CN107031661A - 一种基于盲区相机输入的变道预警方法及系统 - Google Patents
一种基于盲区相机输入的变道预警方法及系统 Download PDFInfo
- Publication number
- CN107031661A CN107031661A CN201710157737.8A CN201710157737A CN107031661A CN 107031661 A CN107031661 A CN 107031661A CN 201710157737 A CN201710157737 A CN 201710157737A CN 107031661 A CN107031661 A CN 107031661A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- early warning
- blind area
- lane change
- area camera
- 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.)
- Pending
Links
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
- 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
- B60W50/0097—Predicting future conditions
-
- 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
- B60W2050/143—Alarm means
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于盲区相机输入的变道预警方法及系统,利用车载盲区视觉系统检测相邻车道同向行驶车辆,并根据该车与自身车辆的相对位置与运动关系,在有驾驶员有转向意图时对盲区可能发生的碰撞发出预警信号。本方案硬件成本低,实时性好,可以有效提高中高速工况车辆变道行驶的安全性能,适用于车辆辅助驾驶领域。
Description
技术领域
本发明涉及车辆辅助驾驶领域,尤其是涉及一种基于盲区相机输入的变道预警方法及系统。
背景技术
车辆变道辅助预警系统(LCW)是车辆辅助驾驶的主要预警功能之一。该系统的功能在于对驾驶员有变道意图的情况下的车辆盲区范围内存在快速行驶车辆的情况做出预警,以避免潜在变道交通事故的发生。
现有通过车辆盲区监视实现变道辅助预警的系统方案相对较少。主要分为两大类:一类基于毫米波雷达,另一类基于视觉系统。其中,基于毫米波雷达的方案相对成本较高,且中近距离物体检测虚报率偏高。现有基于视觉系统的方案,利用稀疏光流算法聚类具图像ROI区域有相似运动特征的障碍物,算法实时性好,但检测准确性较差,且易受极端天气影响。
发明内容
本发明主要是解决现有技术所存在的成本高、准确性低、易受天气影响等的技术问题,提供一种实时性好、硬件成本低、准确度高的基于盲区相机输入的变道预警方法及系统。
本发明针对上述技术问题主要是通过下述技术方案得以解决的:一种基于盲区相机输入的变道预警方法,包括以下步骤:
S001、读取当前车速,如果高于设定阈值则进入步骤S002,如果低于阈值则保持对车速的监测状态;
S002、通过方向盘转角传感器(或转向灯信号)检测驾驶员是否有变道操作,如果有变道操作(或产生转向灯信号),则进入步骤S003,否则保持对方向盘转角或转向灯的监测状态;
S003、盲区相机采集图像并在图像中的ROI(感兴趣)区域利用级联分类器进行多尺度滑窗搜索,得到检测车辆候选区域;ROI区域范围以及检测窗口大小为可配置参数,根据不同的相机安装参数进行调整,对于已经固定的相机来说,由于其相对车身是静止的,因此ROI区域范围及检测窗口设定后即为定量;
S004、对检测车辆候选区域进行车辆特征角点提取及跟踪;
S005、依据车辆特征角点对被检测车辆进行投影变换矩阵计算;
S006、依据投影变换矩阵计算结果估算预碰撞时间;
S007、依据预碰撞时间判断是否触发预警条件,如果触发,则进入步骤S008,否则跳转到步骤S003;
S008、产生预警信号,提示驾驶员谨慎驾驶。
作为优选,步骤S004具体为:用FAST或Shi-Tomasi角点对检测车辆候选区域提取角点特征,利用Lucas-Kanade光流方法计算角点特征的运动信息,并且更新角点特征位置。
作为优选,步骤S005具体为:根据相邻两帧角点特征跟踪结果,基于区域相似性假设(即假设车辆跟踪区域只有尺度变化和图像平面内的平移),利用RANSAC方法计算被检测车辆投影变换矩阵,并将被检测车辆底部中心点投影坐标变换到自定义车辆坐标平面(原点固定于车辆前轴中点,X方向为车辆后向,Y方向为车辆侧向)。
作为优选,步骤S006具体为:定义预碰撞时间TTC为相邻车道车辆按当前车速行驶,进入预警区域所需时间,计算公式如下:
TTC=D/vel
其中D为被检测车辆至预警区域距离,根据将被检测车辆图像区域底部中点位置投影坐标变换到自定义车辆坐标平面获得(利用相机标定参数),vel为被检测车辆相对于当前车辆的速度,由跟踪算法获得。
作为优选,步骤S007中,所述依据预碰撞时间判断是否触发预警条件具体为:根据车辆检测以及跟踪结果,若D大于阈值D1,则不预警;若D小于阈值D2则预警;若D小于阈值D1且大于阈值D2,则根据TTC来判断是否预警:当TTC小于阈值T0时,预警,反之不预警;其中,D1、D2和T0为可配置参数,由实车测试所得,典型的D1=18,D2=0,T0=0.8。
作为优选,所述级联分类器采用如下方式训练:利用级联haar特征或LBP特征的boosting分类器,训练车辆检测算法;采用试验车辆所采集的车头正样本图像不少于12000张,负样本图像不少于20000张,利用难例挖掘和主动学习方法提升训练效果;分类器级联层数为可配置参数。
一种基于盲区相机输入的变道预警系统,包括输入层、分析决策层和输出层,输入层包括盲区后视系统(盲区相机)和其他车载传感器,分析决策层包括图像处理单元和预警决策生成单元,输出层包括视觉界面和扬声器。盲区后视系统采集图像发送到图像处理单元,由图像处理单元处理后发送到预警决策生成单元。其他车载传感器包括车速、方向盘转角、转向灯状态等传感器,所检测到的车速、方向盘转角等信息发送到预警决策生成单元。预警决策生成单元根据收到的信息和预警判断策略,生成视觉预警信号到视觉界面,并生成听觉预警信号到扬声器。
盲区相机可安装于车辆后视镜下方,朝向车辆侧后方偏下,视野范围覆盖相邻两车道至自身车辆后30米区域。
本方案结合级联分类器检测与局部光流算法,相比于纯光流算法,在不引入大量计算性能消耗能的前提下,够有效提高盲区车辆检测的准确性。本算法在图像特定ROI区域搜索少许尺度车辆正面特征,并且对已检测到的车辆区域进行特征提取与运动估算,能够有效确保光流计算所利用的特征点大部分都出于车辆本身,特征提取范围更小,同时省略了特征点聚类的过程。本方法在计算车辆相对位置时,引入了道路模型,相对于图像坐标系下的距离运算更为准确。同时检测、跟踪的车辆识别架构能有效消除两者算法单一使用时的误报。
相比于基于毫米波雷达的方案,本方法硬件成本较低,且大部分工况下检测效果与毫米波传感器相当。
本发明带来的实质性效果是,检测时效性好,准确率高,硬件成本低,能够有效提高道路行车安全性。
附图说明
图1是本发明的一种变道预警系统结构图;
图2是本发明的一种变道预警方法流程图;
图3是本发明的一种以车辆右侧盲区相机视角为例的图片感兴趣区域以及预警区域示意图;
图4是本发明的一种以车辆右侧盲区相机视角为例的盲区系统距离估算示意图;
图中:1、输入层;2、分析决策层;3、输出层;11、其他车载传感器;12、盲区后视系统;21、图像处理单元;22、预警决策生成单元;31、视觉界面;32、扬声器。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:本实施例的一种基于盲区相机输入的变道预警系统,如图1所示,包括输入层1、分析决策层2和输出层3,输入层包括盲区后视系统12(盲区相机)和其他车载传感器11,分析决策层包括图像处理单元21和预警决策生成单元22,输出层包括视觉界面31和扬声器32。盲区后视系统采集图像发送到图像处理单元,由图像处理单元处理后发送到预警决策生成单元。其他车载传感器包括车速、方向盘转角等传感器,所检测到的车速、方向盘转角等信息发送到预警决策生成单元。预警决策生成单元根据收到的信息和预警判断策略,生成视觉预警信号到视觉界面,并生成听觉预警信号到扬声器。
盲区相机可安装于车辆后视镜下方,朝向车辆侧后方偏下,视野范围覆盖相邻两车道至自身车辆后30米区域。
一种基于盲区相机输入的变道预警方法,如图2所示,包括以下步骤:
S001、读取当前车速,如果高于设定阈值则进入步骤S002,如果低于阈值则保持对车速的监测状态;
S002、通过方向盘转角传感器检测驾驶员是否有变道操作,如果有变道操作或有转向灯信号,则进入步骤S003,否则保持对方向盘转角的监测状态;
S003、盲区相机采集图像并在图像中的ROI(感兴趣)区域利用级联分类器进行多尺度滑窗搜索,得到检测车辆候选区域(参见图3);ROI区域范围以及检测窗口大小为可配置参数,应根据不同的相机安装参数进行调整;
S004、对检测车辆候选区域进行车辆特征角点提取及跟踪;
S005、依据车辆特征角点对被检测车辆进行投影变换矩阵计算;
S006、依据投影变换矩阵计算结果估算预碰撞时间;
S007、依据预碰撞时间判断是否触发预警条件,如果触发,则进入步骤S008,否则跳转到步骤S003;
S008、产生预警信号,提示驾驶员谨慎驾驶。
步骤S004具体为:用FAST或Shi-Tomasi角点对检测车辆候选区域提取角点特征,利用Lucas-Kanade光流方法计算角点特征的运动信息,并且更新角点特征位置。
FAST:采用机器学习的方法,按如下标准定义特征点:对于某像素点p,以其为中心的16个像素点,若其中有n个连续的像素点亮度值均大于p点亮度加上某阈值t(或小于p点亮度减去某阈值t),则p为特征点;可设置参数为像素点数n,亮度阈值t以及是否使用非极大值抑制(Non-Maximum Suppression)。此特征点检测是公认的比较快速的特征点检测方法,只利用周围像素比较的信息就可以得到特征点,简单,有效。该方法多用于角点检测。
Lucas-Kanade光流方法:利用高斯下采样计算n层图像金字塔(n默认为3),从顶层金字塔自上而下对于每层金字塔i,初始化光流向量Li(利用上一层光流计算结果,顶层以(0,0)初始化),计算图像x,y方向一阶导数,对输入的角点计算其周围m*m区域内相邻时刻的亮度均方差(m默认为7),若各层图像金字塔中,沿梯度下降方向迭代更新光流向量Li至该角点相邻时刻对应的图像均方差均小于某一特定阈值Kp,确定该层金字塔的光流向量为Li;如若干循环后,仍无法满足阈值条件,则摒弃该点光流向量。
步骤S005具体为:根据相邻两帧角点特征跟踪结果,基于区域相似性假设(即假设车辆跟踪区域只有尺度变化和图像平面内的平移),利用RANSAC方法计算被检测车辆投影变换矩阵,并将被检测车辆底部中心点投影坐标变换到自定义车辆坐标平面(参见图4)。
基于RANSAC的相似性投影矩阵计算过程如下:通过m个循环,每个循环随机选取2个匹配角点,计算2*3的投影矩阵,对剩余角点按该矩阵匹配结果进行打分,像素点匹配距离小于某阈值M,则视为正确匹配,选取打分最高的投影矩阵,利用其对应的所有正确匹配特征角点对,重新计算得到最终投影矩阵;中循环数m与距离阈值M均为预设值。
步骤S006具体为:定义预碰撞时间TTC为相邻车道车辆按当前车速行驶,进入预警区域所需时间,计算公式如下:
TTC=D/vel
其中D为被检测车辆至预警区域距离,根据将被检测车辆图像区域底部中点位置投影坐标变换到自定义车辆坐标平面获得(利用相机标定参数),vel为被检测车辆相对于当前车辆的速度,由跟踪算法获得。
步骤S007中,所述依据预碰撞时间判断是否触发预警条件具体为:根据车辆检测以及跟踪结果,若D大于阈值D1,则不预警;若D小于阈值D2则预警;若D小于阈值D1且大于阈值D2,则根据TTC来判断是否预警:当TTC小于阈值T0时,预警,反之不预警;其中,D1、D2和T0为可配置参数(如D1=18,D2=0,T0=0.8),由实车测试所得。
所述级联分类器采用如下方式训练:利用级联haar特征或LBP特征的boosting分类器,训练车辆检测算法,每一级弱分类器的训练过程为:初始化训练数据的权值分布(每个样本赋予同样的权值系数),训练过程中,若该样本被准确的分类,则降低该样本的权重系数;反之,则提高相应权重系数。反复迭代上述过程,产生若干弱分类器级。最后级联各弱分类器生成最终强分类器(增大误差率小的弱分类器权重系数,减小误差率大的弱分类器权重系数);采用试验车辆所采集的车头正样本图像不少于12000张,负样本图像不少于20000张,利用难例挖掘(是指手动将分类器难以识别的误检经过筛检重新加入训练样本中进行训练)和主动学习(是指先利用网络收集的相关训练数据预训练一个级联分类器,利用此分类器对的我们相机设备所采集的样本进行粗略检测,根据检测结果人工筛选正负样本,重新训练分类器)提升训练效果;分类器级联层数为可配置参数。
发明可根据车辆检测ROI区域以及滑窗尺度范围较小,检测时效性好。采用难例挖掘以及主动学习等方法优化级联分类器训练过程,检测效果大幅提升。预警算法综合考虑相对盲区距离D以及预碰撞时间TTC,能够在盲区内已有快速车辆或即将有快速车辆通过时发出有效预警信号。预警信号采用视觉与听觉预警结合的方式,预警效果更好。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了盲区相机、级联分类器、预警策略等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (7)
1.一种基于盲区相机输入的变道预警方法,其特征在于,包括以下步骤:
S001、读取当前车速,如果高于设定阈值则进入步骤S002,如果低于阈值则保持对车速的监测状态;
S002、通过方向盘转角传感器检测驾驶员是否有变道操作,如果有变道操作,则进入步骤S003,否则保持对方向盘转角的监测状态;
S003、盲区相机采集图像并在图像中的ROI区域利用级联分类器进行多尺度滑窗搜索,得到检测车辆候选区域;
S004、对检测车辆候选区域进行车辆特征角点提取及跟踪;
S005、依据车辆特征角点对被检测车辆进行投影变换矩阵计算;
S006、依据投影变换矩阵计算结果估算预碰撞时间;
S007、依据预碰撞时间判断是否触发预警条件,如果触发,则进入步骤S008,否则跳转到步骤S003;
S008、产生预警信号,提示驾驶员谨慎驾驶。
2.根据权利要求1所述的一种基于盲区相机输入的变道预警方法,其特征在于,步骤S004具体为:用FAST或Shi-Tomasi角点对检测车辆候选区域提取角点特征,利用Lucas-Kanade光流方法计算角点特征的运动信息,并且更新角点特征位置。
3.根据权利要求1或2所述的一种基于盲区相机输入的变道预警方法,其特征在于,步骤S005具体为:根据相邻两帧角点特征跟踪结果,基于区域相似性假设,利用RANSAC方法计算被检测车辆投影变换矩阵,并将被检测车辆底部中心点投影坐标变换到自定义车辆坐标平面。
4.根据权利要求3所述的一种基于盲区相机输入的变道预警方法,其特征在于,步骤S006具体为:定义预碰撞时间TTC为相邻车道车辆按当前车速行驶,进入预警区域所需时间,计算公式如下:
TTC=D/vel
其中D为被检测车辆至预警区域距离,根据将被检测车辆图像区域底部中点位置投影坐标变换到自定义车辆坐标平面获得,vel为被检测车辆相对于当前车辆的速度,由跟踪算法获得。
5.根据权利要求4所述的一种基于盲区相机输入的变道预警方法,其特征在于,步骤S007中,所述依据预碰撞时间判断是否触发预警条件具体为:根据车辆检测以及跟踪结果,若D大于阈值D1,则不预警;若D小于阈值D2则预警;若D小于阈值D1且大于阈值D2,则根据TTC来判断是否预警:当TTC小于阈值T0时,预警,反之不预警;其中,D1、D2和T0为可配置参数,由实车测试所得。
6.根据权利要求1所述的一种基于盲区相机输入的变道预警方法,其特征在于,所述级联分类器采用如下方式训练:利用级联haar特征或LBP特征的boosting分类器,训练车辆检测算法;采用试验车辆所采集的车头正样本图像不少于12000张,负样本图像不少于20000张,利用难例挖掘和主动学习方法提升训练效果;分类器级联层数为可配置参数。
7.一种基于盲区相机输入的变道预警系统,其特征在于,包括输入层、分析决策层和输出层,输入层包括盲区后视系统和其他车载传感器,分析决策层包括图像处理单元和预警决策生成单元,输出层包括视觉界面和扬声器;盲区后视系统采集图像发送到图像处理单元,由图像处理单元处理后发送到预警决策生成单元;其他车载传感器车速和方向盘转角信息发送到预警决策生成单元;预警决策生成单元根据收到的信息和预警判断策略,生成视觉预警信号到视觉界面,并生成听觉预警信号到扬声器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710157737.8A CN107031661A (zh) | 2017-03-16 | 2017-03-16 | 一种基于盲区相机输入的变道预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710157737.8A CN107031661A (zh) | 2017-03-16 | 2017-03-16 | 一种基于盲区相机输入的变道预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107031661A true CN107031661A (zh) | 2017-08-11 |
Family
ID=59533299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710157737.8A Pending CN107031661A (zh) | 2017-03-16 | 2017-03-16 | 一种基于盲区相机输入的变道预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107031661A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784291A (zh) * | 2017-11-03 | 2018-03-09 | 北京清瑞维航技术发展有限公司 | 基于红外视频的目标检测跟踪方法和装置 |
CN107985189A (zh) * | 2017-10-26 | 2018-05-04 | 西安科技大学 | 面向高速驾驶环境下的驾驶员变道深度预警方法 |
CN108674313A (zh) * | 2018-06-05 | 2018-10-19 | 浙江零跑科技有限公司 | 一种基于车载后视广角相机的盲区预警系统及方法 |
CN109934076A (zh) * | 2017-12-19 | 2019-06-25 | 广州汽车集团股份有限公司 | 视觉盲区的场景图像的生成方法、装置、系统及终端设备 |
CN110775057A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于车载盲区视觉场景分析控制转向扭矩的车道辅助方法 |
CN111260719A (zh) * | 2020-01-09 | 2020-06-09 | 上海交通大学 | 一种基于神经网络算法的碰撞时间计算系统和方法 |
CN111507126A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 一种驾驶辅助系统的报警方法、装置及电子设备 |
CN111845557A (zh) * | 2020-07-23 | 2020-10-30 | 深圳市健创电子有限公司 | 车辆驾驶的安全预警方法、系统及相关装置 |
CN114162117A (zh) * | 2021-10-25 | 2022-03-11 | 合众新能源汽车有限公司 | 一种车辆变道辅助预警方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103043021A (zh) * | 2013-01-04 | 2013-04-17 | 浙江海康集团有限公司 | 一种集成五路视频检测的全方位汽车主动安全系统 |
CN104512327A (zh) * | 2013-09-27 | 2015-04-15 | 比亚迪股份有限公司 | 盲区车辆检测方法、系统、车辆变道预警方法及系统 |
CN105869438A (zh) * | 2016-04-12 | 2016-08-17 | 深圳市中天安驰有限责任公司 | 一种车辆防碰撞预警系统 |
CN106256606A (zh) * | 2016-08-09 | 2016-12-28 | 浙江零跑科技有限公司 | 一种基于车载双目相机的车道偏离预警方法 |
-
2017
- 2017-03-16 CN CN201710157737.8A patent/CN107031661A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103043021A (zh) * | 2013-01-04 | 2013-04-17 | 浙江海康集团有限公司 | 一种集成五路视频检测的全方位汽车主动安全系统 |
CN104512327A (zh) * | 2013-09-27 | 2015-04-15 | 比亚迪股份有限公司 | 盲区车辆检测方法、系统、车辆变道预警方法及系统 |
CN105869438A (zh) * | 2016-04-12 | 2016-08-17 | 深圳市中天安驰有限责任公司 | 一种车辆防碰撞预警系统 |
CN106256606A (zh) * | 2016-08-09 | 2016-12-28 | 浙江零跑科技有限公司 | 一种基于车载双目相机的车道偏离预警方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107985189A (zh) * | 2017-10-26 | 2018-05-04 | 西安科技大学 | 面向高速驾驶环境下的驾驶员变道深度预警方法 |
CN107784291A (zh) * | 2017-11-03 | 2018-03-09 | 北京清瑞维航技术发展有限公司 | 基于红外视频的目标检测跟踪方法和装置 |
CN109934076A (zh) * | 2017-12-19 | 2019-06-25 | 广州汽车集团股份有限公司 | 视觉盲区的场景图像的生成方法、装置、系统及终端设备 |
CN108674313A (zh) * | 2018-06-05 | 2018-10-19 | 浙江零跑科技有限公司 | 一种基于车载后视广角相机的盲区预警系统及方法 |
CN111507126A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 一种驾驶辅助系统的报警方法、装置及电子设备 |
CN111507126B (zh) * | 2019-01-30 | 2023-04-25 | 杭州海康威视数字技术股份有限公司 | 一种驾驶辅助系统的报警方法、装置及电子设备 |
CN110775057A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 基于车载盲区视觉场景分析控制转向扭矩的车道辅助方法 |
CN111260719A (zh) * | 2020-01-09 | 2020-06-09 | 上海交通大学 | 一种基于神经网络算法的碰撞时间计算系统和方法 |
CN111260719B (zh) * | 2020-01-09 | 2022-10-25 | 上海交通大学 | 一种基于神经网络算法的碰撞时间计算系统和方法 |
CN111845557A (zh) * | 2020-07-23 | 2020-10-30 | 深圳市健创电子有限公司 | 车辆驾驶的安全预警方法、系统及相关装置 |
CN114162117A (zh) * | 2021-10-25 | 2022-03-11 | 合众新能源汽车有限公司 | 一种车辆变道辅助预警方法、装置、电子设备及存储介质 |
CN114162117B (zh) * | 2021-10-25 | 2024-03-12 | 合众新能源汽车股份有限公司 | 一种车辆变道辅助预警方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107031623B (zh) | 一种基于车载盲区相机的道路预警方法 | |
CN107031661A (zh) | 一种基于盲区相机输入的变道预警方法及系统 | |
US20230394810A1 (en) | Advanced path prediction | |
CN108983219B (zh) | 一种交通场景的图像信息和雷达信息的融合方法及系统 | |
US11488392B2 (en) | Vehicle system and method for detecting objects and object distance | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
CN107463890B (zh) | 一种基于单目前视相机的前车检测与跟踪方法 | |
CN111448478B (zh) | 用于基于障碍物检测校正高清地图的系统和方法 | |
CN104573646B (zh) | 基于激光雷达和双目相机的车前行人检测方法及系统 | |
CN105260712B (zh) | 一种车辆前方行人检测方法及系统 | |
CN111461088B (zh) | 一种基于图像处理与目标识别的轨道交通避障系统 | |
CN105892471A (zh) | 汽车自动驾驶方法和装置 | |
CN105512720A (zh) | 一种公交车辆客流统计方法和系统 | |
CN108764108A (zh) | 一种基于贝叶斯统计决策的前车检测方法 | |
CN105930787A (zh) | 车辆开门预警方法 | |
CN101837782A (zh) | 用于碰撞预备系统的多目标融合模块 | |
CN107985189A (zh) | 面向高速驾驶环境下的驾驶员变道深度预警方法 | |
CN107066968A (zh) | 基于目标识别和跟踪的融合策略的车载行人检测方法 | |
CN111461048B (zh) | 基于视觉的停车场可行驶区域检测与局部地图构建方法 | |
CN113119960B (zh) | 路滑状况下提供车辆安全距离和速度警示的系统和方法 | |
CN107133568A (zh) | 一种基于车载前视相机的限速提示及超速告警方法 | |
CN104267209B (zh) | 一种基于虚拟线圈的高速公路视频测速方法及系统 | |
CN115880658A (zh) | 一种夜间场景下汽车车道偏离预警方法及系统 | |
CN113569652A (zh) | 一种自动泊车环视摄像头低矮障碍物检测方法 | |
BOURJA et al. | Real time vehicle detection, tracking, and inter-vehicle distance estimation based on stereovision and deep learning using YOLOv3 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170811 |