CN112634359A - 车辆防碰撞预警方法、装置、终端设备及存储介质 - Google Patents

车辆防碰撞预警方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN112634359A
CN112634359A CN202110047532.0A CN202110047532A CN112634359A CN 112634359 A CN112634359 A CN 112634359A CN 202110047532 A CN202110047532 A CN 202110047532A CN 112634359 A CN112634359 A CN 112634359A
Authority
CN
China
Prior art keywords
image
detected
target
vehicle
determining
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
Application number
CN202110047532.0A
Other languages
English (en)
Other versions
CN112634359B (zh
Inventor
韩晶
童志军
丁小羽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Readsense Network Technology Co ltd
Shenzhen Yixin Vision Technology Co ltd
Original Assignee
Shanghai Readsense Network Technology Co ltd
Shenzhen Yixin Vision Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Readsense Network Technology Co ltd, Shenzhen Yixin Vision Technology Co ltd filed Critical Shanghai Readsense Network Technology Co ltd
Priority to CN202110047532.0A priority Critical patent/CN112634359B/zh
Publication of CN112634359A publication Critical patent/CN112634359A/zh
Application granted granted Critical
Publication of CN112634359B publication Critical patent/CN112634359B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请适用于计算机视觉技术领域，提供了一种车辆防碰撞预警方法、装置、终端设备及存储介质，包括：获取N帧待检测图像，所述待检测图像是行驶车辆前方的图像，N为大于零的整数；确定所述待检测图像中的目标车辆；获取所述待检测图像中的道路消失点和所述道路消失点的位置信息，所述道路消失点的位置信息是指所述道路消失点在所述待检测图像中的位置信息；根据所述道路消失点的位置信息，对所述待检测图像中的道路区域进行网格划分，得到M个网格区域，M为大于1的整数；根据所述M个网格区域，确定所述行驶车辆与所述目标车辆的碰撞时间；若所述碰撞时间小于时间阈值，则发送预警信息。通过本申请可以提高车辆防碰撞预警系统的准确度。

Description

车辆防碰撞预警方法、装置、终端设备及存储介质
技术领域
本申请属于计算机视觉技术领域，尤其涉及车辆防碰撞预警方法、装置、终端设备及存储介质。
背景技术
随着汽车工业的不断发展，车辆已经成为人们生活中必不可少的交通运输工具，道路上的车辆逐渐增多，车辆安全驾驶的问题引起了越来越多的人关注。从车辆交通事故分析结果中发现，有80％的事故是由于驾驶员反应不及时，操作不当造成的，其中有65％的事故是车辆追尾碰撞造成的，其余则为侧面碰撞、擦挂等导致的。
目前，多数的车辆防碰撞预警方法采用基于雷达或双目视觉测距的方法来对前方障碍车辆进行距离测定，进而发出安全预警，但是采用雷达进行测距，所测距离较短，远距离测距时精度较低，而双目视觉测距方法成本较高且实时性难以保证，导致车辆预警系统准确度降低。因此，探究一种预警准确度较高的车辆防碰撞预警方法成为了一个急需解决的重要问题。
发明内容
本申请实施例提供了一种方法车辆防碰撞预警方法、装置、终端设备及存储介质，可以解决现有车辆防碰撞方法中预警准确度较低的问题。
第一方面，本申请实施例提供了一种车辆防碰撞预警方法，所述车辆防碰撞预警方法包括：
获取N帧待检测图像，所述待检测图像是行驶车辆前方的图像，N为大于零的整数；
获取所述待检测图像中的目标车辆；
获取所述待检测图像中的道路消失点和所述道路消失点的位置信息，所述道路消失点的位置信息是指所述道路消失点在所述待检测图像中的位置信息；
根据所述道路消失点的位置信息，对所述待检测图像中的道路区域进行网格划分，得到M个网格区域，M为大于1的整数；
根据所述M个网格区域，确定所述行驶车辆与所述目标车辆的碰撞时间；
若所述碰撞时间小于时间阈值，则发送预警信息。
第二方面，本申请实施例提供了一种车辆防碰撞预警装置，所述车辆防碰撞预警装置包括：
图像获取模块，用于获取N帧待检测图像，所述待检测图像是行驶车辆前方的图像，N为大于零的整数；
目标确定模块，用于确定所述待检测图像中的目标车辆；
位置获取模块，用于获取所述待检测图像中的道路消失点和所述道路消失点的位置信息，所述道路消失点的位置信息是指所述道路消失点在所述待检测图像中的位置信息；
网格划分模块，用于根据所述道路消失点的位置信息，对所述待检测图像中的道路区域进行网格划分，得到M个网格区域，M为大于1的整数；
确定模块，用于根据所述M个网格区域，确定所述行驶车辆与所述目标车辆的碰撞时间；
发送模块，用于若所述碰撞时间小于时间阈值，则发送预警信息。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述车辆防碰撞预警方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述车辆防碰撞预警方法的步骤。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的车辆防碰撞预警方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请通过获取行驶车辆前方的N帧待检测图像，进而确定所述待检测图像中的目标车辆(即行驶车辆前方的障碍车辆)，由于获取得到的是每帧图像的目标车辆，可以保证该车辆防碰撞预警方法的实时性和准确性。同时，获取所述待检测图像中的道路消失点和所述道路消失点的位置信息，由于每帧待检测图像的不同，则获取得到的每帧待检测图像的道路消失点和道路消失点的位置信息也不相同，不同于现有技术中固定的道路消失点，本申请所提出的道路消失点具有实时性，可以应对不同的路况场景，精确度较高。并且根据所述道路消失点的位置信息，对所述待检测图像中的道路区域进行网格划分，根据网格区域确定所述行驶车辆与所述目标车辆的碰撞时间，若所述碰撞时间小于时间阈值，则发送预警信息，可以提高该车辆防碰撞预警方法中预警准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一提供的一种车辆防碰撞预警方法的流程示意图；
图2是响应图的示例图；
图3是网格区域的划分示例图；
图4是相机与目标车辆的几何关系图；
图5是本申请实施例二提供的一种车辆防碰撞预警装置的结构示意图；
图6是本申请实施例三提供的一种终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
应理解，本实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
为了说明本申请的技术方案，下面通过具体实施例来说明。
参照图1，示出了本申请实施例一提供的一种车辆防碰撞预警方法的流程示意图，该车辆防碰撞预警方法应用于终端设备，如图所示该车辆防碰撞预警方法可以包括如下步骤：
步骤101，获取N帧待检测图像，N为大于零的整数。
在本申请实施例中，待检测图像是指行驶车辆前方的图像，上述行驶车辆前方的图像可以是通过安装在行驶车辆上的相机拍摄的，相机拍摄行驶车辆前方的图像之后，可以将拍摄到的行驶车辆前方的图像发送给终端设备，终端设备通过接收相机实时发送的行驶车辆前方的图像，可以获取N帧待检测的图像，上述相机可以是安装在行驶车辆上的车载相机，其安装位置可以保证相机拍摄到行驶车辆前方的图像。
具体地，接收相机实时发送的行驶车辆前方图像的终端设备可以是高级驾驶辅助系统(Advanced Driver Assistance System，ADAS)嵌入式平台。ADAS是利用安装在车辆上的各式各样的传感器(例如毫米波雷达、激光雷达、单\双目摄像头以及卫星导航)，在车辆行驶过程中随时来感应周围环境，收集周围环境的数据信息(例如车辆的速度、路况、障碍物位置等)，并对数据信息进行分析与运算，增加车辆驾驶的安全性的一个系统。ADAS可以通过移动Ad Hoc网络进行图像的传输(例如传输相机实时发送的行驶车辆前方的图像)，移动Ad Hoc网络可以由车辆上装载的无线数传终端相互作用而形成的，无需其他有线和无线网络的支撑，数据传输速度快，提高了高级驾驶辅助系统的实时性。
步骤102，确定待检测图像中的目标车辆。
其中，待检测图像中的目标车辆可以是指上述行驶车辆前方的障碍车辆，若待检测图像中行驶车辆前方有多个障碍车辆，则选取在待检测图像中所占区域最大的车辆为目标车辆，获取待检测图像中的目标车辆可以是指获取目标车辆在待检测图像中的位置信息。
可选地，获取目标车辆在待检测图像中的位置信息包括：
若待检测图像为目标图像，则将待检测图像输入至第一深度学习网络，得到目标车辆在待检测图像中的位置信息，所述目标图像为首帧图像或者每隔k帧获取的图像，k为大于零且小于N的整数。
在本申请实施例中，若待检测图像为目标图像，则将待检测图像输入至第一深度学习网络，输出目标车辆在待检测图像中的真实位置信息，并通过滤波跟踪器获取目标车辆在待检测图像中的跟踪位置信息，若实际位置信息与跟踪位置信息之间存在的误差大于预设误差阈值，则根据实际位置信息对跟踪位置信息进行修正，消除误差，由滤波跟踪器输出目标车辆在待检测图像中的位置信息，根据此时滤波跟踪器输出的目标车辆的位置信息，从待检测图像中获取目标车辆的局部图像，将目标车辆的局部图像输入至第二深度学习网络，输出为目标车辆在待检测图像中的目标区域。其中，在待检测图像中可以以目标框的形式框选出目标区域。
具体地，上述目标图像为待检测图像中的间隔帧图像，首先获取待检测图像中的首帧图像为目标图像，再设置间隔k帧之后的待检测图像同样为目标图像，待检测图像是否为目标图像可根据获取到的图像位于的帧数来判断，采用间隔帧的方式对目标车辆的位置信息进行定位，可以提高车辆防碰撞预警装置的运行效率。其中，k为大于零且小于N的整数。
示例性地，假设目前获取到的待检测图像为第6帧图像，根据上述方案设置首帧图像为目标图像，设置间隔5帧之后的待检测图像同样为目标图像，那么目前获取到的位于第6帧的待检测图像同样为目标图像，需执行上述获取的待检测图像为目标图像时的相关步骤。
具体地，第一深度学习网络可以采用已训练好的轻量级深度学习网络结构，将待检测图像输入至轻量级深度学习网络中，可直接输出目标车辆在待检测图像中的真实位置信息。第二深度学习网络可以是已训练好的回归神经网络。
在具体实现中，通过滤波跟踪器获取目标车辆在待检测图像中的跟踪位置信息可以采用基于核相关滤波算法(Kernel Correlation Filter，KCF)的滤波跟踪器，提取待检测图像的前一帧图像的灰度特征，并根据该灰度特征对目标车辆进行跟踪，输出目标车辆在待检测图像中的跟踪位置信息。
可选地，获取目标车辆在待检测图像中的位置信息还包括：
若待检测图像不为目标图像，则根据目标车辆在待检测图像的前一帧图像中的位置信息，确定目标车辆在待检测图像中的位置信息。
在本申请实施例中，若检测图像不为目标图像，则提取待检测图像的前一帧图像的灰度特征，根据该灰度特征以及目标车辆在待检测图像的前一帧图像中的位置信息，对目标车辆进行跟踪，获取目标车辆在待检测图像中的跟踪位置信息，根据该跟踪位置信息，获取得出目标车辆的局部图像，将目标车辆的局部图像输入至第二深度学习网络，输出为目标车辆在待检测图像中的目标区域。其中，在待检测图像中可以以目标框的形式框选出目标区域。
示例性地，假设目前获取到的待检测图像为第4帧图像，根据上述方案设置首帧图像为目标图像，设置间隔5帧之后的待检测图像同样为目标图像，那么目前获取到的位于第4帧的待检测图像则不为目标图像，需执行上述获取的检测图像不为目标图像时的相关步骤。
应理解，本实施例中的获取目标车辆在待检测图像中的跟踪位置信息同样可以采用基于KCF的滤波跟踪器，且第二深度学习网络可以是已训练好的回归神经网络。
需要说明的是，本申请中的滤波跟踪器可以采用基于KCF算法的滤波跟踪器，还可以采用其他的与深度学习相关的滤波跟踪算法，本申请对此不作限定。
步骤103，获取待检测图像中的道路消失点和道路消失点的位置信息。
其中，道路消失点的位置信息可以是指道路消失点在待检测图像中的位置信息，获取待检测图像中的道路消失点可以采用基于图像特征的方向投票算法，上述基于图像特征的方向投票算法包括：根据待检测图像中道路消失点的候选点对应的梯度方向，画出穿过该候选点的直线，被该直线穿过的候选点的响应值累加1，遍历完所有的候选点之后，根据每个候选点对应的累加次数，确定累加次数最多的候选点为待检测图像的道路消失点。上述候选点通过对待检测图像进行预处理后得到。
示例性地，参见图2中的候选点和候选点梯度方向，具有相同梯度方向的候选点可连接为一条直线，例如候选点P和候选点Q相连接，并穿过了候选点H，此时候选点P、Q、H的值均累加1，根据上述方案，由图2可得出候选点H对应的累加次数为4，候选点I对应的累加次数为2，图中其余候选点对应的累加次数均为1，故确定候选点H为待检测图像的道路消失点。
可选地，获取待检测图像中的道路消失点包括：
若待检测图像为首帧图像，则确定相机的光心在待检测图像中对应的目标点为待检测图像的道路消失点；
若待检测图像不为首帧图像，则获取待检测图像的前一帧图像的道路消失点，并确定该道路消失点在前一帧图像中的局部图像；
获取局部图像的灰度图；
获取灰度图对应的像素方向图，方向图包括灰度图中每个像素点对应的方向角度；
对灰度图进行边缘检测，得到边缘检测图；
对灰度图进行图像差分计算，得到差分图；
根据边缘检测图和差分图，确定候选点集图，候选点集图包括至少一个候选点，候选点是通过对边缘检测图和差分图中的像素点进行过滤得到的；
根据候选点集图和像素方向图，获取候选点集图对应的响应图，确定所述响应图中响应值最大的点为待检测图像中的道路消失点，其中，响应图中一个候选点的响应值为该候选点被直线穿过的次数，穿过该候选点的直线是通过与该候选点具有相同梯度方向的候选点汇集得到。
在本申请实施例中，确定相机的光心在待检测图像中对应的目标点可以首先根据相机标定获取相机的光心位置坐标，从而根据相机的光心位置坐标标定出相机的光心位置坐标在待检测图像中对应的目标点的位置坐标(cx，cy)。若待检测图像为首帧图像，则确定目标点的位置坐标(cx，cy)为首帧图像的道路消失点的位置坐标，从而根据该首帧图像中的道路消失点的位置坐标更新采集到的待检测图像中的道路消失点的位置信息。
待检测图像不为首帧图像可以是指待检测图像的采集时间晚于首帧图像的采集时间，该待检测图像的道路消失点是根据前一帧图像的道路消失点更新得到，具体包括：
首先获取前一帧图像道路消失点的局部图像，并对该局部图像进行图像压缩，将进行图像压缩后的局部图像转化为灰度图，对该灰度图像进行高斯滤波处理以平滑图像，得到进行高斯滤波处理后的灰度图，将该灰度图作为输入图像输入到方向滤波器(包括带有不同方向指向的滤波器卷积核)中，通过卷积核在灰度图上进行滑动卷积，可以得到每个像素点的梯度方向，遍历待检测图像中的所有像素点可以得到灰度图对应的像素方向图。同时，对进行高斯滤波处理后的灰度图进行边缘检测，得到边缘检测图，并对该灰度图进行差分计算(即利用卷积核在该灰度图上进行滑动卷积计算)，得到该灰度图中每个像素点的像素值，并获取差分图。其次，对边缘检测图中像素点的梯度方向与垂直方向接近的像素点进行过滤，得到边缘检测图中道路消失点的候选点，对差分图中像素值小于阈值的进行过滤，得到差分图中道路消失点的候选点，将边缘检测图和差分图中的候选点进行融合(例如采用点集相加的方法进行融合)，确定出候选点集图。最后根据候选点集图和像素方向图，采用上述基于图像特征的方向投票算法，获取候选点集图对应的响应图，并确定响应值最大的点为待检测图像中的道路消失点。
应理解，通过卷积核在灰度图上进行滑动卷积可以是指，灰度图中以每个像素位置为中心的区域与卷积核进行卷积计算，且每个像素位置为中心的区域大小与卷积核大小相同，其中，卷积核为一个行和列都为奇数的矩阵。
还应理解，对局部图像进行图像压缩可以采用的压缩尺度为160*90，对差分图中的像素值小于阈值的进行过滤，该阈值可以是0.05。
步骤104，根据道路消失点的位置信息，对待检测图像中的道路区域进行网格划分，得到M个网格区域，M为大于1的整数。
其中，道路消失点的位置信息可以是指消失点在待检测图像中的位置信息，该位置信息可以采用位置坐标来表征。
在本实施例中，以道路消失点的位置坐标中的横坐标为网格划分区域中心的横坐标，同时设置该网格划分区域的纵坐标为50米，根据网格划分区域的大小进行网格划分，得到M个网格区域。其中，网格划分区域可以是指形式车辆前方50米内的区域。
