CN109017570A - 车辆周围场景呈现方法和装置、车辆 - Google Patents

Abstract

本发明实施例公开了一种车辆周围场景呈现方法和装置、车辆，其中，方法包括：通过设置在车辆上的至少一个摄像装置采集获取车辆周围的车道线图像和障碍物图像；通过设置在车辆上的至少一个雷达获得车辆周围障碍物的距离、速度和方位角信息；基于所述车道线图像，障碍物图像，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。基于本发明上述实施例，可以同时呈现车道线、障碍物和预警信息，使车辆驾驶员能够全方位知晓车辆的安全情况和驾驶情况。

Description

车辆周围场景呈现方法和装置、车辆

技术领域

本发明涉及车辆辅助驾驶技术，尤其是一种车辆周围场景呈现方法和装置、车辆。

背景技术

高级驾驶辅助系统是利用安装在车上的各式各样传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。近年来ADAS市场增长迅速，原来这类系统局限于高端市场，而现在正在进入中端市场，与此同时，许多低技术应用在入门级乘用车领域更加常见，经过改进的新型传感器技术也在为系统布署创造新的机会与策略。

发明内容

本发明实施例提供的一种车辆周围场景呈现技术。

根据本发明实施例的一个方面，提供的一种车辆周围场景呈现方法，包括：

通过设置在车辆上的至少一个摄像装置采集获取车辆周围的车道线图像和障碍物图像；

通过设置在车辆上的至少一个雷达获得车辆周围障碍物的距离、速度和方位角信息；

基于所述车道线图像，所述障碍物图像，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

可选地，所述基于所述车道线图像，所述障碍物图像，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景，包括：

基于所述车道线图像获得所述车辆所在路面的坐标、车道线坐标和车辆偏离信息；

基于所述车道线图像获得车道线条数、车道线颜色和车道线类型，基于所述障碍物图像获得障碍物大小和障碍物类型；

基于所述路面的坐标、所述车道线坐标、所述车道线条数、所述车道线颜色、所述车道线类型、所述车辆偏离信息、所述障碍物大小和所述障碍物类型，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

可选地，所述基于所述车道线图像获得所述车辆所在路面的坐标、车道线坐标和车辆偏离信息，包括：

基于车道线检测方法，从所述车辆所在路面的图像中识别获得所述车辆周围的至少一条车道线，获得所述车道线坐标和所述车辆偏离信息；

基于所述至少一条车道线对应的所述车道线坐标确定所述路面的坐标。

可选地，所述车道线坐标包括平面坐标和深度坐标；

所述基于车道线检测方法，从所述车辆所在路面的图像中识别获得所述车辆周围的至少一条车道线，获得所述车道线坐标，包括：

基于霍夫变换，从所述车辆所在路面的图像中获得直线和/或线段图像，确定所述车道线图像中至少一条车道线的平面坐标；

基于卡尔曼滤波，对所述获得的直线和/或线段图像进行跟踪，获得所述车道线图像中至少一条车道线的深度坐标。

可选地，所述基于所述路面的坐标、所述车道线坐标、所述车道线条数、所述车道线颜色、所述车道线类型、所述车辆偏离信息、所述障碍物大小和所述障碍物类型，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景，包括：

利用开放图形库基于所述车辆位置构建以所述车辆为中心的三维图像；

基于所述车道线的坐标、所述路面的坐标和所述车辆偏离信息确定所述车道线和所述路面在三维图像中的位置；

基于所述车辆周围障碍物的距离、速度和方位角信息，确定所述障碍物在三维图像中的位置；

基于所述车道线、所述路面和所述障碍物在三维图像中的位置，以及所述车道线条数、所述车道线颜色、所述车道线类型、所述障碍物大小和所述障碍物类型，将所述车道线、所述路面和所述障碍物添加到所述三维图像的相应位置构成所述三维驾驶场景。

可选地，还包括：通过设置在所述车辆中的显示装置显示所述三维驾驶场景。

可选地，还包括：基于所述车道线与所述车辆中心之间的距离发出车道线预警。

可选地，还包括：基于所述车道线与所述车辆中心之间的距离确定车道线预警等级；所述车道线预警等级包括至少两个预警等级；

根据所述车道线预警等级将所述车道线图像中的车道线设置为相应颜色；每种所述车道线预警等级对应一种预设颜色。

可选地，还包括：根据所述障碍物与所述车辆之间的距离信息和所述角度信息确定障碍物风险等级；所述障碍物风险等级包括至少两个风险等级；

根据所述障碍物风险等级将所述障碍物以相应颜色进行显示，每种所述障碍物风险等级对应一种预设颜色。

可选地，所述通过设置在车辆上的至少一个雷达获得车辆周围障碍物的距离、速度和方位角信息，包括：

通过设置在车辆上的至少一个雷达，扫描获得所述车辆周围的至少一个障碍物；

基于所述障碍物与所述雷达之间的距离，确定所述障碍物与所述车辆之间的距离和速度信息；

基于所述障碍物与所述雷达之间的法向量，确定所述障碍物与所述车辆之间的方位角信息。

可选地，所述摄像装置包括以下至少一种：

单目摄像头、双目摄像头、三目摄像头。

可选地，所述雷达包括以下至少一种：

超声波雷达、毫米波雷达、64线雷达。

根据本发明实施例的另一个方面，提供的一种车辆周围场景呈现装置，包括：

摄像装置，设置在车辆上，用于采集获取车辆周围的车道线图像和障碍物图像；

雷达，设置在车辆上，用于获得车辆周围障碍物的距离、速度和方位角信息；

处理器，用于基于所述车道线图像，所述障碍物图像，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

可选地，所述处理器，包括：

坐标确定模块，用于基于所述车道线图像获得所述车辆所在路面的坐标、车道线坐标和车辆偏离信息；

图像确定模块，用于基于所述车道线图像获得车道线条数、车道线颜色和车道线类型，基于所述障碍物图像获得障碍物大小和障碍物类型；

场景构建模块，用于基于所述路面的坐标、所述车道线坐标、所述车道线条数、所述车道线颜色、所述车道线类型、所述车辆偏离信息、所述障碍物大小和所述障碍物类型，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

可选地，所述坐标确定模块，包括：

车道线坐标模块，用于基于车道线检测方法，从所述车辆所在路面的图像中识别获得所述车辆周围的至少一条车道线，获得所述车道线坐标和所述车辆偏离信息；

路面坐标模块，用于基于所述至少一条车道线对应的所述车道线坐标确定所述路面的坐标。

可选地，所述车道线坐标包括平面坐标和深度坐标；

所述车道线坐标模块，具体用于基于霍夫变换，从所述车辆所在路面的图像中获得直线和/或线段图像，确定所述车道线图像中至少一条车道线的平面坐标；基于卡尔曼滤波，对所述获得的直线和/或线段图像进行跟踪，获得所述车道线图像中至少一条车道线的深度坐标。

可选地，所述场景构建模块，具体用于利用开放图形库基于所述车辆位置构建以所述车辆为中心的三维图像；

基于所述车道线的坐标、所述路面的坐标和所述车辆偏离信息确定所述车道线和所述路面在三维图像中的位置；

基于所述车辆周围障碍物的距离、速度和方位角信息，确定所述障碍物在三维图像中的位置；

基于所述车道线、所述路面和所述障碍物在三维图像中的位置，以及所述车道线条数、所述车道线颜色、所述车道线类型、所述障碍物大小和所述障碍物类型，将所述车道线、所述路面和所述障碍物添加到所述三维图像的相应位置构成所述三维驾驶场景。

可选地，还包括：显示装置，设置在所述车辆中，用于显示所述三维驾驶场景。

可选地，还用于基于所述车道线与所述车辆中心之间的距离发出车道线预警。

可选地，还用于基于所述车道线与所述车辆中心之间的距离确定车道线预警等级；所述车道线预警等级包括至少两个预警等级；

所述显示装置，还用于根据所述车道线预警等级将所述车道线图像中的车道线设置为相应颜色；每种所述车道线预警等级对应一种预设颜色。

可选地，所述处理器，还用于根据所述障碍物与所述车辆之间的距离信息和所述角度信息确定障碍物风险等级；所述障碍物风险等级包括至少两个风险等级；

所述显示装置，还用于根据所述障碍物风险等级将所述障碍物以相应颜色进行显示，每种所述障碍物风险等级对应一种预设颜色。

可选地，所述雷达，具体用于通过设置在车辆上的至少一个雷达，扫描获得所述车辆周围的至少一个障碍物；基于所述障碍物与所述雷达之间的距离，确定所述障碍物与所述车辆之间的距离和速度信息；基于所述障碍物与所述雷达之间的法向量，确定所述障碍物与所述车辆之间的方位角信息。

可选地，所述摄像装置包括以下至少一种：

单目摄像头、双目摄像头、三目摄像头。

可选地，所述雷达包括以下至少一种：

超声波雷达、毫米波雷达、64线雷达。

根据本发明实施例的又一个方面，提供的一种车辆，包括：如上所述的车辆周围场景呈现装置。

基于本发明上述实施例提供的一种车辆周围场景呈现方法和装置、车辆，通过设置在车辆上的至少一个摄像装置采集获取车辆周围的车道线图像和障碍物图像；通过设置在车辆上的至少一个雷达获得车辆周围障碍物的距离、速度和方位角信息；基于车道线图像，所述障碍物图像，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景，可以同时呈现车道线、障碍物和预警信息，使车辆驾驶员能够全方位知晓车辆的安全情况和驾驶情况。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1为本发明车辆周围场景呈现方法一个实施例的流程图。

图2为本发明车辆周围场景呈现方法一个示例中三维驾驶场景展示图。

图3为本发明车辆周围场景呈现装置一个实施例的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1为本发明车辆周围场景呈现方法一个实施例的流程图。如图1所示，该实施例方法包括：

步骤110，通过设置在车辆上的至少一个摄像装置采集获取车辆周围的车道线图像和障碍物图像。

可选地，车道线图像指摄像装置采集的包括车道线的图像，摄像装置可以为摄像头，摄像头可以布置在车辆的前方位置，通过采集前方道路图像，实现获得车道线图像和障碍物图像。

可选地，摄像装置可以包括但不限于以下至少一种：

单目摄像头、双目摄像头、三目摄像头等。

步骤120，通过设置在车辆上的至少一个雷达获得车辆周围障碍物的距离、速度和方位角信息。

雷达是用无线电的方法发现目标并测定它们的空间位置，因此，雷达也被称为“无线电定位”；雷达是利用电磁波探测目标的电子设备。雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息，本实施例基于雷达即可获得车辆周围障碍物的距离、速度和方位角信息。

可选地，雷达可以包括但不限于以下至少一种：

超声波雷达、毫米波雷达、64线雷达等。

步骤130，基于车道线图像，障碍物图像，及车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

基于本发明上述实施例提供的一种车辆周围场景呈现方法，通过设置在车辆上的至少一个摄像装置采集获取车辆周围的车道线图像和障碍物图像；通过设置在车辆上的至少一个雷达获得车辆周围障碍物的距离、速度和方位角信息；基于车道线图像，障碍物图像，及车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景，可以同时呈现车道线和障碍物，使车辆驾驶员能够全方位知晓车辆的安全情况和驾驶情况。

在一个或多个可选的实施例中，步骤130包括：

基于车道线图像获得车辆所在路面的坐标、车道线坐标和车辆偏离信息；

基于车道线图像获得车道线条数、车道线颜色和车道线类型，基于障碍物图像获得障碍物大小和障碍物类型；

基于路面的坐标、车道线坐标、车道线条数、车道线颜色、车道线类型、车辆偏离信息、障碍物大小和障碍物类型，及车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

基于摄像装置获得的车道线图像，可以获得车道线在图像中的坐标，而车道线设置在路面上，获得车道线坐标后，即可确定车辆所在路面的坐标，通过车道线坐标、路面坐标和障碍物的距离、速度和方位角信息即可构建能够显示车道线、障碍物和车辆的三维驾驶场景，该三维驾驶场景中还包括基于摄像装置采集的图像获得的车道线条数、车道线颜色、车道线类型、车辆偏离信息、障碍物大小和障碍物类型，其中，车道线类型可以包括但不限于：实线、虚线、双实线、虚实线、转向线、人行路线等；障碍物类型可以包括但不限于：大型车辆、中型车辆、小型车辆、其他车型车辆、行人、建筑物等。

可选地，基于车道线图像获得车辆所在路面的坐标、车道线坐标和车辆偏离信息，包括：

基于车道线检测方法，从车辆所在路面的图像中识别获得车辆周围的至少一条车道线，获得车道线坐标和车辆偏离信息；

基于至少一条车道线对应的车道线坐标确定路面的坐标。

检测到的车道线坐标，在获取的图像中每个点由两个整数x和y(分别对应平面的x轴和y轴)构成，每条车道线由两个点构成(两点确定一条直线)，为了构建三维图像，每个点还可以包括深度信息(对应z轴)，深度信息可由摄像设备不同时间获得的多帧图像确定，基于两帧图像中点的移动方向即可确定深度信息。车辆偏离信息是基于车道线坐标和车辆中心坐标确定的。

可选地，车道线坐标包括平面坐标和深度坐标；

基于车道线检测方法，从车辆所在路面的图像中识别获得车辆周围的至少一条车道线，获得车道线坐标，包括：

基于霍夫变换，从车辆所在路面的图像中获得直线和/或线段图像，确定车道线图像中至少一条车道线的平面坐标；

基于卡尔曼滤波，对获得的直线和/或线段图像进行跟踪，获得车道线图像中至少一条车道线的深度坐标。

霍夫变换(Hough Transform)是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改进算法。主要用来从图像中分离出具有某种相同特征的几何形状(如：直线，圆等)。最基本的霍夫变换是从黑白图像中检测直线(线段)，本实施例通过霍夫变换从采集的图像中识别出呈直线或线段形式的车道线。卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波)，也可以是对于将来位置的估计(预测)，也可以是对过去位置的估计(插值或平滑)，通过卡尔曼滤波对车道线上的点的将来位置的估计确定该车道线的深度坐标，实现获得车道线坐标。

可选地，利用霍夫变换进行直线车道线检测，可以检测到第一有效线段中的所有直线。此外，在正常行驶的情况下，当前车道的两条车道线分别位于车辆的左右两侧，因此可以设定第一角度范围和第二角度范围，对于位于直道区域内左部的有效线段，如果其相对于水平方向的倾角超出第一角度范围，则将其删除，对于位于直道区域内右部的有效线段，如果其相对于水平方向的倾角超出第二角度范围，则将其删除。通过设定第一角度范围和第二角度范围，可以进一步提高直线检测的精度。一般情况下，第一角度范围为60°～90°，第二角度范围为90°～120°。

卡尔曼滤波是由匈牙利数学家Kalman基于系统的能控性和能观性，于上世纪60年代提出来的一种基于最小均方差预测的最优线性递归滤波方法。卡尔曼滤波的基本思想是：以状态方程和观测方程为基础，运用递归方法来预测一个零均值白噪声序列激励下的线性动态系统的变化。其本质是通过观测值来重新构建系统的状态变化，以“预测-观测-修正”的顺序递推，消除系统观测值的随机干扰，通过观测值从被干扰的信号中恢复原始信号的本来特征。

在一个或多个可选的实施例中，基于路面的坐标、车道线坐标、车道线条数、车道线颜色、车道线类型、车辆偏离信息、障碍物大小和障碍物类型，及车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景，包括：

利用开放图形库基于车辆位置构建以车辆为中心的三维图像；

基于车道线的坐标、路面的坐标和车辆偏离信息确定车道线和路面在三维图像中的位置；

基于车辆周围障碍物的距离、速度和方位角信息，确定障碍物在三维图像中的位置；

基于车道线、路面和障碍物在三维图像中的位置，以及车道线条数、车道线颜色、车道线类型、障碍物大小和障碍物类型，将车道线、路面和障碍物添加到三维图像的相应位置构成三维驾驶场景。

本实施例中构建的三维驾驶场景，其三维视角可选的是在被驾驶的车辆的后上方，在该视角下，被驾驶车辆位于三维图像的中心位置，因此，可以以北驾驶车辆的位置为中心进行三维建模，根据车道线、路面和障碍物与被驾驶车辆之间的相对位置确定其在三维图像中的位置，基于车道线在三维图像中的位置绘制车道线，基于障碍物的位置在三维图像中绘制相应的障碍物，实现在三维驾驶场景中显示车辆、车道线和障碍物。

在一个或多个可选的实施例中，还包括：通过设置在车辆中的显示装置显示三维驾驶场景。

为了更好的辅助驾驶，为驾驶员提供更直观的驾驶场景，可通过车辆内置的显示装置(如：车载显示屏)显示构建的三维驾驶场景，在车辆行进过程中，显示的三维驾驶场景会随着车辆的行驶而变化，显示的三维驾驶场景是通过摄像装置和雷达实时获取的信息构建的。

可选地，还包括：基于车道线与车辆中心之间的距离发出车道线预警。

当车道线与车辆中心之间的距离符合预设条件(例如：车辆中心与某一车道线的距离小于预设值)，可发出车道线预警，提醒驾驶员及时调整方向。

可选地，还包括：基于车道线与车辆中心之间的距离确定车道线预警等级；车道线预警等级包括至少两个预警等级；

可选地，预警等级可以包括：正常行驶、向左偏移、向右偏移、压线等多种情况；

根据车道线预警等级将车道线图像中的车道线设置为相应颜色；每种车道线预警等级对应一种预设颜色。

为了更直观的对预警信息进行呈现，并且区分不同预警等级的情况，通过不同颜色对不同预警等级进行显示，使驾驶员对当前预警等级一目了然。

可选地，还包括：根据障碍物与车辆之间的距离信息和角度信息确定障碍物风险等级；障碍物风险等级包括至少两个风险等级；

为了防止发生碰撞，可基于障碍物与车辆之间的距离设置至少两个风险等级，如：设置风险等级为高风险、中风险和低风险。

根据障碍物风险等级将障碍物以相应颜色进行显示，每种障碍物风险等级对应一种预设颜色。

为了使驾驶员能更直观的观察到危险，可通过不同颜色表示不同风险等级，如：基于蓝色表示低风险、黄色表示中风险和红色表示高风险。可以同时呈现车道线、障碍物(车辆)位置、车道偏离预警、前方碰撞预警、前向目标横穿警告、盲点探测系统、汽车变道辅助系统、倒车预警系统、雷达角度(障碍物方向)和告警等级等信息。

在一个或多个可选的实施例中，操作120可以包括：

通过设置在车辆上的至少一个雷达，扫描获得车辆周围的至少一个障碍物；

基于障碍物与雷达之间的距离，确定障碍物与车辆之间的距离和速度信息；

基于障碍物与雷达之间的法向量，确定障碍物与车辆之间的方位角信息。

雷达三维场景所需数据：雷达检测到预警目标的距离(目标到车上雷达的连线距离)，单位为米；雷达检测到预警目标的角度(雷达法向量的夹角)，单位为度；预警值，表示有没有预警或预警的等级。仪表主机根据雷达输入数据构建三维场景：根据车辆使用的雷达个数、部署位置，初始化三维场景车辆雷达；根据雷达检测到预警目标的距离，转换三维场景对应坐标，并绘制；根据雷达检测到预警目标的角度方向，绘制三维场景雷达信息；根据预警值，选择是否绘制雷达信息及颜色。

在具体应用中，雷达布置在车辆的前后左右(正前、左前、右前、左后、右后；正前主要用于ACC自适应巡航控制、FCW前方碰撞预警系统，左前右前可用于FCTA前向目标横穿警告，左右右后可用于BSD盲点探测系统、LCA汽车变道辅助系统、RCTA倒车预警系统)位置，例如可以设置至少4个侧后方毫米波雷达，设置至少4个前方毫米波雷达、设置至少24个超声波雷达。毫米波雷达测距距离应当在200米以上。毫米波雷达分布在车尾前左，前右，后左，后右，用于侧后方盲点侦测，其中，所述侧后方毫米波雷达包括24G毫米波雷达。设置至少4个前方毫米波雷达，前方毫米波雷达用于前方做防碰撞预警和自适应巡航；其中，所述前方毫米波雷达模块(202)包括77G毫米波雷达。超声波雷达模块用于倒车/泊车辅助；可以设置至少24个超声波雷达，分别在车辆前方设置至少12个超声波雷达，在车辆后方设置至少12个超声波雷达。

基于摄像头数据呈现的三维驾驶场景可以包括但不限于：车道线数、车道线类型、车道线颜色、车辆所在车道中的位置、车道偏离预警、障碍物大小和障碍物类型等；

摄像头三维场景数据包括但不限于以下几种：

检测出车道线的坐标：每个点是两个整数，x，y构成，每条车道线是由两个点构成，顺序是：上，下；

车辆中心到车道线左侧距离占车道线宽度的百分比；

车道偏离预警：无偏离、向左偏离、向右偏离。

图2为本发明车辆周围场景呈现方法一个示例中三维驾驶场景展示图。如图2所示，仪表主机根据车道线输入数据构建三维场景：三维视角：驾驶车辆后上方；车道线位置：根据车道线坐标和条数，计算三维场景车道线坐标；车道线颜色：根据车道偏离告警信息，绘制车道线颜色；车道线偏移：根据车辆位置信息，对车道线做偏移处理；

本发明的优点在于：

显示数据直观，驾驶员能够通过车辆仪表判断周围的潜在危险物，并获取潜在危险物的距离，便于驾驶员对下一步的驾驶行为作出判断，防止车辆出现事故和危险。

显示效果美观，并且直接显示在仪表上，便于驾驶员及时发现周围的危险。

驾驶员全方位掌握车辆驾驶信息，更安全。

实现多信息融合(摄像头和雷达)、多主机(ADAS主机和仪表主机)、多预警展示(车道偏离、前方碰撞、盲区监测等)。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

图3为本发明车辆周围场景呈现装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图3所示，该实施例的装置包括：

摄像装置31，设置在车辆上，用于采集获取车辆周围的车道线图像和障碍物图像。

可选地，摄像装置可以包括但不限于以下至少一种：

单目摄像头、双目摄像头、三目摄像头。

雷达32，设置在车辆上，用于获得车辆周围障碍物的距离、速度和方位角信息。

可选地，雷达可以包括但不限于以下至少一种：

超声波雷达、毫米波雷达、64线雷达。

处理器33，用于基于车道线图像，障碍物图像及车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

基于本发明上述实施例提供的一种车辆周围场景呈现装置，通过设置在车辆上的至少一个摄像装置采集获取车辆周围的车道线图像和障碍物图像；通过设置在车辆上的至少一个雷达获得车辆周围障碍物的距离、速度和方位角信息；基于车道线图像，障碍物图像及车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景，可以同时呈现车道线和障碍物，使车辆驾驶员能够全方位知晓车辆的安全情况和驾驶情况。

在一个或多个可选的实施例中，处理器33，包括：

坐标确定模块，用于基于车道线图像获得车辆所在路面的坐标、车道线坐标和车辆偏离信息；

图像确定模块，用于基于车道线图像获得车道线条数、车道线颜色和车道线类型，基于障碍物图像获得障碍物大小和障碍物类型；

场景构建模块，用于基于路面的坐标、车道线坐标、车道线条数、车道线颜色、车道线类型、车辆偏离信息、障碍物大小和障碍物类型，及车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

基于摄像装置获得的车道线图像，可以获得车道线在图像中的坐标，而车道线设置在路面上，获得车道线坐标后，即可确定车辆所在路面的坐标，通过车道线坐标、路面坐标和障碍物的距离、速度和方位角信息即可构建能够显示车道线、障碍物和车辆的三维驾驶场景。

可选地，坐标确定模块，包括：

车道线坐标模块，用于基于车道线检测方法，从车辆所在路面的图像中识别获得车辆周围的至少一条车道线，获得车道线坐标和车辆偏离信息；

路面坐标模块，用于基于至少一条车道线对应的车道线坐标确定路面的坐标。

可选地，车道线坐标包括平面坐标和深度坐标；

车道线坐标模块，具体用于基于霍夫变换，从车辆所在路面的图像中获得直线和/或线段图像，确定车道线图像中至少一条车道线的平面坐标；基于卡尔曼滤波，对获得的直线和/或线段图像进行跟踪，获得车道线图像中至少一条车道线的深度坐标。

在一个或多个可选的实施例中，场景构建模块，具体用于利用开放图形库基于车辆位置构建以车辆为中心的三维图像；

基于车道线的坐标、路面的坐标和车辆偏离信息确定车道线和路面在三维图像中的位置；

基于车辆周围障碍物的距离、速度和方位角信息，确定障碍物在三维图像中的位置；

基于车道线、路面和障碍物在三维图像中的位置，以及车道线条数、车道线颜色、车道线类型、障碍物大小和障碍物类型，将车道线、路面和障碍物添加到三维图像的相应位置构成三维驾驶场景。

本实施例中构建的三维驾驶场景，其三维视角可选的是在被驾驶的车辆的后上方，在该视角下，被驾驶车辆位于三维图像的中心位置，因此，可以以北驾驶车辆的位置为中心进行三维建模，根据车道线、路面和障碍物与被驾驶车辆之间的相对位置确定其在三维图像中的位置，基于车道线在三维图像中的位置绘制车道线，基于障碍物的位置在三维图像中绘制相应的障碍物，实现在三维驾驶场景中显示车辆、车道线和障碍物。

在一个或多个可选的实施例中，还包括：显示装置，设置在车辆中，用于显示三维驾驶场景。

为了更好的辅助驾驶，为驾驶员提供更直观的驾驶场景，可通过车辆内置的显示装置(如：车载显示屏)显示构建的三维驾驶场景，在车辆行进过程中，显示的三维驾驶场景会随着车辆的行驶而变化，显示的三维驾驶场景是通过摄像装置和雷达实时获取的信息构建的。

可选地，处理器，还用于基于车道线与车辆中心之间的距离发出车道线预警。

可选地，处理器，还用于基于车道线与车辆中心之间的距离确定车道线预警等级；车道线预警等级包括至少两个预警等级；

显示装置，还用于根据车道线预警等级将车道线图像中的车道线设置为相应颜色；每种车道线预警等级对应一种预设颜色。

可选地，处理器，还用于根据障碍物与车辆之间的距离信息和角度信息确定障碍物风险等级；障碍物风险等级包括至少两个风险等级；

所述显示装置，还用于根据所述障碍物风险等级将所述障碍物以相应颜色进行显示，每种所述障碍物风险等级对应一种预设颜色。

在一个或多个可选的实施例中，雷达，具体用于通过设置在车辆上的至少一个雷达，扫描获得车辆周围的至少一个障碍物；基于障碍物与雷达之间的距离和速度，确定障碍物与车辆之间的距离信息；基于障碍物与雷达之间的法向量，确定障碍物与车辆之间的方位角信息。

本发明另一方面，还提供一种车辆，包括：如上述任意一项实施例所述的车辆周围场景呈现装置。

可能以许多方式来实现本发明的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种车辆周围场景呈现方法，其特征在于，包括：

通过设置在车辆上的至少一个摄像装置采集获取车辆周围的车道线图像和障碍物图像；

通过设置在车辆上的至少一个雷达获得车辆周围障碍物的距离、速度和方位角信息；

基于所述车道线图像，所述障碍物图像，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

2.根据权利要求1所述的方法，其特征在于，所述基于所述车道线图像，所述障碍物图像，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景，包括：

基于所述车道线图像获得所述车辆所在路面的坐标、车道线坐标和车辆偏离信息；

基于所述车道线图像获得车道线条数、车道线颜色和车道线类型，基于所述障碍物图像获得障碍物大小和障碍物类型；

基于所述路面的坐标、所述车道线坐标、所述车道线条数、所述车道线颜色、所述车道线类型、所述车辆偏离信息、所述障碍物大小和所述障碍物类型，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

3.根据权利要求2所述的方法，其特征在于，所述基于所述车道线图像获得所述车辆所在路面的坐标、车道线坐标和车辆偏离信息，包括：

基于车道线检测方法，从所述车辆所在路面的图像中识别获得所述车辆周围的至少一条车道线，获得所述车道线坐标和所述车辆偏离信息；

基于所述至少一条车道线对应的所述车道线坐标确定所述路面的坐标。

4.根据权利要求3所述的方法，其特征在于，所述车道线坐标包括平面坐标和深度坐标；

所述基于车道线检测方法，从所述车辆所在路面的图像中识别获得所述车辆周围的至少一条车道线，获得所述车道线坐标，包括：

基于霍夫变换，从所述车辆所在路面的图像中获得直线和/或线段图像，确定所述车道线图像中至少一条车道线的平面坐标；

基于卡尔曼滤波，对所述获得的直线和/或线段图像进行跟踪，获得所述车道线图像中至少一条车道线的深度坐标。

5.根据权利要求2-4任一所述的方法，其特征在于，所述基于所述路面的坐标、所述车道线坐标、所述车道线条数、所述车道线颜色、所述车道线类型、所述车辆偏离信息、所述障碍物大小和所述障碍物类型，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景，包括：

利用开放图形库基于所述车辆位置构建以所述车辆为中心的三维图像；

基于所述车道线的坐标、所述路面的坐标和所述车辆偏离信息确定所述车道线和所述路面在三维图像中的位置；

基于所述车辆周围障碍物的距离、速度和方位角信息，确定所述障碍物在三维图像中的位置；

基于所述车道线、所述路面和所述障碍物在三维图像中的位置，以及所述车道线条数、所述车道线颜色、所述车道线类型、所述障碍物大小和所述障碍物类型，将所述车道线、所述路面和所述障碍物添加到所述三维图像的相应位置构成所述三维驾驶场景。

6.根据权利要求1-5任一所述的方法，其特征在于，还包括：通过设置在所述车辆中的显示装置显示所述三维驾驶场景。

7.根据权利要求6所述的方法，其特征在于，还包括：基于所述车道线与所述车辆中心之间的距离发出车道线预警。

8.根据权利要求6所述的方法，其特征在于，还包括：基于所述车道线与所述车辆中心之间的距离确定车道线预警等级；所述车道线预警等级包括至少两个预警等级；

根据所述车道线预警等级将所述车道线图像中的车道线设置为相应颜色；每种所述车道线预警等级对应一种预设颜色。

9.一种车辆周围场景呈现装置，其特征在于，包括：

摄像装置，设置在车辆上，用于采集获取车辆周围的车道线图像和障碍物图像；

雷达，设置在车辆上，用于获得车辆周围障碍物的距离、速度和方位角信息；

处理器，用于基于所述车道线图像，所述障碍物图像，及所述车辆周围障碍物的距离、速度和方位角信息构建三维驾驶场景。

10.一种车辆，其特征在于，包括：如权利要求9所述的车辆周围场景呈现装置。