CN111376904B - 一种自动跟车方法及装置 - Google Patents

Abstract

本申请公开了一种自动跟车方法及装置，包括：后方车辆在跟随前方车辆行驶时，获取前方车辆对应的定位靶的拍摄图像，并对拍摄图像进行图像处理，以得到前方车辆相对于与前方车辆相邻的后方车辆的位置信息，获取与后方车辆的当前跟车状态，并根据所得的位置信息以及当前跟车状态，控制后方车辆的跟车状态。可见，由于后方车辆根据自身的当前跟车状态以及前方车辆的位置信息，控制自身的跟车状态，因此，即使没有驾驶员驾驶后方车辆，后方车辆也能基于对自身跟车状态的控制，安全、有效的跟随前方车辆进行队列行驶，从而有效减少多车队列行驶时所需的人力成本；而且，后方的车辆均按照统一的规则控制自身的跟车状态，从而保证车辆行驶的统一性。

Description

一种自动跟车方法及装置

技术领域

本申请涉及智能驾驶技术领域，特别是涉及一种自动跟车方法及装置。

背景技术

目前，在库存车辆的批量移库、多车货物运输等场景中，通常需要安排大量驾驶员来负责驾驶车辆，以使得多辆库存车或者多辆运输车能够沿着相同路线进行队列行驶，从而实现运输货物或者运输车辆本身。

可见，现有的多车运输方式需要为每辆车上至少配备一名驾驶员，这就意味着需要消耗大量的人力成本；同时，不同驾驶员的驾驶风格通常会存在差异，无法保证多车队列行驶过程中各个车辆的行为统一性，从而造成一定的安全隐患。

发明内容

本申请实施例所要解决的技术问题是，提供一种自动跟车方法及装置，以减少多车队列行驶时所需消耗的人力成本，同时提高多车队列行驶的安全性。

第一方面，本申请实施例提供了一种自动跟车方法，该方法具体可以包括：

获取针对于前方车辆对应的定位靶的拍摄图像；

对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息；

获取所述后方车辆的当前跟车状态；

根据所述前方车辆的位置信息以及所述当前跟车状态，控制所述后方车辆的跟车状态。

在一些可能的实施方式中，所述对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息，包括：

对所述拍摄图像进行阈值化处理，得到第一图像；

使用并查集Union-find算法，将所述第一图像上黑白像素区的边缘进行分割，并基于分割结果对所述黑白像素区边缘的像素点进行聚类；

基于聚类后的像素点集合拟合出第一四边形；

对所述第一四边形的边缘进行修正，得到第二四边形；

将所述第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度进行匹配，并将黑白强度相匹配的第二四边形，作为第三四边形；

基于所述第三四边形，计算出所述前方车辆相对于所述后方车辆的位置信息。

在一些可能的实施方式中，所述对所述第一四边形的边缘进行修正，得到第二四边形，包括：

基于所述第一四边形边缘像素点的像素值的梯度变化，对所述第一四边形边缘进行第一次修正，得到第一次修正后的第一四边形；

利用所述第一次修正后的第一四边形边缘黑白像素点的对比度差值，对所述第一次修正后的第一四边形进行第二次修正，并将第二次修正后的第一四边形作为第二四边形。

在一些可能的实施方式中，若所述第二四边形内的像素块的黑白强度与所述预设定位靶对应的黑白强度不匹配，所述方法还包括：

获取第一位置，所述第一位置是指所述定位靶在上一帧的拍摄图像上所形成的第三四边形在所述上一帧的拍摄图像上的位置；

根据所述第一位置，预测所述定位靶在当前帧的拍摄图像上的预测位置；

若第二位置分别与所述第一位置以及所述预测位置的重叠程度均在预设范围内，则将所述第二四边形作为第三四边形；

其中，所述第二位置是指第二四边形在所述当前帧的拍摄图像上的位置。

在一些可能的实施方式中，所述第二四边形内的黑白像素点的个数在与所述定位靶对应的预设阈值范围内。

在一些可能的实施方式中，所述方法还包括：

利用核相关滤波KCF算法跟踪出所述拍摄图像中定位靶图像的ROI区域；

则，所述对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息，包括：

对所述ROI区域的图像进行图像处理，得到所述前方车辆的位置信息。

在一些可能的实施方式中，所述后方车辆的跟车状态，包括：所述后方车辆的跟车速度。

在一些可能的实施方式中，所述后方车辆的当前跟车状态包括所述后方车辆的当前跟车速度，所述根据所述前方车辆的位置信息以及所述当前跟车状态，控制所述后方车辆的跟车状态，包括：

根据所述前方车辆的位置信息，计算出所述前方车辆与所述后方车辆之间的相对距离；

将所述相对距离对时间进行求导运算，计算得到所述前方车辆与所述后方车辆之间的相对速度；

基于所述相对速度以及所述当前跟车速度，计算得到所述后方车辆的目标跟车速度；

利用所述目标跟车速度，控制所述后方车辆的跟车速度，以使得所述后方车辆以目标跟车速度进行跟车行驶。

第二方面，本申请实施例还提供了一种自动跟车装置，该装置具体可以包括：

第一获取模块，用于获取针对于前方车辆对应的定位靶的拍摄图像；

图像处理模块，用于对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息；

第二获取模块，用于获取与所述前方车辆相邻的后方车辆的当前跟车状态；

控制模块，用于根据所述前方车辆的位置信息以及所述当前跟车状态，控制所述后方车辆的跟车状态。

在一些可能的实施方式中，所述图像处理模块，包括：

阈值化处理单元，用于对所述拍摄图像进行阈值化处理，得到第一图像；

分割聚类单元，用于使用并查集Union-find算法，将所述第一图像上黑白像素区的边缘进行分割，并基于分割结果对所述黑白像素区边缘的像素点进行聚类；

拟合单元，用于基于聚类后的像素点集合拟合出第一四边形；

修正单元，用于对所述第一四边形的边缘进行修正，得到第二四边形；

匹配单元，用于将所述第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度进行匹配，并将黑白强度相匹配的第二四边形，作为第三四边形；

第一计算单元，用于基于所述第三四边形，计算出所述前方车辆相对于所述后方车辆的位置信息。

在一些可能的实施方式中，所述修正单元，包括：

第一修正子单元，用于基于所述第一四边形边缘像素点的像素值的梯度变化，对所述第一四边形边缘进行第一次修正，得到第一次修正后的第一四边形；

第二修正子单元，用于利用所述第一次修正后的第一四边形边缘黑白像素点的对比度差值，对所述第一次修正后的第一四边形进行第二次修正，并将第二次修正后的第一四边形作为第二四边形。

在一些可能的实施方式中，所述装置还包括：

第三获取模块，用于若所述第二四边形内的像素块的黑白强度与所述预设定位靶对应的黑白强度不匹配，获取第一位置，所述第一位置是指所述定位靶在上一帧的拍摄图像上所形成的第三四边形在所述上一帧的拍摄图像上的位置；

预测模块，用于根据所述第一位置，预测所述定位靶在当前帧的拍摄图像上的预测位置；

第二计算单元，用于若第二位置分别与所述第一位置以及所述预测位置的重叠程度均在预设范围内，则将所述第二四边形作为第三四边形；

其中，所述第二位置是指第二四边形在所述当前帧的拍摄图像上的位置。

在一些可能的实施方式中，所述第二四边形内的黑白像素点的个数在与所述定位靶对应的预设阈值范围内。

在一些可能的实施方式中，所述装置还包括：

定位模块，用于利用核相关滤波KCF算法跟踪出所述拍摄图像中定位靶图像的ROI区域；

则，所述图像处理模块，具体用于对所述ROI区域的图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息。

在一些可能的实施方式中，所述后方车辆的跟车状态，包括：所述后方车辆的跟车速度。

在一些可能的实施方式中，所述后方车辆的当前跟车状态包括所述后方车辆的当前跟车速度，所述控制模块，包括：

第三计算单元，用于根据所述前方车辆的位置信息，计算出所述前方车辆与所述后方车辆之间的相对距离；

第四计算单元，用于将所述相对距离基于时间进行求导运算，计算得到所述前方车辆与所述后方车辆之间的相对速度；

第五计算单元，用于基于所述相对速度以及所述当前跟车速度，计算得到所述后方车辆的目标跟车速度；

控制单元，用于利用所述目标跟车速度，控制所述后方车辆的跟车速度，以使得所述后方车辆以目标跟车速度进行跟车行驶。

在本申请实施例的上述实现方式中，后方车辆在跟随前方车辆行驶时，可以获取前方车辆对应的定位靶的拍摄图像，该拍摄图像中包含前方车辆对应的定位靶的图像；然后，可以对该拍摄图像进行图像处理，以得到前方车辆相对于与前方车辆相邻的后方车辆的位置信息，比如，可以是相对于后方车辆的世界坐标等；接着，可以获取与前方车辆相邻的后方车辆的当前跟车状态，并根据所得的前方车辆的位置信息以及后方车辆的当前跟车状态，控制后方车辆的跟车状态。可见，由于后方车辆可以根据自身的当前跟车状态以及前方车辆的位置信息，控制自身的跟车状态，因此，即使没有驾驶员驾驶后方车辆，后方车辆也能基于对自身跟车状态的控制，安全、有效的跟随前方车辆进行队列行驶，这样，在多车队列行驶过程中，只需要为第一辆车配备驾驶员即可，其余车辆可以依次跟随前方相邻车辆进行队列行驶，从而可以有效减少多车队列行驶时所需的人力成本；而且，后方的车辆均可以按照统一的规则控制自身的跟车状态，从而可以保证车辆行驶的统一性，进而消除由于车辆行驶不统一而造成的安全隐患。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请实施例中一示例性应用场景示意图；

图2为本申请实施例中一种自动跟车方法的流程示意图；

图3为队列行驶时前方车辆与后方车辆的侧视图与后视图；

图4为对拍摄图像进行图像处理从而得到位置信息的流程示意图；

图5为本申请实施例中一种自动跟车装置的结构示意图。

具体实施方式

现有的多车运输方式，需要为每辆车配备至少一名驾驶员，如果运输的车辆较多，则所需配备的驾驶员也会相应的增加，从而需要耗费大量的人力成本。而且，由于不同的驾驶员的驾驶风格不同，在多车行驶运输过程中，难以保证每辆车的行驶统一性，从而会造成一定的安全隐患。

为此，本申请提供了一种自动跟车的方法，以减少多车队列行驶所需消耗的人力成本，提高多车队列行驶的安全性。具体的，后方车辆在跟随前方车辆行驶时，可以获取前方车辆对应的定位靶的拍摄图像，该拍摄图像中包含前方车辆对应的定位靶的图像；然后，可以对该拍摄图像进行图像处理，以得到前方车辆相对于与前方车辆相邻的后方车辆的位置信息，比如，可以是相对于后方车辆的世界坐标等；接着，可以获取与前方车辆相邻的后方车辆的当前跟车状态，并根据所得的前方车辆的位置信息以及后方车辆的当前跟车状态，控制后方车辆的跟车状态。可见，由于后方车辆可以根据自身的当前跟车状态以及前方车辆的位置信息，控制自身的跟车状态，因此，即使没有驾驶员驾驶后方车辆，后方车辆也能基于对自身跟车状态的控制，安全、有效的跟随前方车辆进行队列行驶，这样，在多车队列行驶过程中，只需要为第一辆车配备驾驶员即可，其余车辆可以依次跟随前方相邻车辆进行队列行驶，从而可以有效减少多车队列行驶时所需的人力成本；而且，后方的车辆均可以按照统一的规则控制自身的跟车状态，从而可以保证车辆行驶的统一性，进而消除由于车辆行驶不统一而造成的安全隐患。

举例来说，本申请实施例可以应用至如图1所示的示例性应用场景。在该应用场景中，车辆1、车辆2以及车辆3向左队列行驶，则对于车辆3而言，车辆2为与车辆3相邻的前方车辆，而车辆3即作为后方车辆。在车辆3跟随车辆2行驶的过程中，车辆3可以利用配置于车辆上的照相机对车辆2对应的定位靶进行拍摄，从而得到包含车辆2对应的定位靶图像的拍摄图像；然后，车辆2可以对该拍摄图像进行图像处理，得到车辆2相对于车辆3的位置信息，比如，可以是车辆2相对于车辆3的世界坐标等；接着，车辆3可以获取自身的当前跟车状态，即跟随车辆2进行行驶时的车辆行驶状态，并基于所得到的车辆2相对于车辆3的位置信息以及自身的当前跟车状态，控制自身的跟车状态。

可以理解的是，上述场景仅是本申请实施例提供的一个场景示例，本申请实施例并不限于此场景。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面将结合附图对本申请实施例中的各种非限定性实施方式进行示例性说明。显然，所描述的实施例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它实施例，都属于本申请保护的范围。

参阅图2，图2示出了本申请实施例中一种自动跟车方法的流程示意图，该方法具体可以包括：

S201：获取前方车辆对应的定位靶的拍摄图像。

在一种示例性的具体实施方式中，可以在前方车辆车位配置有与前方车辆对应的定位靶，该定位靶可以从前方多个车辆中标识出与该后方车辆相邻的前方车辆，同时，可以在该后方车辆上配置如照相机等拍摄设备，这样，后方车辆在跟随前方车辆行驶时，配置于后方车辆上的拍摄设备可以对安置于前方车辆车位的定位靶进行拍照，这样，后方车辆可以从拍摄设备中获得针对于前方车辆定位靶的拍摄图像。其中，前方车辆与后方车辆为多车列队行驶过程中相邻的两辆车。

如图3所示，前方车辆对应的定位靶安装在前方车辆的车尾，实际应用中，可以在前方车辆的尾部位置安装支架，以固定与该前方车辆对应的定位靶，其中，为了便于后方车辆对该定位靶的拍摄，可以将该定位靶垂直于地面进行安装；同时，所安装的定位靶不能对前方车辆的车牌造成遮挡。而在后方车辆上安装拍摄设备时，可以通过在后方车辆的前挡风玻璃内部安装支架，以固定用于拍摄定位靶的拍摄装置，其中，为了减少挡风玻璃反光、污渍等外界条件对该拍摄装置拍摄的干扰，可以将拍摄装置的拍摄镜头尽可能靠近前挡风玻璃中心上方，并且尽可能的贴近前挡风玻璃，进一步的，该拍摄装置的光心可以尽可能的平行于车辆纵轴线，以使得前方车辆对应的定位靶在拍摄图像中的成像位于拍摄图像的中心位置。值得注意的是，在利用拍摄设备对定位靶进行拍摄之前，可以对该拍摄设备进行内参以及外参的标定。

S202：对拍摄图像进行图像处理，得到前方车辆相对于与前方车辆相邻的后方车辆的位置信息。

本实施例中，后方车辆上可以配置有图像处理器模块，如图3所示。拍摄装置在完成对前方车辆对应的定位靶的拍摄并得到拍摄图像后，可以将该拍摄图像传输至图像处理器模块，从而可以得到前方车辆相对于与前方车辆相邻的后方车辆的位置信息，如前方车辆相对于后方车辆的世界坐标等。

其中，对拍摄图像进行图像处理从而得到位置信息的具体过程可以如图4所示：

S401：对获取到的拍摄图像进行阈值化处理，得到第一图像。

具体实现时，可以以4×4的像素集对拍摄图像进行分块，所得到的块包含16个像素点，然后，可以计算出每个块中的最大像素值Max以及最小像素值Min；在每个块中，如果Max与Min之间差值(大于0)小于预设值，则将该块中所有的像素点的颜色均设置为灰色，而如果Max与Min之间差值(大于0)大于或者等于预设值，则可以计算出Max与Min之间的平均值Average，则对于该块内的16个像素点，对于像素值大于Average的像素点，其颜色设置为白色，而对于像素值不大于Average的像素点，其颜色设置为黑色。需要说明的是，在以4×4的像素集对拍摄图像进行分块时，在拍摄图像的边缘通常会存在不足16个像素的块，则在设定该块中的像素点的颜色时，可以以与该块最邻近的块对应的Average进行计算，即，对于该块中像素值大于最邻近的块对应的Average的像素点，其颜色设置为白色，而对于该块中像素值不大于最邻近的块对应的Average的像素点，其颜色设置为黑色。

S402：使用并查集Union-find算法，将第一图像上黑白像素区的边缘进行分割，并基于分割结果对黑白像素区边缘的像素点进行聚类。

在将拍摄图像进行阈值化处理后，所得到的第一图像上的像素点的颜色至少包含两种：白色以及黑色，则对于由黑色像素点构成的黑色像素区以及白色像素点构成的白色像素区，可以采用并查集Union-find算法将黑色像素区与白色像素区的边缘进行分割，然后，基于该分割结果，可以对边缘像素点进行聚类。

S403：基于聚类后的像素点集合拟合出第一四边形。

在对边缘像素点进行聚类后，可以得到多个像素点集合，其中，每个通过聚类得到的像素点集合可以称之为簇。由于簇中每个像素点的排序是杂乱无章的，因此，在一些实施方式中，对于每个簇，可以计算出该簇中每个像素点围绕该簇中心的角度，从而可以按照角度将簇进行按序排列，这样，在物理位置上相邻的像素点可以处于同一水平线或者垂直线上，以便于进行四边形四条边的直线拟合。

然后，对于每个簇，可以利用PCA(Principal components analysis，主成分分析)算法进行直线拟合，拟合出四边形的四条边。在进行直线拟合的过程中，处于同一水平线或者垂直线上的均值误差通常较小，但是当遇到候选角点时，均值误差通常会较大，则，可以将均值误差较大的候选角点以及其附近的点作为候选点，其中，所确定的候选点包括四个候选角点以及四个候选角点对应的附近点；然后，可以对这些候选点再次进行直线拟合，从中计算得到均值误差最小的四个角点，从而可以基于这四个角点，可以拟合出四条直线，进而由四条直线相交得到第一四边形。以此，针对于每个簇，可以得到每个簇对应的第一四边形。

S404：对第一四边形的边缘进行修正，得到第二四边形。

在对拍摄图像进行阈值化时，黑白像素区的边缘可能会产生一些阴影等噪声，这些噪声会影响第一四边形的拟合，从而会影响后续过程中所得到的定位信息的精确度。因此，在得到每个簇对应的第一四边形后，可以对第一四边形进行修正，得到第二四边形。

具体实现时，为了达到更高的修正效果，可以对第一四边形进行两次修正。具体的，在第一次修正过程中，可以沿着第一四边形边沿均匀的采样像素点，然后，每个像素点按照与其最近拟合直线的法线方向，沿着预设步长计算出像素值的梯度变化，并寻找梯度变化最大的像素点，基于这些梯度变化最大的像素点，重新拟合第一四边形的四条边所在的直线，从而可以得到第一次修正后的第一四边形；在第二次修正过程中，可以计算出第一次修正后的第一四边形边缘的黑白像素点的对比度差值，然后，可以将该第一四边形按照预设步长沿着上、下、左、右等方向上进行移动，并计算该第一四边形每次移动至不同位置时第一四边形边缘的黑白像素点的对比度差值，最后，可以从多得到的多个对比度差值中确定出最大对比度差值，并将最大对比度差值所对应的第一四边形，作为第二四边形。

S405：将第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度进行匹配，并将黑白强度相匹配的第二四边形，作为第三四边形。

由于根据每个簇所可以拟合得到多个第一四边形，因此，对第一四边形进行修正后通常也会得到多个第二四边形。而这些第二四边形中，通常只有一个第二四边形内的像素块的黑白强度与前方车辆的定位靶对应的黑白强度相匹配，因此，在得到多个第二四边形后，需要将将第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度进行匹配，从中确定出预设定位靶对应的黑白强度相匹配的第二四边形，并将其作为第三四边形。其中，预设定位靶，即为前方车辆对应的定位靶。

具体实现时，可以为第二四边形内的每个像素块(一块区域内像素点的集合)计算出该数据块的像素值，然后，可以计算出第二四边形内所有像素块的像素值的均值。对于每个像素块，如果像素值大于该均值，则将该像素块的颜色设置为白色，如果小于该均值，则将该像素块的颜色设置为黑色，从而可以得到该第二四边形内像素块的黑白强度分布，则在确定该第二四边形是否表征了定位靶的四边形轮廓时，可以将该第二四边形内的黑白强度与定位靶对应的黑白强度进行匹配。参照图3所示的定位靶上的黑白块的分布情况，该黑白块的分布对应于定位靶在图像上像素块的黑白强度分布，因此，如果匹配成功，则确定该第二四边形为定位靶的四边形轮廓，如果匹配失败，则可以选择下一个第二四边形进行黑白强度的匹配。

可以理解，在实际的多车队列行驶过程中，对于后方车辆而言，如果前方多个辆车进行转弯行驶，则后方车辆上的拍摄设备可能会拍摄到前方多个车辆的定位靶，因此，通过将第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度进行匹配，还可以便于后方车辆从前方的多个车辆中区分出与该后方车辆相邻的前方车辆。

S406：基于第三四边形，计算出前方车辆相对于后方车辆的位置信息。

在一种示例性的具体实施方式中，在确定出第三四边形后，可以根据相机的成像原理，基于预先已经标定的拍摄设备的内参、外参以及定位靶的真实尺寸，计算出前方车辆相对于后方车辆的世界坐标，即得到前方车辆相对于后方车辆的位置信息。

值得注意的是，在多车队列行驶过程中，后方车辆与前方车辆的驾驶情况相对较为稳定，则，前方车辆对应的定位靶在拍摄图像上的成像位置通常也会比较稳定。在一些可能的实施方式中，此次在拟合第一四边形时，可以利用KCF(Kernel Correlation Filter，核相关滤波算法)算法根据上一次进行图像处理时所确定的第三四边形的位置，跟踪出此次进行图像处理时定位靶在拍摄图像中的ROI(Region of Interest，感兴趣区域)区域，这样，在对拍摄图像进行图像处理时，就可以只对拍摄图像上的ROI区域进行处理，从而可以缩小定位靶的检测区域，也提高算法的运行效率。

实际应用中，拍摄装置在对前方车辆上的定位靶进行拍摄时，由于光照、转弯角度等原因，可能会影响定位靶在拍摄图像上的成像，从而可能会造成基于该定位靶的成像所确定的第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度不匹配，使得所确定出第三四边形发生错误，甚至造成漏检的情况发生。

为了尽量避免这种情况的发生，本实施例中，可以根据定位靶在相邻两帧的拍摄图像中所形成的第三四边形的位置对第三四边形进行校验。具体的，可以获取第一位置，该第一位置是定位靶在上一帧的拍摄图像上所形成的第三四边形在上一帧的拍摄图像上的位置，然后，根据该第一位置，并结合车辆的运动情况，对定位靶在下一帧的拍摄图像上所形成的第三四边形的位置进行预测。可以理解，在多车队列行驶过程中，车辆的行驶速度不会太快，因此，前方车辆与后方车辆之间的车辆位置变化在短时间内不会有太大变化，从而使得前方车辆上的定位靶在相邻两帧的拍摄图像上所形成的第三四边形的位置差距也不会过大，因此，可以基于对前一帧拍摄图像进行图像处理所得到的第三四边形的第一位置，预测出对下一帧拍摄图像进行图像处理所得到的第三四边形的预测位置。

然后，可以对当前帧(也即上述的“下一帧”)的拍摄图像进行图像处理，在第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度不匹配时，确定该第二四边形当前帧的拍摄图像上的第二位置，如果该第二位置与第一位置以及预测位置的重叠程度均在预设的范围内，则可以确定该第二四边形的可靠性较高，可作为第三四边形，进而可以基于该第三四边形计算出前方车辆相对于后方车辆的位置信息；当然，如果第二位置与第一位置之间的重叠程度和/或第二位置与预测位置的重叠程度未达到预设的范围，则表明所确定出的第二四边形不可靠，不能作为第三四边形，否则基于不可靠的第三四边形(即所确定出的第二四边形)所计算出的前方车辆相对于后方车辆的位置信息会存在较大误差，此时，可以采用定位靶在上一帧的拍摄图像上所形成第三四边形来进行位置信息的计算。

在进一步的实施方式中，基于前方车辆的定位靶上黑白点总数的确定性，可以先确定定位靶在当前拍摄图像上所形成的第二四边形内的黑白像素点的个数，是否在与定位靶对应的预设阈值内，若是，则表明该第二四边形可靠，可以作为第三四边形以参与前方车辆相对于后方车辆的位置信息的计算，若否，则表明该第二四边形不可靠，不能作为第三四边形，否则基于该第三四边形所计算出的位置信息存在较大误差，此时，可以拒绝利用该第三四边形来计算位置信息，而可以采用定位靶在上一帧的拍摄图像上所形成第三四边形来进行位置信息的计算。

S203：获取后方车辆的当前跟车状态。

可以理解，后方车辆在跟随前方车辆行驶过程中，不仅需要获知前方车辆相对于后方车辆的位置信息，还需要获取后方车辆自身的当前跟车状态，以便于基于当前跟车状态，对后方车辆的跟车状态进行调整。

在一种示例中，所获取的后方车辆的当前跟车状态可以是后方车辆的当前跟车速度，包括当前跟车速度的大小以及方向等。

S204：根据前方车辆的位置信息以及当前跟车状态，控制后方车辆的跟车状态。

本实施例中，可以根据前方车辆相对于后方车辆的位置信息以及后方车辆自身的当前跟车状态，控制后方车辆未来一段时间的跟车状态，具体可以是调整后方车辆的跟车速度，包括调整后方车辆的跟车速度大小和/或跟车速度方向。

在一种示例性的实施方式中，该位置信息为前方车辆与相对于后方车辆的世界坐标时，则后方车辆可以根据该位置信息计算出前方车辆与后方车辆之间的相对距离，并通过将该相对距离在时间维度上进行求导运算，计算得到前方车辆与后方车辆之间的相对速度，然后，基于该相对速度以及后方车辆的当前跟车速度，可以计算得到后方车辆的目标跟车速度，则，可以利用该目标跟车速度控制后方车辆行驶，以使得后方车辆以目标跟车速度进行跟车行驶。

这样，若前方车辆与后方车辆的距离过大，图3中所示的整车控制器可以给后方车辆的上的动力控制模块发送控制信号，以增加车辆的动力输出，从而减少后方车辆与前方车辆之间的相对距离；当后方车辆与前方车辆之间的相对距离保持在合理范围内时，整车控制器可以利用控制信号来减少车辆的动力输出、并进行适当的制动，从而使得后方车辆与前方车辆保持相同车速进行行驶。当然，若前方车辆与后方车辆的距离过小，则整车控制器可以先控制后方车辆减少动力输出，并进行适当的制动，以增大后方车辆与前方车辆之间的相对距离；当后方车辆与前方车辆之间的相对距离保持在合理范围内时，整车控制器可以利用控制信号来增加车辆的动力输出，以使得后方车辆与前方车辆保持相同车速进行行驶。

实际应用中，若前方车辆开始进行转弯行驶时，整车控制器可以控制后方车辆行驶至前方车辆开始转弯的位置，具体可以是通过当前跟车速度与时间的积分计算后方车辆行驶一段时间后的行驶距离，则该行驶距离与后方车辆当前位置的和，即为前方车辆开始转弯的位置；然后，整车控制器可以根据与前方车辆之间的相对速度的方向，确定前方车辆的转弯角度，从而可以通过向后方车辆上的电动助力转向模块发送包含一定转向角度的转向信号，来控制车辆沿着前方车辆转弯的方向进行转向。为了便于后方车辆有效的跟随前方车辆，可以在转弯后控制后方车辆的行驶方向以使得前方车辆的定位靶在拍摄图像中的成像继续位于拍摄图像的中心位置。

需要说明的是，如果后方车辆的定位靶丢失或者后方车辆在拍摄图像中无法识别得到前方车辆的定位靶时，后方车辆上的整车控制器可以控制车辆持续减少动力的输出，并利用制动模块进行适当的制动，以减少后方车辆的跟车速度，直至在拍摄图像中识别出前方车辆对应的定位靶图像时，继续进行跟车行驶。

后方车辆在跟随前方车辆行驶时，可以获取前方车辆对应的定位靶的拍摄图像，该拍摄图像中包含前方车辆对应的定位靶的图像；然后，可以对该拍摄图像进行图像处理，以得到前方车辆相对于与前方车辆相邻的后方车辆的位置信息，比如，可以是相对于后方车辆的世界坐标等；接着，可以获取与前方车辆相邻的后方车辆的当前跟车状态，并根据所得的前方车辆的位置信息以及后方车辆的当前跟车状态，控制后方车辆的跟车状态。可见，由于后方车辆可以根据自身的当前跟车状态以及前方车辆的位置信息，控制自身的跟车状态，因此，即使没有驾驶员驾驶后方车辆，后方车辆也能基于对自身跟车状态的控制，安全、有效的跟随前方车辆进行队列行驶，这样，在多车队列行驶过程中，只需要为第一辆车配备驾驶员即可，其余车辆可以依次跟随前方相邻车辆进行队列行驶，从而可以有效减少多车队列行驶时所需的人力成本；而且，后方的车辆均可以按照统一的规则控制自身的跟车状态，从而可以保证车辆行驶的统一性，进而消除由于车辆行驶不统一而造成的安全隐患。

此外，本申请实施例还提供了一种自动跟车装置。参阅图5，图5示出了本申请实施例中一种自动跟车装置的结构示意图，该装置500具体可以包括：

第一获取模块501，用于获取针对于前方车辆对应的定位靶的拍摄图像；

图像处理模块502，用于对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息；

第二获取模块503，用于获取与所述前方车辆相邻的后方车辆的当前跟车状态；

控制模块504，用于根据所述前方车辆的位置信息以及所述当前跟车状态，控制所述后方车辆的跟车状态。

在一些可能的实施方式中，所述图像处理模块502，包括：

阈值化处理单元，用于对所述拍摄图像进行阈值化处理，得到第一图像；

分割聚类单元，用于使用并查集Union-find算法，将所述第一图像上黑白像素区的边缘进行分割，并基于分割结果对所述黑白像素区边缘的像素点进行聚类；

拟合单元，用于基于聚类后的像素点集合拟合出第一四边形；

修正单元，用于对所述第一四边形的边缘进行修正，得到第二四边形；

匹配单元，用于将所述第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度进行匹配，并将黑白强度相匹配的第二四边形，作为第三四边形；

第一计算单元，用于基于所述第三四边形，计算出所述前方车辆相对于所述后方车辆的位置信息。

在一些可能的实施方式中，所述修正单元，包括：

第一修正子单元，用于基于所述第一四边形边缘像素点的像素值的梯度变化，对所述第一四边形边缘进行第一次修正，得到第一次修正后的第一四边形；

第二修正子单元，用于利用所述第一次修正后的第一四边形边缘黑白像素点的对比度差值，对所述第一次修正后的第一四边形进行第二次修正，并将第二次修正后的第一四边形作为第二四边形。

在一些可能的实施方式中，所述装置500还包括：

第三获取模块，用于若所述第二四边形内的像素块的黑白强度与所述预设定位靶对应的黑白强度不匹配，则获取第一位置，所述第一位置是指所述定位靶在上一帧的拍摄图像上所形成的第三四边形在所述上一帧的拍摄图像上的位置；

预测模块，用于根据所述第一位置，预测所述定位靶在当前帧的拍摄图像上的预测位置；

第二计算单元，用于若第二位置分别与所述第一位置以及所述预测位置的重叠程度均在预设范围内，则将所述第二四边形作为第三四边形；

其中，所述第二位置是指第二四边形在所述当前帧的拍摄图像上的位置。

在一些可能的实施方式中，所述第二四边形内的黑白像素点的个数在与所述定位靶对应的预设阈值范围内。

在一些可能的实施方式中，所述装置500还包括：

定位单元，用于利用核相关滤波KCF算法跟踪出所述拍摄图像中定位靶图像的ROI区域；

则，所述图像处理模块502，具体用于对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息。

在一些可能的实施方式中，所述后方车辆的跟车状态，包括：所述后方车辆的跟车速度。

在一些可能的实施方式中，所述后方车辆的当前跟车状态包括所述后方车辆的当前跟车速度，所述控制模块504，包括：

第三计算单元，用于根据所述前方车辆的位置信息，计算出所述前方车辆与所述后方车辆之间的相对距离；

第四计算单元，用于将所述相对距离基于时间进行求导运算，计算得到所述前方车辆与所述后方车辆之间的相对速度；

第五计算单元，用于基于所述相对速度以及所述当前跟车速度，计算得到所述后方车辆的目标跟车速度；

控制单元，用于利用所述目标跟车速度，控制所述后方车辆的跟车速度，以使得所述后方车辆以目标跟车速度进行跟车行驶。

本实施例中，由于后方车辆可以根据自身的当前跟车状态以及前方车辆的位置信息，控制自身的跟车状态，因此，即使没有驾驶员驾驶后方车辆，后方车辆也能基于对自身跟车状态的控制，安全、有效的跟随前方车辆进行队列行驶，这样，在多车队列行驶过程中，只需要为第一辆车配备驾驶员即可，其余车辆可以依次跟随前方相邻车辆进行队列行驶，从而可以有效减少多车队列行驶时所需的人力成本；而且，后方的车辆均可以按照统一的规则控制自身的跟车状态，从而可以保证车辆行驶的统一性，进而消除由于车辆行驶不统一而造成的安全隐患。

本申请实施例中提到的“第一四边形”、“第一获取模块”、“第一计算单元”、“第一修正子单元”等名称中的“第一”只是用来做名字标识，并不代表顺序上的第一。该规则同样适用于“第二”、“第三”等。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器(英文：read-only memory，ROM)/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，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，对于方法实施例和设备实施例而言，由于其基本相似于系统实施例，所以描述得比较简单，相关之处参见系统实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请示例性的实施方式，并非用于限定本申请的保护范围。

Claims (14)

1.一种自动跟车方法，其特征在于，所述方法包括：

获取针对于前方车辆对应的定位靶的拍摄图像；

对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息；

获取所述后方车辆的当前跟车状态；

根据所述前方车辆的位置信息以及所述当前跟车状态，控制所述后方车辆的跟车状态；

其中，所述对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息，包括：

对所述拍摄图像进行阈值化处理，得到第一图像；

使用并查集Union-find算法，将所述第一图像上黑白像素区的边缘进行分割，并基于分割结果对所述黑白像素区边缘的像素点进行聚类；

基于聚类后的像素点集合拟合出第一四边形；

对所述第一四边形的边缘进行修正，得到第二四边形；

将所述第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度进行匹配，并将黑白强度相匹配的第二四边形，作为第三四边形；

基于所述第三四边形，计算出所述前方车辆相对于所述后方车辆的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一四边形的边缘进行修正，得到第二四边形，包括：

基于所述第一四边形边缘像素点的像素值的梯度变化，对所述第一四边形边缘进行第一次修正，得到第一次修正后的第一四边形；

利用所述第一次修正后的第一四边形边缘黑白像素点的对比度差值，对所述第一次修正后的第一四边形进行第二次修正，并将第二次修正后的第一四边形作为第二四边形。

3.根据权利要求1所述的方法，其特征在于，若所述第二四边形内的像素块的黑白强度与所述预设定位靶对应的黑白强度不匹配，所述方法还包括：

获取第一位置，所述第一位置是指所述定位靶在上一帧的拍摄图像上所形成的第三四边形在所述上一帧的拍摄图像上的位置；

根据所述第一位置，预测所述定位靶在当前帧的拍摄图像上的预测位置；

若第二位置分别与所述第一位置以及所述预测位置的重叠程度均在预设范围内，则将所述第二四边形作为第三四边形；

其中，所述第二位置是指所述第二四边形在所述当前帧的拍摄图像上的位置。

4.根据权利要求3所述的方法，其特征在于，所述第二四边形内的黑白像素点的个数在与所述定位靶对应的预设阈值范围内。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用核相关滤波KCF算法跟踪出所述拍摄图像中定位靶图像的ROI区域；

则，所述对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息，包括：

对所述ROI区域的图像进行图像处理，得到所述前方车辆的位置信息。

6.根据权利要求1所述的方法，其特征在于，所述后方车辆的跟车状态，包括：所述后方车辆的跟车速度。

7.根据权利要求6所述的方法，其特征在于，所述后方车辆的当前跟车状态包括所述后方车辆的当前跟车速度，所述根据所述前方车辆的位置信息以及所述当前跟车状态，控制所述后方车辆的跟车状态，包括：

根据所述前方车辆的位置信息，计算出所述前方车辆与所述后方车辆之间的相对距离；

将所述相对距离对时间进行求导运算，计算得到所述前方车辆与所述后方车辆之间的相对速度；

基于所述相对速度以及所述当前跟车速度，计算得到所述后方车辆的目标跟车速度；

利用所述目标跟车速度，控制所述后方车辆的跟车速度，以使得所述后方车辆以目标跟车速度进行跟车行驶。

8.一种自动跟车装置，其特征在于，所述装置包括：

第一获取模块，用于获取针对于前方车辆对应的定位靶的拍摄图像；

图像处理模块，用于对所述拍摄图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息；

第二获取模块，用于获取与所述前方车辆相邻的后方车辆的当前跟车状态；

控制模块，用于根据所述前方车辆的位置信息以及所述当前跟车状态，控制所述后方车辆的跟车状态；

其中，所述图像处理模块，包括：

阈值化处理单元，用于对所述拍摄图像进行阈值化处理，得到第一图像；

分割聚类单元，用于使用并查集Union-find算法，将所述第一图像上黑白像素区的边缘进行分割，并基于分割结果对所述黑白像素区边缘的像素点进行聚类；

拟合单元，用于基于聚类后的像素点集合拟合出第一四边形；

修正单元，用于对所述第一四边形的边缘进行修正，得到第二四边形；

匹配单元，用于将所述第二四边形内的像素块的黑白强度，与预设定位靶对应的黑白强度进行匹配，并将黑白强度相匹配的第二四边形，作为第三四边形；

第一计算单元，用于基于所述第三四边形，计算出所述前方车辆相对于所述后方车辆的位置信息。

9.根据权利要求8所述的装置，其特征在于，所述修正单元，包括：

第一修正子单元，用于基于所述第一四边形边缘像素点的像素值的梯度变化，对所述第一四边形边缘进行第一次修正，得到第一次修正后的第一四边形；

第二修正子单元，用于利用所述第一次修正后的第一四边形边缘黑白像素点的对比度差值，对所述第一次修正后的第一四边形进行第二次修正，并将第二次修正后的第一四边形作为第二四边形。

10.根据权利要求8所述的装置，其特征在于，所述装置还包括：

第三获取模块，用于若所述第二四边形内的像素块的黑白强度与所述预设定位靶对应的黑白强度不匹配，则获取第一位置，所述第一位置是指所述定位靶在上一帧的拍摄图像上所形成的第三四边形在所述上一帧的拍摄图像上的位置；

预测模块，用于根据所述第一位置，预测所述定位靶在当前帧的拍摄图像上的预测位置；

第二计算单元，用于若第二位置分别与所述第一位置以及所述预测位置的重叠程度均在预设范围内，则将所述第二四边形作为第三四边形；

其中，所述第二位置是指所述第二四边形在所述当前帧的拍摄图像上的位置。

11.根据权利要求10所述的装置，其特征在于，所述第二四边形内的黑白像素点的个数在与所述定位靶对应的预设阈值范围内。

12.根据权利要求8所述的装置，其特征在于，所述装置还包括：

定位模块，用于利用核相关滤波KCF算法跟踪出所述拍摄图像中定位靶图像的ROI区域；

则，所述图像处理模块，具体用于对所述ROI区域的图像进行图像处理，得到所述前方车辆相对于与所述前方车辆相邻的后方车辆的位置信息。

13.根据权利要求8所述的装置，其特征在于，所述后方车辆的跟车状态，包括：所述后方车辆的跟车速度。

14.根据权利要求13所述的装置，其特征在于，所述后方车辆的当前跟车状态包括所述后方车辆的当前跟车速度，所述控制模块，包括：

第三计算单元，用于根据所述前方车辆的位置信息，计算出所述前方车辆与所述后方车辆之间的相对距离；

第四计算单元，用于将所述相对距离基于时间进行求导运算，计算得到所述前方车辆与所述后方车辆之间的相对速度；

第五计算单元，用于基于所述相对速度以及所述当前跟车速度，计算得到所述后方车辆的目标跟车速度；

控制单元，用于利用所述目标跟车速度，控制所述后方车辆的跟车速度，以使得所述后方车辆以目标跟车速度进行跟车行驶。

Images