CN111891061A - 车辆碰撞检测方法、装置和计算机设备 - Google Patents
车辆碰撞检测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN111891061A CN111891061A CN202010656116.6A CN202010656116A CN111891061A CN 111891061 A CN111891061 A CN 111891061A CN 202010656116 A CN202010656116 A CN 202010656116A CN 111891061 A CN111891061 A CN 111891061A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- collision
- area
- collision detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 291
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013459 approach Methods 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
- B60R21/0136—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to actual contact with an obstacle, e.g. to vehicle deformation, bumper displacement or bumper velocity relative to the vehicle
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- 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
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
- B60R2021/01302—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over monitoring vehicle body vibrations or noise
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W2030/082—Vehicle operation after collision
Abstract
本申请涉及一种车辆碰撞检测方法、装置、计算机设备和存储介质。所述方法包括:获取第一车辆的多个用于碰撞检测的图像;确定各个图像中的车辆碰撞检测区域;基于预先训练的车辆检测模型,确定各个图像中的第二车辆的位置,得到第二车辆在图像的运动轨迹;根据运动轨迹以及车辆碰撞检测区域,确定第一车辆与第二车辆的碰撞状态。采用本方法能够通过确定第一车辆的车辆碰撞检测区域,以及图像中第二车辆的运动轨迹,并根据车辆碰撞检测区域以及运动轨迹判断第一车辆与第二车辆的碰撞状态,可以减少非检测区域下对碰撞状态检测的干扰,从而提高车辆碰撞检测的检测精度。
Description
技术领域
本申请涉及计算机视觉技术领域,特别是涉及一种车辆碰撞检测方法、装置、计算机设备和存储介质。
背景技术
随着车辆时代的发展,车辆已经成为了人们的生活必需品,同时,车辆的数量增多,也导致了交通事故的频发,车辆碰撞作为一种常见的交通事故,严重威胁人们的生命以及财产安全。因此,车辆碰撞检测技术越来越受到人们的关注,该技术有利于降低救援等待时间,同时减少人们的生命以及财产损失。
目前的车辆碰撞检测技术包括有人工检测、地感线圈检测、超声波检测器检测以及图像检测,然而,对于人工检测,需要投入大量的相关人员对事件进行查询,筛选和确认,且容易受到主观因素进行误判;对于地感线圈检测,能得到的交通信息有限,并且只有当线圈位置受到交通流的影响后才能检测到时间,具有滞后性;对于超声波检测器检测,检测范围有限且容易对人和动物产生误检;而基于图像的方法进行碰撞检测,车辆拍摄的画面可能存在畸变,图像中的二维信息与真实世界的三维信息存在较大的差异,算法准确率低。综上所述,目前的车辆碰撞检测技术的检测精度过低。
发明内容
基于此,有必要针对上述技术问题,提供一种车辆碰撞检测方法、装置、计算机设备和存储介质。
一种车辆碰撞检测方法,所述方法包括:
获取第一车辆的多个用于碰撞检测的图像;
确定各个图像中的车辆碰撞检测区域;
基于预先训练的车辆检测模型,确定所述各个图像中的第二车辆的位置,得到所述第二车辆在所述图像的运动轨迹;
根据所述运动轨迹以及所述车辆碰撞检测区域,确定所述第一车辆与所述第二车辆的碰撞状态。
在其中一个实施例中,所述图像包括:所述第一车辆前方的第一图像;所述确定各个图像中的车辆碰撞检测区域,包括:确定各个第一图像中的所述第一车辆的车头位置;根据所述车头位置,确定所述各个第一图像中位于路面区域内且具有预设区域尺寸的车道线检测区域;将从所述车道线检测区域中检测到的第一车道线和第二车道线之间的区域作为所述车辆碰撞检测区域。
在其中一个实施例中,所述将从所述车道线检测区域中检测到的第一车道线和第二车道线之间的区域作为所述车辆碰撞检测区域之前,所述方法还包括:确定所述车道线检测区域中对应于预设颜色的候选车道线;从所述候选车道线中选取对应于预设角度区间的候选第一车道线和候选第二车道线;对所述候选第一车道线进行聚类得到所述第一车道线,以及对所述候选第二车道线进行聚类得到所述第二车道线。
在其中一个实施例中,所述根据所述车头位置,确定所述各个第一图像中位于路面区域内且具有预设区域尺寸的车道线检测区域之前,所述方法还包括:基于所述车头位置获取所述各个第一图像中的车路分界线,得到多个车路分界线;所述车路分界线用于标识所述第一车辆与路面的分界;将所述多个车路分界线进行聚类,得到各类分界线对应的分界线数量;选取分界线数量最多的一类分界线作为目标分界线;将所述各个第一图像中位于所述目标分界线前方的区域作为所述路面区域。
在其中一个实施例中,所述基于预先训练的车辆检测模型,确定所述各个图像中的第二车辆的位置,包括:将所述各个图像输入所述车辆检测模型,以触发所述车辆检测模型检测所述各个图像中大于或者等于预设车辆区域置信度阈值的车辆区域;获取所述车辆区域在相应图像内的区域面积比;根据所述区域面积比大于或者等于预设面积比阈值的所述车辆区域,确定所述第二车辆的位置。
在其中一个实施例中,所述根据所述区域面积比大于或者等于预设面积比阈值的所述车辆区域,确定所述第二车辆的位置,包括:获取所述各个图像中所述区域面积比大于或者等于预设面积比阈值的所述车辆区域;从所述各个图像中获取相邻图像的所述车辆区域的交并比;根据所述交并比,确定所述第二车辆在所述各个图像中的位置。
在其中一个实施例中,所述图像包括:所述第一车辆前方的第一图像;所述根据所述运动轨迹以及所述车辆碰撞检测区域,确定所述第一车辆与所述第二车辆的碰撞状态,包括:若所述运动轨迹为所述第二车辆不断靠近所述第一车辆,所述第一图像中对应于所述第二车辆的车辆区域与所述第一图像的车辆碰撞检测区域存在重叠区域且所述重叠区域存在于持续多个第一图像,以及多个第一图像的首个图像中对应于所述第二车辆的车辆区域与当前图像中对应于所述第二车辆的车辆区域之间的交并比小于交并比阈值,则确定所述碰撞状态为已发生碰撞;和/或所述图像还包括:所述第一车辆后方的第二图像;所述第二图像由安装于所述第一车辆尾部的摄像设备拍摄得到;所述车辆碰撞检测区域为所述第二图像的完整图像区域;所述根据所述运动轨迹以及所述车辆碰撞检测区域,确定所述第一车辆与所述第二车辆的碰撞状态,包括:若所述运动轨迹为所述第二车辆不断靠近所述第一车辆,且所述第二图像中对应于所述第二车辆的车辆区域与所述第二图像的图像下边界之间的距离小于或者等于碰撞距离阈值,则确定所述碰撞状态为已发生碰撞。
在其中一个实施例中,所述获取第一车辆的多个用于碰撞检测的图像,包括:所述第一车辆的碰撞传感器被触发产生碰撞信号后,获取第一车辆的多个用于碰撞检测的图像。
一种车辆碰撞检测装置,所述装置包括:
检测图像获取模块,用于获取第一车辆的多个用于碰撞检测的图像;
检测区域确定模块,用于确定各个图像中的车辆碰撞检测区域;
运动轨迹确定模块,用于基于预先训练的车辆检测模型,确定所述各个图像中的第二车辆的位置,得到所述第二车辆在所述图像的运动轨迹;
碰撞状态确定模块,用于根据所述运动轨迹以及所述车辆碰撞检测区域,确定所述第一车辆与所述第二车辆的碰撞状态。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
上述车辆碰撞检测方法、装置、计算机设备和存储介质,获取第一车辆的多个用于碰撞检测的图像;确定各个图像中的车辆碰撞检测区域;基于预先训练的车辆检测模型,确定各个图像中的第二车辆的位置,得到第二车辆在图像的运动轨迹;根据运动轨迹以及车辆碰撞检测区域,确定第一车辆与第二车辆的碰撞状态。本申请通过确定第一车辆的车辆碰撞检测区域,以及图像中第二车辆的运动轨迹,并根据车辆碰撞检测区域以及运动轨迹判断第一车辆与第二车辆的碰撞状态,可以减少非检测区域下对碰撞状态检测的干扰,从而提高车辆碰撞检测的检测精度。
附图说明
图1为一个实施例中车辆碰撞检测方法的应用环境图;
图2为一个实施例中车辆碰撞检测方法的流程示意图;
图3为一个实施例中前置摄像头拍摄的车辆在碰撞前的图像示意图;
图4为一个实施例中前置摄像头拍摄的车辆在碰撞前的图像示意图;
图5为一个实施例中前置摄像头拍摄的车辆在碰撞时的图像示意图;
图6为一个实施例中后置摄像头拍摄的车辆在碰撞时的图像示意图;
图7为一个实施例中确定各帧图像中的车辆碰撞检测区域的流程示意图;
图8为一个实施例中车道线检测区域的图像示意图;
图9为一个实施例中确定第一车道线与第二车道线的流程示意图;
图10为一个实施例中基于预先训练的车辆检测模型,确定各帧图像中的第二车辆的位置的流程示意图;
图11为一个实施例中车辆区域检测的图像示意图;
图12为一个实施例中车辆跟踪检测的图像示意图;
图13为一个实施例中车辆碰撞检测方法的整体思路流程示意图;
图14为一个实施例中车辆碰撞检测方法中图像检测系统的结构框图;
图15为一个实施例中车辆碰撞检测装置的结构框图;
图16为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的车辆碰撞检测方法,可以应用于如图1所示的应用环境中。其中,碰撞检测设备101与安装于车辆上的前置摄像头102以及后置摄像头103进行通信。前置摄像头102或后置摄像头103可以采集用于检测汽车碰撞的视频图像数据,并将视频图像数据以图像帧的形式传输至碰撞检测设备101,碰撞检测设备101可根据得到的视频图像数据,判断视频图像中的车辆是否会与本车辆发生碰撞。其中,碰撞检测设备101可以通过用于判断车辆是否会发生碰撞的终端,也可以是服务器或服务器群。
在一个实施例中,如图2所示,提供了一种车辆碰撞检测方法,以该方法应用于图1中的碰撞检测设备101为例进行说明,包括以下步骤:
步骤S201,碰撞检测设备101获取第一车辆的多个用于碰撞检测的图像。
其中,第一车辆指的是安装碰撞检测设备101的车辆,即本车,而多个用于碰撞检测的图像可通过安装于第一车辆的前置摄像头102或后置摄像头103采集得到,分别对应于摄像头采集的视频图像数据多个图像帧,并将多个图像帧作为多个用于碰撞检测的图像传输至碰撞检测设备101。具体来说,碰撞检测设备101可以从前置摄像头102或后置摄像头103中得到多个用于碰撞检测的图像。
步骤S202,碰撞检测设备101确定各个图像中的车辆碰撞检测区域。
其中,车辆碰撞检测区域是指在碰撞检测设备101得到的用于碰撞检测的图像中适合用于进行碰撞检测的区域,由于在碰撞检测时,碰撞检测设备101得到的图像的区域,可能对于碰撞检测而言并非全部都是有效区域,例如对于安装于车辆内部的前置摄像头而言,则可能拍摄到车辆的车头图像信息,而这部分信息对于碰撞检测分析而言,不仅没有帮助,而且可能对碰撞检测形成干扰,因此,在碰撞检测设备101得到多个用于碰撞检测的图像后,首先需要确定每个图像的车辆碰撞检测区域。
步骤S203,碰撞检测设备101基于预先训练的车辆检测模型,确定各个图像中的第二车辆的位置,得到第二车辆在图像的运动轨迹。
其中,车辆检测模型可以用mobilenet-ssd轻量级目标检测网络实现,该网络模型的大概有22Mb,且网络能够实现21种不同类型的目标检测。而对于本申请而言,本申请只用于检测车辆,因此可通过修改网络接口的方式,对检测类型进行修改,将其设定为不同类型的车辆,例如:卡车、公交车、小轿车和摩头车。另外,该车辆检测模型还可以通过采集的大量样本图像数据进行训练得到。具体来说,碰撞检测设备101得到多个用于碰撞检测的图像,可以将该图像输入车辆检测模型,从而确定各个图像中拍摄到的车辆作为第二车辆,并且确定第二车辆在各个图像中的位置,并利用跟踪算法,对各个图像中的第二车辆的运动轨迹进行统计,从而得到第二车辆在图像中的运动轨迹。
步骤S204,碰撞检测设备101根据运动轨迹以及车辆碰撞检测区域,确定第一车辆与第二车辆的碰撞状态。
步骤S202中碰撞检测设备101得到车辆碰撞检测区域以及步骤S203中碰撞检测设备101得到第二车辆的运动轨迹后,可以利用车辆碰撞检测区域,以及第二车辆的运动轨迹,确定第一车辆与第二车辆是否会发生碰撞。
如图3和图4所示,其中,图3是前置摄像头102拍摄的车辆在碰撞前的图像示意图,图4是后置摄像头103拍摄的车辆在碰撞前的图像示意图,可以看出车辆在碰撞前摄像头车辆碰撞检测区域多为路面信息,当车辆发生碰撞时拍摄的图像如图5和图6所示,图5是前置摄像头102拍摄的车辆在碰撞时的图像示意图,图6是后置摄像头103拍摄的车辆在碰撞时的图像示意图,碰撞检测区域内被碰撞车辆占据较大的位置,因此可以通过分析碰撞前后碰撞检测区域车辆的运动轨迹,判定车辆是否真实发生碰撞。
上述车辆碰撞检测方法中,碰撞检测设备101获取第一车辆的多个用于碰撞检测的图像;确定各个图像中的车辆碰撞检测区域;基于预先训练的车辆检测模型,确定各个图像中的第二车辆的位置,得到第二车辆在图像的运动轨迹;根据运动轨迹以及车辆碰撞检测区域,确定第一车辆与第二车辆的碰撞状态。本申请通过碰撞检测设备101确定第一车辆的车辆碰撞检测区域,以及图像中第二车辆的运动轨迹,并根据车辆碰撞检测区域以及运动轨迹判断第一车辆与第二车辆的碰撞状态,可以减少非检测区域下对碰撞状态检测的干扰,从而提高车辆碰撞检测的检测精度。
在一个实施例中,图像包括:第一车辆前方的第一图像;如图7所示,步骤S202进一步可以包括:
步骤S701,碰撞检测设备101确定各个第一图像中的第一车辆的车头位置。
其中第一车辆前方的第一图像指的是安装于第一车辆的前置摄像头102向第一车辆行驶方向上进行拍摄得到的用于碰撞检测的图像,可以如图3所示。当车辆在行驶过程中进行碰撞检测时,理想的检测区域为图3中显示的碰撞检测区域,一般而言,可以是车辆当前行驶的车道区域。而由于第一车辆的前置摄像头102一般安装于第一车辆内部,因此得到的第一图像不仅包含路面信息,并且包含自身车头信息。碰撞检测设备101可以从每个第一图像中识别出第一车辆的车头位置,例如也可以通过mobilenet-ssd轻量级目标检测网络对车头进行检测,从而得到各个第一图像中的第一车辆的车头位置。
步骤S702,碰撞检测设备101根据车头位置,确定各个第一图像中位于路面区域内且具有预设区域尺寸的车道线检测区域。
由于第一车辆的前置摄像头102拍摄的范围较广,且车辆当前行驶的车道在图像中占据的位置较小,第一图像中除去车头信息后存在的大部分区域,对于碰撞检测分析不仅没有帮助,而且可能对碰撞检测形成干扰,所以在获取图像中车头的位置信息后,需进一步确定车辆当前行驶的车道位置。具体来说,碰撞检测设备101可以在第一图像中的车头前方的路面区域截取一定的区域用作为车道线检测区域,如图8所示。车道线检测区域的设定方法为:碰撞检测设备101在车头检测外接矩形框的顶边上,以第一图像宽度的1/2为x坐标,以顶边直线的纵坐标为y坐标的点为基准,向左和向右分别取图像宽的1/4为车道线检测区域的宽,以图像高度的1/4为车道线检测区域的高,获得的区域即为车道线检测区域。
步骤S703,碰撞检测设备101将从车道线检测区域中检测到的第一车道线和第二车道线之间的区域作为车辆碰撞检测区域。
步骤S702中得到碰撞检测设备101得到车道线检测区域,首先可以从车道线检测区域中包括的第一车道线和第二车道线,第一车道线和第二车道线可以是第一车辆当前行驶车道的左车道线以及右车道线,并将第一车道线与第二车道线之间的区域,即第一车辆当前行驶的车道区域作为车辆碰撞检测区域。
进一步地,如图9所示,步骤S703之前,还可以包括:
步骤S901,碰撞检测设备101确定车道线检测区域中对应于预设颜色的候选车道线。
其中,预设颜色可以根据实际需要进行选择,而对于本申请而言,由于车道线自身一般为黄色或白色,因此可以从车道线检测区域中提取出黄色线段或者白色线段作为候选车道线。
具体来说,碰撞检测设备101可以基于颜色对车道线检测区域进行分割。首先,碰撞检测设备101将第一图像由RGB颜色空间转换为HSV颜色空间,通过对S通道的像素点设置阈值T1,即能够分割出图像中的白色区域,生成白色区域的二值掩模图像。然后碰撞检测设备101再将第一图像由RGB颜色空间转换为Lab颜色空间,通过对b通道的像素点设置阈值T2,能够分割出图像中的黄色区域,生成黄色区域的二值掩模图像。最后碰撞检测设备101可以将两帧二值掩模图像进行或操作,生成包含白色和黄色区域的二值掩模图。
另外,在碰撞检测设备101确定车道线检测区域的基础上,还可以利用霍夫变换法,从第一图像中的车道线检测区域中提取出所有的直线段,并利用包含白色和黄色区域的二值掩模图对提取出的直线段进行过滤,滤除非白色和非黄色的直线,作为候选车道线。
步骤S902,碰撞检测设备101从候选车道线中选取对应于预设角度区间的候选第一车道线和候选第二车道线;
步骤S903,碰撞检测设备101对候选第一车道线进行聚类得到第一车道线,以及对候选第二车道线进行聚类得到第二车道线。
其中,候选第一车道线以及候选第二车道线分别指的是满足两个角度区间范围的候选车道线,由于车道线与图像底边存在一定的夹角,因此在步骤S901得到候选车道线后,碰撞检测设备101可以利用预设的角度区间对候选车道线进行角度滤波,分别得到候选第一车道线以及候选第二车道线。一般而言,左车道线的倾斜角一般大于45°,且小于90°,而右车道线的倾斜角一般大于135°,且小于180°,因此,可以分别设置角度区间为45°~90°以及135°~180°,角度滤波后可分别得到候选第一车道线以及候选第二车道线。最后碰撞检测设备101再分别对候选第一车道线以及候选第二车道线进行聚类操作,生成的最终的线条即为第一车道线以及第二车道线。
另外,步骤S701之前,还可以包括:碰撞检测设备101基于车头位置获取各个第一图像中的车路分界线,得到多个车路分界线;车路分界线用于标识第一车辆与路面的分界;将多个车路分界线进行聚类,得到各类分界线对应的分界线数量;选取分界线数量最多的一类分界线作为目标分界线;将各个第一图像中位于目标分界线前方的区域作为路面区域。
其中,车路分界线指的是用于分界车头与车头前方路面的分界线,由于第一图像中包含有车头信息,碰撞检测设备101可以先确定车路分界线,即可对车头信息进行滤除,得到路面区域。另外,又因为车辆碰撞触发前,车辆可能处于高速运动的状态,不同时刻车辆所处的场景都在发生剧烈的变换,因此每个图像检测的车头位置可能也不同。造成车头位置不同的原因可能有(1)检测网络错误检测车头(2)检测网络漏检(3)车辆抖动和场景变换等导致检测的位置存在微小的偏差。基于单个图像帧检测出车头的位置,若以上判定结果错误,则不存在任何纠正手段,对后续的碰撞检测存在较大的干扰,因此本申请采用基于多个图像帧共同决策的方式最终判定该边界的位置。
具体来说,碰撞检测设备101可以通过目标检测网络获取每个第一图像中车头的位置信息,车头外接矩形框中最上方的那条边即为车辆和路面的分界线,即车路分界线,该线条以上的区域为车载摄像头拍摄的路面信息,而该线条以下的区域为车载摄像头拍摄车辆自身信息。因此,确定了该直线的位置,即可确定车头的位置(车辆与路面的分界位置)。碰撞检测设备101可以对各个第一图像中获取车头外接矩形框,以及保存该矩形框最上方的那条直线的纵坐标,再利用多个第一图像生成的多个车路分界线进行聚类操作,同时统计每类分界线的元素数量,取元素最多的一类作为最终的车辆与路面的分界线,即目标分界线,目标分界线前方的区域则可以作为路面区域。
上述实施例中,碰撞检测设备101通过确定车头位置以及车道线检测区域,得到车辆碰撞检测区域,有利于避免第一图像中对于碰撞检测分析没有帮助的区域对碰撞检测造成的干扰,另外,还通过采用霍夫变换、HLS(由色调、亮度和饱和度组成)和Lab(由亮度(L),a和b两个颜色通道组成)等颜色空间,实现对车道线的准确检测,以及采用基于多个图像帧共同决策的方式最终判定车路边界的位置方式,进一步提高了得到的车辆碰撞检测区域的准确性。
在一个实施例中,如图10所示,步骤S203进一步可以包括:
步骤S1001,碰撞检测设备101将各个图像输入车辆检测模型,以触发车辆检测模型检测各个图像中大于或者等于预设车辆区域置信度阈值的车辆区域。
其中,车辆检测模型可使用修改后轻量级目标检测网络,使得修改后的轻量级目标检测网络仅仅用于检测车辆以及车头,如图11所示。具体地,碰撞检测设备101可以利用矩形框标记出检测到的车辆和车头的位置,并且在每个矩形框的左上角标记出检测出目标的类型(vehicle/headstock,车/车头),以及该区域是该类型的置信度(可能性),因此,通过设定不同的置信度阈值,滤除检测结果中置信度比较小的区域,将每个图像中大于或者等于置信度阈值的区域作为车辆区域。
步骤S1002,碰撞检测设备101获取车辆区域在相应图像内的区域面积比;
步骤S1003,碰撞检测设备101根据区域面积比大于或者等于预设面积比阈值的车辆区域,确定第二车辆的位置。
另外,又因为距离第一车辆较远的第二车辆不可能与第一车辆发生碰撞,同时该第二车辆的车辆区域在第一图像中所占的区域面积较小。因此,为了进一步节省网络模型的复杂度,从而提高运算效率,本申请在对网络模型的检测对象进行修改的情况下,进一步修改网络模型的结构,使其去除网络模型中区域面积比小于预设面积比阈值的车辆区域,只有满足该车辆区域的区域面积比大于预设面积比,碰撞检测设备101才将该车辆区域作为第二车辆的车辆区域,并通过该车辆区域确定第二车辆的位置。
进一步地,步骤S1003进一步可以包括:碰撞检测设备101获取各个图像中区域面积比大于或者等于预设面积比阈值的所述车辆区域;获取相邻图像的车辆区域的交并比;根据交并比,确定第二车辆在所述各帧图像中的位置。
由于监测网络模型仅仅能够检测出每个图像中车辆的位置,无法对不同图像帧中的各个车辆一对一的进行匹配(即跟踪),因此本申请采用车辆跟踪算法,利用前后两个图像帧的车辆区域检测结果的交并比进行匹配,其中,交并比指的是两个不同图像中得到的两个车辆区域的交集面积与两个区域的车辆区域的并集面积之间的比值,当两个车辆区域完全重合时,则此时交并比为1,而如果两个车辆区域之间不存在重合区域,则交并比为0。
具体来说,车辆在运行阶段前后两个图像帧的位置会产生一定的位移,但是位移的距离不会太大,因此,车辆在前后两个图像帧的位置具有较大的重合度,并且车辆之间发生超车等情况下,形成的遮挡,被遮挡车辆不可能与第一车辆发生碰撞,因此跟踪算法不必考虑严重遮挡等问题。
碰撞检测设备101可以通过检测网络检测出前后帧图像中区域面积比大于或者等于预设面积比阈值的车辆区域的外接矩形框,然后计算前后两个图像帧所有外接矩形框的交并比,作为相邻图像的车辆区域的交并比。若交并比大于阈值areaThred,可以是某个预设的交并比阈值,那么碰撞检测设备101可以对前后帧的矩形框进行匹配,认为前后帧中的两个矩形框内标记的位置为同一辆车。同时,为了避免检测网络出现漏检,跟踪算法会保留消失车辆的轨迹N个图像帧(可以自己设定),若在N个图像帧内,车辆重新被检测到,依然可以与以往的轨迹进行匹配,而不会被识别为另一辆车。车辆跟踪的效果如图12所示,图中标记了两个矩形框,矩形框的左上角为车辆的ID,用于区分不同的车辆,在同一段视频中同一辆车的ID不变。
上述实施例中,碰撞检测设备101通过对目标网络模型进行修改,并利用修改后的目标网络模型确定第二车辆在用于碰撞检测的图像位置,可以降低算法的复杂度,另外还基于面积比阈值滤除图像中与第一车辆距离较远的第二车辆,从而进一步减少算法模型的容量,提高运算效率。另外,在对第二车辆进行追踪的过程中,碰撞检测设备101基于相邻图像的车辆区域的交并比确定同一车辆进而实现对第二车辆运行轨迹的跟踪,进一步提高了碰撞检测设备101得到的第二车辆的运动轨迹的准确性。
在一个实施例中,多个用于碰撞检测的图像包括:第一车辆前方的第一图像;步骤S204进一步包括:
若运动轨迹为第二车辆不断靠近第一车辆,第一图像中对应于第二车辆的车辆区域与第一图像的车辆碰撞检测区域存在重叠区域且该重叠区域存在于持续的多个第一图像中,以及多个第一图像的首个图像中对应于第二车辆的车辆区域与当前图像中对应于第二车辆的车辆区域之间的交并比小于交并比阈值,则碰撞检测设备101确定碰撞状态为已发生碰撞。
其中,第一车辆前方的第一图像指的是第一车辆的前置摄像头102向第一车辆行驶方向上进行拍摄得到的用于碰撞检测的图像,具体地,碰撞检测效果如图5所示。具体来说,碰撞的判定依据为:(1)第二车辆与第一车辆的距离不断逼近,即第二车辆的外接矩形框距离第一车辆的车头在图像中越来越近。(2)第二车辆进入碰撞检测区域内部,即第二车辆的外接矩形框与碰撞检测区域存在重叠区域,(3)第二车辆进入碰撞检测区域内持续预设帧数,即该重叠区域存在于连续几个第一图像中,(4)在满足条件(1)、(2)和(3)的前提下第二车辆的初始位置与当前位置的交并比必须小于某个交并比阈值areaThred2。由于(1)和(4)能够确保车辆在碰撞前处于不断逼近的情况,避免两车相对静止和逐渐远离时造成的碰撞误检,(2)能够确保碰撞触发时第二车辆处于碰撞检测区域内部,避免两车距离较远时形成的碰撞误检;(3)能够滤除车辆短暂进入碰撞去后离开的情形,因此当(1)、(2)、(3)和(4)都满足的时候,碰撞检测设备101可以判定第一车辆与第二车辆发生碰撞。
另外,多个用于碰撞检测的图像还可以包括:第一车辆后方的第二图像;第二图像由安装于第一车辆尾部的摄像设备拍摄得到;车辆碰撞检测区域为第二图像的完整图像区域;步骤S204进一步包括:
若运动轨迹为第二车辆不断靠近第一车辆,且第二图像中对应于第二车辆的车辆区域与第二图像的图像下边界之间的距离小于或者等于碰撞距离阈值,则碰撞检测设备101确定碰撞状态为已发生碰撞。
其中,第一车辆后方的第二图像指的是第一车辆的后置摄像头103向第一车辆行驶相反方向进行拍摄得到的用于碰撞检测的图像,由于后置摄像头103一般安装在车外,例如车辆后备箱把手位置附近,所以,后置摄像头103拍摄的画面不包含车辆自身的信息。在进行追尾碰撞检测时,可以直接将后摄拍摄头103拍摄的画面设置为碰撞检测区域。
具体地,如图6所示,当车辆发生追尾时,第二车辆检测的外界矩形框底边会无限接近第二图像的底边,甚至预测的外接矩形框底边的位置会超出第二图像底边的位置,因此本申请设计的碰撞方案为碰撞检测设备101检测到第二车辆的位置持续接近第二图像的图像下边界,而对于车辆侧边经过的车辆,车辆会在距离底边一定距离位置离开画面,因此不会对检测结果形成干扰。
上述实施例中,碰撞检测设备101可以基于前置摄像头102以及后置摄像头103拍摄到的图像,并且利用碰撞检测算法对第二车辆的运动轨迹以及车辆碰撞检测区域进行处理,从而得到精确的第一车辆与第二车辆的碰撞状态。
在一个实施例中,步骤S201可以进一步包括:第一车辆的碰撞传感器被触发产生碰撞信号后,碰撞检测设备101获取第一车辆的多个用于碰撞检测的图像。
本申请的整体思路如图13所示,首先通过碰撞传感器接收第一车辆的运行信息,判断第一车辆是否发生碰撞,由于该传感器相对比较敏感,当车辆存在急加速(减速)、路面颠簸震动(路过减速带)等情况下,仅通过传感器的数据判定车辆是否发生碰撞,容易形成误判。因此当通过传感器接收到的信息判定第一车辆发生碰撞后,碰撞检测设备101会通过前置摄像头102以及后置摄像头103获取车辆碰撞触发前后的视频信息,通过分析视频信息中包含的多个图像信息,判定车辆是否真正发生了碰撞。
另外,图像检测系统的结构框图如图14所示,系统会获取碰撞前后拍摄的视频信息,然后根据图像确定碰撞检测区域,根据该ROI(region of interest)区域判定车辆是否真实发生碰撞。
上述实施例中,碰撞检测设备101可以基于传感器和图像处理相关知识能够识别出车辆是否发生车祸,即先有传感器判定车辆是否发生较强烈的波动,若检测到车辆存在强烈波动,则根据图像处理相关技术进行进一步确认车辆是否真实发生碰撞。
应该理解的是,虽然本申请的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图15所示,提供了一种车辆碰撞检测装置,包括:检测图像获取模块1501、检测区域确定模块1502、运动轨迹确定模块1503和碰撞状态确定模块1504,其中:
检测图像获取模块1501,用于获取第一车辆的多个用于碰撞检测的图像;
检测区域确定模块1502,用于确定各个图像中的车辆碰撞检测区域;
运动轨迹确定模块1503,用于基于预先训练的车辆检测模型,确定各个图像中的第二车辆的位置,得到第二车辆在图像的运动轨迹;
碰撞状态确定模块1504,用于根据运动轨迹以及车辆碰撞检测区域,确定第一车辆与第二车辆的碰撞状态。
在一个实施例中,图像包括:第一车辆前方的第一图像,检测区域确定模块1502,进一步用于确定各个第一图像中的第一车辆的车头位置;根据车头位置,确定各个第一图像中位于路面区域内且具有预设区域尺寸的车道线检测区域;将从车道线检测区域中检测到的第一车道线和第二车道线之间的区域作为车辆碰撞检测区域。
在一个实施例中,检测区域确定模块1502,还用于确定车道线检测区域中对应于预设颜色的候选车道线;从候选车道线中选取对应于预设角度区间的候选第一车道线和候选第二车道线;对候选第一车道线进行聚类得到第一车道线,以及对候选第二车道线进行聚类得到第二车道线。
在一个实施例中,检测区域确定模块1502,还用于基于车头位置获取各个第一图像中的车路分界线,得到多个车路分界线;车路分界线用于标识第一车辆与路面的分界;将多个车路分界线进行聚类,得到各类分界线对应的分界线数量;选取分界线数量最多的一类分界线作为目标分界线;将各个第一图像中位于目标分界线前方的区域作为路面区域。
在一个实施例中,运动轨迹确定模块1503,进一步用于将各个图像输入车辆检测模型,以触发车辆检测模型检测各个图像中大于或者等于预设车辆区域置信度阈值的车辆区域;获取车辆区域在相应图像内的区域面积比;根据区域面积比大于或者等于预设面积比阈值的车辆区域,确定第二车辆的位置。
在一个实施例中,运动轨迹确定模块1503,进一步用于获取各个图像中区域面积比大于或者等于预设面积比阈值的车辆区域;从各个图像中获取相邻图像的车辆区域的交并比;根据交并比,确定第二车辆在各个图像中的位置。
在一个实施例中,图像包括:第一车辆前方的第一图像;碰撞状态确定模块1504,进一步用于若运动轨迹为第二车辆不断靠近第一车辆,第一图像中对应于第二车辆的车辆区域与第一图像的车辆碰撞检测区域存在重叠区域且重叠区域存在于持续多个第一图像,以及多个第一图像的首个图像中对应于第二车辆的车辆区域与当前图像中对应于第二车辆的车辆区域之间的交并比小于交并比阈值,则确定碰撞状态为已发生碰撞。
在一个实施例中,图像包括:第一车辆后方的第二图像;第二图像由安装于第一车辆尾部的摄像设备拍摄得到;车辆碰撞检测区域为第二图像的完整图像区域;碰撞状态确定模块1504,进一步用于若运动轨迹为第二车辆不断靠近第一车辆,且第二图像中对应于第二车辆的车辆区域与第二图像的图像下边界之间的距离小于或者等于碰撞距离阈值,则确定碰撞状态为已发生碰撞。
在一个实施例中,检测图像获取模块1501,进一步用于第一车辆的碰撞传感器被触发产生碰撞信号后,获取第一车辆的多个用于碰撞检测的图像。
关于车辆碰撞检测装置的具体限定可以参见上文中对于车辆碰撞检测方法的限定,在此不再赘述。上述车辆碰撞检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图16所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆碰撞检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图16中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆碰撞检测方法,其特征在于,所述方法包括:
获取第一车辆的多个用于碰撞检测的图像;
确定各个图像中的车辆碰撞检测区域;
基于预先训练的车辆检测模型,确定所述各个图像中的第二车辆的位置,得到所述第二车辆在所述图像的运动轨迹;
根据所述运动轨迹以及所述车辆碰撞检测区域,确定所述第一车辆与所述第二车辆的碰撞状态。
2.根据权利要求1所述的方法,其特征在于,所述图像包括:所述第一车辆前方的第一图像;所述确定各个图像中的车辆碰撞检测区域,包括:
确定各个第一图像中的所述第一车辆的车头位置;
根据所述车头位置,确定所述各个第一图像中位于路面区域内且具有预设区域尺寸的车道线检测区域;
将从所述车道线检测区域中检测到的第一车道线和第二车道线之间的区域作为所述车辆碰撞检测区域。
3.根据权利要求2所述的方法,其特征在于,所述将从所述车道线检测区域中检测到的第一车道线和第二车道线之间的区域作为所述车辆碰撞检测区域之前,所述方法还包括:
确定所述车道线检测区域中对应于预设颜色的候选车道线;
从所述候选车道线中选取对应于预设角度区间的候选第一车道线和候选第二车道线;
对所述候选第一车道线进行聚类得到所述第一车道线,以及对所述候选第二车道线进行聚类得到所述第二车道线。
4.根据权利要求2所述的方法,其特征在于,所述根据所述车头位置,确定所述各个第一图像中位于路面区域内且具有预设区域尺寸的车道线检测区域之前,所述方法还包括:
基于所述车头位置获取所述各个第一图像中的车路分界线,得到多个车路分界线;所述车路分界线用于标识所述第一车辆与路面的分界;
将所述多个车路分界线进行聚类,得到各类分界线对应的分界线数量;
选取分界线数量最多的一类分界线作为目标分界线;
将所述各个第一图像中位于所述目标分界线前方的区域作为所述路面区域。
5.根据权利要求1所述的方法,其特征在于,所述基于预先训练的车辆检测模型,确定所述各个图像中的第二车辆的位置,包括:
将所述各个图像输入所述车辆检测模型,以触发所述车辆检测模型检测所述各个图像中大于或者等于预设车辆区域置信度阈值的车辆区域;
获取所述车辆区域在相应图像内的区域面积比;
根据所述区域面积比大于或者等于预设面积比阈值的所述车辆区域,确定所述第二车辆的位置。
6.根据权利要求5所述的方法,其特征在于,所述根据所述区域面积比大于或者等于预设面积比阈值的所述车辆区域,确定所述第二车辆的位置,包括:
获取所述各个图像中所述区域面积比大于或者等于预设面积比阈值的所述车辆区域;
从所述各个图像中获取相邻图像的所述车辆区域的交并比;
根据所述交并比,确定所述第二车辆在所述各个图像中的位置。
7.根据权利要求1所述的方法,其特征在于,
所述图像包括:所述第一车辆前方的第一图像;所述根据所述运动轨迹以及所述车辆碰撞检测区域,确定所述第一车辆与所述第二车辆的碰撞状态,包括:
若所述运动轨迹为所述第二车辆不断靠近所述第一车辆,所述第一图像中对应于所述第二车辆的车辆区域与所述第一图像的车辆碰撞检测区域存在重叠区域且所述重叠区域存在于持续多个第一图像,以及多个第一图像的首个图像中对应于所述第二车辆的车辆区域与当前图像中对应于所述第二车辆的车辆区域之间的交并比小于交并比阈值,则确定所述碰撞状态为已发生碰撞;
和/或
所述图像还包括:所述第一车辆后方的第二图像;所述第二图像由安装于所述第一车辆尾部的摄像设备拍摄得到;所述车辆碰撞检测区域为所述第二图像的完整图像区域;所述根据所述运动轨迹以及所述车辆碰撞检测区域,确定所述第一车辆与所述第二车辆的碰撞状态,包括:
若所述运动轨迹为所述第二车辆不断靠近所述第一车辆,且所述第二图像中对应于所述第二车辆的车辆区域与所述第二图像的图像下边界之间的距离小于或者等于碰撞距离阈值,则确定所述碰撞状态为已发生碰撞。
8.根据权利要求1所述的方法,其特征在于,所述获取第一车辆的多个用于碰撞检测的图像,包括:
所述第一车辆的碰撞传感器被触发产生碰撞信号后,获取第一车辆的多个用于碰撞检测的图像。
9.一种车辆碰撞检测装置,其特征在于,所述装置包括:
检测图像获取模块,用于获取第一车辆的多个用于碰撞检测的图像;
检测区域确定模块,用于确定各个图像中的车辆碰撞检测区域;
运动轨迹确定模块,用于基于预先训练的车辆检测模型,确定所述各个图像中的第二车辆的位置,得到所述第二车辆在所述图像的运动轨迹;
碰撞状态确定模块,用于根据所述运动轨迹以及所述车辆碰撞检测区域,确定所述第一车辆与所述第二车辆的碰撞状态。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010656116.6A CN111891061B (zh) | 2020-07-09 | 2020-07-09 | 车辆碰撞检测方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010656116.6A CN111891061B (zh) | 2020-07-09 | 2020-07-09 | 车辆碰撞检测方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111891061A true CN111891061A (zh) | 2020-11-06 |
CN111891061B CN111891061B (zh) | 2021-07-30 |
Family
ID=73191964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010656116.6A Active CN111891061B (zh) | 2020-07-09 | 2020-07-09 | 车辆碰撞检测方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111891061B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597928A (zh) * | 2020-12-28 | 2021-04-02 | 深圳市捷顺科技实业股份有限公司 | 一种事件检测方法及相关装置 |
CN112798300A (zh) * | 2021-02-07 | 2021-05-14 | 柳州龙燊汽车部件有限公司 | 一种汽车车厢防碰撞检测方法及系统 |
CN114148278A (zh) * | 2021-10-22 | 2022-03-08 | 合众新能源汽车有限公司 | 车辆小偏置碰撞的处理方法及装置 |
CN114407852A (zh) * | 2022-03-31 | 2022-04-29 | 山西维度空间信息科技有限公司 | 一种矿车制动控制方法、装置、矿车及存储介质 |
CN114872656A (zh) * | 2022-04-29 | 2022-08-09 | 东风汽车集团股份有限公司 | 车辆乘员安全保护系统及控制方法 |
CN115341827A (zh) * | 2022-08-15 | 2022-11-15 | 长城汽车股份有限公司 | 一种车盖控制方法、装置、车载终端及存储介质 |
CN112597928B (zh) * | 2020-12-28 | 2024-05-14 | 深圳市捷顺科技实业股份有限公司 | 一种事件检测方法及相关装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5947663A (ja) * | 1982-09-13 | 1984-03-17 | Hitachi Ltd | 障害物検知装置 |
JPS647109A (en) * | 1987-06-30 | 1989-01-11 | Toshiba Corp | Automatic tracing device for preceding vehicle |
US5177462A (en) * | 1990-03-28 | 1993-01-05 | Mitsubishi Denki K.K. | Car interval control apparatus |
CN103455812A (zh) * | 2012-06-01 | 2013-12-18 | 株式会社理光 | 目标识别系统和目标识别方法 |
CN104276121A (zh) * | 2013-07-03 | 2015-01-14 | 沃尔沃汽车公司 | 控制车辆安全参数的系统、车辆和控制安全参数的方法 |
CN207984781U (zh) * | 2018-03-14 | 2018-10-19 | 杭州分数科技有限公司 | 行车安全预警装置及系统 |
CN108875336A (zh) * | 2017-11-24 | 2018-11-23 | 北京旷视科技有限公司 | 人脸认证以及录入人脸的方法、认证设备和系统 |
CN109118523A (zh) * | 2018-09-20 | 2019-01-01 | 电子科技大学 | 一种基于yolo的图像目标跟踪方法 |
CN111091591A (zh) * | 2019-12-23 | 2020-05-01 | 百度国际科技(深圳)有限公司 | 一种碰撞检测方法、装置、电子设备及存储介质 |
-
2020
- 2020-07-09 CN CN202010656116.6A patent/CN111891061B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5947663A (ja) * | 1982-09-13 | 1984-03-17 | Hitachi Ltd | 障害物検知装置 |
JPS647109A (en) * | 1987-06-30 | 1989-01-11 | Toshiba Corp | Automatic tracing device for preceding vehicle |
US5177462A (en) * | 1990-03-28 | 1993-01-05 | Mitsubishi Denki K.K. | Car interval control apparatus |
CN103455812A (zh) * | 2012-06-01 | 2013-12-18 | 株式会社理光 | 目标识别系统和目标识别方法 |
CN104276121A (zh) * | 2013-07-03 | 2015-01-14 | 沃尔沃汽车公司 | 控制车辆安全参数的系统、车辆和控制安全参数的方法 |
CN108875336A (zh) * | 2017-11-24 | 2018-11-23 | 北京旷视科技有限公司 | 人脸认证以及录入人脸的方法、认证设备和系统 |
CN207984781U (zh) * | 2018-03-14 | 2018-10-19 | 杭州分数科技有限公司 | 行车安全预警装置及系统 |
CN109118523A (zh) * | 2018-09-20 | 2019-01-01 | 电子科技大学 | 一种基于yolo的图像目标跟踪方法 |
CN111091591A (zh) * | 2019-12-23 | 2020-05-01 | 百度国际科技(深圳)有限公司 | 一种碰撞检测方法、装置、电子设备及存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597928A (zh) * | 2020-12-28 | 2021-04-02 | 深圳市捷顺科技实业股份有限公司 | 一种事件检测方法及相关装置 |
CN112597928B (zh) * | 2020-12-28 | 2024-05-14 | 深圳市捷顺科技实业股份有限公司 | 一种事件检测方法及相关装置 |
CN112798300A (zh) * | 2021-02-07 | 2021-05-14 | 柳州龙燊汽车部件有限公司 | 一种汽车车厢防碰撞检测方法及系统 |
CN114148278A (zh) * | 2021-10-22 | 2022-03-08 | 合众新能源汽车有限公司 | 车辆小偏置碰撞的处理方法及装置 |
CN114407852A (zh) * | 2022-03-31 | 2022-04-29 | 山西维度空间信息科技有限公司 | 一种矿车制动控制方法、装置、矿车及存储介质 |
CN114407852B (zh) * | 2022-03-31 | 2022-07-15 | 山西维度空间信息科技有限公司 | 一种矿车制动控制方法、装置、矿车及存储介质 |
CN114872656A (zh) * | 2022-04-29 | 2022-08-09 | 东风汽车集团股份有限公司 | 车辆乘员安全保护系统及控制方法 |
CN114872656B (zh) * | 2022-04-29 | 2023-09-05 | 东风汽车集团股份有限公司 | 车辆乘员安全保护系统及控制方法 |
CN115341827A (zh) * | 2022-08-15 | 2022-11-15 | 长城汽车股份有限公司 | 一种车盖控制方法、装置、车载终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111891061B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111891061B (zh) | 车辆碰撞检测方法、装置和计算机设备 | |
CN105825185B (zh) | 车辆防碰撞预警方法及装置 | |
CN104778444B (zh) | 道路场景下车辆图像的表观特征分析方法 | |
WO2019116958A1 (ja) | 車載環境認識装置 | |
US11170272B2 (en) | Object detection device, object detection method, and computer program for object detection | |
CN106652465A (zh) | 一种道路异常驾驶行为的识别方法及系统 | |
Aytekin et al. | Increasing driving safety with a multiple vehicle detection and tracking system using ongoing vehicle shadow information | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
KR102001002B1 (ko) | 딥러닝 기반 번호 인식 시스템 | |
JP7135665B2 (ja) | 車両制御システム、車両の制御方法及びコンピュータプログラム | |
US10748014B2 (en) | Processing device, object recognition apparatus, device control system, processing method, and computer-readable recording medium | |
CN109766867B (zh) | 车辆运行状态确定方法、装置、计算机设备和存储介质 | |
JP2021165080A (ja) | 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム | |
US20120155711A1 (en) | Apparatus and method for analyzing video | |
CN111583660B (zh) | 车辆转向行为检测方法、装置、设备及存储介质 | |
Wang et al. | An improved hough transform method for detecting forward vehicle and lane in road | |
Choi et al. | Cut-in vehicle warning system exploiting multiple rotational images of SVM cameras | |
US10614323B2 (en) | Scene analysis method and visual navigation device | |
US11120292B2 (en) | Distance estimation device, distance estimation method, and distance estimation computer program | |
EP4113377A1 (en) | Use of dbscan for lane detection | |
CN105761501A (zh) | 一种智能车辆行为检测抓拍方法 | |
CN114973157A (zh) | 车辆分离方法、电子设备及计算机可读存储介质 | |
CN104077566B (zh) | 基于颜色差分的卡口图片人脸检测方法 | |
CN113177509A (zh) | 一种倒车行为识别方法及装置 | |
DE102020213799A1 (de) | Hindernisdetektionsvorrichtung und Hindernisdetektionsverfahren |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240219 Address after: Room 601, 6th Floor, Building 2, No. 89 Liangcun Avenue, Yongning District, Nanning City, Guangxi Zhuang Autonomous Region, 530299 Patentee after: Yamei Holdings Group Co.,Ltd. Country or region after: China Address before: Room 201, No.1 Hanjing Road, Tianhe District, Guangzhou City, Guangdong Province Patentee before: Guangzhou Yameizhi Technology Co.,Ltd. Country or region before: China |
|
TR01 | Transfer of patent right |