根据当前碰撞窗口CW值和信道忙闲程度来改善CW更新规则,使其具有一定的自适应性。改进的二进制碰撞退避算法采用乘法增加、线性减小的碰撞窗口调整方式,设置退避的低流量阈值CW1和高流量阈值CW2,根据网络流量大小对碰撞窗口采取不同的更新规则并同步更新优化窗口值,使标签能够自适应快速接入信道。算法规定:CW≥CW2时,网络流量较大;CW≤CW1时,网络流量较小。在低流量下设置较小的CWmin值,使节点能够快速接入,减少信道空闲浪费;在大流量下使CW平滑变化,以避免节点间的碰撞窗口值相差较大,造成短程不公平现象。
改进算法具体描述如下:
(1) 初始化,取较小的CWmin。
(2) 当CWmin≤CW
(3) 当CW1≤CW
(4) 当CW2≤CW≤CWmax时,认为网络流量大,采用乘法增加、乘法减小的方式调整CW。当信道忙碌时,CW增加为原来的α倍(取α=1.3),此时CW自身值较大;若标签发送成功,CW减小为原来的β倍(取β=0.8)。
(5) 标签连续3次发送成功时,认为CW为粗略优化值,在1跳范围内同步更新CW。
3改进的BEB算法性能测试及分析
3.1 性能测试方法
AQ6210—2007明确规定了人员定位系统主要技术指标的测试方法。其中“最大并发识别数量”指标测试方法:多张识别卡以最大位移速度同时通过读卡器识别区,测量读卡器正确识别的识别卡最大数量。“最大位移速度”指标测试方法:以最大并发数量的识别卡同时通过读卡器识别区,测量读卡器能够正确识别的最大速度。 但在实际测试过程中,位移速度很难精确控制。因此本文对该方法进行了改进,将位移速度换为识别时间。AQ 6210—2007规定识别卡与读卡器之间的无线传输距离不小于10 m,而在实际应用中也大多控制在10 m左右,所以识别卡能够被读卡器识别的范围为20 m。如果要求位移速度为5 m/s,则相当于识别卡能够被读卡器识别的时间为4 s,可以通过程序将读卡器的收卡时间控制为4 s。由于时间可以精确控制,而位移速度与识别时间是严格对应的,因此改进后的测试方法较易实现。下面利用该测试方法对BEB算法和改进算法进行性能分析对比。
3.2 最大并发识别数量比较
AQ6210—2007规定的“漏卡率”指标测试方法:并发数为M的识别卡以最大位移速度通过读卡器识别区,共通过不低于104/M次,识别总数为L,将每次漏读的个数相加得N,则漏卡率为N/L。设识别卡固定位移速度为5 m/s(即识别时间为4 s),L=10 000。分别用标签数为40、60、80、100、150、200的识别卡,通过识别区L/M次,采用BEB算法和改进后的BEB算法进行测试,得到相应的漏卡统计结果,见表1。
从表1可看出,BEB算法的最大并发识别数量为60;而改进算法的最大并发识别数量为150,远远超过AQ6210—2007中规定的80。同时,随着标签数的增加,BEB算法的漏卡数急剧上升。可见,改进算法在最大并发识别数量上要优于经典BEB算法,在一定程度上降低了冲突概率,有效地减少了数据的碰撞。
3.3 最大位移速度比较
设标签数M=60,识别总数L=10 020,通过识别区167次,位移速度分别为5、6、7、8、9、10 m/s(即识别时间分别为4、3.3、2.9、2.5、2.2、2 s),采用BEB算法和改进后的算法进行测试,得到相应的漏卡统计结果,见表2。
从表2可以看出,BEB算法的最小识别时间为3.3 s,即最大位移速度为6 m/s,而改进算法的最小识别时间为2 s,即最大位移速度为10 m/s。可见改进算法在最大位移速度上也优于经典BEB算法。
4结语
通过设定两个阈值,根据不同网络流量制定不同的CW更新规则,并同步更新优化窗口值,对BEB算法进行了改进,在设计和实现上兼顾了阅读器和射频标签通信的速度和可靠性,加快了碰撞窗口值的优化速度,提高了数据传输速度,减少了标签漏卡率。测试表明,改进算法的最大并发识别数量为150,最大位移速度为10 m/s,均优于经典BEB算法。因此,改进算法能够有效解决井下多目标识别的防碰撞问题,增强煤矿生产的安全性,具有广阔的应用前景。
摘要：为解决井下人员定位系统中多个标签向接收器发送信息时产生的数据碰撞问题,提出了一种改进的二进制指数退避算法。该算法采用乘法增加、线性减小的碰撞窗口调整方式,设定了两个阈值,并根据不同网络流量制定了不同的退避发生器值更新规则,同时同步更新优化窗口值,使标签能够自适应快速接入信道。测试表明,改进后的算法最大并发识别数量为150,最大位移速度为10m/s,均优于经典的二进制指数退避算法。该算法提高了数据传输率,减少了漏卡率,有效地解决了井下多目标识别的防碰撞问题。
关键词：矿井,人员定位,防碰撞算法,二进制指数退避算法
参考文献
[1]石为人,冯会伟,唐云建.一种无线传感器网络MAC层协议设计与实现[J].计算机科学,2009(7):60-62.
