CN106553655A - 危险车辆检测方法和系统以及包括该系统的车辆 - Google Patents
危险车辆检测方法和系统以及包括该系统的车辆 Download PDFInfo
- Publication number
- CN106553655A CN106553655A CN201611094156.6A CN201611094156A CN106553655A CN 106553655 A CN106553655 A CN 106553655A CN 201611094156 A CN201611094156 A CN 201611094156A CN 106553655 A CN106553655 A CN 106553655A
- Authority
- CN
- China
- Prior art keywords
- hazardous vehicles
- vehicle
- vehicles
- hazardous
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 231100001261 hazardous Toxicity 0.000 title claims abstract description 134
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000012502 risk assessment Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 29
- 230000004927 fusion Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000000505 pernicious effect Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 15
- 230000001133 acceleration Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 9
- 239000002689 soil Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000004568 cement Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及用于危险车辆检测方法和系统以及包括该系统的车辆。一种用于检测危险车辆的装置可包括:图像接收单元,用于接收当前车辆周围的环境图像数据;图像识别单元,用于从环境图像数据识别出特定类型的危险车辆;风险评估单元,用于根据与所识别的危险车辆相关的信息评估风险因子;以及警报生成单元,用于根据所述风险因子来生成相应的警报信号。本发明可用于检测当前车辆周围,尤其是后方的危险车辆,并且向驾驶员发出警报,从而有效地减少恶性交通事故的发生率。
Description
技术领域
本发明总体上涉及辅助驾驶领域,更特别地,涉及一种用于检测特定类型的危险车辆的方法和系统,其可以大幅度降低恶性交通事故的发生率。
背景技术
先进驾驶辅助系统(Advanced Driver Assistant System),简称ADAS,是利用安装于车上的各式各样的传感器,在第一时间收集车内外的环境数据,进行静、动态物体的辨识、侦测与追踪等技术上的处理,从而能够让驾驶者在最快的时间察觉可能发生的危险,以引起注意和提高安全性的技术。近年来,已经提出了很多驾驶辅助技术,防碰撞是其中非常重要和实用的一种技术。
常规的防碰撞技术包括前向碰撞预警(Forward Collision Warning)方案,它通过使用前向传感器(例如摄像头、雷达、激光和超声波等)感应和计算前车的速度和加速度、当前车辆与前车之间的距离、以及当前车辆的速度和加速度等参数来判断潜在的碰撞风险。当碰撞风险超过某阈值时,就发出警报;如果碰撞不可避免,还可以采取主动刹车减速、安全带预紧等措施,从而减少碰撞的发生或者降低碰撞损失。
还已经提出了后向防碰撞技术,其与前向防碰撞类似,利用后向传感器来评估当前车辆被后车追尾的风险。当碰撞风险超过某阈值时,就发出警报;如果碰撞不可避免,还可以采取松开刹车、切换发动机档位等措施,以减少碰撞的发生或者降低碰撞损失。
本发明人研究后发现,虽然传统的防碰撞技术在一定程度上能够减少碰撞的发生,但是仍然存在诸多缺陷。首先,其一般在确定存在碰撞风险时,才会发出警报,很可能为时已晚,驾驶员没有足够的反应时间来采取相应的措施以避免碰撞,因此不能起到防患于未然的作用。
第二,传统的防碰撞技术在计算与前后车的碰撞风险时,仅依靠速度、加速度和距离这些物理参数,而并不考虑前后车的车型等因素。结果,虽然传统的防碰撞技术能够避免一些小型车辆之间的轻型碰撞,但是其对于特定的危险车辆,例如,诸如水泥罐车、泥头车、重型货车、挂式或半挂式牵引车之类的大型车,造成的碰撞事故一般起不到任何实际效果。然而,这些危险车辆引起的事故才是尤其需要避免的,因为其往往会造成诸如人员伤亡之类的严重后果。
虽然在中国发明专利申请201410010655.7中公开了这样一种技术:基于各个物体的属性评估各个物体与车辆相撞时的后果严重程度,基于相撞概率和潜在的相撞后果严重程度,向驾驶员提供驾驶辅助信息,但是该方案仍需要识别周围各种物体的属性,以及评估碰撞风险和碰撞后果,这会导致识别、计算量过大,对车载硬件的要求过高;同时现有软件算法也很难达到该专利申请中描述的准确度水平,无法做到任意路况下检测到碰撞危险时由系统代替驾驶员进行自动驾驶。因此在可预见的未来,这种技术仍是难以实用的。
第三,现有的防碰撞技术,包括前向防碰撞和后向防碰撞,都是针对前后方向最接近的第一辆车来进行参数测量和碰撞风险计算的,因此其并不能估计与前后方向第二辆车的碰撞风险。然而对于一些危险车辆,例如载重量巨大的大型货车,其在碰撞时可能会对前方的若干辆车都造成严重的损害。现有的防碰撞技术并不能降低这种风险。
因此,期望能有一种驾驶辅助技术,其能够有效地降低恶性交通事故的发生率。
发明内容
本发明的一个方面在于提供一种用于检测危险车辆的装置和方法,其通过检测危险车辆并且向当前车辆的驾驶员发出警报信号,能有效地降低恶性交通事故的发生率。
根据本发明一示例性实施例,一种用于检测危险车辆的装置可包括:图像接收单元,用于接收当前车辆周围的环境图像数据;图像识别单元,用于从环境图像数据识别出特定类型的危险车辆;风险评估单元,用于根据与所识别的危险车辆相关的信息评估风险因子;以及警报生成单元,用于根据所述风险因子来生成相应的警报信号。
在一示例中,所述图像接收单元接收当前车辆的后方的环境图像数据。
在一示例中,所述图像接收单元接收还接收当前车辆的前方、左侧和右侧中的一个或多个方向上的环境图像数据。
在一示例中,所述用于检测危险车辆的装置还包括:信息融合单元,用于融合所述图像识别单元识别的与危险车辆相关的信息和当前车辆的相关信息。
在一示例中,所述信息融合单元还融合来自雷达传感器的所述危险车辆的位置和运动状态信息、以及来自导航单元的地图信息。
根据本发明另一示例性实施例,一种检测危险车辆的方法可包括:采集当前车辆周围的环境图像;从所述环境图像识别出特定类型的危险车辆;融合与危险车辆相关的信息以及与当前车辆相关的信息;基于融合信息评估风险因子;以及基于风险因子生成警报信号。
