CN109421598A - 一种车辆辅助驾驶系统、车辆预警方法及装置 - Google Patents
一种车辆辅助驾驶系统、车辆预警方法及装置 Download PDFInfo
- Publication number
- CN109421598A CN109421598A CN201710542245.0A CN201710542245A CN109421598A CN 109421598 A CN109421598 A CN 109421598A CN 201710542245 A CN201710542245 A CN 201710542245A CN 109421598 A CN109421598 A CN 109421598A
- Authority
- CN
- China
- Prior art keywords
- target
- target image
- area
- vehicle
- prewarning area
- 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
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/10—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of camera system used
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
- B60R2300/804—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for lane monitoring
Abstract
本发明实施例提供了一种车辆辅助驾驶系统、车辆预警方法及装置,所述系统包括:图像采集设备、处理器、以及报警设备;所述图像采集设备,用于采集车辆行驶前方的目标图像,并将所述目标图像发送给所述处理器;所述处理器,用于使用深度学习算法检测所述目标图像中包括的目标对象,确定各目标对象在所述目标图像中的位置信息,确定预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息,并判断是否存在至少一目标对象位于所述预警区域内,如果是,发送报警信息给所述报警设备;所述报警设备,用于接收所述报警信息,并根据所述报警信息进行报警。本发明实施例能够提高车辆行驶的安全性。
Description
技术领域
本发明涉及车辆安全技术领域,特别是涉及一种车辆辅助驾驶系统、车辆预警方法及装置。
背景技术
随着经济社会的不断发展与人们生活水平的提高,人们出行越来越依赖于汽车,随之而来的行车安全问题也日益凸出。在夜间、雨雪、雾霾等恶劣条件下,驾驶员的视距变小、视野变窄;在转弯、变道时,前挡风玻璃与前门玻璃之间的A柱会形成视觉死角;在两车交会时,若对方车辆未及时关闭远光灯,将造成驾驶员的大片盲区。以上这些情况都可能造成驾驶员判断失误,操作失当,导致事故频发。
现有的车辆辅助驾驶系统主要基于图像采集设备进行图像采集,并将采集到的图像实时显示在驾驶室的显示屏上,驾驶员通过观察显示屏来判断路况信息。但是,在行车过程中,驾驶员完全依靠观察显示屏进行路况判断,这将分散驾驶员的注意力,从而易发生危险。
发明内容
本发明实施例的目的在于提供一种车辆辅助驾驶系统、车辆预警方法及装置,以提高车辆行驶的安全性。具体技术方案如下:
第一方面,本发明实施例提供了一种车辆辅助驾驶系统,所述系统包括:图像采集设备、处理器、以及报警设备;
所述图像采集设备,用于采集车辆行驶前方的目标图像,并将所述目标图像发送给所述处理器;
所述处理器,用于接收所述目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,确定各目标对象在所述目标图像中的位置信息,确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息,并根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内,如果是,发送报警信息给所述报警设备;
所述报警设备,用于接收所述报警信息,并根据所述报警信息进行报警。
可选的,所述处理器,在确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像对应的目标区域的位置信息时,具体用于:
当所述车辆直线行驶时,获取预设的预警区域宽度,根据所述预警区域宽度确定预警区域左侧边界和右侧边界,根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标,并将所述纵坐标、所述第一横坐标、以及所述第二横坐标确定为所述预警区域在所述目标图像中对应的目标区域的位置信息。
可选的,所述处理器,在确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息时,具体用于:
当所述车辆曲线行驶时,确定所述车辆内侧轮胎位置和外侧轮胎位置,分别作为预警区域左侧边界和右侧边界,根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标,根据所述纵坐标、所述第一横坐标、所述第二横坐标、以及所述车辆的行驶角度,确定所述预警区域在所述目标图像中对应的目标区域,并将所述目标区域的预设坐标点的坐标信息作为所述目标区域的位置信息。
可选的,所述处理器,还用于在判断出存在至少一目标对象位于所述预警区域内时,确定距离所述车辆最近的目标对象与所述车辆之间的目标距离;
所述处理器,具体用于发送包含所述目标距离的报警信息给所述报警设备;
所述报警设备,具体用于接收所述报警信息,根据所述报警信息中包含的目标距离,以及预设的各距离范围与报警级别的对应关系,确定所述目标距离对应的目标报警级别,并进行所述目标报警级别的报警。
可选的,所述报警设备,具体用于根据所述目标报警级别,发出对应的报警声音。
可选的,所述系统还包括:显示设备;
所述图像采集设备,还用于将所述目标图像发送给所述显示设备;
所述显示设备,用于接收所述目标图像,并展示所述目标图像。
可选的,所述显示设备,具体用于在所述目标图像中的距离所述车辆最近的目标对象所在位置处,根据所述目标报警级别,展示相应颜色的目标框。
可选的,所述显示设备,还用于展示所述预警区域在所述目标图像中对应的目标区域。
可选的,所述图像采集设备包括:热成像相机。
可选的,所述相机参数包括以下至少一项:相机内参、安装高度。
第二方面,本发明实施例提供了一种车辆预警方法,所述方法包括:
接收车辆行驶前方的目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,并确定各目标对象在所述目标图像中的位置信息;
确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息;
根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内;
如果是,执行报警操作。
可选的,所述确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像对应的目标区域的位置信息的步骤包括:
当所述车辆直线行驶时,获取预设的预警区域宽度,根据所述预警区域宽度确定预警区域左侧边界和右侧边界;
根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
将所述纵坐标、所述第一横坐标、以及所述第二横坐标确定为所述预警区域在所述目标图像中对应的目标区域的位置信息。
可选的,所述确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息的步骤包括:
当所述车辆曲线行驶时,确定所述车辆内侧轮胎位置和外侧轮胎位置,分别作为预警区域左侧边界和右侧边界;
根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
根据所述纵坐标、所述第一横坐标、所述第二横坐标、以及所述车辆的行驶角度,确定所述预警区域在所述目标图像中对应的目标区域,并将所述目标区域的预设坐标点的坐标信息作为所述目标区域的位置信息。
可选的,所述方法还包括:
当判断出存在至少一目标对象位于所述预警区域内时,确定距离所述车辆最近的目标对象与所述车辆之间的目标距离;
所述执行报警操作的步骤包括:
根据所述目标距离,执行相应的报警操作。
第三方面,本发明实施例提供了一种车辆预警装置,所述装置包括:
接收模块,用于接收车辆行驶前方的目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,并确定各目标对象在所述目标图像中的位置信息;
第一确定模块,用于确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息;
判断模块,用于根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内;
报警模块,用于当所述判断模块判断结果为是时,执行报警操作。
可选的,所述第一确定模块包括:
获取子模块,用于当所述车辆直线行驶时,获取预设的预警区域宽度,根据所述预警区域宽度确定预警区域左侧边界和右侧边界;
第一确定子模块,用于根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
第二确定子模块,用于将所述纵坐标、所述第一横坐标、以及所述第二横坐标确定为所述预警区域在所述目标图像中对应的目标区域的位置信息。
可选的,所述第一确定模块包括:
第三确定子模块,用于当所述车辆曲线行驶时,确定所述车辆内侧轮胎位置和外侧轮胎位置,分别作为预警区域左侧边界和右侧边界;
第四确定子模块,用于根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
第五确定子模块,用于根据所述纵坐标、所述第一横坐标、所述第二横坐标、以及所述车辆的行驶角度,确定所述预警区域在所述目标图像中对应的目标区域,并将所述目标区域的预设坐标点的坐标信息作为所述目标区域的位置信息。
可选的,所述装置还包括:
第二确定模块,用于当判断出存在至少一目标对象位于所述预警区域内时,确定距离所述车辆最近的目标对象与所述车辆之间的目标距离;
相应的,所述报警模块,具体用于根据所述目标距离,执行相应的报警操作。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如上述第二方面所述的方法步骤。
本发明实施例提供的一种车辆辅助驾驶系统、车辆预警方法及装置,所述系统包括:图像采集设备、处理器、以及报警设备;所述图像采集设备,用于采集车辆行驶前方的目标图像,并将所述目标图像发送给所述处理器;所述处理器,用于接收所述目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,确定各目标对象在所述目标图像中的位置信息,确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息,并根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内,如果是,发送报警信息给所述报警设备;所述报警设备,用于接收所述报警信息,并根据所述报警信息进行报警。
本发明实施例中,当图像采集设备采集到车辆行驶前方的目标图像后,可以将该目标图像发送给处理器,处理器可以使用深度学习算法检测该目标图像中包括的各目标对象,确定各目标对象的位置信息,并确定预警区域对应的位置信息,进而判断是否存在目标对象位于预警区域内,如果是,可以通过报警设备进行报警,从而可以提高车辆行驶的安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种车辆辅助驾驶系统的结构示意图;
图2为本发明实施例的一种预警区域示意图;
图3为本发明实施例的另一种预警区域示意图;
图4为本发明实施例的一种车辆辅助驾驶系统的另一结构示意图;
图5为本发明实施例的一种车辆预警方法的流程图;
图6为本发明实施例的一种车辆预警装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下通过具体实施例,对本发明进行详细说明。
请参考图1,其示出了本发明实施例的一种车辆辅助驾驶系统的结构示意图,该系统可以包括:图像采集设备110、处理器120、以及报警设备130。
在本发明实施例中,为了提高车辆行驶的安全性,可以在车辆上安装车辆辅助驾驶系统。车辆辅助驾驶系统中的图像采集设备110可以获取车辆行驶前方的目标图像,进而可以根据该目标图像判断车辆行驶前方是否存在危险的目标对象,如行人、车辆、障碍物等,从而当判断结果为是时,可以进行危险预警。其中,可以将图像采集设备110安装于车辆顶端或者引擎盖上,从而其可以采集到清晰的车辆行驶前方的目标图像。
图像采集设备110采集到车辆行驶前方的目标图像后,可以将目标图像发送给处理器120,以通过处理器120对目标图像进行识别,判断车辆行驶前方是否存在危险的目标对象。
处理器120接收到图像采集设备110发送的目标图像后,可以首先检测目标图像中包括的目标对象。如,可以使用深度学习算法检测目标图像中包括的目标对象。
准确的检测目标图像中包括的目标对象,是保证准确的进行危险预警,进而提高车辆行驶安全性的前提条件。在本发明实施例中,为了提高车辆行驶的安全性,处理器120可以预先通过大量的样本图像,以及各样本图像中目标对象的标定结果训练得到深度学习模型。当进行目标对象检测时,处理器120将目标图像输入训练好的深度学习模型中,即可得到目标图像中包括的各目标对象,以及各目标对象在目标图像中的位置信息。其中,目标对象在目标图像中的位置信息可以为在目标图像中构建的坐标系中,各目标对象的坐标信息。
在本发明实施例中,为了确定车辆行驶前方是否存在危险的目标对象,处理器120还可以确定预警区域,即可能对车辆造成危险的区域。具体的,处理器120可以确定预警区域两侧边界,也就是以车辆行驶方向为参考,预警区域两侧的最远边界。如,通常情况下,车辆当前所在车道中的目标对象可能会对车辆的安全行驶造成威胁,因此,处理器120可以将车辆当前所在车道的两侧边界线确定为预警区域两侧边界。
另外,处理器120还可以确定最远报警距离,也就是以车辆行驶方向为参考,预警区域前方的最远边界。例如,处理器120可以预先设定最远报警距离,并保存在本地。当处理器120确定最远报警距离时,可以获取本地保存的最远报警距离。如,用户可以通过车辆辅助驾驶系统的人机交互单元(如,显示屏)进行系统配置,输入最远报警距离并保存。针对不同的车辆,由于其系统性能可能存在差异,因此用户设置的最远报警距离可以相同也可以不同。
可以理解,用户还可以通过人机交互单元进行其他系统配置,如目标对象识别灵敏度等智能分析算法参数,本发明实施例对此不进行限定。
处理器120确定预警区域两侧边界和最远报警距离后,通过预警区域两侧边界和最远报警距离即可确定预警区域。并且,处理器120还可以根据相机参数,如,相机内参、安装高度等信息,确定预警区域在目标图像中对应的目标区域。其中,相机内参指相机x和y方向的焦距fx和fy,以及图像中心(u0,v0)。
确定预警区域后,处理器120还可以确定预警区域在目标图像中对应的目标区域的位置信息。例如,当目标区域为长方形时,处理器120可以将目标区域4个顶点的坐标信息作为目标区域的位置信息。
确定各目标对象在目标图像中的位置信息,以及预警区域在目标图像中对应的目标区域的位置信息后,处理器120可以根据各目标对象在目标图像中的位置信息,以及预警区域在目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于预警区域内。
例如,当目标区域为长方形,且处理器120将目标区域4个顶点的坐标信息作为目标区域的位置信息时,处理器120可以确定该4个顶点的横坐标范围和纵坐标范围,针对每个目标对象,判断是否满足该目标对象的横坐标位于所确定的横坐标范围内,且纵坐标也位于所确定的纵坐标范围内,如果是,则可以确定该目标对象位于预警区域内。
当处理器120判断出存在至少一目标对象位于预警区域内时,表明车辆可能存在危险,这种情况下,处理器120可以发送报警信息给报警设备130。
报警设备130可以接收处理器120发送的报警信息,并根据该报警信息进行报警。如,当报警设备130为蜂鸣器时,其可以发出报警声音,以提醒驾驶员车辆行驶前方可能存在危险,提高车辆行驶安全性。
本发明实施例中,当图像采集设备采集到车辆行驶前方的目标图像后,可以将该目标图像发送给处理器,处理器可以使用深度学习算法检测该目标图像中包括的各目标对象,确定各目标对象的位置信息,并确定预警区域对应的位置信息,进而判断是否存在目标对象位于预警区域内,如果是,可以通过报警设备进行报警,从而可以提高车辆行驶的安全性。
可以理解,车辆在行驶过程中,可能直线行驶也可能在弯路上曲线行驶。并且,预警区域通常为车辆行驶前方的虚拟车道线,而车辆直线行驶和曲线行驶时,虚拟车道线也一般是不同的。因此,在本发明实施例中,为了提高车辆行驶的安全性,处理器120可以根据车辆行驶的不同方式,采用对应的方法确定预警区域。
作为本发明实施例的一种实施方式,处理器120可以预先设定预警区域宽度,并保存在本地。在确定预警区域时,当车辆直线行驶时,处理器120可以获取预设的预警区域宽度,根据该预警区域宽度确定预警区域左侧边界和右侧边界。例如,处理器120获取到预警区域宽度后,可以以车辆中轴线为中心,确定距离车辆中轴线距离相同的左侧边界和右侧边界。
在本发明实施例中,处理器120还可以在目标图像中建立坐标系,进而其可以根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,左侧边界在目标图像中对应的第一横坐标,以及右侧边界在目标图像中对应的第二横坐标,并将纵坐标、第一横坐标、以及第二横坐标确定为预警区域在目标图像中对应的目标区域的位置信息。
如图2所示,当车辆直线行驶时,处理器120可以根据预设的预警区域宽度确定预警区域左侧边界210、右侧边界220、以及最远预警距离对应的边界230。并且,可以确定在构建的坐标系中,左侧边界210的横坐标x1,右侧边界220的横坐标x2,边界230的纵坐标y。进而,可以将左侧边界210的横坐标x1、右侧边界220的横坐标x2、以及边界230的纵坐标y确定为预警区域对应目标区域的位置信息。可以看出,通过上述几个坐标点,可以确定出唯一的目标区域。
作为本发明实施例的一种实施方式,在确定预警区域时,当车辆曲线行驶时,处理器120可以确定车辆内侧轮胎位置和外侧轮胎位置,并分别作为预警区域左侧边界和右侧边界。例如,处理器120可以对目标图像进行识别,识别出内侧轮胎和外侧轮胎所在位置,并分别作为预警区域左侧边界和右侧边界。
在本发明实施例中,处理器120还可以在目标图像中建立坐标系,进而其可以根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,左侧边界在目标图像中对应的第一横坐标,以及右侧边界在目标图像中对应的第二横坐标。处理器120还可以确定车辆的行驶角度,如,其可以对目标图像进行分析,确定车辆的行驶角度。
确定最远报警距离在目标图像中对应的纵坐标、左侧边界在目标图像中对应的第一横坐标、右侧边界在目标图像中对应的第二横坐标、以及车辆的行驶角度后,处理器120可以根据纵坐标、第一横坐标、第二横坐标、以及车辆的行驶角度,确定预警区域在目标图像中对应的目标区域,并将目标区域的预设坐标点的坐标信息作为目标区域的位置信息。
如图3所示,当车辆曲线行驶时,处理器120可以检测到车辆的内侧轮胎所在位置a和外侧轮胎所在位置b,并确定预设的最远预警距离对应的边界线310。进而可以根据车辆行驶角度确定从点a到边界线310的边界线320、以及从点b到边界线310的边界线330。并且,可以确定边界线320和310的交点c、边界线330和310的交点d、边界线320的中点e、以及边界线330的中点f,从而,可以将点a、b、c、d、e、f的坐标信息作为目标区域的位置信息。
作为本发明实施例的一种实施方式,当预警区域包含多个目标对象时,通常距离车辆最近的目标对象是对车辆威胁最大。在本实施例中,当处理器120判断出存在至少一目标对象位于预警区域内时,其还可以确定距离车辆最近的目标对象与车辆之间的目标距离。如,其可以对目标图像进行检测,确定出各目标对象与车辆之间的距离,从而在各距离中识别出最小的距离作为目标距离。
确定出距离车辆最近的目标对象与车辆之间的目标距离后,处理器120可以发送包含该目标距离的报警信息给报警设备130。报警设备130接收到报警信息后,可以根据报警信息中包含的目标距离,以及预设的各距离范围与报警级别的对应关系,确定目标距离对应的目标报警级别,并进行目标报警级别的报警。
例如,报警设备130可以针对不同的目标距离,设置不同的报警级别。如,当目标距离较大时,报警级别可以较低;当目标距离较小时,报警级别可以较高。当报警设备130为峰鸣器时,其可以针对不同的报警级别,发出不同的报警声音。如,报警级别越高,报警声音可以响度更大,且报警声音的频率更高。
作为本发明实施例的一种实施方式,如图4所示,本发明实施例提供的车辆辅助驾驶系统还可以包括:显示设备140。这种情况下,图像采集设备110,可以将其采集的目标图像发送给显示设备140,显示设备140接收到目标图像后,可以展示该目标图像,从而驾驶员可以根据需要观察前方的行驶环境,提高车辆行驶的安全性。
作为本发明实施例的一种实施方式,显示设备140,还可以在目标图像中距离车辆最近的目标对象所在位置处,根据目标报警级别,展示相应颜色的目标框。也就是说,显示设备140可以在展示目标图像的同时,在目标图像中将距离车辆最近的目标对象标示出来。并且,根据该距离车辆最近的目标对象与车辆之间的距离不同,可以使用不同颜色的目标框将该目标对象标示出来。
如,当距离车辆最近的目标对象与车辆的距离较近,对应的报警级别较高时,显示设备140可以用红色的目标框将该目标对象标示出来;当距离车辆最近的目标对象与车辆的距离较远,对应的报警级别较低时,显示设备140可以用绿色的目标框将该目标对象标示出来。
作为本发明实施例的一种实施方式,为了进一步提高车辆行驶的安全性,当处理器120确定预警区域在目标图像中对应的目标区域后,显示设备140可以在目标图像中展示该目标区域。可以理解,目标区域即为车辆行驶前方的虚拟车道线,通过展示该目标区域,可以为驾驶员提供行驶方向依据,进一步提高车辆行驶的安全性。
可以理解,通常情况下,在雨天、雾霾天、夜间等低照度的行车环境下,车辆行驶将存在较大的安全隐患。因此,在本发明实施例中,图像采集设备110可以为热成像相机。相应的,图像采集设备110采集的目标图像可以为热成像图像。热成像相机可以更好的适应低照度的行车环境,从而提高目标图像质量,进一步提高车辆行驶的安全性。
相应的,本发明实施例还提供了一种车辆预警方法,如图5所示,该方法过程可以包括:
S501,接收车辆行驶前方的目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,并确定各目标对象在所述目标图像中的位置信息。
本发明实施例提供的方法可以应用于车辆辅助驾驶系统。具体的,可以应用于车辆辅助驾驶系统中的处理器,该车辆辅助驾驶系统还可以包括图像采集设备和报警设备。
在本发明实施例中,图像采集设备可以采集车辆行驶前方的目标图像,并将目标图像发送给处理器。处理器接收到图像采集设备发送的目标图像后,可以首先检测目标图像中包括的目标对象。如,可以使用深度学习算法检测目标图像中包括的目标对象。其中,上述目标对象可以包括:行人、车辆、障碍物等。
准确的检测目标图像中包括的目标对象,是保证准确的进行危险预警,进而提高车辆行驶安全性的前提条件。在本发明实施例中,为了提高车辆行驶的安全性,处理器可以预先通过大量的样本图像,以及各样本图像中目标对象的标定结果训练得到深度学习模型。当进行目标对象检测时,处理器将目标图像输入训练好的深度学习模型中,即可得到目标图像中包括的各目标对象,以及各目标对象在目标图像中的位置信息。其中,目标对象在目标图像中的位置信息可以为在目标图像中构建的坐标系中,各目标对象的坐标信息。
S502,确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息。
在本发明实施例中,为了确定车辆行驶前方是否存在危险的目标对象,处理器还可以确定预警区域,即可能对车辆造成危险的区域。具体的,处理器可以确定预警区域两侧边界,也就是以车辆行驶方向为参考,预警区域两侧的最远边界。如,通常情况下,车辆当前所在车道中的目标对象可能会对车辆的安全行驶造成威胁,因此,处理器可以将车辆当前所在车道的两侧边界线确定为预警区域两侧边界。
另外,处理器还可以确定最远报警距离,也就是以车辆行驶方向为参考,预警区域前方的最远边界。例如,处理器可以预先设定最远报警距离,并保存在本地。当处理器确定最远报警距离时,可以获取本地保存的最远报警距离。如,用户可以通过车辆辅助驾驶系统的人机交互单元(如,显示屏)进行系统配置,输入最远报警距离并保存。针对不同的车辆,由于其系统性能可能存在差异,因此用户设置的最远报警距离可以相同也可以不同。
处理器确定预警区域两侧边界和最远报警距离后,通过预警区域两侧边界和最远报警距离即可确定预警区域。并且,处理器还可以根据相机参数,如,相机内参、安装高度等信息,确定预警区域在目标图像中对应的目标区域。其中,相机内参指相机x和y方向的焦距fx和fy,以及图像中心(u0,v0)。
确定预警区域后,处理器还可以确定预警区域在目标图像中对应的目标区域的位置信息。例如,当目标区域为长方形时,处理器可以将目标区域4个顶点的坐标信息作为目标区域的位置信息。
S503,根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内;如果是,执行步骤S504。
确定各目标对象在目标图像中的位置信息,以及预警区域在目标图像中对应的目标区域的位置信息后,处理器可以根据各目标对象在目标图像中的位置信息,以及预警区域在目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于预警区域内。
例如,当目标区域为长方形,且处理器将目标区域4个顶点的坐标信息作为目标区域的位置信息时,处理器可以确定该4个顶点的横坐标范围和纵坐标范围,针对每个目标对象,判断是否满足该目标对象的横坐标位于所确定的横坐标范围内,且纵坐标也位于所确定的纵坐标范围内,如果是,则可以确定该目标对象位于预警区域内。
S504,执行报警操作。
当处理器判断出存在至少一目标对象位于预警区域内时,表明车辆可能存在危险,这种情况下,处理器可以执行报警操作。如,处理器可以发送报警信息给报警设备,从而报警设备可以根据报警信息进行报警。如,当报警设备为蜂鸣器时,其可以发出报警声音,提高车辆行驶安全性。
本发明实施例中,当图像采集设备采集到车辆行驶前方的目标图像后,可以将该目标图像发送给处理器,处理器可以使用深度学习算法检测该目标图像中包括的各目标对象,确定各目标对象的位置信息,并确定预警区域对应的位置信息,进而判断是否存在目标对象位于预警区域内,如果是,可以通过报警设备进行报警,从而可以提高车辆行驶的安全性。
可以理解,车辆在行驶过程中,可能直线行驶也可能在弯路上曲线行驶。并且,预警区域通常为车辆行驶前方的虚拟车道线,而车辆直线行驶和曲线行驶时,虚拟车道线也一般是不同的。因此,在本发明实施例中,为了提高车辆行驶的安全性,处理器可以根据车辆行驶的不同方式,采用对应的方法确定预警区域。
作为本发明实施例的一种实施方式,处理器可以预先设定预警区域宽度,并保存在本地。在确定预警区域时,当车辆直线行驶时,处理器可以获取预设的预警区域宽度,根据该预警区域宽度确定预警区域左侧边界和右侧边界。例如,处理器获取到预警区域宽度后,可以以车辆中轴线为中心,确定距离车辆中轴线距离相同的左侧边界和右侧边界。
在本发明实施例中,处理器还可以在目标图像中建立坐标系,进而其可以根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,左侧边界在目标图像中对应的第一横坐标,以及右侧边界在目标图像中对应的第二横坐标,并将纵坐标、第一横坐标、以及第二横坐标确定为预警区域在目标图像中对应的目标区域的位置信息。
作为本发明实施例的一种实施方式,在确定预警区域时,当车辆曲线行驶时,处理器可以确定车辆内侧轮胎位置和外侧轮胎位置,并分别作为预警区域左侧边界和右侧边界。例如,处理器可以对目标图像进行识别,识别出内侧轮胎和外侧轮胎所在位置,并分别作为预警区域左侧边界和右侧边界。
在本发明实施例中,处理器还可以在目标图像中建立坐标系,进而其可以根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,左侧边界在目标图像中对应的第一横坐标,以及右侧边界在目标图像中对应的第二横坐标。处理器还可以确定车辆的行驶角度,如,其可以对目标图像进行分析,确定车辆的行驶角度。
确定最远报警距离在目标图像中对应的纵坐标、左侧边界在目标图像中对应的第一横坐标、右侧边界在目标图像中对应的第二横坐标、以及车辆的行驶角度后,处理器可以根据纵坐标、第一横坐标、第二横坐标、以及车辆的行驶角度,确定预警区域在目标图像中对应的目标区域,并将目标区域的预设坐标点的坐标信息作为目标区域的位置信息。
作为本发明实施例的一种实施方式,当预警区域包含多个目标对象时,通常距离车辆最近的目标对象是对车辆威胁最大的目标对象。在本实施例中,当处理器判断出存在至少一目标对象位于预警区域内时,其还可以确定距离车辆最近的目标对象与车辆之间的目标距离。如,其可以对目标图像进行检测,确定出各目标对象与车辆之间的距离,从而在各距离中识别出最小的距离作为目标距离。
确定出距离车辆最近的目标对象与车辆之间的目标距离后,处理器可以根据该目标距离,执行相应的报警操作。如,处理器可以发送包含该目标距离的报警信息给报警设备。报警设备接收到报警信息后,可以根据报警信息中包含的目标距离,以及预设的各距离范围与报警级别的对应关系,确定目标距离对应的目标报警级别,并进行目标报警级别的报警。
例如,报警设备可以针对不同的目标距离,设置不同的报警级别。如,当目标距离较大时,报警级别可以较低;当目标距离较小时,报警级别可以较高。当报警设备为峰鸣器时,其可以针对不同的报警级别,发出不同的报警声音。如,报警级别越高,报警声音可以响度更大,且报警声音的频率更高。
相应的,本发明实施例还提供了一种车辆预警装置,如图6所示,所述装置包括:
接收模块610,用于接收车辆行驶前方的目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,并确定各目标对象在所述目标图像中的位置信息;
第一确定模块620,用于确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息;
判断模块630,用于根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内;
报警模块640,用于当所述判断模块630判断结果为是时,执行报警操作。
本发明实施例中,当图像采集设备采集到车辆行驶前方的目标图像后,可以将该目标图像发送给处理器,处理器可以使用深度学习算法检测该目标图像中包括的各目标对象,确定各目标对象的位置信息,并确定预警区域对应的位置信息,进而判断是否存在目标对象位于预警区域内,如果是,可以通过报警设备进行报警,从而可以提高车辆行驶的安全性。
作为本发明实施例的一种实施方式,所述第一确定模块620包括:
获取子模块(图中未示出),用于当所述车辆直线行驶时,获取预设的预警区域宽度,根据所述预警区域宽度确定预警区域左侧边界和右侧边界;
第一确定子模块(图中未示出),用于根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
第二确定子模块(图中未示出),用于将所述纵坐标、所述第一横坐标、以及所述第二横坐标确定为所述预警区域在所述目标图像中对应的目标区域的位置信息。
作为本发明实施例的一种实施方式,所述第一确定模块620包括:
第三确定子模块(图中未示出),用于当所述车辆曲线行驶时,确定所述车辆内侧轮胎位置和外侧轮胎位置,分别作为预警区域左侧边界和右侧边界;
第四确定子模块(图中未示出),用于根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
第五确定子模块(图中未示出),用于根据所述纵坐标、所述第一横坐标、所述第二横坐标、以及所述车辆的行驶角度,确定所述预警区域在所述目标图像中对应的目标区域,并将所述目标区域的预设坐标点的坐标信息作为所述目标区域的位置信息。
作为本发明实施例的一种实施方式,所述装置还包括:
第二确定模块(图中未示出),用于当判断出存在至少一目标对象位于所述预警区域内时,确定距离所述车辆最近的目标对象与所述车辆之间的目标距离;
相应的,所述报警模块640,具体用于根据所述目标距离,执行相应的报警操作。
相应的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如图5实施例所述的一种车辆预警方法。
本发明实施例中,当图像采集设备采集到车辆行驶前方的目标图像后,可以将该目标图像发送给处理器,处理器可以使用深度学习算法检测该目标图像中包括的各目标对象,确定各目标对象的位置信息,并确定预警区域对应的位置信息,进而判断是否存在目标对象位于预警区域内,如果是,可以通过报警设备进行报警,从而可以提高车辆行驶的安全性。
对于方法/装置/存储介质实施例而言,由于其基本相似于设备实施例,所以描述的比较简单,相关之处参见系统实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (18)
1.一种车辆辅助驾驶系统,其特征在于,所述系统包括:图像采集设备、处理器、以及报警设备;
所述图像采集设备,用于采集车辆行驶前方的目标图像,并将所述目标图像发送给所述处理器;
所述处理器,用于接收所述目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,确定各目标对象在所述目标图像中的位置信息,确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息,并根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内,如果是,发送报警信息给所述报警设备;
所述报警设备,用于接收所述报警信息,并根据所述报警信息进行报警。
2.根据权利要求1所述的系统,其特征在于,
所述处理器,在确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像对应的目标区域的位置信息时,具体用于:
当所述车辆直线行驶时,获取预设的预警区域宽度,根据所述预警区域宽度确定预警区域左侧边界和右侧边界,根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标,并将所述纵坐标、所述第一横坐标、以及所述第二横坐标确定为所述预警区域在所述目标图像中对应的目标区域的位置信息。
3.根据权利要求1所述的系统,其特征在于,
所述处理器,在确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息时,具体用于:
当所述车辆曲线行驶时,确定所述车辆内侧轮胎位置和外侧轮胎位置,分别作为预警区域左侧边界和右侧边界,根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标,根据所述纵坐标、所述第一横坐标、所述第二横坐标、以及所述车辆的行驶角度,确定所述预警区域在所述目标图像中对应的目标区域,并将所述目标区域的预设坐标点的坐标信息作为所述目标区域的位置信息。
4.根据权利要求1所述的系统,其特征在于,
所述处理器,还用于在判断出存在至少一目标对象位于所述预警区域内时,确定距离所述车辆最近的目标对象与所述车辆之间的目标距离;
所述处理器,具体用于发送包含所述目标距离的报警信息给所述报警设备;
所述报警设备,具体用于接收所述报警信息,根据所述报警信息中包含的目标距离,以及预设的各距离范围与报警级别的对应关系,确定所述目标距离对应的目标报警级别,并进行所述目标报警级别的报警。
5.根据权利要求4所述的系统,其特征在于,
所述报警设备,具体用于根据所述目标报警级别,发出对应的报警声音。
6.根据权利要求4所述的系统,其特征在于,所述系统还包括:显示设备;
所述图像采集设备,还用于将所述目标图像发送给所述显示设备;
所述显示设备,用于接收所述目标图像,并展示所述目标图像。
7.根据权利要求6所述的系统,其特征在于,
所述显示设备,具体用于在所述目标图像中的距离所述车辆最近的目标对象所在位置处,根据所述目标报警级别,展示相应颜色的目标框。
8.根据权利要求6所述的系统,其特征在于,
所述显示设备,还用于展示所述预警区域在所述目标图像中对应的目标区域。
9.根据权利要求1-8任一项所述的系统,其特征在于,所述图像采集设备包括:热成像相机。
10.根据权利要求9所述的系统,其特征在于,所述相机参数包括以下至少一项:相机内参、安装高度。
11.一种车辆预警方法,其特征在于,所述方法包括:
接收车辆行驶前方的目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,并确定各目标对象在所述目标图像中的位置信息;
确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息;
根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内;
如果是,执行报警操作。
12.根据权利要求11所述的方法,其特征在于,所述确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像对应的目标区域的位置信息的步骤包括:
当所述车辆直线行驶时,获取预设的预警区域宽度,根据所述预警区域宽度确定预警区域左侧边界和右侧边界;
根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
将所述纵坐标、所述第一横坐标、以及所述第二横坐标确定为所述预警区域在所述目标图像中对应的目标区域的位置信息。
13.根据权利要求11所述的方法,其特征在于,所述确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息的步骤包括:
当所述车辆曲线行驶时,确定所述车辆内侧轮胎位置和外侧轮胎位置,分别作为预警区域左侧边界和右侧边界;
根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
根据所述纵坐标、所述第一横坐标、所述第二横坐标、以及所述车辆的行驶角度,确定所述预警区域在所述目标图像中对应的目标区域,并将所述目标区域的预设坐标点的坐标信息作为所述目标区域的位置信息。
14.根据权利要求11-13任一项所述的方法,其特征在于,所述方法还包括:
当判断出存在至少一目标对象位于所述预警区域内时,确定距离所述车辆最近的目标对象与所述车辆之间的目标距离;
所述执行报警操作的步骤包括:
根据所述目标距离,执行相应的报警操作。
15.一种车辆预警装置,其特征在于,所述装置包括:
接收模块,用于接收车辆行驶前方的目标图像,使用深度学习算法检测所述目标图像中包括的目标对象,并确定各目标对象在所述目标图像中的位置信息;
第一确定模块,用于确定预警区域两侧边界,根据相机参数和预设的最远报警距离,以及所述预警区域两侧边界,确定预警区域在所述目标图像中对应的目标区域的位置信息;
判断模块,用于根据所述各目标对象在所述目标图像中的位置信息,以及所述预警区域在所述目标图像中对应的目标区域的位置信息,判断是否存在至少一目标对象位于所述预警区域内;
报警模块,用于当所述判断模块判断结果为是时,执行报警操作。
16.根据权利要求15所述的装置,其特征在于,所述第一确定模块包括:
获取子模块,用于当所述车辆直线行驶时,获取预设的预警区域宽度,根据所述预警区域宽度确定预警区域左侧边界和右侧边界;
第一确定子模块,用于根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
第二确定子模块,用于将所述纵坐标、所述第一横坐标、以及所述第二横坐标确定为所述预警区域在所述目标图像中对应的目标区域的位置信息。
17.根据权利要求15所述的装置,其特征在于,所述第一确定模块包括:
第三确定子模块,用于当所述车辆曲线行驶时,确定所述车辆内侧轮胎位置和外侧轮胎位置,分别作为预警区域左侧边界和右侧边界;
第四确定子模块,用于根据相机参数确定预设的最远报警距离在目标图像中对应的纵坐标,所述左侧边界在所述目标图像中对应的第一横坐标,以及所述右侧边界在所述目标图像中对应的第二横坐标;
第五确定子模块,用于根据所述纵坐标、所述第一横坐标、所述第二横坐标、以及所述车辆的行驶角度,确定所述预警区域在所述目标图像中对应的目标区域,并将所述目标区域的预设坐标点的坐标信息作为所述目标区域的位置信息。
18.根据权利要求15-17任一项所述的装置,其特征在于,所述装置还包括:
第二确定模块,用于当判断出存在至少一目标对象位于所述预警区域内时,确定距离所述车辆最近的目标对象与所述车辆之间的目标距离;
相应的,所述报警模块,具体用于根据所述目标距离,执行相应的报警操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710542245.0A CN109421598A (zh) | 2017-07-05 | 2017-07-05 | 一种车辆辅助驾驶系统、车辆预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710542245.0A CN109421598A (zh) | 2017-07-05 | 2017-07-05 | 一种车辆辅助驾驶系统、车辆预警方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109421598A true CN109421598A (zh) | 2019-03-05 |
Family
ID=65497157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710542245.0A Pending CN109421598A (zh) | 2017-07-05 | 2017-07-05 | 一种车辆辅助驾驶系统、车辆预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109421598A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956110A (zh) * | 2019-11-23 | 2020-04-03 | 奇瑞汽车股份有限公司 | 一种基于机器学习的车载相机目标检测方法 |
CN112896042A (zh) * | 2021-03-02 | 2021-06-04 | 广州通达汽车电气股份有限公司 | 一种车辆驾驶预警方法、装置、设备及存储介质 |
WO2023178922A1 (zh) * | 2022-03-21 | 2023-09-28 | 合众新能源汽车股份有限公司 | 一种车辆变道预警方法、装置和计算机可读介质 |
CN114559942B (zh) * | 2022-03-21 | 2024-04-26 | 合众新能源汽车股份有限公司 | 一种车辆变道预警方法、装置和计算机可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1096776A (ja) * | 1996-09-24 | 1998-04-14 | Honda Access Corp | 車間距離の表示装置 |
CN102632839A (zh) * | 2011-02-15 | 2012-08-15 | 汽车零部件研究及发展中心有限公司 | 一种基于后视图像认知的车载盲区预警系统及方法 |
CN102745198A (zh) * | 2012-07-23 | 2012-10-24 | 北京智华驭新汽车电子技术开发有限公司 | 一种车辆前向轨迹辅助装置 |
CN102765365A (zh) * | 2011-05-06 | 2012-11-07 | 香港生产力促进局 | 基于机器视觉的行人检测方法及行人防撞预警系统 |
EP2642364A1 (en) * | 2012-03-22 | 2013-09-25 | Valeo Schalter und Sensoren GmbH | Method for warning the driver of a motor vehicle about the presence of an object in the surroundings of the motor vehicle, camera system and motor vehicle |
CN105818742A (zh) * | 2015-01-05 | 2016-08-03 | 上海纵目科技有限公司 | 车辆预警方法及系统 |
CN106781691A (zh) * | 2016-11-30 | 2017-05-31 | 北京汽车集团有限公司 | 驾驶预警的系统和方法 |
-
2017
- 2017-07-05 CN CN201710542245.0A patent/CN109421598A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1096776A (ja) * | 1996-09-24 | 1998-04-14 | Honda Access Corp | 車間距離の表示装置 |
CN102632839A (zh) * | 2011-02-15 | 2012-08-15 | 汽车零部件研究及发展中心有限公司 | 一种基于后视图像认知的车载盲区预警系统及方法 |
CN102765365A (zh) * | 2011-05-06 | 2012-11-07 | 香港生产力促进局 | 基于机器视觉的行人检测方法及行人防撞预警系统 |
EP2642364A1 (en) * | 2012-03-22 | 2013-09-25 | Valeo Schalter und Sensoren GmbH | Method for warning the driver of a motor vehicle about the presence of an object in the surroundings of the motor vehicle, camera system and motor vehicle |
CN102745198A (zh) * | 2012-07-23 | 2012-10-24 | 北京智华驭新汽车电子技术开发有限公司 | 一种车辆前向轨迹辅助装置 |
CN105818742A (zh) * | 2015-01-05 | 2016-08-03 | 上海纵目科技有限公司 | 车辆预警方法及系统 |
CN106781691A (zh) * | 2016-11-30 | 2017-05-31 | 北京汽车集团有限公司 | 驾驶预警的系统和方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956110A (zh) * | 2019-11-23 | 2020-04-03 | 奇瑞汽车股份有限公司 | 一种基于机器学习的车载相机目标检测方法 |
CN112896042A (zh) * | 2021-03-02 | 2021-06-04 | 广州通达汽车电气股份有限公司 | 一种车辆驾驶预警方法、装置、设备及存储介质 |
WO2023178922A1 (zh) * | 2022-03-21 | 2023-09-28 | 合众新能源汽车股份有限公司 | 一种车辆变道预警方法、装置和计算机可读介质 |
CN114559942B (zh) * | 2022-03-21 | 2024-04-26 | 合众新能源汽车股份有限公司 | 一种车辆变道预警方法、装置和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105459907B (zh) | 车辆安全系统、盲区监测方法及装置 | |
CN107031623B (zh) | 一种基于车载盲区相机的道路预警方法 | |
CN105620489B (zh) | 驾驶辅助系统及车辆实时预警提醒方法 | |
CN108883725B (zh) | 一种行驶车辆警报系统和方法 | |
US9984568B2 (en) | Wrong-way determination apparatus | |
CN105844222B (zh) | 基于视觉的前方车辆碰撞预警系统及方法 | |
EP2214149B1 (en) | Collision avoidance assisting system for vehicle | |
CN108845327B (zh) | 一种大货车视野盲区障碍物的智能检测及提醒系统 | |
CN104786933A (zh) | 一种全景影像驾驶辅助装置及方法 | |
CN106240458A (zh) | 一种基于车载双目相机的车辆前方碰撞预警方法 | |
CN110532976A (zh) | 基于机器学习和多特征融合的疲劳驾驶检测方法及系统 | |
CN101984478B (zh) | 基于双目视觉车道线检测的非正常s型驾驶预警方法 | |
CN113276769A (zh) | 车辆盲区防撞预警系统及方法 | |
CN106203272B (zh) | 确定可移动对象的移动的方法和装置 | |
CN108037505A (zh) | 一种夜间前方车辆检测方法及系统 | |
CN110065494A (zh) | 一种基于车轮检测的车辆防碰撞方法 | |
CN107479061A (zh) | 一种基于图像识别与雷达测距的安全预警方法及系统 | |
CN207697623U (zh) | 一种行车侧方盲区排除预警系统 | |
CN103072537A (zh) | 基于红外图像处理的汽车防撞安全保护装置及保护方法 | |
CN107953827A (zh) | 一种车辆盲区预警方法及装置 | |
CN109747643A (zh) | 一种智能车辆感知系统的信息融合方法 | |
CN101135558A (zh) | 一种基于机器视觉的汽车防撞预警方法及装置 | |
CN107031661A (zh) | 一种基于盲区相机输入的变道预警方法及系统 | |
CN109421598A (zh) | 一种车辆辅助驾驶系统、车辆预警方法及装置 | |
CN107886034A (zh) | 行车提醒方法、装置及车辆 |
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: 20190305 |
|
RJ01 | Rejection of invention patent application after publication |