CN110091871A - 控制车辆距离的方法、装置、介质及控制设备 - Google Patents
控制车辆距离的方法、装置、介质及控制设备 Download PDFInfo
- Publication number
- CN110091871A CN110091871A CN201910363681.0A CN201910363681A CN110091871A CN 110091871 A CN110091871 A CN 110091871A CN 201910363681 A CN201910363681 A CN 201910363681A CN 110091871 A CN110091871 A CN 110091871A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- target
- image information
- described image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 231100001261 hazardous Toxicity 0.000 claims abstract description 62
- 239000000383 hazardous chemical Substances 0.000 claims description 59
- 238000003384 imaging method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 108010001267 Protein Subunits Proteins 0.000 claims description 3
- 206010039203 Road traffic accident Diseases 0.000 abstract description 6
- 238000013507 mapping Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 239000002574 poison Substances 0.000 description 4
- 231100000614 poison Toxicity 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 208000015181 infectious disease Diseases 0.000 description 3
- 230000002458 infectious effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000007800 oxidant agent Substances 0.000 description 3
- 230000001590 oxidative effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000002341 toxic gas Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003518 caustics Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 231100001010 corrosive Toxicity 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提出一种控制车辆距离的方法、装置、介质及控制设备,所述方法包括:获取目标车辆的图像信息;根据所述图像信息识别所述目标车辆是否为危险车辆;若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;依据所述目标距离控制本车辆与所述目标车辆的距离。本申请通过对危险车辆进行识别,实现对车辆距离的控制,实现减少交通事故的发生概率。
Description
技术领域
本申请涉及车辆技术领域,尤其涉及一种控制车辆距离的方法、装置、介质及控制设备。
背景技术
汽车在道路上行驶时,超高、超宽的车辆事故风险会显著增大,而如果与危险品运输车发生事故,则事故的后果可能较为严重。对于这两类车辆,有经验的驾驶员会采取避免跟随或增大跟车距离等方式降低风险,而自动驾驶车辆则需要识别出危险车辆,以减少交通事故的发生概率。因此,如何在自动驾驶系统中更准确的识别危险车辆并控制与危险车辆的距离,成为有待解决的问题。
现有的自动驾驶系统中,可以识别出车辆,并控制距离;但没有全面识别出危险车辆,方案不够完善,导致交通事故的发生概率高。
发明内容
本申请提供一种控制车辆距离的方法及相应的装置,其主要实现了对危险车辆的识别以及车辆间距离的控制,以降低交通事故的发生概率。
本申请还提供一种用于执行本申请的控制车辆距离的方法的控制设备及可读存储介质。
为解决上述问题,本申请采用如下各方面的技术方案:
第一方面,本申请提供一种控制车辆距离的方法,所述方法包括:
获取目标车辆的图像信息;
根据所述图像信息识别所述目标车辆是否为危险车辆;
若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;
依据所述目标距离控制本车辆与所述目标车辆的距离。
具体的,所述根据所述图像信息识别所述目标车辆是否为危险车辆,包括:
根据所述图像信息计算所述目标车辆的尺寸数据,若所述尺寸数据大于预设阈值,则识别所述目标车辆为危险车辆;
和/或,根据所述图像信息判断所述目标车辆是否为危险品运输车辆;
若所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
具体的,所述根据所述图像信息计算所述目标车辆的尺寸数据,包括:
利用毫米波雷达传感器测量本车辆与所述目标车辆的距离D;
通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,所述尺寸数据包括所述目标车辆的宽度和高度。
具体的,所述通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,包括:
计算摄像头的感光元件的高度h0、感光元件垂直方向的像素数PV以及本车辆与所述目标车辆的距离D的乘积m1;
计算摄像头焦距f与目标车辆在感光元件垂直方向的总像素数PV0的乘积m2;
将m1除以m2得到所述目标车辆的高度H;
计算所述目标车辆在感光元件上的成像宽度w0以及目标车辆在感光元件水平方向的像素数Pl的乘积m3;
计算摄像头焦距f与感光元件水平方向的总像素数Pl0的乘积m4;
将m3除以m4得到所述目标车辆的宽度W。
具体的,所述根据所述图像信息判断所述目标车辆是否为危险品运输车辆,包括:
提取所述图像信息的特征信息;
将所述特征信息与预先训练的危险品运输车标识模型库进行匹配得到匹配结果;
依据所述匹配结果判断所述目标车辆是否为危险品运输车辆。
优选的,所述若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离,包括:
若所述目标车辆是危险车辆,则根据所述尺寸数据和/或所述匹配结果得到所述目标车辆对应的车辆类型,获取所述车辆类型的安全距离系数;
将所述安全距离系数与预置的安全距离相乘,得到所述目标距离。
第二方面,本申请提供一种控制车辆距离的装置,所述装置包括:
第一获取模块,用于获取目标车辆的图像信息;
识别模块,用于根据所述图像信息识别所述目标车辆是否为危险车辆;
第二获取模块,用于若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;
控制模块,用于依据所述目标距离控制本车辆与所述目标车辆的距离。
具体的,所述识别模块,包括:
识别单元,用于根据所述图像信息计算所述目标车辆的尺寸数据,若所述尺寸数据大于预设阈值,则识别所述目标车辆为危险车辆;和/或,根据所述图像信息判断所述目标车辆是否为危险品运输车辆,若所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
具体的,所述识别单元,包括:
计算子单元,用于利用毫米波雷达传感器测量本车辆与所述目标车辆的距离D;通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,所述尺寸数据包括所述目标车辆的宽度和高度。
具体的,所述通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,包括:
计算摄像头的感光元件的高度h0、感光元件垂直方向的像素数PV以及本车辆与所述目标车辆的距离D的乘积m1;计算摄像头焦距f与目标车辆在感光元件垂直方向的总像素数PV0的乘积m2;将m1除以m2得到所述目标车辆的高度H;计算所述目标车辆在感光元件上的成像宽度w0以及目标车辆在感光元件水平方向的像素数Pl的乘积m3;计算摄像头焦距f与感光元件水平方向的总像素数Pl0的乘积m4;将m3除以m4得到所述目标车辆的宽度W。
具体的,所述识别单元,包括:
判断子单元,用于提取所述图像信息的特征信息;将所述特征信息与预先训练的危险品运输车标识模型库进行匹配得到匹配结果;依据所述匹配结果判断所述目标车辆是否为危险品运输车辆。
优选的,所述第二获取模块,包括:
获取单元,用于若所述目标车辆是危险车辆,则根据所述尺寸数据和/或所述匹配结果得到所述目标车辆对应的车辆类型,获取所述车辆类型的安全距离系数;将所述安全距离系数与预置的安全距离相乘,得到所述目标距离。
第三方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述控制车辆距离的方法的步骤。
第四方面,本申请提供一种控制设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如第一方面中任一项所述控制车辆距离的方法的步骤。
相对于现有技术,本申请的技术方案至少具备如下优点:
1、本申请提供一种控制车辆距离的方法,通过获取目标车辆的图像信息;根据所述图像信息识别所述目标车辆是否为危险车辆;若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;依据所述目标距离控制本车辆与所述目标车辆的距离。本申请通过对危险车辆的识别,实现距离的控制,以减少交通事故的发生概率。
2、本申请根据目标车辆的尺寸数据以及目标车辆与危险品运输车标识模型库进行匹配的匹配结果得到所述目标车辆对应的车辆类型,获取所述车辆类型的安全距离系数;将所述安全距离系数与预置的安全距离相乘,得到所述目标距离;控制本车辆与所述目标车辆之间的距离为所述目标距离。本申请可以针对不同目标车辆的车辆类型设定不同的目标距离,方案灵活。
附图说明
图1为一个实施例中控制车辆距离的方法流程图;
图2为一个实施例中测量目标车辆的尺寸数据的原理示意图;
图3为一个实施例中控制车辆距离的装置结构框图;
图4为一个实施例中控制设备的内部结构框图。
本申请目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如S11、S12等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本领域普通技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本领域普通技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1,本申请实施例提供一种控制车辆距离的方法,应用于汽车的自动驾驶系统,由汽车的自动驾驶系统执行本申请所述一种控制车辆距离的方法。如图1所示,所述方法包括以下步骤:
S11、获取目标车辆的图像信息。
本申请中,通过设于本车辆前方的摄像头为传感器采集所述目标车辆的图像信息,通过毫米波雷达测量本车辆与所述目标车辆的距离。
需要说明的,用于采集所述目标车辆的摄像头可以设于本车辆的前方或者后方,也可以设于本车辆的其他位置。具体而言,设于后方的摄像头可以用于采集本车辆后方车辆的图像信息,以识别后方车辆是否为危险车辆。优选的,本申请所采用的摄像头还可以是360度旋转摄像头。本申请中,摄像头具体的设置位置可以根据实际情况设定,在此不做具体限定。
进一步的,摄像头采集的目标车辆的图像信息以及通过毫米波雷达测量的得到的本车辆与所述目标车辆的距离均输出到自动驾驶系统中的控制器ECU,ECU对接收到的图像信息以及本车辆与所述目标车辆的距离进行处理和运算,最终判断出所述目标车辆是否为危险车辆的输出结果。若判断出所述目标车辆为危险车辆,则控制本车辆与所述目标车辆的距离大于目标距离,以降低事故的风险。
S12、根据所述图像信息识别所述目标车辆是否为危险车辆。
本申请实施例中,所述根据所述图像信息识别所述目标车辆是否为危险车辆,包括:
根据所述图像信息计算所述目标车辆的尺寸数据,若所述尺寸数据大于预设阈值,则识别所述目标车辆为危险车辆;和/或,根据所述图像信息判断所述目标车辆是否为危险品运输车辆,若所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
具体而言,在本申请的一种实施例中,所述根据所述图像信息识别所述目标车辆是否为危险车辆,包括:
根据所述图像信息计算所述目标车辆的尺寸数据,若所述尺寸数据大于预设阈值,则识别所述目标车辆为危险车辆。
另一种实施例中,所述根据所述图像信息识别所述目标车辆是否为危险车辆,包括:
根据所述图像信息判断所述目标车辆是否为危险品运输车辆,若所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
另一种实施例中,所述根据所述图像信息识别所述目标车辆是否为危险车辆,包括:
根据所述图像信息计算所述目标车辆的尺寸数据;
根据所述图像信息判断所述目标车辆是否为危险品运输车辆;
若所述尺寸数据大于预设阈值,并且所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
进一步的,根据所述图像信息计算所述目标车辆的尺寸数据具体包括以下步骤:
其一、控制摄像头拍摄目标车辆,得到目标车辆的图像信息;
其二、利用毫米波雷达传感器测量本车辆与所述目标车辆的距离D;
在该步骤中,具体通过测量毫米波雷达发射电磁波和接收到电磁波的时间差;将所述时间差与光速的乘积除以2得到本车辆与所述目标车辆的距离D。具体的计算公式如下式(1-1):
其中,D为本车辆与所述目标车辆在行驶方向的距离;
td为毫米波雷达发射电磁波和接收到电磁波的时间差;
c为光速(299792458米/秒)。
其三、通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,所述尺寸数据包括所述目标车辆的宽度和高度。
请参考图2,图2为利用小孔成像原理测量目标车辆的尺寸数据示意图。在图2中,摄像头1具体包括镜头11以及感光元件12,通过利用摄像头采集目标车辆2的图像信息。该步骤中,根据小孔成像原理测量目标车辆的高度,计算公式如下式(1-2):
其中,H为目标车辆的高度;
f为摄像头焦距;
h为目标车辆在感光元件上的成像高度,其计算公式如下式(1-3):
其中,h0为感光元件的高度;
PV为感光元件在垂直方向的像素数;
PV0为目标车辆在感光元件上在垂直方向的总像素数。
依据(1-3)式以及(1-2)式可计算得到所述目标车辆的高度H。具体的,计算摄像头的感光元件的高度h0、感光元件垂直方向的像素数PV以及本车辆与所述目标车辆的距离D的乘积m1;计算摄像头焦距f与目标车辆在感光元件垂直方向的总像素数PV0的乘积m2;将m1除以m2得到所述目标车辆的高度H;具体的计算所述目标车辆的高度H公式如下式(1-4):
其中,H为目标车辆的高度;
h为目标车辆在感光元件上的成像高度;
f为摄像头焦距;
h0为感光元件的高度;
PV为感光元件在垂直方向的像素数;
PV0为目标车辆在感光元件上在垂直方向的总像素数。
D为本车辆与所述目标车辆的距离。
同理可计算所述目标车辆的宽度W。具体的,计算所述目标车辆在感光元件上的成像宽度w0以及目标车辆在感光元件水平方向的像素数Pl的乘积m3;计算摄像头焦距f与感光元件水平方向的总像素数Pl0的乘积m4;将m3除以m4得到所述目标车辆的宽度W,具体的计算公式如下式(1-5):
其中,W为车辆宽度;
w0为目标车辆在感光元件上的成像宽度;
Pl为目标车辆在水平方向的像素数;
Pl0为感光元件在水平方向的总像素数。
进一步的,本申请实施例中,根据所述图像信息判断所述目标车辆是否为危险品运输车辆,具体包括以下步骤:
其一、提取所述图像信息的特征信息;
该步骤中,在对所述图像信息进行特征信息提取之前,对所述图像信息进行预处理,所述预处理包括阈值分割以及填充。具体的,对所述图像信息进行阈值分割以及填充的步骤如下:
设置所述图像信息的灰度值阈值,依据所述灰度值阈值使用灰度直方图对所述图像信息进行阈值分割。
对低于所述灰度值阈值的像素填充为白色,对高于所述灰度值阈值的像素填充为黑色,以增强特征效果。
进一步的,本申请对预处理后的图像信息进行特征信息提取。一般而言,图像的特征信息至少包括:颜色特征、纹理特征、形状特征以及空间关系特征。对于不同的特征信息,其提取方法不同。具体而言,图像的特征信息提取一般包括如下方法:
1,常用的颜色特征的提取方法:颜色矩、颜色直方图、颜色集、颜色聚合向量以及颜色相关图。
2,常用的纹理特征的提取方法:统计法、几何法、模型法、信号处理法以及结构法。
3,常用的形状特征的提取方法:边界特征法、傅里叶形状描述符法、几何参数法以及形状不变矩法。
一种实施例中,以纹理特征的提取为例,本申请提取所述图像信息的纹理特征具体包括以下步骤:
提取所述图像信息的特征点,所述图像信息的特征点至少包括:边缘点、拐点、凸点以及其他特征点;
建立直角坐标系,确定各个特征点的坐标值;
计算各个特征点的LBP特征,并基于统计法研究LBP特征的统计特性。
本申请实施例中,LBP是一种用来描述图像局部纹理特征的算子。具体而言,LBP的值用于表达图像信息中各像素与其周围像素之间的灰度值大小关系的数值。
其二、将所述特征信息与预先训练的危险品运输车标识模型库进行匹配得到匹配结果。
具体的,本申请实施例中,将所述特征信息与预先训练的危险品运输车标识模型库进行匹配得到匹配结果,包括以下两个步骤:
a,利用深度学习算法训练危险品运输车标识模型库。
本申请实施例中,所述危险品运输车标识模型库中至少包括若干个基准标识图片、各基准标识图片的特征参数以及各基准标识图片的危险品运输车辆类型。所述基准标识图片至少包括各个危险品运输车辆的标志灯以及标志牌的图片。其中,所述危险品运输车辆的标志灯包括“危险”字样的标志灯。所述危险品运输车辆的标志牌至少包括:如爆炸品的标志牌、有毒气体的标志牌、自然物品的标志牌、易燃液体的标志牌、氧化剂的标志牌、剧毒物品的标志牌以及感染性物品的标志牌等。可以理解的,所述危险品运输车标识模型库还可以包括更多其他的标志牌以及标志灯,在此不做具体限定。
本申请实施例中,利用深度学习算法训练危险品运输车标识模型库具体通过以下方案实现:
输入若干个所述基准标识图片;
对输入的所述基准标识图片进行特征提取,提取所述基准标识图片的特征参数。依据所述基准标识图片的特征参数识别所述基准标识图片的危险品运输车辆类型;
构建危险品运输车标识模型库,将所述基准标识图片的特征参数与其对应的危险品运输车辆类型进行关联性存储,存入所述危险品运输车标识模型库中。
一种可能的设计中,所述特征参数可以为从所述基准标识图片中提取的特征点的坐标值以及对应的LBP特征。其中,所述基准标识图片的特征点至少包括:边缘点、拐点、凸点以及其他特征点等。
一种实施例中,所述危险品运输车标识模型库的数据结构如下表1所示:
表1一种实施例中,危险品运输车标识模型库的数据结构
如表1所示,危险品运输车标识模型库中包括:基准标识图片的特征参数以及基准标识图片的危险品运输车类型。有毒气体类型的基准标识图片,其包含的特征参数为:特征点A(X1,Y1)、B(X2,Y2)以及C(X3,Y3);以及对应的LBP值分别为:M1、M2以及M3。感染性物品类型的基准标识图片,其包含的特征参数为:特征点D(X4,Y4)、E(X5,Y5)以及F(X6,Y6);以及对应的LBP值分别为:M4、M5以及M6。腐蚀品类型的基准标识图片,其包含的特征参数为:特征点G(X7,Y7)、H(X8,Y8)以及I(X9,Y9)以及J(X10,Y10);以及对应的LBP值分别为:M7、M8以及M8以及M10。
b,将所述特征信息与所述危险品运输车标识模型库进行匹配得到匹配结果。
具体的,将所述特征信息与预先训练的危险品运输车标识模型库进行匹配具体通过以下方案实现:
计算所述目标车辆的图像信息中每个特征点与所述危险品运输车标识模型库中基准标识图片的特征点的相似度,具体计算所述目标车辆的图像信息的特征点的LBP值与所述基准标识图片的特征点的LBP值的相似度;
依据每个特征点的相似度计算所述目标车辆的图像信息与所述基准标识图片的整体的相似度;
当计算得到的整体的相似度超过预设相似度阈值时,则判断所述目标车辆为危险品运输车辆;
输出匹配结果,所述匹配结果包含所述目标车辆是否危险车辆以及所述目标车辆所属的危险品运输车辆类型。
进一步的,当得到所述尺寸数据以及所述匹配结果之后,依据所述尺寸数据以及所述匹配结果识别所述目标车辆是否为危险车辆。具体的,若所述尺寸数据大于预设阈值和/或所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
本申请实施例中,所述预设阈值包括预设高度以及预设宽度,当判断所述目标车辆的高度高于预设高度,或者所述目标车辆的宽度高于预设宽度,则判断所述目标车辆为危险车辆。
S13、若所述目标车辆是危险车辆,获取所述目标车辆对应的目标距离。
具体而言,本申请实施例中,若所述目标车辆是危险车辆,获取所述目标车辆对应的目标距离,包括如下步骤:
其一、根据所述尺寸数据和/或所述匹配结果得到所述目标车辆对应的车辆类型,获取所述车辆类型对应的安全距离系数。
本申请中,所述目标车辆的车辆类型至少包括尺寸类型以及危险品运输车辆类型。所述尺寸类型至少包括:小型车辆、中型车辆、大型车辆以及超大型车辆等。需要说明的是,在另一种实施例中,也可以采取其他尺寸类型的划分,在此不做具体限定。所述危险品运输车辆类型至少包括爆炸品车辆、有毒气体车辆、自然物品车辆、易燃液体车辆、氧化剂车辆、剧毒物品车辆以及感染性物品车辆以及有机过养化物车辆等。例如,一种可能的应用场景中,所述目标车辆的类型可以为:小型易燃液体车辆、大型车辆、大型易燃液体车辆以及中型氧化剂车辆等。
本步骤中,根据所述尺寸数据和所述匹配结果得到所述目标车辆对应的车辆类型的具体步骤包括:
根据尺寸数据判断所述目标车辆的尺寸类型;
根据匹配结果获取所述目标车辆所属的危险品运输车辆类型,其中,所述匹配结果包含所述目标车辆是否危险车辆以及所述目标车辆所属的危险品运输车辆类型;
依据所述目标车辆的尺寸类型和/或危险品运输车辆类型得到所述目标车辆的车辆类型。
进一步的,本申请针对不同的车辆类型预设不同的安全距离系数。具体而言,本申请预先构建了安全距离系数数据库,所述安全距离系数数据库中存储了第一映射关系以及第二映射关系。其中,所述第一映射关系为不同尺寸类型与安全距离系数的映射关系,所述第二映射关系为不同的危险品运输车辆类型与安全距离系数的映射关系。所述安全距离系数越大,则本车辆与所述目标车辆需要保持的距离则越大。一种实施例中,所述安全距离系数设为大于1的数。
需要说明的是,当目标车辆既满足尺寸数据大于预设阈值,又为危险品运输车辆时,则采取如下方案确定其安全距离系数:
依据所述第一映射关系确定尺寸数据对应的安全距离系数;
依据所述第二映射关系确定危险品运输车辆类型对应的安全距离系数;
选择两个安全距离系数中较大的一个作为所述目标车辆最终的安全距离系数。
另一种实施例中,当目标车辆既满足尺寸数据大于预设阈值,又为危险品运输车辆时,可以采取如下方案确定其安全距离系数:
依据所述第一映射关系确定尺寸数据对应的安全距离系数;
依据所述第二映射关系确定危险品运输车辆类型对应的安全距离系数;
将两个安全距离系数的和作为所述目标车辆最终的安全距离系数。
其二、将所述安全距离系数与预置的安全距离相乘,得到所述目标距离。
具体的,本申请中预先设定安全距离。所述安全距离是指在保证安全范围内,任意两辆车之间需要保持的基准距离。一种实施例中,所述安全距离为常数,例如,可以将所述安全距离设定为5米。在一种实施例中,所述安全距离可以根据当前道路限速情况、路面情况、天气以及车辆行驶速度等因素来确定,例如,对于将较高车速的目标车辆,可以设定较大的安全距离。
本申请通过将所述安全距离系数与预置的安全距离相乘,得到所述目标距离,由于所述安全距离系数为大于1的数,因此,所述目标距离大于所述安全距离。
请参考下表2,表2为一种实施例中,各车辆类型对应的目标距离。
表2一种实施例中各个车辆类型的目标距离
如上表1所示,安全距离均为M,M可以是一个常数。在表1中,大型车辆的安全距离系数为1.3,中型车辆的安全距离系数为1.2,剧毒物品车辆的安全距离系数为3。因此,可以分别计算出对应的目标距离为1.3M,1.2M,3M。而剧毒物品的大型车辆的安全距离系数选择3,故其目标距离为3M。本申请根据不同的车辆类型设定不同的目标距离,灵活合理。
S14、依据所述目标距离控制本车辆与所述目标车辆的距离。
本申请中,由于所述目标距离大于预设的所述安全距离,因此,一种实施例中,依据所述目标距离控制本车辆与所述目标车辆的距离,具体包括:
控制本车辆与所述目标车辆的距离大于所述目标距离。
另一种实施例中,依据所述目标距离控制本车辆与所述目标车辆的距离,具体包括:
控制本车辆与所述目标车辆的距离等于所述目标距离。
S15、若所述目标车辆不是危险车辆,则流程结束。
一种实施例中,若判断所述目标车辆不是危险车辆,则控制流程结束。
另一实施例中,若判断所述目标车辆不是危险车辆,控制本车辆与所述目标车辆之间的距离为所述安全距离。其中,所述安全距离小于等于所述目标距离。
请参考图3,在另一种实施例中,本申请提供了一种控制车辆距离的装置,包括:
第一获取模块11,用于获取目标车辆的图像信息;
识别模块12,用于根据所述图像信息识别所述目标车辆是否为危险车辆;
第二获取模块13,用于若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;
控制模块14,用于依据所述目标距离控制本车辆与所述目标车辆的距离。
进一步的,所述识别模块12中具体包括:
识别单元,用于根据所述图像信息计算所述目标车辆的尺寸数据,若所述尺寸数据大于预设阈值,则识别所述目标车辆为危险车辆;和/或,根据所述图像信息判断所述目标车辆是否为危险品运输车辆,若所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
所述识别单元中包括:
计算子单元,用于利用毫米波雷达传感器测量本车辆与所述目标车辆的距离D;通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,所述尺寸数据包括所述目标车辆的宽度和高度。
所述通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,包括:
计算摄像头的感光元件的高度h0、感光元件垂直方向的像素数PV以及本车辆与所述目标车辆的距离D的乘积m1;计算摄像头焦距f与目标车辆在感光元件垂直方向的总像素数PV0的乘积m2;
将m1除以m2得到所述目标车辆的高度H;计算所述目标车辆在感光元件上的成像宽度w0以及目标车辆在感光元件水平方向的像素数Pl的乘积m3;计算摄像头焦距f与感光元件水平方向的总像素数Pl0的乘积m4;将m3除以m4得到所述目标车辆的宽度W。
所述识别单元中,还包括:
判断子单元,用于提取所述图像信息的特征信息;将所述特征信息与预先训练的危险品运输车标识模型库进行匹配得到匹配结果;依据所述匹配结果判断所述目标车辆是否为危险品运输车辆。
所述第二获取模块13中,包括:
获取单元,用于根据所述尺寸数据和/或所述匹配结果得到所述目标车辆对应的车辆类型,获取所述车辆类型的安全距离系数;
将所述安全距离系数与预置的安全距离相乘,得到所述目标距离。
在另一种实施例中,本申请提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现任一项技术方案所述的控制车辆距离的方法。其中,所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory,只读存储器)、RAM(Random AcceSSMemory,随即存储器)、EPROM(EraSable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory,电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是,存储设备包括由设备(例如,计算机、手机)以能够读的形式存储或传输信息的任何介质,可以是只读存储器,磁盘或光盘等。
本申请提供的一种计算机可读存储介质,可实现通过获取目标车辆的图像信息;根据所述图像信息识别所述目标车辆是否为危险车辆;若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;依据所述目标距离控制本车辆与所述目标车辆的距离。本申请能够识别危险车辆,实现车辆之间距离的控制,减少交通事故的发生概率。
此外,在又一种实施例中,本申请提供了一种控制设备,如图4所示,所述控制设备包括处理器303、存储器305、输入单元307以及显示单元309等器件。本领域技术人员可以理解,图4示出的结构器件并不构成对所有控制设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件。存储器305可用于存储应用程序301以及各功能模块,处理器303运行存储在存储器305的应用程序301,从而执行设备的各种功能应用以及数据处理。存储器305可以是内存储器或外存储器,或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本申请所公开的存储器包括但不限于这些类型的存储器。本申请所公开的存储器305只作为例子而非作为限定。
输入单元307用于接收信号的输入,以及接收用户输入的关键字。输入单元307可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作),并根据预先设定的程序驱动相应的连接装置;其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元309可用于显示用户输入的信息或提供给用户的信息以及控制设备的各种菜单。显示单元309可采用液晶显示器、有机发光二极管等形式。处理器303是控制设备的控制中心,利用各种接口和线路连接整个电脑的各个部分,通过运行或执行存储在存储器303内的软件程序和/或模块,以及调用存储在存储器内的数据,执行各种功能和处理数据。图3中所示的一个或多个处理器303能够执行、实现图3中所示的第一获取模块11、识别模块12、第二获取模块13以及控制模块14的功能。
在一种实施方式中,所述控制设备包括存储器305和处理器303,所述存储器305中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器303执行以上实施例所述的一种控制车辆距离的方法的步骤。
本申请、实施例提供的一种控制设备,可实现通过获取目标车辆的图像信息;根据所述图像信息识别所述目标车辆是否为危险车辆;若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;依据所述目标距离控制本车辆与所述目标车辆的距离。本申请利用传感器进行危险车辆的识别,实现车辆之间距离的控制,减少交通事故的发生概率。
另一种实施例中,本申请还可以根据所述尺寸数据和所述匹配结果得到所述目标车辆对应的车辆类型,获取所述车辆类型的安全距离系数;将所述安全距离系数与预置的安全距离相乘,得到所述目标距离;控制本车辆与所述目标车辆之间的距离为所述目标距离。本申请针对不同的目标车辆的车辆类型,控制本车辆与目标车辆不同的目标距离,提升本方案的灵活性。
本申请、实施例提供的计算机可读存储介质可以实现上述控制车辆距离的方法的实施例,具体功能实现请参见方法实施例中的说明,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本申请记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种控制车辆距离的方法,其特征在于,所述方法包括:
获取目标车辆的图像信息;
根据所述图像信息识别所述目标车辆是否为危险车辆;
若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;
依据所述目标距离控制本车辆与所述目标车辆的距离。
2.根据权利要求1所述的控制车辆距离的方法,其特征在于,所述根据所述图像信息识别所述目标车辆是否为危险车辆,包括:
根据所述图像信息计算所述目标车辆的尺寸数据,若所述尺寸数据大于预设阈值,则识别所述目标车辆为危险车辆;
和/或,根据所述图像信息判断所述目标车辆是否为危险品运输车辆,若所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
3.根据权利要求2所述的控制车辆距离的方法,其特征在于,所述根据所述图像信息计算所述目标车辆的尺寸数据,包括:
利用毫米波雷达传感器测量本车辆与所述目标车辆的距离D;
通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,所述尺寸数据包括所述目标车辆的宽度和高度。
4.根据权利要求3所述的控制车辆距离的方法,其特征在于,所述通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,包括:
计算摄像头的感光元件的高度h0、感光元件垂直方向的像素数PV以及本车辆与所述目标车辆的距离D的乘积m1;
计算摄像头焦距f与目标车辆在感光元件垂直方向的总像素数PV0的乘积m2;
将m1除以m2得到所述目标车辆的高度H;
计算所述目标车辆在感光元件上的成像宽度w0以及目标车辆在感光元件水平方向的像素数Pl的乘积m3;
计算摄像头焦距f与感光元件水平方向的总像素数Pl0的乘积m4;
将m3除以m4得到所述目标车辆的宽度W。
5.根据权利要求2所述的控制车辆距离的方法,其特征在于,所述根据所述图像信息判断所述目标车辆是否为危险品运输车辆,包括:
提取所述图像信息的特征信息;
将所述特征信息与预先训练的危险品运输车标识模型库进行匹配得到匹配结果;
依据所述匹配结果判断所述目标车辆是否为危险品运输车辆。
6.根据权利要求5所述的控制车辆距离的方法,其特征在于,所述若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离,包括:
若所述目标车辆是危险车辆,则根据所述尺寸数据和/或所述匹配结果得到所述目标车辆对应的车辆类型,获取所述车辆类型的安全距离系数;
将所述安全距离系数与预置的安全距离相乘,得到所述目标距离。
7.一种控制车辆距离的装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标车辆的图像信息;
识别模块,用于根据所述图像信息识别所述目标车辆是否为危险车辆;
第二获取模块,用于若所述目标车辆为危险车辆,获取所述目标车辆对应的目标距离;
控制模块,用于依据所述目标距离控制本车辆与所述目标车辆的距离。
8.根据权利要求7所述的控制车辆距离的装置,其特征在于,所述识别模块,包括:
识别单元,用于根据所述图像信息计算所述目标车辆的尺寸数据,若所述尺寸数据大于预设阈值,则识别所述目标车辆为危险车辆;和/或,根据所述图像信息判断所述目标车辆是否为危险品运输车辆,若所述目标车辆为危险品运输车辆,则识别所述目标车辆为危险车辆。
9.根据权利要求8所述的控制车辆距离的装置,其特征在于,所述识别单元,包括:
计算子单元,用于利用毫米波雷达传感器测量本车辆与所述目标车辆的距离D;通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,所述尺寸数据包括所述目标车辆的宽度和高度。
10.根据权利要求9所述的控制车辆距离的装置,其特征在于,所述通过所述图像信息中的像素数、摄像头的指定参数以及本车辆与所述目标车辆的距离计算尺寸数据,包括:
计算摄像头的感光元件的高度h0、感光元件垂直方向的像素数PV以及本车辆与所述目标车辆的距离D的乘积m1;计算摄像头焦距f与目标车辆在感光元件垂直方向的总像素数PV0的乘积m2;将m1除以m2得到所述目标车辆的高度H;计算所述目标车辆在感光元件上的成像宽度w0以及目标车辆在感光元件水平方向的像素数Pl的乘积m3;计算摄像头焦距f与感光元件水平方向的总像素数Pl0的乘积m4;将m3除以m4得到所述目标车辆的宽度W。
11.根据权利要求8所述的控制车辆距离的装置,其特征在于,所述识别单元,包括:
判断子单元,用于提取所述图像信息的特征信息;将所述特征信息与预先训练的危险品运输车标识模型库进行匹配得到匹配结果;依据所述匹配结果判断所述目标车辆是否为危险品运输车辆。
12.根据权利要求11所述的控制车辆距离的装置,其特征在于,所述第二获取模块,包括:
获取单元,用于若所述目标车辆是危险车辆,则根据所述尺寸数据和/或所述匹配结果得到所述目标车辆对应的车辆类型,获取所述车辆类型的安全距离系数;将所述安全距离系数与预置的安全距离相乘,得到所述目标距离。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现权利要求1至6中任一项所述控制车辆距离的方法的步骤。
14.一种控制设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述控制车辆距离的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910363681.0A CN110091871A (zh) | 2019-04-30 | 2019-04-30 | 控制车辆距离的方法、装置、介质及控制设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910363681.0A CN110091871A (zh) | 2019-04-30 | 2019-04-30 | 控制车辆距离的方法、装置、介质及控制设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110091871A true CN110091871A (zh) | 2019-08-06 |
Family
ID=67446711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910363681.0A Pending CN110091871A (zh) | 2019-04-30 | 2019-04-30 | 控制车辆距离的方法、装置、介质及控制设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110091871A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110450780A (zh) * | 2019-08-26 | 2019-11-15 | 广州小鹏汽车科技有限公司 | 一种基于低速防碰撞的跟车方法和装置 |
CN114475597A (zh) * | 2022-02-28 | 2022-05-13 | 东风汽车集团股份有限公司 | 一种自动驾驶车辆跟车距离控制方法及控制系统 |
CN115410415A (zh) * | 2022-08-26 | 2022-11-29 | 郭磊 | 一种危化品运输车行驶及安全状态监测预警方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103063138A (zh) * | 2013-01-24 | 2013-04-24 | 惠州Tcl移动通信有限公司 | 移动终端摄像头测量物体尺寸和速度的方法及移动终端 |
CN104477152A (zh) * | 2014-12-20 | 2015-04-01 | 冯道平 | 安全行车方法及装置 |
CN105096654A (zh) * | 2014-05-22 | 2015-11-25 | 林讚煌 | 行车距离提示装置及其方法 |
CN106427774A (zh) * | 2015-08-12 | 2017-02-22 | 英业达科技有限公司 | 危险车辆警示方法及危险车辆警示系统 |
CN106553655A (zh) * | 2016-12-02 | 2017-04-05 | 深圳地平线机器人科技有限公司 | 危险车辆检测方法和系统以及包括该系统的车辆 |
CN108845321A (zh) * | 2018-04-19 | 2018-11-20 | 北京三快在线科技有限公司 | 目标对象的识别方法、装置及无人驾驶智能设备 |
CN109466444A (zh) * | 2018-10-31 | 2019-03-15 | 广州小鹏汽车科技有限公司 | 危险车辆检测预警方法及系统 |
-
2019
- 2019-04-30 CN CN201910363681.0A patent/CN110091871A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103063138A (zh) * | 2013-01-24 | 2013-04-24 | 惠州Tcl移动通信有限公司 | 移动终端摄像头测量物体尺寸和速度的方法及移动终端 |
CN105096654A (zh) * | 2014-05-22 | 2015-11-25 | 林讚煌 | 行车距离提示装置及其方法 |
CN104477152A (zh) * | 2014-12-20 | 2015-04-01 | 冯道平 | 安全行车方法及装置 |
CN106427774A (zh) * | 2015-08-12 | 2017-02-22 | 英业达科技有限公司 | 危险车辆警示方法及危险车辆警示系统 |
CN106553655A (zh) * | 2016-12-02 | 2017-04-05 | 深圳地平线机器人科技有限公司 | 危险车辆检测方法和系统以及包括该系统的车辆 |
CN108845321A (zh) * | 2018-04-19 | 2018-11-20 | 北京三快在线科技有限公司 | 目标对象的识别方法、装置及无人驾驶智能设备 |
CN109466444A (zh) * | 2018-10-31 | 2019-03-15 | 广州小鹏汽车科技有限公司 | 危险车辆检测预警方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110450780A (zh) * | 2019-08-26 | 2019-11-15 | 广州小鹏汽车科技有限公司 | 一种基于低速防碰撞的跟车方法和装置 |
CN114475597A (zh) * | 2022-02-28 | 2022-05-13 | 东风汽车集团股份有限公司 | 一种自动驾驶车辆跟车距离控制方法及控制系统 |
CN115410415A (zh) * | 2022-08-26 | 2022-11-29 | 郭磊 | 一种危化品运输车行驶及安全状态监测预警方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Morgulis et al. | Fooling a real car with adversarial traffic signs | |
CN107944450B (zh) | 一种车牌识别方法及装置 | |
CN109840504B (zh) | 物品取放行为识别方法、装置、存储介质及设备 | |
CN110091871A (zh) | 控制车辆距离的方法、装置、介质及控制设备 | |
CN112162930B (zh) | 一种控件识别的方法、相关装置、设备及存储介质 | |
CN108734702A (zh) | 车损判定方法、服务器及存储介质 | |
CN108009543A (zh) | 一种车牌识别方法及装置 | |
CN106156778A (zh) | 用于识别三维机器视觉系统的视野中的已知对象的装置和方法 | |
CN109325424A (zh) | 交通违章案件的鉴别方法、装置和计算机设备 | |
Ding et al. | Fast lane detection based on bird’s eye view and improved random sample consensus algorithm | |
CN103413147A (zh) | 一种车牌识别方法和系统 | |
CN111767831B (zh) | 用于处理图像的方法、装置、设备及存储介质 | |
CN111191611A (zh) | 基于深度学习的交通标志标号识别方法 | |
Yasir et al. | Instance segmentation ship detection based on improved Yolov7 using complex background SAR images | |
CN110633712A (zh) | 一种车身颜色识别方法、系统、装置及计算机可读介质 | |
EP4118573A1 (en) | Using rasterization to identify traffic signal devices | |
CN111814562A (zh) | 车辆的识别方法、车辆识别模型的训练方法及相关装置 | |
CN108038491A (zh) | 一种图像分类方法及装置 | |
US20160253581A1 (en) | Processing system, processing method, and recording medium | |
CN114820644A (zh) | 对图像的像素进行分类的方法和设备 | |
Chaturvedi et al. | Automatic license plate recognition system using surf features and rbf neural network | |
CN116580326A (zh) | 一种航空环境安全风险防控检测及预警系统 | |
US11625048B2 (en) | Apparatus and method for determining tow hitch location | |
Arief et al. | Traffic signs detection and recognition system using the YOLOv4 algorithm | |
CN213365530U (zh) | 一种枪支识别装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |