基于LED矩阵与单目视觉的光通信V2V技术在车辆编队中的创新应用与性能优化研究

本研究针对传统车车通信(V2V)技术如DSRC、C-V2X和VLC存在的高成本、网络依赖性和安全隐患等问题，创新性地提出基于LED矩阵和单目视觉的网络无关信息传输方案。通过16×16 LED矩阵编码传输车辆状态数据，结合YOLOv8目标检测和Hamming码纠错技术，实现了2.428米最大传输距离(MTD)、66.5°最大偏航角(MTY)及1.14%的日间误码率(BER)。实验证明该系统在无网络环境下仍能保持稳定通信，为智能交通系统提供了新型补充解决方案。

　　

随着智能交通系统的发展，车辆编队技术因其能显著提升燃油经济性、缓解交通拥堵和减少碰撞事故而备受关注。然而，当前主流的车车通信(V2V)技术如专用短程通信(DSRC)、蜂窝车联网(C-V2X)和可见光通信(VLC)面临着基础设施依赖、电磁干扰、隐私泄露等挑战。特别是在网络中断或遭受网络攻击时，这些技术的可靠性大幅降低。针对这一技术瓶颈，研究人员开展了一项突破性研究，提出基于LED矩阵和单目视觉的新型光通信系统，相关成果发表在《Green Energy and Intelligent Transportation》上。

研究团队采用16×16 LED矩阵作为信号发射器嵌入车辆尾灯，通过二进制编码传输车速、加速度、转向状态等关键参数。接收端采用单目摄像头捕捉图像，结合改进的YOLOv8n网络进行目标检测，并创新性地采用网格定位算法识别点亮LED单元。系统引入Hamming码和冗余数据校验机制，在Raspberry Pi控制的机器人汽车实验中实现了2.428米的最大传输距离(MTD)和66.5°的最大偏航角(MTY)。

关键技术包括：(1)LED矩阵分区编码技术，将不同功能区域划分为锚点模式和信息传输区；(2)基于HSV色彩空间和形态学处理的图像预处理；(3)改进的YOLOv8n神经网络用于复杂光照条件下的目标检测；(4)基于网格特征点的LED单元定位算法；(5)Hamming码和多数表决机制的误码校正系统。

研究结果显示：在白天条件下，系统达到1.14%的误码率(BER)和4.17Hz的帧率(FPS)；夜间条件下BER为2.48%。通过理论计算证明，相比传统自适应巡航控制(ACC)系统0.41秒的延迟，本系统0.24秒的响应时间可使100km/h车速下的制动距离减少26.23%。研究还验证了多车场景中通过车辆ID识别的可行性，并提出了采用四LED单元编码、抗晕染摄像头等改进方案以提升性能。

讨论部分指出，该系统作为传统V2V技术的补充，在网络中断时仍能维持基本通信，且具有三大优势：(1)无需额外硬件，仅利用现有车灯和摄像头；(2)可见光通信不受电磁干扰；(3)较小的冲突域降低信号干扰。虽然当前5.743kb/s的传输速率有限，但已满足编队基本需求。研究最后提出了通过多LED单元编码、高分辨率摄像头等改进方向。

这项研究为智能交通系统提供了一种新型可靠的光通信方案，特别是在网络基础设施受损的应急场景下具有重要应用价值。其创新性地将计算机视觉与光通信技术结合，不仅拓展了V2V通信的技术路线，也为低成本自动驾驶解决方案提供了新思路。未来通过传输速率和稳定性的进一步提升，该系统有望成为智能网联汽车通信体系中的重要组成部分。