CN110712645B - 一种预测盲区目标车辆相对位置的方法及系统 - Google Patents

一种预测盲区目标车辆相对位置的方法及系统 Download PDF

Info

Publication number
CN110712645B
CN110712645B CN201910992757.6A CN201910992757A CN110712645B CN 110712645 B CN110712645 B CN 110712645B CN 201910992757 A CN201910992757 A CN 201910992757A CN 110712645 B CN110712645 B CN 110712645B
Authority
CN
China
Prior art keywords
vehicle
target
target vehicle
commercial vehicle
commercial
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.)
Active
Application number
CN201910992757.6A
Other languages
English (en)
Other versions
CN110712645A (zh
Inventor
李岩峰
刘巍
张善海
吴冰青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingwei Hirain Tech Co Ltd
Original Assignee
Beijing Jingwei Hirain Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingwei Hirain Tech Co Ltd filed Critical Beijing Jingwei Hirain Tech Co Ltd
Priority to CN201910992757.6A priority Critical patent/CN110712645B/zh
Publication of CN110712645A publication Critical patent/CN110712645A/zh
Application granted granted Critical
Publication of CN110712645B publication Critical patent/CN110712645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种预测盲区目标车辆相对位置的方法及系统，应用于商用车辆，商用车辆上安装有一高性能单目摄像头；方法包括：通过高性能单目摄像头采集目标时刻目标车辆的状态信息，其中，目标时刻为目标车辆信号消失的时刻；获取商用车辆的当前状态信息；基于目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测预设时间内商用车辆与目标车辆的相对距离。本发明能够通过一个高性能单目摄像头使车辆同时满足车辆标配车道偏离预警系统和前向碰撞预警系统两个交通法规，从而有效的降低了车辆的开发成本，降低了整车的布置难度、维护成本以及系统复杂度。

