CN108932868B - 车辆的危险预警系统及方法 - Google Patents

Abstract

本发明提供了用于车辆的危险预警系统及方法。该系统包括外部检测单元，其检测本车辆周围的大型车辆，并且确定大型车辆的位置参数和运动参数；盲区确定单元，其确定在当前位置处大型车辆的盲区的分布；第一轨迹预测单元，其预测大型车辆的行驶轨迹；危险区域确定单元，其将大型车辆在当前位置处的盲区和预测行驶轨迹的覆盖区域之间的重叠部分确定为危险区域；内部检测单元，其检测本车辆的位置参数和运动参数；第二轨迹预测单元，其预测本车辆的行驶轨迹；和危险预警单元，其基于本车辆的预测行驶轨迹判断本车辆是否即将进入危险区域，并在判断为本车辆即将进入危险区域的情况下，发出危险警告。

Description

车辆的危险预警系统及方法

技术领域

本发明涉及车辆的危险预警系统及方法。具体地，本发明涉及基于盲区检测和行驶轨迹预测的行车过程中的危险区域检测的危险预警系统及方法。

背景技术

对于重型卡车或公共汽车等大型车辆来说，车辆周围存在较大的盲区。盲区的存在导致驾驶员的有限视野，由此可能会导致危险的交通状况，尤其是在大型车辆朝着行人侧变道和转弯、大型车辆从斑马线处静止启动而前方存在其他交通参与者等情形下。而在大型车辆侧方或前方的小汽车等经常意识不到自身已经位于其他车辆的盲区，这在大型车辆突然变道、转弯或起动时，容易发生危险。

发明内容

本发明的一个目的是提供一种危险预警系统及方法，其能够基于对第三方车辆的盲区检测和行驶轨迹预测，在该车辆的行车过程中检测危险区域。本发明的另一个目的是提供一种危险预警系统及方法，其能够基于本车辆的行驶轨迹预测防止本车辆驶入危险区域。

本发明提供了一种用于车辆的危险预警系统，其安装在本车辆上并且用于在行车过程中检测危险区域，所述危险预警系统包括：外部检测单元，其配置成检测本车辆周围的大型车辆，并且确定所述大型车辆的位置参数和运动参数；盲区确定单元，其配置成确定所述大型车辆的盲区的分布；第一轨迹预测单元，其基于所述大型车辆的当前位置参数和当前运动参数预测所述大型车辆的行驶轨迹；以及危险区域确定单元，其将在当前位置处所述大型车辆的盲区和预测行驶轨迹的覆盖区域之间的重叠部分确定为危险区域，其中所述危险预警系统还包括：内部检测单元，其用于检测本车辆的位置参数和运动参数；第二轨迹预测单元，其基于本车辆的当前位置参数和当前运动参数预测本车辆的行驶轨迹；以及危险预警单元，其基于本车辆的预测行驶轨迹判断本车辆是否即将进入所述危险区域，并且在判断为本车辆即将进入危险区域的情况下，发出危险警告。

根据一些实施例，所述盲区确定单元预先存储所述大型车辆的训练样本集，所述训练样本集中的各个样本至少具有以下特征要素：外观特征、车辆类别以及盲区的分布信息，并且所述外部检测单元还配置成检测所述大型车辆的外观特征，并且所述盲区确定单元基于所述大型车辆的外观特征，使用所述训练样本集来确定所述大型车辆的盲区的分布。

根据一些实施例，所述大型车辆的外观特征包括所述大型车辆的尺寸、形状以及能够用于区分所述大型车辆的类别的特征。

根据一些实施例，所述大型车辆的预测行驶轨迹的覆盖区域是由所述大型车辆的左前轮、右前轮、左后轮和右后轮的预测行驶轨迹共同决定的。

根据一些实施例，所述危险预警单元通过以下方式中的至少一种来发出警告：以声音或视觉的方式向本车辆的驾驶员发出警告；以声音或视觉的方式向所述大型车辆发出外部警告；以及以本车辆与外部设备通信的方式向所述大型车辆和其他外部车辆发出外部警告。

根据一些实施例，所述危险预警单元还配置成将所述危险区域的信息和/或本车辆即将进入所述危险区域的判断结果输入到本车辆的自动驾驶辅助系统，所述自动驾驶辅助系统将控制本车辆进行减速和/或转向。

本发明还提供了一种车辆，其上安装有如上所述任意实施例的危险预警系统。

本发明还提供了一种用于车辆的危险预警方法，其用于在行车过程中检测危险区域，所述方法包括以下步骤：检测本车辆周围的大型车辆，并且确定所述大型车辆的位置参数和运动参数；确定所述大型车辆的盲区的分布；基于所述大型车辆的当前位置参数和当前运动参数预测所述大型车辆的预测行驶轨迹；以及将在当前位置处所述大型车辆的盲区和预测行驶轨迹的覆盖区域之间的重叠部分确定为危险区域，其中，所述方法还包括以下步骤：检测本车辆的位置参数和运动参数；基于本车辆的当前位置参数和当前运动参数预测本车辆的行驶轨迹；以及基于本车辆的预测行驶轨迹判断本车辆是否即将进入所述危险区域，并且在判断为本车辆即将进入危险区域的情况下，发出危险警告。

根据上述实施例的危险预警系统、车辆以及危险预警方法能够在行车过程中检测危险区域，使得车辆的驾驶员可以提前调整车辆的行驶状态，避免车辆进入危险区域，防止发生事故。此外，根据本发明，即使车辆由于各种原因而不慎进入第三方车辆的盲区，也能够及时避免车辆进入第三方车辆的行驶轨迹，防止发生事故。

附图说明

下面，将结合附图对本发明的示例性实施例的特征、优点和技术效果进行描述，附图中相似的附图标记表示相似的元件，其中：

图1示出了根据本发明的一些实施例的危险预警系统的构成框图。

图2示出了根据本发明的一些实施例的大型车辆的盲区分布示意图。

图3示出了根据本发明的一些实施例的大型车辆的预测行驶轨迹示意图。

图4示出了根据本发明的一些实施例的危险预警方法的流程图。

具体实施方式

下文中，参照附图描述本发明的实施例。下面的详细描述和附图用于示例性地说明本发明的原理，本发明不限于所描述的优选实施例，本发明的范围由权利要求书限定。

本发明提供了一种危险预警系统，其能够安装在车辆上或应用于车辆，并能够基于对第三方车辆的盲区检测和行驶轨迹预测，在该车辆的行车过程中检测危险区域。所述危险区域是该车辆可能与第三方车辆发生碰撞的区域。该危险预警系统还能够基于本车辆的行驶轨迹预测避免本车辆驶入危险区域。这里，第三方车辆可以是各种类型的载客车辆和载货车辆，包括公共汽车、大型载客汽车、运货卡车、水泥搅拌车等建筑用车、农业用车等。本车辆可以是滑板车、自行车、摩托车、微型车以及小型车辆等。在下文中，以第三方车辆为大型车辆来描述本发明的实施例。这里所述的大型车辆可以是例如交通管理部门规定的大型车辆，例如中国交通管理部门将总质量4.5t(含)、乘坐人数(驾驶员除外)20人(含)或车长6m(含)以上的车辆限定为大型车辆。

图1示出了根据本发明的实施例的危险预警系统100的示意性框图。如图1所示，危险预警系统100可以安装在车辆A上，并且可以包括检测装置10、控制器20以及输出装置30。危险预警系统100的各个装置可以配置成以各个装置中的部件相互连接的方式工作。连接方式包括系统总线、网络和/或其他连接方式。根据本发明的一些实施例，危险预警系统100可以包括更多、更少或不同的装置，并且各个装置可以包括更多、更少或不同的部件。此外，所述装置和部件可以以多种方式组合或拆分。

下面，将具体地描述根据本发明的实施例的危险预警系统100的各个装置和/或部件的配置和功能。

检测装置10包括外部检测单元和内部检测单元。外部检测单元可以配置成获取车辆A所在环境的信息。特别地，外部检测单元可以配置成基于所获取的信息检测车辆A周围是否存在大型车辆B。进一步地，在车辆A周围存在大型车辆B的情况下，外部检测单元可以获取大型车辆B的位置参数、运动参数和外观特征等信息。这里，大型车辆B的位置参数可以是大型车辆B相对于车辆A的距离和方向，也可以是表示大型车辆B在某预先存储的地图中的位置的其他类型的数据。大型车辆B的运动参数至少包括速度、加速度、转向角、偏航角等。大型车辆B的外观特征可以包括形状、尺寸以及能够用于区分大型车辆B的所属类别的其他外观特征，诸如品牌标志、车牌类别、车身上的文字、符号和图案等等任何有助于区分大型车辆的类别的标记。

外部检测单元可以包括设置在车辆A的外部适合位置处的传感器，例如摄像头、激光传感器、超声波传感器、雷达传感器和红外传感器等。外部检测单元可以利用这些传感器的任意一者或任意组合来检测车辆A周围的大型车辆B，并且获取其位置参数、运动参数以及外观特征等信息。例如，外部检测单元可以利用摄像头获取车辆A外部环境的图像，通过计算机视觉和图像处理技术识别图像中的大型车辆，并且获取该大型车辆的距离、方向、速度、加速度、形状、尺寸等信息。

内部检测单元可配置成获取车辆A自身的位置参数和运动参数等信息。内部检测单元主要通过车辆A自带的各种传感器来获取这些信息，诸如可获取表示车辆A在预先存储的地图中的位置数据的GPS传感器、测量车辆A的转向角度的转向角传感器、测量车辆A的速度的速度传感器、测量车辆A的加速度的加速度传感器、测量车辆A的施加到制动踏板上的操作量的制动传感器等等。由此，内部检测单元可以获取车辆A的位置参数以及速度、加速度、转向角等运动参数。

下面，将具体地描述根据本发明的实施例的控制器20的配置和功能控制器20具体地由处理器和存储器实现。处理器可以包括一个或多个通用处理器和/或一个或多个专用处理器(例如，图像处理器、数字信号处理等)。存储器可以包括一个或多个易失性和/或一个或多个非易失性存储器。存储器可以与处理器一体的形成或分别单独地形成。存储器可以包含由处理器执行以实现各种功能的指令。存储器还可以存储控制器20执行指令时需要的数据等。控制器20至少可以包括盲区确定单元21、第一轨迹预测单元22以及危险区域确定单元23。

盲区确定单元21可以配置成确定车辆A周围的大型车辆B的盲区的分布。大型车辆B的盲区分布包括盲区的形状、尺寸和相对于大型车辆B的车身的位置等。图2示出了根据本发明的一些实施例盲区确定单元所确定的大型车辆B的盲区的分布示意图。盲区确定单元21可以通过以下方式来确定大型车辆B的盲区的分布。具体地，盲区确定单元21可以预先存储多个具有如下三种特征要素的训练样本：车辆类别(公共汽车-1，公共汽车-2，……运货卡车-1，运货卡车-2，……),外观特征(某类别车辆的形状、尺寸以及其他能够区别于其他类别车辆的外观特征)、以及盲区的分布信息(形状、尺寸和相对于车身的位置等)。盲区确定单元21可以通过检测装置10的外部检测单元检测大型车辆B的外观特征，并且基于所检测的外观特征并且使用分类器可以得到大型车辆B的类别，相应地，可以得到在训练样本中该类别的大型车辆的盲区分布信息，从而确定大型车辆B的盲区的分布。

这里，训练样本中对各个类别的大型车辆的盲区的分布进行精确地描述，例如在尺寸上可以精确到0.1m，有利于本发明的危险预警系统进行更加精确地预警。并且，盲区确定单元21还可以使用机器学习的方法改进和优化训练样本，使得数据更加精确。

第一轨迹预测单元22配置成基于大型车辆B的位置参数、运动参数(速度、加速度、转向角度、偏航角等)等预测大型车辆B的行驶轨迹，并且确定该预测行驶轨迹的覆盖区域。具体地，第一轨迹预测单元22仅基于大型车辆B的当前时刻的位置参数和运动参数来预测大型车辆B的行驶轨迹。并且，第一轨迹预测单元22同时考虑大型车辆B的左前轮、右前轮、左后轮和右后轮的预测行驶轨迹，他们共同决定大型车辆B的预测行驶轨迹的覆盖区域。图3示出了根据本发明的实施例的大型车辆B的预测行驶轨迹的覆盖区域的示意图。

危险区域确定单元23配置成计算在当前位置处大型车辆B的盲区及其预测行驶轨迹的覆盖区域之间的重叠部分，并且将该重叠部分确定为危险区域。例如，危险区域确定单元23可以将从盲区确定单元21获取的大型车辆B的盲区的分布信息，和从第一轨迹预测单元22获取的大型车辆B的预测行驶轨迹，校准到相同的参考坐标系O上，从而计算得到两者的重叠区域。

危险区域确定单元23可以向输出装置30输出该危险区域，输出装置30将该危险区域报告给车辆A的驾驶员。例如，可以通过显示屏来输出该危险区域。输出装置30可以在某一参考系中显示车辆A、大型车辆B、大型车辆B的盲区(如图2所示)以及大型车辆B的预测行驶轨迹的覆盖部分(如图3所示)。并且，通过醒目颜色、阴影等突出显示大型车辆B在当前位置处的盲区和预测行驶轨迹的覆盖区域之间的重叠部分。由此，车辆A的驾驶员可以及时了解周围大型车辆B的盲区分布、及其预测行驶轨迹的覆盖区域，尤其是还可以了解在大型车辆B的盲区中特别危险的部分。这样，车辆A的驾驶员可以根据盲区和危险区域的分布情况，谨慎驾驶，尽量避免进入危险区域。此外，输出装置30还可以通过语音提示的方式告知驾驶员盲区和危险区域相对于车辆A的大致位置。

优选地，控制器20还可以包括第二轨迹预测单元24和危险预警单元25。第二轨迹预测单元24配置成基于车辆A的位置参数和运动参数(速度、加速度、转向角等)预测车辆A的行驶轨迹。第二轨迹预测单元24仅基于车辆A的当前时刻的位置参数和运动参数来进行行驶轨迹的预测。

基于第二轨迹预测单元24所预测的车辆A的行驶轨迹，危险预警单元25可以判断车辆A是否即将进入上述危险区域。具体地，危险预警单元25可以将车辆A的预测行驶轨迹校正到确定危险区域时使用的相同参考坐标系O上，通过判断车辆A的预测行驶轨迹与危险区域是否存在重叠部分，来判断车辆A是否即将进入重叠区域。在判断为车辆A的预测行驶轨迹会进入危险区域的情况下，危险预警单元25发出危险警告。响应于该警告，车辆A的驾驶员可以提前调整车辆A的行驶状态，避免车辆A进入大型车辆B的行驶轨迹。这样，即使车辆A由于各种原因而不慎进入大型车辆B的盲区，也能够及时避免车辆A进入大型车辆B的行驶轨迹，防止发生事故。

危险预警单元25可以通过输出装置30发出危险警告。输出装置30可以通过声音或视觉的方式向车辆A的驾驶员发出警告。例如通过扬声器进行语音提示，在显示器上进行显示，或者闪烁危险警报灯等。输出装置30还可以发出外部警报，例如通过声音或视觉的方式向大型车辆B和其他车辆的驾驶员发出警报，例如鸣响喇叭、闪烁灯光等。输出装置30还可以通过车辆A与外部设备通信的方式向大型车辆B和其他车辆的驾驶员发出外部警告，例如通过通信设备向型车辆B和其他车辆发送危险警告、危险区域的有关信息以及车辆A即将进入危险区域的判断结果等。

危险预警单元25还可以将危险区域的信息和车辆A即将进入危险区域的判断结果输入到车辆A的自动驾驶辅助系统。自动驾驶辅助系统可以基于危险区域的信息和该判断结果自动控制车辆A的速度和/或方向，如进行减速和/或转向以避开危险区域。当然，危险警告单元25也可以用作车辆A的自动驾驶辅助系统的一部分，自动地控制车辆的速度和/或方向，如进行减速和/或转向以避开危险区域。

以上描述了根据本发明的实施例的危险预警系统。该危险预警系统能够在行车过程中检测危险区域，使得车辆的驾驶员可以提前调整车辆A的驾驶状态，避免车辆进入危险区域，防止发生事故。此外，根据本发明，即使车辆A由于各种原因而不慎进入大型车辆B的盲区，也能够及时避免车辆A进入大型车辆B的行驶轨迹，防止发生事故。

以上详细描述了根据本发明的实施例的危险预警系统的配置和功能。下面，将详细描述根据本发明的实施例的危险预警方法。图4示出了根据本发明的实施例的危险预警方法的流程图。

在步骤S10中，当车辆A的驾驶员启动发动机时，危险预警系统100开始运行。

在步骤S12中，(通过外部检测单元)获取车辆A所在环境的信息，并且基于所获取的信息检测车辆A的周围是否存在大型车辆B。

如果在车辆A的周围检测到大型车辆B，则进入步骤S14。在步骤S14中，获取所检测到的大型车辆B的位置参数、运动参数和外观特征等信息。

如果在车辆A的周围未检测到大型车辆B，则以预定时间间隔重复步骤S12，直到检测到大型车辆B为止。

在步骤S16中，基于大型车辆B的外观特征确定该大型车辆B的盲区分布。具体地，可以将大型车辆B的外观特征信息输入到分类器，该分类器可以基于所输入的外观特征信息查询到对应的大型车辆类别，并且由此查询到该大型车辆类别相应的盲区分布信息。

在步骤S18中，基于大型车辆B当前时刻的位置参数和运动参数预测其行驶轨迹。需要注意的是，这里，对大型车辆B的左前轮、右前轮、左后轮和右后轮的行驶轨迹均进行预测，在考虑所有车轮的行驶轨迹的情况下确定大型车辆B的预测行驶轨迹的覆盖区域。

在步骤S20中，确定在当前位置处大型车辆B的盲区和预测行驶轨迹的覆盖区域之间的重叠部分，并将该重叠部分确定为危险区域。

在步骤S22中，(通过内部检测单元)获取车辆A的位置参数和运动参数，并且基于车辆A当前时刻的位置参数和运动参数预测车辆A的行驶轨迹。

在步骤S24中，判断车辆A是否即将进入危险区域。具体地，该判断是通过计算车辆A的预测行驶轨迹与危险区域之间是否存在重叠部分来进行的。

在判断为车辆A即将进入危险区域的情况下，进入步骤S26。在步骤S26中，发出危险警告信号，以提醒车辆A的驾驶员谨慎驾驶。此外，在步骤S26中，还可以自动控制车辆进行减速和/或转向，以避免车辆A进入危险区域。

在判断为车辆A不会进入危险区域的情况下，进入步骤S28，在步骤S28中，可以进一步判断车辆A是否进入在当前位置处大型车辆B的盲区。如果是，则进入步骤S30，在步骤S30中，提醒车辆A的驾驶员脱离大型车辆B的盲区；如果否，则返回到步骤S12，并重复后续步骤。

此外，在步骤S26或步骤S30结束之后，也可以返回到步骤S12，并重复后续步骤。

需要注意的是，在上述实施例中，步骤S16和S18的先后顺序不限于上述顺序，其先后顺序可以变换。

以上描述了根据本发明的实施例的危险预警方法。该危险预警方法能够在行车过程中检测危险区域，使得车辆的驾驶员可以提前调整车辆A的驾驶状态，避免车辆进入危险区域，防止发生事故。此外，根据本发明的危险预警方法，即使车辆A由于各种原因而不慎进入大型车辆B的盲区，也能够及时避免车辆A进入大型车辆B的行驶轨迹，防止发生事故。

尽管已经参考示例性实施例描述了本发明，但是应理解，本发明并不限于上述实施例的构造和方法。相反，本发明意在覆盖各种修改例和等同配置。另外，尽管在各种示例性结合体和构造中示出了所公开发明的各种元件和方法步骤，但是包括更多、更少的元件或方法的其它组合也落在本发明的范围之内。

Claims (11)

1.一种用于车辆的危险预警系统，其安装在本车辆上并且用于在行车过程中检测危险区域，所述危险预警系统包括：

外部检测单元，其配置成检测本车辆周围的大型车辆，并且确定所述大型车辆的位置参数和运动参数；

盲区确定单元，其配置成确定所述大型车辆的盲区的分布；

第一轨迹预测单元，其基于所述大型车辆的当前位置参数和当前运动参数预测所述大型车辆的行驶轨迹；以及

危险区域确定单元，其将在当前位置处所述大型车辆的盲区和预测行驶轨迹的覆盖区域之间的重叠部分确定为危险区域，

其中所述危险预警系统还包括：

内部检测单元，其用于检测本车辆的位置参数和运动参数；

第二轨迹预测单元，其基于本车辆的当前位置参数和当前运动参数预测本车辆的行驶轨迹；以及

危险预警单元，其基于本车辆的预测行驶轨迹判断本车辆是否即将进入所述危险区域，并且在判断为本车辆即将进入危险区域的情况下，发出危险警告,

其中，所述盲区确定单元预先存储所述大型车辆的训练样本集，所述训练样本集中的各个样本至少具有以下特征要素：外观特征、车辆类别以及盲区的分布信息，并且

所述外部检测单元还配置成检测所述大型车辆的外观特征，并且所述盲区确定单元基于所述大型车辆的外观特征，使用所述训练样本集来确定所述大型车辆的盲区的分布。

2.根据权利要求1所述的危险预警系统，其中，

所述大型车辆的外观特征包括所述大型车辆的尺寸、形状以及能够用于区分所述大型车辆的类别的特征。

3.根据权利要求1或2所述的危险预警系统，其中，

所述大型车辆的预测行驶轨迹的覆盖区域是由所述大型车辆的左前轮、右前轮、左后轮和右后轮的预测行驶轨迹共同决定的。

4.根据权利要求1或2所述的危险预警系统，其中，

所述危险预警单元通过以下方式中的至少一种来发出警告：

以声音或视觉的方式向本车辆的驾驶员发出警告；

以声音或视觉的方式向所述大型车辆发出外部警告；以及

以本车辆与外部设备通信的方式向所述大型车辆和其他外部车辆发出外部警告。

5.根据权利要求1或2所述的危险预警系统，其中，

所述危险预警单元还配置成将所述危险区域的信息和/或本车辆即将进入所述危险区域的判断结果输入到本车辆的自动驾驶辅助系统，所述自动驾驶辅助系统将控制本车辆进行减速和/或转向。

6.一种车辆，其上安装有如权利要求1-5中任一项所述的危险预警系统。

7.一种用于车辆的危险预警方法，其用于在行车过程中检测危险区域，所述方法包括以下步骤：

检测本车辆周围的大型车辆，并且确定所述大型车辆的位置参数和运动参数；

确定所述大型车辆的盲区的分布；

基于所述大型车辆的当前位置参数和当前运动参数预测所述大型车辆的预测行驶轨迹；以及

将在当前位置处所述大型车辆的盲区和预测行驶轨迹的覆盖区域之间的重叠部分确定为危险区域，其中，

所述方法还包括以下步骤：

检测本车辆的位置参数和运动参数；

基于本车辆的当前位置参数和当前运动参数预测本车辆的行驶轨迹；以及

基于本车辆的预测行驶轨迹判断本车辆是否即将进入所述危险区域，并且在判断为本车辆即将进入危险区域的情况下，发出危险警告，

其中，所述危险预警方法还包括以下步骤：

预先存储所述大型车辆的训练样本集，所述训练样本集中的各个样本至少具有以下特征要素：外观特征、车辆类别以及盲区的分布信息；以及

检测所述大型车辆的外观特征，并且基于所述大型车辆的外观特征，使用所述训练样本集来确定所述大型车辆的盲区的分布。

8.根据权利要求7所述的危险预警方法，其中，

所述大型车辆的外观特征包括所述大型车辆的尺寸、形状以及能够用于区分所述大型车辆的类别的特征。

9.根据权利要求7或8所述的危险预警方法，其中，

所述大型车辆的预测行驶轨迹的覆盖区域是由所述大型车辆的左前轮、右前轮、左后轮和右后轮的预测行驶轨迹共同决定的。

10.根据权利要求7或8所述的危险预警方法，其中，通过以下方式中的至少一种来发出警告：

以声音或视觉的方式向本车辆的驾驶员发出警告；

以声音或视觉的方式向所述大型车辆发出外部警告；以及

以本车辆与外部设备通信的方式向所述大型车辆和其他外部车辆发出外部警告。

11.根据权利要求7或8所述的危险预警方法，还包括以下步骤：

基于所述危险区域的信息和/或本车辆即将进入所述危险区域的判断结果自动控制本车辆减速和/或转向。

Images