[2]陈鸿,牟颖,马成.基于RFID的动态瓦斯巡更管理系统[J].矿业安全与环保,2010(4):34-36.
[3]张志荣,张龙江,杜鹏.基于RFID煤矿井下人员定位防碰撞研究[J].辽宁工程技术大学学报:自然科学版,2010,29(3):490-493.
[4]WANT R.Enabling Ubiquitous Sensing with RFID[J].Computer,2004,37(4):84-86.
[5]李凡甲,徐钊,颜丙磊,等.基于WSN的煤矿井下人员定位系统防碰撞算法的研究[J].工矿自动化,2009(1):9-12.
防追尾碰撞系统 篇7
随着现在交通事业的不断发展, 交通事故已成为全球范围内日益严重的公共安全问题。相关统计信息表明, 驾驶员的主观因素导致的交通事故在所有交通事故中占有最高比率。若在交通事故发生前的1.5s给驾驶员发出预警, 可避免90%的碰撞事故[1]。汽车防碰撞安全控制系统通过各种传感器, 比如摄像头、雷达等, 实时检测车辆周围的物体, 并对物体进行识别与跟踪, 测量出目标车辆距离本车的距离, 从而预计出相撞时间。当该时间小于安全阈值时, 发出警报提示驾驶员潜在的危险, 从而提高了驾驶的安全性, 有效降低了交通事故的发生频率。对汽车防碰撞系统的研究在国际上始于20世纪60年代, 主要以德国、美国和日本为代表。我国在这方面的研究起步较晚[2], 但是我国与国际水平的差距正在因国家的重视以及科研人员的努力而逐步缩小。
本文总结了目前国内外一些关于汽车防碰撞安全控制系统的车辆检测与识别、跟踪和安全距离模型的应用研究概况, 为进一步研究提供了基础。
2 汽车防碰撞安全控制系统
汽车防碰撞安全控制系统的实现方式虽多, 但基本的工作流程大致一样。汽车防碰撞安全控制系统的基本原理如图1所示。车辆的检测与识别、汽车跟踪和安全距离模型是该系统的重要组成部分。
3 车辆的检测与识别
车辆的检测属于背景运动的目标识别。要做到在视频图像中很好地识别出车辆, 首先必须在单帧图像中将车辆识别出来, 然后才能进行多帧序列的车辆识别。
3.1 基于梯度的阴影检测方法
路面像素值由近及远灰度分布变化是连续的, 而在车辆底部处像素的灰度值明显会低于其周围的像素, 因此像素灰度分布会产生较大变化。利用图像灰度及梯度分布特征, 通过阴影检测完成车辆的初步定位, 是一种可行的车辆检测方法。张建明等人提出的算法可以有效检测出路面行驶车辆[4]。该算法也有不足之处, 得到的阴影区可能会包含一些路面杂质和其他路边阴影区域, 从而使车辆检测受到干扰。因此排除非车辆阴影区也是一项重要任务。一般车辆区域的灰度变化复杂、纹理特征强, 可以通过计算粗糙度来有效剔除杂质。N.Sarkar等提出了差分盒子维 (Differential Box Counting) 算法[5], 可以有效、精确地排除非车辆区域。
3.2 基于模式识别的方法
首先从单帧图像中实现车辆的识别。在单帧图像中产生车辆感兴趣区域, 为减少计算量, 根据图像中的汽车某些特征设计一个基于边缘特征的滤波器。该滤波器根据汽车的一些鲜明特征将单帧图像中的缺少明显汽车特征的区域滤除。然后将感兴趣区域挑选出来进行基于区域的车辆判别。在单帧图像中的感兴趣区域中, 运用一个相应的车辆分别识别算法将感兴趣区域中的不符合车辆的障碍物做进一步滤除。具体地可以根据最近邻域的局部特征[6]或根据支持向量机 (SVM) 建立一个层联的分类器。最后, 利用视频序列多帧图像的附加信息进行修复验证。因为光线的强弱变换、其他障碍物的遮挡以及阴影等干扰原因, 可能会造成一些“伪车辆”的错误判断, 这将导致后续的防碰撞错误预警, 因此要根据视频序列中的附加信息对检测出的车辆进行修正。
4 车辆的跟踪
汽车防碰撞系统中对目标车辆的跟踪主要有两个目的:一是通过对车辆进行跟踪缩小视频序列中的车辆的搜索范围, 减小计算量提高汽车防碰撞系统的实时性;二是解决目标车辆的突然更替;三是通过预测下一帧图像中车辆的位置解决信号突然中断和车辆遮挡等情况。
4.1 基于Kalman的跟踪方法
Kalman滤波器是一种最优化自回归数据处理算法。它根据上一状态的估计值和当前状态的观测值推出当前状态的估计值, 对信号的平稳性和时不变性要求不高。
Kalman滤波跟踪过程为:根据跟踪目标的当前状态向量利用Kalman滤波器预测新的位置和高度。据此产生预测车辆的区域, 计算该区域的归一化转动惯量NMI (Normalized Momentof Inertia) 特征值, 与以前序列图像中该车辆目标的NMI特征值进行比较验证。验证通过, 则在原预测区域的基础上高宽同时扩充1.2倍, 在此放大区域内重新界定车辆区域, 形成新的观测值, 否则放弃对此目标车辆的跟踪。该算法的优点是能够自动地适应检测过程当中采样周期的变化, 对于目标运动较快在前后帧之间的距离较大时能够很好地适应。
4.2 基于Meanshift的跟踪方法
Meanshift算法的框架最早是Fukunaga和Hosteler于1975年提出的一种无参数算法[10]。它利用梯度上升方向作为求最值的方法来减少特征搜索匹配的时间, 实现目标的快速定位。在当前帧的候选目标中找到真正目标位置的一般过程为:假设一个目标模型, 该模型有特征z具有密度函数q (z) , 且中心在y的候选目标具有特征分布p (z) 。接下来就是找到一个位置Y, 使得此处候选目标的密度函数和真正目标模板的密度函数最相近。这样目标跟踪问题就可以转换为目标模块与候选模块的特征分布函数相似对比的问题。
该算法的优点是平均迭代次数少, 收敛性好, 运算相对简单, 能够满足实时性需要, 能够处理部分目标遮挡或者重叠问题。缺点是该算法对目标的大小不能自适应。
5 安全距离模型
汽车防碰撞安全控制系统功能实现的基础是安全距离模型, 国内外学者进行了相关的研究并提出了几种模型。该模型应满足以下要求:安全距离模型适用的道路情况能够涵盖一般道路交通的大多数路况;安全距离模型所使用的行车信息能够在实时条件下获得。
5.1 基于前车运动状态并引入附着系数的模型
设自车行驶速度为v, 前车速度为v0, 两车相对速度vr=vv0, 自车的制动减速度为a, 驾驶员做出判断并采取措施所造成的迟滞时间为t1。
当前车以匀速v0行驶时, 最小安全距离为:
当前车以匀加速a0行驶时, 自车实施制动是只需将调节至与前车速度相等即可, 最小安全距离为:
当前车以匀减速a0行驶时, 此时碰撞风险较大, 需将自车v值减至0为止, 最小安全距离为:
该安全距离模型的优点是根据不同的道路和天气情况, 在保证安全的前提下可以有效地改变安全距离, 提高对道路交通的利用率, 符合汽车的真实运行情况。
5.2 基于智能控制的模型
设自车制动距离为X1, 两车间距d和前车运动距离X2, 保证行车安全则需要使X1+d0<X2+d, 其中d0是两车之间最小距离, 一般取2-5米。自车的制动过程分为三个阶段:匀速运动阶段S1、减速度增长阶段S2和持续制动阶段S3。
匀速运动阶段, 在制动协调时间ta没有产生制动力, 以初速度行驶va, 将速度由km/h换算成m/s, 则:
在减速度增长阶段, 设减速度线性增长时间为ts, 自车最大减速度值为a, 则:
持续制动阶段分两部分:正常制动阶段, 时间为t1, 自车以最大加速度制动, 初速为v1;加速度调整阶段, 时间为t2, 逐步调整加速度与前车加速度at一致, 则:
该安全距离模型的优点是采用智能控制, 完全自动刹车, 降低了对驾驶员的要求, 提高了制动效果, 并对车间距进行了优化, 提高了公路利用率。
6 未来发展方向
目前, 已有大量技术应用于智能交通中, 特别需要指出的是传感器信息融合技术。为了提高系统的准确性, 往往需要多种传感器对目标进行测量, 迫使人们要对各种传感器和不同信息源进行有效的集成, 以提高数据处理的自动化程度。在汽车防碰撞安全控制系统中的应用中, 需要摄像机、雷达、红外传感器等多种检测装置, 信息融合技术就显得尤为重要。
随着人工智能、视觉计算理论以及测距技术等相关支撑学科的不断完善, 汽车防碰撞安全控制系统也必将朝更好的实时性和准确性方向前进。具体的发展目标有: (1) 考虑侧面目标和行人目标, 提出更高效的目标识别和跟踪算法, 增强目标识别的鲁棒性; (2) 完善安全距离模型和自动刹车控制系统, 减少驾驶员误操作的风险; (3) 基于传感器信息融合技术实现汽车防碰撞控制。
7 总结
随着汽车在全球的普及以及智能控制的迅猛发展, 21世纪的汽车必将走向智能化, 而集合了先进的信息处理技术、通信技术、自动控制技术以及信息融合技术的汽车防碰撞安全控制系统将会成为未来汽车发展的重心。优化设计, 提高系统可靠性和人机交互性, 使驾驶员轻松、安全地驾驶车辆, 并对各种紧急情况作出正确应对, 减少碰撞事故的发生, 是汽车防碰撞安全控制系统的使命。
摘要：近年来随着汽车数量的增加和驾驶员的大众化与非职业化, 汽车碰撞引起的交通事故与日俱增。因此, 汽车防碰撞系统的研究成为世界各国当前的一个热点课题。本文对国内外汽车防碰撞安全控制系统的研究现状进行了总结, 并对该领域的未来研究方向进行了展望。
关键词：汽车防碰撞,车辆检测与识别,信息融合,防碰撞安全控制系统
参考文献
[1]张伟.高速公路视频监控系统联网技术的研究与实现[D].上海:上海海事大学, 2004.
[2]邓明哲.高速公路追尾碰撞防报警系统的研[D].武汉:武汉理工大学, 2006.
[3]檀柏红, 任立肖, 张丽等.基于视频图像处理技术的汽车防撞系统的研究现状[J].北华航天工业学院学报, 2008.18 (5) :7-10.
【防追尾碰撞系统】推荐阅读：
防碰撞系统05-30
防碰撞预警系统08-06
防碰撞性能07-17
防碰撞措施06-12
汽车防碰撞08-22
数据防碰撞10-27
塔式起重机安全使用管理与防碰撞措施07-06
7·23动车追尾事件06-26
追尾事故检讨书06-29
地铁追尾事件分析报告09-04