CN110203210A - 一种车道偏离预警方法、终端设备及存储介质 - Google Patents
一种车道偏离预警方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN110203210A CN110203210A CN201910529104.4A CN201910529104A CN110203210A CN 110203210 A CN110203210 A CN 110203210A CN 201910529104 A CN201910529104 A CN 201910529104A CN 110203210 A CN110203210 A CN 110203210A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- lane
- lane line
- early warning
- 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 31
- 238000004590 computer program Methods 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 15
- 230000005484 gravity Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000007514 turning Methods 0.000 abstract description 4
- 238000001914 filtration Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000013519 translation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000009738 saturating 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
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车道偏离预警方法、终端设备及存储介质,在该方法中包括:S1:获取道路图像;S2:根据道路图像确定拟合车道线的车道线方程;S3:对拟合得到的车道线方程通过滤波器进行车道线预测;S4:根据预测的车道线计算车辆的车道偏移量和车辆偏离车道的时间,并计算跨道速度,设定跨道速度阈值,当跨道速度大于跨道速度阈值,根据车辆偏离车道的时间来确定是否进行预警,否则,根据车道偏移量来确定是否进行预警。本发明根据跨道速度的大小来选择使用TLC或CCP模型进行预警,检测准确率高,适用于直线和转弯的不同工况,提高了预警的准确性和可靠性。
Description
技术领域
本发明涉及行车安全辅助技术领域,尤其涉及一种车道偏离预警方法、终端设备及存储介质。
背景技术
传统车道偏离预警方法普遍采用TLC或CCP预警模型进行预警。TLC模型能保证预留给驾驶员足够的反应时间来纠正驾驶行为,但由于TLC一般假设车辆速度在短时间内不变,且未考虑车辆航向角变化,因此有一定误警率,同时该模型对系统硬件要求较高。CCP模型简单,容易实现,但当车辆以大角度偏离当前行驶车道时,系统留给驾驶员的反映时间太短,使驾驶员无法及时纠正车道偏离。
发明内容
针对上述问题,本发明旨在提供一种车道偏离预警方法、终端设备及存储介质,根据不同情况选择使用TLC或CCP模型进行预警,提高了预警的准确性和可靠性。
具体方案如下:
一种车道偏离预警方法,包括以下步骤:
S1:获取道路图像;
S2:根据道路图像确定拟合车道线的车道线方程;
S3:对拟合得到的车道线方程通过滤波器进行车道线预测;
S4:根据预测的车道线计算车辆的车道偏移量和车辆偏离车道的时间,并计算跨道速度,设定跨道速度阈值,当跨道速度大于跨道速度阈值时,根据车辆偏离车道的时间来判断是否进行预警,否则,根据车道偏移量来判断是否进行预警。
进一步的,步骤S1中通过双目相机来获取道路图像。
进一步的,步骤S2具体包括:
S21:对道路图像进行透视变换,得到道路图像对应的鸟瞰图;
S22:对鸟瞰图进行处理,消除车道线以外的其他要素后,根据鸟瞰图中各像素的亮度值筛选出亮度超过亮度阈值的所有像素;
S23:通过滑动窗口在筛选出的像素中确定车道线,并通过车道线方程来拟合车道线。
进一步的,步骤S22中所述处理为通过色彩过滤器和组合梯度阈值进行处理。
进一步的,步骤S3还包括将预测的车道线使用逆透视变换还原到原视角,并在原视角输出车道线信息。
进一步的,步骤S4中所述车辆偏离车道的时间为左、右前车轮偏离车道的时间中较小的时间,其中:
Tr=(d-yr(l))/(vy·cosθ)
其中,Tl表示左前车轮偏离车道的时间,Tr表示右前车轮偏离车道的时间,θ表示车辆当前位置的偏航角,yl(l)表示左前车轮的轨迹,yr(l)表示右前车轮的轨迹,y0表示当前状态下车辆的重心距车道中线之间的垂线距离,l表示车辆在航向角方向行驶的直线距离,y(l)表示车辆在偏航角方向上行驶直线l时以后车辆重心距车道中线之间的距离,C0表示车辆当前时刻的运动曲率,下标l,r分别表示车辆的左、右前车轮,bc表示车辆宽度,d表示当前车道的宽度,vy表示当前车辆的横向速度。
进一步的,根据车辆偏离车道的时间来确定是否进行预警具体为:设定安全时间阈值、紧急预警时间阈值和非紧急预警时间阈值,当车辆偏离车道的时间小于安全时间阈值时,则进行安全预警;当车辆偏离车道的时间小于紧急预警时间阈值时,则进行紧急预警;当车辆偏离车道的时间小于非紧急预警时间阈值时,则进行非紧急预警。
进一步的,所述预警采用蜂鸣报警器和视觉报警器进行,所述蜂鸣报警器和视觉报警器的警报频率随着非紧急预警、安全预警、紧急预警逐步增加。
进一步的,步骤S4中所述车道偏移量的计算公式为:
其中,Δyl,Δyr分别表示车辆左前车轮到左车道线的横向距离和车辆右前车轮到右车道线的横向距离。
进一步的,根据车道偏移量来确定是否进行预警具体为:当车辆左前车轮到左车道线的横向距离小于0或车辆右前车轮到右车道线的横向距离小于0时,进行安全预警,当车辆左前车轮到左车道线的横向距离或车辆右前车轮到右车道线的横向距离小于非紧急预警距离阈值时,进行非紧急预警。
一种车道偏离预警终端设备,包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案,根据跨道速度的大小来选择使用TLC或CCP模型进行预警,检测准确率高,适用于直线和转弯的不同工况,提高了预警的准确性和可靠性。
附图说明
图1所示为本发明实施例一的流程示意图。
图2所示为该实施例中的三维空间坐标系示意图。
图3所示为该实施例中的图像物理坐标系转换到图像像素坐标系示意图。
图4所示为该实施例中的车道线像素点识别示意图。
图5所示为该实施例中的卡尔曼滤波预测车道线的算法流程图。
图6所示为该实施例中在原视角输出车道线的示意图。
图7所示为本发明实施例二的结构示意图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一:
参考图1所示,本发明提供了一种车道偏离预警方法,包括以下步骤:
S1:获取道路图像。
该实施例中采用双目相机来采集道路的图像,具体的:
(1)双目相机在车辆宽度方向上居中布设,布设在车辆外围结构上,不可处于双目相机水平视角与垂直视角范围内,否则会导致视线的遮挡。
(2)双目感知结构包含:底壳,面壳,相机模组,风扇,风管,电源连接线,网线,风扇电源线等。首先安装结构底壳,然后安装双目模组,再安装风扇、风管,接着连接风扇电源线于网线,待标定完成后最后将壳面进行固定.
(3)记录双目左、右相机距离地面的距离、距前挡风玻璃左边缘的距离、距前挡风玻璃右边缘的距离、距前保险杠的距离、车头距地面的距离、汽车两前轮外边缘间距。
(4)标定双目相机的内部参数,确定相机坐标系、图像坐标系、世界坐标系的映射关系。
双目相机标定的目的是为了找到其对应的三维空间和二维图像的坐标转换关系,以估算出正确的目标距离。
参考图2,目标在三维空间的位置,用其在世界坐标系中的坐标(Xw,Yw,Zw)表示;在二维图像的位置,用其在图像像素坐标系中的坐标(u,v)表示。世界坐标系要转换到像素坐标系需要经过如下几个步骤:
(1)世界坐标系刚体变换为相机坐标系
已知(Xw,Yw,Zw)为目标在世界坐标系中的坐标,(Xc,Yc,Zc)为目标在相机坐标系中的坐标。两个坐标系的单位均为mm。
由刚体变换可知(Xw,Yw,Zw),(Xc,Yc,Zc)之间存在下列关系:
XC=r11×XW+r12×YW+r13×ZW+t1
YC=r21×XW+r22×YW+r23×ZW+t2
ZC=r31×XW+r32×YW+r33×ZW+t3
写成矩阵形式:
其中,R表示3×3旋转矩阵,T表示3×1平移矩阵:
(2)相机坐标系透视投影到图像物理坐标系
已知(Xc,Yc,Zc)为目标在相机坐标系中的坐标,(x,y)为目标在图像物理坐标系中的坐标。两个坐标系的单位均为mm。
根据小孔成像三角形相似原理,存在如下关系:
写成矩阵形式为:
其中,f为相机焦距,单位通常为mm。
(3)图像物理坐标系转换到图像像素坐标系
在相机内部传感器的存储坐标为像素坐标(u,v),单位为像素(pixels),所以还需要将图像物理坐标(x,y)转化为图像像素坐标(u,v)。
如图3所示,xO1y是图像物理坐标系,单位为mm,O1是相机光轴和成像平面的交点,是图像物理坐标系的原点(0,0)。uO0v是图像像素坐标系,单位为像素。设(u0,v0)表示O1在图像像素坐标系uO0v的坐标,每一个像素在x轴与y轴方向上的物理尺寸为dx和dy。因此,像素坐标系与相机坐标系之间的转换关系为:
写成矩阵形式为:
综上可得,世界坐标系(Xw,Yw,Zw)到图像像素坐标系(u,v)的转换公式如下:
根据上述转换公式可以得出:三维空间到二维图像坐标转换关系与相机本身的焦距f,像素比1/dx,1/dy(单位像素/每毫米)以及像素坐标原点(u0,v0)有关,称为内部参数。另外,还与相机的安装位置有关,即旋转矩阵R和平移向量T,称为外部参数,旋转矩阵R表示相机坐标系相对于世界坐标系的旋转角度;平移向量T表示相机坐标系的坐标原点相对于世界坐标系原点的偏移量。获得这些参数,便可以通过二维图像反求障碍物在三维空间的实际距离。
在其他的实施例中,道路图像的获取也可以采用现有技术中常用的单目摄像头来获取,由于单目摄像头在测距方面需要对目标进行识别,也就是在测距前先识别障碍物是车、人还是其他,因此,单目摄像头在测距方面,需要大量的数据,并且不断的更新,有一定的局限性。而双目摄像头能够避免此缺点。
S2:根据道路图像确定拟合车道线的车道线方程。
(1)对道路图像进行透视变换,得到道路图像对应的鸟瞰图。
在双目相机标定完成后,需要对双目相机采集的双目道路图像建立动态感兴趣区域(ROI),对于车道线检测而言,感兴趣区域就是车辆的前方的车道线区域。该实施例中通过透视变换来获得一个相对更加直观的视角(天空俯视的视角),然后在新的视角来圈出动态感兴趣区域。
所述透视变换是将图片投影到一个新的视平面,也称作投影映射。在OpenCV中,通过使用函数cv2.getPerspectiveTransform()和cv2.warpPerspective()完成对图像的透视变换。
(2)对得到的鸟瞰图进行处理,消除车道线以外的其他要素。
该实施例中具体应用色彩过滤器和组合梯度阈值进行处理,应用的函数有:x方向的索贝尔算子、RGB阈值化过滤、HLS阈值化过滤。通过组合梯度和色彩过滤器,尽可能的消除鸟瞰图中环境光、道路背景颜色及其他车辆等要素的影响。
(3)根据处理后的鸟瞰图确定车道线,并通过车道线方程来拟合车道线。
该实施例中,通过处理后的鸟瞰图筛选出可能是车道线的像素点,又由于车道线在车道中的位置是固定的,而车辆行驶在左右两侧车道线的之间,其拍摄的图像中,左右两侧车道线在图像中的范围也可以根据实验数据来确定,因此根据左右两侧车道线在图像中的范围设定滑动窗口,该实施例中所述滑动窗口的宽度为200px。自底向上使用9个滑动窗口,如图4所示,计算窗口内亮度不为0的像素点,如果像素点的数量大于阈值,就以这些像素点中的中心像素点作为下一个滑动窗口的中心,来确定车道线像素点。得到车道线像素点后,使用二次多项式来拟合车道线。
S3:根据拟合得到的车道线方程通过滤波器进行车道线预测。
该实施例中使用经典卡尔曼滤波对数据进行处理,即将车道线作为跟踪目标,车道线不断延伸,具有连续性,可以看做车道线的点在沿直线运动,它的位置是不断变化的。
每隔额定时间(该实施例中为0.04S(25帧/秒))获得车道线上的点的位置数据,平面上的车道线按照恒速直线运动的轨迹运动,其道路转弯、道路不平坦所引起的加速度则看作是恒速直线航迹的摄动。因此,在图像坐标系中,该车道线运动的数学模型方程如下:
其中:X(k)、分别为第k次扫描车道线在x、y坐标方向上的位置和速度,X(k)=[x(k),y(k)]T、αx(k)为车道线加速度是平稳随机序列、服从零均值、方差为σ2的正态分布,且不相关,即E{αx(k)}=0,
E{αx(k)αx T(l)}=σ2·I,I为2乘2单位矩阵。
该实施例中讨论匀速直线运动的情况,即采用恒速模型,状态方程为:
其中:W(k)=[ω1ω2]T,ω1、ω2为高斯噪声随机序列。
观测方程为:Z(k)=HX(k)+V(k),其中
如图5所示,卡尔曼滤波预测车道线的具体算法如下:
(1)根据当前帧的二次多项式拟合的车道线提取车道线的参数,利用卡尔曼滤波跟踪当前车道线。
(2)每隔额定时间扫描一次,比较前后两帧的车道线的参数。如果在一定误差范围内(如角度偏差小于正负3°),让车辆继续沿原车道线行驶;如果角度偏差大于误差范围,则转向新的车道线行驶。
(3)继续跟踪时,转步骤(1)进行。
由于步骤S2中将道路图像进行了透视变换,因此,步骤S3中预测完车道线后还需要将预测的车道线使用逆透视变换还原到原视角,并在原视角输出车道线信息,如图6所示。
S4:根据预测的车道线计算车辆的车道偏移量和车辆偏离车道的时间,并计算跨道速度,设定跨道速度阈值,当跨道速度大于跨道速度阈值时,根据车辆偏离车道的时间来判断是否进行预警,否则,根据车道偏移量来判断是否进行预警。
步骤S4具体包括以下步骤:
S41:计算车辆的车道偏移量和车辆偏离车道的时间。
车辆在道路上行驶时,偏离原有车道主要有如下两种方法:第一种为车辆接近左侧或者右侧的车道边界线,驾驶员若精神稍不集中,车辆就极有可能偏离原有车道;第二种是车辆在道路上高速行驶,向左或者向右偏离车道边界线的速度过快,留给驾驶员的反应时间不足。第一种车辆偏离原有车道的情况是从空间的角度考虑车辆和车道边界线的相对距离关系,适用CCP模型;第二种是从时间的角度考虑车辆和车道边界线的相对距离关系,适用TLC模型。CCP模型与TLC模型同时使用的话,会有冲突导致误报警、漏报警的现象,因此两种模型只能选择其中一种来使用。
车辆偏离车道时间即通过TLC模型计算得出,车道偏移量即通过CCP模型计算得出,具体方法如下:
(1)TLC模型的中心思想为根据车辆当前的状态(车速、偏航角)与车辆同车道线的位置关系提前判断车辆要偏离的时间,从而提前给予驾驶员提醒以保持在正常行驶车道内。针对方向盘因素对偏航角的影响,分为两种模型,一种保持偏航角不变,另外一种将方向盘的转角也考虑进去:
第一种保持车辆偏航角不变的情况,即假设方向盘转角为0,得到车辆的运动模型公式如下:
y(l)=y0+l·cosθ
其中,θ表示车辆当前位置的偏航角,y0表示当前状态下车辆的重心距车道中线之间的垂线距离,l表示车辆在航向角方向行驶的直线距离,y(l)表示车辆在偏航角方向上行驶直线l时以后车辆重心距车道中线之间的距离。
第二种模型则将车辆当前方向盘转角考虑进去,从而车辆的偏航角变成一个变量,车辆的行驶车速从直线变成曲线,车辆的行驶轨迹公式为:
其中,C0表示车辆当前时刻的运动曲率,由当前方向盘转角及方向盘传动比计算得出。
上述两种模型都是对车辆重心轨迹的描述,而车辆的左右前车轮的轨迹分别描述如下:
其中,下标l,r分别表示车辆的左、右前车轮,bc表示车辆宽度。
根据车辆左、右前车轮的运动轨迹,计算左、右前车轮偏离车道的时间,
将其中较小的时间作为车辆偏离车道的时间:
Tr=(d-yr(l))/(vy·cosθ)
其中,Tl表示左前车轮偏离车道的时间,Tr表示右前车轮偏离车道的时间,d表示当前车道的宽度,vy表示当前车辆的横向速度(速度从金龙988传感器获取)。
该实施例中设置安全时间阈值T=0.5s,当车辆偏离车道的时间小于安全时间阈值时,则系统发出安全预警。同时,为了预警信号具有梯度性,不会使驾驶员感受特别突然,还设置了紧急预警信号(T=0.3s)和非紧急的预警信号
(T=0.8s),即当车辆偏离车道的时间小于紧急预警时间阈值时,则进行紧急预警;当车辆偏离车道的时间小于非紧急预警时间阈值时,则进行非紧急预警。
(2)CCP模型假设车辆在行驶的过程中方向与车道线近视于平行,利用车辆在道路中当前位置作为评价标准,判断车辆是否会发生偏离。车辆在车道中的位置信息可以由车道检测和识别算法得到。y0表示车辆中心线相对于车道中线的距离,Sb为车辆的宽度,d为当前车道的宽度,那么此时车辆前车轮相对于车道左右边界线的横向距离可由下式求出:
其中,Δyl,Δyr分别表示车辆左前车轮到左车道线的横向距离和车辆右前车轮到右车道线的横向距离。
当Δyl>0且Δyr>0时,表明车辆没有超出车道边界线,仍在车道内,系统不用发出警报。当Δyl<0或Δyr<0,表明车辆已经跨越车道线,系统需要发出安全预警。同时,为了预警信号具有梯度性,不会使驾驶员感受特别突然,还设置了非紧急的预警信号,当Δyl<100mm或Δyr<100mm系统就发出非紧急预警,其中100mm为非紧急预警距离阈值,该值的设定本领域技术人员可以根据实际需求设定。
S42:计算跨道速度,并设定跨道速度阈值,当跨道速度大于跨道速度阈值,采用TLC模型进行预警,否则,采用CCP模型进行预警。
车道偏离预警系统如何根据需求选择TLC模型或者CCP模型,因此引入一个评价标准:跨道速度Vdrift。
跨道速度Vdrift是车辆偏离原有车道时垂直于车道线的速度,计算公式如下:
Vdrift=Vxsinθ+Vycosθ
其中,VX是车辆的纵向速度,Vy是车辆的横向速度,θ是车辆的偏航角。当跨道速度大时,车辆跨越车道线所需的时间越短;当跨道速度小时,车辆跨越车道线边界所需的时间越长。因此TLC和CCP联合预警模型的评价标准如下:
(1)当跨道速度Vdrift大于跨道速度阈值时,认为车辆接近车道边界线的速度较大,选择TLC模型进行预警,根据车辆偏离车道时间与设定的安全时间阈值关系来确定是否发出预警。
(2)当跨道速度Vdrift小于或等于0跨道速度阈值时,认为车辆接近车道边界线的速度较小,选择CCP模型进行预警,根据车辆左前车轮到左车道线的横向距离和车辆右前轮到右车道线的横向距离的大小来确定是否发出预警。
所述跨道速度阈值的设置是根据经验值来设置的,它的值受到车长、车道宽度、车速、偏航角的影响。
该实施例中通过跨道速度来区分使用哪种模型,相对于现有技术(公开号为CN106256606B的中国专利)中的先考虑距离再考虑时间,可以避免当车速过快时,车辆会以大角度偏离当前行驶车道时,系统留给驾驶员的反映时间太短,使驾驶员无法及时纠正车道偏离。
进一步的,该实施例中采用的预警方式为采用蜂鸣报警器和视觉报警器进行预警。蜂鸣报警器发出蜂鸣声音报警信号时,根据需要可以调整蜂鸣的频率,越紧急蜂鸣频率越高;视觉报警器,可以通过在显示屏上显示报警图标实现,也可以采用LED灯或其它报警指示灯实现。采用视觉预警和听觉预警相结合的分级预警,根据不同情况发出紧急、非紧急的预警信号,预警信号具有梯度性,一方面不会使驾驶员感受特别突然,另一方面使驾驶员能清楚地区分紧急和非紧急情况,确保驾驶员有很好的响应,便于准确地采取相应的措施,从而提高行车的安全性。
本发明实施例一适用于直线和转弯不同工况,利用车载双目相机得到的图像进行车道线的实时检测跟踪,车道线识别效率、准确度高;并且综合考虑车道偏离距离和车辆偏离车道的时间,建立的TLC和CCP联合预警模型,大大提高了预警准确性和可靠性。同时采用视觉预警和听觉预警相结合的分级预警,预警信号具有梯度性,发生不突然,驾驶员响应程度更好,便于准确地采取相应的措施,从而提高行车的安全性。
实施例二:
本发明还提供一种车道偏离预警终端设备,如图7所示,包括存储器、处理器和总线,所述存储器存储有至少一段程序,所述程序由所述处理器执行以实现如本发明实施例一所述的车道偏离预警方法。
所述处理器包括一个或一个以上处理核心,处理器通过总线与存储器相连,存储器用于存储程序指令,处理器执行存储器中的程序指令时实现本发明实施例一所述的车道偏离预警方法。
进一步地,作为一个可执行方案,所述车道偏离预警终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述车道偏离预警终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述车道偏离预警终端设备的组成结构仅仅是车道偏离预警终端设备的示例,并不构成对车道偏离预警终端设备的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述车道偏离预警终端设备还可以包括输入输出设备、网络接入设备、总线等,本发明实施例对此不做限定。
进一步地,作为一个可执行方案,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述车道偏离预警终端设备的控制中心,利用各种接口和线路连接整个车道偏离预警终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述车道偏离预警终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例三:
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例一所述的车道偏离预警方法。
所述车道偏离预警终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (10)
1.一种车道偏离预警方法,其特征在于,包括以下步骤:
S1:获取道路图像;
S2:根据道路图像确定拟合车道线的车道线方程;
S3:根据车道线方程通过滤波器进行车道线预测;
S4:根据预测的车道线计算车辆的车道偏移量和车辆偏离车道的时间,并计算跨道速度,所述跨道速度为车辆偏离原有车道时垂直于车道线的速度,设定跨道速度阈值,当跨道速度大于跨道速度阈值时,根据车辆偏离车道的时间来判断是否进行预警,否则,根据车道偏移量来判断是否进行预警。
2.根据权利要求1所述的方法,其特征在于:步骤S2具体包括:
S21:对道路图像进行透视变换,得到道路图像对应的鸟瞰图;
S22:对鸟瞰图进行处理,消除车道线以外的其他要素后,根据鸟瞰图确定车道线,并通过车道线方程来拟合车道线。
3.根据权利要求2所述的方法,其特征在于:步骤S3还包括将预测的车道线使用逆透视变换还原到原视角,并在原视角输出车道线信息。
4.根据权利要求1所述的方法,其特征在于:步骤S4中所述车辆偏离车道的时间为左、右前车轮偏离车道的时间中较小的时间,其中:
Tr=(d-yr(l))/(vy·cosθ)
其中,Tl表示左前车轮偏离车道的时间,Tr表示右前车轮偏离车道的时间,θ表示车辆当前位置的偏航角,yl(l)表示左前车轮的轨迹,yr(l)表示右前车轮的轨迹,y0表示当前状态下车辆的重心距车道中线之间的垂线距离,l表示车辆在航向角方向行驶的直线距离,y(l)表示车辆在偏航角方向上行驶直线l时以后车辆重心距车道中线之间的距离,C0表示车辆当前时刻的运动曲率,下标l,r分别表示车辆的左、右前车轮,bc表示车辆宽度,d表示当前车道的宽度,vy表示当前车辆的横向速度。
5.根据权利要求1所述的方法,其特征在于:根据车辆偏离车道的时间来确定是否进行预警具体为:设定安全时间阈值、紧急预警时间阈值和非紧急预警时间阈值,当车辆偏离车道的时间小于安全时间阈值时,则进行安全预警;当车辆偏离车道的时间小于紧急预警时间阈值时,则进行紧急预警;当车辆偏离车道的时间小于非紧急预警时间阈值时,则进行非紧急预警。
6.根据权利要求5所述的方法,其特征在于:所述预警采用蜂鸣报警器和视觉报警器进行,所述蜂鸣报警器和视觉报警器的警报频率随着非紧急预警、安全预警、紧急预警逐步增加。
7.根据权利要求1所述的方法,其特征在于:步骤S4中所述车道偏移量的计算公式为:
其中,Δyl,Δyr分别表示车辆左前车轮到左车道线的横向距离和车辆右前车轮到右车道线的横向距离。
8.根据权利要求7所述的方法,其特征在于:根据车道偏移量来确定是否进行预警具体为:当车辆左前车轮到左车道线的横向距离小于0或车辆右前车轮到右车道线的横向距离小于0时,进行安全预警,当车辆左前车轮到左车道线的横向距离或车辆右前车轮到右车道线的横向距离小于非紧急预警距离阈值时,进行非紧急预警。
9.一种车道偏离预警终端设备,其特征在于:包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~8中任一所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~8中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910529104.4A CN110203210A (zh) | 2019-06-19 | 2019-06-19 | 一种车道偏离预警方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910529104.4A CN110203210A (zh) | 2019-06-19 | 2019-06-19 | 一种车道偏离预警方法、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110203210A true CN110203210A (zh) | 2019-09-06 |
Family
ID=67793370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910529104.4A Pending CN110203210A (zh) | 2019-06-19 | 2019-06-19 | 一种车道偏离预警方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110203210A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110733416A (zh) * | 2019-09-16 | 2020-01-31 | 江苏大学 | 一种基于逆透视变换的车道偏离预警方法 |
CN110827239A (zh) * | 2019-10-08 | 2020-02-21 | 华南理工大学 | 一种列车车轮横移的测量方法 |
CN110929655A (zh) * | 2019-11-27 | 2020-03-27 | 厦门金龙联合汽车工业有限公司 | 一种行驶过程中车道线识别方法、终端设备及存储介质 |
CN110929606A (zh) * | 2019-11-11 | 2020-03-27 | 浙江鸿泉车联网有限公司 | 车辆盲区行人监控方法和装置 |
CN110991264A (zh) * | 2019-11-12 | 2020-04-10 | 浙江鸿泉车联网有限公司 | 前方车辆检测方法和装置 |
CN111930117A (zh) * | 2020-07-31 | 2020-11-13 | 广州景骐科技有限公司 | 一种基于转向的横向控制方法、装置、设备和存储介质 |
CN112071061A (zh) * | 2020-09-11 | 2020-12-11 | 谢能丹 | 基于云计算和数据分析的车辆服务系统 |
CN112477868A (zh) * | 2020-12-07 | 2021-03-12 | 北京紫光展锐通信技术有限公司 | 碰撞时间计算方法、装置、可读存储介质和计算机设备 |
CN112798293A (zh) * | 2019-11-14 | 2021-05-14 | 北京车和家信息技术有限公司 | 一种车道偏离预警系统的测试方法及装置 |
US11175149B2 (en) * | 2018-10-16 | 2021-11-16 | Samsung Electronics Co., Ltd. | Vehicle localization method and apparatus |
CN113990052A (zh) * | 2021-10-29 | 2022-01-28 | 南京慧尔视防务科技有限公司 | 一种来车预警方法、装置、存储介质及道路防护车辆 |
CN114092919A (zh) * | 2022-01-18 | 2022-02-25 | 深圳佑驾创新科技有限公司 | 一种车辆偏移告警的方法、设备及介质 |
WO2022099950A1 (zh) * | 2020-11-16 | 2022-05-19 | 深圳市康士柏实业有限公司 | 一种基于机器视觉的车道保持辅助系统及方法 |
CN116118727A (zh) * | 2023-04-12 | 2023-05-16 | 天津所托瑞安汽车科技有限公司 | 一种车道偏离预警方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100182139A1 (en) * | 2009-01-19 | 2010-07-22 | National Taiwan University Of Science And Technology | Lane departure warning method and system thereof |
CN104008645A (zh) * | 2014-06-12 | 2014-08-27 | 湖南大学 | 一种适用于城市道路车道线预测及预警方法 |
CN104318258A (zh) * | 2014-09-29 | 2015-01-28 | 南京邮电大学 | 一种基于时域模糊和卡尔曼滤波器的车道线检测方法 |
CN106256606A (zh) * | 2016-08-09 | 2016-12-28 | 浙江零跑科技有限公司 | 一种基于车载双目相机的车道偏离预警方法 |
CN107577996A (zh) * | 2017-08-16 | 2018-01-12 | 中国地质大学(武汉) | 一种车辆驾驶路径偏移的识别方法及系统 |
CN108327717A (zh) * | 2018-02-06 | 2018-07-27 | 合肥工业大学 | 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法 |
CN108422998A (zh) * | 2018-03-14 | 2018-08-21 | 合肥工业大学 | 一种车道偏离辅助控制系统及方法 |
-
2019
- 2019-06-19 CN CN201910529104.4A patent/CN110203210A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100182139A1 (en) * | 2009-01-19 | 2010-07-22 | National Taiwan University Of Science And Technology | Lane departure warning method and system thereof |
CN104008645A (zh) * | 2014-06-12 | 2014-08-27 | 湖南大学 | 一种适用于城市道路车道线预测及预警方法 |
CN104318258A (zh) * | 2014-09-29 | 2015-01-28 | 南京邮电大学 | 一种基于时域模糊和卡尔曼滤波器的车道线检测方法 |
CN106256606A (zh) * | 2016-08-09 | 2016-12-28 | 浙江零跑科技有限公司 | 一种基于车载双目相机的车道偏离预警方法 |
CN107577996A (zh) * | 2017-08-16 | 2018-01-12 | 中国地质大学(武汉) | 一种车辆驾驶路径偏移的识别方法及系统 |
CN108327717A (zh) * | 2018-02-06 | 2018-07-27 | 合肥工业大学 | 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法 |
CN108422998A (zh) * | 2018-03-14 | 2018-08-21 | 合肥工业大学 | 一种车道偏离辅助控制系统及方法 |
Non-Patent Citations (3)
Title |
---|
代洪: "《汽车概论》", 31 January 2016 * |
张洪丹: "《车道偏离预警系统车道线检测及预警策略算法研究》", 《中国优秀硕士学位论文全文数据库》 * |
胡会珍: "《卡尔曼滤波器模型的建立及其对车道线的跟踪》", 《机械工程与自动化》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11175149B2 (en) * | 2018-10-16 | 2021-11-16 | Samsung Electronics Co., Ltd. | Vehicle localization method and apparatus |
CN110733416A (zh) * | 2019-09-16 | 2020-01-31 | 江苏大学 | 一种基于逆透视变换的车道偏离预警方法 |
CN110733416B (zh) * | 2019-09-16 | 2022-09-16 | 江苏大学 | 一种基于逆透视变换的车道偏离预警方法 |
CN110827239A (zh) * | 2019-10-08 | 2020-02-21 | 华南理工大学 | 一种列车车轮横移的测量方法 |
CN110929606A (zh) * | 2019-11-11 | 2020-03-27 | 浙江鸿泉车联网有限公司 | 车辆盲区行人监控方法和装置 |
CN110991264A (zh) * | 2019-11-12 | 2020-04-10 | 浙江鸿泉车联网有限公司 | 前方车辆检测方法和装置 |
CN112798293B (zh) * | 2019-11-14 | 2023-03-17 | 北京车和家信息技术有限公司 | 一种车道偏离预警系统的测试方法及装置 |
CN112798293A (zh) * | 2019-11-14 | 2021-05-14 | 北京车和家信息技术有限公司 | 一种车道偏离预警系统的测试方法及装置 |
CN110929655B (zh) * | 2019-11-27 | 2023-04-14 | 厦门金龙联合汽车工业有限公司 | 一种行驶过程中车道线识别方法、终端设备及存储介质 |
CN110929655A (zh) * | 2019-11-27 | 2020-03-27 | 厦门金龙联合汽车工业有限公司 | 一种行驶过程中车道线识别方法、终端设备及存储介质 |
CN111930117A (zh) * | 2020-07-31 | 2020-11-13 | 广州景骐科技有限公司 | 一种基于转向的横向控制方法、装置、设备和存储介质 |
CN111930117B (zh) * | 2020-07-31 | 2024-04-05 | 广州景骐科技有限公司 | 一种基于转向的横向控制方法、装置、设备和存储介质 |
CN112071061A (zh) * | 2020-09-11 | 2020-12-11 | 谢能丹 | 基于云计算和数据分析的车辆服务系统 |
CN112071061B (zh) * | 2020-09-11 | 2021-10-15 | 武汉云上融媒科技有限公司 | 基于云计算和数据分析的车辆服务系统 |
WO2022099950A1 (zh) * | 2020-11-16 | 2022-05-19 | 深圳市康士柏实业有限公司 | 一种基于机器视觉的车道保持辅助系统及方法 |
CN112477868A (zh) * | 2020-12-07 | 2021-03-12 | 北京紫光展锐通信技术有限公司 | 碰撞时间计算方法、装置、可读存储介质和计算机设备 |
CN113990052A (zh) * | 2021-10-29 | 2022-01-28 | 南京慧尔视防务科技有限公司 | 一种来车预警方法、装置、存储介质及道路防护车辆 |
CN113990052B (zh) * | 2021-10-29 | 2023-08-15 | 南京慧尔视防务科技有限公司 | 一种来车预警方法、装置、存储介质及道路防护车辆 |
CN114092919A (zh) * | 2022-01-18 | 2022-02-25 | 深圳佑驾创新科技有限公司 | 一种车辆偏移告警的方法、设备及介质 |
CN116118727A (zh) * | 2023-04-12 | 2023-05-16 | 天津所托瑞安汽车科技有限公司 | 一种车道偏离预警方法、装置、设备及存储介质 |
CN116118727B (zh) * | 2023-04-12 | 2023-07-18 | 天津所托瑞安汽车科技有限公司 | 一种车道偏离预警方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110203210A (zh) | 一种车道偏离预警方法、终端设备及存储介质 | |
CN109435942B (zh) | 一种基于信息融合的车位线车位识别方法及装置 | |
US9317106B2 (en) | Automatic correction device of vehicle display system and method thereof | |
CN110443225B (zh) | 一种基于特征像素统计的虚实车道线识别方法及其装置 | |
CN109389650A (zh) | 一种车载相机的标定方法、装置、车辆和存储介质 | |
US11288833B2 (en) | Distance estimation apparatus and operating method thereof | |
CN105333883B (zh) | 一种用于抬头显示器的导航路径轨迹显示方法和装置 | |
CN110678872A (zh) | 通过使用神经网络图像处理的、作为3d限界框的直接载具检测 | |
CN109141347A (zh) | 车载摄像机测距方法及装置、存储介质和电子设备 | |
CN106651963B (zh) | 一种用于驾驶辅助系统的车载摄像头的安装参数标定方法 | |
CN105835880A (zh) | 车道追踪系统 | |
CN110745140A (zh) | 一种基于连续图像约束位姿估计的车辆换道预警方法 | |
CN108638999A (zh) | 一种基于360度环视输入的防碰撞预警系统及方法 | |
CN101910781A (zh) | 移动状态推测装置 | |
CN110738081B (zh) | 异常路况检测方法及装置 | |
EP2293588A1 (en) | Method for using a stereovision camera arrangement | |
CN110386065A (zh) | 车辆盲区的监控方法、装置、计算机设备及存储介质 | |
CN103204104B (zh) | 一种车辆全视角驾驶监控系统及方法 | |
CN106525056A (zh) | 利用陀螺仪传感器进行车道线检测的方法 | |
CN114764782A (zh) | 多视图汽车和机器人系统中的图像合成 | |
US20230215187A1 (en) | Target detection method based on monocular image | |
CN108680157A (zh) | 一种障碍物检测区域的规划方法、装置及终端 | |
CN107844761A (zh) | 交通标志的检测方法及装置 | |
CN108629225A (zh) | 一种基于多幅子图与图像显著性分析的车辆检测方法 | |
CN113459951A (zh) | 车外环境显示方法和装置、车辆、设备和存储介质 |
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: 20190906 |
|
RJ01 | Rejection of invention patent application after publication |