在一示例中,识别出特定类型的危险车辆包括识别危险车辆的车型。所述方法还包括从雷达传感器接收所识别的危险车辆的位置信息和运动状态信息。
在一示例中,融合步骤包括融合危险车辆的车型、位置、运动状态信息,当前车辆的运动状态信息,以及来自导航单元的地图信息。
在一示例中,识别出特定类型的危险车辆包括基于危险车辆的正面视图或尾部视图的上部分来识别该危险车辆的车型。
在一示例中,生成警报信号包括基于风险因子生成不同等级的警报信号,从而以不同的形式向当前车辆的驾驶员发出警报。
根据本发明另一示例性实施例,一种车辆可包括:一个或多个传感器,用于采集该车辆周围的环境数据;以及耦接到所述一个或多个传感器的处理器,所述处理器配置为运行存储在存储器上的计算机程序指令以执行上述方法。
附图说明
通过结合附图对本发明的示例性实施例进行更详细的描述,本发明的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本发明的示例性实施例的进一步理解,并且构成说明书的一部分,与本发明的示例性实施例一起用于说明本发明的原理,并不构成对本发明的限制。在附图中,相同的附图标记通常代表相同的部件或步骤。
图1示出根据本发明一示例性实施例的配置有用于感测外部环境数据的传感器的车辆的示意图。
图2示出根据本发明一示例性实施例的危险车辆检测装置的功能框图。
图3示出根据本发明一示例性实施例的检测危险车辆的方法的流程图。
图4示出根据本发明一示例性实施例的危险车辆警告信号的示意图。
图5示出根据本发明一示例性实施例的危险车辆检测场景的示意图。
图6示出根据本发明另一示例性实施例的危险车辆检测场景的示意图。
图7示出根据本发明另一示例性实施例的危险车辆检测场景的示意图。
图8示出根据本发明另一示例性实施例的危险车辆检测场景的示意图。
图9示出根据本发明一示例性实施例的车辆的结构框图。
具体实施方式
下面,将参考附图详细描述本发明的示例性实施例。提供这些实施例以便于理解本发明的原理,而非用于限制本发明。
图1示出根据本发明一示例性实施例的配置有用于感测外部环境数据的传感器的车辆的示意图。如下面详细描述的那样,这些传感器可以采集当前车辆周围的驾驶环境数据,所采集的驾驶环境数据可被车上的处理器单元处理以实施本发明的危险车辆检测方法。
参照图1,车辆10配置有后视图像传感器,其具有的视野11。图像传感器可以是例如摄像头,包括单目摄像头、双目摄像头或者更多目摄像头等。后视图像传感器可以安装在车辆顶部的后侧,以具有良好的向后视野。车辆10还可以配置有后视雷达传感器,其具有视野12。雷达传感器可以是例如激光雷达传感器、毫米波雷达传感器、超声波雷达传感器等。后视雷达传感器也可以安装在车辆顶部的后侧,以具有良好的向后视野。在本发明的一些实施例中,如下面描述的那样,图像传感器可用于识别车辆周围的外部对象,例如危险车辆,而雷达传感器可以用于检测外部对象的距离和运动状态,包括速度和加速度等。在另一些实施例中,也可以利用图像传感器来识别外部对象,以及检测外部对象的距离和运动状态。在这些实施例中,雷达传感器可以被省略。但是应理解,雷达传感器能够比图像传感器以更高的准确度和精度来检测外部对象的距离和运动状态,因此是优选的。
可选地,车辆10还可以配置有:前视图像传感器和雷达传感器,其分别具有视野13和14;左视图像传感器和雷达传感器,其分别具有视野15和16;以及右视图像传感器和雷达传感器,其分别具有视野17和18。这些图像和雷达传感器与前视图像和雷达传感器类似,这里不一一详细描述。
应理解的是,虽然图1示出了左视和右视传感器可以安装在后视镜上,但是它们也可以安装在其他位置,例如分别安装在车辆顶部的左侧和右侧。在另一些实施例中,还可以在车辆10的顶部上的中央位置设置安装基座,而将这些图像传感器和雷达传感器都设置在该安装基座上。图1所示的视野也是示意性的,在一些实施例中,不同方向的传感器的视野之间可以交叠,以实现360度全环绕视野。在另一些实施例中,也可以仅包括一个图像传感器和雷达传感器,其安装在上述安装基座上并且绕一垂直轴旋转,从而实现360度全环绕视野。
图2示出根据本发明一示例性实施例的危险车辆检测装置100的功能框图。下面,参照图2来描述根据本发明的示例性实施例的检测危险车辆的装置。
如图2所示,危险车辆检测装置100可包括图像接收单元110,其可接收来自后视图像传感器的图像数据。可选地,图像接收单元110也可以接收来自其他图像传感器的数据,例如前视、左视和右视图像传感器。图像接收单元110所接收的图像数据可提供给图像识别单元120以进行图像识别。在本发明的该实施例中,图像识别单元120用于识别危险车辆。
本发明人发现,很多恶性的交通事故,例如造成人员伤亡的交通事故,主要都与危险车辆相关。这里,危险车辆指的是体积较大,例如较高、较宽且较长,载重量大的运输车辆,例如大型货车、渣土车、泥头车、水泥罐车、危险品(例如化学品、天然气等)运输罐车、工程车、洒水车、大客车等。这些车一般因为体积较大,驾驶员存在较大的盲区,可能不能观察到其附近的小型车辆,例如家用小轿车。此外,因为其重量大,这类车辆在高速行驶时具有巨大的惯性,一般很难实现短距离刹车制动。而且,这些车辆可能疏于保养检修,其刹车系统或轮胎可能会出现故障。因此,这些危险车辆在马路上行驶时可能会成为其他小型车辆,尤其是家用小轿车,的危险因素,而且由于这些危险车辆体积和重量庞大,车体硬度高,很容易对小型轿车造成巨大的损害,危及轿车内的驾驶员和乘客的生命安全。
正是因为意识到这一点,本发明的危险车辆检测装置100中的图像识别单元120用于识别此类危险车辆。图像识别单元120可以采用任何现有的或未来开发的图像识别技术以识别危险车辆,例如可以采用模板匹配、目标检测或深度神经网络技术。虽然危险车辆各不相同,但是市面上允许出售的车型是有限的,因此可以容易地利用危险车型的基本特征来准确地识别危险车辆。为此,危险车辆检测装置100还包括机器学习单元130,其可以学习大量已有的危险车辆的图像以训练危险车辆分类器,图像识别单元120可以利用该分类器来识别危险车辆并且将危险车辆归入相应的类别,例如渣土车、水泥罐车、洒水车、工程车、大货车、大客车等。在一实施例中,机器学习单元130可以通过深度神经网络来进行学习。
在一些实施例中,机器学习单元130还可以用于进行在线学习以更新分类器。例如,用户可以对实际使用时分类器的分类结果进行判断,确定正确的分类和纠正错误的分类,机器学习单元130可以根据用户的确认来更新分类器,以实现更准确的分类结果。通过在线学习,还可以准确分类市面上新出现的危险车辆。
在一些实施例中,当遇到未曾学习过的新车型时,图像识别单元120还可以基于某些预定标准来识别危险车辆,例如将高度超过某一阈值的车辆识别为危险车辆,低于该阈值的识别为非危险车辆,或者根据车辆高度进一步把危险车辆分为若干等级。
除了识别危险车辆类型之外,在一些实施例中,图像识别单元120还可以通过图像分析来进一步确定所识别的危险车辆的位置信息和运动状态信息。位置信息包括危险车辆相对于当前车辆的方向和距离等,运动状态信息包括危险车辆相对于当前车辆的速度(包括大小和方向)和加速度等。在另一些实施例中,也可以通过雷达传感器,例如激光雷达传感器或毫米波雷达传感器,来更准确地识别危险车辆的位置和运动状态信息。
危险车辆检测装置100还可包括信息融合单元140,其接收并且融合危险车辆相关数据以及当前车辆相关数据。危险车辆相关数据可来自于图像识别单元120,例如图像识别单元120所识别的危险车辆的车型、位置(包括方向和距离)、运动状态(包括速度和加速度)等数据。在另一些实施例中,危险车辆相关数据亦可来自图像识别单元120和雷达传感器二者,例如图像识别单元120所识别的危险车辆车型数据、以及雷达传感器所识别的危险车辆的位置和运动状态数据。信息融合单元140可以融合这些数据,例如在时间上对准这些数据,从而确定在某一时刻,当前车辆的行驶状态以及周围危险车辆的行驶状态。
在一实施例中,信息融合单元140还可以融合来自导航单元(未示出)的地图数据,从而确定在该时刻当前车辆和危险车辆所在的道路状态,例如是在平直的道路上,还是在拐弯道路上,或者在上下坡处等。
危险车辆检测装置100还可包括风险评估单元150,其可以基于融合数据来评估当前车辆的风险水平。总体上而言,当在当前车辆周围没有检测到危险车辆时,风险评估单元150可以认为当前车辆是安全的;当在当前车辆周围检测到危险车辆时,风险评估单元150可以认为当前车辆有一定的风险,具体的风险水平可以根据当前车辆和危险车辆的前述融合数据来确定。
例如,不同的危险车辆车型可以对应于不同的风险因子。下面的表格1列出了几种常见的危险车辆的车型对应的风险因子,风险因子的值越大,风险越高。
表1:常见危险车辆的车型对应的风险因素
危险车辆的车型 | 风险因子 |
洒水车 | 1 |
大客车 | 2 |
工程车 | 3 |
大货车 | 4 |
渣土车 | 6 |
水泥罐车 | 6 |
危险品运输车 | 8 |
再例如,距离、速度和加速度(包括相对值和绝对值),也是评估风险的重要考虑因素。距离越远,风险越低;距离越近,风险越高。此外,距离还应考虑相对方向。对于相同距离而言,危险车辆位于前后方比位于左右方风险更大。
另外,速度越快,风险越高;速度越慢,风险越低。还可以根据速度和加速度计算碰撞风险因子。除此之外,危险车辆被检测到的持续时间也需要被考虑,例如被危险车辆跟踪的时间越长,风险越高。
融合数据中的地图信息也是重要的考虑因素。例如,当在下坡路段发现后方有危险车辆时,要比平直路段或上坡路段发现后方有危险车辆更危险。相反,当在上坡路段发现前方有危险车辆时,要比平直路段或下坡路段发现前方有危险车辆更危险。此外,在拐弯路段发现旁边有危险车辆时比在平直路段发现旁边有危险车辆更危险。
当然,风险评估单元150在评估风险因子的大小时,还可以考虑其他方面,这里不一一列举。可以根据这些考虑因素,得到最终的总的风险因子。在一些实施例中,可以将各项风险因子相加,以获得总的风险因子。在另一些实施例中,还可以对各项风险因子赋予一权重,将各项风险因子乘以权重之后相加,以获得总的风险因子。
需要说明的是,通过风险评估单元150对周围的危险车辆进行评估,能够有效地发现当前车辆周围的潜在风险,如在前方行驶的渣土车,或正常跟踪在后方且无碰撞危险的油罐车等,亦或是跟踪在当前车辆后方车辆之后的大卡车。综上所述,相比传统基于碰撞预警的辅助驾驶系统,本系统(或方法)能够更早的发现危险,防患为于未然。
然后,警报生成单元160可以根据所评估得到的总风险因子来生成对应的警报信号。在一示例性实施例中,警报信号可根据总风险因子而分为不同的级别。例如,当没有发现危险车辆,或者危险车辆距离当前车辆非常远使得风险很低时,可以认为当前状况是安全的,则不发出警报。当总风险因子较高而认为当前状况不安全时,则根据总风险因子的等级而发出不同级别的警报。下面的表格2示出不同的风险等级对应的几种警报的示例。
表2:不同风险等级对应的警报
风险等级可以根据风险评估单元150评估得到的总体风险因子的值来确定。低风险,例如初级风险时,可以仅通过开启或闪烁警报指示灯来向驾驶员发出警报,提示风险。随着风险等级上升,可以用更能让驾驶员注意的形式发出警报,例如发出闪烁声音、扬声器语音提示等。虽然上面列出了初级、中级和高级这三种有风险的等级,但是可以有更多或者更少的风险等级。此外,警报形式,例如警报指示灯的闪烁频率、颜色、扬声器提示语音的语速等,也可以随风险等级而变化。随着风险等级升高,警报指示灯的闪烁频率可以加快,颜色可以从低风险时候的黄色变成高风险时候的红色,扬声器提示语音的语速也可以加快,并且语音提示可以更简洁。
最后,危险车辆检测装置100的警报所处单元170可以输出由警报生成单元160生成的警报信号。该警报信号最终被用于控制各个警报单元的操作以发出警报,警报单元例如包括警报指示灯、用于发出指示灯闪烁声音的小喇叭、用于播放语音提示的扬声器等。
图3示出根据本发明一示例性实施例的检测危险车辆的方法200的流程图。图3所示的方法200可以利用图2所示的装置100来执行,并且在上面关于装置100的描述中已经得到了大致的阐述,因此下面将简要说明。
如图3所示,方法200始于步骤S210,采集图像数据。在步骤S210中,至少使用后视图像传感器来采集当前车辆后方向的图像数据。优选地,还可以采用前视、左视、右视图像传感器来采取相应方向上的图像数据。在步骤S220中,可以基于所采集的图像数据来识别危险车辆的车型。在一些实施例中,步骤S220还可以进一步包括识别危险车辆的位置信息(包括距离和方向)和运动状态信息(包括速度和加速度)。然后在步骤S230中,可以融合所识别的危险车辆的信息和当前车辆的信息。在步骤S220仅识别危险车辆的车型的实施例中,融合步骤S230所融合的信息还包括通过雷达传感器检测的危险车辆的位置信息和运动状态信息。融合步骤S230还可以融合来自其他装置的信息,例如可以融合来自导航单元(未示出)的地图数据。从而,融合步骤S230可以在时间上对准这些数据,进而确定在某一时刻,当前车辆的行驶状态以及周围危险车辆的行驶状态。
接下来在步骤S240中,可以基于融合数据来评估当前的风险水平。评估策略可包括考虑融合数据的各个方面,如前面关于图2所示的风险评估单元150所描述的那样。然后,在步骤S250中,可以基于评估确定的风险水平生成相应的警报信号,并且在步骤S260中输出警报信号。
前面描述了各种各样的警报提示方式,例如警报指示灯、小喇叭信号、扬声器提示语音等。图4示出警报提示的一种示例图案。如图4所示,该图案包括居中的小轿车图案301,其表示当前车辆,以及位于当前车辆301的前、后、左、右方向的大卡车图案302、303、304、305。当不需要警报提示时,该图案不被显示;当有警报时,当前车辆图案301可以保持为亮,根据所检测到的危险车辆的方向,对应的危险车辆图案302、303、304、305可以闪烁。危险车辆图案的颜色和闪烁频率可以根据危险程度而变化。例如,危险程度越高,闪烁频率越快,颜色也可以从低危险时的黄色转变为高危险时候的红色。该图案可以显示在方向盘后面的仪表板上,或者显示在车辆中央控制面板上的液晶显示屏上,或者通过抬头显示(HUD)投射到驾驶员正前方的前车玻璃上,或者还可以通过任何其他方式来显示给驾驶员。此外,虽然图4示出了四个方向的危险车辆图案,但是还可以包括左前、右前、左后、右后四个方向的危险车辆图案以实现更精确和全面的警报指示。
下面,参照图5、6、7和8来描述根据本发明一实施例的危险车辆检测的几种典型应用场景。如图5所示,在当前车辆401上安装有后视摄像头,或者还可包括后视雷达传感器,从而可以检测后方危险车辆402。当检测到后方有危险车辆402时,可以向驾驶员发出警报提示。
例如,当后方有大型的危险车辆,诸如渣土车,正在逐渐靠近当前车辆时,起初由于距离较远,所确定的风险等级较低,例如为初级风险,此时可以仅通过例如图4所示的图案向当前车辆的驾驶员警示风险。当后方的渣土车逐渐靠近,风险程度提高,警示图案可以以更快的频率闪烁,图案的颜色可以从例如黄色向红色转变,并且还可以伴随着闪烁的滴答声。随着距离缩小,还可以通过扬声器用语音提示驾驶员“后方危险车辆靠近,请注意”。当后方的渣土车靠近到一定距离内,并且基于渣土车和速度和加速度判断可能发生碰撞的风险时,警报图案可以变为红色,闪烁频率变得急促,伴随着急促的滴答声,警示语音可变为“碰撞危险,请规避”,并且语音重复间隔缩短。这样,通过渐进式的警报来提醒驾驶员,使得驾驶员可以由充分的时间来思考、观察并且应对来自危险车辆的风险。
在图6所示的场景中,在后方危险车辆402与当前车辆401之间还存在有中间车辆403,并且中间车辆403属于非危险车辆,其可以是普通的家用2座、4座或5座小轿车,6座或7座MPV车型,或者5座、6座或7座SUV车型等。此时,当前车辆401不仅可以检测到后方第一辆车,即非危险车辆403,还可以检测到后方第二辆车,即危险车辆402,因为危险车辆402具有显著更高的高度,并且当前车辆401上的摄像头可以按照在车顶部,从而不会被后方第一辆非危险车辆403遮挡住视野。
应注意,在图6的场景中,要求危险车辆检测装置100中的图像识别单元120仅通过危险车辆的一个侧面的图像的局部,或者更准确地说,上部分,即可识别出危险车辆的车型。这可以通过多种方式实现。例如,可以使图像识别单元120学习危险车辆的上部分图像,或者在图像识别过程中的特征点提取和模式匹配时仅提取和匹配上部分的图像,即可通过局部来识别危险车辆。当若干种危险车型具有相同的上部分特征时,可以将图像中的危险车型识别为最危险的车型以提供有裕度的安全保障。
图7示出除了后视摄像头之外,当前车辆401还配置有前视摄像头以检测前方的危险车辆404。可以理解,在其他条件相同的情况下,后方危险车辆402的危险性可能大于前方危险车辆404,而前后方均存在危险车辆的情况的危险性大于只在前方或后方中的单个方向上出现危险车辆的危险性。
图8示出了当前车辆401进一步配置有左视摄像头以检测左侧危险车辆405、以及右视摄像头以检测右侧危险车辆406的示例。如图8所示,通过这些摄像头(或者还包括相应方向上的雷达传感器),当前车辆401可以实现360度全方向上的危险车辆检测。
应理解的是,本发明的危险车辆检测系统与传统的前向或后向碰撞预警系统存在本质上的不同。传统的碰撞预警系统是在通过计算而确定存在碰撞风险时,才会向驾驶员发出警报,而且其在计算碰撞风险时,对于不同车辆是无差别对待的。如前面在背景技术部分中所述,这存在许多不足之处,尤其是并不能有效防止恶性交通事故。而本发明的危险车辆检测系统能够检测容易造成恶性交通事故的危险车辆,并且在检测到危险车辆时,即使并没有碰撞风险,也会向驾驶员发出警报。这样,驾驶员会远离这些危险车辆,或者采取更谨慎的驾驶风格,从而能够提前主动规避发生交通事故的可能性。简言之,传统的碰撞预警系统是在出现碰撞风险时才警告驾驶员注意风险,而本发明的危险车辆检测系统可以在碰撞风险出现之前,就警告驾驶员有针对性地远离一般容易造成恶性交通事故的特定类型的危险车辆,从而防患于未然。就此而言,在一些实施例中,本发明的危险车辆检测系统亦可与传统的碰撞预警系统结合使用,从而提供更高的安全保障。当然,从前面的描述亦可显见的是,本发明的危险车辆检测系统与传统的碰撞预警系统还存在许多其他不同之处,此处不再重复描述。
图9示出根据本发明一示例性实施例的车辆设备500的结构框图。应注意,在图9中仅示出了与本发明相关的组件,而省略了与本发明关系并不紧密的组件,例如驱动系统、制动系统、转向系统等,以避免不必要地模糊本发明。
如图9所示,车辆设备500可包括多个传感器,例如图像传感器501和雷达传感器502。车辆设备500还包括存储器503、中控仪表盘504、扬声器505、中控显示器506、车载抬头显示系统HUD 507,它们通过总线系统509连接到中央处理器508。
图像传感器501可包括单目、双目或更多目摄像头,雷达传感器502可以包括激光雷达传感器、毫米波雷达传感器、超声波雷达传感器等。图像传感器501和雷达传感器502可以如前面参照图1描述的那样安装在车辆设备500上。
存储器503可以是其上存储有计算机程序指令的各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。所述存储器503还可以是可移除存储器或者诸如网络附属存储(NAS)之类的远程存储器。存储器503中还可以存储各种其他应用程序和数据,例如用户数据、用于车辆控制的数据等。
中控仪表盘505可以安装在方向盘后方以用于显示各种车辆信息,例如包括速度、转速、水温、油量等。在本发明一实施例中,中控仪表盘505还可以显示视觉警报,例如参照图4描述的警报图案。在一实施例中,中控仪表盘505还可包括小喇叭以在报警图案闪烁时播放闪烁声音。
扬声器505可包括用于向车厢内提供声音的多个扬声器,其可以用于播放音乐、广播、导航提示音等。在本发明一实施例中,扬声器505还可以用于播放语音警报,如前面参照图2和图3描述的那样。
车辆设备500还可以包括有中控显示器506,其可以是液晶显示器,例如触摸型液晶显示器,以用于显示各种信息,包括车辆信息和娱乐信息,以及用于接收用户的输入。在一实施例中,显示器506还可以显示警报信息,例如上面参照图4描述的警报图案。
在一些实施例中,车辆设备500还可以包括车载抬头显示HUD系统507,其可以将一些行车信息投影到驾驶员前方的玻璃上,从而驾驶员可以在保持注视前方的同时,获取这些信息,从而大大提高安全性。在本发明一实施例中,HUD 507还可以投影警报图案,例如前面参照图4描述的图案。
处理器508通过总线系统509,例如CANBus总线系统,连接到前面描述的这些部件。处理器508可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元、处理核、或控制器。处理器508可以运行存储器503中存储的计算机程序指令以执行根据本发明前述实施例的危险车辆检测方法,并且更进一步地,指示相应的部件来向驾驶员提供危险警报,该过程已经在前面得到了详细的论述,这里不再重复。
除了上述方法、装置和设备以外,本申请的各示例性实施例还可以包括计算机程序产品,其包括有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书中描述的根据本发明各示例性实施例的步骤和方法。
所述计算机程序产品所包括的程序指令可以由一种或多种程序设计语言编写,所述程序设计语言的示例包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在可移动机器人上执行、部分地在可移动机器人上执行、作为一个独立的软件包执行、部分在可移动机器人上部分在远程计算设备(例如,用户的便携式电子设备,诸如手机或平板)上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的示例性实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书描述的根据本发明各示例性实施例的步骤或步骤。
