车路视觉协同的高速公路防碰撞预警算法

摘要：

目的 基于视觉的前车防碰撞预警技术是汽车主动安全领域的一个重要研究方向,其中对前车进行快速准确检测并建立稳定可靠的安全距离模型是该技术亟待解决的两个难点.为此,本文提出车路视觉协同的高速公路防碰撞预警算法.方法 将通过图像处理技术检测出来的视频图像中的车道线和自车的行驶速度作为输入,运用安全区实时计算算法构建安全距离模型,在当前车辆前方形成一块预警安全区域.采用深度神经网络YOLOv3(you only look once v3)对前车进行实时检测,得到车辆的位置信息.根据图像中前车的位置和构建的安全距离模型,对可能发生的追尾碰撞事故进行预测.结果 实验结果表明,重新训练的YOLOv3算法车辆检测准确率为98.04％,提出算法与马自达CX-4的FOW(forward obstruction warning)前方碰撞预警系统相比,能够侧向和前向预警,并提前0.8s发出警报.结论 本文方法与传统的车载超声波、雷达或激光测距的防碰撞预警方法相比,具有较强的适用性和稳定性,预警准确率高,可以帮助提高司机在高速公路上的行车安全性.

关键词：前防碰撞预警、安全距离模型、车道线检测、车辆实时检测、YOLOv3

所属期刊栏目：25

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;江苏省高校自然科学研究重大项目;江苏省333工程资助项目;淮安市科技局项目

在线出版日期：2020-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1649-1657