新型视觉汽车开门防撞技术研究开题报告

全文总字数：3605字

1. 研究目的与意义

据南京交管部门的数据显示，仅2015年10月1日至10月10日，因开车门引发的交通事故多达98起，其中，10月9日一天就发生了17起。不少研究院所研究以雷达作为传感器的开门防撞技术，但是此类技术有很大的不足，雷达作用距离短、视野范围小，难以做到实时性。本课题利用摄像头作为感受器，对摄像头采集到的信息进行目标检测、分类，当检测到采集到的图像中有非机动车时，触发报警装置，提醒驾驶员开门时注意后方非机动车。新型视觉汽车开门防撞技术具有作用距离长，实时性好，准确度高的特点，具有较高的实用性。

2. 国内外研究现状分析

一、新型视觉汽车开门防撞技术简介 新型视觉汽车开门防撞技术（Vision-based Vehicle Door Opening and Collision Avoidance Technology）作为一项先进的主动安全技术，对提高交通安全具有重要意义，当防撞系统检测到对驾驶员开门存在潜在的碰撞危险，就会触发报警装置。它集合了传感器技术、计算机技术、数据通信技术等先进技术。借助于汽车开门防撞技术，驾驶员在开门之前会收到后方来车的警报，提醒其谨慎开门，可以大大减少因机动车驾驶员开门不注意，撞到非机动车而发生的惨剧。由于此类惨剧频发，而开门防撞技术可以有效减少这种惨剧的发生，因此开放防撞技术具有很大的需求空间和发展前景。汽车开门防撞技术有不同的类型。根据实现方法的不同分为两大类：（1）采用摄像头，安置在车辆的后方，利用视频图像处理的方法对周围环境实时监控；（2）利用雷达技术，直接获得运动目标的位置和速度参数。 汽车开门防撞技术作为一个综合系统，包含许多硬件和软件技术。以视频图像作为处理对象的防撞系统，其硬件系统一般包括传感器、计算机、报警装置等，软件技术主要是运动目标检测技术。常用的运动目标检测方法可分为（1）背景差分法；（2）时域差分法；（3）光流法。基本原理是摄像头拍摄汽车后方的画面，画面传输到计算机，依次利用HOG算法和SVM算法，进行特征提取和图像分类，当判断画面中有非机动车时，触发报警装置。这种避撞方式作用距离长，实时性好，准确度高，具有较高实用性。另一种方法是利用雷达技术或红外线进行检测。利用雷达可以直接获得运动目标的位置和速度参数，具有算法简单，获取信息直接，数据准确全面的优点，得到了广泛的应用。但是雷达的视野范围小，难以做到实时性，也就不具备了及时的特性，对于对实时性要求很高的主动避撞系统来说是个不小的缺陷。而红外线测距容易受到大气条件的影响。相比之下，第一种方法的实时性高，算法可以作出改进，获取信息少但是却不缺少必需信息。因此此处采用的新型视觉汽车开门防撞技术采用的信息采集方法是利用摄像头拍摄图像。二、视觉开门防撞技术国内外同类研究状况 早在20世纪90年代，在美国AHS（Automated Highway System）项目的推动下，主动避撞系统开始被国内外广泛的研究。主动避撞系统主要研究内容是对目标的检测，国内长安大学、东北大学、北京工业大学等高校都进行了运动目标检测的研究，上述高校的研究是为汽车智能驾驶系统的视觉导航服务，虽然研究目的不同，但其研究内容大同小异。（1）国外汽车主动安全避撞系统的研究 随着微博器件和集成技术的飞速发展，必装系统在汽车领域获得了较快的发展，很快进入实用阶段。以德国、发过等欧洲国家对毫米波雷达避撞技术研究很快，如奔驰公司和英国劳伦斯电子公司联合研制的汽车避撞报警系统，在小汽车、客车和卡车上试用多年，性能良好。1995年，日本丰田汽车公司率先研制出了主动安全系统，三菱和日立公司在毫米波雷达技术方面也做了大量的研究，美国的研究相对于欧洲和日本来说起步较晚，但目前美国的汽车避撞技术已经处于世界的领先水平。文献[9]提供了一种典型的主动避撞系统的结构，即通过信息感知和信息融合技术，对车辆行驶环境进行实时检测，通过安全距离的计算来对潜在危险作出判断，触发报警和启动控制器进行自动控制。（2）国内汽车主动安全避撞系统的研究 20世纪90年代中期，我国开始主动安全避撞系统的研究。以清华大学、吉林大学和东南大学等科研院所进行了大量工作，取得了一定成果，但是和国外的高投入、综合性研发相比，国内研究不够集中，研究深度不够，研发成功的产品功能比较单一。我国清华大学汽车安全与节能国家重点实验室从2001年开始在汽车主动避撞方面展开研究，从早期的避撞报警研究到基于ITS的主动逼撞关键技术的突破，目前已经出现可实用的成果，走在国内研究的前列。对于开门防撞的研究比较少，主要是当微处理器判断驾驶人或乘客有开车门的意图后，借助影像撷取单元将汽车后方影像显示给车内乘员，或者直接旋转后视镜，调整驾驶员的视野，以及语音提醒使驾驶员了解后方的情况。也可以在感受器判断出后面有非机动车经过时，使转向灯闪烁，为非机动车乘员报警。三、SVM算法和HOG特征 1995年,Vapnik等人在统计学习理论的基础上提出了一种模式识别的新方法支持向量机(Support Vector Machine ,SVM)。它根据有限的样本信息在模型的复杂性和学习能力之间寻求一种最佳折衷,以期获得最好的泛化能力。支持向量机的理论基础决定了它最终求得的是全局最优值而不是局部极小值,从而也保证了它对未知样本的良好泛化能力。正因为此,SVM方法一经提出就引起了广泛的重视,并成为研究的热点。 支持向量机的理论最初来自对两类数据分类问题的处理。SVM考虑寻找一个超平面,以使训练集中属于不同分类的点正好位于超平面的不同侧面,并且,还要使这些点距离该超平面尽可能远。即寻找一个超平面,使其两侧的空白区域最大。 支持向量机的目标就是,根据结构风险最小化原则,构造一个目标函数,从而将两类模式尽量正确地区分开来。它在解决小样本、非线性和高维模式识别问题中表现出许多特有的优势，并在很大程度上克服了维数灾难和过学习等问题。此外，它具有坚实的理论基础，简单明了的数学模型，因此，在模式识别、回归分析、函数估计、时间序列预测等领域都得到了长足的发展，并被广泛应用于文本识别、手写字体识别、人脸图像识别、基因分类及时间序列预测等。提取特征是计算机视觉应用的基础核心步骤之一。局部特征描述符基于在呈现对象出现各种变化后，具有特质的小局部会体现出一定的不变性，通过一定的方式将这些小局部组合到一起就能获得对象呈现的不变性，人类视觉利用了这个机理。局部纹理、局部形状、几何信息、梯度、特定频谱、像素强度、像素深度信息和颜色等都可以作为描述符的基础信息。其中，梯度信息得到了广泛的应用。按是否围绕关键(特征)点提取信息，可以将局部图像描述符分为基于关键点的和稠密的。最著名的基于关键点的底层描述符是尺度不变特征变换(Scale Invariable Feature Transform, SIFT)。受 SIFT 启发，设计了方向梯度直方图(Histogram of Oriented Gradient ,HOG)。HOG 是基于梯度的稠密局部描述符。HOG 首先在每个 cell(小局部区域)中计算方向梯度直方图，然后在由多个cell组成的block中将这些直方图连接起来形成一个向量，最后在 block 中对该向量进行规范化。应用 HOG 时使用多个 block 对感兴趣区域(检测窗口)进行覆盖来提取特征，并且使用了 block 部分重叠方式。采用部分重叠技术是为了获得一定程度的区域(全局)信息。最初 HOG 被用于行人检测，随后被广泛应用到了各种对象，包括刚体如汽车、摩托和非刚体，如动物和人的检测、跟踪和识别。最近也应用于图像检索、图像感知、场景分类等领域。本设计拟利用HOG算法将样本数字化，然后利用支持向量机对数字特征进行分类，以达到将目标从图像中识别的目的。

3. 研究的基本内容与计划

研究内容： 1.学习了解车辆视觉主动安全、汽车开门防撞技术的基本概念和知识。 2.学习SVM算法和HOG体征提取。 3.学习Microsoft Visual C ，OpenCV的使用。 4.编程实现汽车周围目标物的检测和识别。研究计划： 1-2周：查阅资料，初步了解设计内容及相关研究现状，完成开题，尽量完成样本的采集工作； 3-4周：学习了解图形图像学知识，了解汽车开门防撞系统工作原理； 5-10周：研究目标检测实现软件Microsoft Visual C 的使用方法和目标检测算法实现原理； 11-13周：编程实现目标检测并进行测试； 14-16周：整理分析研究的资料，撰写论文，准备答辩。

4. 研究创新点

以摄像机作为传感器并通过视觉方法对车辆后方目标进行检测可有效降低硬件成本，高效的算法也能提升检测的准确性，最终增强开门防撞系统的实用性。