所述计算机可读存储介质可以采用一种或多种机器可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合示例性实施例描述了本发明的基本原理,但是需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须同时具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不将本发明限制为必须采用上述具体的细节来实现。
本发明中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。本申请提供的流程图所示的方法并不限于流程图的说明顺序,而是,多个步骤可以按照不同的顺序执行,或者两个或更多步骤可以同时执行,这些变化对于本领域技术人员而言是显见的。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (12)
1.一种用于检测危险车辆的装置,包括:
图像接收单元,用于接收当前车辆周围的环境图像数据;
图像识别单元,用于从环境图像数据识别出特定类型的危险车辆;
风险评估单元,用于根据与所识别的危险车辆相关的信息评估风险因子;以及
警报生成单元,用于根据所述风险因子来生成相应的警报信号。
2.如权利要求1所述的用于检测危险车辆的装置,其中,所述图像接收单元接收当前车辆的后方的环境图像数据。
3.如权利要求1所述的用于检测危险车辆的装置,其中,所述图像识别单元配置为能基于危险车辆的正面视图或尾部视图的上部分来识别该危险车辆的车型。
4.如权利要求1所述的用于检测危险车辆的装置,其中,所述图像识别单元配置为能基于车辆的高度来识别该车辆是否是危险车辆。
5.如权利要求1所述的用于检测危险车辆的装置,还包括:
信息融合单元,用于融合所述图像识别单元识别的与危险车辆相关的信息和当前车辆的相关信息。
6.如权利要求1所述的用于检测危险车辆的装置,其中,所述信息融合单元还融合来自雷达传感器的所述危险车辆的位置和运动状态信息、以及来自导航单元的地图信息。
7.一种检测危险车辆的方法,包括:
采集当前车辆周围的环境图像;
从所述环境图像识别出特定类型的危险车辆;
融合与危险车辆相关的信息以及与当前车辆相关的信息;
基于融合信息评估风险因子;以及
基于风险因子生成警报信号。
8.如权利要求7所述的方法,其中,识别出特定类型的危险车辆包括识别危险车辆的车型,
其中,所述方法还包括从雷达传感器接收所识别的危险车辆的位置信息和运动状态信息。
9.如权利要求8所述的方法,其中,融合步骤包括融合危险车辆的车型、位置、运动状态信息,当前车辆的运动状态信息,以及来自导航单元的地图信息。
10.如权利要求7所述的方法,其中,识别出特定类型的危险车辆包括基于危险车辆的正面视图或尾部视图的上部分来识别该危险车辆的车型。
11.如权利要求7所述的方法,其中,生成警报信号包括基于风险因子生成不同等级的警报信号,从而以不同的形式向当前车辆的驾驶员发出警报。
12.一种车辆,包括:
一个或多个传感器,用于采集该车辆周围的环境数据;以及所述一个或多个传感器的处理器,所述处理器配置为运行存储在存储器上的计算机程序指令以执行权利要求7至11中的任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611094156.6A CN106553655B (zh) | 2016-12-02 | 2016-12-02 | 危险车辆检测方法和系统以及包括该系统的车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611094156.6A CN106553655B (zh) | 2016-12-02 | 2016-12-02 | 危险车辆检测方法和系统以及包括该系统的车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106553655A true CN106553655A (zh) | 2017-04-05 |
CN106553655B CN106553655B (zh) | 2019-11-15 |
Family
ID=58446176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611094156.6A Active CN106553655B (zh) | 2016-12-02 | 2016-12-02 | 危险车辆检测方法和系统以及包括该系统的车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106553655B (zh) |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107161097A (zh) * | 2017-04-06 | 2017-09-15 | 南京航空航天大学 | 基于北斗导航系统的车辆行驶智能安全系统 |
CN107170289A (zh) * | 2017-06-01 | 2017-09-15 | 岭南师范学院 | 一种基于光学多目视觉车辆追尾预警系统 |
CN107221196A (zh) * | 2017-05-26 | 2017-09-29 | 广东中星电子有限公司 | 车辆驾驶风险评估方法、装置、系统及可读存储介质 |
CN107463907A (zh) * | 2017-08-08 | 2017-12-12 | 东软集团股份有限公司 | 车辆碰撞检测方法、装置、电子设备及车辆 |
CN109117709A (zh) * | 2017-06-23 | 2019-01-01 | 优步技术公司 | 用于自动驾驶车辆的碰撞避免系统 |
WO2019007584A1 (de) * | 2017-07-07 | 2019-01-10 | Wabco Gmbh | Verfahren zum vorausschauenden bewerten einer aktuellen fahrsituation sowie bewertungsmodul |
CN109466444A (zh) * | 2018-10-31 | 2019-03-15 | 广州小鹏汽车科技有限公司 | 危险车辆检测预警方法及系统 |
WO2019065411A1 (ja) * | 2017-09-29 | 2019-04-04 | 日立オートモティブシステムズ株式会社 | 車両検知システム |
CN109703457A (zh) * | 2018-12-21 | 2019-05-03 | 惠州市德赛西威汽车电子股份有限公司 | 一种车辆后方路况安全警报方法及其系统 |
CN109753894A (zh) * | 2018-12-19 | 2019-05-14 | 国网北京市电力公司 | 告警方法及装置 |
CN109885870A (zh) * | 2019-01-09 | 2019-06-14 | 同济大学 | 一种用于自动驾驶汽车预期功能安全的验证方法及系统 |
CN109993344A (zh) * | 2019-01-09 | 2019-07-09 | 淮阴工学院 | 基于多源数据融合的危化品罐车运行状态预测方法及系统 |
CN110001518A (zh) * | 2017-12-13 | 2019-07-12 | 虚拟现实软件 | 实时增强人对采矿工地上的采矿车的视野的方法和装置 |
CN110091871A (zh) * | 2019-04-30 | 2019-08-06 | 广州小鹏汽车科技有限公司 | 控制车辆距离的方法、装置、介质及控制设备 |
CN110356408A (zh) * | 2019-07-31 | 2019-10-22 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆行驶方案的确定方法及装置 |
CN110356392A (zh) * | 2019-05-31 | 2019-10-22 | 惠州市德赛西威汽车电子股份有限公司 | 一种安全行驶智能辅助方法及系统 |
CN110382303A (zh) * | 2017-09-12 | 2019-10-25 | Zf 腓德烈斯哈芬股份公司 | 用于车辆的依赖于情况的决策 |
CN110880250A (zh) * | 2018-09-05 | 2020-03-13 | 奥迪股份公司 | 危险预警系统及方法 |
CN111016919A (zh) * | 2018-10-10 | 2020-04-17 | 现代自动车株式会社 | 用于识别近距离切入车辆的装置和方法以及包括该装置的车辆 |
CN111186510A (zh) * | 2019-08-30 | 2020-05-22 | 高雪亚 | 基于现场检测的语音报警平台、方法及存储介质 |
CN111523415A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种基于图像的两客一危车辆检测方法和装置 |
CN111752373A (zh) * | 2019-03-28 | 2020-10-09 | 上海擎感智能科技有限公司 | 一种用于车载的交互方法、装置及系统 |
CN111866768A (zh) * | 2019-04-29 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 感知基站中的消息发送控制方法及装置 |
CN111931545A (zh) * | 2019-05-13 | 2020-11-13 | 杭州海康威视数字技术股份有限公司 | 号牌识别方法及装置 |
CN112172670A (zh) * | 2020-10-19 | 2021-01-05 | 广州优创电子有限公司 | 基于图像识别的后视图像显示方法及装置 |
CN112258878A (zh) * | 2019-07-22 | 2021-01-22 | 纬创资通股份有限公司 | 行车预警系统、行车预警方法及使用所述方法的电子装置 |
CN112270832A (zh) * | 2020-10-21 | 2021-01-26 | 腾讯科技(深圳)有限公司 | 交通预警方法、装置及计算机存储介质 |
CN113022441A (zh) * | 2019-12-09 | 2021-06-25 | 深圳云天励飞技术有限公司 | 一种车辆盲区的检测方法、装置、电子设备及存储介质 |
CN113264062A (zh) * | 2020-02-14 | 2021-08-17 | 宏碁股份有限公司 | 行车警示方法与行车警示系统 |
CN113569873A (zh) * | 2021-08-19 | 2021-10-29 | 支付宝(杭州)信息技术有限公司 | 一种图像的处理方法、装置及设备 |
CN113609915A (zh) * | 2021-07-09 | 2021-11-05 | 南京泰晟科技实业有限公司 | 一种渣土车智能监测系统及方法 |
CN113682301A (zh) * | 2021-10-25 | 2021-11-23 | 江苏日盈电子股份有限公司 | 用于主动避让危险车辆的方法和系统以及车辆 |
CN113911122A (zh) * | 2021-11-09 | 2022-01-11 | 河南交投通汇高速公路有限责任公司 | 道路预警方法、装置、设备和车辆 |
CN114074658A (zh) * | 2020-08-14 | 2022-02-22 | 为昇科科技股份有限公司 | 接近物体侦测的预警系统及方法 |
CN114604199A (zh) * | 2022-04-08 | 2022-06-10 | 中国第一汽车股份有限公司 | 一种车辆保护系统及方法 |
CN114750775A (zh) * | 2022-03-24 | 2022-07-15 | 合肥雷能信息技术有限公司 | 一种基于毫米波雷达的道路车辆防撞警示系统 |
CN117208020A (zh) * | 2023-11-09 | 2023-12-12 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的危险行为评估方法和系统 |
CN111016919B (zh) * | 2018-10-10 | 2024-07-09 | 现代自动车株式会社 | 用于识别近距离切入车辆的装置和方法以及包括该装置的车辆 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1782665A (zh) * | 2004-11-12 | 2006-06-07 | 高田株式会社 | 通过图像处理的车辆安全控制系统 |
WO2011108218A1 (ja) * | 2010-03-01 | 2011-09-09 | 本田技研工業株式会社 | 車両の周辺監視装置 |
CN102616240A (zh) * | 2011-01-29 | 2012-08-01 | 中国第一汽车集团公司 | 基于信息融合的汽车前向安全系统 |
KR20130134916A (ko) * | 2012-05-31 | 2013-12-10 | 현대자동차주식회사 | 차량 주변의 이동체 감지 장치 및 방법 |
CN103606207A (zh) * | 2013-10-08 | 2014-02-26 | 大连民族学院 | 一种基于图像识别的车载安全装置 |
US20150161881A1 (en) * | 2012-07-27 | 2015-06-11 | Nissan Motor Co., Ltd. | In-Vehicle Surrounding Environment Recognition Device |
-
2016
- 2016-12-02 CN CN201611094156.6A patent/CN106553655B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1782665A (zh) * | 2004-11-12 | 2006-06-07 | 高田株式会社 | 通过图像处理的车辆安全控制系统 |
WO2011108218A1 (ja) * | 2010-03-01 | 2011-09-09 | 本田技研工業株式会社 | 車両の周辺監視装置 |
CN102616240A (zh) * | 2011-01-29 | 2012-08-01 | 中国第一汽车集团公司 | 基于信息融合的汽车前向安全系统 |
KR20130134916A (ko) * | 2012-05-31 | 2013-12-10 | 현대자동차주식회사 | 차량 주변의 이동체 감지 장치 및 방법 |
US20150161881A1 (en) * | 2012-07-27 | 2015-06-11 | Nissan Motor Co., Ltd. | In-Vehicle Surrounding Environment Recognition Device |
CN103606207A (zh) * | 2013-10-08 | 2014-02-26 | 大连民族学院 | 一种基于图像识别的车载安全装置 |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107161097A (zh) * | 2017-04-06 | 2017-09-15 | 南京航空航天大学 | 基于北斗导航系统的车辆行驶智能安全系统 |
CN107161097B (zh) * | 2017-04-06 | 2019-09-10 | 南京航空航天大学 | 基于北斗导航系统的车辆行驶智能安全系统 |
CN107221196A (zh) * | 2017-05-26 | 2017-09-29 | 广东中星电子有限公司 | 车辆驾驶风险评估方法、装置、系统及可读存储介质 |
CN107170289A (zh) * | 2017-06-01 | 2017-09-15 | 岭南师范学院 | 一种基于光学多目视觉车辆追尾预警系统 |
CN109117709A (zh) * | 2017-06-23 | 2019-01-01 | 优步技术公司 | 用于自动驾驶车辆的碰撞避免系统 |
US11402848B2 (en) | 2017-06-23 | 2022-08-02 | Uatc, Llc | Collision-avoidance system for autonomous-capable vehicles |
US10649464B2 (en) | 2017-06-23 | 2020-05-12 | Uatc Llc | Collision-avoidance system for autonomous-capable vehicles |
WO2019007584A1 (de) * | 2017-07-07 | 2019-01-10 | Wabco Gmbh | Verfahren zum vorausschauenden bewerten einer aktuellen fahrsituation sowie bewertungsmodul |
CN107463907A (zh) * | 2017-08-08 | 2017-12-12 | 东软集团股份有限公司 | 车辆碰撞检测方法、装置、电子设备及车辆 |
US11449727B2 (en) | 2017-08-08 | 2022-09-20 | Neusoft Corporation | Method, storage medium and electronic device for detecting vehicle crashes |
CN110382303A (zh) * | 2017-09-12 | 2019-10-25 | Zf 腓德烈斯哈芬股份公司 | 用于车辆的依赖于情况的决策 |
JPWO2019065411A1 (ja) * | 2017-09-29 | 2020-10-22 | 日立オートモティブシステムズ株式会社 | 車両検知システム |
WO2019065411A1 (ja) * | 2017-09-29 | 2019-04-04 | 日立オートモティブシステムズ株式会社 | 車両検知システム |
CN110001518A (zh) * | 2017-12-13 | 2019-07-12 | 虚拟现实软件 | 实时增强人对采矿工地上的采矿车的视野的方法和装置 |
CN110001518B (zh) * | 2017-12-13 | 2022-08-12 | 虚拟现实软件 | 实时增强人对采矿工地上的采矿车的视野的方法和装置 |
CN110880250A (zh) * | 2018-09-05 | 2020-03-13 | 奥迪股份公司 | 危险预警系统及方法 |
CN111016919B (zh) * | 2018-10-10 | 2024-07-09 | 现代自动车株式会社 | 用于识别近距离切入车辆的装置和方法以及包括该装置的车辆 |
CN111016919A (zh) * | 2018-10-10 | 2020-04-17 | 现代自动车株式会社 | 用于识别近距离切入车辆的装置和方法以及包括该装置的车辆 |
CN109466444A (zh) * | 2018-10-31 | 2019-03-15 | 广州小鹏汽车科技有限公司 | 危险车辆检测预警方法及系统 |
CN109753894A (zh) * | 2018-12-19 | 2019-05-14 | 国网北京市电力公司 | 告警方法及装置 |
CN109703457A (zh) * | 2018-12-21 | 2019-05-03 | 惠州市德赛西威汽车电子股份有限公司 | 一种车辆后方路况安全警报方法及其系统 |
CN109993344A (zh) * | 2019-01-09 | 2019-07-09 | 淮阴工学院 | 基于多源数据融合的危化品罐车运行状态预测方法及系统 |
CN109885870A (zh) * | 2019-01-09 | 2019-06-14 | 同济大学 | 一种用于自动驾驶汽车预期功能安全的验证方法及系统 |
CN111752373A (zh) * | 2019-03-28 | 2020-10-09 | 上海擎感智能科技有限公司 | 一种用于车载的交互方法、装置及系统 |
CN111866768A (zh) * | 2019-04-29 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 感知基站中的消息发送控制方法及装置 |
CN110091871A (zh) * | 2019-04-30 | 2019-08-06 | 广州小鹏汽车科技有限公司 | 控制车辆距离的方法、装置、介质及控制设备 |
CN111931545A (zh) * | 2019-05-13 | 2020-11-13 | 杭州海康威视数字技术股份有限公司 | 号牌识别方法及装置 |
CN111931545B (zh) * | 2019-05-13 | 2023-10-31 | 杭州海康威视数字技术股份有限公司 | 号牌识别方法及装置 |
CN110356392A (zh) * | 2019-05-31 | 2019-10-22 | 惠州市德赛西威汽车电子股份有限公司 | 一种安全行驶智能辅助方法及系统 |
CN112258878A (zh) * | 2019-07-22 | 2021-01-22 | 纬创资通股份有限公司 | 行车预警系统、行车预警方法及使用所述方法的电子装置 |
CN110356408A (zh) * | 2019-07-31 | 2019-10-22 | 百度在线网络技术(北京)有限公司 | 自动驾驶车辆行驶方案的确定方法及装置 |
CN111186510B (zh) * | 2019-08-30 | 2020-11-17 | 杨丽 | 基于现场检测的语音报警平台、方法及存储介质 |
CN111186510A (zh) * | 2019-08-30 | 2020-05-22 | 高雪亚 | 基于现场检测的语音报警平台、方法及存储介质 |
CN113022441A (zh) * | 2019-12-09 | 2021-06-25 | 深圳云天励飞技术有限公司 | 一种车辆盲区的检测方法、装置、电子设备及存储介质 |
CN113264062A (zh) * | 2020-02-14 | 2021-08-17 | 宏碁股份有限公司 | 行车警示方法与行车警示系统 |
CN113264062B (zh) * | 2020-02-14 | 2022-09-16 | 宏碁股份有限公司 | 行车警示方法与行车警示系统 |
CN111523415A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种基于图像的两客一危车辆检测方法和装置 |
CN114074658A (zh) * | 2020-08-14 | 2022-02-22 | 为昇科科技股份有限公司 | 接近物体侦测的预警系统及方法 |
CN112172670A (zh) * | 2020-10-19 | 2021-01-05 | 广州优创电子有限公司 | 基于图像识别的后视图像显示方法及装置 |
WO2022083381A1 (zh) * | 2020-10-21 | 2022-04-28 | 腾讯科技(深圳)有限公司 | 交通预警方法、装置及计算机存储介质 |
CN112270832B (zh) * | 2020-10-21 | 2023-06-23 | 腾讯科技(深圳)有限公司 | 交通预警方法、装置及计算机存储介质 |
CN112270832A (zh) * | 2020-10-21 | 2021-01-26 | 腾讯科技(深圳)有限公司 | 交通预警方法、装置及计算机存储介质 |
CN113609915A (zh) * | 2021-07-09 | 2021-11-05 | 南京泰晟科技实业有限公司 | 一种渣土车智能监测系统及方法 |
CN113569873A (zh) * | 2021-08-19 | 2021-10-29 | 支付宝(杭州)信息技术有限公司 | 一种图像的处理方法、装置及设备 |
CN113569873B (zh) * | 2021-08-19 | 2024-03-29 | 支付宝(杭州)信息技术有限公司 | 一种图像的处理方法、装置及设备 |
CN113682301A (zh) * | 2021-10-25 | 2021-11-23 | 江苏日盈电子股份有限公司 | 用于主动避让危险车辆的方法和系统以及车辆 |
CN113911122A (zh) * | 2021-11-09 | 2022-01-11 | 河南交投通汇高速公路有限责任公司 | 道路预警方法、装置、设备和车辆 |
CN113911122B (zh) * | 2021-11-09 | 2023-12-22 | 河南交投通汇高速公路有限责任公司 | 道路预警方法、装置、设备和车辆 |
CN114750775A (zh) * | 2022-03-24 | 2022-07-15 | 合肥雷能信息技术有限公司 | 一种基于毫米波雷达的道路车辆防撞警示系统 |
CN114604199A (zh) * | 2022-04-08 | 2022-06-10 | 中国第一汽车股份有限公司 | 一种车辆保护系统及方法 |
CN117208020A (zh) * | 2023-11-09 | 2023-12-12 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的危险行为评估方法和系统 |
CN117208020B (zh) * | 2023-11-09 | 2024-02-02 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的危险行为评估方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106553655B (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106553655B (zh) | 危险车辆检测方法和系统以及包括该系统的车辆 | |
US20210357665A1 (en) | Safety system for a vehicle to detect and warn of a potential collision | |
JP7263233B2 (ja) | 車両衝突を検出するための方法、システム及びプログラム | |
US9359009B2 (en) | Object detection during vehicle parking | |
CN107176165B (zh) | 车辆的控制装置 | |
CN107399290A (zh) | 安全驾驶辅助系统及其控制方法 | |
CN108883725A (zh) | 一种行驶车辆警报系统和方法 | |
CN106952471A (zh) | 交叉路口处驾驶员意图的预测 | |
CN104773177A (zh) | 辅助驾驶方法和装置 | |
CN107554472A (zh) | 一种车辆碰撞警示系统和方法 | |
CN107408338A (zh) | 驾驶员辅助系统 | |
CN103548069B (zh) | 用于识别可能的碰撞对象的方法和装置 | |
JP5691237B2 (ja) | 運転支援装置 | |
JP6948790B2 (ja) | ドライバを支援するための方法および装置 | |
US20170168497A1 (en) | Vehicle and method of controlling the vehicle | |
CN109080572A (zh) | 一种车辆危险区域提醒方法及系统 | |
US20150367858A1 (en) | System and method for determining the information transfer rate between a driver and vehicle | |
CN106740458A (zh) | 一种用于车辆的开门安全提醒系统及方法 | |
CN104933894B (zh) | 交通密度灵敏度选择器 | |
CN108263376A (zh) | 自动泊车系统和自动泊车方法 | |
CN112977253A (zh) | 一种车用双向安全辅助系统 | |
CN110239532A (zh) | 一种车辆变道辅助方法、装置、终端及存储介质 | |
CN106314275A (zh) | 一种用于汽车的防刮碰装置、方法及汽车 | |
CN115320582A (zh) | 一种无人车自动识别系统 | |
Kawasaki et al. | Teammate Advanced Drive System Using Automated Driving Technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |