CN111873910A - 一种车辆盲区智能规避系统 - Google Patents
一种车辆盲区智能规避系统 Download PDFInfo
- Publication number
- CN111873910A CN111873910A CN202010675170.5A CN202010675170A CN111873910A CN 111873910 A CN111873910 A CN 111873910A CN 202010675170 A CN202010675170 A CN 202010675170A CN 111873910 A CN111873910 A CN 111873910A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- blind area
- module
- shooting
- blind
- 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.)
- Withdrawn
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种车辆盲区智能规避系统,包括用户登录模块、视频共享请求模块、视频获取模块、GPS定位模块、监控分析模块提及提醒模块,监控分析模块进行盲区监控分析;监控分析模块将盲区监控分析结果发送至服务器盲区监控分析结果以图文并存的方式通过提醒模块进行显示提醒;当监控分析模块无法有效判定车辆盲区内的物体时,服务器利用外界摄像设备进行盲区车外分析,盲区车外分析结果以图文并存的方式通过提醒模块进行显示提醒,本发明在车辆启动时对车辆周围的情况进行查看和知晓,及时准确对驾驶人员进行显示提醒,同时在不增加汽车成本和汽车结构的情况下,利用外界摄像设备对车辆存在的各个盲区进行拍摄反馈。
Description
技术领域
本发明属于车辆技术领域,涉及车辆盲区规避技术,具体是一种车辆盲区智能规避系统。
背景技术
所谓车辆盲区,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车辆盲区。通常情况下,盲区分为车内盲区和车外盲区。车内盲区有的是车辆结构形成的,有的则是人为造成的。车外盲区是指因为固定或移动物体及光线问题造成的,不同车型遇到的盲区大小不同。车内盲区主要有四大视觉盲区以及一些人为盲区,四大视觉盲区主要为前盲区、后盲区、后盲区以及AB柱盲区。
现有技术中,由于车辆自身的因素和一些外界因素,车辆在行驶过程中,驾驶人视线有的时候会被自身车辆、两边的建筑物、绿化带或者其他车辆等遮挡产生盲区,如果这个时候有行人、非机动车或其他车辆突然出现在盲区,特别容易造成意外事故,特别是针对一些刚开始启动车辆,如果没有在启动前没有查看车辆四周的情况,,一旦有小孩处于车辆盲区中,将会产生惨痛教训,为此,我们提出一种车辆盲区智能规避系统。
发明内容
针对现有技术存在的不足,本发明目的是提供一种车辆盲区智能规避系统。
本发明所要解决的技术问题为:
(1)、如何在车辆启动时对车辆周围的情况进行查看和知晓,在发现物体时如何及时准确对驾驶人员进行显示提醒,从而有效避免因车辆盲区产生的意外事故;
(2)、如何在不增加汽车成本和汽车结构的情况下,利用外界摄像设备对车辆存在的各个盲区进行拍摄反馈,如何根据车辆的位置信息选择间距最近、拍摄画面最完整、拍摄最清晰、拍摄角度最恰当的摄像设备。
本发明的目的可以通过以下技术方案实现:
一种车辆盲区智能规避系统,包括服务器、用户登录模块、视频共享请求模块、视频获取模块、GPS定位模块、监控分析模块、提醒模块以及数据库;
所述用户登录模块用于录入终端用户的登录信息和注册信息,终端用户在已有账户时通过用户登录模块输入登录信息进行登录,终端用户在不存在账户时通过用户登录模块输入注册信息注册新的账户后进行首次登录;
所述视频共享请求模块用于终端用户发布视频共享请求;所述GPS定位模块用于定位该终端用户车辆所在的地理位置,所述视频获取模块根据终端用户车辆所在的地理位置,用于将车辆盲区的视频发送给终端用户;
所述监控分析模块包括全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元,所述测距单元具体为车辆上的距离传感器,所述温度测定单元具体为车辆上的热释电传感器,所述监控分析模块结合全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元用于车辆自身的盲区监控分析,所述提醒模块用于车辆盲区的监控提醒;
所述数据库用于存储和记录各类物体信息,所述服务器结合用户登录模块、视频共享请求模块、视频请求模块、GPS定位模块、监控分析模块以及提醒模块对车辆盲区进行规避分析,规避分析的具体步骤如下:
步骤一:监控分析模块和用户登录模块首先随车辆启动而工作;
步骤二:监控分析模块结合全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元进行盲区监控分析;
步骤三:监控分析模块将盲区监控分析结果发送至服务器,服务器调取数据库内的数据信息比对后,盲区监控分析结果以图文并存的方式通过提醒模块进行显示提醒;
步骤四:当监控分析模块无法有效判定车辆盲区内的物体时,服务器利用外界摄像设备进行盲区车外分析,盲区车外分析结果以图文并存的方式通过提醒模块进行显示提醒。
进一步地,所述规避分析的步骤二中盲区监控分析的具体步骤如下:
S1、设定车辆盲区障碍物的危险等级,分别划分为高危险等级Q1、中危险等级Q2以及低危险等级Q3,其中Q1≥L1、L1>Q2≥L2、L2>Q3≥L3,L1、L2、L3均预设危险值;
S2:在车辆启动时,利用全方位扫描单元分别对车辆的A、B、C、D、E、F六个盲区进行监控扫描;
S3:当车辆的六个盲区中任一盲区存在障碍物时,将该障碍物标记为Z,并以该车辆驾驶位为原点,建立直角坐标系X轴和Y轴,X轴与Y轴的交叉点为原点O;
S4:利用测向单元精确测得该障碍物处于E盲区;
S5:利用温度测定单元测得该障碍物的温度值W,利用测距单元测得原点O至障碍物的间距J;
S6:利用公式计算得出该障碍物Z的危险值P,具体公式如下:
P=(W*B1)+1/(J*B2),其中B1和B2均为预设固定数值;
S7:当危险值P≥L1时,则判定该车辆盲区的障碍物危险等级处于高危险等级Q1,进入S8步骤;
当危险值L1>P≥L2时,则判定该车辆盲区的障碍物危险等级处于中危险等级Q1,进入S8步骤;
当危险值L2>P≥L3时,则判定该车辆盲区的障碍物危险等级处于低危险等级Q1,进入S9步骤;
S8:利用轮廓描述单元对该障碍物Z进行轮廓边扫描,产生轮廓图发送至服务器,服务器将轮廓图与数据库中的数据信息进行比对分析,得出最相似的数据信息;
S9:盲区监控分析结果和危险性通过提醒模块进行显示。
进一步地,所述规避分析的步骤四中盲区车外分析的具体步骤如下:
S1:服务器通过GPS定位模块获取该车辆所处的地理位置,依据地理位置,通过视频共享请求模块发布视频共享请求,请求为车辆A、B、C、D、E、F六个盲区的任意一个盲区视频请求;
S2:根据所处车辆的地理位置进行选择分析,选择恰当的摄像设备,具体选择分析的步骤具体如下:
S21:获取该地理位置内的若干个摄像设备,并将其标记为Ki,i=1、……、n,对应的坐标分别为(Xk1,Yk1)、……、(Xkn,Ykn);
S22:当终端客户请求为车辆B盲区的盲区视频请求时,获取车辆B盲区在X轴上的坐标为(Xb,Yb);
S23:获取若干个摄像设备Ki至车辆B盲区的直线间距标记为Gi,i=1、……、n;
S25:设定若干个摄像设备Ki至车辆B盲区的直线间距最小值为M,且M=0,遍历数组G1、……、Gn,将M与直线间距值进行比较,若G1小于M,则将G1设置成最小值,依次类推,得出若干个摄像设备Gi中距离车辆B盲区的直线间距最小的摄像设备;
S26:若摄像设备G1、G2与车辆B盲区的直线间距值均相等,对摄像设备G1、G2拍摄车辆B盲区进行画面完整度分析,具体分析步骤如下:
S251:获取车辆B盲区中车辆的颜色,并标记为R;
S262:获取摄像设备G1、G2的拍摄画面,分别标记为Mg1、Mg2;
S263:分别获取拍摄画面Mg1和Mg2中该颜色的像素点,分别标记为R1、R2;
S264:获取画面Mg1和Mg2的宽度Wmg1、Wmg2,获取画面R1和R2的长度Hmg1、Hmg2;
S265:利用公式分别计算得出拍摄画面Mg1和Mg2上该颜色占比值Zmg1、Zmg2,公式如下:
Zmg1=R1/(Wmg1*Hmg1)+β,Zmg2=R2/(Wmg2*Hmg2)+β,其中β为修正系数,取值为0.0123165;
S266:若Zmg1>Zmg2,则判定拍摄画面Mg1该颜色占比值高,即摄像设备G1对车辆B盲区的拍摄画面完整度高;
若Zmg1<Zmg2,则判定拍摄画面Mg2该颜色占比值高,即摄像设备G2对车辆B盲区的拍摄画面完整度高;
S26:综合摄像设备的直线距离值和拍摄画面完整度,选择恰当的摄像设备;
S3:服务器获取该摄像设备的拍摄权限,摄像设备对车辆盲区进行拍摄;
S4:拍摄的图片经服务器图形处理后反馈至提醒模块。
进一步地,所述提醒模块还用于对障碍物进行标识和显示。
进一步地,所述摄像设备优先选择原则依次为拍摄直线间距值、拍摄画面完整度、拍摄清晰度以及拍摄角度。
与现有技术相比,本发明的有益效果是:
1、监控分析模块和用户登录模块首先随车辆启动而工作,监控分析模块结合全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元进行盲区监控分析,设定车辆盲区障碍物的危险等级,分别划分为高危险等级Q1、中危险等级Q2以及低危险等级Q3,其中Q1≥L1、L1>Q2≥L2、L2>Q3≥L3,L1、L2、L3均预设危险值,在车辆启动时,利用全方位扫描单元分别对车辆的A、B、C、D、E、F六个盲区进行监控扫描,当车辆的六个盲区中任一盲区存在障碍物时,将该障碍物标记为Z,并以该车辆驾驶位为原点,建立直角坐标系X轴和Y轴,X轴与Y轴的交叉点为原点O,利用测向单元精确测得该障碍物处于E盲区,利用温度测定单元测得该障碍物的温度值W,利用测距单元测得原点O至障碍物的间距J,利用公式P=(W*B1)+1/(J*B2)计算得出该障碍物Z的危险值P,当危险值P≥L1时,则判定该车辆盲区的障碍物危险等级处于高危险等级Q1,当危险值L1>P≥L2时,则判定该车辆盲区的障碍物危险等级处于中危险等级Q1,而后再次利用轮廓描述单元对该障碍物Z进行轮廓边扫描,产生的轮廓图发送至服务器,服务器将轮廓图与数据库中的数据信息进行比对分析,得出最相似的数据信息,最后通过提醒模块进行显示;当危险值L2>P≥L3时,则判定该车辆盲区的障碍物危险等级处于低危险等级Q1,监控分析模块将盲区监控分析结果发送至服务器,服务器调取数据库内的数据信息比对后,无需再通过轮廓描述单元对该障碍物Z进行轮廓边扫描,最后通过提醒模块进行显示,该设计在车辆启动时对车辆周围的情况进行查看和知晓,在发现物体时及时准确对驾驶人员进行显示提醒,从而有效避免因车辆盲区产生的意外事故;
2、当监控分析模块无法有效判定车辆盲区内的物体时,服务器利用外界摄像设备进行盲区车外分析,服务器通过GPS定位模块获取该车辆所处的地理位置,依据地理位置,通过视频共享请求模块发布视频共享请求,请求为车辆A、B、C、D、E、F六个盲区的任意一个盲区视频请求,根据所处车辆的地理位置进行选择分析,首先获取该地理位置内的若干个摄像设备,并将其标记为Ki,i=1、……、n,对应的坐标分别为(Xk1,Yk1)、……、(Xkn,Ykn),当终端客户请求为车辆B盲区的盲区视频请求时,获取车辆B盲区在X轴上的坐标为(Xb,Yb),获取若干个摄像设备Ki至车辆B盲区的直线间距标记为Gi,i=1、……、n;利用公式公式计算得出若干个摄像设备Ki至车辆B盲区的直线间距值分别为并将直线间距值G1、……Gn组合成一个数组,设定若干个摄像设备Ki至车辆B盲区的直线间距最小值为M,且M=0,遍历数组G1、……、Gn,将M与直线间距值进行比较,若G1小于M,则将G1设置成最小值,依次类推,得出若干个摄像设备Gi中距离车辆B盲区的直线间距最小的摄像设备;
当摄像设备G1、G2与车辆B盲区的直线间距值均相等,对摄像设备G1、G2拍摄车辆B盲区进行画面完整度分析,获取车辆B盲区中车辆的颜色,并标记为R,获取摄像设备G1、G2的拍摄画面,分别标记为Mg1、Mg2,分别获取拍摄画面Mg1和Mg2中该颜色的像素点,分别标记为R1、R2,获取画面Mg1和Mg2的宽度Wmg1、Wmg2,获取画面R1和R2的长度Hmg1、Hmg2,利用公式Zmg1=R1/(Wmg1*Hmg1)+β,Zmg2=R2/(Wmg2*Hmg2)+β分别计算得出拍摄画面Mg1和Mg2上该颜色占比值Zmg1、Zmg2,若Zmg1>Zmg2,则判定拍摄画面Mg1该颜色占比值高,即摄像设备G1对车辆B盲区的拍摄画面完整度高,若Zmg1<Zmg2,则判定拍摄画面Mg2该颜色占比值高,即摄像设备G2对车辆B盲区的拍摄画面完整度高,最后综合摄像设备的直线距离值和拍摄画面完整度,即可选择恰当的摄像设备,服务器获取该摄像设备的拍摄权限,摄像设备对车辆盲区进行拍摄,拍摄的图片经服务器图形处理后反馈至提醒模块,最后盲区车外分析结果以图文并存的方式通过提醒模块进行显示提醒,在不增加汽车成本和汽车结构的情况下,利用外界摄像设备对车辆存在的各个盲区进行拍摄反馈,并根据车辆的位置信息选择间距最近、拍摄画面最完整、拍摄最清晰、拍摄角度最恰当的摄像设备。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的整体系统框图;
图2为本发明中监控分析模块的系统框图;
图3为本发明中车辆的结构示意图。
具体实施方式
如图1-图3所示,一种车辆盲区智能规避系统,包括服务器、用户登录模块、视频共享请求模块、视频获取模块、GPS定位模块、监控分析模块、提醒模块以及数据库;
所述用户登录模块用于录入终端用户的登录信息和注册信息,终端用户在已有账户时通过用户登录模块输入登录信息进行登录,终端用户在不存在账户时通过用户登录模块输入注册信息注册新的账户后进行首次登录;
所述视频共享请求模块用于终端用户发布视频共享请求;所述GPS定位模块用于定位该终端用户车辆所在的地理位置,所述视频获取模块根据终端用户车辆所在的地理位置,用于将车辆盲区的视频发送给终端用户;
所述监控分析模块包括全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元,所述测距单元具体为车辆上的距离传感器,所述温度测定单元具体为车辆上的热释电传感器,所述监控分析模块结合全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元用于车辆自身的盲区监控分析,所述提醒模块用于车辆盲区的监控提醒;
所述数据库用于存储和记录各类物体信息,所述服务器结合用户登录模块、视频共享请求模块、视频请求模块、GPS定位模块、监控分析模块以及提醒模块对车辆盲区进行规避分析,规避分析的具体步骤如下:
步骤一:监控分析模块和用户登录模块首先随车辆启动而工作;
步骤二:监控分析模块结合全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元进行盲区监控分析;
步骤三:监控分析模块将盲区监控分析结果发送至服务器,服务器调取数据库内的数据信息比对后,盲区监控分析结果以图文并存的方式通过提醒模块进行显示提醒;
步骤四:当监控分析模块无法有效判定车辆盲区内的物体时,服务器利用外界摄像设备进行盲区车外分析,盲区车外分析结果以图文并存的方式通过提醒模块进行显示提醒。
进一步地,所述规避分析的步骤二中盲区监控分析的具体步骤如下:
S1、设定车辆盲区障碍物的危险等级,分别划分为高危险等级Q1、中危险等级Q2以及低危险等级Q3,其中Q1≥L1、L1>Q2≥L2、L2>Q3≥L3,L1、L2、L3均预设危险值;
S2:在车辆启动时,利用全方位扫描单元分别对车辆的A、B、C、D、E、F六个盲区进行监控扫描;
S3:当车辆的六个盲区中任一盲区存在障碍物时,将该障碍物标记为Z,并以该车辆驾驶位为原点,建立直角坐标系X轴和Y轴,X轴与Y轴的交叉点为原点O;
S4:利用测向单元精确测得该障碍物处于E盲区;
S5:利用温度测定单元测得该障碍物的温度值W,利用测距单元测得原点O至障碍物的间距J;
S6:利用公式计算得出该障碍物Z的危险值P,具体公式如下:
P=(W*B1)+1/(J*B2),其中B1和B2均为预设固定数值;
S7:当危险值P≥L1时,则判定该车辆盲区的障碍物危险等级处于高危险等级Q1,进入S8步骤;
当危险值L1>P≥L2时,则判定该车辆盲区的障碍物危险等级处于中危险等级Q1,进入S8步骤;
当危险值L2>P≥L3时,则判定该车辆盲区的障碍物危险等级处于低危险等级Q1,进入S9步骤;
S8:利用轮廓描述单元对该障碍物Z进行轮廓边扫描,产生轮廓图发送至服务器,服务器将轮廓图与数据库中的数据信息进行比对分析,得出最相似的数据信息;
S9:盲区监控分析结果和危险性通过提醒模块进行显示。
进一步地,所述规避分析的步骤四中盲区车外分析的具体步骤如下:
S1:服务器通过GPS定位模块获取该车辆所处的地理位置,依据地理位置,通过视频共享请求模块发布视频共享请求,请求为车辆A、B、C、D、E、F六个盲区的任意一个盲区视频请求;
S2:根据所处车辆的地理位置进行选择分析,选择恰当的摄像设备,具体选择分析的步骤具体如下:
S21:获取该地理位置内的若干个摄像设备,并将其标记为Ki,i=1、……、n,对应的坐标分别为(Xk1,Yk1)、……、(Xkn,Ykn);
S22:当终端客户请求为车辆B盲区的盲区视频请求时,获取车辆B盲区在X轴上的坐标为(Xb,Yb);
S23:获取若干个摄像设备Ki至车辆B盲区的直线间距标记为Gi,i=1、……、n;
S25:设定若干个摄像设备Ki至车辆B盲区的直线间距最小值为M,且M=0,遍历数组G1、……、Gn,将M与直线间距值进行比较,若G1小于M,则将G1设置成最小值,依次类推,得出若干个摄像设备Gi中距离车辆B盲区的直线间距最小的摄像设备;
S26:若摄像设备G1、G2与车辆B盲区的直线间距值均相等,对摄像设备G1、G2拍摄车辆B盲区进行画面完整度分析,具体分析步骤如下:
S261:获取车辆B盲区中车辆的颜色,并标记为R;
S262:获取摄像设备G1、G2的拍摄画面,分别标记为Mg1、Mg2;
S263:分别获取拍摄画面Mg1和Mg2中该颜色的像素点,分别标记为R1、R2;
S264:获取画面Mg1和Mg2的宽度Wmg1、Wmg2,获取画面R1和R2的长度Hmg1、Hmg2;
S265:利用公式分别计算得出拍摄画面Mg1和Mg2上该颜色占比值Zmg1、Zmg2,公式如下:
Zmg1=R1/(Wmg1*Hmg1)+β,Zmg2=R2/(Wmg2*Hmg2)+β,其中β为修正系数,取值为0.0123165;
S266:若Zmg1>Zmg2,则判定拍摄画面Mg1该颜色占比值高,即摄像设备G1对车辆B盲区的拍摄画面完整度高;
若Zmg1<Zmg2,则判定拍摄画面Mg2该颜色占比值高,即摄像设备G2对车辆B盲区的拍摄画面完整度高;
S26:综合摄像设备的直线距离值和拍摄画面完整度,选择恰当的摄像设备;
S3:服务器获取该摄像设备的拍摄权限,摄像设备对车辆盲区进行拍摄;
S4:拍摄的图片经服务器图形处理后反馈至提醒模块。
进一步地,所述提醒模块还用于对障碍物进行标识和显示。
进一步地,所述摄像设备优先选择原则依次为拍摄直线间距值、拍摄画面完整度、拍摄清晰度以及拍摄角度。
一种车辆盲区智能规避系统,工作时,监控分析模块和用户登录模块首先随车辆启动而工作,监控分析模块结合全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元进行盲区监控分析,设定车辆盲区障碍物的危险等级,分别划分为高危险等级Q1、中危险等级Q2以及低危险等级Q3,其中Q1≥L1、L1>Q2≥L2、L2>Q3≥L3,L1、L2、L3均预设危险值,在车辆启动时,利用全方位扫描单元分别对车辆的A、B、C、D、E、F六个盲区进行监控扫描,当车辆的六个盲区中任一盲区存在障碍物时,将该障碍物标记为Z,并以该车辆驾驶位为原点,建立直角坐标系X轴和Y轴,X轴与Y轴的交叉点为原点O,利用测向单元精确测得该障碍物处于E盲区,利用温度测定单元测得该障碍物的温度值W,利用测距单元测得原点O至障碍物的间距J,利用公式P=(W*B1)+1/(J*B2)计算得出该障碍物Z的危险值P,当危险值P≥L1时,则判定该车辆盲区的障碍物危险等级处于高危险等级Q1,当危险值L1>P≥L2时,则判定该车辆盲区的障碍物危险等级处于中危险等级Q1,而后再次利用轮廓描述单元对该障碍物Z进行轮廓边扫描,产生的轮廓图发送至服务器,服务器将轮廓图与数据库中的数据信息进行比对分析,得出最相似的数据信息,最后通过提醒模块进行显示;当危险值L2>P≥L3时,则判定该车辆盲区的障碍物危险等级处于低危险等级Q1,监控分析模块将盲区监控分析结果发送至服务器,服务器调取数据库内的数据信息比对后,无需再通过轮廓描述单元对该障碍物Z进行轮廓边扫描,最后通过提醒模块进行显示,该设计在车辆启动时对车辆周围的情况进行查看和知晓,在发现物体时及时准确对驾驶人员进行显示提醒,从而有效避免因车辆盲区产生的意外事故;
当监控分析模块无法有效判定车辆盲区内的物体时,服务器利用外界摄像设备进行盲区车外分析,服务器通过GPS定位模块获取该车辆所处的地理位置,依据地理位置,通过视频共享请求模块发布视频共享请求,请求为车辆A、B、C、D、E、F六个盲区的任意一个盲区视频请求,根据所处车辆的地理位置进行选择分析,首先获取该地理位置内的若干个摄像设备,并将其标记为Ki,i=1、……、n,对应的坐标分别为(Xk1,Yk1)、……、(Xkn,Ykn),当终端客户请求为车辆B盲区的盲区视频请求时,获取车辆B盲区在X轴上的坐标为(Xb,Yb),获取若干个摄像设备Ki至车辆B盲区的直线间距标记为Gi,i=1、……、n;利用公式公式计算得出若干个摄像设备Ki至车辆B盲区的直线间距值分别为并将直线间距值G1、……Gn组合成一个数组,设定若干个摄像设备Ki至车辆B盲区的直线间距最小值为M,且M=0,遍历数组G1、……、Gn,将M与直线间距值进行比较,若G1小于M,则将G1设置成最小值,依次类推,得出若干个摄像设备Gi中距离车辆B盲区的直线间距最小的摄像设备;
当摄像设备G1、G2与车辆B盲区的直线间距值均相等,对摄像设备G1、G2拍摄车辆B盲区进行画面完整度分析,获取车辆B盲区中车辆的颜色,并标记为R,获取摄像设备G1、G2的拍摄画面,分别标记为Mg1、Mg2,分别获取拍摄画面Mg1和Mg2中该颜色的像素点,分别标记为R1、R2,获取画面Mg1和Mg2的宽度Wmg1、Wmg2,获取画面R1和R2的长度Hmg1、Hmg2,利用公式Zmg1=R1/(Wmg1*Hmg1)+β,Zmg2=R2/(Wmg2*Hmg2)+β分别计算得出拍摄画面Mg1和Mg2上该颜色占比值Zmg1、Zmg2,若Zmg1>Zmg2,则判定拍摄画面Mg1该颜色占比值高,即摄像设备G1对车辆B盲区的拍摄画面完整度高,若Zmg1<Zmg2,则判定拍摄画面Mg2该颜色占比值高,即摄像设备G2对车辆B盲区的拍摄画面完整度高,最后综合摄像设备的直线距离值和拍摄画面完整度,即可选择恰当的摄像设备,服务器获取该摄像设备的拍摄权限,摄像设备对车辆盲区进行拍摄,拍摄的图片经服务器图形处理后反馈至提醒模块,最后盲区车外分析结果以图文并存的方式通过提醒模块进行显示提醒,在不增加汽车成本和汽车结构的情况下,利用外界摄像设备对车辆存在的各个盲区进行拍摄反馈,并根据车辆的位置信息选择间距最近、拍摄画面最完整、拍摄最清晰、拍摄角度最恰当的摄像设备。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种车辆盲区智能规避系统,其特征在于,包括服务器、用户登录模块、视频共享请求模块、视频获取模块、GPS定位模块、监控分析模块、提醒模块以及数据库;
所述用户登录模块用于录入终端用户的登录信息和注册信息,终端用户在已有账户时通过用户登录模块输入登录信息进行登录,终端用户在不存在账户时通过用户登录模块输入注册信息注册新的账户后进行首次登录;
所述视频共享请求模块用于终端用户发布视频共享请求;所述GPS定位模块用于定位该终端用户车辆所在的地理位置,所述视频获取模块根据终端用户车辆所在的地理位置,用于将车辆盲区的视频发送给终端用户;
所述监控分析模块包括全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元,所述测距单元具体为车辆上的距离传感器,所述温度测定单元具体为车辆上的热释电传感器,所述监控分析模块结合全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元用于车辆自身的盲区监控分析,所述提醒模块用于车辆盲区的监控提醒;
所述数据库用于存储和记录各类物体信息,所述服务器结合用户登录模块、视频共享请求模块、视频请求模块、GPS定位模块、监控分析模块以及提醒模块对车辆盲区进行规避分析,规避分析的具体步骤如下:
步骤一:监控分析模块和用户登录模块首先随车辆启动而工作;
步骤二:监控分析模块结合全方位扫描单元、测距单元、温度测定单元、测向单元以及轮廓描述单元进行盲区监控分析;
步骤三:监控分析模块将盲区监控分析结果发送至服务器,服务器调取数据库内的数据信息比对后,盲区监控分析结果以图文并存的方式通过提醒模块进行显示提醒;
步骤四:当监控分析模块无法有效判定车辆盲区内的物体时,服务器利用外界摄像设备进行盲区车外分析,盲区车外分析结果以图文并存的方式通过提醒模块进行显示提醒。
2.根据权利要求1所述的一种车辆盲区智能规避系统,其特征在于,所述规避分析的步骤二中盲区监控分析的具体步骤如下:
S1、设定车辆盲区障碍物的危险等级,分别划分为高危险等级Q1、中危险等级Q2以及低危险等级Q3,其中Q1≥L1、L1>Q2≥L2、L2>Q3≥L3,L1、L2、L3均预设危险值;
S2:在车辆启动时,利用全方位扫描单元分别对车辆的A、B、C、D、E、F六个盲区进行监控扫描;
S3:当车辆的六个盲区中任一盲区存在障碍物时,将该障碍物标记为Z,并以该车辆驾驶位为原点,建立直角坐标系X轴和Y轴,X轴与Y轴的交叉点为原点O;
S4:利用测向单元精确测得该障碍物处于E盲区;
S5:利用温度测定单元测得该障碍物的温度值W,利用测距单元测得原点O至障碍物的间距J;
S6:利用公式计算得出该障碍物Z的危险值P,具体公式如下:
P=(W*B1)+1/(J*B2),其中B1和B2均为预设固定数值;
S7:当危险值P≥L1时,则判定该车辆盲区的障碍物危险等级处于高危险等级Q1,进入S8步骤;
当危险值L1>P≥L2时,则判定该车辆盲区的障碍物危险等级处于中危险等级Q1,进入S8步骤;
当危险值L2>P≥L3时,则判定该车辆盲区的障碍物危险等级处于低危险等级Q1,进入S9步骤;
S8:利用轮廓描述单元对该障碍物Z进行轮廓边扫描,产生轮廓图发送至服务器,服务器将轮廓图与数据库中的数据信息进行比对分析,得出最相似的数据信息;
S9:盲区监控分析结果和危险性通过提醒模块进行显示。
3.根据权利要求1所述的一种车辆盲区智能规避系统,其特征在于,所述规避分析的步骤四中盲区车外分析的具体步骤如下:
S1:服务器通过GPS定位模块获取该车辆所处的地理位置,依据地理位置,通过视频共享请求模块发布视频共享请求,请求为车辆A、B、C、D、E、F六个盲区的任意一个盲区视频请求;
S2:根据所处车辆的地理位置进行选择分析,选择恰当的摄像设备,具体选择分析的步骤具体如下:
S21:获取该地理位置内的若干个摄像设备,并将其标记为Ki,i=1、……、n,对应的坐标分别为(Xk1,Yk1)、……、(Xkn,Ykn);
S22:当终端客户请求为车辆B盲区的盲区视频请求时,获取车辆B盲区在X轴上的坐标为(Xb,Yb);
S23:获取若干个摄像设备Ki至车辆B盲区的直线间距标记为Gi,i=1、……、n;
S25:设定若干个摄像设备Ki至车辆B盲区的直线间距最小值为M,且M=0,遍历数组G1、……、Gn,将M与直线间距值进行比较,若G1小于M,则将G1设置成最小值,依次类推,得出若干个摄像设备Gi中距离车辆B盲区的直线间距最小的摄像设备;
S26:若摄像设备G1、G2与车辆B盲区的直线间距值均相等,对摄像设备G1、G2拍摄车辆B盲区进行画面完整度分析,具体分析步骤如下:
S261:获取车辆B盲区中车辆的颜色,并标记为R;
S262:获取摄像设备G1、G2的拍摄画面,分别标记为Mg1、Mg2;
S263:分别获取拍摄画面Mg1和Mg2中该颜色的像素点,分别标记为R1、R2;
S264:获取画面Mg1和Mg2的宽度Wmg1、Wmg2,获取画面R1和R2的长度Hmg1、Hmg2;
S265:利用公式分别计算得出拍摄画面Mg1和Mg2上该颜色占比值Zmg1、Zmg2,公式如下:
Zmg1=R1/(Wmg1*Hmg1)+β,Zmg2=R2/(Wmg2*Hmg2)+β,其中β为修正系数,取值为0.0123165;
S266:若Zmg1>Zmg2,则判定拍摄画面Mg1该颜色占比值高,即摄像设备G1对车辆B盲区的拍摄画面完整度高;
若Zmg1<Zmg2,则判定拍摄画面Mg2该颜色占比值高,即摄像设备G2对车辆B盲区的拍摄画面完整度高;
S27:综合摄像设备的直线距离值和拍摄画面完整度,选择恰当的摄像设备;
S3:服务器获取该摄像设备的拍摄权限,摄像设备对车辆盲区进行拍摄;
S4:拍摄的图片经服务器图形处理后反馈至提醒模块。
4.根据权利要求1所述的一种车辆盲区智能规避系统,其特征在于,所述提醒模块还用于对障碍物进行标识和显示。
5.根据权利要求1所述的一种车辆盲区智能规避系统,其特征在于,所述摄像设备优先选择原则依次为拍摄直线间距值、拍摄画面完整度、拍摄清晰度以及拍摄角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010675170.5A CN111873910A (zh) | 2020-07-14 | 2020-07-14 | 一种车辆盲区智能规避系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010675170.5A CN111873910A (zh) | 2020-07-14 | 2020-07-14 | 一种车辆盲区智能规避系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111873910A true CN111873910A (zh) | 2020-11-03 |
Family
ID=73151444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010675170.5A Withdrawn CN111873910A (zh) | 2020-07-14 | 2020-07-14 | 一种车辆盲区智能规避系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111873910A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113859118A (zh) * | 2021-10-15 | 2021-12-31 | 深圳喜为智慧科技有限公司 | 一种大型车辆道路安全预警方法和装置 |
WO2023015925A1 (zh) * | 2021-08-12 | 2023-02-16 | 中兴通讯股份有限公司 | 车辆盲区的检测方法、车辆、服务器和存储介质 |
-
2020
- 2020-07-14 CN CN202010675170.5A patent/CN111873910A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023015925A1 (zh) * | 2021-08-12 | 2023-02-16 | 中兴通讯股份有限公司 | 车辆盲区的检测方法、车辆、服务器和存储介质 |
CN113859118A (zh) * | 2021-10-15 | 2021-12-31 | 深圳喜为智慧科技有限公司 | 一种大型车辆道路安全预警方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109920246B (zh) | 一种基于v2x通信与双目视觉的协同局部路径规划方法 | |
CN112965503B (zh) | 多路摄像头融合拼接方法、装置、设备及存储介质 | |
CN110146869B (zh) | 确定坐标系转换参数的方法、装置、电子设备和存储介质 | |
US10628690B2 (en) | Systems and methods for automated detection of trailer properties | |
US10073462B2 (en) | Autonomous vehicle with improved visual detection ability | |
EP2523163B1 (en) | Method and program for calibrating a multicamera system | |
CN109212542A (zh) | 用于自主车辆操作的校准方法 | |
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 | |
CN111739101B (zh) | 一种消除车辆a柱盲区的装置和方法 | |
CN105445721A (zh) | 基于带特征突起v型标定物的激光雷达与摄像机联合标定方法 | |
CN112519800A (zh) | 一种无人驾驶汽车用自检系统 | |
CN111873910A (zh) | 一种车辆盲区智能规避系统 | |
US11380111B2 (en) | Image colorization for vehicular camera images | |
CN110705485A (zh) | 一种交通信号灯识别方法及装置 | |
CN110645973B (zh) | 车辆定位方法 | |
CN112233188A (zh) | 一种基于激光雷达的车顶全景相机及其标定方法 | |
CN109883433B (zh) | 基于360度全景视图的结构化环境中车辆定位方法 | |
Adamshuk et al. | On the applicability of inverse perspective mapping for the forward distance estimation based on the HSV colormap | |
CN112232275A (zh) | 基于双目识别的障碍物检测方法、系统、设备及存储介质 | |
CN113658262B (zh) | 相机外参标定方法、装置、系统及存储介质 | |
CN112598756B (zh) | 路边传感器标定方法、装置和电子设备 | |
CN111145262A (zh) | 一种基于车载的单目标定方法 | |
CN111145260A (zh) | 一种基于车载的双目标定方法 | |
JPH1019562A (ja) | 測量装置および測量方法 | |
CN113674361B (zh) | 一种车载环视校准实现方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201103 |