【中重型汽车视野盲区成像系统的设计案例分析2700字】

中重型汽车视野盲区成像系统的设计案例分析目录TOC\o"1-3"\h\u24950中重型汽车视野盲区成像系统的设计案例分析 1269691.1盲区成像装置的基本构成 1166151.2盲区成像装置的信号输入和输出 3149181.3标定量 494711.4摄像头选型 570451.5摄像头覆盖区域 787841.6图像拼接与融合 91.1盲区成像装置的基本构成根据盲区分布特征，确定系统由主车前部摄像头、主车左摄像头、主车右摄像头、倒车后部摄像头组成。摄像头监控各重点部位的情况，通过影音系统上的按键对各路视频进行切换，盲区监控控制器将相应视频处理后，发送给影音系统进行显示。系统构成图如下：图1.8该装置采用独立网关，通过CAN总线将各个功能域设备进行连接，这样使得各个功能域网络之间是物理隔离的，从功能安全性以及稳定性来说也是具有优势的。其基本特征是：（1）全面采用CAN总线，速率为500Kbit/s；（2）采用MCU对主机进行唤醒和休眠的管理。其硬件原理框图为：其中主要功能有：视频图像拼接：对驾驶室的三路摄像头采集的图像信号进行拼接合成,并可填补后摄像头采集的图像,处理合成一CVBS路视频输出给车载多媒体屏显示。视角切换：检测转向、倒车、

前进信号,切换到相应画面。视频数据存储：视频数据的存对视频数据可进行存储、调取和回放。拓展功能：最多可拓展8路摄像头输入1.2盲区成像装置的信号输入和输出盲区成像装置输入信号序号名称信号来源类型1前摄像头视频摄像头CVBS2主车左侧摄像头视频摄像头CVBS3主车右侧摄像头视频摄像头CVBS4挂车左摄像头视频摄像头CVBS5挂车右摄像头视频摄像头CVBS6倒车摄像头视频摄像头CVBS7挂车状态来自于GWCAN8左转向灯开关信号来自于GWCAN9右转向灯开关信号来自于GWCAN10车速信号来自于GWCAN11倒车开关信号来自于GWCAN12电源30+硬线13电源15+硬线14电源地搭铁GND盲区成像装置输出信号序号名称输出类型1输出至SD卡CVBS2当前视频源信号CAN3当前视角模式CAN注：1.当前视频源信号：只有驾驶员选择全屏显示某个摄像头画面时，才会发出相应的视频源信号，其余情况默认不发出信号；2.输出给SD卡的画面为4宫格画面，没有其他的视角模式及视频源信号。1.3标定量标定量内容可以根据不同车型或工况下的进行自行设定，对默认值进行标定。标定量。如下表；盲区成像装置标定量列表名称默认值行驶时视野增强的速度20km/h单个视频记录时长5min视频强制关闭时间5h1.4摄像头选型摄像头的种类多种多样，按照不同的功能摄像头也有不同的类型，所以对与盲区成像装置的摄像头的选择要从色彩、分辨率、角度、芯片和输出方式这几个方面入手。普通的平角摄像头的成像的角度只能达到120度，安装在在长度达20多米的重型货车上，是无法达到完全覆盖盲区，并且图像存在较大的空白区域导致无法对图像进行拼接的处理，因此，本文采用度广角角摄像头，最大的成像角度可达180度。另外，摄像头传感芯片应采用可以和车载ECU匹配的芯片，以保证良好的器件兼容性和可靠性，同时摄像头摄像效果要保证色彩艳丽，色彩失真度小。根据以上分析，为了便于图像的拼接，摄像头之间还要具有一定的重叠区域，所以我们应选择一种拍摄角度为180度的广角车载摄像头。其主要参数为：项目说明芯片索尼芯片分辨率720P产品镜头超广角全波摄像头镜头角度180度防水等级IO67/68级防水/防震色彩亮度自动校正商品接头AV莲花插头由于大广角鱼眼摄像头属于非线性模型，所以成像具有较强的非线性，畸变较为严重。需要进行畸变校正。使其成像具有线性或者近似线性。但本文采用的摄像头是带有自动校正功能的所以就不再进行畸变矫正计算。进行校正前后的对比图如下：校正前的图像校正后的图像1.5摄像头覆盖区域本文的摄像头安装位置如图：从上面校正后的图像可以看出虽然已经进行了畸变校正，但在靠近图像边缘部分还具有比较明显的纵向畸变，所以有必要进行设计辅助线为驾驶员进行更为直观的距离显示。普通镜头成像原理是小孔成像，而鱼眼摄像头是广角摄像头，鱼眼摄像头的焦距短，但相比其他摄像头的视野范围更大，鱼眼摄像头的成像原理图：由图可以看出在光轴附近的物体成像是线性的，不具有畸变的效果。依据本文模型，把摄像头安装在1.7米，角度为30度，具有较好的视觉效果。如图：可以纵向线性成像的距离为：其中纵向可以正常成像的距离为1.7÷tan30≈3m在上图的水平覆盖图像从左到右的黑白棋盘格的距离分别为5.4m、2.8m，水平总覆盖范围是8.4m，可以完全覆盖车头前方的盲区。左右两侧成像距离不同的原因在于摄像头感光元件中心和镜头中心之间存在偏差，偏差越大摄像头成像校正后左右两侧成像范围差距越大。按照上图的安装位置其该覆盖区域为:上图绿色区域为重叠区域，由此可以看出可以完全的消除前方视野盲区，后视镜视野盲区和后方视野盲区，并且可以达到视频拼接的要求。1.6图像拼接与融合在对视频图像进行拼接的时候，需对视频图像的重叠区域进行相关的检测。因为动态的视频流是由静态的每一帧图像构成的。因此对视频的操作相当于对图像进行操作，其中本文图像拼接的步骤为：1、特征点提取：图像的特征点一般是指图像中具有鲜明特色并能够准确反映图像本质的目标物体的点。目前常见的特征点提取的方法有Harris、SIFT、FAST和ORB。Harris检测器检测轮廓之间的交点或者像素附近区域变化较大的点，因此Harris特征点具有平移、旋转和衍射不变性，但不具有尺度不变性，；SIFT特征点是通过建立高斯尺度空间，从该尺度空间中检测出来相对稳定的点，因此除了具有平移、旋转和衍射不变性外，还具有尺度不变的特性。FAST算法只检测邻域内半径为3圆周上的16个像素的灰度值，如果相邻的N个像素的灰度值大于或小于该点的灰度值并且超过了相应的阈值，那么就取该点为特征点。OBR特征点运行速度极快虽然具有一定的实时，并且精度损失少，但在噪声的情况下性能不是很稳定。本文运用SIFT特征点提取的算法提取特征点，它具有稳定性强，能够准确的表征图像的特征。2、特征点匹配：在特征点提取的基础上，根据每个特征点的描述子在待匹配的两幅图像中寻找最佳配对点对。由于特征点提取过后存在大量冗余点，根据两个特征点间的相似性度量来挑选匹配点，去除冗余点。本文将采用双向最大相关系数BGCC方法进行特征点的粗匹配，在图像变换参数估计中使用随机采样方法进行参数估计，提高算法的鲁棒性。3、图像变换参数确定：根据配对点对从一幅图像到另一幅图像的变换参数进行估计。RANSAC是一种不确定算法，即选择一些数据并假设数据符合正确的数学模型。通过此模型把数据分为内点和外点，当内点数量和外点数量的比值满足大于预设的阈值时，返回此数学模型。否则重复迭代算法直到找到正确的数据模型或者迭代次数达到预设的次数返回失败。4、图像重采样：根据图像变换参数对其中一幅图像进行坐标变