CN112287139A - 应用数据分析的赛道时长解析系统及方法 - Google Patents
应用数据分析的赛道时长解析系统及方法 Download PDFInfo
- Publication number
- CN112287139A CN112287139A CN202011152706.1A CN202011152706A CN112287139A CN 112287139 A CN112287139 A CN 112287139A CN 202011152706 A CN202011152706 A CN 202011152706A CN 112287139 A CN112287139 A CN 112287139A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- track
- racing car
- deepest
- real
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims description 24
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims description 9
- 230000037396 body weight Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000004973 liquid crystal related substance Substances 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 241000270281 Coluber constrictor Species 0.000 abstract description 3
- OQZCSNDVOWYALR-UHFFFAOYSA-N flurochloridone Chemical compound FC(F)(F)C1=CC=CC(N2C(C(Cl)C(CCl)C2)=O)=C1 OQZCSNDVOWYALR-UHFFFAOYSA-N 0.000 abstract description 3
- 241000270272 Coluber Species 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 101100532856 Arabidopsis thaliana SDRA gene Proteins 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Abstract
本发明涉及一种应用数据分析的赛道时长解析系统,包括:重量检测机构,设置在赛车的底盘的下方,用于测量并输出赛车当前车重;SDRAM存储芯片,用于存储所述赛车的最高行驶速度,其中,所述最高行驶速度与赛车当前车重对应;信号搜索设备,用于基于重量检测机构输出的赛车当前车重搜索出对应的最高行驶速度。本发明还涉及一种应用数据分析的赛道时长解析方法。本发明的应用数据分析的赛道时长解析系统及方法运行智能、数据可靠。由于能够基于赛车当前车重分析对应的赛车的最高行驶速度,继而基于赛道最远点距离赛车前端的实时距离解析出赛车当前状态行驶完前方赛道需要的最短时长,从而为赛车手提供关键的赛车参考数据。
Description
技术领域
本发明涉及赛车控制领域,尤其涉及一种应用数据分析的赛道时长解析系统及方法。
背景技术
赛车运动赛车运动分为两大类,场地赛车和非场地赛车。起源距今已有超过100年的历史。最早的赛车比赛是在城市间的公路上进行的。后来许多车手因为公路比赛极大的危险性而丧生,于是专业比赛赛道应运而生。第一场赛车比赛于1887年4月20日在巴黎举行。
最早的汽车比赛是在公路上比谁能在最短的时间内跑完规定的赛程。随后人们又尝试了难度更大的爬坡比赛,看参赛选手谁能最快地驾车爬上山坡。此后随着赛车运动的不断升级,出现了在环型赛道上进行的汽车比赛。人们在今天所见到的号称赛车运动顶峰的一级方程式(F1)比赛也毫不例外的是经历了赛车运动的漫长历史才逐渐演化成今天的形式的。然而在赛车运动进化过程中产生的各种各样的竞赛形式无论在什么时代都保持着自己特有的规则,形成了今天多种多样风格各异的汽车赛事。如名为“PIKESPEAK·INTERNATIONAL·HILLCLIMBING”的山地赛车最早开始于1916年,尽管当中因战争而一度中断,但延续到今天又将在美国科罗拉多州迎来它的第77届比赛。另外,在公路上进行的汽车拉力、在环型赛道上进行的场地赛车等无一不拥有各自显赫的历史。
目前,对应参加赛车比赛的赛车手来说,由于直道能够充分提速且受其他车辆干扰较少,因此直道是反映出不同类型赛车性能优劣的最佳场合,然而,赛车的重量和直道到赛车的距离都是不断变化的,单凭借赛车手的个人经验是无法判断本车在当前状态下行驶到直道最远端的最短行驶时长,进而也无法确定在本直道是否超车以及无法制定其他比赛策略。
发明内容
为了解决现有技术中的技术问题,本发明提供了一种应用数据分析的赛道时长解析系统及方法,能够基于赛车当前车重分析对应的赛车的最高行驶速度,继而基于赛道最远点距离赛车前端的实时距离解析出赛车当前状态行驶完前方赛道需要的最短时长,从而为赛车手提供关键的赛车参考数据。
为此,本发明至少需要具备以下两处关键的发明点:
(1)基于赛车前方赛道的最远成像像素点的深度值和当前成像焦距分析赛车距离前方赛道最远端的实时距离;
(2)基于赛车当前车重从SDRAM存储芯片中搜索出对应的最高行驶速度,并基于搜索出的最高行驶速度和获取的赛车距离前方赛道最远端的实时距离计算当前赛车到达前方赛道最远端的最短时长,从而为赛车驾驶员制动超车等赛车方案提供关键数据。
根据本发明的一方面,提供了一种应用数据分析的赛道时长解析系统,所述系统包括:
重量检测机构,设置在赛车的底盘的下方,用于测量并输出赛车当前车重;
SDRAM存储芯片,设置在所述即时锐化机构的附近,用于存储所述赛车的各项工作参数,所述各项工作参数包括最高行驶速度、最大扭矩、最多载油量以及最轻车体重量,其中,所述最高行驶速度与赛车当前车重对应;
信号搜索设备,分别与所述SDRAM存储芯片和所述重量检测机构连接,用于基于重量检测机构输出的赛车当前车重从所述SDRAM存储芯片中搜索出对应的最高行驶速度;
前置摄像机构,设置在赛车的前端,用于在赛车行驶直道时,对赛车前方的赛道所在环境执行实时摄像操作,以获得当前时间戳对应的实时捕获图像;
即时锐化设备,设置在赛车的控制台内,与所述前置摄像机构连接,用于对所述实时捕获图像执行边缘锐化处理,以获得对应的锐化处理图像;
赛道识别设备,与所述即时锐化设备连接,用于基于赛道亮度分布范围识别出所述锐化处理图像中的各个赛道像素点,并获取每一个赛道像素点对应的景深值;
长度分析机构,与所述赛道识别设备连接,用于从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点,对所述最深像素点执行以下动作:基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离;
时长辨识设备,分别与所述长度分析机构和所述信号搜索设备连接,用于将所述实时距离除以所述信号搜索设备输出的最高行驶速度以获得行驶到赛车前方的赛道的最远端需要耗费的最短时长;
其中,在所述SDRAM存储芯片中,赛车当前车重越轻,对应的最高形式速度越快。
根据本发明的另一方面,还提供了一种应用数据分析的赛道时长解析方法,所述方法包括:
使用重量检测机构,设置在赛车的底盘的下方,用于测量并输出赛车当前车重;
使用SDRAM存储芯片,设置在所述即时锐化机构的附近,用于存储所述赛车的各项工作参数,所述各项工作参数包括最高行驶速度、最大扭矩、最多载油量以及最轻车体重量,其中,所述最高行驶速度与赛车当前车重对应;
使用信号搜索设备,分别与所述SDRAM存储芯片和所述重量检测机构连接,用于基于重量检测机构输出的赛车当前车重从所述SDRAM存储芯片中搜索出对应的最高行驶速度;
使用前置摄像机构,设置在赛车的前端,用于在赛车行驶直道时,对赛车前方的赛道所在环境执行实时摄像操作,以获得当前时间戳对应的实时捕获图像;
使用即时锐化设备,设置在赛车的控制台内,与所述前置摄像机构连接,用于对所述实时捕获图像执行边缘锐化处理,以获得对应的锐化处理图像;
使用赛道识别设备,与所述即时锐化设备连接,用于基于赛道亮度分布范围识别出所述锐化处理图像中的各个赛道像素点,并获取每一个赛道像素点对应的景深值;
使用长度分析机构,与所述赛道识别设备连接,用于从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点,对所述最深像素点执行以下动作:基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离;
使用时长辨识设备,分别与所述长度分析机构和所述信号搜索设备连接,用于将所述实时距离除以所述信号搜索设备输出的最高行驶速度以获得行驶到赛车前方的赛道的最远端需要耗费的最短时长;
其中,在所述SDRAM存储芯片中,赛车当前车重越轻,对应的最高形式速度越快。
本发明的应用数据分析的赛道时长解析系统及方法运行智能、数据可靠。由于能够基于赛车当前车重分析对应的赛车的最高行驶速度,继而基于赛道最远点距离赛车前端的实时距离解析出赛车当前状态行驶完前方赛道需要的最短时长,从而为赛车手提供关键的赛车参考数据。
具体实施方式
下面将对本发明的应用数据分析的赛道时长解析系统及方法的实施方案进行详细说明。
驾驶辅助系统有车道保持辅助系统、自动泊车辅助系统、刹车辅助系统、倒车辅助系统和行车辅助系统。在众多的汽车配套产品中,与倒车安全有关的配套产品格外引人注目,配有倒车辅助系统的品牌车型也常常成为高档车配置的重要标志之一。
据统计,由于车后盲区所造成的交通事故在中国约占30%,美国20%,交管部门建议车主安装多曲率大视野后视镜来减少车后盲区,提高车辆的安全性能,但依旧无法有效降低并控制事故的发生。汽车尾部盲区所潜在的危险,往往会给人们带来生命财产的重大损失以及精神上的严重伤害。对于新手司机而言,每次倒车时更是可以用瞻前顾后,胆战心惊来形容。
现有的汽车倒车辅助产品如果从手动与自动的区别来分大致可分为两类:一类是手动类(以传统倒车系统为代表)和一类是自动类(以智能倒车系统为代表)。传统倒车系统主要以倒车雷达和倒车可视为代表,通过发出警示声音或可视后部情况提醒车主车后情况,使其主动闪避,以减少事故伤害。该产品对于驾驶者而言,主动性较差,虽然能在很大程度上避免车辆对行人的伤害,却无法顺利有效的完成泊车,极易造成刮蹭或碰撞。
目前,对应参加赛车比赛的赛车手来说,由于直道能够充分提速且受其他车辆干扰较少,因此直道是反映出不同类型赛车性能优劣的最佳场合,然而,赛车的重量和直道到赛车的距离都是不断变化的,单凭借赛车手的个人经验是无法判断本车在当前状态下行驶到直道最远端的最短行驶时长,进而也无法确定在本直道是否超车以及无法制定其他比赛策略。
为了克服上述不足,本发明搭建了一种应用数据分析的赛道时长解析系统及方法,能够有效解决相应的技术问题。
根据本发明实施方案示出的应用数据分析的赛道时长解析系统包括:
重量检测机构,设置在赛车的底盘的下方,用于测量并输出赛车当前车重;
SDRAM存储芯片,设置在所述即时锐化机构的附近,用于存储所述赛车的各项工作参数,所述各项工作参数包括最高行驶速度、最大扭矩、最多载油量以及最轻车体重量,其中,所述最高行驶速度与赛车当前车重对应;
信号搜索设备,分别与所述SDRAM存储芯片和所述重量检测机构连接,用于基于重量检测机构输出的赛车当前车重从所述SDRAM存储芯片中搜索出对应的最高行驶速度;
前置摄像机构,设置在赛车的前端,用于在赛车行驶直道时,对赛车前方的赛道所在环境执行实时摄像操作,以获得当前时间戳对应的实时捕获图像;
即时锐化设备,设置在赛车的控制台内,与所述前置摄像机构连接,用于对所述实时捕获图像执行边缘锐化处理,以获得对应的锐化处理图像;
赛道识别设备,与所述即时锐化设备连接,用于基于赛道亮度分布范围识别出所述锐化处理图像中的各个赛道像素点,并获取每一个赛道像素点对应的景深值;
长度分析机构,与所述赛道识别设备连接,用于从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点,对所述最深像素点执行以下动作:基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离;
时长辨识设备,分别与所述长度分析机构和所述信号搜索设备连接,用于将所述实时距离除以所述信号搜索设备输出的最高行驶速度以获得行驶到赛车前方的赛道的最远端需要耗费的最短时长;
其中,在所述SDRAM存储芯片中,赛车当前车重越轻,对应的最高形式速度越快。
接着,继续对本发明的应用数据分析的赛道时长解析系统的具体结构进行进一步的说明。
所述应用数据分析的赛道时长解析系统中还可以包括:
液晶显示机构,设置在赛车的控制台内,与所述时长辨识设备连接,用于接收并显示所述最短时长。
在所述应用数据分析的赛道时长解析系统中:
基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离包括:在所述成像焦距固定的情况下,所述最深像素点对应的景深值越浅,计算获得的所述最远像素点当前距离所述赛车的前端的实时距离越短。
在所述应用数据分析的赛道时长解析系统中:
基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离包括:在所述最深像素点对应的景深值固定的情况下,所述前置摄像机构的成像焦距越短,计算获得的所述最远像素点当前距离所述赛车的前端的实时距离越短。
在所述应用数据分析的赛道时长解析系统中:
从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点包括:对所述各个赛道像素点分别对应的各个景深值进行由深到浅的排序,以提取出景深值最深的赛道像素点作为最深像素点。
根据本发明实施方案示出的应用数据分析的赛道时长解析方法包括:
使用重量检测机构,设置在赛车的底盘的下方,用于测量并输出赛车当前车重;
使用SDRAM存储芯片,设置在所述即时锐化机构的附近,用于存储所述赛车的各项工作参数,所述各项工作参数包括最高行驶速度、最大扭矩、最多载油量以及最轻车体重量,其中,所述最高行驶速度与赛车当前车重对应;
使用信号搜索设备,分别与所述SDRAM存储芯片和所述重量检测机构连接,用于基于重量检测机构输出的赛车当前车重从所述SDRAM存储芯片中搜索出对应的最高行驶速度;
使用前置摄像机构,设置在赛车的前端,用于在赛车行驶直道时,对赛车前方的赛道所在环境执行实时摄像操作,以获得当前时间戳对应的实时捕获图像;
使用即时锐化设备,设置在赛车的控制台内,与所述前置摄像机构连接,用于对所述实时捕获图像执行边缘锐化处理,以获得对应的锐化处理图像;
使用赛道识别设备,与所述即时锐化设备连接,用于基于赛道亮度分布范围识别出所述锐化处理图像中的各个赛道像素点,并获取每一个赛道像素点对应的景深值;
使用长度分析机构,与所述赛道识别设备连接,用于从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点,对所述最深像素点执行以下动作:基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离;
使用时长辨识设备,分别与所述长度分析机构和所述信号搜索设备连接,用于将所述实时距离除以所述信号搜索设备输出的最高行驶速度以获得行驶到赛车前方的赛道的最远端需要耗费的最短时长;
其中,在所述SDRAM存储芯片中,赛车当前车重越轻,对应的最高形式速度越快。
接着,继续对本发明的应用数据分析的赛道时长解析方法的具体步骤进行进一步的说明。
所述应用数据分析的赛道时长解析方法还可以包括:
使用液晶显示机构,设置在赛车的控制台内,与所述时长辨识设备连接,用于接收并显示所述最短时长。
所述应用数据分析的赛道时长解析方法中:
基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离包括:在所述成像焦距固定的情况下,所述最深像素点对应的景深值越浅,计算获得的所述最远像素点当前距离所述赛车的前端的实时距离越短。
所述应用数据分析的赛道时长解析方法中:
基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离包括:在所述最深像素点对应的景深值固定的情况下,所述前置摄像机构的成像焦距越短,计算获得的所述最远像素点当前距离所述赛车的前端的实时距离越短。
所述应用数据分析的赛道时长解析方法中:
从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点包括:对所述各个赛道像素点分别对应的各个景深值进行由深到浅的排序,以提取出景深值最深的赛道像素点作为最深像素点。
另外,在本发明的应用数据分析的赛道时长解析系统及方法中,SDRAM在一个时钟周期内只传输一次数据,它是在时钟的上升期进行数据传输;而DDR内存则是一个时钟周期内传输两次次数据,它能够在时钟的上升期和下降期各传输一次数据,因此称为双倍速率同步动态随机存储器。DDR内存可以在与SDRAM相同的总线频率下达到更高的数据传输率。与SDRAM相比:DDR运用了更先进的同步电路,使指定地址、数据的输送和输出主要步骤既独立执行,又保持与CPU完全同步;DDR使用了DLL(Delay Locked Loop,延时锁定回路提供一个数据滤波信号)技术,当数据有效时,存储控制器可使用这个数据滤波信号来精确定位数据,每16次输出一次,并重新同步来自不同存储器模块的数据。DDR本质上不需要提高时钟频率就能加倍提高SDRAM的速度,它允许在时钟脉冲的上升沿和下降沿读出数据,因而其速度是标准SDRA的两倍。
最后应注意到的是,在本发明各个实施例中的各功能设备可以集成在一个处理设备中,也可以是各个设备单独物理存在,也可以两个或两个以上设备集成在一个设备中。
所述功能如果以软件功能设备的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种应用数据分析的赛道时长解析系统,其特征在于,所述系统包括:
重量检测机构,设置在赛车的底盘的下方,用于测量并输出赛车当前车重。
2.如权利要求1所述的应用数据分析的赛道时长解析系统,其特征在于,所述系统还包括:
液晶显示机构,设置在赛车的控制台内,用于接收所述最短时长并显示所述最短时长。
3.如权利要求2所述的应用数据分析的赛道时长解析系统,其特征在于,所述系统还包括:
SDRAM存储芯片,设置在所述即时锐化机构的附近,用于存储所述赛车的各项工作参数;
其中,在所述SDRAM存储芯片中,所述各项工作参数包括最高行驶速度、最大扭矩、最多载油量以及最轻车体重量;
其中,所述最高行驶速度与赛车当前车重对应。
4.如权利要求3所述的应用数据分析的赛道时长解析系统,其特征在于,所述系统还包括:
信号搜索设备,分别与所述SDRAM存储芯片和所述重量检测机构连接,用于基于重量检测机构输出的赛车当前车重从所述SDRAM存储芯片中搜索出对应的最高行驶速度;
前置摄像机构,设置在赛车的前端,用于在赛车行驶直道时,对赛车前方的赛道所在环境执行实时摄像操作,以获得当前时间戳对应的实时捕获图像;
即时锐化设备,设置在赛车的控制台内,与所述前置摄像机构连接,用于对所述实时捕获图像执行边缘锐化处理,以获得对应的锐化处理图像;
赛道识别设备,与所述即时锐化设备连接,用于基于赛道亮度分布范围识别出所述锐化处理图像中的各个赛道像素点,并获取每一个赛道像素点对应的景深值;
长度分析机构,与所述赛道识别设备连接,用于从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点,对所述最深像素点执行以下动作:基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离;
时长辨识设备,分别与所述液晶显示机构、所述长度分析机构和所述信号搜索设备连接,用于将所述实时距离除以所述信号搜索设备输出的最高行驶速度以获得行驶到赛车前方的赛道的最远端需要耗费的最短时长;
其中,在所述SDRAM存储芯片中,赛车当前车重越轻,对应的最高形式速度越快;
其中,基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离包括:在所述成像焦距固定的情况下,所述最深像素点对应的景深值越浅,计算获得的所述最远像素点当前距离所述赛车的前端的实时距离越短;
其中,基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离包括:在所述最深像素点对应的景深值固定的情况下,所述前置摄像机构的成像焦距越短,计算获得的所述最远像素点当前距离所述赛车的前端的实时距离越短。
5.如权利要求4所述的应用数据分析的赛道时长解析系统,其特征在于:
从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点包括:对所述各个赛道像素点分别对应的各个景深值进行由深到浅的排序,以提取出景深值最深的赛道像素点作为最深像素点。
6.一种应用数据分析的赛道时长解析方法,其特征在于,所述方法包括:
使用重量检测机构,设置在赛车的底盘的下方,用于测量并输出赛车当前车重。
7.如权利要求1所述的应用数据分析的赛道时长解析方法,其特征在于,所述方法还包括:
使用液晶显示机构,设置在赛车的控制台内,用于接收所述最短时长并显示所述最短时长。
8.如权利要求7所述的应用数据分析的赛道时长解析方法,其特征在于,所述方法还包括:
使用SDRAM存储芯片,设置在所述即时锐化机构的附近,用于存储所述赛车的各项工作参数;
其中,在所述SDRAM存储芯片中,所述各项工作参数包括最高行驶速度、最大扭矩、最多载油量以及最轻车体重量;
其中,所述最高行驶速度与赛车当前车重对应。
9.如权利要求8所述的应用数据分析的赛道时长解析方法,其特征在于,所述方法还包括:
使用信号搜索设备,分别与所述SDRAM存储芯片和所述重量检测机构连接,用于基于重量检测机构输出的赛车当前车重从所述SDRAM存储芯片中搜索出对应的最高行驶速度;
使用前置摄像机构,设置在赛车的前端,用于在赛车行驶直道时,对赛车前方的赛道所在环境执行实时摄像操作,以获得当前时间戳对应的实时捕获图像;
使用即时锐化设备,设置在赛车的控制台内,与所述前置摄像机构连接,用于对所述实时捕获图像执行边缘锐化处理,以获得对应的锐化处理图像;
使用赛道识别设备,与所述即时锐化设备连接,用于基于赛道亮度分布范围识别出所述锐化处理图像中的各个赛道像素点,并获取每一个赛道像素点对应的景深值;
使用长度分析机构,与所述赛道识别设备连接,用于从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点,对所述最深像素点执行以下动作:基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离;
使用时长辨识设备,分别与所述液晶显示机构、所述长度分析机构和所述信号搜索设备连接,用于将所述实时距离除以所述信号搜索设备输出的最高行驶速度以获得行驶到赛车前方的赛道的最远端需要耗费的最短时长;
其中,在所述SDRAM存储芯片中,赛车当前车重越轻,对应的最高形式速度越快;
其中,基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离包括:在所述成像焦距固定的情况下,所述最深像素点对应的景深值越浅,计算获得的所述最远像素点当前距离所述赛车的前端的实时距离越短;
其中,基于所述最深像素点对应的景深值以及所述前置摄像机构的成像焦距计算所述最深像素点当前距离所述赛车的前端的实时距离包括:在所述最深像素点对应的景深值固定的情况下,所述前置摄像机构的成像焦距越短,计算获得的所述最远像素点当前距离所述赛车的前端的实时距离越短。
10.如权利要求9所述的应用数据分析的赛道时长解析方法,其特征在于:
从所述各个赛道像素点中提取出景深值最深的赛道像素点作为最深像素点包括:对所述各个赛道像素点分别对应的各个景深值进行由深到浅的排序,以提取出景深值最深的赛道像素点作为最深像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011152706.1A CN112287139B (zh) | 2020-10-26 | 2020-10-26 | 应用数据分析的赛道时长解析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011152706.1A CN112287139B (zh) | 2020-10-26 | 2020-10-26 | 应用数据分析的赛道时长解析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112287139A true CN112287139A (zh) | 2021-01-29 |
CN112287139B CN112287139B (zh) | 2021-10-26 |
Family
ID=74423319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011152706.1A Active CN112287139B (zh) | 2020-10-26 | 2020-10-26 | 应用数据分析的赛道时长解析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287139B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102145688A (zh) * | 2010-02-08 | 2011-08-10 | 鸿富锦精密工业(深圳)有限公司 | 车辆防撞监控系统及方法 |
CN103261855A (zh) * | 2010-12-17 | 2013-08-21 | 罗伯特·博世有限公司 | 用于确定机动车续航里程的方法和设备 |
CN106809214A (zh) * | 2016-12-05 | 2017-06-09 | 乐视控股(北京)有限公司 | 一种汽车追尾预警方法、装置及电子设备 |
CN108954722A (zh) * | 2017-05-18 | 2018-12-07 | 奥克斯空调股份有限公司 | 一种具有景深识别功能的空调及应用于该空调的送风方法 |
CN109305049A (zh) * | 2017-07-27 | 2019-02-05 | 郑州宇通客车股份有限公司 | 一种车辆起步控制方法及装置 |
US20190377750A1 (en) * | 2015-11-05 | 2019-12-12 | Acer Incorporated | Method, electronic device, and computer readable medium for photo organization |
US20200125866A1 (en) * | 2018-10-18 | 2020-04-23 | Cartica Ai Ltd. | Method and system for obstacle detection |
CN111554093A (zh) * | 2020-05-15 | 2020-08-18 | 无锡北斗星通信息科技有限公司 | 通行参考数据实时解析系统及方法 |
CN111698459A (zh) * | 2019-04-26 | 2020-09-22 | 泰州阿法光电科技有限公司 | 对象参数实时解析方法 |
CN111795834A (zh) * | 2020-06-06 | 2020-10-20 | 王宏 | 刹车效果实时分析系统及方法 |
-
2020
- 2020-10-26 CN CN202011152706.1A patent/CN112287139B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102145688A (zh) * | 2010-02-08 | 2011-08-10 | 鸿富锦精密工业(深圳)有限公司 | 车辆防撞监控系统及方法 |
CN103261855A (zh) * | 2010-12-17 | 2013-08-21 | 罗伯特·博世有限公司 | 用于确定机动车续航里程的方法和设备 |
US20190377750A1 (en) * | 2015-11-05 | 2019-12-12 | Acer Incorporated | Method, electronic device, and computer readable medium for photo organization |
CN106809214A (zh) * | 2016-12-05 | 2017-06-09 | 乐视控股(北京)有限公司 | 一种汽车追尾预警方法、装置及电子设备 |
CN108954722A (zh) * | 2017-05-18 | 2018-12-07 | 奥克斯空调股份有限公司 | 一种具有景深识别功能的空调及应用于该空调的送风方法 |
CN109305049A (zh) * | 2017-07-27 | 2019-02-05 | 郑州宇通客车股份有限公司 | 一种车辆起步控制方法及装置 |
US20200125866A1 (en) * | 2018-10-18 | 2020-04-23 | Cartica Ai Ltd. | Method and system for obstacle detection |
CN111698459A (zh) * | 2019-04-26 | 2020-09-22 | 泰州阿法光电科技有限公司 | 对象参数实时解析方法 |
CN111554093A (zh) * | 2020-05-15 | 2020-08-18 | 无锡北斗星通信息科技有限公司 | 通行参考数据实时解析系统及方法 |
CN111795834A (zh) * | 2020-06-06 | 2020-10-20 | 王宏 | 刹车效果实时分析系统及方法 |
Non-Patent Citations (1)
Title |
---|
同志学 等: "基于双目序列图像的测距定位与自车速度估计", 《应用光学》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112287139B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109637261B (zh) | 自动-人工驾驶权切换情景下驾驶员反应能力训练系统 | |
CN107798916B (zh) | 车-路-人协同的高速公路行车安全智能预警系统及方法 | |
DE102015117620A1 (de) | Verfahren und System zum Vermindern der Auswirkungen eines beeinträchtigten Fahrers | |
CN103723073B (zh) | 一种多传感器数据融合的危险超车预警装置及其预警方法 | |
CN102145688A (zh) | 车辆防撞监控系统及方法 | |
CN110962746B (zh) | 一种基于视线检测的辅助驾驶方法、系统及介质 | |
WO2004104782A3 (en) | Method for incorporating individual vehicle data collection, detection and recording of traffic violations in a traffic signal controller | |
JP2005056372A (ja) | 車両制御装置、車両制御方法および車両制御プログラム | |
CN112508054B (zh) | 一种驾驶模型训练方法、装置、设备和介质 | |
CN106683228B (zh) | 基于驾驶环境的燃油经济性评价方法、装置、服务器 | |
Lethaus et al. | Do eye movements reflect driving manoeuvres? | |
KR102029223B1 (ko) | 소셜 네트워크 서비스와 연동되는 안전 운전 모니터링 방법 및 이를 위한 컴퓨터 프로그램 | |
CN114030475A (zh) | 一种车辆辅助驾驶方法、装置、车辆及存储介质 | |
CN112287139B (zh) | 应用数据分析的赛道时长解析系统及方法 | |
CN114387821A (zh) | 车辆碰撞预警方法、装置、电子设备和存储介质 | |
CN103029666B (zh) | 机动车辆防碰撞安全系统 | |
Kircher et al. | Truck drivers’ interaction with cyclists in right-turn situations | |
CN112489428A (zh) | 一种基于驾驶行为的道路评价方法及系统 | |
CN112825133B (zh) | 智能化对象信息解析系统及方法 | |
CN203005340U (zh) | 机动车辆防碰撞安全系统 | |
WO2023084664A1 (ja) | 運転技能評価システム、情報処理装置、車両及びコンピュータプログラム並びにコンピュータプログラムを記録した記録媒体 | |
Yamamoto | Development of alertness-level-dependent headway distance warning system | |
Rogé et al. | Deterioration of the useful visual field with ageing during simulated driving in traffic and its possible consequences for road safety | |
Lindsay | Injured cyclist profile: an in-depth study of a sample of cyclists injured in road crashes in South Australia | |
Chen et al. | Brake response time under near-crash cases with cyclist |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210930 Address after: 225300 Yongcheng science and technology 1, Gaogang core port area science and technology incubation Industrial Park, Taizhou City, Jiangsu Province Applicant after: Taizhou runhan Environmental Technology Co.,Ltd. Address before: Room 410, 1st floor, North building, No.18 factory building, co construction zone, hailing Industrial Park, Taizhou City, Jiangsu Province, 225300 Applicant before: Taizhou Radium Rising Photoelectric Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |