CN111907468A - 用于控制无人车的方法和装置 - Google Patents
用于控制无人车的方法和装置 Download PDFInfo
- Publication number
- CN111907468A CN111907468A CN201910381445.1A CN201910381445A CN111907468A CN 111907468 A CN111907468 A CN 111907468A CN 201910381445 A CN201910381445 A CN 201910381445A CN 111907468 A CN111907468 A CN 111907468A
- Authority
- CN
- China
- Prior art keywords
- passenger
- image
- safety belt
- seat
- unmanned vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000004044 response Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010200 validation analysis Methods 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
- B60R22/00—Safety belts or body harnesses in vehicles
- B60R22/48—Control systems, alarms, or interlock systems, for the correct application of the belt or harness
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了用于控制无人车的和装置。该方法的一具体实施方式包括:响应于检测到车门关闭并且检测到乘客坐在座位上,获取所述座位上的乘客图像;根据所述乘客图像识别出所述乘客是否系上安全带;通过所述无人车的车辆数据确定所述座位上的安全带是否已经卡入卡槽;若所述乘客系上安全带且所述座位上的安全带已经卡入卡槽,允许执行所述乘客发出的开启行程的指令。该实施方式能够帮助无人车确认乘客是否做好开始行程的准备,保障乘客在行程中的安全。
Description
技术领域
本公开的实施例涉及无人车技术领域,具体涉及用于控制无人车的方法和装置。
背景技术
现代社会中,无人车的使用越来越普及。无人车,又称为“移动轮式机器人”,无人车通过车辆上设置的驾驶控制设备根据各种传感器(例如,摄像机和激光雷达)所采集的车辆自身的信息和车辆外界环境信息,进行综合分析处理以实现路径规划和行驶控制。
乘客乘坐无人车时,没有司机可以直接确认乘客是否准备好开启行程。如果不检测乘客的状态而直接执行乘客的指令,可能会产生安全隐患。
发明内容
本公开的实施例提出了用于控制无人车的方法和装置。
第一方面,本公开的实施例提供了一种用于控制无人车的方法,包括:响应于检测到车门关闭并且检测到乘客坐在座位上,获取座位上的乘客图像;根据乘客图像识别出乘客是否系上安全带;通过无人车的车辆数据确定座位上的安全带是否已经卡入卡槽;若乘客系上安全带且座位上的安全带已经卡入卡槽,允许执行乘客发出的开启行程的指令。
在一些实施例中,该方法还包括:响应于接收到开启行程的请求,若乘客未系上安全带或座位上的安全带未卡入卡槽,提示乘客系上安全带。
在一些实施例中,该方法还包括:响应于接收到开启行程的请求,获取无人车的预约信息,其中,预约信息包括预约乘客的面部照片、行驶路线;根据乘客图像识别出人脸图像;响应于人脸图像与无人车的预约信息中的面部照片匹配,按照预约信息中的行驶路线行驶。
在一些实施例中,根据乘客图像识别出乘客是否系上安全带,包括:将乘客图像输入预先训练的分类器中,得到图像类别,其中,图像类别包括系上安全带和未系安全带。
在一些实施例中,根据乘客图像识别出乘客是否系上安全带,包括:将乘客图像输入预先训练的神经网络模型中,得到安全带的位置信息;根据位置信息确定安全带是否能起到防护作用;若不能,则确定出乘客未系上安全带,以及提示乘客重新系安全带或使用安全座椅。
第二方面,本公开的实施例提供了一种用于控制无人车的装置,包括:图像获取单元,被配置成响应于检测到车门关闭并且检测到乘客坐在座位上,获取座位上的乘客图像;图像识别单元,被配置成根据乘客图像识别出乘客是否系上安全带;卡扣确认单元,被配置成通过无人车的车辆数据确定座位上的安全带是否已经卡入卡槽;指令执行单元,被配置成若乘客系上安全带且座位上的安全带已经卡入卡槽,允许执行乘客发出的开启行程的指令。
在一些实施例中,该装置还包括提示单元,被配置成:响应于接收到开启行程的请求,若乘客未系上安全带或座位上的安全带未卡入卡槽,提示乘客系上安全带。
在一些实施例中,该装置还包括预约单元,被配置成:响应于接收到开启行程的请求,获取无人车的预约信息,其中,预约信息包括预约乘客的面部照片、行驶路线;根据乘客图像识别出人脸图像;响应于人脸图像与无人车的预约信息中的面部照片匹配,按照预约信息中的行驶路线行驶。
在一些实施例中,图像识别单元进一步被配置成:将乘客图像输入预先训练的分类器中,得到图像类别,其中,图像类别包括系上安全带和未系安全带。
在一些实施例中,图像识别单元进一步被配置成:将乘客图像输入预先训练的神经网络模型中,得到安全带的位置信息;根据位置信息确定安全带是否能起到防护作用;若不能,则确定出乘客未系上安全带,以及提示乘客重新系安全带或使用安全座椅。
第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一的方法。
本公开的实施例提供的用于控制无人车的方法和装置,将图像识别是否系安全带和车辆自有的安全带检测方式结合起来,对是否系安全带进行双重验证,防止乘客作弊,从而提高了乘车安全性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于控制无人车的方法的一个实施例的流程图;
图3a、3b、3c是根据本公开的用于控制无人车的方法的一个应用场景的示意图;
图4是根据本公开的用于控制无人车的方法的又一个实施例的流程图;
图5是根据本公开的用于控制无人车的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本申请的用于控制无人车的方法或用于控制无人车的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括无人车101、网络102和云服务器103,无人车101中可以设置有驾驶控制设备1011和车载传感器1012。其中,无人车101可以为可以工作在无人驾驶模式或者人工驾驶模式的无人车。
在无人车101工作在无人驾驶模式时,驾驶控制设备(又称为车载大脑)1011负责无人车101的智能控制。
在无人车101工作在人工驾驶模式时。无人车101中的驾驶控制设备1011可以提供驾驶辅助信息。
无人车101内部需要配备摄像头。摄像头用于拍摄乘客的照片,为了便于拍摄,可将摄像头安装在头枕处。为了便于乘客操控无人车,车内的前座的后背可安装有头枕屏幕、用于输出提示信息,并可接收乘客输入的控制指令。为了乘客的安全,建议乘客坐在后排,因此摄像头安装在前排头枕处。可选地,乘客也可坐在前排,则摄像头可安装在车辆A柱的位置。A柱:在发动机舱和驾驶舱之间,左右后视镜的上方,为了和前挡风玻璃衔接,往往设计的比较倾斜,在一些注重运动性能的车上,倾斜度更高。
无人车101同时具有普通汽车的压力感应功能,可检测到乘客落座。并且可检测安全带是否卡入卡槽。
驾驶控制设备1011可以是单独设置的控制器,例如可编程逻辑控制器(Programmable Logic Controller,PLC)、单片机、工业控制机等;也可以是由其他具有输入/输出端口,并具有运算控制功能的电子器件组成的设备;还可以是安装有车辆驾驶控制类应用的计算机设备。
驾驶控制设备1011可以通过网络102与服务器103连接,网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
车载传感器1012可以采集车辆行驶过程中的周围环境数据和车辆状态数据。作为示例,车载传感器1012可以包括车载摄像头、激光雷达传感器、毫米波雷达传感器、碰撞传感器、速度传感器、空气压力传感器等。需要说明的是,实践中无人车101中还可以安装有GNSS(Global Navigation Satellite System,全球导航卫星系统)设备和SINS(Strap-down Inertial Navigation System,捷联惯性导航系统)等等。
云服务器103可以通过网络102与驾驶控制设备1011建立连接,驾驶控制设备1011可以将无人车101相关的数据(例如,车内摄像头拍摄的乘客图像)发送至云服务器103。云服务器103可以对从驾驶控制设备1011接收到的数据进行分析处理,再将处理结果(乘客是否系安全带)反馈至驾驶控制设备1011。驾驶控制设备1011可以根据接收到的处理结果进行响应。
驾驶控制设备1011也可在本地进行图像识别,根据乘客图像识别出乘客是否系上安全带。
需要说明的是,本申请实施例所提供的用于输出障碍物信息的方法可以由驾驶控制设备1011或云服务器103执行,相应地,用于输出障碍物信息的装置可以设置于驾驶控制设备1011或云服务器103中。
应该理解,图1中的车辆、车载传感器、驾驶控制设备、网络和云服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的车辆、车载传感器、驾驶控制设备、网络和云服务器。
继续参考图2,示出了根据本公开的用于控制无人车的方法的一个实施例的流程200。该用于控制无人车的方法,包括以下步骤:
步骤201,响应于检测到车门关闭并且检测到乘客坐在座位上,获取座位上的乘客图像。
在本实施例中,用于控制无人车的方法的执行主体(例如图1所示的无人车的驾驶控制设备)可通过感应装置检测到乘客上车后关闭车门。还可通过压力传感器检测到乘客坐在哪个位置上,从而可检测到相应位置的安全带是否卡入卡槽。可选地,可通过图像识别的方法检测乘客所坐的座位。通过车内摄像头拍摄乘客的图像,通过预先训练的神经网络模型可识别出乘客的座位。该神经网络模型是使用大量标注座椅靠背轮廓的照片作为样本训练得到的。
当满足车门关闭和乘客入座两个条件时,再获取座位上的乘客图像。这样可以准确定位有效的图像,减少图像识别的次数。该图像不仅包括乘客的头部图像,还包括乘客的上半身图像。
步骤202,根据乘客图像识别出乘客是否系上安全带。
在本实施例中,这里的乘客是否系上安全带指的是在乘客的身上系有安全带,但安全带未必卡入卡槽。即,用户有可能根本没有实际卡扣安全带,而是为了逃避图像识别检测做出的摆拍。可通过预先训练的分类器识别乘客是否系上安全带。将乘客图像输入预先训练的分类器中,得到图像类别,其中,图像类别包括系上安全带和未系安全带。
分类器的构造和实施大体会经过以下几个步骤:
1、选定样本(将系安全带的图像作为正样本,将未系安全带的图像作为负样本),将所有样本分成训练样本和测试样本两部分。
2、在训练样本上执行分类器算法,生成分类模型。
3、在测试样本上执行分类器,生成预测结果。
4、根据预测结果,计算必要的评估指标,评估分类器的性能。
在本实施例的一些可选的实现方式中,将乘客图像输入预先训练的神经网络模型中,得到安全带的位置信息;根据位置信息确定安全带是否能起到防护作用;若不能,则确定出乘客未系上安全带,以及提示乘客重新系安全带或使用安全座椅。这里的神经网络模型可以是Mask RCNN、Faster RCNN等神经网络,不仅可以识别出安全带的位置、轮廓,还能识别出人体的头部、颈部、躯干的位置、轮廓。通过神经网络模型可检测到安全带的轮廓位置,再结合人脸部、颈部的位置,可确定安全带是否起到防护作用。例如,如果距离颈部小于预定安全距离则认为起不到防护作用。这种情况多发于身高不足1.4米的儿童。虽然他们系上了安全带,非但不能起到安全作用,反而可能在安全带勒紧时导致儿童窒息。
步骤203,通过无人车的车辆数据确定座位上的安全带是否已经卡入卡槽。
在本实施例中,无人车也具体普通汽车的安全带状态检测功能。通常当卡槽卡住时,汽车会认为乘客已经系上安全带。实际上,乘客很容易用作弊工具假装系上安全带。为了防止乘客作弊,本公开的方案采用了双重验证。要同时通过图像识别检测和卡槽检测的情况下才认定乘客系上了安全带。
步骤204,若乘客系上安全带且座位上的安全带已经卡入卡槽,允许执行乘客发出的开启行程的指令。
在本实施例中,同时通过图像识别检测和卡槽检测的情况下,无人车允许执行乘客发出的开启行程的指令。从而可有效防范乘客作弊,保护乘车安全。用户可通过语音发出控制指令,也可通过触摸屏等输入设备手动输入控制指令。如图3a-3c所示,可以通过车内屏幕向无人车发送控制指令。如果有多个乘客,则需要每个乘客都系上安全带才能允许执行乘客发出的开启行程的指令。在执行开启行程的指令之前,还可对乘客的身份进行验证。可通过人脸识别、或声纹识别出乘客是否具有控制无人车的权限。这些验证身份的方法属于现有技术,因此不再赘述。如果有多个乘客,可则根据乘客的身份的优先级来决定控制指令的执行顺序,避免控制指令冲突。
在本实施例的一些可选的实现方式中,该方法还包括:响应于接收到开启行程的请求,若乘客未系上安全带或座位上的安全带未卡入卡槽,提示乘客系上安全带。双重验证中任何一项不过关则认为乘客没系安全带。如果这时乘客要求开车,则是不允许的。需要提示乘客系上安全带。可通过语音、或屏幕显示提醒。
继续参见图3a-3c,图3a-3c是根据本实施例的用于控制无人车的方法的应用场景的一个示意图。如图3a所示,本公开涉及的无人车需要在车内安装摄像头、屏幕。摄像头可安装于前排座位头枕处,方便拍摄后座的乘客。屏幕也可安装于前排座位头枕处,方便后排的乘客操作。通过车辆数据检测到车门关闭并且检测到乘客坐在座位上后,通过摄像头拍摄乘客图像。通过乘客图像识别出乘客未系上安全带或者通过车辆数据确定乘客未系上安全带,则后座屏幕上开启行程被锁定无法点击,不能接受乘客的启动行程的指令,如图3b所示。并提醒乘客检查安全带。如果乘客通过双重安全带检测,则开启后座屏幕的欢迎页面,同时开启行程按钮被激活,如图3c所示。用户可通过屏幕或语音输入目的地。如果为网约车,则可提前指定目的地。然后通过文字和/或语音进行行程介绍,“欢迎乘车,本次行程共XX公里,预计时间15mins,预计到达时间12:23PM”等信息。
本公开的上述实施例提供的方法通过对安全带的双重验证,帮助无人车确认乘客是否做好开始行程的准备,保障乘客在行程中的安全。
进一步参考图4,其示出了用于控制无人车的方法的又一个实施例的流程400。该用于控制无人车的方法的流程400,包括以下步骤:
步骤401,响应于检测到车门关闭并且检测到乘客坐在座位上,获取座位上的乘客图像。
步骤402,根据乘客图像识别出乘客是否系上安全带。
步骤403,通过无人车的车辆数据确定座位上的安全带是否已经卡入卡槽。
步骤404,若乘客系上安全带且座位上的安全带已经卡入卡槽,允许执行乘客发出的开启行程的指令。
步骤401-404与步骤201-204基本相同,因此不再赘述。
步骤405,响应于接收到开启行程的请求,获取无人车的预约信息。
在本实施例中,预约信息包括预约乘客的面部照片、行驶路线。该无人车可以是网约车。乘客提前预约了出发时间、出发地点和目的地点。无人车可自动在指定的出发时间前预定时间内到达出发地点接乘客。在检测到乘客上车并系好安全带后,如果乘客此时通过语音或屏幕输入开启行程的指令,则无需输入目的地,直接按照预约信息的目的地行程。为了确保乘客有坐车的权限,需要核对预约信息。
步骤406,根据乘客图像识别出人脸图像。
在本实施例中,为了防止乘客和预约的用户不一致,需要核对乘客的身份。之前在通过图像识别检测安全带时已经拍摄了乘客图像。再通过人脸检测算法从该乘客图像中抠出人脸图像。
步骤407,响应于人脸图像与无人车的预约信息中的面部照片匹配,按照预约信息中的行驶路线行驶。
在本实施例中,将人脸图像与预约信息中的面部照片进行相似度计算,如果相似度大于预定阈值,则人脸图像与无人车的预约信息中的面部照片匹配。从而核实了乘客确实是约车的用户。可按照预约信息中的行驶路线行驶搭载该乘客。防止乘客上错车,或者冒充别人的乘车。例如,可防止儿童在无家长监护的情况下单独乘车。进一步地保证人身安全,并维护车主的权益。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于控制无人车的方法的流程400体现了对乘客身份进行认证的步骤。由此,本实施例描述的方案可以引入更多的安全措施,保证行车安全并维护车主的权益。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于控制无人车的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于控制无人车的装置500包括:图像获取单元501、图像识别单元502、卡扣确认单元503和指令执行单元504。其中,图像获取单元501,被配置成响应于检测到车门关闭并且检测到乘客坐在座位上,获取座位上的乘客图像;图像识别单元502,被配置成根据乘客图像识别出乘客是否系上安全带;卡扣确认单元503,被配置成通过无人车的车辆数据确定座位上的安全带是否已经卡入卡槽;指令执行单元504,被配置成若乘客系上安全带且座位上的安全带已经卡入卡槽,允许执行乘客发出的开启行程的指令。
在本实施例中,用于控制无人车的装置500的图像获取单元501、图像识别单元502、卡扣确认单元503和指令执行单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204。
在本实施例的一些可选的实现方式中,装置500还包括提示单元(附图中未示出),被配置成:响应于接收到开启行程的请求,若乘客未系上安全带或座位上的安全带未卡入卡槽,提示乘客系上安全带。
在本实施例的一些可选的实现方式中,装置500还包括预约单元(附图中未示出),被配置成:响应于接收到开启行程的请求,获取无人车的预约信息,其中,预约信息包括预约乘客的面部照片、行驶路线;根据乘客图像识别出人脸图像;响应于人脸图像与无人车的预约信息中的面部照片匹配,按照预约信息中的行驶路线行驶。
在本实施例的一些可选的实现方式中,图像识别单元502进一步被配置成:将乘客图像输入预先训练的分类器中,得到图像类别,其中,图像类别包括系上安全带和未系安全带。
在本实施例的一些可选的实现方式中,图像识别单元502进一步被配置成:将乘客图像输入预先训练的神经网络模型中,得到安全带的位置信息;根据位置信息确定安全带是否能起到防护作用;若不能,则确定出乘客未系上安全带,以及提示乘客重新系安全带或使用安全座椅。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的无人车的驾驶控制设备)600的结构示意图。图6示出的无人车的驾驶控制设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于检测到车门关闭并且检测到乘客坐在座位上,获取所述座位上的乘客图像;根据所述乘客图像识别出所述乘客是否系上安全带;通过所述无人车的车辆数据确定所述座位上的安全带是否已经卡入卡槽;若所述乘客系上安全带且所述座位上的安全带已经卡入卡槽,允许执行所述乘客发出的开启行程的指令。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括图像获取单元、图像识别单元、卡扣确认单元和指令执行单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,图像获取单元还可以被描述为“响应于检测到车门关闭并且检测到乘客坐在座位上,获取所述座位上的乘客图像的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于控制无人车的方法,包括:
响应于检测到车门关闭并且检测到乘客坐在座位上,获取所述座位上的乘客图像;
根据所述乘客图像识别出所述乘客是否系上安全带;
通过所述无人车的车辆数据确定所述座位上的安全带是否已经卡入卡槽;
若所述乘客系上安全带且所述座位上的安全带已经卡入卡槽,允许执行所述乘客发出的开启行程的指令。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于接收到开启行程的请求,若所述乘客未系上安全带或所述座位上的安全带未卡入卡槽,提示所述乘客系上安全带。
3.根据权利要求1所述的方法,其中,所述方法还包括:
响应于接收到开启行程的请求,获取所述无人车的预约信息,其中,所述预约信息包括预约乘客的面部照片、行驶路线;
根据所述乘客图像识别出人脸图像;
响应于所述人脸图像与所述无人车的预约信息中的面部照片匹配,按照预约信息中的行驶路线行驶。
4.根据权利要求1所述的方法,其中,所述根据所述乘客图像识别出所述乘客是否系上安全带,包括:
将所述乘客图像输入预先训练的分类器中,得到图像类别,其中,所述图像类别包括系上安全带和未系安全带。
5.根据权利要求1所述的方法,其中,所述根据所述乘客图像识别出所述乘客是否系上安全带,包括:
将所述乘客图像输入预先训练的神经网络模型中,得到安全带的位置信息;
根据所述位置信息确定所述安全带是否能起到防护作用;
若不能,则确定出所述乘客未系上安全带,以及提示所述乘客重新系安全带或使用安全座椅。
6.一种用于控制无人车的装置,包括:
图像获取单元,被配置成响应于检测到车门关闭并且检测到乘客坐在座位上,获取所述座位上的乘客图像;
图像识别单元,被配置成根据所述乘客图像识别出所述乘客是否系上安全带;
卡扣确认单元,被配置成通过所述无人车的车辆数据确定所述座位上的安全带是否已经卡入卡槽;
指令执行单元,被配置成若所述乘客系上安全带且所述座位上的安全带已经卡入卡槽,允许执行所述乘客发出的开启行程的指令。
7.根据权利要求6所述的装置,其中,所述装置还包括提示单元,被配置成:
响应于接收到开启行程的请求,若所述乘客未系上安全带或所述座位上的安全带未卡入卡槽,提示所述乘客系上安全带。
8.根据权利要求6所述的装置,其中,所述装置还包括预约单元,被配置成:
响应于接收到开启行程的请求,获取所述无人车的预约信息,其中,所述预约信息包括预约乘客的面部照片、行驶路线;
根据所述乘客图像识别出人脸图像;
响应于所述人脸图像与所述无人车的预约信息中的面部照片匹配,按照预约信息中的行驶路线行驶。
9.根据权利要求6所述的装置,其中,所述图像识别单元进一步被配置成:
将所述乘客图像输入预先训练的分类器中,得到图像类别,其中,所述图像类别包括系上安全带和未系安全带。
10.根据权利要求6所述的装置,其中,所述图像识别单元进一步被配置成:
将所述乘客图像输入预先训练的神经网络模型中,得到安全带的位置信息;
根据所述位置信息确定所述安全带是否能起到防护作用;
若不能,则确定出所述乘客未系上安全带,以及提示所述乘客重新系安全带或使用安全座椅。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910381445.1A CN111907468B (zh) | 2019-05-08 | 2019-05-08 | 用于控制无人车的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910381445.1A CN111907468B (zh) | 2019-05-08 | 2019-05-08 | 用于控制无人车的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111907468A true CN111907468A (zh) | 2020-11-10 |
CN111907468B CN111907468B (zh) | 2023-04-18 |
Family
ID=73242778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910381445.1A Active CN111907468B (zh) | 2019-05-08 | 2019-05-08 | 用于控制无人车的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111907468B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114295142A (zh) * | 2021-12-24 | 2022-04-08 | 北京百度网讯科技有限公司 | 同行载客方法、装置、电子设备和自动驾驶车辆 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822971A (zh) * | 2003-07-15 | 2006-08-23 | Iee国际电子及工程股份有限公司 | 安全带报警设备 |
KR101461911B1 (ko) * | 2013-07-25 | 2014-11-13 | 현대자동차주식회사 | 안전벨트 체결 상태 가이드 장치 및 방법 |
CN104657752A (zh) * | 2015-03-17 | 2015-05-27 | 银江股份有限公司 | 一种基于深度学习的安全带佩戴识别方法 |
CN105955099A (zh) * | 2016-04-26 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的驾驶模式切换方法和装置 |
CN107139868A (zh) * | 2017-05-15 | 2017-09-08 | 成都中技智慧企业管理咨询有限公司 | 一种自动驾驶汽车判断乘客身份的系统 |
CN107577231A (zh) * | 2017-08-28 | 2018-01-12 | 驭势科技(北京)有限公司 | 车辆的控制决策的制定方法、装置和无人驾驶车辆 |
CN107784845A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 对上下车乘客进行身份验证的车辆无人驾驶系统及方法 |
WO2018050667A1 (de) * | 2016-09-15 | 2018-03-22 | Autoliv Development Ab | Sicherheitsgurteinrichtung und verfahren zur steuerung einer sicherheitsgurteinrichtung für ein fahrzeug mit zumindest einer autonomen fahrfunktion |
US20180319291A1 (en) * | 2017-05-04 | 2018-11-08 | C.R.F. Società Consortile Per Azioni | Detecting and Signalling the Presence of a Passenger Involuntarily Left Unattended in a Motor Vehicle |
JP2019020985A (ja) * | 2017-07-14 | 2019-02-07 | 矢崎エナジーシステム株式会社 | 無人タクシー制御方法および無人タクシー制御装置 |
CN109435956A (zh) * | 2017-08-21 | 2019-03-08 | 丰田自动车株式会社 | 自动驾驶车辆 |
-
2019
- 2019-05-08 CN CN201910381445.1A patent/CN111907468B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822971A (zh) * | 2003-07-15 | 2006-08-23 | Iee国际电子及工程股份有限公司 | 安全带报警设备 |
KR101461911B1 (ko) * | 2013-07-25 | 2014-11-13 | 현대자동차주식회사 | 안전벨트 체결 상태 가이드 장치 및 방법 |
CN104657752A (zh) * | 2015-03-17 | 2015-05-27 | 银江股份有限公司 | 一种基于深度学习的安全带佩戴识别方法 |
CN105955099A (zh) * | 2016-04-26 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的驾驶模式切换方法和装置 |
CN107784845A (zh) * | 2016-08-25 | 2018-03-09 | 大连楼兰科技股份有限公司 | 对上下车乘客进行身份验证的车辆无人驾驶系统及方法 |
WO2018050667A1 (de) * | 2016-09-15 | 2018-03-22 | Autoliv Development Ab | Sicherheitsgurteinrichtung und verfahren zur steuerung einer sicherheitsgurteinrichtung für ein fahrzeug mit zumindest einer autonomen fahrfunktion |
US20180319291A1 (en) * | 2017-05-04 | 2018-11-08 | C.R.F. Società Consortile Per Azioni | Detecting and Signalling the Presence of a Passenger Involuntarily Left Unattended in a Motor Vehicle |
CN107139868A (zh) * | 2017-05-15 | 2017-09-08 | 成都中技智慧企业管理咨询有限公司 | 一种自动驾驶汽车判断乘客身份的系统 |
JP2019020985A (ja) * | 2017-07-14 | 2019-02-07 | 矢崎エナジーシステム株式会社 | 無人タクシー制御方法および無人タクシー制御装置 |
CN109435956A (zh) * | 2017-08-21 | 2019-03-08 | 丰田自动车株式会社 | 自动驾驶车辆 |
CN107577231A (zh) * | 2017-08-28 | 2018-01-12 | 驭势科技(北京)有限公司 | 车辆的控制决策的制定方法、装置和无人驾驶车辆 |
Non-Patent Citations (1)
Title |
---|
葛如海 等: ""基于GA-BP的安全带佩戴识别方法"", 《江苏大学学报(自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114295142A (zh) * | 2021-12-24 | 2022-04-08 | 北京百度网讯科技有限公司 | 同行载客方法、装置、电子设备和自动驾驶车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN111907468B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110103878B (zh) | 用于控制无人车的方法和装置 | |
US11685392B2 (en) | Apparatus, systems and methods for classifying digital images | |
US20210407225A1 (en) | Method and system for vehicle-related driver characteristic determination | |
US10809721B2 (en) | Autonomous driving system | |
US10848913B2 (en) | Method for smartphone-based accident detection | |
CN108137052B (zh) | 驾驶控制装置、驾驶控制方法和计算机可读介质 | |
CN108137050B (zh) | 驾驶控制装置、驾驶控制方法 | |
CN109690609B (zh) | 乘客辅助装置、方法以及程序 | |
US20180040093A1 (en) | Vehicle request using wearable earpiece | |
CN107813828A (zh) | 乘客验证系统和方法 | |
CN107817714A (zh) | 乘客监控系统和方法 | |
CN107813829A (zh) | 乘客追踪系统和方法 | |
CN111347985B (zh) | 自动驾驶出租车 | |
CN110023168A (zh) | 车辆控制系统、车辆控制方法及车辆控制程序 | |
CN109890662A (zh) | 车辆控制系统、车辆控制方法及车辆控制程序 | |
CN112689587A (zh) | 考虑到在要求接管驾驶任务时驾驶员的非驾驶任务活动的可中断性而分类非驾驶任务活动的方法及因要求接管驾驶任务而中断非驾驶任务活动后重新释放非驾驶任务活动的方法 | |
EP3620963A1 (en) | Method, apparatus and device for identifying passenger state in unmanned vehicle | |
JP7226197B2 (ja) | 車両制御装置 | |
CN111907468B (zh) | 用于控制无人车的方法和装置 | |
US20200391754A1 (en) | Driver assistance device that can be mounted on a vehicle | |
KR102374563B1 (ko) | 차량의 사고 정보 자동 처리 시스템 | |
CN116547729A (zh) | 关注对象共享装置、关注对象共享方法 | |
US20200151742A1 (en) | Information processing system, program, and control method | |
JP7070827B2 (ja) | 運転評価装置、車載機、これらを備えた運転評価システム、運転評価方法、及び運転評価プログラム | |
CN111976594B (zh) | 用于控制无人车的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211011 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 2 / F, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |