【技术实现步骤摘要】
本专利技术属于车辆检测和道路交通安全
,具体涉及一种基于全景摄像技术的山区公路弯道盲区会车预警系统,适用于山区道路上弯道的车辆会车预警场合。
技术介绍
随着我国经济的快速发展,道路基础设施的完善,加之我国幅员辽阔,地形复杂多样,山区公路众多,导致我国公路交通系统存在非常多的弯道,特别是山区公路存在行车视野盲区的U形上下坡弯道处最为危险,是交通事故高发区。因此、公路弯道盲区车辆会车预警,成为降低交通事故发生几率的重要手段。目前公认的弯道安全预警措施比较少,主要有两类:基于雷达的防撞安全预警系统、在弯道处竖立凸面镜。随着车辆检测和道路交通安全技术的发展,用于车辆行驶安全的辅助设备越来越多,现行的弯道行车安全预警措施主要有:(1)在弯道处竖立凸面镜显示对面来车情况,但凸面镜作用距离有限,只有当车辆距离凸面镜很近时才能被显示,且预警提示不明显,而且在夜晚行车时,凸面镜的反射灯光可能使对向来车驾驶员感到目眩,凸面镜的反射效果很容易受雪雾等恶劣天气的影响。(2)基于雷达的车载防撞安全预警系统,该系统对于直线道路上行驶的车辆预警效果非常好,而对于弯道处特别是有山体遮挡盲区的弯道处车辆防撞预警效果很有限的,因为雷达只能对前方一定直线区域进行扫描,所以在弯道处能扫描的有效距离很短。(3)基于地地磁传感器或激光传感器的弯道车辆预警装置,该系统虽然能够对弯道对向来车进行很好的提前预警,且受环境因素影响较小,但当弯道内有车辆停留或发生车祸时,则不能弯道两侧来车进行预警。还有学者提出基于车联网车-车通信技术,使弯道两侧来车及时进行通信,以达到相互预警的目的,但这种方式无疑会 ...
【技术保护点】
基于全景摄像技术的山区公路弯道盲区会车预警系统,其特征在于,包括:图像获取模块、图像处理模块、车辆识别模块以及信号输出显示模块,其中:图像获取模块用于获取山区公路弯道进口处、弯道处、弯道出口处的图像,并将采集到的图像输入到图像处理模块;图像处理模块接收到上述的图像后,将图像灰度化处理后转换为数字信号,再对图像进行全景拼接处理,经过图像增强和形态学运算后再将全景拼接处理后的数字信号还原为全景图像后进行输出;车辆识别模块用于识别所述的全景图像中的车辆,并判断识别出车辆的运动速度、运动方向以及整个弯道内的车辆数量;信号输出显示模块用于将所述的全景图像中的车辆、速度以及车辆数量信息通过设置在弯道进口处、弯道出口处的显示器进行实时显示。
【技术特征摘要】
1.基于全景摄像技术的山区公路弯道盲区会车预警系统,其特征在于,包括:图像获取模块、图像处理模块、车辆识别模块以及信号输出显示模块,其中:图像获取模块用于获取山区公路弯道进口处、弯道处、弯道出口处的图像,并将采集到的图像输入到图像处理模块;图像处理模块接收到上述的图像后,将图像灰度化处理后转换为数字信号,再对图像进行全景拼接处理,经过图像增强和形态学运算后再将全景拼接处理后的数字信号还原为全景图像后进行输出;车辆识别模块用于识别所述的全景图像中的车辆,并判断识别出车辆的运动速度、运动方向以及整个弯道内的车辆数量;信号输出显示模块用于将所述的全景图像中的车辆、速度以及车辆数量信息通过设置在弯道进口处、弯道出口处的显示器进行实时显示。2.如权利要求1所述的基于全景摄像技术的山区公路弯道盲区会车预警系统,其特征在于,所述的系统还包括:输入模块和控制模块,其中:输入模块包括设置在弯道进口处、弯道出口处的地磁传感器,用于进行车辆检测;控制模块用于接收输入模块传递来的、当前是否有车辆经过弯道的指令,并根据该指令以及车辆识别模块的识别结果,共同控制信号输出显示模块;控制过程为:当控制模块未接收到所述的指令以及识别结果时,使信号输出显示模块断电以节省能源;当控制模块接收到所述的指令以及识别结果时,通过信号输出显示模块将识别结果进行实时的显示。3.如权利要求1所述的基于全景摄像技术的山区公路弯道盲区会车预警系统,其特征在于,所述的信号输出显示模块包括安装在弯道进口处和弯道出口处的显示器。4.如权利要求1所述的基于全景摄像技术的山区公路弯道盲区会车预警系统,其特征在于,所述的系统还包括:图像存储模块,图像存储模块与图像获取模块、图像处理模块连接,用于接收并存储最近2~3天所述的图像获取模块采集的图像以及经过图像处理模块处理得到的全景图像。5.如权利要求1所述的基于全景摄像技术的山区公路弯道盲区会车预警系统,其特征在于,所述的图像处理模块中,对信号进行全景拼接处理的方法包括:对图像信号进行特征点的提取,提取的过程中加入Harris角点算子,筛选出鲁棒性较强的特征点,然后借助匹配特征点对之间的几何一致性来对特征点进行粗提纯;最后采用重叠区域线性过渡融合算法对图像信号进行平滑过渡,消除拼接缝隙。6.如权利要求5所述的基于全景摄像技术的山区公路弯道盲区会车预警系统,其特征在于,所述的特征点提取、加入Harris角点算子,筛选出鲁棒性较强的特征点的具体算法为:从图像中提取的特征点的信息可以表示为:I(xn,yn,σn,θn),其中xn、yn是特征点的横坐标和纵坐标,σn为特征点的尺度,θn为特征点的方向;n∈(1,N),N为从图像中提取的特征点的总数;则Harris角点检测的自相关矩阵可以表示为: M = Σ ( x , y ) ∈ W ( x n , y n ) w ( x , y ) I x 2 I x I y ...
【专利技术属性】
技术研发人员:韩毅,邢亚山,魏敬东,刘伟,肖旭辉,
申请(专利权)人:长安大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。