示例性地，参见图3，其中301是指待检测图像中的道路消失点，302是指通过划分得到的网格区域，且每个网格纵向代表5米间隔，横向代表1米间隔，网格纵向总长度为50米。上述图3中的道路消失点是指图中平行直线在无穷远处的相交点。
步骤105，根据M个网格区域，确定行驶车辆和目标车辆的碰撞时间。
在本实施例中，根据M个网格区域，可以确定行驶车辆和目标车辆之间的距离，根据行驶车辆和目标车辆之间的距离，以及行驶车辆与目标车辆之间的相对速度，可以确定行驶车辆和目标车辆的碰撞时间。其中，行驶车辆与目标车辆之间的相对速度是根据待检测图像之前的连续帧图像中的测距结果(即行驶车辆和目标车辆之间的距离)的变化量计算得出的。其中，根据M个网格区域确定出的行驶车辆和目标车辆之间的距离为实际道路场景中的真实距离。
具体地，在确定行驶车辆和目标车辆之间的距离之后，对测距结果进行滤波去噪处理，其中，对测距结果进行滤波去噪可以采用卡尔曼滤波算法。
可选地，根据目标车辆在待检测图像中的位置信息和M个网格区域，确定行驶车辆与目标车辆之间的距离包括：
根据目标车辆在待检测图像中的位置信息，确定待检测图像中的目标框，目标框用于框选出目标车辆在待检测图像中的区域；
若目标框与M个网格区域存在重叠区域，则根据目标框和M个网格区域，确定行驶车辆与目标车辆之间的距离；
若目标框与M个网格区域不存在重叠区域，则根据相机的内参、目标框和道路消失点的位置信息，确定行驶车辆与目标车辆之间的距离。
在本申请实施例中，确定待检测图像的目标框可以通过将待检测图像中包含目标车辆的局部图像输入到已训练的回归神经网络中，将输出的包含目标车辆的矩形框确定为待检测图像中的目标框。
其中，如图3所示，此时目标框落在网格区域内时，可以根据网格区域的大小，将行驶车辆与目标车辆之间的距离分割为多段(至少两段)线性比例关系，根据上述线性比例关系确定出行驶车辆与目标车辆之间的距离。
相机的内参可以利用棋盘格对相机进行内参标定得到，获取相机的内参
Figure BDA0002897841000000111
其中，fx、fy分别为相机在图像坐标系下x轴的焦距和y轴的焦距，cx、cy分别为相机的光轴在图像坐标系下x轴的偏移量和y轴的偏移量。
可选地，若目标框与M个网格区域不存在重叠区域，则根据相机的内参、目标框和道路消失点的位置信息，确定行驶车辆与目标车辆之间的距离包括：
若目标框与M个网格区域不存在重叠区域，则获取相机在行驶车辆上的安装高度，以及目标框的下边框的中点在待检测图像中的位置信息；
根据中点和道路消失点分别在待检测图像中的位置信息，确定中点与道路消失点之间的距离；
根据相机的光心坐标，确定光心在待检测图像中对应的目标点，以及目标点在待检测图像中的位置信息；
根据目标点和道路消失点分别在待检测图像中的位置信息，确定目标点与道路消失点之间的距离；
根据光心坐标和目标点与道路消失点之间的距离，确定相机的俯仰角；
根据安装高度、中点与道路消失点之间的距离、目标点与道路消失点之间的距离以及俯仰角，确定行驶车辆与目标车辆之间的距离。
在本申请实施例中，相机的内参可以是指相机的光心坐标和相机的焦距，相机的光心坐标为标定得到的(cx，cy)，相机的焦距即为Fc，即图4中OB的距离。
相机在行驶车辆上的安装高度可以是相机的安装位置至路面的距离，目标框的下边框的中点在待检测图像中的位置信息可以用位置坐标来表征，中点与道路消失点之间的距离即为道路消失点与目标框下边框中点的纵坐标的差值，目标点与道路消失点之间的距离即为目标点与道路消失点的纵坐标的差值，相机的俯仰角可以通过光心坐标与目标点之间的距离获取相机的焦距，并根据相机的焦距以及目标点与道路消失点的纵坐标的差值利用三角函数运算得到。
示例性地，通过图4中的几何约束关系，说明本申请中获取行驶车辆与目标车辆之间的距离的具体方案，图中，O点为相机光心，OB为相机光轴方向，AC为行驶车辆前方图像的成像平面，相机光心O与AC的焦点距离线段OB即为焦距Fc，相机在行驶车辆的安装高度为Hc，A点为道路消失点，D点为目标车辆下边框的中点，C点为目标车辆下边框的中点在成像平面中的对应点，获取道路消失点在成像平面的纵坐标为ay，B点在成像平面的纵坐标为cy，C点在成像平面的纵坐标为cy1，则AB的距离可以表示为|ay-cy|，则俯仰角的计算公式可以表示如下：
Figure BDA0002897841000000121
通过图4中的几何约束关系，可以得到三角形OCA和三角形ODF为相似三角形，且三角形OCA和三角形ODF之间存在如下的比例关系：
Figure BDA0002897841000000122
其中，OB为焦距Fc，AC为A点与C点的纵坐标的差值，根据三角函数关系计算可得DF的大小为Hc/cosθ，根据上述已知的数值，可通过上述公式求得线段OE的大小为：
Figure BDA0002897841000000131
由三角形OEF中存在的几何关系可得OF＝OE/cosθ，由三角形DGF中存在的几何关系可得FG＝Hctanθ，则行驶车辆与目标车辆之间的距离d＝OF-FG。
步骤106，若碰撞时间小于时间阈值，则发送预警信息。
在本申请实施例中，获取行驶车辆和目标车辆之间的相对速度为v，待检测图像中行驶车辆和目标车辆之间的距离为d，根据行驶车辆和目标车辆之间的距离和相对速度的比值，得到碰撞时间为t。当该碰撞时间小于设定的时间阈值时，则由终端设备发送预警信息，提醒驾驶员注意减速或保持车距。
本申请通过获取行驶车辆前方的N帧待检测图像，进而获取待检测图像中的目标车辆(即行驶车辆前方的障碍车辆)，由于获取得到的是每帧图像的目标车辆，可以保证该车辆防碰撞预警方法的实时性和准确性。同时，获取待检测图像中的道路消失点和道路消失点的位置信息，由于每帧待检测图像的不同，则获取得到的每帧待检测图像的道路消失点和道路消失点的位置信息也不相同，不同于现有技术中固定的道路消失点，本申请所提出的道路消失点具有实时性，可以应对不同的路况场景，精确度较高。并且根据道路消失点的位置信息，对待检测图像中的道路区域进行网格划分，根据网格区域确定行驶车辆与目标车辆的碰撞时间，若碰撞时间小于时间阈值，则发送预警信息，可以提高该车辆防碰撞预警方法中预警准确度。
参照图5，示出了本申请实施例二提供的一种车辆防碰撞预警装置的结构示意图，为了便于说明，仅示出了与本申请实施例相关的部分，车辆防碰撞预警装置具体可以包括如下模块：
图像获取模块501，用于获取N帧待检测图像，待检测图像是行驶车辆前方的图像，N为大于零的整数；
目标确定模块502，用于确定待检测图像中的目标车辆；
位置获取模块503，用于获取待检测图像中的道路消失点和道路消失点的位置信息，道路消失点的位置信息是指道路消失点在待检测图像中的位置信息；
网格划分模块504，用于根据道路消失点的位置信息，对待检测图像中的道路区域进行网格划分，得到M个网格区域，M为大于1的整数；
确定模块505，用于根据M个网格区域，确定行驶车辆与目标车辆的碰撞时间；
发送模块506，用于若碰撞时间小于时间阈值，则发送预警信息。
在本申请实施例中，确定模块505具体可以包括如下子模块：
距离确定子模块，用于根据M个网格区域，确定行驶车辆与目标车辆之间的距离；
时间确定子模块，用于根据行驶车辆与目标车辆之间的距离，确定行驶车辆与目标车辆的碰撞时间。
在本申请实施例中，上述车辆防碰撞预警装置还包括：
目标位置获取模块，用于获取目标车辆在待检测图像中的位置信息；
目标距离确定模块，用于根据目标车辆在待检测图像中的位置信息和M个网格区域，确定行驶车辆与目标车辆之间的距离。
可选地，目标距离确定模块可以包括如下子模块：
目标框确定子模块，用于根据目标车辆在待检测图像中的位置信息，确定待检测图像中的目标框，目标框用于框选出目标车辆在待检测图像中的区域；
第一确定子模块，用于若目标框与M个网格区域存在重叠区域，则根据目标框和M个网格区域，确定行驶车辆与目标车辆之间的距离；
第二确定子模块，用于若目标框与M个网格区域不存在重叠区域，则根据相机的内参、目标框和道路消失点的位置信息，确定行驶车辆与目标车辆之间的距离。
可选地，第二确定子模块具体用于：
若目标框与M个网格区域不存在重叠区域，则获取相机在行驶车辆上的安装高度，以及目标框的下边框的中点在待检测图像中的位置信息；
根据中点和道路消失点分别在待检测图像中的位置信息，确定中点与道路消失点之间的距离；
根据相机的光心坐标，确定光心在待检测图像中对应的目标点，以及目标点在待检测图像中的位置信息；
根据目标点和道路消失点分别在待检测图像中的位置信息，确定目标点与道路消失点之间的距离；
根据光心坐标和目标点与道路消失点之间的距离，确定相机的俯仰角；
根据安装高度、中点与道路消失点之间的距离、目标点与道路消失点之间的距离以及俯仰角，确定行驶车辆与目标车辆之间的距离。
可选地，目标位置获取模块具体用于：
若待检测图像为目标图像，则将待检测图像输入至第一深度学习网络，得到目标车辆在待检测图像中的位置信息，目标图像为首帧图像和每隔k帧获取的图像，k为大于零且小于N的整数；
若待检测图像不为目标图像，则根据目标车辆在待检测图像的前一帧图像中的位置信息，确定目标车辆在待检测图像中的位置信息。
在本申请实施例中，位置获取模块503具体可以包括如下子模块：
目标点确定子模块，用于若待检测图像为首帧图像，则确定相机的光心在待检测图像中对应的目标点为待检测图像的道路消失点；
局部确定子模块，用于若待检测图像不为首帧图像，则获取待检测图像的前一帧图像的道路消失点，并确定该道路消失点在前一帧图像中的局部图像；
灰度获取子模块，用于获取局部图像的灰度图；
方向获取子模块，用于获取灰度图对应的像素方向图，像素方向图包括灰度图中每个像素点对应的方向角度；
检测子模块，用于对灰度图进行边缘检测，得到边缘检测图；
计算子模块，用于对灰度图进行图像差分计算，得到差分图；
候选点确定子模块，用于根据边缘检测图和差分图，确定候选点集图，候选点集图包括至少一个候选点，其中，候选点是通过对边缘检测图和差分图中的像素点进行过滤得到的；
消失点确定子模块，用于根据候选点集图和像素方向图，获取候选点集图对应的响应图，确定响应图中响应值最大的点为待检测图像中的道路消失点，其中，响应图中一个候选点的响应值为该候选点被直线穿过的次数，穿过该候选点的直线是通过与该候选点具有相同梯度方向的候选点汇集得到。
本申请实施例提供的车辆防碰撞预警装置可以应用在前述方法实施例中，详情参见上述方法实施例的描述，在此不再赘述。
图6是本申请实施例三提供的终端设备的结构示意图。如图6所示，该实施例的终端设备6包括：至少一个处理器610(图6中仅示出一个)处理器、存储器620以及存储在所述存储器620中并可在所述至少一个处理器610上运行的计算机程序621，所述处理器610执行所述计算机程序621时实现上述任意各个车辆防碰撞预警方法实施例中的步骤。
所述终端设备600可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器610、存储器620。本领域技术人员可以理解，图6仅仅是终端设备600的举例，并不构成对终端设备600的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器610可以是中央处理单元(Central Processing Unit，CPU)，该处理器610还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器620在一些实施例中可以是所述终端设备600的内部存储单元，例如终端设备600的硬盘或内存。所述存储器620在另一些实施例中也可以是所述终端设备600的外部存储设备，例如所述终端设备600上配备的插接式硬盘，智能存储卡(Smart MediaCard,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器620还可以既包括所述终端设备600的内部存储单元也包括外部存储设备。所述存储器620用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器620还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元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，本申请实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本申请实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当所述计算机程序产品在终端设备上运行时，使得所述终端设备执行时实现可实现上述各个方法实施例中的步骤。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制。尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆防碰撞预警方法，其特征在于，所述车辆防碰撞预警方法包括：
获取N帧待检测图像，所述待检测图像是行驶车辆前方的图像，N为大于零的整数；
确定所述待检测图像中的目标车辆；
获取所述待检测图像中的道路消失点和所述道路消失点的位置信息，所述道路消失点的位置信息是指所述道路消失点在所述待检测图像中的位置信息；
根据所述道路消失点的位置信息，对所述待检测图像中的道路区域进行网格划分，得到M个网格区域，M为大于1的整数；
根据所述M个网格区域，确定所述行驶车辆与所述目标车辆的碰撞时间；
若所述碰撞时间小于时间阈值，则发送预警信息。
2.如权利要求1所述的车辆防碰撞预警方法，其特征在于，所述根据所述M个网格区域，确定所述行驶车辆与所述目标车辆的碰撞时间包括：
根据所述M个网格区域，确定所述行驶车辆与所述目标车辆之间的距离；
根据所述行驶车辆与所述目标车辆之间的距离，确定所述行驶车辆与所述目标车辆的碰撞时间。
3.如权利要求2所述的车辆防碰撞预警方法，其特征在于，在确定所述待检测图像中的目标车辆之后，还包括：
获取所述目标车辆在所述待检测图像中的位置信息；
所述根据所述M个网格区域，确定所述行驶车辆与所述目标车辆之间的距离包括：
根据所述目标车辆在所述待检测图像中的位置信息和所述M个网格区域，确定所述行驶车辆与所述目标车辆之间的距离。
4.如权利要求3所述的车辆防碰撞预警方法，其特征在于，所述待检测图像是通过相机采集的，所述根据所述目标车辆在所述待检测图像中的位置信息和所述M个网格区域，确定所述行驶车辆与所述目标车辆之间的距离包括：
根据所述目标车辆在所述待检测图像中的位置信息，确定所述待检测图像中的目标框，所述目标框用于框选出所述目标车辆在所述待检测图像中的区域；
若所述目标框与所述M个网格区域存在重叠区域，则根据所述目标框和所述M个网格区域，确定所述行驶车辆与所述目标车辆之间的距离；
若所述目标框与所述M个网格区域不存在重叠区域，则根据所述相机的内参、所述目标框和所述道路消失点的位置信息，确定所述行驶车辆与所述目标车辆之间的距离。
5.如权利要求4所述的车辆防碰撞预警方法，其特征在于，所述相机的内参包括所述相机的光心坐标，所述若所述目标框与所述M个网格区域不存在重叠区域，则根据所述相机的内参、所述目标框和所述道路消失点的位置信息，确定所述行驶车辆与所述目标车辆之间的距离包括：
若所述目标框与所述M个网格区域不存在重叠区域，则获取所述相机在所述行驶车辆上的安装高度，以及所述目标框的下边框的中点在所述待检测图像中的位置信息；
根据所述中点和所述道路消失点分别在所述待检测图像中的位置信息，确定所述中点与所述道路消失点之间的距离；
根据所述相机的光心坐标，确定光心在所述待检测图像中对应的目标点，以及所述目标点在所述待检测图像中的位置信息；
根据所述目标点和所述道路消失点分别在所述待检测图像中的位置信息，确定所述目标点与所述道路消失点之间的距离；
根据所述光心坐标和所述目标点与所述道路消失点之间的距离，确定所述相机的俯仰角；
根据所述安装高度、所述中点与所述道路消失点之间的距离、所述目标点与所述道路消失点之间的距离以及所述俯仰角，确定所述行驶车辆与所述目标车辆之间的距离。
6.如权利要求3所述的车辆防碰撞预警方法，其特征在于，所述获取所述目标车辆在所述待检测图像中的位置信息包括：
若所述待检测图像为目标图像，则将所述待检测图像输入至第一深度学习网络，得到所述目标车辆在所述待检测图像中的位置信息，所述目标图像为首帧图像和或者每隔k帧获取的图像，k为大于零且小于N的整数；
若所述待检测图像不为所述目标图像，则根据所述目标车辆在所述待检测图像的前一帧图像中的位置信息，确定所述目标车辆在所述待检测图像中的位置信息。
7.如权利要求1至6任一项所述的车辆防碰撞预警方法，其特征在于，所述待检测图像是通过相机采集的，所述获取待检测图像中的道路消失点包括：
若所述待检测图像为首帧图像，则确定所述相机的光心在所述待检测图像中对应的目标点为所述待检测图像的道路消失点；
若所述待检测图像不为首帧图像，则获取所述待检测图像的前一帧图像的道路消失点，并确定该道路消失点在所述前一帧图像中的局部图像；
获取所述局部图像的灰度图；
获取所述灰度图对应的像素方向图，所述像素方向图包括所述灰度图中每个像素点对应的方向角度；
对所述灰度图进行边缘检测，得到边缘检测图；
对所述灰度图进行图像差分计算，得到差分图；
根据所述边缘检测图和所述差分图，确定候选点集图，所述候选点集图包括至少一个候选点，所述候选点是通过对所述边缘检测图和所述差分图中的像素点进行过滤得到的；
根据所述候选点集图和所述像素方向图，获取所述候选点集图对应的响应图，确定所述响应图中响应值最大的点为所述待检测图像中的道路消失点，其中，响应图中一个候选点的响应值为该候选点被直线穿过的次数，穿过该候选点的直线是通过与该候选点具有相同梯度方向的候选点汇集得到。
8.一种车辆防碰撞预警装置，其特征在于，所述车辆防碰撞预警装置包括：
图像获取模块，用于获取N帧待检测图像，所述待检测图像是行驶车辆前方的图像，N为大于零的整数；
目标确定模块，用于确定所述待检测图像中的目标车辆；
位置获取模块，用于获取所述待检测图像中的道路消失点和所述道路消失点的位置信息，所述道路消失点的位置信息是指所述道路消失点在所述待检测图像中的位置信息；
网格划分模块，用于根据所述道路消失点的位置信息，对所述待检测图像中的道路区域进行网格划分，得到M个网格区域，M为大于1的整数；
确定模块，用于根据所述M个网格区域，确定所述行驶车辆与所述目标车辆的碰撞时间；
发送模块，用于若所述碰撞时间小于时间阈值，则发送预警信息。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
CN202110047532.0A 2021-01-14 2021-01-14 车辆防碰撞预警方法、装置、终端设备及存储介质 Active CN112634359B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110047532.0A CN112634359B (zh) 2021-01-14 2021-01-14 车辆防碰撞预警方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110047532.0A CN112634359B (zh) 2021-01-14 2021-01-14 车辆防碰撞预警方法、装置、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN112634359A true CN112634359A (zh) 2021-04-09
CN112634359B CN112634359B (zh) 2024-09-03

Family

ID=75294177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110047532.0A Active CN112634359B (zh) 2021-01-14 2021-01-14 车辆防碰撞预警方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN112634359B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113421460A (zh) * 2021-06-23 2021-09-21 中煤航测遥感集团有限公司 作业车辆防撞预警方法、装置、车载终端及存储介质
CN114913202A (zh) * 2022-04-07 2022-08-16 北京拙河科技有限公司 一种微透镜阵列的目标追踪方法及系统
CN115273039A (zh) * 2022-09-29 2022-11-01 中汽数据(天津)有限公司 一种基于摄像头的小障碍物探测方法
TWI807561B (zh) * 2021-12-28 2023-07-01 國立陽明交通大學 嵌入式深度學習多尺度物件偵測暨即時遠方區域定位裝置及其方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06341837A (ja) * 1993-06-01 1994-12-13 Matsushita Electric Ind Co Ltd 車間距離計測装置、カメラ位置補正装置及び衝突警告装置
JPH0778240A (ja) * 1993-09-08 1995-03-20 Sumitomo Electric Ind Ltd 道路消失点の算出方法
CN105260701A (zh) * 2015-09-14 2016-01-20 中电海康集团有限公司 一种适用于复杂场景下的前方车辆检测方法
KR101809088B1 (ko) * 2017-07-11 2017-12-14 주식회사 에프에스솔루션 전방 차량 추돌 알림 장치 및 방법
WO2018058356A1 (zh) * 2016-09-28 2018-04-05 驭势科技（北京）有限公司 基于双目立体视觉的汽车防碰撞预警方法和系统
CN109334563A (zh) * 2018-08-31 2019-02-15 江苏大学 一种基于道路前方行人和骑行者的防碰撞预警方法
CN109583280A (zh) * 2017-09-29 2019-04-05 比亚迪股份有限公司 车道线识别方法、装置、设备及存储介质
CN109703460A (zh) * 2019-01-11 2019-05-03 合肥思艾汽车科技有限公司 多摄像头的复杂场景自适应车辆碰撞预警装置及预警方法
CN111681286A (zh) * 2020-06-09 2020-09-18 商汤集团有限公司 一种标定方法、装置、系统、电子设备及存储介质
CN111696386A (zh) * 2020-05-13 2020-09-22 宁波吉利汽车研究开发有限公司 一种基于车道线的辅助预警系统、方法和介质
CN111915883A (zh) * 2020-06-17 2020-11-10 西安交通大学 一种基于车载摄像的道路交通状况检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06341837A (ja) * 1993-06-01 1994-12-13 Matsushita Electric Ind Co Ltd 車間距離計測装置、カメラ位置補正装置及び衝突警告装置
JPH0778240A (ja) * 1993-09-08 1995-03-20 Sumitomo Electric Ind Ltd 道路消失点の算出方法
CN105260701A (zh) * 2015-09-14 2016-01-20 中电海康集团有限公司 一种适用于复杂场景下的前方车辆检测方法
WO2018058356A1 (zh) * 2016-09-28 2018-04-05 驭势科技（北京）有限公司 基于双目立体视觉的汽车防碰撞预警方法和系统
KR101809088B1 (ko) * 2017-07-11 2017-12-14 주식회사 에프에스솔루션 전방 차량 추돌 알림 장치 및 방법
CN109583280A (zh) * 2017-09-29 2019-04-05 比亚迪股份有限公司 车道线识别方法、装置、设备及存储介质
CN109334563A (zh) * 2018-08-31 2019-02-15 江苏大学 一种基于道路前方行人和骑行者的防碰撞预警方法
CN109703460A (zh) * 2019-01-11 2019-05-03 合肥思艾汽车科技有限公司 多摄像头的复杂场景自适应车辆碰撞预警装置及预警方法
CN111696386A (zh) * 2020-05-13 2020-09-22 宁波吉利汽车研究开发有限公司 一种基于车道线的辅助预警系统、方法和介质
CN111681286A (zh) * 2020-06-09 2020-09-18 商汤集团有限公司 一种标定方法、装置、系统、电子设备及存储介质
CN111915883A (zh) * 2020-06-17 2020-11-10 西安交通大学 一种基于车载摄像的道路交通状况检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
丁伟利;李勇;王文锋;: "基于消失点的非结构化道路识别及导航预警", 光电工程, no. 10, 15 October 2016 (2016-10-15) *
张建明;张玲增;刘志强;: "一种结合多特征的前方车辆检测与跟踪方法", 计算机工程与应用, no. 05, 27 January 2011 (2011-01-27) *
王超;赵春霞;任明武;王欢;: "基于单目视觉的车辆碰撞模型", 南京理工大学学报, no. 06, 30 December 2014 (2014-12-30) *
程文冬;袁伟;张名芳;李震;: "融合车尾边缘特征的前车识别与纵向车距检测", 机械设计与制造, no. 07, 8 July 2017 (2017-07-08) *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113421460A (zh) * 2021-06-23 2021-09-21 中煤航测遥感集团有限公司 作业车辆防撞预警方法、装置、车载终端及存储介质
CN113421460B (zh) * 2021-06-23 2023-01-24 中煤航测遥感集团有限公司 作业车辆防撞预警方法、装置、车载终端及存储介质
TWI807561B (zh) * 2021-12-28 2023-07-01 國立陽明交通大學 嵌入式深度學習多尺度物件偵測暨即時遠方區域定位裝置及其方法
CN114913202A (zh) * 2022-04-07 2022-08-16 北京拙河科技有限公司 一种微透镜阵列的目标追踪方法及系统
CN115273039A (zh) * 2022-09-29 2022-11-01 中汽数据(天津)有限公司 一种基于摄像头的小障碍物探测方法

Also Published As

Publication number Publication date
CN112634359B (zh) 2024-09-03

Similar Documents

Publication Publication Date Title
CN112634359B (zh) 车辆防碰撞预警方法、装置、终端设备及存储介质
US10867189B2 (en) Systems and methods for lane-marker detection
CN109849930B (zh) 自动驾驶汽车的相邻车辆的速度计算方法和装置
US11783507B2 (en) Camera calibration apparatus and operating method
CN113109783B (zh) 航向角获取方法、装置、设备和存储介质
US10832428B2 (en) Method and apparatus for estimating a range of a moving object
CN114067001B (zh) 车载相机角度标定方法、终端及存储介质
CN112927306B (zh) 拍摄装置的标定方法、装置及终端设备
US11953602B2 (en) Detecting three-dimensional structure models at runtime in vehicles
CN112525147B (zh) 自动驾驶设备测距方法及相关装置
US20220254062A1 (en) Method, device and storage medium for road slope predicating
CN111174722A (zh) 一种三维轮廓重建方法及装置
CN118050719A (zh) 半挂车的挂车角度测量方法、装置、电子设备及车辆
CN112927283A (zh) 测距方法及装置、存储介质及电子设备
CN108693517B (zh) 车辆定位方法、装置和雷达
CN113227708B (zh) 确定俯仰角的方法、装置及终端设备
CN112902911B (zh) 基于单目相机的测距方法、装置、设备及存储介质
CN114384486A (zh) 一种数据处理方法及装置
CN117274393A (zh) 相机外参标定系数的确定方法、装置、设备及存储介质
CN112150522A (zh) 遥感图像的配准方法、装置、设备、存储介质及系统
CN113643355A (zh) 一种目标车辆位置和朝向的检测方法、系统及存储介质
WO2021132229A1 (ja) 情報処理装置、センシング装置、移動体、情報処理方法、及び、情報処理システム
CN108416305B (zh) 连续型道路分割物的位姿估计方法、装置及终端
CN113147746A (zh) 坡道车位的探测方法及装置
CN113514825A (zh) 道路边缘的获取方法、装置和终端设备

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