CN109409331A - 一种基于雷达的防疲劳驾驶方法 - Google Patents
一种基于雷达的防疲劳驾驶方法 Download PDFInfo
- Publication number
- CN109409331A CN109409331A CN201811424039.0A CN201811424039A CN109409331A CN 109409331 A CN109409331 A CN 109409331A CN 201811424039 A CN201811424039 A CN 201811424039A CN 109409331 A CN109409331 A CN 109409331A
- Authority
- CN
- China
- Prior art keywords
- characteristic face
- radar
- coordinate
- head
- face
- 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
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及驾驶辅助技术领域，具体公开了一种基于雷达的防疲劳驾驶方法，利用毫米波雷达及其检测技术，确定驾驶员头部的特征面，进一步建立驾驶员头部的检测区域模型，确定头部的安全检测区域，通过判定特征面是否在一预设时间段内持续偏离安全角度以及在另一预设时间段内是否偏离头部安全区域，来检测驾驶员的坐姿主要是头部是否发生安全程度外的偏离，并在确认发生了安全区域外的偏离时及时进行报警提示。本发明能够弥补图像处理方式中摄像头在夜间或者光线较暗情况下对驾驶员监测失效的不足，利用有效且可行的数学模型通过机器学习的算法判定车主是否疲劳，而且不受环境光线的影响，准确性较高，且采用非接触式检测方法，实用性较高。
Description
技术领域
本发明涉及驾驶辅助技术领域，尤其涉及一种基于雷达的防疲劳驾驶方法。
背景技术
疲劳驾驶是人们长期处于一种心理以及生理机能失调的状态下，仍然继续长时间地、不间断地驾驶的一种驾驶状态，当司机处于疲劳驾驶时会导致动作迟缓、反应不灵敏、躯体乏力、视力模糊、腿脚麻木等现象，极大影响驾驶操作。为降低疲劳驾驶风险，需要对驾驶员疲劳状态进行识别。
疲劳识别方法可以分成两大类，接触式和非接触式。接触式的通常采用穿戴设备或其他与驾驶员直接接触的设备，以对驾驶员的心电图、脑电图、肌电图等生理信号进行监测，从而判定驾驶员是否处于疲劳状态。非接触式的会采用与驾驶员非直接接触的设备对疲劳状态进行识别，如图像识别方法、汽车行为检测方法、汽车操控行为方法等。这两种方法各有优缺点，接触式的准确性高，但实用性较低，非接触式的由于采用外在特征识别技术，准确性较接触式低，但实用性高，而目前仍未存在一种兼有高实用性和高准确性的疲劳驾驶识别方法。
发明内容
本发明提供一种基于雷达的防疲劳驾驶方法，解决的技术问题是，现有接触式和非接触式疲劳驾驶识别方法，均难以兼有高实用性和高准确性。
为解决以上技术问题，本发明提供一种基于雷达的防疲劳驾驶方法，包括以下步骤：
S1.获取驾驶员头部的点云；
S2.计算所述点云在雷达点云坐标系中的基础参数，所述基础参数为所述目标反射点在所述雷达点云坐标系中的坐标、距离及方位角，所述雷达点云坐标系以雷达测距模组作为坐标系原点，以所述雷达测距模组扫描的径向为Y轴、横向为X轴，以垂直于所述Y轴、X轴向上为Z轴；
S3.确定所述驾驶员头部的特征面，所述特征面包括侧向特征面和正向特征面；所述侧向特征面包括对称的左侧向特征面和右侧向特征面；
S4.建立所述驾驶员头部的检测区域模型，确定头部安全检测区域；
S5.判断所述特征面是否偏离安全角度第一预设时间段，若是则进行报警提示，若否则不反应；
S6.判断所述特征面是否偏离所述头部安全检测区域第二预设时间段，若是则进行报警提示，若否则不反应。
进一步地，所述步骤S5中，所述判断所述特征面是否偏离安全角度包括：
判断所述左侧向特征面是否偏离所述安全角度中的左侧安全角度；
判断所述右侧向特征面是否偏离所述安全角度中的右侧安全角度。
进一步地，所述判断所述左侧向特征面是否偏离所述安全角度中的左侧安全角度或判断所述右侧向特征面是否偏离所述安全角度中的右侧安全角度为：
根据所述左侧向特征面或所述右侧向特征面的上端点坐标(x1,y1,z1)、下端点坐标(x0,y0,z0)获取实时左侧向偏离角度或实时右侧向偏离角度；
判断所述实时左侧向偏离角度或实时右侧向偏离角度是否大于所述左侧向安全角度或右侧向安全角度；
进一步地，在所述步骤S5中，所述判断所述特征面是否偏离安全角度，还包括：判断所述正向特征面是否偏离所述安全角度中的正向安全角度。
进一步地，所述判断所述正向特征面是否偏离所述安全角度中的正向安全角度具体为：
根据所述正向特征面上端点坐标(x3,y3,z3)、下端点坐标(x2,y2,z2)获取实时正向偏离角度；
根据判断所述实时正向偏离角度是否大于所述正向安全角度；
进一步地，在所述步骤S6中，判断所述特征面是否偏离所述头部安全检测区域具体为：
判断待测点云的坐标(xh,yh,zh)是否满足特征面偏离限制条件
其中，z4、x5、y6分别为所述正向特征面上端点坐标(x4,y4,z4)的z坐标、所述右侧向特征面下端点坐标(x5,y5,z5)的x坐标、所述正向特征面下端点坐标(x6,y6,z6)的y坐标；d1为所述第一预设距离，d2为所述第二预设距离。
进一步地，在所述步骤S1前，还包括步骤：
S01.安装雷达测距模组于检测位，所述检测位为所述雷达测距模组能检测整个驾驶平台的位置；
S02.判断车速是否为零，若是则重新判断，若否则进入所述步骤S1。
优选的，所述雷达测距模组为毫米波雷达；所述检测位为车辆副驾驶车门顶部。
本发明提供的一种基于雷达的防疲劳驾驶方法，利用毫米波雷达及其检测技术，确定所述驾驶员头部的特征面，进一步建立驾驶员头部的检测区域模型，确定头部的安全检测区域，通过判定特征面是否在一预设时间段内持续偏离安全角度以及在另一预设时间段内是否偏离头部安全区域，来检测驾驶员的坐姿主要是头部是否发生安全程度外的偏离，并在确认发生了安全区域外的偏离时及时进行报警提示。本发明提供的一种基于雷达的防疲劳驾驶方法，能够弥补图像处理方式中摄像头在夜间或者光线较暗情况下对驾驶员监测失效的不足，利用有效且可行的数学模型通过机器学习的算法判定车主是否疲劳，而且不受环境光线的影响，准确性较高，且采用非接触式检测方法，实用性较高。
附图说明
图1是本发明实施例提供的一种基于雷达的防疲劳驾驶方法的步骤流程图；
图2是本发明实施例提供的雷达测距模组的检测区域模型展示图。
具体实施方式
下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
本发明实施例提供一种基于雷达的防疲劳驾驶方法，其步骤流程如图1所示，包括以下步骤：
S1.获取驾驶员头部的点云；
S2.计算所述点云在雷达点云坐标系中的基础参数，所述基础参数为所述目标反射点在所述雷达点云坐标系中的坐标、距离及方位角；
S3.确定所述驾驶员头部的特征面，所述特征面包括侧向特征面和正向特征面；所述侧向特征面包括对称的左侧向特征面和右侧向特征面；
S4.建立所述驾驶员头部的检测区域模型，确定头部安全检测区域；
S5.判断所述特征面是否偏离安全角度第一预设时间段，若是则进行报警提示，若否则不反应；
S6.判断所述特征面是否偏离所述头部安全检测区域第二预设时间段，若是则进行报警提示，若否则不反应。
进一步地，在所述步骤S1前，还包括步骤：
S01.安装雷达测距模组于检测位，所述检测位为所述雷达测距模组能检测整个驾驶平台的位置；
S02.判断车速是否为零，若是则重新判断，若否则进入所述步骤S1。
作为本发明的一优选实施例，参见图2所示的检测区域模型展示图，所述雷达100(以下简称为雷达)为毫米波雷达，发出调频连续波；所述检测位为车辆副驾驶车门顶部。所述雷达100设有发射模块和接收模块，所述发射模块发射调频连续波(FrequencyModulated Continuous Wave，缩写为FMCW)，是在高精度雷达测距中使用的技术。FMCW经过反射点反射后，由雷达的接收模块接收，获取的反射点集称之为点云。
所述点云包含所述驾驶员头部各目标反射点到所述雷达100的距离，以及所述目标反射点的坐标和所述目标反射点与所述雷达100之间的角度信息；
由于点云只包含目标反射点到雷达100的距离、目标反射点的坐标和目标反射点与雷达100之间的角度信息，因此需要建立头部扫过空间(也称为感兴趣空间)的检测区域模型这一数学模型来判定驾驶员是否是疲劳驾驶，因此首先需要建立雷达点云坐标系，本实施例中的雷达点云坐标系是以所述雷达100作为坐标系原点，以所述雷达100扫描的径向为Y轴、横向为X轴，以垂直于所述Y轴、X轴向上为Z轴。
当建立了检测区域模型后，所述基础参数即为所述目标反射点在所述雷达点云坐标系中的坐标、距离及方位角。这些均可由所述雷达100而直接测得。此为现有技术，可以参考技术文献：《一种改进的毫米波雷达多目标检测算法》(杜佳、宋春林，通信技术，第48卷，第7期，2015年7月)，本申请在此则不再赘述。
在所述步骤S3中，考虑到驾驶员疲劳时主要是头部发生侧偏和前垂，所述特征面包括对应于侧偏的侧向特征面和对应于前垂的正向特征面。其中，所述侧向特征面包括对称的左侧向特征面和右侧向特征面。本实施例中的所有左侧向和右侧向以及正向皆是以驾驶员自身的观视角度为参照，如驾驶员左脸侧则为左侧向，正脸即为正向。
所述侧向特征面为所述驾驶员头部的侧面轮廓点云，包括对称的与所述左侧向特征面对应的左侧面轮廓点云和与所述右侧向特征面对应的右侧面轮廓点云；所述正向特征面为所述驾驶员头部的正面轮廓点云。
在所述检测区域模型的构建过程中，还需要确定驾驶员头部的参考特征面，也即是驾驶员在正常行驶时(正坐，未发生任何侧偏或前垂)的参照面(固定不动)。所以本申请需要确定三个参考特征面，分别是左侧向参考特征面、右侧向参考特征面和正向参考特征面。
进一步地，当确定对象为所述侧向参考特征面(左侧向参考特征面、右侧向参考特征面)时，所述步骤S3具体为：
S31.确定y坐标最小和最大的点云，并确定两者之间的y坐标范围；
S32.计算落入所述y坐标范围内的所有点云的y坐标平均值，即作为所述侧向参考特征面的y坐标；
S33.按照y坐标取为所述y坐标平均值、x坐标不变、z坐标不变的规则，重新确定y坐标落在所述y坐标范围的所有所述侧面轮廓点云的坐标。
例如，以右侧向参考特征面为例，假设所述雷达100能探测到的驾驶员头部点云坐标的y坐标最小值为yy1(可能落在头部最右侧的耳朵上)，最大值为yy2(可能落在头顶或者下颚某处)，假设yy2-yy1＝3cm(这个差值可以由经验值设定，通常要求不小于3cm)，然后取平均值得到右侧向参考特征面的y坐标yy0＝(yy1+yy2)/2，在y＞0的检测范围中，距离坐标原点相同yy0距离的面(其他点云的y坐标值落在yy1和yy2之间的坐标点映射到这个面)就是驾驶员头部的右侧向参考特征面。例如，雷达检测模组检测到一目标检测点R'坐标为(xr,yr,zr)，通过比较yr和yy0的大小，如果不相等，则将yr值用yy0代替，这样就将R'点云映射到R点，类似可以将其他点映射。
如图2所示，平面RSVL为驾驶员头部右侧向参考特征面，其中，R点表示头部最上面最后面的点，S点表示头部最上面最前面的点，V点表示头部最下面最后面的点，L点表示头部最下面最前面的点。R、S、V、L四点分别由R'、S'、V'、L'四个点(图中未标示，但易于想象)映射过来，R'点为驾驶员头部点云坐标中x绝对值最大且z最大的点，S'点为驾驶员头部点云坐标中x绝对值最小且z最大的点，V'点为驾驶员头部点云坐标中x绝对值最大且z最小的点，L'为驾驶员头部点云坐标中y最小且z最小的点。
而对于正向参考特征面，所述步骤S3有所不同，具体为：
S31.确定x坐标绝对值最小的和最大的点云，并确定两者之间的x坐标范围；
S32.计算落入所述x坐标范围内的所有点云的x坐标平均值，即作为所述正向参考特征面的x坐标；
S33.按照x坐标取为所述x坐标平均值、y坐标不变、z坐标不变的规则，重新确定x坐标落在所述x坐标范围的所有所述正面轮廓点云的坐标。
例如，雷达能探测到的驾驶员头部点云坐标的x绝对值最小为xx1(落在头部正面的鼻子上)，最大值为xx2(可能落在头顶或者下颚某处)，xx2-xx1＝3cm(这个差值可以由经验值设定，通常要求不小于3cm)，然后取平均值得到xx0＝(xx1+xx2)/2，距离坐标原点相同xx0距离的面(其他点云的x坐标值落在xx1和xx2之间的坐标点映射到这个面)就是驾驶员头部的正向参考特征面。例如，雷达检测到S'点坐标为(xs,ys,zs)，通过比较xs和xx0的大小，如果不相等，则将xs值用xx0代替，这样就将S'点云映射到S点，类似可以将其他点映射。
如图2所示，平面STML为驾驶员头部正向参考特征面，其中，S点表示头部最上面最右边的点和面RSVL相交，T点表示头部最上面最左边的点，M点表示头部最下面最左边的点，L点表示头部最下面最右边的点和面RSVL相交。S、T、M、L四点分别由S'、T'、M'、L'四个点映射过来，S'点为驾驶员头部点云中y最小且z最大的点，T'点为驾驶员头部点云中y最大且z最大的点，M'点为驾驶员头部点云中y最大且z最小的点，L'为驾驶员头部点云中y最小且z最小的点。
还需说明：VL点云线上的点不随头部侧动而改变坐标位置，ML的点云线上的点不随头部上下运动而改变坐标位置，RS点云线上的点在极限侧偏位置时和面ABCD共面以及和UW线重合，ST点云线上的点在极限垂下位置时和面DEFC共面以及和KN线重合。
进一步地，在确定了驾驶员头部的参考特征面后，需要建立检测区域模型，确定头部安全检测区域。在所述步骤S4中，所述头部安全检测区域设置为立方体，其后平面与所述驾驶员头部的后部相差第一预设距离d1；其顶平面与所述驾驶员头部的顶部相差第二预设距离d2；其左平面、右平面平行于Z轴且分别共面于所述左侧向参考特征面、右侧向参考特征面偏离所述安全角度时的顶线(以右侧向特征面为例，该顶线在图2中则为UM)；其正平面平行于Z轴且共面于所述正向特征面偏离所述安全角度时的顶线(该顶线在图2中则为KN)；其底平面同时共面于所述侧向参考特征面的底线与所述正向参考特征面的底线(两底线构成平面SVLM)。如图2所示，所述头部安全检测区域即为VABCD-EFGH。
进一步确定VABCD-EFGH各顶点坐标的方法为：
由K点坐标(x3,y3,z3)、W点坐标(x1,y1,z1)和L点坐标(x0,y0,z0)可得C点坐标(x3,y1,z0)；
由雷达100获得S点坐标(x4,y4,z4)、V点坐标(x5,y5,z5)、M点坐标(x6,y6,z6)；
结合d1和以上点V、C坐标信息，可以得到B点坐标为(x5-d1,y1,z0)；
结合d2和以上点S、C坐标信息，可以得到D点坐标为(x3,y1,z4+d2)；
结合d1和以上点M、C、L坐标信息，可以得到F点坐标为(x3,y6+y0-y1,z0)。
由长方体的对称性可知A、G、E、H点的坐标：
A(x5-d1,y1,z4+d2)，G(x5-d1,y6+y0-y1,z4+d2)，E(x3,y6+y0-y1,z4+d2)，H(x5-d1,y6+y0-y1,z0)。
在确定好头部安全检测区域后，则需要对驾驶员头部进行实时的检测和判定。即在所述步骤S5中，需要判断所述特征面是否偏离安全角度，更具体的是要判断所述左侧向特征面是否偏离所述安全角度中的左侧安全角度，判断所述右侧向特征面是否偏离所述安全角度中的右侧安全角度。
由于所述左侧向特征面与所述右侧向特征面是对称一致的面，此处以右侧向特征面为例进行说明判断偏离侧向安全角度的过程。
判断所述右侧向特征面是否偏离所述安全角度中的右侧安全角度为，根据所述雷达100测出的所述右侧向特征面正在偏离时靠近所述头部安全检测区域正平面的上端点此处即为W点坐标(x1,y1,z1)、下端点此处即为L点坐标(x0,y0,z0)计算出实时右侧向偏离角度，进一步判断所述实时右侧向偏离角度是否大于所述右侧向安全角度；
在实际应用中，所述左侧安全角度等于所述右侧安全角度，设置为2～6°，优选为3～5°。以5°为例，判断由所述实时侧向偏离角度计算公式计算出的角度是否大于5°，若是，则代表已经偏离了安全角度，则进一步判断是否持续了所述第一预设时间段，若是则代表已经偏离安全角度第一预设时间段，则需要进行报警提示，所述第一预设时间段设置为0.5～2.5s，优选为1～2s，比如1.5s。
对于左侧偏，雷达可以获得对称点左偏的W'坐标和L'点坐标，将上述公式的坐标对应替换即可。
对于正向偏离，则需要判断所述正向特征面是否偏离所述安全角度中的正向安全角度。具体为，根据所述正向特征面上端点坐标(x3,y3,z3)(也即为K点坐标)、下端点坐标(x2,y2,z2)(也即为L点坐标)计算出实时正向偏离角度，进一步根据判断所述实时正向偏离角度是否大于所述正向安全角度；
在实际应用中，所述正向安全角度设置为2～6°，优选为3～5°。以4°为例，判断由所述实时正向偏离角度计算公式计算出的角度是否大于4°，若是，则代表已经偏离了安全角度，则进一步判断是否持续了所述第一预设时间段，若是则代表已经偏离安全角度第一预设时间段，则需要进行报警提示，所述第一预设时间段设置为0.5～2.5s，优选为1～2s，比如1.5s。
更进一步地，在所述步骤S6中，还需要判断所述特征面是否偏离所述头部安全检测区域具体为，判断待测点云的坐标(xh,yh,zh)是否满足特征面偏离限制条件
其中，z4、x5、y6分别为所述雷达100测出的所述正向特征面靠近所述头部安全检测区域右平面的上端点即为S点坐标(x4,y4,z4)的z坐标、所述右侧向特征面靠近所述头部安全检测区域后平面的下端点即为V点坐标(x5,y5,z5)的x坐标、所述正向特征面靠近所述头部安全检测区域左平面的下端点即为M点坐标(x6,y6,z6)的y坐标；d1为所述第一预设距离，d2为所述第二预设距离。所述第一预设距离与所述第二预设距离均设置为1～6cm，优选为2～5cm，更优选的为3cm；所述第二预设时间段设置为0.5～2.5s，优选为1～2s，比如2s。
本发明实施例提供的一种基于雷达的防疲劳驾驶方法，利用毫米波雷达及其检测技术，确定所述驾驶员头部的特征面，进一步建立驾驶员头部的检测区域模型，确定头部的安全检测区域，通过判定特征面是否在一预设时间段内持续偏离安全角度以及在另一预设时间段内是否偏离头部安全区域，来检测驾驶员的坐姿主要是头部是否发生安全程度外的偏离，并在确认发生了安全区域外的偏离时及时进行报警提示。本发明实施例提供的一种基于雷达的防疲劳驾驶方法，能够弥补图像处理方式中摄像头在夜间或者光线较暗情况下对驾驶员监测失效的不足，利用有效且可行的数学模型通过机器学习的算法判定车主是否疲劳，而且不受环境光线的影响，准确性较高，且采用非接触式检测方法，实用性较高。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，所述可开合部件还可以为引擎盖、天窗等，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (8)
1.一种基于雷达的防疲劳驾驶方法，其特征在于，包括以下步骤：
S1.获取驾驶员头部的点云；
S2.计算所述点云在雷达点云坐标系中的基础参数，所述基础参数为所述目标反射点在所述雷达点云坐标系中的坐标、距离及方位角，所述雷达点云坐标系以雷达测距模组作为坐标系原点，以所述雷达测距模组扫描的径向为Y轴、横向为X轴，以垂直于所述Y轴、X轴向上为Z轴；
S3.确定所述驾驶员头部的特征面，所述特征面包括侧向特征面和正向特征面；所述侧向特征面包括对称的左侧向特征面和右侧向特征面；
S4.建立所述驾驶员头部的检测区域模型，确定头部安全检测区域；
S5.判断所述特征面是否偏离安全角度第一预设时间段，若是则进行报警提示，若否则不反应；
S6.判断所述特征面是否偏离所述头部安全检测区域第二预设时间段，若是则进行报警提示，若否则不反应。
2.如权利要求1所述的一种基于雷达的防疲劳驾驶方法，其特征在于，在所述步骤S5中，所述判断所述特征面是否偏离安全角度包括：
判断所述左侧向特征面是否偏离所述安全角度中的左侧安全角度；
判断所述右侧向特征面是否偏离所述安全角度中的右侧安全角度。
3.如权利要求2所述的一种基于雷达的防疲劳驾驶方法，其特征在于，所述判断所述左侧向特征面是否偏离所述安全角度中的左侧安全角度或判断所述右侧向特征面是否偏离所述安全角度中的右侧安全角度为：
根据所述左侧向特征面或所述右侧向特征面的上端点坐标(x1,y1,z1)、下端点坐标(x0,y0,z0)获取实时左侧向偏离角度或实时右侧向偏离角度；
判断所述实时左侧向偏离角度或实时右侧向偏离角度是否大于所述左侧向安全角度或右侧向安全角度；
4.如权利要求2所述的一种基于雷达的防疲劳驾驶方法，其特征在于，在所述步骤S5中，所述判断所述特征面是否偏离安全角度，还包括：判断所述正向特征面是否偏离所述安全角度中的正向安全角度。
5.如权利要求4所述的一种基于雷达的防疲劳驾驶方法，其特征在于，所述判断所述正向特征面是否偏离所述安全角度中的正向安全角度具体为：
根据所述正向特征面上端点坐标(x3,y3,z3)、下端点坐标(x2,y2,z2)获取实时正向偏离角度；
根据判断所述实时正向偏离角度是否大于所述正向安全角度；
6.如权利要求1所述的一种基于雷达的防疲劳驾驶方法，其特征在于：在所述步骤S6中，判断所述特征面是否偏离所述头部安全检测区域具体为：
判断待测点云的坐标(xh,yh,zh)是否满足特征面偏离限制条件
其中，z4、x5、y6分别为所述正向特征面上端点坐标(x4,y4,z4)的z坐标、所述右侧向特征面下端点坐标(x5,y5,z5)的x坐标、所述正向特征面下端点坐标(x6,y6,z6)的y坐标；d1为所述第一预设距离，d2为所述第二预设距离。
7.如权利要求1～6任一项所述的一种基于雷达的防疲劳驾驶方法，其特征在于，在所述步骤S1前，还包括步骤：
S01.安装雷达测距模组于检测位，所述检测位为所述雷达测距模组能检测整个驾驶平台的位置；
S02.判断车速是否为零，若是则重新判断，若否则进入所述步骤S1。
8.如权利要求7所述的一种基于雷达的防疲劳驾驶方法，其特征在于：所述雷达测距模组为毫米波雷达；所述检测位为车辆副驾驶车门顶部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811424039.0A CN109409331A (zh) | 2018-11-27 | 2018-11-27 | 一种基于雷达的防疲劳驾驶方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811424039.0A CN109409331A (zh) | 2018-11-27 | 2018-11-27 | 一种基于雷达的防疲劳驾驶方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109409331A true CN109409331A (zh) | 2019-03-01 |
Family
ID=65455726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811424039.0A Pending CN109409331A (zh) | 2018-11-27 | 2018-11-27 | 一种基于雷达的防疲劳驾驶方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109409331A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111931640A (zh) * | 2020-08-07 | 2020-11-13 | 上海商汤临港智能科技有限公司 | 异常坐姿识别方法、装置、电子设备及存储介质 |
| CN113593183A (zh) * | 2021-06-25 | 2021-11-02 | 湖南大学 | 一种基于声学的疲劳驾驶和分心驾驶的检测方法、装置、设备及介质 |
| CN116311181A (zh) * | 2023-03-21 | 2023-06-23 | 重庆利龙中宝智能技术有限公司 | 一种异常驾驶的快速检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105216690A (zh) * | 2015-09-22 | 2016-01-06 | 何承鹏 | 一种汽车安全驾驶自动感应提醒系统 |
| CN105354987A (zh) * | 2015-11-26 | 2016-02-24 | 南京工程学院 | 车载型疲劳驾驶检测与身份认证装置及其检测方法 |
| CN108009495A (zh) * | 2017-11-30 | 2018-05-08 | 西安科锐盛创新科技有限公司 | 疲劳驾驶预警方法 |
| US20180259621A1 (en) * | 2015-09-30 | 2018-09-13 | Sony Corporation | Signal processing apparatus, signal processing method, program, and object detection system |
| CN108688565A (zh) * | 2018-06-06 | 2018-10-23 | 钧捷科技（北京）有限公司 | 一种高动态双目cmos摄像系统及使用方法 |
-
2018
- 2018-11-27 CN CN201811424039.0A patent/CN109409331A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105216690A (zh) * | 2015-09-22 | 2016-01-06 | 何承鹏 | 一种汽车安全驾驶自动感应提醒系统 |
| US20180259621A1 (en) * | 2015-09-30 | 2018-09-13 | Sony Corporation | Signal processing apparatus, signal processing method, program, and object detection system |
| CN105354987A (zh) * | 2015-11-26 | 2016-02-24 | 南京工程学院 | 车载型疲劳驾驶检测与身份认证装置及其检测方法 |
| CN108009495A (zh) * | 2017-11-30 | 2018-05-08 | 西安科锐盛创新科技有限公司 | 疲劳驾驶预警方法 |
| CN108688565A (zh) * | 2018-06-06 | 2018-10-23 | 钧捷科技（北京）有限公司 | 一种高动态双目cmos摄像系统及使用方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李佳晖 等: ""基于雷达式非接触生命参数监测系统的安全带设计"", 《科技创新与应用》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111931640A (zh) * | 2020-08-07 | 2020-11-13 | 上海商汤临港智能科技有限公司 | 异常坐姿识别方法、装置、电子设备及存储介质 |
| CN111931640B (zh) * | 2020-08-07 | 2022-06-10 | 上海商汤临港智能科技有限公司 | 异常坐姿识别方法、装置、电子设备及存储介质 |
| CN113593183A (zh) * | 2021-06-25 | 2021-11-02 | 湖南大学 | 一种基于声学的疲劳驾驶和分心驾驶的检测方法、装置、设备及介质 |
| CN116311181A (zh) * | 2023-03-21 | 2023-06-23 | 重庆利龙中宝智能技术有限公司 | 一种异常驾驶的快速检测方法及系统 |
| CN116311181B (zh) * | 2023-03-21 | 2023-09-12 | 重庆利龙中宝智能技术有限公司 | 一种异常驾驶的快速检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109409331A (zh) | 一种基于雷达的防疲劳驾驶方法 | |
| JP4876118B2 (ja) | 立体物出現検知装置 | |
| US10139833B1 (en) | Six-dimensional point cloud system for a vehicle | |
| US7579942B2 (en) | Extra-vehicular threat predictor | |
| CN108263279A (zh) | 基于传感器整合的行人检测和行人碰撞避免装置及方法 | |
| US20030160866A1 (en) | Obstacle detection device for vehicle and method thereof | |
| US10885354B2 (en) | Perimeter monitoring device and perimeter monitoring method | |
| Martín et al. | IVVI 2.0: An intelligent vehicle based on computational perception | |
| CN110329152A (zh) | 一种以目标检测算法为核心的行车盲区预警系统 | |
| US11119190B2 (en) | Axial-misalignment estimating device | |
| US10528833B1 (en) | Health monitoring system operable in a vehicle environment | |
| US20200225343A1 (en) | Vehicle radar system for detecting dangerous goods | |
| CN109239706A (zh) | 一种基于毫米波的人体检测方法及装置 | |
| JPH0765294A (ja) | 車両用予防安全装置 | |
| CA2114385A1 (en) | Airborne obstacle collision avoidance apparatus | |
| CN108021899A (zh) | 基于双目相机的车载智能前车防撞预警方法 | |
| Golovina et al. | Towards autonomous cloud-based close call data management for construction equipment safety | |
| CN106740838A (zh) | 一种车辆危险预警系统 | |
| CN102092640A (zh) | 起重机的安全监控装置、方法以及包括该装置的起重机 | |
| JP2009157668A (ja) | 外界認識装置 | |
| EP3270764B1 (en) | Situational awareness monitoring method and apparatus | |
| Zou et al. | Active pedestrian detection for excavator robots based on multi-sensor fusion | |
| Lemmen et al. | Evaluation of pedestrian targets for use in automomous emergengy brake system testing-a report from the harmonistion platform 2 dealing with test equipment | |
| CN109532661A (zh) | 一种基于tof摄像模组的防疲劳驾驶方法 | |
| CN107284378A (zh) | 一种基于移动终端的汽车驾驶状态的监控方法 |
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 |
Application publication date: 20190301 |
|
| RJ01 | Rejection of invention patent application after publication |