CN108806371B - 一种基于驾考科目训练的智能判定方法及系统 - Google Patents

Abstract

本发明涉及一种基于驾考科目训练的智能判定方法及系统，它包括学员客户端、教练客户端和驾管家智能学车系统；学员客户端和教练客户端通过无线通信的方式与驾管家智能学车系统连接进行数据交互；学员客户端主要实现学员在练车模式中选择训练的项目，系统在初始化完成工作后将使用语言提醒用户在各个关键位置点的操作要领，在项目训练完成后生成练车报告为用户提出相关指导意见；教练客户端实现教练查看学员的信息、训练和模拟考试情况，分析学员存在的问题以及方便教练与学员一起沟通交流解决学员练车中存在的问题；驾管家智能学车系统实现对学员在训练过程中的数据进行采集以及整体的控制，与学员客户端和所述教练客户端进行数据信息的交互。

Description

一种基于驾考科目训练的智能判定方法及系统

技术领域

本发明涉及驾校教学领域，尤其涉及一种基于驾考科目训练的智能判定方法及系统

背景技术

现在学车考试拿驾照的人越来越多，在驾校考试中科目二的场地考试是大部分人觉得最难的一个科目，因为它考试项目多而且每个项目都需要去对照不同的边线和点；在现有的科目二的训练中都是通过报考驾校然后驾校安排教练对学员进行指导；但是因为学员人数远远大于教练人数的缘故往往一个教练需要同时指导很多个学员，这样学员的学习效率无疑是很低，而且教练也不可能对每个学员每个项目每次都进行指导很多时候往往都是让老学员指导新学员，而这样新学员很难把握住每个训练项目的要领，如果招聘更多的教练无疑又会增加驾校的人力成本；因此，这样人工手把手教学通过教练指导的方法练习存在着学员学车效率低，对每个训练项目存在的问题不明确，目的性和针对性弱，无法为学员训练的每个项目提供数据依次和明确的指导建议。

发明内容

针对现有技术中所存在的不足，本发明提供了一种基于驾考科目训练的智能判定方法及系统，解决了现有驾考科目二训练中通过教练手把手不智能的教学方式存在的问题。

为实现上述目的，本发明采用了如下的技术方案：一种基于驾考科目训练的智能判定系统，它包括学员客户端、教练客户端和驾管家智能学车系统；学员客户端和教练客户端通过无线通信的方式与驾管家智能学车系统连接进行数据交互；

学员客户端主要实现学员在练车模式中选择训练的项目，系统在初始化完成工作后将使用语音提醒用户在各个关键位置点的操作要领，并在项目训练完成后生成练车报告为用户提出相关指导意见；

教练客户端实现教练查看学员的信息、训练和模拟考试情况，分析学员存在的问题以及方便教练与学员一起沟通交流解决学员练车中存在的问题；

驾管家智能学车系统实现对学员在训练过程中的数据进行采集以及整体的控制，并与学员客户端和教练客户端进行数据信息的交互。

驾管家智能学车系统包括：

用以采集学员在训练过程中的距离和角度数据以及捕获图像信息的OpenMV机器视觉模块；

实现控制OpenMV机器视觉模块采集学员在训练过程中的距离和角度数据以及捕获图像信息以及控制无线通信模块与学员客户端和教练客户端进行数据交互的控制模块；

用于学员客户端和教练客户端与控制模块进行通信连接实现数据传输交互的无线通信模块。

OpenMV机器视觉模块包括安装在舵机云台上便于使能旋转实现图像捕获的OpenMV机器视觉摄像头、在控制模块的控制下转动使得OpenMV机器视觉摄像头能捕获到目标位置的舵机云台、用于测量采集OpenMV机器视觉摄像头安装位置与底面之间垂直距离的超声波传感器和用于测量OpenMV机器视觉摄像头的下倾角以及为测量教练车车辆偏斜度的提供数据依据倾角传感器。

一种基于驾考科目训练的智能判定系统的智能判定方法，它包括以下步骤：

S1、学员驾驶教练车进入项目训练场地；

S2、通过OpenMV机器视觉模块捕获教练车当前的位置信息判断是否到达指定区域；

S3、通过OpenMV机器视觉模块实时检测教练车车辆外轮廓与训练场地边线的距离；

S4、根据教练车的行车轨迹生成学员行车路径距离数据；

S5、将学员行车路径距离数据跟标准数据进行分析对比，并生成分析报告。

在进行步骤S1学员驾驶教练车进入项目训练场地之前还需要建立与学员行车路径距离数据进行分析对比的标准数据的数据库。

在建立与学员行车路径距离数据进行分析对比的标准数据的数据库之前还需要对项目训练场地边线上进行关键位置点的标注。

建立标准数据的数据库的步骤如下：

A1、教练根据步骤S1-S3进行示范练车操作；

A2、得到记录教练在示范练车操作时教练车车头和车尾到项目训练场地边线上i个关键位置点的距离

和

A3、重复n次步骤A1和A2，得到教练车车头到项目训练场地边线上i个关键位置点的距离

和教练车车尾到项目训练场地边线上i个关键位置点的距离

A4、将n组数据进行分析拟合，得到教练车行驶到i个关键位置点时分别对应的

和

的取值范围，作为标准数据的参考距离。

步骤S2通过OpenMV机器视觉模块捕获教练车当前的位置信息判断是否到达指定区域的具体步骤如下：

S21、通过OpenMV机器视觉模块对项目训练场边线的颜色和轮廓进行识别；

S22、根据OpenMV机器视觉模块的视野中是否存在色块判断是否到达指定区域。

步骤S3通过OpenMV机器视觉模块实时检测教练车车辆外轮廓与训练场地边线的距离的具体步骤如下：

S31、控制器和舵机云台控制OpenMV机器视觉模块捕获项目训练场图像中的边线特征，并调整舵机云台使得项目训练场边线出现在图像的中心，通过倾角传感器得到OpenMV机器视觉模块与地面形成的一个下倾角；

S32、通过超声波传感器测出OpenMV机器视觉模块与地面之间的距离；

S33、根据三角形的勾股定理并可得到项目训练场边线垂直于车辆外轮廓的距离；

S34、再根据倾角传感器测出车辆的偏斜角以及得到的项目训练场边线垂直于车辆外轮廓的距离得到车辆外轮廓垂直于项目训练场边线的距离。

在步骤S31中如果OpenMV机器视觉模块捕获的图像中没有边线特征时的步骤如下：

B1、舵机云台上下扫动控制OpenMV机器视觉模块中的OpenMV机器视觉摄像头的视野发生变化，直到捕获到距离车辆最近的边线位置；

B2、舵机云台控制OpenMV机器视觉摄像头指向捕获的目标边线；

B3、反复判别每帧图像中项目训练场边线与图像中心的像素距离，不断调整舵机云台直至项目训练场边线出现在图像的中心。

相比于现有技术，本发明具有如下有益效果：

1、系统实时跟踪记录学员的练车数据并提醒学员，在单个项目练车结束后生产学员练车轨迹及练车总结报告，方便学员自查问题。

2、能够将学员的学车轨迹等数据送至服务器后台，教练可以通过教练客户端查看学院的练车情况，并进行有针对性目的性的指导教学。

3、通过智能判定方法对学员每个项目训练的情况进行判断以及为与标准数据的对比提供数据依据，极大地提高了学员学车的效率以及学员对每个项目训练情况的目的性和针对性。

附图说明

图1为方法的流程图；

图2为倒车入库关键位置点示意图；

图3为坡道起步关键位置点示意图；

图4为侧方位停车关键位置点示意图；

图5为S弯道关键位置点示意图；

图6为直角转弯关键位置点示意图；

图7为倒车入库OpenMV机器视觉摄像头视野模拟图；

图8为测距模型图；

图9为边线垂直于X轴的示意图；

图10为边线平行于X轴的示意图。

具体实施方式

下面结合附图对本发明做进一步的说明。

本发明所述的一种基于驾考科目训练的智能判定系统，它包括学员客户端、教练客户端和驾管家智能学车系统；学员客户端和教练客户端通过无线通信的方式与驾管家智能学车系统连接进行数据交互；

学员客户端主要实现学员在练车模式中选择训练的项目，系统在初始化完成工作后将使用语音提醒用户在各个关键位置点的操作要领，并在项目训练完成后生成练车报告为用户提出相关指导意见；

教练客户端实现教练查看学员的信息、训练和模拟考试情况，分析学员存在的问题以及方便教练与学员一起沟通交流解决学员练车中存在的问题；

驾管家智能学车系统实现对学员在训练过程中的数据进行采集以及整体的控制，并与学员客户端和所述教练客户端进行数据信息的交互。

还包括用于对数据进行存储管理的后台数据管理中心。

优选地，用户在练车模式中，选择要训练的项目，系统初始化完成工作后，将使用语音提醒用户在各个关键点位的操作要领，并将在项目训练完成后，生成练车报告，使用户了解自己练车中的问题，为用户提出相关指导意见。以用户选择倒车入库项目学习为例。当用户在APP中选择直角转弯项目后，应用会提示用户系统正处于等待状态，当用户将车辆驾驶至目标位置后，应用将切换练车指导界面。该指导界面显示当前训练项目的模型图，应用会根据用户车辆行驶到的位置来提供语音指导，当学员完成某一训练项目后，应用程序会自动跳转到学车报告界面。以倒车入库为例，我们根据不同训练项目的特定，为其分割不同的关键技术位置点。系统会记录学员练车过程中车辆的行驶状态数据，当学员完成训练后，系统将这些数据提供给学员查看，系统通过大数据分析结合人工智能技术为学员提供针对性的指导。为方便学员练车后能有效复习，系统将记录学员每次的练车报告情况，并能够直接反馈到学员端，学员通过反复对比自己练车过程中出现的共性失误，能够更快速度精准找到问题，提高练车效率。

驾管家智能学车系统包括：

用以采集学员在训练过程中的距离和角度数据以及捕获图像信息的OpenMV机器视觉模块；

实现控制所述OpenMV机器视觉模块采集学员在训练过程中的距离和角度数据以及捕获图像信息以及控制无线通信模块与学员客户端和教练客户端进行数据交互的控制模块；

用于学员客户端和所述教练客户端与控制模块进行通信连接实现数据传输交互的无线通信模块。

优选地，无线通信模块采用蓝牙的无线通信方式。

OpenMV机器视觉模块包括安装在舵机云台上便于使能旋转实现图像捕获的OpenMV机器视觉摄像头、在控制模块的控制下转动使得OpenMV机器视觉摄像头能捕获到目标位置的舵机云台、用于测量采集OpenMV机器视觉摄像头安装位置与底面之间垂直距离的超声波传感器和用于测量OpenMV机器视觉摄像头的下倾角以及为测量教练车车辆偏斜度的提供数据依据倾角传感器。

优选地，倾角传感器采用型号为MPU6050的倾角传感器用于同时测量摄像头的下倾角和车辆的偏斜角，控制模块为一中心处理器，其型号为STM32F7的单片机；中心处理器通过分析采集到的图像数据来调整OpenMV机器视觉摄像头的位置，以达到追踪每个项目训练场地边线的目的；OpenMV机器视觉摄像头位置的变化通过控制舵机云台的转动来实现，舵机云台受中心处理器控制负责调整OpenMV机器视觉摄像头的方向。

优选地，本申请使用OpenMV做机器视觉，OpenMV是一个开源，低成本，功能强大的模块，模块以STM32F7CPU为核心，集成了OV7725摄像头芯片，在小巧的硬件模块上，用C语言高效地实现了核心机器视觉算法，提供Python编程接口。该模块非常易用和低价的机器视觉开发组件可以编程调用图像处理的算法进行开发。

如图1所示，一种基于驾考科目训练的智能判定系统的智能判定方法，它包括以下步骤：

S1、学员驾驶教练车进入项目训练场地；

S2、通过OpenMV机器视觉模块捕获教练车当前的位置信息判断是否到达指定区域；

S3、通过OpenMV机器视觉模块实时检测教练车车辆外轮廓与训练场地边线的距离；

S4、根据教练车的行车轨迹生成学员行车路径距离数据；

S5、将学员行车路径距离数据跟标准数据进行分析对比，并生成分析报告。

在进行步骤S1学员驾驶教练车进入项目训练场地之前还需要建立与学员行车路径距离数据进行分析对比的标准数据的数据库。

在建立与学员行车路径距离数据进行分析对比的标准数据的数据库之前还需要对项目训练场地边线上进行关键位置点的标注。

建立标准数据的数据库的步骤如下：

A1、教练根据步骤S1-S3进行示范练车操作；

A2、得到记录教练在示范练车操作时教练车车头和车尾到项目训练场地边线上i个关键位置点的距离

和

A3、重复n次步骤A1和A2，得到教练车车头到项目训练场地边线上i个关键位置点的距离

和教练车车尾到项目训练场地边线上i个关键位置点的距离

A4、将n组数据通过MATALB进行分析拟合，得到教练车行驶到i个关键位置点时分别对应的

和

的取值范围，作为标准数据的参考距离。

优选地，训练项目包括S弯道、倒车入库、直角转弯、侧方位停车和坡道起步，每个项目训练场地边线上关键位置点的个数都不一样，即i的数值不一样，其中n的取值为n>10。

优选地，如图2-图6所示，图中的灰色色块(现实中色块的颜色可自行设定)的个数和位置分别表示倒车入库、坡道起步、S弯道、侧方位停车和直角转弯项目训练场地边线上关键位置点的数量和位置。

步骤S2通过OpenMV机器视觉模块捕获教练车当前的位置信息判断是否到达指定区域的具体步骤如下：

S21、通过OpenMV机器视觉模块对项目训练场边线的颜色和轮廓进行识别；

S22、根据OpenMV机器视觉模块的视野中是否存在色块判断是否到达指定区域。

优选地，每个项目训练场编写最重要特征是颜色和轮廓，边线的颜色一般为黄色或者白色，边线具有明显的直线轮廓特征；对于颜色识别和轮廓识别，调用OpenMV机器视觉中封装好的图像处理函数，利用内置的Micro Python解释器直接用Python(Micro Python)编程；本申请中使用两个OpenMV机器视觉模块分别安装在车辆前后轮上方的左右两侧，可以实现对车辆外轮廓两侧的边线进行视野中色块的识别捕获和测量；在某些项目中可以通过第一个OpenMV机器视觉模块中的OpenMV机器视觉摄像头对视野内的边线进行拍照的方式来校准边线的颜色，然后通过第二个OpenMV机器视觉模块中的OpenMV机器视觉摄像头提高捕捉的精准度和效率。

优选地，捕获位置的核心在于识别色块位于视野的指定区域，一旦发现色块位于该区域即可判别到达目的位置；追踪黄线边线以及发现目标位置点是本系统的基础，而捕获边线与位置目标的基础是识别色块。OpenMV机器视觉摄像头捕获到图像，OpenMV将图像中需要捕获的部分调整出来记录Threshold中的值，并将其传入find blobs函数中，根据需求设定像素点与矩形面积等阈值约束，并可以定义出需要捕获的色块内容。

优选地，如图7所示，以倒车入库为例，在教练车行车之前和行车过程中，OpenMV机器视觉摄像头主动调整视角，确保视野中心范围内能看到项目训练场边线，OpenMV机器视觉摄像头仅允许上下方向的改变，即视野范围仅能前后变化，最终效果便是OpenMV机器视觉摄像头紧紧盯住行车边线，并且不能左右晃动。教练车在行驶过程中，OpenMV机器视觉摄像头会拍摄到边线上的黑色关键位置点(现实中的颜色可以自行设定)，黑色虚线表示摄像头的视野范围，黑色箭头线表示视野中心，当黑色色块出现在视野中心时，即可判断教练车已经到达指定位置区域。

步骤S3通过OpenMV机器视觉模块实时检测教练车车辆外轮廓与训练场地边线的距离的具体步骤如下：

S31、控制器和舵机云台控制OpenMV机器视觉模块捕获项目训练场图像中的边线特征，并调整舵机云台使得项目训练场边线出现在图像的中心，通过倾角传感器得到OpenMV机器视觉模块与地面形成的一个下倾角；

S32、通过超声波传感器测出OpenMV机器视觉模块与地面之间的距离；

S33、根据三角形的勾股定理并可得到项目训练场边线垂直于车辆车后轮安装OpenMV机器视觉模块处外轮廓的距离；

S34、再根据倾角传感器测出车辆的偏斜角以及得到的项目训练场边线垂直于车辆外轮廓的距离得到车辆外轮廓垂直于项目训练场边线的距离。

其中步骤S34的具体步骤如下：

S341、再根据倾角传感器测出车辆的偏斜角以及得到的项目训练场边线垂直于车辆外轮廓安装OpenMV机器视觉模块处的距离，得到车辆外轮廓垂直于项目训练场边线的距离；即车辆车后轮垂直于项目训练场边线的距离；

S342、再根据车辆车后轮垂直于项目训练场边线的距离，测出车辆车前轮垂直于项目训练场边线的距离。

优选地，如图8所示，假设A、B为目标黄线，L1、L2为教练车垂直点到黄线的待测距离，其中A、B点表示两种距离不同的情况；OpenMV机器视觉模块安装于O处，即车身的上方，OpenMV机器视觉模块到底面的垂直距离为d，可由超声波传感器测出。OpenMV机器视觉模块结合舵机云台去寻找并判断是否为目标黄线(黄线与教练车之间距离不同，OpenMV机器视觉模块与黄线之前的倾角会发生变化)，由倾角传感器测得OpenMV机器视觉模块与A和B点之间的倾角α和β，以此，根据三角函数公式，可以求得此时项目训练场边线上的一点垂直于教练车车辆外轮廓的距离L1和L2。

如图9所示，同一训练场的边线都是水平或者垂直分布，以一条水平边线为X轴作参考，建立地面极坐标系。假设车辆相对于训练场边线的偏斜角度为γ，教练车车辆相对于该地面极坐标系的偏航角为θ。，θ角可以使用倾角传感器(我们使用MPU6050)测量并计算得出。

图中，菱形点表示车辆轮廓到训练场地边线的水平距离点，圆形点表示OpenMV机器视觉摄像头安装的位置(车后轮左右两侧)，正方形点表示OpenMV机器视觉摄像头捕获位置(关键位置点)，斜线表示车辆轮廓抽象线，垂直线和水平线表示训练场地边线抽象线。

C点表示安装在车后轮OpenMV机器视觉摄像头的位置点，D点表示车辆前轮的位置点，当边线垂直于X轴时，车辆相对于边线的偏斜角即为θ，此时γ＝θ。图中，CF线段表示垂直于安装在车后轮左侧的OpenMV机器视觉摄像头位置点处到训练场边线的距离，可以由三角形勾股定理测得，当测得CF后结合车辆此时的偏斜角γ，可以计算出安装在车后轮左侧的OpenMV机器视觉摄像头位置点处垂直于训练场地边线的水平距离b＝CF·sin(γ)。

图中，CD线段表示安装在车后轮距离OpenMV机器视觉摄像头的位置点到车辆前轮的距离，该距离是已知的，由此可以测出车辆前轮垂直于训练场地边线的水平距离b′＝b-CD·cos(γ)。

如图10所示，当边线平行于X轴时，车辆相对于边线的偏斜角即为θ-π/2，即γ＝θ-π/2，通过上述方式也可计算出当边线平行于X轴时车辆前后轮外轮廓垂直于训练场地边线的水平距离。

在步骤S31中如果OpenMV机器视觉模块捕获的图像中没有边线特征时的步骤如下：

B1、舵机云台上下扫动控制OpenMV机器视觉模块中的OpenMV机器视觉摄像头的视野发生变化，通过一次90°的扫动，直到捕获到距离车辆最近的边线位置；

B2、舵机云台控制OpenMV机器视觉摄像头指向捕获的目标边线，目标边线能够出现在OpenMV机器视觉摄像头的核心视野中；

B3、反复判别每帧图像中项目训练场边线与图像中心的像素距离，不断调整舵机云台直至项目训练场边线出现在图像的中心。

随着车辆的移动，车辆与边线的距离又可能发生改变，边线又可能将移出图像中心，再通过重复步骤B1-步骤B3使OpenMV机器视觉摄像头持续跟踪边线，让项目训练场边线始终处于图像的中心位置。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于驾考科目训练的智能判定系统，其特征在于：它包括学员客户端、教练客户端和驾管家智能学车系统；所述的学员客户端和教练客户端通过无线通信的方式与所述驾管家智能学车系统连接进行数据交互；

所述的学员客户端主要实现学员在练车模式中选择训练的项目，系统在初始化完成工作后将使用语音提醒用户在各个关键位置点的操作要领，并在项目训练完成后生成练车报告为用户提出相关指导意见；

所述的教练客户端实现教练查看学员的信息、训练和模拟考试情况，分析学员存在的问题以及方便教练与学员一起沟通交流解决学员练车中存在的问题；

所述的驾管家智能学车系统实现对学员在训练过程中的数据进行采集以及整体的控制，并与所述学员客户端和所述教练客户端进行数据信息的交互；

所述的驾管家智能学车系统包括：

用以采集学员在训练过程中的距离和角度数据以及捕获图像信息的OpenMV机器视觉模块；距离数据包括实时检测教练车车辆外轮廓与训练场边线的距离，其步骤如下：

控制器和舵机云台控制OpenMV机器视觉模块捕获项目训练场图像中的边线特征，并调整舵机云台使得项目训练场边线出现在图像的中心，通过倾角传感器得到OpenMV机器视觉模块与地面形成的一个下倾角；

通过超声波传感器测出OpenMV机器视觉模块与地面之间的距离；

根据三角形的勾股定理并可得到项目训练场边线垂直于车辆外轮廓的距离；

再根据倾角传感器测出车辆的偏斜角以及得到的项目训练场边线垂直于车辆外轮廓的距离得到车辆外轮廓垂直于项目训练场边线的距离；

实现控制所述OpenMV机器视觉模块采集学员在训练过程中的距离和角度数据以及捕获图像信息以及控制无线通信模块与所述学员客户端和所述教练客户端进行数据交互的控制模块；

用于所述学员客户端和所述教练客户端与所述控制模块进行通信连接实现数据传输交互的无线通信模块。

2.根据权利要求1所述的一种基于驾考科目训练的智能判定系统，其特征在于：所述的OpenMV机器视觉模块包括安装在舵机云台上便于使能旋转实现图像捕获的OpenMV机器视觉摄像头、在所述控制模块的控制下转动使得所述OpenMV机器视觉摄像头能捕获到目标位置的舵机云台、用于测量采集所述OpenMV机器视觉摄像头安装位置与底面之间垂直距离的超声波传感器和用于测量所述OpenMV机器视觉摄像头的下倾角以及为测量教练车车辆偏斜度的提供数据依据倾角传感器。

3.一种基于驾考科目训练的智能判定系统的智能判定方法，其特征在于：它包括以下步骤：

S1、学员驾驶教练车进入项目训练场地；

S2、通过OpenMV机器视觉模块捕获教练车当前的位置信息判断是否到达指定区域；

S3、通过OpenMV机器视觉模块实时检测教练车车辆外轮廓与训练场地边线的距离；其具体步骤如下：

S31、控制器和舵机云台控制OpenMV机器视觉模块捕获项目训练场图像中的边线特征，并调整舵机云台使得项目训练场边线出现在图像的中心，通过倾角传感器得到OpenMV机器视觉模块与地面形成的一个下倾角；

S32、通过超声波传感器测出OpenMV机器视觉模块与地面之间的距离；

S33、根据三角形的勾股定理并可得到项目训练场边线垂直于车辆外轮廓的距离；

S34、再根据倾角传感器测出车辆的偏斜角以及得到的项目训练场边线垂直于车辆外轮廓的距离得到车辆外轮廓垂直于项目训练场边线的距离；

S4、根据教练车的行车轨迹生成学员行车路径距离数据；

S5、将学员行车路径距离数据跟标准数据进行分析对比，并生成分析报告。

4.根据权利要求3所述的一种基于驾考科目训练的智能判定系统的智能判定方法，其特征在于：在进行步骤S1学员驾驶教练车进入项目训练场地之前还需要建立与学员行车路径距离数据进行分析对比的标准数据的数据库。

5.根据权利要求4所述的一种基于驾考科目训练的智能判定系统的智能判定方法，其特征在于：在建立与学员行车路径距离数据进行分析对比的标准数据的数据库之前还需要对项目训练场地边线上进行关键位置点的标注。

6.根据权利要求5所述的一种基于驾考科目训练的智能判定系统的智能判定方法，其特征在于：建立标准数据的数据库的步骤如下：

A1、教练根据步骤S1-S3进行示范练车操作；

A2、得到记录教练在示范练车操作时教练车车头和车尾到项目训练场地边线上i个关键位置点的距离

和

A3、重复n次步骤A1和A2，得到教练车车头到项目训练场地边线上i个关键位置点的距离

和教练车车尾到项目训练场地边线上i个关键位置点的距离

A4、将n组数据进行分析拟合，得到教练车行驶到i个关键位置点时分别对应的

和

的取值范围，作为标准数据的参考距离。

7.根据权利要求3所述的一种基于驾考科目训练的智能判定系统的智能判定方法，其特征在于：所述的步骤S2通过OpenMV机器视觉模块捕获教练车当前的位置信息判断是否到达指定区域的具体步骤如下：

S21、通过OpenMV机器视觉模块对项目训练场边线的颜色和轮廓进行识别；

S22、根据OpenMV机器视觉模块的视野中是否存在色块判断是否到达指定区域。

8.根据权利要求3所述的一种基于驾考科目训练的智能判定系统的智能判定方法，其特征在于：在步骤S31中如果OpenMV机器视觉模块捕获的图像中没有边线特征时的步骤如下：

B1、舵机云台上下扫动控制OpenMV机器视觉模块中的OpenMV机器视觉摄像头的视野发生变化，直到捕获到距离车辆最近的边线位置；

B2、舵机云台控制OpenMV机器视觉摄像头指向捕获的目标边线；

B3、反复判别每帧图像中项目训练场边线与图像中心的像素距离，不断调整舵机云台直至项目训练场边线出现在图像的中心。

Images