CN111038389A - 一种基于视觉的大型车辆盲区监测装置 - Google Patents

Abstract

一种基于视觉的大型车辆盲区监测装置。本产品其组成包括:汽车，所述的汽车连接万向轴，所述的万向轴连接摄像头，所述的摄像头连接数据线，所述的数据线连接智能算法控制器。本发明用于大型车辆盲区监测。

Description

一种基于视觉的大型车辆盲区监测装置

技术领域：

本发明涉及一种基于视觉的大型车辆盲区监测装置。

背景技术：

目前市场上已有的大型车辆盲区监测方案，普遍使用了超声波达方案和车辆环视方案。

安装在车尾部的超声波，可以捕捉车辆后方较近的物体，普遍用于倒车辅助。超声波雷达是一种短距离测距雷达，并且测量范围较小，在家用乘用车上使用，可进行停车辅助，但用于大型车辆上，则只选择性安装于车辆局部位置，受数量和性能限制，只有在特定较近位置才能探测到盲区内的物体，而且，无法分辨物体的形态和具体信息，不能及时有效的探测到危险的存在。

环视方案多用于车辆停靠，并且需要驾驶员目视监视设备，并且环视范围仅仅在车的较近范围，对移动速度较快、随意性较大的车辆和行人，难以及时预见。另外，环视更注重停车辅助，在极低速下，只需要借助视觉显示设备代替后视镜观察车辆轨迹即可。但在车辆拐弯或者变道过程中，驾驶员不能仅依靠视觉设备而不观察路况，这样更容易引发危险。

所谓汽车盲区，是指驾驶员位于正常驾驶座位置，其视线被车体遮挡而不能直接观察到的那部分区域。简言之，驾驶员坐在驾驶座上驾驶的时候，观察不到的地方就叫汽车盲区。对于大型车辆而言，由于车辆普遍较长，驾驶员座位更高，盲区相对家用轿车更长，在车转弯或者倒车时，对于进入盲区的车辆或行人驾驶员将无法及时发现，造成交通事故隐患。

大型车辆在行驶过程中，左侧盲区主要集中在尾部，由于驾驶室在左侧，驾驶员可以通过车窗看到左侧路况，相对而言比较安全，但是右侧和正后方十分危险，由于后视镜能看到的范围十分有限，一般行人或者小型车辆经过，驾驶员也很难发现，所以这两个区域也是事故发生率最高的地方。还有由于大型车辆的车身座位设计较高，坐在驾驶室的司机很难看到车头下方的情况，该区域基本属于半盲区。路过此区域的行人货车很难发现，当信号灯变为绿灯，车辆突然启动，留给行人逃避的时间基本都很短，就很容易酿成事故。

此外，由于大型车辆车身较高，结构复杂，基本都是依靠前轮来转向，所以在转弯时存在较大的“轮迹差”，其后轮与前轮的行驶轮迹不在一条弧线上。也就是说，前轮可以绕过道路的某一物体，而后轮却绕不过去。由于内轮差的存在，车辆转弯时，前、后车轮的运动轨迹不重合。在行车中如果只注意前轮能够通过而忘记内轮差，就可能造成后内轮驶出路面或与其他物体碰撞的事故。

超声波雷达是一种短距离测距雷达，并且测量范围较小难以用于距离较长的大型车辆上；超声波雷达受数量和性能限制，无法大量安装；环视方案多用于车辆停靠，仅仅在车的较近范围有效；对移动速度较快、随意性较大的车辆和行人，环视设备难以及时预见；环视更注重停车辅助，在极低速下表现良好，不能应用于行驶中的车辆。

发明内容：

本发明的目的是提供一种不需要复杂的调试，安装后，不需要维护的一种基于视觉的大型车辆盲区监测装置。

上述的目的通过以下的技术方案实现：

一种基于视觉的大型车辆盲区监测装置，其组成包括:汽车，所述的汽车连接万向轴，所述的万向轴连接摄像头，所述的摄像头连接数据线，所述的数据线连接智能算法控制器。

所述的一种基于视觉的大型车辆盲区监测装置，所述的摄像头设置在所述的汽车车辆后视镜下方或所述的汽车两侧不发生遮挡的任意位置；所述的摄像头为广角摄像头。

所述的一种基于视觉的大型车辆盲区监测装置，所述的摄像头的视觉数据帧通过数据线传输至智能算法控制器，在智能算法控制器中，通过高效视觉算法对视觉数据帧图像进行分析，找到图像中行人、机动车辆、自行车、摩托车及其它物体可能和车门进行碰撞的潜在目标，并进行跟踪；在高帧率下，每一帧图像数据进行高效计算，确保结果的实时性，并同时推算各个可能和车门进行碰撞的潜在目标和车辆的距离和速度，并拟定一个距离和速度的安全阈值，当没有潜在目标的距离或速度超出安全阈值时，智能算法控制器认为此时开启车门是安全的，否则认为不安全。

所述的一种基于视觉的大型车辆盲区监测装置，智能算法控制器通过电源线和控制线连接声光报警器，并且使用整车控制总现获得车辆的方向盘操作信息；当智能算法控制器判断驾驶员操作方向盘准备转向时，如果发现车侧面有进入盲区的危险距离的车辆或人，主动触发声光报警，提醒司机有潜在的危险情况，并指示哪一侧出现了危险情况；危险解除后，报警消失。

所述的一种基于视觉的大型车辆盲区监测装置，图像获取通过高清晰度的星光级视觉传感器实现，它将视觉原始数据生成后交给图像处理算法；在图像处理阶段，将对图片进行白平衡、降噪、锐化、ROI(选取感兴趣区域)、灰度变换、畸形矫正处理，让图像更符合人眼辨识效果，并且突出图像的色度和边缘特征；处理好的图像将用来进行候选区域确定，候选区域即初步识别、筛选出来的存在目标图像的区域，这些图像符合目标图像的某些特征，但可能存在误判的的情况，它的目的是不遗漏可能的目标图像；下一步会利用一些基于机器学习训练出的模型算法对候选区域进行最后的目标图像确定，进一步缩小目标范围，确保识别的准确率；在识别出目标图像的基础上，利用移动侦测算法对移动的目标图像进行跟踪，以便实时对目标进行距离、速度、位置的测算。

有益效果：

1.本发明是一种依靠视觉的大型车辆盲区监测设备，能在车辆转弯或变道时，对进入盲区内可能发生碰撞、刮蹭的车辆和行人进行识别，并通过声光报警的方式通知司机。

本发明使用两只广角摄像头安装在车辆的两侧，对车的后向来车、人、自行车、摩托车进行监视，从车前挡风玻璃位置到车后方几十米内的视野里，将不存在任何检测盲区，增加了安全距离。

本发明设备的核心控制器将应用图像识别算法，高效的识别视觉数据中车辆和人，并计算车辆和人到后车门的实时距离，区分车辆或人。

本发明的设备采用转弯触发，声光报警，在车辆转弯或变道时，及时提示司机车两侧盲区的情况，避免驾驶危险。

本发明的设备安装简单，并且在使用中便于维护；不需要再汽修厂进行改装，车主只需自己动手进行简单的安装安装、走线即可，更不需要复杂的调试，安装后，几乎不需要维护。

本发明依靠视觉算法侦测大型车辆盲区中的车辆(含机动车，自行车)、人；在车辆转弯或变道时根据盲区内潜在的危险情况提示驾驶员；安装简单，无需专业安装；依靠视觉算法侦测车辆和人；能够用于大型车辆(大、中型货车、客车、公交车、工程车辆等)。

附图说明：

附图1是本产品的平面示意图。

附图2是本产品的图像识别流程图。

附图3是本产品的硬件原理框图。

具体实施方式：

下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

实施例1：

一种基于视觉的大型车辆盲区监测装置，其组成包括:汽车，所述的汽车连接万向轴，所述的万向轴连接摄像头，所述的摄像头连接数据线，所述的数据线连接智能算法控制器。

所述的摄像头设置在所述的汽车车辆后视镜下方或所述的汽车两侧不发生遮挡的任意位置；所述的摄像头为广角摄像头。

实施例2：

实施例1所述的一种基于视觉的大型车辆盲区监测装置，所述的摄像头的视觉数据帧通过数据线传输至智能算法控制器，在智能算法控制器中，通过相应的视觉算法对视觉数据帧图像进行分析，找到图像中行人、机动车辆、自行车、摩托车及其它物体可能和车门进行碰撞的潜在目标，并进行跟踪；在高帧率下，每一帧图像数据进行高效计算，确保结果的实时性，并同时推算各个可能和车门进行碰撞的潜在目标和车辆的距离和速度，并拟定一个距离和速度的安全阈值，当没有潜在目标的距离或速度超出安全阈值时，智能算法控制器认为此时开启车门是安全的，否则认为不安全。

实施例3：

实施例2所述的一种基于视觉的大型车辆盲区监测装置，智能算法控制器通过电源线和控制线连接声光报警器，并且使用整车控制总现获得车辆的方向盘操作信息；当智能算法控制器判断驾驶员操作方向盘准备转向时，如果发现车侧面有进入盲区的危险距离的车辆或人，主动触发声光报警，提醒司机有潜在的危险情况，并指示哪一侧出现了危险情况；危险解除后，报警消失。

实施例4：

实施例2所述的一种基于视觉的大型车辆盲区监测装置，图像识别算法需要经过：图像获取、图像信号处理、候选区域确定、目标图像确定、目标图像跟踪五个步骤。

图像获取通过高清晰度的星光级视觉传感器（摄像头）实现，它将视觉原始数据生成后进行ISP(ImageSignalProcessor)图像信号处理；在图像处理阶段，将对图片进行白平衡、降噪、锐化、ROI(选取感兴趣区域)、灰度变换、畸形矫正处理，让图像更符合人眼辨识效果，并且突出图像的色度和边缘特征；处理好的图像将用来进行候选区域确定，候选区域即初步识别、筛选出来的存在目标图像的区域，这些图像符合目标图像的某些特征，但可能存在误判的的情况，它的目的是不遗漏可能的目标图像，确保算法简单，运算快速；下一步会利用一些基于机器学习训练出的神经网络模型算法对候选区域进行最后的目标图像确定，进一步缩小目标范围，确保识别的准确率；在识别出目标图像的基础上，利用卡尔曼滤波器(Kalman Filter)算法算法对移动的目标图像进行跟踪，以便实时对目标进行距离、速度、位置的测算。

实施例5：

上述实施例所述的一种基于视觉的大型车辆盲区监测装置，本装置是一种依靠视觉的大型车辆盲区监测设备，能在车辆转弯或变道时，对进入盲区内可能发生碰撞、刮蹭的车辆和行人进行识别，并通过声光报警的方式通知司机。本发明使用两只广角摄像头安装在车辆的两侧，对车的后向来车、人、自行车、摩托车进行监视，从车前挡风玻璃位置到车后方几十米内的视野里，将不存在任何检测盲区，比超声波测量范围扩大了数倍，增加了安全距离。设备的核心控制器将应用图像识别算法，高效的识别视觉数据中车辆和人，并计算车辆和人到后车门的实时距离，而超声波雷达只能识别物体，不能区分车辆或人。设备采用转弯触发，声光报警，在车辆转弯或变道时，及时提示司机车两侧盲区的情况，避免了像环视方案需要驾驶员目光长时间保持观看屏幕，而发生驾驶危险。设备的安装简单，并且在使用中便于维护。不需要再汽修厂进行改装，车主只需自己动手进行简单的安装、走线即可，更不需要复杂的调试，安装后，几乎不需要维护。

实施例6：

上述实施例所述的一种基于视觉的大型车辆盲区监测装置，如附图1中所示，车两侧分别放置后视高清摄像头，连接到负责视觉处理的智能算法控制器设备。摄像头采用星光级sensor和广角镜头，使其能在极低照度下，依然能够捕获到宽视角高质量视觉数据。摄像头可安装于车辆后视镜下方，也可以是车辆两侧不发生遮挡的任意位置，摄像头机械连接部件选用万向轴或其他可调节角度设计，可在安装后调整视角以监测车后侧方最大可视范围。在摄像头附近集成红外LED或其他照明器件，以在极低照度下，补充光源。在摄像头附近还将集成感光原件，当照度低时，设备自动开启照明功能，当照度正常时，主动关闭。

实施例7：

上述实施例所述的一种基于视觉的大型车辆盲区监测装置，如附图3所示，本发明的核心器件（智能算法控制器）是一款汽车级的MPU(微处理单元)芯片，它具有强大的图像处理、识别能力，对大数据运算具有专用的IP硬件部件支持，并具有丰富的外设接口，用于处理输入输出数据。附图1的最右侧是两个视觉捕获设备，即高清摄像头，分置在车辆的两侧。摄像头传输的视觉数据通过LVDS（低电压差分信号）或其他视觉传输转换芯片，转换为板级总现数据输入进MPU（微处理单元）。

将视觉数据进行图像识别流程的处理。DRAM（动态随机存储器）和FLASH（闪存）模块用来存储MPU的临时数据和执行代码。CAN（控制器局域网络）总线接口总线用于接入整车总现获取转向信息，并根据图像识别结果，在盲区中存在可能发生碰撞隐患的人或车辆时，控制声光报警装置对驾驶员报警。

实施例8：

上述实施例所述的一种基于视觉的大型车辆盲区监测装置，视觉传感器可以是任意分辨率、尺寸、性能的视觉传感器，可以多个甚至一个，可安装于车体任意位置。视频可拼接或不拼接使用，可以使用包括车后方视频图像数据；补光照明可使用任意光源。视频传输方式可以使用无线传输，车载智能算法控制器可以独立也可以集成入其他设备，并安装任意可以实现测速的设备或直接接入车载控制器获取。图像识别功能可使用任何流程及算法，硬件设计可使用任意设计方法。声光报警可以使用包括语音播报、蜂鸣、屏幕显示等多种方式。

Claims (5)

1.一种基于视觉的大型车辆盲区监测装置，其组成包括:汽车，其特征是:所述的汽车连接万向轴，所述的万向轴连接摄像头，所述的摄像头连接数据线，所述的数据线连接智能算法控制器。

2.根据权利要求1所述的一种基于视觉的大型车辆盲区监测装置，其特征是: 所述的摄像头设置在所述的汽车车辆后视镜下方或所述的汽车两侧不发生遮挡的任意位置；所述的摄像头为广角摄像头。

3.根据权利要求1所述的一种基于视觉的大型车辆盲区监测装置，其特征是: 所述的摄像头的视觉数据帧通过数据线传输至智能算法控制器，在智能算法控制器中，通过高效视觉算法对视觉数据帧图像进行分析，找到图像中行人、机动车辆、自行车、摩托车及其它物体可能和车门进行碰撞的潜在目标，并进行跟踪；在高帧率下，每一帧图像数据进行高效计算，确保结果的实时性，并同时推算各个可能和车门进行碰撞的潜在目标和车辆的距离和速度，并拟定一个距离和速度的安全阈值，当没有潜在目标的距离或速度超出安全阈值时，智能算法控制器认为此时开启车门是安全的，否则认为不安全。

4.根据权利要求3所述的一种基于视觉的大型车辆盲区监测装置，其特征是:智能算法控制器通过电源线和控制线连接声光报警器，并且使用整车控制总现获得车辆的方向盘操作信息；当智能算法控制器判断驾驶员操作方向盘准备转向时，如果发现车侧面有进入盲区的危险距离的车辆或人，主动触发声光报警，提醒司机有潜在的危险情况，并指示哪一侧出现了危险情况；危险解除后，报警消失。

5.根据权利要求3所述的一种基于视觉的大型车辆盲区监测装置，其特征是:图像获取通过高清晰度的星光级视觉传感器实现，它将视觉原始数据生成后交给图像处理算法；在图像处理阶段，将对图片进行白平衡、降噪、锐化、ROI(选取感兴趣区域)、灰度变换、畸形矫正处理，让图像更符合人眼辨识效果，并且突出图像的色度和边缘特征；处理好的图像将用来进行候选区域确定，候选区域即初步识别、筛选出来的存在目标图像的区域，这些图像符合目标图像的某些特征，但可能存在误判的的情况，它的目的是不遗漏可能的目标图像；下一步会利用一些基于机器学习训练出的模型算法对候选区域进行最后的目标图像确定，进一步缩小目标范围，确保识别的准确率；在识别出目标图像的基础上，利用移动侦测算法对移动的目标图像进行跟踪，以便实时对目标进行距离、速度、位置的测算。

Images