摘要
随着新能源汽车和自动驾驶技术的不断发展，人们对可靠的驾驶辅助系统也提出了更高的要求。FCW系统是ADAS的重要组成部分。该系统一般是通过雷达系统检测前方车辆，判断前车的距离、方位及相对速度，缺少对前车的行为分析。针对此问题，本文提出了一种车辆速度测量和车辆行为分析相结合的FCW系统设计方案。该方案将双目立体视觉系统搭载到目标车辆，通过双目立体视觉原理对车辆前方同向行驶的车辆进行速度测量；同时通过改进的X3D-M行为识别算法对前方同向行驶车辆的尾部信号灯状态进行判断，分析前方车辆可能发生的行为。本文针对车辆尾部特性检测进行了具体的方案设计，并将其用作FCW系统车辆追踪测速模块；同时设计了行为识别算法用作FCW系统车辆行为分析模块。本文的主要工作包括： (1)针对同向行驶车辆的特点，本文制作了车辆尾部特性数据集。在该数据集上对多种不同结构的YOLOv5目标检测算法进行了对比，优选出参数量小、检测精度高的YOLOv5m网络作为车辆尾部特性检测模型。 (2)结合国家标准GB4789-2019中对汽车及挂车外部照明和光信号装置的安装规定，制作了车辆尾灯状态数据集。利用该数据集进行实验，对比了6种基于深度学习的行为识别算法并优选出模型精简、准确率高的X3D-M行为识别算法作为FCW系统对车辆尾灯状态判断的网络模型。由于FCW系统对信号灯状态判断的准确性要求高，本文结合无参注意力机制，提出了X3D-M-SimAM算法。在X3D-M行为识别算法网络参数和计算量同时降低的情况下，提高了对车辆尾灯行为识别的准确率。 通过实验验证，本文设计的FCW系统对前方同向行驶的车辆有良好的追踪测速效果，测速误差可以控制在6%以内，符合国家标准GB/T21555-2007对测速误差的要求。同时在收集的车辆尾灯状态数据集上，X3D-M-SimAM行为识别算法对车辆尾灯状态判断的准确率可以达到93.09%，且验证实验中车辆尾灯状态判断全部正确。本文设计的FCW系统具有高可靠性，能够为ADAS系统提供车辆前方行驶环境中的有效信息，辅助驾驶员对车辆行驶状态进行有效干预。
NETL