Description

一种预测盲区目标车辆相对位置的方法及系统
技术领域
本发明涉及车辆技术领域，尤其涉及一种预测盲区目标车辆相对位置的方法及系统。
背景技术
商用车从2020年5月1日起，将强制实施车辆标配车道偏离预警系统和前向碰撞预警系统两个交通部的法规。
目前，为了满足车辆标配车道偏离预警系统和前向碰撞预警系统两个交通法规，商用车大都采用单目摄像头结合毫米波雷达作为传感器的方案。车道偏离预警系统采用单目摄像头进行车道线检测和功能开发，前向碰撞预警系统采用毫米波雷达进行道路车辆检测和功能开发。
由于商用车结构以及单目摄像头的特殊性，决定了单目摄像头在商用车上的安装位置较高，通常安装在驾驶舱风挡玻璃的最下侧，需要配置摄像头支架以及线束。另外，由于单目摄像头的安装位置较高，单目摄像头的下视场角较小，导致单目摄像头近距离的检测盲区会比较大，在盲区内无法正常的识别目标车辆，因此需要将毫米波雷达布置在较低位置。毫米波雷达通常位于商用车车头距离地面60cm～100cm的位置，并且裸露在外，需要配置专门的雷达罩盖、雷达支架以及雷达线束。
由此可以看出，现有的采用单目摄像头和毫米波雷达两个传感器的方案，容易导致车辆的开发成本较高，整车的布置难度、维护成本以及系统复杂度较高。
因此，如何使车辆满足车辆标配车道偏离预警系统和前向碰撞预警系统两个交通法规的同时，降低车辆的开发成本，降低整车的布置难度、维护成本以及系统复杂度，是一项亟待解决的问题。
发明内容
有鉴于此，本发明提供了一种预测盲区目标车辆相对位置的方法及系统，能够通过一个高性能单目摄像头使车辆同时满足车辆标配车道偏离预警系统和前向碰撞预警系统两个交通法规，从而有效的降低了车辆的开发成本，降低了整车的布置难度、维护成本以及系统复杂度。
本发明提供了一种预测盲区目标车辆相对位置的方法，应用于商用车辆，所述商用车辆上安装有一高性能单目摄像头；所述方法包括：
通过所述高性能单目摄像头采集目标时刻目标车辆的状态信息，其中，所述目标时刻为目标车辆信号消失的时刻；
获取所述商用车辆的当前状态信息；
基于所述目标时刻目标车辆的状态信息以及所述商用车辆的当前状态信息，预测预设时间内所述商用车辆与所述目标车辆的相对距离。
优选地，所述目标时刻目标车辆的状态信息包括：所述目标车辆的纵向速度和所述商用车辆与所述目标车辆的纵向距离；
所述商用车辆的当前状态信息包括：所述商用车辆的纵向速度；
所述基于所述目标时刻目标车辆的状态信息以及所述商用车辆的当前状态信息，预测预设时间内所述商用车辆与所述目标车辆的相对距离包括：
在所述预设时间内，对所述目标车辆的纵向速度进行积分，得到所述目标车辆在所述预设时间内的目标车辆行驶位移；
对所述商用车辆的纵向速度进行积分，得到所述商用车辆在所述预设时间内的商用车辆行驶位移；
将所述纵向距离与所述目标车辆行驶位移之和减去所述商用车辆行驶位移，得出所述商用车辆与所述目标车辆的相对距离。
优选地，所述商用车辆的当前状态信息还包括：横摆角速度；
所述获取所述商用车辆的当前状态信息后，还包括：
基于所述横摆角速度预测所述商用车辆的行驶轨迹；
确定所述目标车辆在所述目标车辆信号消失后，是否行驶在所述商用车辆的行驶轨迹上。
优选地，所述方法还包括：
当预测的预设时间内所述商用车辆与所述目标车辆的相对距离为负值，或者确定所述目标车辆在所述目标车辆信号消失后，未行驶在所述商用车辆的行驶轨迹上时，重新确定新的目标车辆进行预测。
优选地，所述预设时间为4s。
一种预测盲区目标车辆相对位置的系统，应用于商用车辆，所述系统包括：
安装在所述商用车辆上的一高性能单目摄像头，所述高性能单目摄像头用于：采集目标时刻目标车辆的状态信息，其中，所述目标时刻为目标车辆信号消失的时刻；
获取模块，用于获取所述商用车辆的当前状态信息；
处理模块，用于基于所述目标时刻目标车辆的状态信息以及所述商用车辆的当前状态信息，预测预设时间内所述商用车辆与所述目标车辆的相对距离。
优选地，所述目标时刻目标车辆的状态信息包括：所述目标车辆的纵向速度和所述商用车辆与所述目标车辆的纵向距离；
所述商用车辆的当前状态信息包括：所述商用车辆的纵向速度；
所述处理模块包括：
第一积分单元，用于在所述预设时间内，对所述目标车辆的纵向速度进行积分，得到所述目标车辆在所述预设时间内的目标车辆行驶位移；
第二积分单元，用于对所述商用车辆的速度进行积分，得到所述商用车辆在所述预设时间内的商用车辆行驶位移；
计算单元，用于将所述纵向距离与所述目标车辆行驶位移之和减去所述商用车辆行驶位移，得出所述商用车辆与所述目标车辆的相对距离。
优选地，所述商用车辆的当前状态信息还包括：横摆角速度；所述系统还包括：
预测模块，用于基于所述横摆角速度预测所述商用车辆的行驶轨迹；
确定模块，用于确定所述目标车辆在所述目标车辆信号消失后，是否行驶在所述商用车辆的行驶轨迹上。
优选地，当所述计算单元预测的预设时间内所述商用车辆与所述目标车辆的相对距离为负值，或者所述确定模块确定所述目标车辆在所述目标车辆信号消失后，未行驶在所述商用车辆的行驶轨迹上时，所述高性能单目摄像头，还用于重新确定新的目标车辆进行预测。
优选地，所述预设时间为4s。
综上所述，本发明公开了一种预测盲区目标车辆相对位置的方法，当需要预测盲区目标车辆的相对位置时，首先通过安装在商用车辆上的一高性能单目摄像头采集目标时刻目标车辆的状态信息，其中，目标时刻为目标车辆信号消失的时刻；，然后获取商用车辆的当前状态信息，基于目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测预设时间内商用车辆与目标车辆的相对距离。本发明通过商用车辆上的一个高性能单目摄像头，结合商用车辆的当前状态信息，能够预测出预设时间内商用车辆与目标车辆的相对距离，实现了通过一个高性能单目摄像头使车辆同时满足车辆标配车道偏离预警系统和前向碰撞预警系统两个交通法规，从而有效的降低了车辆的开发成本，降低了整车的布置难度、维护成本以及系统复杂度。
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为本发明公开的一种预测盲区目标车辆相对位置的方法实施例1的方法流程图；
图2为本发明公开的一种预测盲区目标车辆相对位置的方法实施例2的方法流程图；
图3为本发明公开的一种预测盲区目标车辆相对位置的系统实施例1的结构示意图；
图4为本发明公开的一种预测盲区目标车辆相对位置的系统实施例2的结构示意图；
图5为本发明公开的实车测试结果示意图；
图6为本发明公开的实车测试结果局部放大图。
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。
在介绍本发明预测盲区目标车辆相对位置的方法之前，首先对高性能单目摄像头进行介绍，具体如下：
目前，通过高性能单目摄像头能够完全实现车道偏离预警功能。目前高性能单目摄像头在商用车辆上的安装高度大约为2.1m～2.4m，在此高度下，高性能单目摄像头的检测盲区范围约在5～6m；在法规中规定了前向碰撞预警功能起效的最低相对车速为Vrel_min＝4.2m/s。商用车辆按照碰撞时间设定的报警阈值在任何工况下的最小值约为Tttc_thr_min＝2s。以此计算得到的高性能单目摄像头在全工况下的最小所需检测距离：
Dmin＝Vrel_min*Tttc_thr_min＝8.4m；
可以看出，目前高性能单目摄像头的检测盲区范围5～6m小于高性能单目摄像头在全工况下的最小所需检测距离8.4m，可以满足法规规定的报警测试场景的需求的。
根据上文，高性能单目摄像头是可以正常开发前向碰撞预警功能并满足正常道路功能的全部使用工况。但是，由于法规规定了系统不具备检测能力时的最小检测距离d0要小于2m，而目前高性能单目摄像头的检测盲区范围约在5～6m，导致在现有技术中商用车辆需要多添加一个雷达来弥补此部分的盲区，进而导致开发成本极大的提高，整车的布置难度、维护成本以及系统复杂度较高。
因此，本发明提供了一种预测盲区目标车辆相对位置的方法，通过商用车辆上的一个高性能单目摄像头，结合商用车辆的当前状态信息，预测出预设时间内商用车辆与目标车辆的相对距离，实现了通过一个高性能单目摄像头使车辆同时满足车辆标配车道偏离预警系统和前向碰撞预警系统两个交通法规，从而有效的降低了车辆的开发成本，降低了整车的布置难度、维护成本以及系统复杂度。
下面对本发明提供的预测盲区目标车辆相对位置的方法进行详细描述：
如图1所示，为本发明公开的一种预测盲区目标车辆相对位置的方法实施例1的方法流程图，所述方法应用于商用车辆，所述商用车辆上安装有一高性能单目摄像头；所述方法可以包括以下步骤：
S101、通过高性能单目摄像头采集目标时刻目标车辆的状态信息，其中，目标时刻为目标车辆信号消失的时刻；
当需要对盲区目标车辆的相对位置进行预测时，在目标车辆以及商用车辆行驶的过程中，通过安装在商用车辆上的高性能单目摄像头对目标车辆进行跟踪检测，高性能单目摄像头会持续自动识别视野范围内目标车辆及其状态信息，传输至控制器，随着行车距离的不断缩小，高性能单目摄像头会在某一时刻无法识别到目标车辆信号，将这个目标车辆信号丢失的时刻认为是目标车辆已进入商用车辆的检测盲区的时刻，此时高性能单目摄像头传感器的输出的目标车辆信号状态会发生变化，例如从高电平跳变至低电平信号。采集此刻目标车辆的状态信息，所述状态信息包括一切能反映车辆之间的相对位置变化的信息，例如横、纵向速度、相对纵向距离等，上述状态信息由高性能单目摄像头自动检测得到。
需要说明的是，高性能单目摄像头在确定目标车辆时，目标车辆可以为距离商用车辆纵向距离最小的车辆，也可以是距离商用车辆纵向距离在预设距离范围内的所有车辆。
需要说明的是，本实施例提供的高性能单目摄像头为具备目标车辆检测能力，能够识别道路上的车辆，能够检测道路车辆的相对距离以及目标车辆速度等信息，具备较高检测精度的摄像头。例如，可以采用由EyeQ芯片和摄像头模组构成的mobileye摄像头。
S102、获取商用车辆的当前状态信息；
在高性能单目摄像头采集目标时刻目标车辆的状态信息的同时，获取商用车辆当前的状态信息。需要说明的是，在获取商用车辆的当前状态信息的其中一种实现方式可以是：通过商用车辆车身CAN总线获取当前状态信息，状态信息可以包括商用车辆实时行车过程中与行车状态有关的信息，例如车速、轮速、横、纵向加速度等，一般在行车过程中实时获取。
S103、基于目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测预设时间内商用车辆与目标车辆的相对距离。
在采集到目标时刻目标车辆的状态信息，以及获取到商用车辆的当前状态信息后，在预设时间内，根据目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测商用车辆与目标车辆的相对距离。
综上所述，在上述实施例中，通过商用车辆上的一个高性能单目摄像头，结合商用车辆的当前状态信息，能够预测出预设时间内商用车辆与目标车辆的相对距离，实现了通过一个高性能单目摄像头使车辆同时满足车辆标配车道偏离预警系统和前向碰撞预警系统两个交通法规，从而有效的降低了车辆的开发成本，降低了整车的布置难度、维护成本以及系统复杂度。
具体的，在上述实施例中，目标时刻目标车辆的状态信息可以包括：目标车辆的纵向速度vtarget_lost和商用车辆与目标车辆的纵向距离Dlost_rel，其中，纵向距离是指商用车辆与目标车辆在行驶方向上的距离；商用车辆的当前状态信息可以包括：商用车辆的纵向速度vego；
相应的，在基于目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测预设时间内商用车辆与目标车辆的相对距离的其中一种实现方式可以包括以下步骤：
S1、在预设时间内，通过公式
Figure BDA0002238791100000081
对目标车辆的纵向速度vtarget_lost进行积分，得到目标车辆在预设时间t内的目标车辆行驶位移Dpre_target；
S2、通过公式
Figure BDA0002238791100000091
对商用车辆的纵向速度vego进行积分，得到商用车辆在当前时刻预设时间t内的商用车辆行驶位移Dpre_ego；
S3、通过公式Dpre_rel＝Dlost_rel+Dpre_target-Dpre_ego将纵向距离Dlost_rel与目标车辆行驶位移Dpre_target之和减去商用车辆行驶位移Dpre_ego，得出商用车辆与目标车辆的相对距离Dpre_rel。
如图2所示，为本发明公开的一种预测盲区目标车辆相对位置的方法实施例2的方法流程图，所述方法应用于商用车辆，所述商用车辆上安装有一高性能单目摄像头；所述方法可以包括以下步骤：
S201、通过高性能单目摄像头采集目标时刻目标车辆的状态信息，其中，目标时刻为目标车辆信号消失的时刻；
当需要对盲区目标车辆的相对位置进行预测时，在目标车辆以及商用车辆行驶的过程中，通过安装在商用车辆上的高性能单目摄像头对目标车辆进行跟踪检测，高性能单目摄像头会持续自动识别视野范围内目标车辆及其状态信息，传输至控制器，随着行车距离的不断缩小，高性能单目摄像头会在某一时刻无法识别到目标车辆信号，将这个目标车辆信号丢失的时刻认为是目标车辆已进入商用车辆的检测盲区的时刻，此时高性能单目摄像头传感器的输出的目标车辆信号状态会发生变化，例如从高电平跳变至低电平信号。采集此刻目标车辆的状态信息，所述状态信息包括一切能反映车辆之间的相对位置变化的信息，例如横、纵向速度、相对纵向距离等，上述状态信息由高性能单目摄像头自动检测得到。
需要说明的是，高性能单目摄像头在确定目标车辆时，目标车辆可以为距离商用车辆纵向距离最小的车辆，也可以是距离商用车辆纵向距离在预设距离范围内的所有车辆。
需要说明的是，本实施例提供的高性能单目摄像头为具备目标车辆检测能力，能够识别道路上的车辆，能够检测道路车辆的相对距离以及目标车辆速度等信息，具备较高检测精度的摄像头。例如，可以采用由EyeQ芯片和摄像头模组构成的mobileye摄像头。
S202、获取商用车辆的当前状态信息，其中，商用车辆的当前状态信息包括：横摆角速度；
在高性能单目摄像头采集目标时刻目标车辆的状态信息的同时，获取商用车辆当前的状态信息，获取到的商用车辆当前的状态信息包括横摆角速度。需要说明的是，在获取商用车辆的当前状态信息的其中一种实现方式可以是：通过商用车辆车身CAN总线获取当前状态信息，即，可以通过商用车辆车身CAN总线获取商用车辆的车速、纵向加速度、横向加速度、横摆角速度等信息。
S203、基于横摆角速度预测商用车辆的行驶轨迹；
在获取到商用车辆车速信号(vehiclespeed)和横摆角速度信号(yawrate)后，可以计算出商用车辆的行驶变径R，计算方式为：
Figure BDA0002238791100000101
此行驶变径R即为商用车辆按照当前时刻的稳态行驶的行驶轨迹，即为变径为R的圆弧。例如，以20ms执行一个周期，每20ms，会进行一次商用车辆转弯半径的计算，将每一个20ms的转弯半径的连起来以后，就得到了商用车辆的行驶轨迹。
S204、确定目标车辆在目标车辆信号消失的时刻后，是否行驶在商用车辆的行驶轨迹上，若是，则进入S205；
目标车辆在目标车辆信号消失的时刻，即，目标车辆进入高性能单目摄像头的检测盲区后，通过目标车辆在目标车辆信号消失的时刻的横向位置，以及目标车辆的横向速度，预测目标车辆在预设时间段内的位置；通过预测到的目标车辆在预设时间段内的位置以及商用车辆的行驶轨迹，综合判断目标车辆是否行驶在商用车辆的行驶轨迹上。
S205、基于目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测预设时间内商用车辆与目标车辆的相对距离。
在确定目标车辆行驶在预测出的商用车辆的行驶轨迹上时，在预设时间内，根据目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测商用车辆与目标车辆的相对距离。
需要说明的是，所述的预设时间可以根据实际需求进行灵活设置，只要能够大于在很低的车速下目标车辆在目标车辆信号消失的时刻后到距离商用车辆2m这段距离的行驶时间即可。具体的，根据应用场景的通用性，可以将预设时间确定为4s，既能保证能够大于在很低的车速下目标车辆在目标车辆信号消失的时刻后到距离商用车辆2m这段距离的行驶时间，又能够缩短预测计算时间，进一步减轻了系统的运算压力。
综上所述，本实施例在上述实施例1的基础上，在对预设时间内商用车辆与目标车辆的相对距离进行预测之前，能够进一步通过商用车辆的横摆角速度预测出商用车辆的行驶轨迹，只有在确定目标车辆在目标车辆信号消失后，行驶在商用车辆的行驶轨迹上时，才进一步对预设时间内商用车辆与目标车辆的相对距离进行预测，在目标车辆在目标车辆信号消失后，未行驶在商用车辆的行驶轨迹上时，将不会再对当前的目标车辆距离商用车辆的相对距离进行预测，进一步减轻了系统的运算压力。
具体的，在上述实施例的基础上，当预测的预设时间内商用车辆与目标车辆的相对距离为负值，或者确定目标车辆在目标车辆信号消失的时刻后，未行驶在商用车辆的行驶轨迹上时，还可以进一步重新确定出新的目标车辆，对新的目标车辆距离商用车辆的相对距离进行预测，进一步实现了在盲区对目标车辆相对位置的持续预测。
为了更加具体的说明本发明提供的预测盲区目标车辆相对位置的方法的效果，下面以具体的测试进行说明：
测试工况：将目标车辆放在车道正中的位置，用于测试的商用车辆从后方200m的位置正对目标车辆缓慢靠近，商用车辆行驶至目标车辆后方2m以内的位置停车。整个过程中观察高性能单目摄像头识别到的目标距离，以及预测模型输出的目标的距离。
将本发明提供的预测盲区目标车辆相对位置的方法的逻辑写入控制器后在商用车辆上按照以上测试工况进行测试，测试效果如图5所示。图5中三条曲线分别是车速Vehspeed kph，高性能单目摄像头检测距离SensorLongitudinal Dis以及预测得到的距离Predite Dis。从图6中曲线可以看出在52.5s时刻，目标车辆信号消失，此时目标距离约为4m，此后无法被探测到，此时预测模型开始根据目标时刻目标车辆的状态信息以及当前商用车辆的车速预测未来4s内两车的相对距离。按照测试工况当商用车辆停止于目标车辆后方2m以内的位置时，预测模型输出的相对距离为0.86m。
由此可以看出，在商用车辆停止于目标车辆后方2m以内时，能够预测到商用车辆与目标车辆的相对距离为0.86m，即，在商用车辆与目标车辆的最小距离为2m时，仍具有预测商用车辆与目标车辆的相对距离的能力，以上结果满足法规需求。所以通过高性能单目摄像头预测盲区内的目标检测是可行的，并可以实现法规工况的通过性。
如图3所示，为本发明公开的一种预测盲区目标车辆相对位置的系统实施例1的结构示意图，所述系统应用于商用车辆，商用车辆上安装有一高性能单目摄像头301；所述系统可以包括：
高性能单目摄像头301，用于采集目标时刻目标车辆的状态信息，其中，目标时刻为目标车辆信号消失的时刻；
获取模块302，用于获取商用车辆的当前状态信息；
处理模块303，用于基于目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测预设时间内商用车辆与目标车辆的相对距离。
关于本实施例提供的预测盲区目标车辆相对位置的系统的方案详见图1所示的实施例，在此不再赘述。
具体的，在上述实施例中，处理模块在执行基于目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测预设时间内商用车辆与目标车辆的相对距离时，可以包括：
第一积分单元，用于在预设时间内，通过公式
Figure BDA0002238791100000131
对目标车辆的纵向速度vtarget_lost进行积分，得到目标车辆在预设时间t内的目标车辆行驶位移Dpre_target；
第二积分单元，用于通过公式
Figure BDA0002238791100000132
对商用车辆的纵向速度vego进行积分，得到商用车辆在当前时刻预设时间t内的商用车辆行驶位移Dpre_ego；
计算单元，用于通过公式Dpre_rel＝Dlost_rel+Dpre_target-Dpre_ego将目标车辆的纵向距离Dlost_rel与目标车辆行驶位移Dpre_target之和减去商用车辆行驶位移Dpre_ego，得出商用车辆与目标车辆的相对距离Dpre_rel。
如图4所示，为本发明公开的一种预测盲区目标车辆相对位置的系统实施例2的结构示意图，所述系统应用于商用车辆，商用车辆上安装有一高性能单目摄像头301；所述系统可以包括：
高性能单目摄像头301，还用于采集目标时刻目标车辆的状态信息，其中，目标时刻为目标车辆信号消失的时刻；
获取模块302，用于获取商用车辆的当前状态信息其中，商用车辆的当前状态信息包括：横摆角速度；
预测模块304，用于基于横摆角速度预测商用车辆的行驶轨迹；
确定模块305，用于确定在所述目标车辆信号消失的时刻后，是否行驶在商用车辆的行驶轨迹上；
处理模块303，用于在确定目标车辆行驶在预测出的商用车辆的行驶轨迹上时，基于目标时刻目标车辆的状态信息以及商用车辆的当前状态信息，预测预设时间内商用车辆与目标车辆的相对距离。
关于本实施例提供的预测盲区目标车辆相对位置的系统的方案详见图2所示的实施例，在此不再赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种预测盲区目标车辆相对位置的方法，其特征在于，应用于商用车辆，所述商用车辆上安装有一高性能单目摄像头；所述方法包括：
通过所述高性能单目摄像头采集目标时刻目标车辆的状态信息，其中，所述目标时刻为目标车辆信号消失的时刻；所述目标车辆信号消失的时刻为目标车辆已进入商用车辆的检测盲区的时刻；所述高性能单目摄像头为能够检测所述目标车辆的速度和所述目标车辆和本车的相对距离的摄像头；
获取所述商用车辆的当前状态信息；
基于所述目标时刻目标车辆的状态信息以及所述商用车辆的当前状态信息，预测预设时间内所述商用车辆与所述目标车辆的相对距离。
2.根据权利要求1所述的方法，其特征在于，所述目标时刻目标车辆的状态信息包括：所述目标车辆的纵向速度和所述商用车辆与所述目标车辆的纵向距离；
所述商用车辆的当前状态信息包括：所述商用车辆的纵向速度；
所述基于所述目标时刻目标车辆的状态信息以及所述商用车辆的当前状态信息，预测预设时间内所述商用车辆与所述目标车辆的相对距离包括：
在所述预设时间内，对所述目标车辆的纵向速度进行积分，得到所述目标车辆在所述预设时间内的目标车辆行驶位移；
对所述商用车辆的纵向速度进行积分，得到所述商用车辆在所述预设时间内的商用车辆行驶位移；
将所述纵向距离与所述目标车辆行驶位移之和减去所述商用车辆行驶位移，得出所述商用车辆与所述目标车辆的相对距离。
3.根据权利要求2所述的方法，其特征在于，所述商用车辆的当前状态信息还包括：横摆角速度；
所述获取所述商用车辆的当前状态信息后，还包括：
基于所述横摆角速度预测所述商用车辆的行驶轨迹；
确定所述目标车辆在所述目标车辆信号消失后，是否行驶在所述商用车辆的行驶轨迹上。
4.根据权利要求3所述的方法，其特征在于，还包括：
所述预设时间内，若所述商用车辆与所述目标车辆的相对距离为负值，或者确定所述目标车辆在所述目标车辆信号消失后，未行驶在所述商用车辆的行驶轨迹上时，重新确定新的目标车辆进行预测。
5.根据权利要求1所述的方法，其特征在于，所述预设时间为4s。
6.一种预测盲区目标车辆相对位置的系统，其特征在于，应用于商用车辆，所述系统包括：
安装在所述商用车辆上的一高性能单目摄像头，所述高性能单目摄像头用于：采集目标时刻目标车辆的状态信息，其中，所述目标时刻为目标车辆信号消失的时刻；所述目标车辆信号消失的时刻为目标车辆已进入商用车辆的检测盲区的时刻；所述高性能单目摄像头为能够检测所述目标车辆的速度和所述目标车辆和本车的相对距离的摄像头；
获取模块，用于获取所述商用车辆的当前状态信息；
处理模块，用于基于所述目标时刻目标车辆的状态信息以及所述商用车辆的当前状态信息，预测预设时间内所述商用车辆与所述目标车辆的相对距离。
7.根据权利要求6所述的系统，其特征在于，所述目标时刻目标车辆的状态信息包括：所述目标车辆的纵向速度和所述商用车辆与所述目标车辆的纵向距离；
所述商用车辆的当前状态信息包括：所述商用车辆的纵向速度；
所述处理模块包括：
第一积分单元，用于在所述预设时间内，对所述目标车辆的纵向速度进行积分，得到所述目标车辆在所述预设时间内的目标车辆行驶位移；
第二积分单元，用于对所述商用车辆的速度进行积分，得到所述商用车辆在所述预设时间内的商用车辆行驶位移；
计算单元，用于将所述纵向距离与所述目标车辆行驶位移之和减去所述商用车辆行驶位移，得出所述商用车辆与所述目标车辆的相对距离。
8.根据权利要求7所述的系统，其特征在于，所述商用车辆的当前状态信息还包括：横摆角速度；所述系统还包括：
预测模块，用于基于所述横摆角速度预测所述商用车辆的行驶轨迹；
确定模块，用于确定所述目标车辆在所述目标车辆信号消失后，是否行驶在所述商用车辆的行驶轨迹上。
9.根据权利要求8所述的系统，其特征在于，当所述计算单元预测的预设时间内所述商用车辆与所述目标车辆的相对距离为负值，或者所述确定模块确定所述目标车辆在所述目标车辆信号消失的时刻后，未行驶在所述商用车辆的行驶轨迹上时，所述高性能单目摄像头，还用于重新确定新的目标车辆。
10.根据权利要求6所述的系统，其特征在于，所述预设时间为4s。
CN201910992757.6A 2019-10-18 2019-10-18 一种预测盲区目标车辆相对位置的方法及系统 Active CN110712645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910992757.6A CN110712645B (zh) 2019-10-18 2019-10-18 一种预测盲区目标车辆相对位置的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910992757.6A CN110712645B (zh) 2019-10-18 2019-10-18 一种预测盲区目标车辆相对位置的方法及系统

Publications (2)

Publication Number Publication Date
CN110712645A CN110712645A (zh) 2020-01-21
CN110712645B true CN110712645B (zh) 2021-07-23

Family

ID=69211851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910992757.6A Active CN110712645B (zh) 2019-10-18 2019-10-18 一种预测盲区目标车辆相对位置的方法及系统

Country Status (1)

Country Link
CN (1) CN110712645B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112158197B (zh) * 2020-08-21 2021-08-27 恒大新能源汽车投资控股集团有限公司 一种车辆盲区障碍物规避方法、装置及系统
CN113650616B (zh) * 2021-07-20 2022-11-25 武汉光庭信息技术股份有限公司 一种基于采集数据的车辆行为预测方法及系统
CN113702068B (zh) * 2021-08-31 2023-11-07 中汽院(重庆)汽车检测有限公司 商用车盲区监视系统的评价系统及评价方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6814173B2 (en) * 2000-07-31 2004-11-09 Dynamotive, Llc System and method for minimizing injury after a loss of control event
US7859432B2 (en) * 2007-05-23 2010-12-28 Che Il Electric Wireing Devices Co., Ltd. Collision avoidance system based on detection of obstacles in blind spots of vehicle
US8570374B2 (en) * 2008-11-13 2013-10-29 Magna Electronics Inc. Camera for vehicle
CN106772279B (zh) * 2017-02-15 2018-03-23 北京航空航天大学 一种车载毫米波雷达抗干扰方法及系统
CN109374008A (zh) * 2018-11-21 2019-02-22 深动科技（北京）有限公司 一种基于三目摄像头的图像采集系统及方法

Also Published As

Publication number Publication date
CN110712645A (zh) 2020-01-21

Similar Documents

Publication Publication Date Title
CN106985780B (zh) 车辆安全辅助系统
WO2021217752A1 (zh) 车辆-行人碰撞风险域的计算方法及安全评价系统
CN110712645B (zh) 一种预测盲区目标车辆相对位置的方法及系统
JP6332384B2 (ja) 車両用物標検出システム
US8330592B2 (en) Collision warning device for motor vehicles
US9159023B2 (en) System for predicting a driver's intention to change lanes
US8952799B2 (en) Method and system for warning a driver of a vehicle about potential obstacles behind the vehicle
EP2787367A1 (en) Method of operating a radar system to reduce nuisance alerts caused by false stationary targets
CN105121246A (zh) 用于超车辅助的方法和装置
US20190073540A1 (en) Vehicle control device, vehicle control method, and storage medium
US20100217483A1 (en) Vehicular driving support apparatus
JP6384534B2 (ja) 車両用物標検出システム
JP6332383B2 (ja) 車両用物標検出システム
KR20140057583A (ko) 자동차용 안전 장치
JP7156988B2 (ja) 走行制御装置、走行制御方法、およびプログラム
US9805527B2 (en) Intelligent logging
CN103718061A (zh) 使用radar和视频的改进的驾驶员辅助系统
CN110626341B (zh) 一种汽车交通辅助方法、电子设备及汽车
CN109969191B (zh) 驾驶辅助系统和方法
JP4952938B2 (ja) 車両の走行支援装置
CN113815620A (zh) 一种车辆安全行驶的评估方法、装置、设备及存储介质
CN113879211B (zh) 预防渣土车右转过程与非机动车发生冲突的提醒方法及系统
CN113053165A (zh) 车辆及其碰撞识别方法、装置和设备
CN116935694A (zh) 预测和显示侧面盲区进入警报的系统和方法
CN109887321B (zh) 无人车变道安全判别方法、装置及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020

Applicant after: Beijing Jingwei Hirain Technologies Co.,Inc.

Address before: 8 / F, block B, No. 11, Anxiang Beili, Chaoyang District, Beijing 100101

Applicant before: Beijing Jingwei HiRain Technologies Co.,Ltd.

GR01 Patent grant
GR01 Patent grant