通過圖像傳感器對前方車輛或障礙物的測量包括利用單幀圖像的測距和利用多幀圖像的測距。研究中考慮攝像機的安裝位置參數(shù)，攝像機z坐標軸相對于X軸的夾角稱為掃視角β，攝像機光軸(z軸)相對于垂直方向(Z軸)的夾角稱為傾斜角α，如圖1所示。圖中，攝像機外參數(shù)α，β，h和內(nèi)參數(shù)攝像機焦距f由嚴格的攝像機標定獲得，利用車輛的圖像特征和Kalmam濾波原理實現(xiàn)對車輛的識別，可知車輛底邊P點計算機圖像坐標。點(u0，v0)是像平面坐標原點(O，0)；點(u，v)可由P點計算機圖像坐標(m，n)按照內(nèi)參數(shù)模型公式獲得。其中，kx，ky，是數(shù)字圖像在x軸與y軸方向的放大系數(shù)；Om，On是圖像平面原點的計算機圖像坐標。根據(jù)透視投影和三角幾何關(guān)系，兩車間距由式(1)計算得出：
   
    為檢驗式(1)的計算精度，在完成攝像機標定后，拍攝道路的人行橫道線，測量每一條人行橫道線與攝像機鏡頭中心的水平距離，與依據(jù)測距模型計算的距離進行比較，結(jié)果如表1所示。表中，實測距離與計算距離的誤差包括測量誤差和模型誤差。由表可以看出，誤差在許可范圍內(nèi)，能夠滿足下一步的處理要求。[!--empirenews.page--]

2 前車行駛狀態(tài)的確定
    前車的行駛狀態(tài)影響著汽車縱向碰撞預警模型的預警時刻，前車狀態(tài)的判斷以本車與前車的相對距離及相對速度為依據(jù)。根據(jù)圖像序列幀測得當前時刻與下一時刻本車與前車的車間距離，并且通過本車的速度傳感器獲得當前時刻與下一時刻的瞬時速度，則有：
   
式中：L2，L1，L0分別為不同時刻測量得到本車與前車的距離(單位：m)；vb1，vb2，vq1，vq2分別為本車與前車不同時刻的速度(單位：m／s)；vrel1，vrel2分別為本車與前車不同時刻的相對速度；ab，aq分別為該時刻下本車與前車的減速度(單位：m／s2)；△t為間隔時間(單位：s)。
    (1)|vq1，vq2|<εv時，前車處于靜止狀態(tài)，εv是測量允許誤差，由實驗確定取值。
    (2)|vq1，vq2|>εv，且|vq1-vq2|<εv，且vq1<vb1，vq2<vb2時，前車處于勻速行駛且本車速度高于前車。
    (3)|vq1，vq2|>εv，且|vq2-vq1|>εv，且vq2<vq1時，前車減速行駛，減速度為。

3 基于前車狀態(tài)和安全系數(shù)的縱向碰撞預警算法
3．1 縱向碰撞預警模型的建立
    汽車縱向碰撞預警系統(tǒng)在保證行車安全性和保障公路通行能力的同時，還要維持駕駛員對系統(tǒng)的信任度，如果預警系統(tǒng)的預警安全車距經(jīng)常大于駕駛員自己對安全車距的判斷時，由于系統(tǒng)的頻繁報警可能導致駕駛員忽視系統(tǒng)的報警信號或放棄對系統(tǒng)的使用。本文設計的預警算法利用前車的狀態(tài)確定安全系數(shù)，改善系統(tǒng)的預警時機控制，提高系統(tǒng)預警的安全性能，增加系統(tǒng)的可信任度。
    建立最小安全車距預警算法如下：
   
式中：Ld是預警系統(tǒng)開始報警時刻的安全車距；Ls是根據(jù)汽車制動理論以及本車與前車不同狀態(tài)時計算的最小安全車距；γ是基于前車狀態(tài)的安全系數(shù)權(quán)重。最小安全車距Ls的計算公式如下：
   
式中：t為制動操作反應時間(單位：s)；vs，vq分別為本車、前車制動前的初始速度(單位：m／s)；vrel為兩車相對初始速度(單位：m／s-)；D0為兩車停止或兩車速度相等時安全間距，一般取2～5m。
    安全系數(shù)γ的取值規(guī)則如下：
   
    前車處于靜止狀態(tài)，或者前車勻速行駛且本車的速度快于前車，即aq=0，以本車最大減速度計算的安全車距比較合理。實際交通中駕駛員考慮到乘車舒適性而較少用最大減速度操作，在未到最小安全車距之前已經(jīng)采取措施，預警模型的主要作用是提醒駕駛員疏忽或注意力分散時的操作狀態(tài)，故安全系數(shù)權(quán)重γ=1。
    前車突然減速時，有三種情形：
    (1)兩車減速度相等，滿足公路行車的一般條件，以此種情況計算的安全車距為基數(shù)，通過測算前車的減速度，確定安全系數(shù)權(quán)重γ。
    (2)本車減速度小于前車減速度，本車制動效能差于前車屬于最危險情況，但出現(xiàn)的概率不多。
    (3)本車減速度大于前車減速度，本車制動強度高于前車制動強度，或本車制動強度隨前車的變化而變化，并且始終高于前車，是公路行車常見的情況。此時，計算的安全車距過小，不適宜作為預警依據(jù)。
    綜上所述，當aq=0時，如上所述γ=1；當aq<5．0 m／s2時，本車減速度有能力高于前車減速度，取γ=0．8；當5．0<aq<6．8 m／s2時，認為本車減速度能夠等于前車的減速度，取γ=1；當aq>6．9 m／s2時，考慮不利條件即本車減速度小于前車的減速度，取γ=1．2。
3．2 試驗驗證
    在結(jié)構(gòu)化道路上選用五菱之光6400C3加長版微型車作為實驗車輛，利用上述基于前車狀態(tài)和安全系數(shù)的安全車距預警算法對車輛跟馳距離的預警時刻進行驗證。結(jié)果表明，系統(tǒng)能夠可靠地給出預警，并且預警時刻的車間距離對于駕駛員是可接受的。
    圖2是前車勻速行駛，本車加速行駛時的報警時刻截圖。此時，車間距離為24．895 m，兩車相對速度為5．513m／S；

    [!--empirenews.page--]圖3為前車減速行駛，本車以90 km／h勻速行駛時的報警時刻截圖。此時，車間距離為45．847m，兩車相對速度為8．571m／s。

4 系統(tǒng)設計
    汽車縱向碰撞系統(tǒng)的實時性要求處理器具有較快的運行速度和較強的實時調(diào)度能力，研究中選用美國德州儀器公司(TI)設計和出品的利用達芬奇技術(shù)(Davinci)，基于DSP和ARM9雙核的TMS320DM6446ZWT片上系統(tǒng)(SoC)的評估板作為系統(tǒng)的硬件平臺，選用Linux系統(tǒng)作為嵌入式操作系統(tǒng)。
    系統(tǒng)首先接收圖像傳感器傳送過來的圖像，將彩色圖像轉(zhuǎn)化為待處理的灰度圖像，利用中值濾波、Sobel算子邊緣檢測、自適應閾值分割等圖象處理的方法，消除噪聲平滑圖像，經(jīng)過邊緣檢測和圖像分割獲得二值化圖像。
    在二值化圖像和灰度圖像基礎上對前方車輛輪廓進行識別，確定前車輪廓尺寸及其底邊位于平面圖像中的位置，根據(jù)汽車縱向碰撞預警模型實現(xiàn)跟車距離的計算和安全車距的預警。軟件流程圖如圖4所示。

5 結(jié)語
    提出了基于前車運動狀態(tài)和安全系數(shù)權(quán)重的汽車縱向碰撞預警算法，保證駕駛安全的同時確保公路行車的通行能力，計算報警距離與駕駛員認可的跟馳安全距離相一致，改善了系統(tǒng)的可信任度；嵌入式系統(tǒng)的應用有效地減少了系統(tǒng)的體積，有利于系統(tǒng)的應用和推廣。