CN111739344A - 一种预警方法、装置及电子设备 - Google Patents
一种预警方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111739344A CN111739344A CN202010611196.3A CN202010611196A CN111739344A CN 111739344 A CN111739344 A CN 111739344A CN 202010611196 A CN202010611196 A CN 202010611196A CN 111739344 A CN111739344 A CN 111739344A
- Authority
- CN
- China
- Prior art keywords
- road
- target
- vehicle
- determining
- candidate
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/164—Centralised systems, e.g. external to vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/026—Services making use of location information using location based information parameters using orientation information, e.g. compass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Abstract
本申请公开了一种预警方法、装置及电子设备,涉及车联网技术领域,可用于智能交通场景。具体实现方案为:确定当前时刻横穿道路的目标对象,目标对象横穿的道路为第一道路;根据目标对象的位置,确定目标区域;根据在第一道路中的车辆的位置以及目标区域,确定在第一道路中的目标车辆;向目标车辆发送预警信息。从在第一道路的车辆中确定目标车辆过程中,利用的是在第一道路中的车辆的位置以及利用横穿道路的目标对象的位置确定的目标车辆,向目标车辆发送预警信息,以实现对目标车辆的预警,提高预警精确性。
Description
技术领域
本申请涉及计算机技术的车联网技术领域,尤其涉及一种预警方法、装置及电子设备。
背景技术
目前,每年由车辆盲区所引发的交通事故越来越多。盲区之所以形成,主要是驾驶员视线存在遮挡导致,当驾驶员旁边车道存在大型车辆,或是变道超车等情况下,驾驶员存在视线被遮挡,如果此时行人、非机动车或机动车突然闯出或横穿马路,驾驶员将来不及反应,导致交通事故的发生。因此,检测行人、非机动车或机动车的突然闯出或横穿马路行为,向驾驶员提醒,以使得驾驶员能够采取有效的规避措施,减少交通事故的发生,对于保障生命安全有非常重大的价值。
发明内容
本申请提供了一种预警方法、装置及电子设备。
第一方面,本申请一个实施例提供一种预警方法,所述方法包括:
确定当前时刻横穿道路的目标对象,所述目标对象横穿的道路为第一道路;
根据所述目标对象的位置,确定目标区域;
根据在所述第一道路中的车辆的位置以及所述目标区域,确定在所述第一道路中的目标车辆;
向所述目标车辆发送预警信息。
确定当前时刻横穿道路的目标对象后,需确定在目标对象横穿的第一道路中的车辆中确定目标车辆,是对目标车辆进行预警,而不是在确定横穿目标对象后对第一道路中的所有车辆进行预警,提高预警精确性。且从在第一道路的车辆中确定目标车辆过程中,利用的是在第一道路中的车辆的位置以及利用横穿道路的目标对象的位置确定的目标车辆,提高目标车辆的精确性,是对目标车辆发送预警信息,以实现对目标车辆的预警,提高预警精确性。
第二方面,本申请一个实施例提供一种预警装置,所述装置包括:
第一确定模块,用于确定当前时刻横穿道路的目标对象,所述目标对象横穿的道路为第一道路;
第二确定模块,用于根据所述目标对象的位置,确定目标区域;
第三确定模块,用于根据在所述第一道路中的车辆的位置以及所述目标区域,确定在所述第一道路中的目标车辆;
第一发送模块,用于向所述目标车辆发送预警信息。
确定当前时刻横穿道路的目标对象后,需确定在目标对象横穿的第一道路中的车辆中确定目标车辆,是对目标车辆进行预警,而不是在确定横穿目标对象后对第一道路中的所有车辆进行预警,提高预警精确性。且从在第一道路的车辆中确定目标车辆过程中,利用的是在第一道路中的车辆的位置以及利用横穿道路的目标对象的位置确定的目标车辆,提高目标车辆的精确性,是对目标车辆发送预警信息,以实现对目标车辆的预警,提高预警精确性。
第三方面,本申请一个实施例还提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请各实施例提供的方法。
第四方面,本申请一个实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本申请各实施例提供的方法。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请提供的一个实施例的预警方法的流程示意图之一;
图2是本申请提供的一个实施例的预警方法的流程示意图之二;
图3是本申请提供的一个实施例的预警方法的流程示意图之三;
图4是本申请提供的一个实施例的预警方法的应用场景图;
图5是本申请提供的一个实施例的预警装置的结构图之一;
图6是本申请提供的一个实施例的预警装置的结构图之二;
图7是用来实现本申请实施例的预警方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,根据本申请的实施例,本申请提供一种预警方法,可应用于路侧设备,方法包括:
步骤S101:确定当前时刻横穿道路的目标对象。
本申请实施例的预警方法,可用于智能交通场景。目标对象可以是目标行人、目标车辆(例如,可以是目标机动车辆或非机动车辆),由于对象(行人、机动车辆或非机动车辆)横穿道路对该道路中的车辆的行驶会造成一定的影响,若车辆的驾驶员在对象很穿道路时来不及反应,容易导致交通事故。为了行驶安全,在本实施例中,提供一种预警方法,首先确定当前时刻横穿道路的目标对象,其中,目标对象横穿的道路为第一道路,可以理解,目标对象所在的道路为第一道路。
步骤S102:根据目标对象的位置,确定目标区域。
例如,目标区域可以是以目标对象的位置为中心,第一半径范围内的区域。作为一个示例,可根据目标对象的位置、朝向以及速度,确定目标区域,如此,确定的目标区域与目标对象的位置、朝向以及速度均有关,提高目标区域的精确性。上述第一半径可由目标对象的朝向以及速度确定等。
步骤S103:根据在第一道路中的车辆的位置以及目标区域,确定在第一道路中的目标车辆。
目标对象横穿第一道路,在确定目标区域后,可根据在第一道路中的车辆的位置,从第一道路的车辆中确定受目标对象横穿道路影响较大的目标车辆。通过设置目标区域,以目标区域作为预警基础,不再以目标对象的位置为预警基础,相对于目标对象的位置的范围,目标区域的范围增加了,从而,可扩大进行预警的目标车辆与发生横穿道路的目标对象的位置之间的范围,从而提高车辆行驶安全。可以理解,目标车辆为在第一道路的车辆中受目标对象横穿第一道路影响较大的车辆,离目标对象的位置较近,或者也可以理解,目标车辆为在第一道路的车辆中到达目标区域较快的车辆,以当前时刻为基准,目标车辆到达目标区域所需的时长比在第一道路中其他车辆到达目标区域所需的时长短。
步骤S104:向目标车辆发送预警信息。
确定目标车辆后,即可向目标车辆发送预警信息,以提示前方有目标对象横穿道路,如此,目标车辆的驾驶员可根据情况采取规避措施等。
本申请实施例的预警方法中,确定当前时刻横穿道路的目标对象后,需确定在目标对象横穿的第一道路中的车辆中确定目标车辆,是对目标车辆进行预警,而不是在确定横穿目标对象后对第一道路中的所有车辆进行预警,提高预警精确性。且从在第一道路的车辆中确定目标车辆过程中,利用的是在第一道路中的车辆的位置以及利用横穿道路的目标对象的位置确定的目标车辆,提高目标车辆的精确性,是对目标车辆发送预警信息,以实现对目标车辆的预警,提高预警精确性。
如图2所示,在一个实施例中,确定当前时刻横穿道路的目标对象的步骤S101,包括:
S1011:确定在当前时刻候选对象所在的道路以及候选对象在当前时刻的行进方向;
S1012:根据候选对象的行进方向与候选对象所在的道路的方向之间的夹角,从候选对象中确定目标对象。
在当前时刻候选对象可以是路侧设备在当前时刻能够检测到的对象,例如,在当前时刻候选对象可包括在当前时刻可与路侧设备通信且在当前时刻之前第一时刻可与路侧设备通信的对象以及对摄像头在当前时刻采集的图像进行识别到的且满足预设要求的对象等,其中,预设要求可以是在当前时刻之前第一时刻采集的图像中有识别到,第一时刻可以理解为在当前时刻之前最近一次进行预警方法过程的时刻,第一时刻与当前时刻之间的时间差为预设间隔时长,预设间隔时长可根据实际情况进行预先定,即每间隔预设间隔时长进行一次预警方法的过程,即第一时刻为当前时刻之前相邻进行预警方法过程的时刻。
在确定当前时刻横穿道路的目标对象的过程中,先确定候选对象所在的道路以及行进方向,然后确定候选对象的行进方向与候选对象所在的道路的方向之间的夹角,根据候选对象的行进方向与候选对象所在的道路的方向之间的夹角,从候选对象中确定目标对象,提高确定横穿目标对象的准确性。作为一个示例,可通过判夹角是否在预设夹角范围内,以确定目标对象,即从候选对象中确定夹角在预设夹角范围内的目标对象。预设夹角范围是根据历史经验数据确定的,例如,预设夹角范围可以是[60°,120°]。
在一个实施例中,确定在当前时刻候选对象所在的道路以及候选对象在所述当前时刻的行进方向,包括:通过车与路之间V2I通信方式获取在当前时刻的第一候选对象的第一位置,以及通过目标检测方式获取在当前时刻的第二候选对象的第二位置;合并第一候选对象的第一位置以及第二候选对象的第二位置,得到在当前时刻候选对象的位置;根据在当前时刻的候选对象的位置,以及在当前时刻之前且与当前时刻相邻的第一时刻,候选对象的位置,计算在当前时刻的候选对象的行进方向;根据候选对象的位置以及地图数据,确定候选对象所在的道路。
在当前时刻的第一候选对象为在当前时刻能与路侧设备进行V2I通信且在第一时刻能与路侧设备进行V2I通信且已接收第一候选对象发送的在第一时刻第一候选对象的位置的对象,第一候选对象可通过V2I通信方式将自身在当前时刻的第一位置发送给路侧设备,且在第一时刻第一候选对象已通过V2I通信方式将自身在第一时刻的位置发送给路侧设备,即路侧设备通过V2I通信方式接收第一候选对象发送的第一位置,且已接收第一候选对象通过V2I通信方式发送的自身在第一时刻的位置。
另外,可通过摄像头采集在当前时刻的第一图像,通过目标检测方式对第一图像进行处理,得到第二候选对象的位置。作为一个示例,通过目标检测方式获取在当前时刻的第二候选对象的第二位置可以包括:获取摄像头当前时刻采集的第一图像;对第一图像进行对象识别,确定第一图像中的第一对象以及第一对象在第一图像中的位置;根据第一对象在第一图像中的位置、摄像头的位置以及摄像头的内参信息,确定第一对象的第一地理位置;基于第一图像、第一对象在第一图像中的位置、摄像头在第一时刻采集的第二图像以及第二对象在第二图像中的位置,通过多目标跟踪模型确定在当前时刻的第二候选对象,其中,第二对象为对第二图像进行对象识别确定的对象。第一对象包括第二候选对象,第二对象包括第二候选对象;获取第二候选对象的第二位置,第二候选对象的第二位置为第二候选对象的第一地理位置。
合并第一候选对象的第一位置以及第二候选对象的第二位置,可以理解为基于第一候选对象和第二候选对象,对第一候选对象的第一位置以及第二候选对象的第二位置求并集,即合并后的候选对象是第一候选对象和第二候选对象并集的结果,且候选对象中在第一候选对象以及第二候选对象中存在的对象,其对应的位置选择第一候选对象的第一位置。
然后,根据在当前时刻的候选对象的位置,以及在当前时刻之前且与当前时刻相邻的第一时刻,候选对象的位置,计算在当前时刻的候选对象的行进方向,以及根据候选对象的位置以及地图数据,确定候选对象所在的道路即可。对于候选对象中属于第二候选对象的对象,在第一时刻,该对象的位置,为在第一时刻,该对象的第二地理位置,该对象的第二地理位置根据该对象在第二图像中的位置、摄像头的位置以及摄像头的内参信息确定的位置。对于候选对象中属于第一候选对象的对象,在第一时刻,该对象的位置,为在第一时刻通过V2I通信方式获取的该对象的位置。作为一个示例,利用在当前时刻的候选对象的位置、在第一时刻候选对象的位置以及当前时刻与第一时刻之间的时间差,可计算在当前时刻的候选对象的行进方向。
在本实施例中,可通过车与路之间V2I通信方式获取在当前时刻的第一候选对象的第一位置,以及通过目标检测方式获取在当前时刻的第二候选对象的第二位置;合并第一候选对象的第一位置以及第二候选对象的第二位置,得到在当前时刻候选对象的位置,利用在当前时刻的候选对象的位置,以及在当前时刻之前且与当前时刻相邻的第一时刻,候选对象的位置,计算在当前时刻的候选对象的行进方向,提高行进方向的准确性。
在一个实施例中,根据目标对象的位置,确定目标区域,包括:根据目标对象的位置,确定第一预设时长对应的目标区域。
具体可根据目标对象的位置、目标对象的朝向、目标对象的速度以及第一预设时长,确定第一预设时长对应的目标区域。第一预设时长可根据实际需求进行预先设定,例如,第一预设时长可以为1秒、3秒、5秒等,本申请实施例不作限定。
目标对象横穿第一道路,在第一道路的车辆中可能包括经过一定时长后到达目标对象的位置对应的区域,可在车辆到达该区域之前,提前一定时长进行预警,从而,在本实施例中,目标区域为根据目标对象的位置,确定的第一预设时长对应的目标区域,在目标车辆到达目标区域之前,提前第一预设时长预警,提高车辆行驶安全。
如图3所示,在一个实施例中,根据在第一道路中的车辆的位置以及目标区域,确定在第一道路中的目标车辆的步骤S103,包括:
S1031:根据在所述第一道路中的车辆的位置、所述第一预设时长以及在所述第一道路中的车辆在当前时刻的行进速度,计算在所述第一道路中的车辆经过第一预设时长达到的目标位置;
S1032:根据在所述第一道路中的车辆的目标位置与目标区域之间的距离,从在所述第一道路中的车辆中确定目标车辆。
目标车辆可以理解为受影响车辆,利用在所述第一道路中的车辆在当前时刻的位置基础上经过第一预设时长达到的目标位置与目标区域之间的距离,从在所述第一道路中的车辆中确定目标车辆,提高目标车辆的精确性,从而提高预警精确性。作为一个示例,可从在第一道路中的车辆中确定目标位置与目标区域之间的距离小于预设距离的目标车辆,即目标车辆的目标位置与目标区域之间的距离小于预设距离,以提高目标车辆的精确性,提高预警精确性。
在一个实施例中,根据目标对象的位置,确定目标区域之后,向目标对象发送预警信息之前,还包括:在目标对象的位置为路口位置且第一道路的交通指示灯的颜色为第一预设颜色,或目标对象的位置不为路口位置的情况下,根据目标对象以及第一预设时长,生成预警信息。
第一预设颜色为指示车辆停止行驶的颜色,例如,可以为红色。在路口位置一般设置有交通指示灯,在目标对象的位置为路口位置且第一道路的交通指示灯的颜色不为第一预设颜色,表示目标对象在路口位置横穿第一道路且在第一道路未指示车辆停止行驶,此时,目标对象不被允许横穿第一道路,目标对象横穿第一道路,容易造成交通事故,从而,可生成预警信息,向目标车辆提示前方有目标对象横穿道路,预计在第一预设时长后经过目标区域,提高预警精确性。
下面以具体实施例对上述方法的过程加以说明,如图4所示。需要说明的是,V2X:Vehicle to Everything,即车用无线通信技术,是将车辆与一切事物相连接的新一代信息通信技术。V2X交互的信息模式包括:V2V(Vehicle to Vehicle,车与车之间)、V2P(Vehicleto Pedestrian,车与人之间)、V2I(Vehicle to Infrastructure,车与路之间)以及V2N(车与网络之间)。
RSU:Road Side Unit,路侧单元(即路侧设备),安装在路侧,是采集当前的道路状况、交通状况等信息,通过通讯网络,将信息传递至指挥中心或路侧处理单元进行处理,在裁定相关信息后通过网络传递至车载终端,辅助驾驶员进行驾驶的单元。采用DSRC(Dedicated Short Range Communication,专用短距离通信)或C-V2X(Cellular V2X,蜂窝车联网通信)技术,与车载单元进行通讯。
OBU:On Board Unit,即车载单元。OBU是一种安装在车辆上用于实现V2X通信的硬件设备,可实现和其他车辆OBU、路侧RSU、行人和V2X平台之间通讯。OBU上需要集成通讯网络,包括4G/5G通信芯片和模组,LTE-V2X/5G NR-V2X通信芯片和模组。
另外,对于行人,可携带与RSU通信的设备,例如,穿戴设备以及移动设备等,如此,可实现与RSU的通信,将行人的位置发送给RSU。
在本实施例中,通过预警系统实现上述预警方法的过程,预警系统可包括横穿识别模块、预警生成模块、影响车辆定位模块以及预警交互模块。
对于横穿识别模块,首先,识别对象,一种方式是基于V2I的识别方式,RSU可以基于V2I通信方式与对象(行人、非机动车以及机动车等)交互,以获取当前时间t0,对象的位置Lt0。
另一种方式是基于视觉技术识别方式,即基于路侧摄像头,将实时影像通过5G网络接入移动边缘计算节点(MEC),移动边缘计算节点进行目标跟踪,具体过程如下:
首先,基于图像识别方式识别不同对象以及对象在图像中的位置。
基于预训练的基于深度神经网络,检测图像中是否存在对象以及对应的位置。具体的可以采用Faster-RCNN、YOLO、SSD等目标检测框架,本例中可选择Faster-RCNN作为检测框架。基于标注的样本以及所选择的深度网络进行模型进行训练,得到训练的可细分对象(行人、非机动车、机动车)的识别模型。具体深度神经网络模型可以选择ResNet、Inception系列模型,例如,本实施例可选择ResNet网络作为识别模型。然后根据检测的图像中对象在图像中的位置息,以及路侧摄像头的位置以及内参信息,通过视觉定位方法,可以得到当前时间t0,对象的位置
然后,基于多目标追踪方式进行目标跟踪。
通过路侧摄像头的视频数据抽取序列图像,并利用人工标注的方式标注不同对象在序列图像中的位置信息,利用基于深度学习的多目标跟踪模型,比如Deep Sort模型,对样本进行训练。针对路侧摄像头的视频数据,利用识别模型,检测每帧图像包含对象,之后利用Deep Sort模型预测每一个对象的轨迹信息。
具体地,例如,如果当前时刻t时刻是初始时刻,无需追踪和计算。在t时刻不是初始时刻的情况下,基于上一时刻t1的图像可以获取到图像中对象和在图像中位置,继而获取现实中的地理位置和基于t1的图像以及其中对象的和在图像中的位置,以及当前时刻t0对应的图像及中识别的对象和在中的位置,基于多目标追踪模型,可以确定与是同一个对象,则该对象为第二候选对象,该对象在t1时刻,实际位置为在当前时刻t0,实际位置为
其次,通过以及地图数据,可以获取到对象所在的道路L,根据道路的方向与对象行进方向,可以计算对象行进方向与道路方向的夹角θ,如果θ在一定范围内,比如[60°,120°],则认为对象横穿道路L,则该对象为目标对象。
对于,预警生成模块,对于识别为存在横穿道路L的目标对象,根据以下方式生成预警:
根据横穿位置判断,如果是在路口,且当前道路的红绿灯状态为红灯,则不生成预警信息。如果不是在路口或在路口但红绿灯状态不为红灯,则根据目标对象当前位置、朝向、速度,生成一定时长t(比如5秒)内的受影响区域Rw。
根据当前时间t0,目标对象,时长t,区域Rw生成预警信息。比如目标对象为行人,t为5秒,则预警为<t0,Rw,行人,5秒,预警信息>,预警信息可以通过模板生成,比如『前方有行人横穿马路,预计5秒内经过行驶区域』
对于,影响车辆定位模块,对于t0时刻,所有接入当前RSU的车辆集合C={C1,C2,…,Cn},车辆集合中车辆数量为n,n为正整数,对于集合C中任一车辆Ci(集合C中第i个车辆),1≤i≤n,i为正整数,通过V2I,RSU可以获取Ci的当前位置朝向速度等信息。通过位置与朝向,以及地图数据,确定车辆是否行驶在道路L。对于行驶在道路L上的车辆,通过以上信息综合判断出,根据公式*表示乘号,计算车辆Ci经过一定时长t车辆到达的目标位置Li,t。
如果该目标位置与检测到的横穿马路或突然闯出的行人、非机动车及机动车的受影响区域的距离在一定阈值以内,则该车辆Ci为受影响车辆,基于此方法可以得到受影响的车辆集合C~,即目标车辆。
对于,预警交互模块,对于每个车辆(Cj)~∈C~,(Cj)~为C~中第j个车辆,j为整数,RSU通过V2I的交互方式,将预警生成模块生成的预警信息,发送到车辆(Cj)~的OBU中,OBU通过预警播报方式,提醒驾驶员。
RSU检测是否存在路人、机动车、非机动车突然闯出或横穿马路,定位受影响区域,并生成预警信息。通过RSU与OBU交互,定位车辆位置及速度等信息。根据受影响区域与车辆信息,确定受影响车辆。通过RSU与OBU交互,将预警信息发动到受影响车辆,及时预警驾驶员采取规避措施。
本申请方案中,综合V2X及5G、边缘计算的方式能够更全面、快速的识别行人、非机动车及机动车的突然闯出,提供更及时的预警。V2X提供低时延、高可靠的超视距通信能力,基于V2X的交互方式,通过实时获取行人、非机动车及机动车的位置、行进方向以及速度信息,能够更及时的识别行人、非机动车及机动车的突然闯出行为。对于无法通过V2X交互的对象,基于路侧监控摄像头、车载摄像头,将实时影像通过5G网络接入移动边缘计算节点,移动边缘计算节点通过视觉技术检测识别行人、非机动车及机动车的突然闯出行为。5G网络具有低时延、高并发的优势,结合基于MEC的部署方式,将视觉算法模型提前部署,形成本地化和近距离部署,可以有效减少数据在网络传输中的时间消耗。通过综合V2X及基于5G、边缘计算的视觉检测的方式,提供更全面、快速的识别行人、非机动车及机动车的突然闯出,为驾驶员提供更及时的预警。
另外,基于V2X实现更精准定位受到影响的车辆,降低误报警带来的干扰。通过RSU与OBU交互,可以定位到所有接入当前RSU的车辆位置、朝向、速度等信息,通过以上信息综合判断出,后续一定时间内车辆经过的区域。如果该区域与检测到的横穿马路或突然闯出的行人、非机动车及机动车的受影响区域的距离在一定阈值以内,则该车辆为受影响车辆。该种方式能够更精准的定位到具体受影响车辆,降低无差别预警播报带来的其他车辆驾驶员的慌乱。
请参考图5,本申请提供一种实施例的一种预警装置500,可应用于路侧设备,装置包括:
第一确定模块501,用于确定当前时刻横穿道路的目标对象,目标对象横穿的道路为第一道路;
第二确定模块502,用于根据目标对象的位置,确定目标区域;
第三确定模块503,用于根据在第一道路中的车辆的位置以及目标区域,确定在第一道路中的目标车辆;
第一发送模块504,用于向目标车辆发送预警信息。
请参考图6,在一个实施例中,第一确定模块501,包括:
第一确定子模块5011,用于确定在当前时刻候选对象所在的道路以及候选对象在当前时刻的行进方向;
第二确定子模块5012,用于根据候选对象的行进方向与候选对象所在的道路的方向之间的夹角,从候选对象中确定目标对象。
在一个实施例中,第一确定子模块,包括:
位置获取模块,用于通过车与路之间V2I通信方式获取在当前时刻的第一候选对象的第一位置,以及通过目标检测方式获取在当前时刻的第二候选对象的第二位置;
合并模块,用于合并第一候选对象的第一位置以及第二候选对象的第二位置,得到在当前时刻候选对象的位置;
计算模块,用于根据在当前时刻的候选对象的位置,以及在当前时刻之前且与当前时刻相邻的第一时刻,候选对象的位置,计算在当前时刻的候选对象的行进方向;
道路确定模块,用于根据候选对象的位置以及地图数据,确定候选对象所在的道路。
在一个实施例中,根据目标对象的位置,确定目标区域,包括:
根据目标对象的位置,确定第一预设时长对应的目标区域。
在一个实施例中,第三确定模块,包括:
目标位置计算模块,用于根据在第一道路中的车辆的位置、第一预设时长以及在第一道路中的车辆在当前时刻的行进速度,计算在第一道路中的车辆经过第一预设时长达到的目标位置;
目标车辆确定模块,用于根据在第一道路中的车辆的目标位置与目标区域之间的距离,从在第一道路中的车辆中确定目标车辆。
在一个实施例中,装置还包括:
报警信息生成模块,用于在目标对象的位置为路口位置且第一道路的交通指示灯的颜色不为第一预设颜色,或目标对象的位置不为路口位置的情况下,根据目标对象以及第一预设时长,生成预警信息。
上述各实施例的预警装置为实现上述各实施例的预警方法的装置,技术特征对应,技术效果对应,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的预警方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的预警方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的预警方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的预警方法对应的程序指令/模块(例如,附图5所示的第一确定模块501、第二确定模块502、第三确定模块503、第一发送模块504)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的预警方法。
存储器702可以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、至少一个功能所需要的应用程序;存储数据区可存储根据键盘显示的电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至键盘显示的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
预警方法的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与键盘显示的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,确定当前时刻横穿道路的目标对象后,需确定在目标对象横穿的第一道路中的车辆中确定目标车辆,是对目标车辆进行预警,而不是在确定横穿目标对象后对第一道路中的所有车辆进行预警,提高预警精确性。且从在第一道路的车辆中确定目标车辆过程中,利用的是在第一道路中的车辆的位置以及利用横穿道路的目标对象的位置确定的目标车辆,提高目标车辆的精确性,是对目标车辆发送预警信息,以实现对目标车辆的预警,提高预警精确性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种预警方法,所述方法包括:
确定当前时刻横穿道路的目标对象,所述目标对象横穿的道路为第一道路;
根据所述目标对象的位置,确定目标区域;
根据在所述第一道路中的车辆的位置以及所述目标区域,确定在所述第一道路中的目标车辆;
向所述目标车辆发送预警信息。
2.根据权利要求1所述的方法,其中,所述确定当前时刻横穿道路的目标对象,包括:
确定在所述当前时刻候选对象所在的道路以及所述候选对象在所述当前时刻的行进方向;
根据所述候选对象的行进方向与所述候选对象所在的道路的方向之间的夹角,从所述候选对象中确定所述目标对象。
3.根据权利要求2所述的方法,其中,所述确定在所述当前时刻候选对象所在的道路以及所述候选对象在所述当前时刻的行进方向,包括:
通过车与路之间V2I通信方式获取在所述当前时刻的第一候选对象的第一位置,以及通过目标检测方式获取在所述当前时刻的第二候选对象的第二位置;
合并所述第一候选对象的第一位置以及所述第二候选对象的第二位置,得到在所述当前时刻所述候选对象的位置;
根据在所述当前时刻的候选对象的位置,以及在所述当前时刻之前且与所述当前时刻相邻的第一时刻,所述候选对象的位置,计算在所述当前时刻的所述候选对象的行进方向;
根据所述候选对象的位置以及地图数据,确定所述候选对象所在的道路。
4.根据权利要求1所述的方法,其中,所述根据所述目标对象的位置,确定目标区域,包括:
根据所述目标对象的位置,确定第一预设时长对应的所述目标区域。
5.根据权利要求4所述的方法,其中,所述根据在所述第一道路中的车辆的位置以及所述目标区域,确定在所述第一道路中的目标车辆,包括:
根据在所述第一道路中的车辆的位置、所述第一预设时长以及在所述第一道路中的车辆在当前时刻的行进速度,计算在所述第一道路中的车辆经过第一预设时长达到的目标位置;
根据在所述第一道路中的车辆的目标位置与目标区域之间的距离,从在所述第一道路中的车辆中确定目标车辆。
6.根据权利要求4所述的方法,其中,所述根据所述目标对象的位置,确定目标区域之后,所述向所述目标对象发送预警信息之前,还包括:
在所述目标对象的位置为路口位置且所述第一道路的交通指示灯的颜色不为第一预设颜色,或所述目标对象的位置不为路口位置的情况下,根据所述目标对象以及所述第一预设时长,生成所述预警信息。
7.一种预警装置,所述装置包括:
第一确定模块,用于确定当前时刻横穿道路的目标对象,所述目标对象横穿的道路为第一道路;
第二确定模块,用于根据所述目标对象的位置,确定目标区域;
第三确定模块,用于根据在所述第一道路中的车辆的位置以及所述目标区域,确定在所述第一道路中的目标车辆;
第一发送模块,用于向所述目标车辆发送预警信息。
8.根据权利要求7所述的装置,其中,所述第一确定模块,包括:
第一确定子模块,用于确定在所述当前时刻候选对象所在的道路以及所述候选对象在所述当前时刻的行进方向;
第二确定子模块,用于根据所述候选对象的行进方向与所述候选对象所在的道路的方向之间的夹角,从所述候选对象中确定所述目标对象。
9.根据权利要求8所述的装置,其中,所述第一确定子模块,包括:
位置获取模块,用于通过车与路之间V2I通信方式获取在所述当前时刻的第一候选对象的第一位置,以及通过目标检测方式获取在所述当前时刻的第二候选对象的第二位置;
合并模块,用于合并所述第一候选对象的第一位置以及所述第二候选对象的第二位置,得到在所述当前时刻所述候选对象的位置;
计算模块,用于根据在所述当前时刻的候选对象的位置,以及在所述当前时刻之前且与所述当前时刻相邻的第一时刻,所述候选对象的位置,计算在所述当前时刻的所述候选对象的行进方向;
道路确定模块,用于根据所述候选对象的位置以及地图数据,确定所述候选对象所在的道路。
10.根据权利要求7所述的装置,其中,所述根据所述目标对象的位置,确定目标区域,包括:
根据所述目标对象的位置,确定第一预设时长对应的所述目标区域。
11.根据权利要求10所述的装置,其中,所述第三确定模块,包括:
目标位置计算模块,用于根据在所述第一道路中的车辆的位置、所述第一预设时长以及在所述第一道路中的车辆在当前时刻的行进速度,计算在所述第一道路中的车辆经过第一预设时长达到的目标位置;
目标车辆确定模块,用于根据在所述第一道路中的车辆的目标位置与目标区域之间的距离,从在所述第一道路中的车辆中确定目标车辆。
12.根据权利要求10所述的装置,其中,还包括:
报警信息生成模块,用于在所述目标对象的位置为路口位置且所述第一道路的交通指示灯的颜色不为第一预设颜色,或所述目标对象的位置不为路口位置的情况下,根据所述目标对象以及所述第一预设时长,生成所述预警信息。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-6任一所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如权利要求1-6任一所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010611196.3A CN111739344B (zh) | 2020-06-29 | 2020-06-29 | 一种预警方法、装置及电子设备 |
US17/034,360 US11645909B2 (en) | 2020-06-29 | 2020-09-28 | Method, apparatus and electronic device for early-warning |
EP21150020.2A EP3933803A1 (en) | 2020-06-29 | 2021-01-04 | Method, apparatus and electronic device for early-warning |
JP2021042138A JP7266627B2 (ja) | 2020-06-29 | 2021-03-16 | 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品 |
KR1020210034411A KR20210038852A (ko) | 2020-06-29 | 2021-03-17 | 조기 경보 방법, 장치, 전자 기기, 컴퓨터 판독 가능 저장 매체 및 컴퓨터 프로그램 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010611196.3A CN111739344B (zh) | 2020-06-29 | 2020-06-29 | 一种预警方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111739344A true CN111739344A (zh) | 2020-10-02 |
CN111739344B CN111739344B (zh) | 2022-11-08 |
Family
ID=72653666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010611196.3A Active CN111739344B (zh) | 2020-06-29 | 2020-06-29 | 一种预警方法、装置及电子设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11645909B2 (zh) |
EP (1) | EP3933803A1 (zh) |
JP (1) | JP7266627B2 (zh) |
KR (1) | KR20210038852A (zh) |
CN (1) | CN111739344B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541464A (zh) * | 2020-12-21 | 2021-03-23 | 北京百度网讯科技有限公司 | 关联道路对象的确定方法、装置、路侧设备和云控平台 |
CN113793479A (zh) * | 2021-11-17 | 2021-12-14 | 聊城中塑电子科技有限公司 | 基于车联网的人员危险感知方法、系统及电子设备 |
CN115346396A (zh) * | 2022-06-27 | 2022-11-15 | 浙江大华技术股份有限公司 | 盲区预警方法、装置、系统、终端及计算机可读存储介质 |
CN115482679A (zh) * | 2022-09-15 | 2022-12-16 | 深圳海星智驾科技有限公司 | 一种自动驾驶盲区预警方法、装置和消息服务器 |
CN116824859A (zh) * | 2023-07-21 | 2023-09-29 | 佛山市新基建科技有限公司 | 一种基于物联网的智慧交通大数据分析系统 |
CN115482679B (zh) * | 2022-09-15 | 2024-04-26 | 深圳海星智驾科技有限公司 | 一种自动驾驶盲区预警方法、装置和消息服务器 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739344B (zh) * | 2020-06-29 | 2022-11-08 | 北京百度网讯科技有限公司 | 一种预警方法、装置及电子设备 |
JP7422712B2 (ja) | 2021-09-22 | 2024-01-26 | 三菱電機株式会社 | 車外報知制御装置、車外報知制御システム、および車外報知制御方法 |
US11940544B2 (en) * | 2021-10-25 | 2024-03-26 | Ford Global Technologies, Llc | Vehicle positioning using V2X RSU messaging and vehicular sensors |
CN114373295B (zh) * | 2021-11-30 | 2023-10-20 | 江铃汽车股份有限公司 | 一种行车安全预警方法、系统、存储介质及设备 |
CN115205825B (zh) * | 2022-07-15 | 2023-06-09 | 宜宾学院 | 基于改进yolov5的行车视频序列图像检测识别交通标志方法 |
CN115331441A (zh) * | 2022-08-09 | 2022-11-11 | 贵阳信息技术研究院 | 一种基于车路协同的狭窄弯道通行控制系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003095046A (ja) * | 2001-09-20 | 2003-04-03 | Nissan Motor Co Ltd | 車両の横切り障害警報装置 |
CN104240527A (zh) * | 2014-09-09 | 2014-12-24 | 广东欧珀移动通信有限公司 | 路况预警方法与装置 |
JP2015114931A (ja) * | 2013-12-13 | 2015-06-22 | 三菱電機株式会社 | 車両警告装置、サーバ装置および車両警告システム |
CN105095869A (zh) * | 2015-07-24 | 2015-11-25 | 深圳市佳信捷技术股份有限公司 | 行人检测方法及装置 |
CN105206110A (zh) * | 2015-08-14 | 2015-12-30 | 深圳市兴创时代科技有限公司 | 一种交通预警方法及系统 |
CN106740838A (zh) * | 2016-12-10 | 2017-05-31 | 江门市蓬江区弘亿电子科技有限公司 | 一种车辆危险预警系统 |
CN108674413A (zh) * | 2018-05-18 | 2018-10-19 | 广州小鹏汽车科技有限公司 | 车辆行人碰撞预防方法及系统 |
CN110588641A (zh) * | 2019-09-06 | 2019-12-20 | 爱驰汽车有限公司 | 前向目标横穿警告方法及系统 |
CN110838231A (zh) * | 2019-12-09 | 2020-02-25 | 苏州金螳螂怡和科技有限公司 | 一种行人过街智能检测系统及方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8340894B2 (en) * | 2009-10-08 | 2012-12-25 | Honda Motor Co., Ltd. | Method of dynamic intersection mapping |
US9129525B2 (en) * | 2013-07-31 | 2015-09-08 | Motorola Solutions, Inc. | Traffic light control using destination information in calendar data of a user device |
JP6429368B2 (ja) | 2013-08-02 | 2018-11-28 | 本田技研工業株式会社 | 歩車間通信システムおよび方法 |
US9786178B1 (en) | 2013-08-02 | 2017-10-10 | Honda Motor Co., Ltd. | Vehicle pedestrian safety system and methods of use and manufacture thereof |
JP6537780B2 (ja) | 2014-04-09 | 2019-07-03 | 日立オートモティブシステムズ株式会社 | 走行制御装置、車載用表示装置、及び走行制御システム |
CN105761500B (zh) * | 2016-05-10 | 2019-02-22 | 腾讯科技(深圳)有限公司 | 交通事故处理方法及交通事故处理装置 |
WO2018128946A1 (en) | 2017-01-06 | 2018-07-12 | Pcms Holdings, Inc. | Method for providing vulnerable road user warnings in a blind spot of a parked vehicle |
CN108039046B (zh) | 2018-01-05 | 2021-02-09 | 重庆邮电大学 | 一种基于c-v2x的城市交叉路口行人检测识别系统 |
US11094191B2 (en) * | 2018-04-27 | 2021-08-17 | Iurii V. Iuzifovich | Distributed safety infrastructure for autonomous vehicles and methods of use |
JP2019215785A (ja) | 2018-06-14 | 2019-12-19 | 住友電気工業株式会社 | 情報提供装置、情報提供方法及びコンピュータプログラム |
US10347132B1 (en) | 2018-10-30 | 2019-07-09 | GM Global Technology Operations LLC | Adjacent pedestrian collision mitigation |
US10661795B1 (en) | 2018-12-20 | 2020-05-26 | Verizon Patent And Licensing Inc. | Collision detection platform |
US11157007B2 (en) * | 2019-06-28 | 2021-10-26 | Lyft, Inc. | Approaches for encoding environmental information |
US10625748B1 (en) * | 2019-06-28 | 2020-04-21 | Lyft, Inc. | Approaches for encoding environmental information |
US11449475B2 (en) * | 2019-06-28 | 2022-09-20 | Lyft, Inc. | Approaches for encoding environmental information |
CN113284366B (zh) | 2019-08-12 | 2022-05-27 | 腾讯科技(深圳)有限公司 | 车辆盲区预警方法、预警装置、mec平台和存储介质 |
US11788846B2 (en) * | 2019-09-30 | 2023-10-17 | Lyft, Inc. | Mapping and determining scenarios for geographic regions |
US20210124355A1 (en) * | 2019-10-23 | 2021-04-29 | Lyft, Inc. | Approaches for encoding environmental information |
CN111739344B (zh) * | 2020-06-29 | 2022-11-08 | 北京百度网讯科技有限公司 | 一种预警方法、装置及电子设备 |
-
2020
- 2020-06-29 CN CN202010611196.3A patent/CN111739344B/zh active Active
- 2020-09-28 US US17/034,360 patent/US11645909B2/en active Active
-
2021
- 2021-01-04 EP EP21150020.2A patent/EP3933803A1/en active Pending
- 2021-03-16 JP JP2021042138A patent/JP7266627B2/ja active Active
- 2021-03-17 KR KR1020210034411A patent/KR20210038852A/ko unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003095046A (ja) * | 2001-09-20 | 2003-04-03 | Nissan Motor Co Ltd | 車両の横切り障害警報装置 |
JP2015114931A (ja) * | 2013-12-13 | 2015-06-22 | 三菱電機株式会社 | 車両警告装置、サーバ装置および車両警告システム |
CN104240527A (zh) * | 2014-09-09 | 2014-12-24 | 广东欧珀移动通信有限公司 | 路况预警方法与装置 |
CN105095869A (zh) * | 2015-07-24 | 2015-11-25 | 深圳市佳信捷技术股份有限公司 | 行人检测方法及装置 |
CN105206110A (zh) * | 2015-08-14 | 2015-12-30 | 深圳市兴创时代科技有限公司 | 一种交通预警方法及系统 |
CN106740838A (zh) * | 2016-12-10 | 2017-05-31 | 江门市蓬江区弘亿电子科技有限公司 | 一种车辆危险预警系统 |
CN108674413A (zh) * | 2018-05-18 | 2018-10-19 | 广州小鹏汽车科技有限公司 | 车辆行人碰撞预防方法及系统 |
CN110588641A (zh) * | 2019-09-06 | 2019-12-20 | 爱驰汽车有限公司 | 前向目标横穿警告方法及系统 |
CN110838231A (zh) * | 2019-12-09 | 2020-02-25 | 苏州金螳螂怡和科技有限公司 | 一种行人过街智能检测系统及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541464A (zh) * | 2020-12-21 | 2021-03-23 | 北京百度网讯科技有限公司 | 关联道路对象的确定方法、装置、路侧设备和云控平台 |
CN113793479A (zh) * | 2021-11-17 | 2021-12-14 | 聊城中塑电子科技有限公司 | 基于车联网的人员危险感知方法、系统及电子设备 |
CN115346396A (zh) * | 2022-06-27 | 2022-11-15 | 浙江大华技术股份有限公司 | 盲区预警方法、装置、系统、终端及计算机可读存储介质 |
CN115482679A (zh) * | 2022-09-15 | 2022-12-16 | 深圳海星智驾科技有限公司 | 一种自动驾驶盲区预警方法、装置和消息服务器 |
CN115482679B (zh) * | 2022-09-15 | 2024-04-26 | 深圳海星智驾科技有限公司 | 一种自动驾驶盲区预警方法、装置和消息服务器 |
CN116824859A (zh) * | 2023-07-21 | 2023-09-29 | 佛山市新基建科技有限公司 | 一种基于物联网的智慧交通大数据分析系统 |
CN116824859B (zh) * | 2023-07-21 | 2024-04-05 | 佛山市新基建科技有限公司 | 一种基于物联网的智慧交通大数据分析系统 |
Also Published As
Publication number | Publication date |
---|---|
JP7266627B2 (ja) | 2023-04-28 |
CN111739344B (zh) | 2022-11-08 |
US11645909B2 (en) | 2023-05-09 |
KR20210038852A (ko) | 2021-04-08 |
US20210407291A1 (en) | 2021-12-30 |
EP3933803A1 (en) | 2022-01-05 |
JP2021101354A (ja) | 2021-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111739344B (zh) | 一种预警方法、装置及电子设备 | |
CN112092827B (zh) | 自动驾驶功能控制方法、装置、电子设备及存储介质 | |
US11887376B2 (en) | Method and apparatus of estimating road condition, and method and apparatus of establishing road condition estimation model | |
US20220230449A1 (en) | Automatically perceiving travel signals | |
CN112634611B (zh) | 用于识别路况的方法、装置、设备以及存储介质 | |
US10650256B2 (en) | Automatically perceiving travel signals | |
CN112581763A (zh) | 道路事件检测的方法、装置、设备和存储介质 | |
CN112106124A (zh) | 用于使用v2x和传感器数据的系统和方法 | |
CN113741485A (zh) | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 | |
EP3893221A1 (en) | Event detection method and apparatus for cloud control platform, device, and storage medium | |
US20180299893A1 (en) | Automatically perceiving travel signals | |
CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
CN112580571A (zh) | 车辆行驶的控制方法、装置及电子设备 | |
CN112101223B (zh) | 检测方法、装置、设备和计算机存储介质 | |
US20180300566A1 (en) | Automatically perceiving travel signals | |
JP2021100847A (ja) | 車両カーブ走行用情報処理方法及び装置 | |
CN111540010A (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN114333312A (zh) | 一种道路交通环境信息的展示方法、装置以及电子设备 | |
CN111640301B (zh) | 故障车辆检测方法及包括路侧单元的故障车辆检测系统 | |
CN116295496A (zh) | 一种自动驾驶车辆路径规划方法、装置、设备及介质 | |
CN114771576A (zh) | 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆 | |
CN111563046B (zh) | 用于生成信息的方法和装置 | |
CN114596706B (zh) | 路侧感知系统的检测方法及装置、电子设备和路侧设备 | |
CN114596706A (zh) | 路侧感知系统的检测方法及装置、电子设备和路侧设备 | |
CN114863709A (zh) | 道路数据处理方法、装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |