CN112654547A - 驾驶提醒的方法、装置及系统 - Google Patents
驾驶提醒的方法、装置及系统 Download PDFInfo
- Publication number
- CN112654547A CN112654547A CN202080004885.6A CN202080004885A CN112654547A CN 112654547 A CN112654547 A CN 112654547A CN 202080004885 A CN202080004885 A CN 202080004885A CN 112654547 A CN112654547 A CN 112654547A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- reminding
- distance
- driver
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 118
- 230000015654 memory Effects 0.000 claims description 42
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 30
- 210000003128 head Anatomy 0.000 description 25
- 238000004891 communication Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 241001465754 Metazoa Species 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 9
- 230000006399 behavior Effects 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 8
- 241000282414 Homo sapiens Species 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000007499 fusion processing Methods 0.000 description 4
- 230000010267 cellular communication Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011895 specific detection Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- 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
- B60W40/10—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 vehicle motion
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—Speed
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
-
- 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
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B60W2420/408—
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种驾驶提醒的方法、装置及系统,可应用到自动驾驶领域的智能汽车上。该方法包括:获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;在第一距离大于或等于第一阈值且第一视线方向没有关注所述交通元素的情况下,发送提醒信息,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离,所述第一视线方向指根据所述第二数据确定的所述驾驶员的视线方向。本申请实施例中的方法,有助于提高驾驶提醒的准确率。
Description
技术领域
本申请涉及自动驾驶领域,并且更具体地,涉及一种驾驶提醒的方法、装置及系统。
背景技术
人工智能(artificial intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人,自然语言处理,计算机视觉,决策与推理,人机交互,推荐与搜索,AI基础理论等。
自动驾驶是人工智能领域的一种主流应用,自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作,让机动车辆可以在不需要人类主动操作下,实现自动驾驶。自动驾驶的车辆使用各种计算系统来帮助将乘客或货物从一个位置运输到另一位置。一些自动驾驶车辆可能要求来自操作者(诸如,领航员、驾驶员、或者乘客)的一些初始输入或者连续输入。自动驾驶车辆允许操作者从手动模操作式切换到自动驾驶模式或者介于两者之间的模式。由于自动驾驶技术无需人类来驾驶机动车辆,所以理论上能够有效避免人类的驾驶失误,减少交通事故的发生,且能够提高公路的运输效率。因此,自动驾驶技术越来越受到重视。
随着车辆的数量越来越多,自动驾驶的安全性也得到越来越多的关注。驾驶提醒(例如,盲区检测提醒、防碰撞提醒、车道偏离提醒及疲劳驾驶提醒等)作为一种驾驶辅助技术,可以对车辆内外的情况进行分析,对于可能发生的危险状况预先向驾驶员发送警告,以提升行车的安全性。但是,目前驾驶提醒的准确率不高。
发明内容
本申请提供一种驾驶提醒的方法、装置及系统,用于提高驾驶提醒的准确率及驾驶的安全性。
第一方面,提供了一种驾驶提醒的方法,该方法包括:
获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;在第一距离大于或等于第一阈值且第一视线方向没有关注所述交通元素的情况下,发送提醒信息,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离,所述第一视线方向指根据所述第二数据确定的所述驾驶员的视线方向。
在本申请实施例中,结合所述车辆与所述交通元素之间的距离,以及所述驾驶员的视线方向进行判断,确定是否发送提醒信息,可以提高驾驶提醒的准确率,从而能够提升用户体验。
可选地,所述交通元素可以包括:行人、动物、车辆、路灯、护栏及所述车辆周围的其他物体。
可选地,所述第一传感器可以包括全球定位系统、惯性测量单元、雷达、激光测距仪及相机中的至少一项,所述第一传感器可以用于采集所述交通元素的当前速度、加速度、当前位置及轮廓等。
可选地,所述第二传感器可以包括相机或其他传感器,所述第二传感器可以用于采集所述车辆的驾驶员的数据。
例如,所述第二传感器可以用于采集所述驾驶员的头部姿态,比如,所述驾驶员头部的翻滚角(roll),俯仰角(pitch)及偏航角(yaw)。
所述驾驶员的视线方向可以根据所述驾驶员的头部姿态确定。
结合第一方面,在第一方面的某些实现方式中,在所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
在本申请实施例中,所述车辆与所述交通元素之间的距离所属的距离范围不同时,所述提醒信息的提醒等级不同,因此,可以使得所述提醒信息更加精准,从而有助于进一步提高驾驶提醒的准确率。
其中,不同提醒等级的提醒信息使驾驶员感受到的重要性或紧急程度不同。
结合第一方面,在第一方面的某些实现方式中,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
在本申请实施例中,通过提醒次数、提醒频率及提醒强度中的至少一项来区别不同提醒等级的所述提醒信息,可以使得所述提醒信息更加精准,从而有助于进一步提升用户体验。
结合第一方面,在第一方面的某些实现方式中,所述获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,包括:在所述车辆的速度小于或等于预设速度的情况下,获取所述第一数据和所述第二数据。
在本申请实施例中,在所述车辆的速度满足预设条件的情况下,才去获取传感器采集的数据,可以降低所述车辆的功耗。
第二方面,提供了一种驾驶提醒的方法,该方法包括:
获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;根据所述第一数据和第二数据向所述驾驶员发送提醒信息,所述提醒信息的提醒等级与第一距离所属的距离范围、以及根据所述第二数据确定的所述驾驶员的疲劳驾驶等级有关,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离。
在本申请实施例中,根据所述车辆与所述交通元素之间的距离、以及所述驾驶员的疲劳驾驶等级,确定提醒信息的提醒等级,可以使得所述提醒信息更加精准,从而有助于进一步提高驾驶提醒的准确率。
其中,不同提醒等级的提醒信息使驾驶员感受到的重要性或紧急程度不同。
可选地,所述交通元素可以包括:行人、动物、车辆、路灯、护栏及所述车辆周围的其他物体。
可选地,所述第一传感器可以包括全球定位系统、惯性测量单元、雷达、激光测距仪及相机中的至少一项,所述第一传感器可以用于采集所述交通元素的当前速度、加速度、当前位置及轮廓等。
可选地,所述第二传感器可以包括相机或其他传感器,所述第二传感器可以用于采集所述车辆的驾驶员的数据。
例如,所述第二传感器还可以用于采集所述驾驶员的眼睛在一定时间间隔内的闭眼时间占比,比如,所述驾驶员的PERCLOS(percentage of eyeIid CIosure over thePupiI,over time)物理量。
所述驾驶员的疲劳驾驶等级可以根据所述驾驶员在一定时间间隔内的闭眼时间占比确定。
结合第二方面,在第二方面的某些实现方式中,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级不同,且所述第一距离所属的距离范围相同时,所述提醒信息的提醒等级不同。
在本申请实施例中,在所述驾驶员的疲劳驾驶等级不同,且所述交通元素与所述车辆的距离所属的距离范围相同时,所述提醒信息的提醒等级不同,因此,可以使得所述提醒信息更加精准,从而有助于进一步提高驾驶提醒的准确率。
结合第二方面,在第二方面的某些实现方式中,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级相同,且所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
在本申请实施例中,在所述驾驶员的疲劳驾驶等级相同,且所述交通元素与所述车辆的距离所属的距离范围不同时,所述提醒信息的提醒等级不同,因此,可以使得所述提醒信息更加精准,从而有助于进一步提高驾驶提醒的准确率。
结合第二方面,在第二方面的某些实现方式中,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
在本申请实施例中,通过提醒次数、提醒频率及提醒强度中的至少一项来区别不同提醒等级的所述提醒信息,可以使得所述提醒信息更加精准,从而有助于进一步提升用户体验。
第三方面,提供了一种驾驶提醒的装置,包括:
获取单元,用于获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;发送单元,用于在第一距离大于或等于第一阈值且第一视线方向没有关注所述交通元素的情况下,发送提醒信息,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离,所述第一视线方向指根据所述第二数据确定的所述驾驶员的视线方向。
在本申请实施例中,结合所述车辆与所述交通元素之间的距离,以及所述驾驶员的视线方向进行判断,确定是否发送提醒信息,可以提高驾驶提醒的准确率,从而能够提升用户体验。
可选地,所述交通元素可以包括:行人、动物、车辆、路灯、护栏及所述车辆周围的其他物体。
可选地,所述第一传感器可以包括全球定位系统、惯性测量单元、雷达、激光测距仪及相机中的至少一项,所述第一传感器可以用于采集所述交通元素的当前速度、加速度、当前位置及轮廓等。
可选地,所述第二传感器可以包括相机或其他传感器,所述第二传感器可以用于采集所述车辆的驾驶员的数据。
例如,所述第二传感器可以用于采集所述驾驶员的头部姿态,比如,所述驾驶员头部的翻滚角(roll),俯仰角(pitch)及偏航角(yaw)。
所述驾驶员的视线方向可以根据所述驾驶员的头部姿态确定。
结合第三方面,在第三方面的某些实现方式中,在所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
在本申请实施例中,所述车辆与所述交通元素之间的距离所属的距离范围不同时,所述提醒信息的提醒等级不同,因此,可以使得所述提醒信息更加精准,从而有助于进一步提高驾驶提醒的准确率。
其中,不同提醒等级的提醒信息使驾驶员感受到的重要性或紧急程度不同。
结合第三方面,在第三方面的某些实现方式中,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
在本申请实施例中,通过提醒次数、提醒频率及提醒强度中的至少一项来区别不同提醒等级的所述提醒信息,可以使得所述提醒信息更加精准,从而有助于进一步提升用户体验。
结合第三方面,在第三方面的某些实现方式中,所述获取单元具体用于:在所述车辆的速度小于或等于预设速度的情况下,获取所述第一数据和所述第二数据。
在本申请实施例中,在所述车辆的速度满足预设条件的情况下,才去获取传感器采集的数据,可以降低所述车辆的功耗。
第四方面,提供了一种驾驶提醒的装置,包括:
获取单元,用于获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;发送单元,用于根据所述第一数据和第二数据向所述驾驶员发送提醒信息,所述提醒信息的提醒等级与第一距离所属的距离范围、以及根据所述第二数据确定的所述驾驶员的疲劳驾驶等级有关,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离。
在本申请实施例中,根据所述车辆与所述交通元素之间的距离、以及所述驾驶员的疲劳驾驶等级,确定提醒信息的提醒等级,可以使得所述提醒信息更加精准,从而有助于进一步提高驾驶提醒的准确率。
其中,不同提醒等级的提醒信息使驾驶员感受到的重要性或紧急程度不同。
可选地,所述交通元素可以包括:行人、动物、车辆、路灯、护栏及所述车辆周围的其他物体。
可选地,所述第一传感器可以包括全球定位系统、惯性测量单元、雷达、激光测距仪及相机中的至少一项,所述第一传感器可以用于采集所述交通元素的当前速度、加速度、当前位置及轮廓等。
可选地,所述第二传感器可以包括相机或其他传感器,所述第二传感器可以用于采集所述车辆的驾驶员的数据。
例如,所述第二传感器还可以用于采集所述驾驶员的眼睛在一定时间间隔内的闭眼时间占比,比如,所述驾驶员的PERCLOS(percentage of eyeIid CIosure over thePupiI,over time)物理量。
所述驾驶员的疲劳驾驶等级可以根据所述驾驶员在一定时间间隔内的闭眼时间占比确定。
结合第四方面,在第四方面的某些实现方式中,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级不同,且所述第一距离所属的距离范围相同时,所述提醒信息的提醒等级不同。
在本申请实施例中,在所述驾驶员的疲劳驾驶等级不同,且所述交通元素与所述车辆的距离所属的距离范围相同时,所述提醒信息的提醒等级不同,因此,可以使得所述提醒信息更加精准,从而有助于进一步提高驾驶提醒的准确率。
结合第四方面,在第四方面的某些实现方式中,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级相同,且所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
在本申请实施例中,在所述驾驶员的疲劳驾驶等级相同,且所述交通元素与所述车辆的距离所属的距离范围不同时,所述提醒信息的提醒等级不同,因此,可以使得所述提醒信息更加精准,从而有助于进一步提高驾驶提醒的准确率。
结合第四方面,在第四方面的某些实现方式中,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
在本申请实施例中,通过提醒次数、提醒频率及提醒强度中的至少一项来区别不同提醒等级的所述提醒信息,可以使得所述提醒信息更加精准,从而有助于进一步提升用户体验。
第五方面,提供了一种驾驶提醒的装置,所述装置包括存储介质和中央处理器,所述存储介质可以是非易失性存储介质,所述存储介质中存储有计算机可执行程序,所述中央处理器与所述非易失性存储介质连接,并执行所述计算机可执行程序以实现所述第一方面或者第一方面的任一可能的实现方式中的方法。
第六方面,提供了一种驾驶提醒的装置,所述装置包括存储介质和中央处理器,所述存储介质可以是非易失性存储介质,所述存储介质中存储有计算机可执行程序,所述中央处理器与所述非易失性存储介质连接,并执行所述计算机可执行程序以实现所述第二方面或者第二方面的任一可能的实现方式中的方法。
第七方面,提供一种芯片,所述芯片包括处理器与数据接口,所述处理器通过所述数据接口读取存储器上存储的指令,执行第一方面或第一方面的任一可能的实现方式中的方法。
可选地,作为一种实现方式,所述芯片还可以包括存储器,所述存储器中存储有指令,所述处理器用于执行所述存储器上存储的指令,当所述指令被执行时,所述处理器用于执行第一方面或第一方面的任一可能的实现方式中的方法。
第八方面,提供一种芯片,所述芯片包括处理器与数据接口,所述处理器通过所述数据接口读取存储器上存储的指令,执行第二方面或第二方面的任一可能的实现方式中的方法。
可选地,作为一种实现方式,所述芯片还可以包括存储器,所述存储器中存储有指令,所述处理器用于执行所述存储器上存储的指令,当所述指令被执行时,所述处理器用于执行第二方面或第二方面的任一可能的实现方式中的方法。
第九方面,提供一种计算机可读存储介质,所述计算机可读介质存储用于设备执行的程序代码,所述程序代码包括用于执行第一方面或者第一方面的任一可能的实现方式中的方法的指令。
第十方面,提供一种计算机可读存储介质,所述计算机可读介质存储用于设备执行的程序代码,所述程序代码包括用于执行第二方面或者第二方面的任一可能的实现方式中的方法的指令。
第十一方面,提供一种驾驶提醒的系统,所述系统包括上述第三方面或第四方面或第五方面所述的驾驶提醒的装置。
第十二方面,提供一种汽车,所述汽车包括上述第三方面或第四方面或第五方面所述的驾驶提醒的装置。
在本申请实施例中,结合所述车辆与所述交通元素之间的距离,以及所述驾驶员的视线方向进行判断,确定是否发送提醒信息,可以提高驾驶提醒的准确率,从而能够提升用户体验。
附图说明
图1为本申请实施例提供的一种自动驾驶车辆的结构示意图;
图2为本申请实施例提供的一种自动驾驶系统的结构示意图;
图3为本申请实施例适用的一种系统架构的结构示意图;
图4为本申请一个实施例提供的驾驶提醒的方法的示意性框图;
图5为本申请另一个实施例提供的驾驶提醒的方法的示意性框图;
图6为本申请另一个实施例提供的驾驶提醒的方法的示意性框图;
图7为本申请另一个实施例提供的驾驶提醒的方法的示意性框图;
图8是本申请一个实施例提供的驾驶提醒的装置的示意性框图;
图9是本申请另一个实施例提供的驾驶提醒的装置的示意性框图;
图10是本申请另一个实施例提供的驾驶提醒的装置的示意性框图。
具体实施方式
下面将结合附图,对本申请中的技术方案进行描述。
本申请实施例的技术方案可以应用于各种车辆,该车辆具体可以为内燃机车、智能电动车或者混合动力车,或者,该车辆也可以为其他动力类型的车辆等,或者,本申请实施例的技术方案也可以应用于各种其他交通工具,例如,飞机、船,本申请实施例对此并不限定。
为了便于描述,下面以车辆为例,对本申请实施例的技术方案进行描述。
本申请实施例中的车辆可以为自动驾驶车辆,例如,所述自动驾驶车辆可以配置有自动驾驶模式,该自动驾驶模式可以为完全自动驾驶模式,或者,也可以为部分自动驾驶模式,本申请实施例对此并不限定。
本申请实施例中的车辆还可以配置有其他驾驶模式,所述其他驾驶模式可以包括运动模式、经济模式、标准模式、雪地模式及爬坡模式等多种驾驶模式中的一种或多种。所述自动驾驶车辆可以在自动驾驶模式和上述多种(驾驶员驾驶车辆的)驾驶模型之间进行切换,本申请实施例对此并不限定。
图1是本申请实施例提供的车辆100的功能框图。
在一个实施例中,将车辆100配置为完全或部分地自动驾驶模式。
例如,车辆100可以在处于自动驾驶模式中的同时控制自身,并且可通过人为操作来确定车辆及其周边环境的当前状态,确定周边环境中的至少一个其他车辆的可能行为,并确定该其他车辆执行可能行为的可能性相对应的置信水平,基于所确定的信息来控制车辆100。在车辆100处于自动驾驶模式中时,可以将车辆100置为在没有和人交互的情况下操作。
车辆100可包括各种子系统,例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。
可选地,车辆100可包括更多或更少的子系统,并且每个子系统可包括多个元件。另外,车辆100的每个子系统和元件可以通过有线或者无线互连。
行进系统102可包括为车辆100提供动力运动的组件。在一个实施例中,推进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合,例如,气油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。
能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为车辆100的其他系统提供能量。
传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。
在一个实施例中,传动装置120还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。
传感器系统104可包括感测关于车辆100周边的环境的信息的若干个传感器。
例如,传感器系统104可包括定位系统122(定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)124、雷达126、激光测距仪128以及相机130。传感器系统104还可包括被监视车辆100的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主车辆100的安全操作的关键功能。
定位系统122可用于估计车辆100的地理位置。IMU 124用于基于惯性加速度来感测车辆100的位置和朝向变化。在一个实施例中,IMU 124可以是加速度计和陀螺仪的组合。
雷达126可利用无线电信号来感测车辆100的周边环境内的物体。在一些实施例中,除了感测物体以外,雷达126还可用于感测物体的速度和/或前进方向。
激光测距仪128可利用激光来感测车辆100所位于的环境中的物体。在一些实施例中,激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。
相机130可用于捕捉车辆100的周边环境的多个图像。相机130可以是静态相机或视频相机。
控制系统106为控制车辆100及其组件的操作。控制系统106可包括各种元件,其中包括转向系统132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、路线控制系统142以及障碍物避免系统144。
转向系统132可操作来调整车辆100的前进方向。例如在一个实施例中可以为方向盘系统。
油门134用于控制引擎118的操作速度并进而控制车辆100的速度。
制动单元136用于控制车辆100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中,制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制车辆100的速度。
计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别车辆100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(Structure from Motion,SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中,计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。
路线控制系统142用于确定车辆100的行驶路线。在一些实施例中,路线控制系统142可结合来自传感器138、GPS 122和一个或多个预定地图的数据以为车辆100确定行驶路线。
障碍物避免系统144用于识别、评估和避免或者以其他方式越过车辆100的环境中的潜在障碍物。
当然,在一个实例中,控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
车辆100通过外围设备108与外部传感器、其他车辆、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。
在一些实施例中,外围设备108提供车辆100的用户与用户接口116交互的手段。例如,车载电脑148可向车辆100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中,外围设备108可提供用于车辆100与位于车内的其它设备通信的手段。例如,麦克风150可从车辆100的用户接收音频(例如,语音命令或其他音频输入)。类似地,扬声器152可向车辆100的用户输出音频。
无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信系统146可使用3G蜂窝通信,例如CDMA、EVD0、GSM/GPRS,或者4G蜂窝通信,例如LTE。或者5G蜂窝通信。无线通信系统146可利用WiFi与无线局域网(wireless localarea network,WLAN)通信。在一些实施例中,无线通信系统146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议,例如各种车辆通信系统,例如,无线通信系统146可包括一个或多个专用短程通信(dedicated short range communications,DSRC)设备,这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
电源110可向车辆100的各种组件提供电力。在一个实施例中,电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为车辆100的各种组件提供电力。在一些实施例中,电源110和能量源119可一起实现,例如一些全电动车中那样。
车辆100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113,处理器113执行存储在例如数据存储装置114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制车辆100的个体组件或子系统的多个计算设备。
处理器113可以是任何常规的处理器,诸如商业可获得的CPU。替选地,该处理器可以是诸如ASIC或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机110的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括在相同的物理外壳内的多个处理器、计算机、或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机110的外壳内的其它存储介质。因此,对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中,处理器可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,数据存储装置114可包含指令115(例如,程序逻辑),指令115可被处理器113执行来执行车辆100的各种功能,包括以上描述的那些功能。数据存储装置114也可包含额外的指令,包括向推进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令115以外,数据存储装置114还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度以及其它这样的车辆数据,以及其他信息。这种信息可在车辆100在自主、半自主和/或手动模式中操作期间被车辆100和计算机系统112使用。
用户接口116,用于向车辆100的用户提供信息或从其接收信息。可选地,用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备,例如无线通信系统146、车车在电脑148、麦克风150和扬声器152。
计算机系统112可基于从各种子系统(例如,行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制车辆100的功能。例如,计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍物避免系统144检测到的障碍物。在一些实施例中,计算机系统112可操作来对车辆100及其子系统的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与车辆100分开安装或关联。例如,数据存储装置114可以部分或完全地与车辆100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图1不应理解为对本申请实施例的限制。
在道路行进的自动驾驶车辆,如上面的车辆100,可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中,可以独立地考虑每个识别的物体,并且基于物体的各自的特性,诸如它的当前速度、加速度、与车辆的间距等,可以用来确定自动驾驶车辆所要调整的速度。
可选地,车辆100或者与车辆100相关联的计算设备(如图1的计算机系统112、计算机视觉系统140、数据存储装置114)可以基于所识别的物体的特性和周围环境的状态(例如,交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地,每一个所识别的物体都依赖于彼此的行为,因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说,自动驾驶车辆能够基于所预测的物体的行为来确定车辆将需要调整到(例如,加速、减速、或者停止)什么稳定状态。在这个过程中,也可以考虑其它因素来确定车辆100的速度,诸如,车辆100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶车辆的速度的指令之外,计算设备还可以提供修改车辆100的转向角的指令,以使得自动驾驶车辆遵循给定的轨迹和/或维持与自动驾驶车辆附近的物体(例如,道路上的相邻车道中的轿车)的安全横向和纵向距离。
上述车辆100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场车辆、施工设备、电车、高尔夫球车、火车和手推车等,本申请实施例不做特别的限定。
图2是本申请实施例提供的自动驾驶系统的示意图。
如图2所示的自动驾驶系统包括计算机系统101,其中,计算机系统101包括处理器103,处理器103和系统总线105耦合。处理器103可以是一个或者多个处理器,其中每个处理器都可以包括一个或多个处理器核。显示适配器(video adapter)107,显示适配器可以驱动显示器109,显示器109和系统总线105耦合。系统总线105通过总线桥111和输入输出(I/O)总线113耦合。I/O接口115和I/O总线耦合。I/O接口115和多种I/O设备进行通信,比如输入设备117(如:键盘,鼠标,触摸屏等),多媒体盘(media tray)121,(例如,CD-ROM,多媒体接口等)。收发器123(可以发送和/或接受无线电通信信号),摄像头155(可以捕捉静态和动态数字视频图像)和外部USB接口125。其中,可选地,和I/O接口115相连接的接口可以是USB接口。
其中,处理器103可以是任何传统处理器,包括精简指令集计算(reducedinstruction set computer,RISC)处理器、复杂指令集计算(complex instruction setcomputer,CISC)处理器或上述的组合。可选地,处理器可以是诸如专用集成电路(application specific integrated circuit,ASIC)的专用装置。可选地,处理器103可以是神经网络处理器或者是神经网络处理器和上述传统处理器的组合。
可选地,在本文所述的各种实施例中,计算机系统101可位于远离自动驾驶车辆的地方(例如,计算机系统101可位于云端或服务器),并且可与自动驾驶车辆无线通信。在其它方面,本文所述的一些过程在设置在自动驾驶车辆内的处理器上执行,其它由远程处理器执行,包括采取执行单个操纵所需的动作。
计算机101可以通过网络接口129和软件部署服务器149通信。网络接口129是硬件网络接口,比如,网卡。网络127可以是外部网络,比如因特网,也可以是内部网络,比如以太网或者虚拟私人网络(virtual private network,VPN)。可选地,网络127还可以是无线网络,比如WiFi网络,蜂窝网络等。
硬盘驱动接口和系统总线105耦合。硬件驱动接口和硬盘驱动器相连接。系统内存135和系统总线105耦合。运行在系统内存135的数据可以包括计算机101的操作系统137和应用程序143。
操作系统包括解析器139(shell)和内核(kernel)141。shell是介于使用者和操作系统之内核(kernel)间的一个接口。shell是操作系统最外面的一层。shell管理使用者与操作系统之间的交互:等待使用者的输入,向操作系统解释使用者的输入,并且处理各种各样的操作系统的输出结果。
内核141由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。直接与硬件交互,操作系统内核通常运行进程,并提供进程间的通信,提供CPU时间片管理、中断、内存管理、IO管理等等。
应用程序143包括驾驶提醒相关的程序,比如,获取车辆的传感器采集的数据(例如,所述采集的数据可以包括所述车辆周围的交通元素的数据及所述车辆的驾驶员的数据),对所述采集的数据进行处理,得到处理结果(例如,所述处理结果可以用于指示所述车辆的行驶状态及用于指示所述车辆的驾驶员的驾驶状态),并结合所述处理结果向驾驶员发送提醒信息。
应用程序143也可以存在于软件部署服务器149(deploying server)的系统上。在一个实施例中,在需要执行应用程序143时,计算机系统101可以从软件部署服务器149(deploying server)下载应用程序143。
传感器153和计算机系统101关联。传感器153用于探测计算机101周围的环境。举例来说,传感器153可以探测动物,汽车,障碍物和人行横道等,进一步传感器还可以探测上述动物,汽车,障碍物和人行横道等物体周围的环境,比如:动物周围的环境,例如,动物周围出现的其他动物,天气条件,周围环境的光亮度等。传感器153还可以用于获取车辆的状态信息。例如,传感器153可以探测车辆的位置、车辆的速度、车辆的加速度和车辆的姿态等车辆的状态信息。可选地,如果计算机101位于自动驾驶车辆上,传感器可以是摄像头,红外线感应器,化学检测器,麦克风等。
例如,应用程序143可以对传感器153采集到的所述车辆周围的交通元素的数据及所述车辆的驾驶员的数据进行处理,得到处理结果,并结合所述处理结果向驾驶员发送提醒信息。此时,结合所述处理结果向驾驶员发送提醒信息,可以提升车辆自动驾驶的安全性。
其中,所述处理结果可以用于指示所述车辆的行驶状态及用于指示所述车辆的驾驶员的驾驶状态,例如,所述车辆的行驶状态可以包括所述车辆与所述交通元素之间的距离,所述驾驶员的驾驶状态可以包括所述驾驶员的视线方向、和/或所述驾驶员的疲劳驾驶等级。
图3为本申请实施例适用的一种驾驶提醒系统的架构示意图。应理解,图3所示的架构300仅为示例而非限定,架构300中可以包括更多或更少的步骤,本申请实施例中对此并不限定。
如图3所示,架构300可以包括:内摄像头、摄像机控制单元(control unit forthe rear-view camera and side view,TRSVC)、中央网关(gateway)、车机(head unit,HU)、组合仪表(combination instrument,KOMBI)、基于摄像的驾驶辅助系统(camera-based driving assistance system)、外摄像头、中央显示屏等。
其中,内摄像头可以通过TRSVC连接到gateway,外摄像头可以通过KAFAS连接到gateway,gateway再连接到HU,HU可以用于执行本申请实施例中的驾驶提醒方法,HU可以对摄像头拍摄的图像进行处理,并结合处理结果向驾驶员发送提醒信息。
HU可以包括内摄像头数据处理单元、外摄像头数据处理单元及融合处理单元,内摄像头数据处理单元可以用于对内摄像头拍摄的图像进行处理,外摄像头数据处理单元可以用于对外摄像头拍摄的图像进行处理,融合处理单元可以用于结合内摄像头数据(内摄像头拍摄的图像)的处理结果及外摄像头数据(外摄像头拍摄的图像)的处理结果,向驾驶员发送提醒信息。
中央显示屏可以为车载信息终端系统(car informatic device,CID)中的显示屏,中央显示屏可以与HU连接,并作为车载的主显示屏,中央显示屏可以通过图像信息显示本申请实施例中的提醒信息,即向驾驶员发送提醒信息。
KOMBI可以拥有独立的系统,KOMBI可以通过APIX(automotive pixel link)与HU进行数据传输,KOMBI也可以通过LVDS(low voltage differential signal)与HU进行图像传输,KOMBI还可以包括发声模块,发声模块能够发出提示音,因此,KOMBI可以通过声音信息输出本申请实施例中的提醒信息,即向驾驶员发送提醒信息。
另外,gateway可以用于接收各个模块的数据,然后传输给HU;TRSVC可以包括行车记录仪和其他自动驾驶辅助功能;KAFAS可以用于检测驾驶员的状态和行为。
需要说明的是,架构300及架构300中的各个模块仅为示例而非限定,本申请实施例中对此并不限定。
例如,内摄像头和外摄像头也可以为其他传感器,相应地,内摄像头数据处理单元和外摄像头数据处理单元可以为其他传感器的数据处理单元,TRSVC也可以为基于其他传感器的控制单元或基于其他传感器的处理单元,KAFAS也可以为基于其他传感器的驾驶辅助系统(或者,基于其他传感器的控制单元或基于其他传感器的处理单元)。
下面结合图4至图7对本申请实施例中的驾驶提醒的方法进行详细说明。
图4是本申请实施例提供的驾驶提醒的方法400的示意性流程图。
图4所示的方法400可以包括步骤410及步骤420,应理解,图4所示的方法400仅为示例而非限定,方法400中可以包括更多或更少的步骤,本申请实施例中对此并不限定,下面分别对这几个步骤进行详细的介绍。
图4所示的方法400可以由图1中的车辆100中的处理器113执行、或者,方法400也可以由图2中的自动驾驶系统中的处理器103执行,或者,方法400还可以由图3中的车机(head unit,HU)执行(例如,由车机中的融合处理单元执行)。
S410,获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据。
其中,所述第一数据可以包括所述车辆周围的交通元素的数据,所述第二数据可以包括所述车辆的驾驶员的数据。
所述第一传感器可以包括图1中的传感器系统104中的传感器,所述第一传感器可以用于采集所述车辆周围的交通元素的数据。
例如,所述第一传感器可以用于采集所述交通元素的当前速度、加速度、当前位置及轮廓等。
可选地,所述第一传感器可以包括全球定位系统122、惯性测量单元124、雷达126、激光测距仪128及相机130中的至少一项。
例如,所述第一传感器可以包括一个或多个激光测距仪,用于采集所述车辆相对于其周围的交通元素的测距数据。
或者,所述第一传感器可以包括一个多个相机,用于采集所述车辆周围的交通元素的图像。
应理解,所述交通元素可以包括:行人、动物、车辆、路灯、护栏及所述车辆周围的其他物体。
所述第二传感器可以包括图1中的相机130或其他传感器,所述第二传感器可以用于采集所述车辆的驾驶员的数据。
例如,所述第二传感器可以用于采集所述驾驶员的头部姿态,比如,所述驾驶员头部的翻滚角(roll),俯仰角(pitch)及偏航角(yaw)。
可选地,所述驾驶员的视线方向可以根据所述驾驶员的头部姿态确定。
可选地,所述获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,可以包括:
在所述车辆的速度小于或等于预设速度的情况下,获取所述第一数据和所述第二数据。
在本申请实施例中,在满足预设条件(例如,所述车辆的速度小于或等于预设速度)的情况下,才获取所述第一传感器采集的第一数据及所述第二传感器采集的第二数据,也就是说,在其他情况下所述第一传感器和所述第二传感器可以暂时停止数据采集,因此,可以降低所述车辆的功耗。
S420,在第一距离大于或等于第一阈值且第一视线方向没有关注所述交通元素的情况下,发送提醒信息。
其中,所述第一距离可以指根据所述第一数据确定的所述车辆与所述交通元素之间的距离,所述第一视线方向可以指根据所述第二数据确定的所述驾驶员的视线方向。
可选地,所述提醒信息可以为声音信息、图像信息或其他信息等。
例如,所述提醒信息可以为所述车辆内部的扬声器发出的声音信息;或者,所述提醒信息也可以为所述车辆内部的中央显示屏(或者也可以称为中控显示器或中近屏)上显示的图像信息、车辆的仪表屏上显示的图像信息或车辆的抬头显示(heads up display)等其他设备上显示的图像信息;或者,所述提醒信息还可以为方向盘或座椅等的震动信息,本申请实施例中对所述提醒信息的具体形式并不做限定。
例如,在所述车辆与前车之间的距离大于或等于5米、且所述驾驶员没有正视前方(即所述驾驶员的视线方向没有关注前车)的情况下,向所述驾驶员发送提醒信息。
进一步地,在根据所述第一数据确定的所述交通元素与所述车辆的距离所属的距离范围不同时,所述提醒信息的提醒等级可以不同。
可选地,不同提醒等级的提醒信息使驾驶员感受到的重要性或紧急程度不同。
可选地,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
例如,所述提醒信息可以为所述车辆内部的扬声器发出的声音信息,在所述车辆与前车之间的距离大于或等于5米、且所述驾驶员没有正视前方(即所述驾驶员的视线方向没有关注前车)的情况下,向所述驾驶员发送声音信息;在所述车辆与前车之间的距离大于或等于6米、且所述驾驶员还没有正视前方(即所述驾驶员的视线方向没有关注前车)的情况下,向所述驾驶员发送增大音量的声音信息。
图5是本申请实施例提供的驾驶提醒的方法500的示意性流程图。
图5所示的方法500可以包括步骤510、步骤520、步骤530、步骤540、步骤550及步骤560,应理解,图5所示的方法500仅为示例而非限定,方法500中可以包括更多或更少的步骤,本申请实施例中对此并不限定,下面分别对这几个步骤进行详细的介绍。
图5所示的方法500可以由图1中的车辆100中的处理器113执行、或者,方法500也可以由图2中的自动驾驶系统中的处理器103执行,或者,方法500还可以由图3中的车机(head unit,HU)执行(例如,由车机中的融合处理单元执行)。
下面结合起步提醒的场景,以方法500由HU执行为例进行描述。
S510,启动前车识别。
HU可以实时获取车辆的速度信息,在所述车辆的速度满足预设条件的情况下,启动前车识别功能。
所述前车识别可以识别出前车的位置、形状、方向、速度、图像等。
例如,在所述车辆的速度低于30km/h的情况下,HU可以通过前摄像头获取前车的图像,并将前摄像头获取的图像和模型库进行比对,识别出前车(即,位于所述车辆前面的其他车辆)。
其中,前摄像头获取的图像的尺寸可以为1028*578,HU对该图像进行处理后可以得到尺寸为640*300的图像,并将该尺寸为640*300的图像输入模型库进行比对。
或者,HU还可以识别出其他车辆、行人、非机动车。
所述S510中具体的识别方法可以参考现有技术,这里不再赘述。
S520,检测车辆与前车之间的距离。
在前车和所述车辆均保持静止5秒的情况下,识别出所述车辆和前车之间的距离L1,并实时监测车距(即所述车辆和前车之间的距离)的变化。
例如,可以基于视觉测距方法(vision-based ACC with a single camera:bounds on range and range rate accuracy),识别出所述车辆和前车之间的距离L1。
所述S520中具体的检测方法可以参考现有技术,这里不再赘述。
S530,检测驾驶员的头部姿态。
可选地,可以在前车进入起步状态的情况下,检测驾驶员的头部姿态。
例如,在所述车辆和前车之间的距离大于L2(L1+1米)的情况下,可以判断前车进入起步状态。
具体地,在检测驾驶员的头部姿态时,可以获取驾驶员头部的翻滚角(roll),俯仰角(pitch)及偏航角(yaw),并对获取的roll、pitch及yaw进行处理,以检测出驾驶员的头部姿态。
所述S530中具体的检测方法可以参考现有技术,这里不再赘述。
S540,判断是否向驾驶员发送提醒信息。
例如,在驾驶员的头部姿态未处于中间正视姿态范围内的情况下,可以确定驾驶员没有正视前车,相应地,可以执行S550;在驾驶员的头部姿态处于中间正视姿态范围内的情况下,可以确定驾驶员正视前车,相应地,可以执行S560。
S550,在驾驶员没有正视前车的情况下,向驾驶员发送提醒信息。
例如,在驾驶员没有正视前车的情况下,可以通过声音信息和中控屏幕的图像向驾驶员发出提醒(即向驾驶员发送提醒信息)。
可选地,在所述车辆和前车之间的距离达到L3(L2+1米)的情况下,可以再次向驾驶员发送提醒信息。
进一步地,所述提醒信息在每次进行提醒时可以持续一定的时间,若驾驶员在提醒信息的持续内立即正视前车,则可以立即停止发送提醒信息。
S560,在驾驶员正视前车的情况下,不向驾驶员发送提醒信息。
图6是本申请实施例提供的驾驶提醒的方法600的示意性流程图。
图6所示的方法600可以包括步骤610及步骤620,应理解,图6所示的方法600仅为示例而非限定,方法600中可以包括更多或更少的步骤,本申请实施例中对此并不限定,下面分别对这几个步骤进行详细的介绍。
图6所示的方法600可以由图1中的车辆100中的处理器113执行、或者,方法600也可以由图2中的自动驾驶系统中的处理器103执行,或者,方法600还可以由图3中的车机(head unit,HU)执行(例如,由车机中的融合处理单元执行)。
S610,获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据。
其中,所述第一数据可以包括所述车辆周围的交通元素的数据,所述第二数据可以包括所述车辆的驾驶员的数据。
所述第一传感器可以包括图1中的传感器系统104中的传感器,所述第一传感器可以用于采集所述车辆周围的交通元素的数据。
例如,所述第一传感器可以用于采集所述交通元素的当前速度、加速度、当前位置及轮廓等。
可选地,所述第一传感器可以包括全球定位系统122、惯性测量单元124、雷达126、激光测距仪128及相机130中的至少一项。
例如,所述第一传感器可以包括一个或多个激光测距仪,用于采集所述车辆相对于其周围的交通元素的测距数据。
或者,所述第一传感器可以包括一个多个相机,用于采集所述车辆周围的交通元素的图像。
应理解,所述交通元素可以包括:行人、动物、车辆、路灯、护栏及所述车辆周围的其他物体。
所述第二传感器可以包括图1中的相机130或其他传感器,所述第二传感器可以用于采集所述车辆的驾驶员的数据。
例如,所述第二传感器还可以用于采集所述驾驶员的眼睛在一定时间间隔内的闭眼时间占比,比如,所述驾驶员的PERCLOS(percentage of eyeIid CIosure over thePupiI,over time)物理量。
可选地,所述驾驶员的疲劳驾驶等级可以根据所述驾驶员在一定时间间隔内的闭眼时间占比确定。
S620,根据所述第一数据和第二数据向所述驾驶员发送提醒信息。
其中,所述提醒信息的提醒等级可以与第一距离所属的距离范围、以及根据所述第二数据确定的所述驾驶员的疲劳驾驶等级有关。
可选地,所述第一距离可以指根据所述第一数据确定的所述车辆与所述交通元素之间的距离。
也就是说,所述提醒信息的提醒等级可以是结合所述车辆与所述交通元素之间的距离、及所述驾驶员的疲劳驾驶等级确定的。
可选地,不同提醒等级的提醒信息使驾驶员感受到的重要性或紧急程度不同。
所述提醒信息可以为声音信息、图像信息或其他信息等。
例如,所述提醒信息可以为所述车辆内部的扬声器发出的声音信息;或者,所述提醒信息也可以为所述车辆内部的中央显示屏(或者也可以称为中控显示器或中近屏)上显示的图像信息、车辆的仪表屏上显示的图像信息或车辆的抬头显示(heads up display)等其他设备上显示的图像信息;或者,所述提醒信息还可以为方向盘或座椅等的震动信息,本申请实施例中对所述提醒信息的具体形式并不做限定。
可选地,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级不同,且所述第一距离所属的距离范围相同时,所述提醒信息的提醒等级可以不同。
例如,在所述驾驶员为轻度疲劳驾驶,且所述车辆与前车之间的距离小于或等于100米的情况下,可以确定所述提醒信息的提醒等级为一级,即提醒信息(即声音信息)的音量为8,滴一声。
在所述驾驶员为中度疲劳驾驶,所述车辆与前车之间的距离小于或等于100米(即所述车辆与前车之间的距离相同)的情况下,可以确定所述提醒信息的提醒等级为二级,即提醒信息(即声音信息)的音量为8,滴两声。
可选地,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级相同,且所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级可以不同。
例如,在所述驾驶员为轻度疲劳驾驶,且所述车辆与前车之间的距离大于100米的情况下,可以确定所述提醒信息的提醒等级为一级,即提醒信息(即声音信息)的音量为8,滴一声。
在所述驾驶员为轻度疲劳驾驶,且所述车辆与前车之间的距离小于或等于100米,则可以将所述提醒信息的提醒等级调整为二级,即提醒信息(即声音信息)的音量为12,滴两声。
可选地,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
图7是本申请实施例提供的驾驶提醒的方法700的示意性流程图。
图7所示的方法700可以包括步骤710、步骤720、步骤730及步骤740,应理解,图7所示的方法700仅为示例而非限定,方法700中可以包括更多或更少的步骤,本申请实施例中对此并不限定,下面分别对这几个步骤进行详细的介绍。
图7所示的方法700可以由图1中的车辆100中的处理器113执行、或者,方法700也可以由图2中的自动驾驶系统中的处理器103执行,或者,方法700还可以由图3中的车机(head unit,HU)执行(例如,由车机中的融合处理单元执行)。
下面结合疲劳驾驶提醒的场景,以方法700由HU执行为例进行描述。
S710,确定驾驶员的疲劳驾驶等级。
可选地,可以根据所述驾驶员的眼睛在一定时间间隔内的闭眼时间占比,来确定驾驶员是否为疲劳驾驶以及疲劳驾驶等级。
例如,可以基于PERCLOS(percentage of eyeIid CIosure over the PupiI,overtime)物理量,以4fps频率采集眼睛(周围的图像),并对眼睛(周围的图像)进行垂直积分投影,以判断闭眼状态,从而确定驾驶员的疲劳驾驶等级。
可选地,可以在8秒(s)的时间窗内,根据眼睛闭眼时间占比,确定疲劳驾驶等级,可以定义疲劳驾驶包括3种等级。
例如,可以将闭眼时间占总的时间窗20%,即闭眼时间为0.2*8s=1.6s,定义为轻度疲劳;可以将闭眼时间占总的时间窗50%,即闭眼时间为0.5*8s=4.0s,定义为中度疲劳;可以将闭眼时间占总时间窗80%,即闭眼时间为0.8*8s=6.4s,定义为严重疲劳。
所述S710中具体的确定疲劳驾驶等级的方法可以参考现有技术,这里不再赘述。
S720,检测车辆与前车之间的距离。
例如,可以基于视觉测距方法(vision-based ACC with a single camera:bounds on range and range rate accuracy),识别出所述车辆和前车之间的距离。
可选地,可以将车辆与前车之间的距离分为多个等级。
例如,可以将车辆与前车之间的距离为100米定义为第一等级,将80米定义为第二等级,将50米定义为第三等级。
所述S720中具体的检测方法可以参考现有技术,这里不再赘述。
S730,调整疲劳驾驶提醒信息的等级。
可选地,可以根据车辆与前车之间的距离,调整疲劳驾驶提醒的等级。
例如,在驾驶员为轻度疲劳的情况下,当所述车辆的前面没有车辆或所述车辆与前车之间的距离为第一等级时,确定疲劳驾驶提醒信息为第一等级;当所述车辆与前车之间的距离为第二等级时,将疲劳驾驶提醒信息调整为第二等级提醒;当所述车辆与前车之间的距离为第三等级时,将疲劳驾驶提醒信息调整为第三等级。
可选地,在疲劳驾驶提醒信息为第三等级的情况下,若向驾驶员发送疲劳驾驶提醒信息后,驾驶员由轻度疲劳变为中度疲劳,则再次向驾驶员发送第三等级的疲劳驾驶提醒信息。
S740,向驾驶员发送疲劳驾驶提醒信息。
可选地,在疲劳驾驶提醒信息为声音信息、疲劳驾驶提醒信息包括三个等级的情况下,疲劳驾驶提醒信息的不同等级可以分别对应不同的提醒方式。
例如,第一等级的疲劳驾驶提醒信息对应的声音信息的音量可以为8,滴一声;第二等级的疲劳驾驶提醒信息对应的声音信息的音量可以为12,连续滴两声;第三等级的疲劳驾驶提醒信息对应的声音信息的音量可以为16,连续滴三声。
可选地,上述方法700仅为示例而非限定,所述提醒信息也可以为图像信息、震动信息或其他信息等,本申请实施例中对此并不限定。
图8是本申请一个实施例提供的驾驶提醒的装置800的示意性框图。应理解,图8示出的驾驶提醒的装置800仅是示例,本申请实施例的装置800还可包括其他模块或单元。
在一些可能的实现方式中,装置800能够执行图4及图5的方法中的各个步骤。
例如,获取单元810可以用于执行方法400中的S410,发送单元820可以用于执行方法400中的S420;或者,获取单元810可以用于执行方法500中的S510、S520及S530,发送单元820可以用于执行方法500中的S540、S550及S560。
所述装置800可以具体如下:
获取单元810,用于获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;
发送单元820,用于在第一距离大于或等于第一阈值且第一视线方向没有关注所述交通元素的情况下,发送提醒信息。
其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离,所述第一视线方向指根据所述第二数据确定的所述驾驶员的视线方向。
可选地,在所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
可选地,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
可选地,所述获取单元810具体用于:在所述车辆的速度小于或等于预设速度的情况下,获取所述第一数据和所述第二数据。
应理解,这里的驾驶提醒的装置800以功能模块的形式体现。这里的术语“模块”可以通过软件和/或硬件形式实现,对此不作具体限定。例如,“模块”可以是实现上述功能的软件程序、硬件电路或二者结合。所述硬件电路可能包括应用特有集成电路(applicationspecific integrated circuit,ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。
作为一个示例,本申请实施例提供的驾驶提醒的装置800可以是自动驾驶系统中的处理器,或者,也可以是自动驾驶车辆中的车机,或者,还可以是配置于车机中的芯片,以用于执行本申请实施例所述的方法。
图9是本申请一个实施例提供的驾驶提醒的装置900的示意性框图。应理解,图9示出的驾驶提醒的装置900仅是示例,本申请实施例的装置900还可包括其他模块或单元。
在一些可能的实现方式中,装置900能够执行图6及图7的方法中的各个步骤。
例如,获取单元910可以用于执行方法600中的S610,发送单元920可以用于执行方法600中的S620;或者,获取单元910可以用于执行方法700中的S710及S720,发送单元920可以用于执行方法700中的S730及S740。
所述装置900可以具体如下:
获取单元910,用于获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;
发送单元920,用于根据所述第一数据和第二数据向所述驾驶员发送提醒信息,所述提醒信息的提醒等级与第一距离所属的距离范围、以及根据所述第二数据确定的所述驾驶员的疲劳驾驶等级有关。
其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离。
可选地,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级不同,且所述第一距离所属的距离范围相同时,所述提醒信息的提醒等级不同。
可选地,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级相同,且所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
可选地,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
应理解,这里的驾驶提醒的装置900以功能模块的形式体现。这里的术语“模块”可以通过软件和/或硬件形式实现,对此不作具体限定。例如,“模块”可以是实现上述功能的软件程序、硬件电路或二者结合。所述硬件电路可能包括应用特有集成电路(applicationspecific integrated circuit,ASIC)、电子电路、用于执行一个或多个软件或固件程序的处理器(例如共享处理器、专有处理器或组处理器等)和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。
作为一个示例,本申请实施例提供的驾驶提醒的装置900可以是自动驾驶系统中的处理器,或者,也可以是自动驾驶车辆中的车机,或者,还可以是配置于车机中的芯片,以用于执行本申请实施例所述的方法。
图10是本申请一个实施例的驾驶提醒的装置1000的示意性框图。图10所示的装置1000包括存储器1001、处理器1002、通信接口1003以及总线1004。其中,存储器1001、处理器10102、通信接口1003通过总线1004实现彼此之间的通信连接。
在一些示例中,装置1000可以是图8中的发送单元的一种示例性结构,也可以是能够应用在该发送单元中的芯片的示例性结构。该示例中,装置1000可以用于执行图8所示的方法中由发送单元执行的步骤或操作。
在另一些示例中,装置1000可以是图9中的发送单元的一种示例性结构,也可以是能够应用在该发送单元中的芯片的示例性结构。该示例中,装置1000可以用于执行图9所示的方法中由发送单元执行的步骤或操作。
存储器1001可以是只读存储器(read only memory,ROM),静态存储设备,动态存储设备或者随机存取存储器(random access memory,RAM)。存储器101可以存储程序,当存储器1001中存储的程序被处理器1002执行时,处理器1002用于执行本申请实施例的驾驶提醒的方法的各个步骤,例如,可以执行图4、图5、图6及图7所示实施例的各个步骤。
处理器1002可以采用通用的中央处理器(central processing unit,CPU),微处理器,应用专用集成电路(application specific integrated circuit,ASIC),或者一个或多个集成电路,用于执行相关程序,以实现本申请方法实施例的驾驶提醒的方法。
处理器1002还可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,本申请实施例的驾驶提醒的方法的各个步骤可以通过处理器1002中的硬件的集成逻辑电路或者软件形式的指令完成。
上述处理器1002还可以是通用处理器、数字信号处理器(digital signalprocessing,DSP)、专用集成电路(ASIC)、现成可编程门阵列(field programmable gatearray,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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。
结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1001,处理器1002读取存储器1001中的信息,结合其硬件完成本申请实施例中驾驶提醒的装置包括的单元所需执行的功能,或者,执行本申请方法实施例的驾驶提醒的方法,例如,可以执行图4、图5、图6及图7所示实施例的各个步骤/功能。
通信接口1003可以使用但不限于收发器一类的收发装置,来实现装置1000与其他设备或通信网络之间的通信。
总线1004可以包括在装置1000各个部件(例如,存储器1001、处理器1002、通信接口1003)之间传送信息的通路。
应理解,本申请实施例所示的装置1000可以是自动驾驶系统中的处理器,或者,也可以是自动驾驶车辆中的车机,或者,还可以是配置于车机中的芯片。
应理解,本申请实施例中的处理器可以为中央处理单元(central processingunit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(digital signalprocessor,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。
还应理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的随机存取存储器(random accessmemory,RAM)可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM,DR RAM)。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程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。
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。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,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。
所述功能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)执行本申请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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (21)
1.一种驾驶提醒的方法,其特征在于,包括:
获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;
在第一距离大于或等于第一阈值且第一视线方向没有关注所述交通元素的情况下,发送提醒信息,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离,所述第一视线方向指根据所述第二数据确定的所述驾驶员的视线方向。
2.根据权利要求1所述的方法,其特征在于,在所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
3.根据权利要求2所述的方法,其特征在于,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,包括:
在所述车辆的速度小于或等于预设速度的情况下,获取所述第一数据和所述第二数据。
5.一种驾驶提醒的方法,其特征在于,包括:
获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;
根据所述第一数据和第二数据向所述驾驶员发送提醒信息,所述提醒信息的提醒等级与第一距离所属的距离范围、以及根据所述第二数据确定的所述驾驶员的疲劳驾驶等级有关,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离。
6.根据权利要求5所述的方法,其特征在于,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级不同,且所述第一距离所属的距离范围相同时,所述提醒信息的提醒等级不同。
7.根据权利要求5或6所述的方法,其特征在于,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级相同,且所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
8.根据权利要求5至7中任一项所述的方法,其特征在于,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
9.一种驾驶提醒的装置,其特征在于,包括:
获取单元,用于获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;
发送单元,用于在第一距离大于或等于第一阈值且第一视线方向没有关注所述交通元素的情况下,发送提醒信息,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离,所述第一视线方向指根据所述第二数据确定的所述驾驶员的视线方向。
10.根据权利要求9所述的装置,其特征在于,在所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
11.根据权利要求10所述的装置,其特征在于,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
12.根据权利要求9至11中任一项所述的装置,其特征在于,所述获取单元具体用于:
在所述车辆的速度小于或等于预设速度的情况下,获取所述第一数据和所述第二数据。
13.一种驾驶提醒的装置,其特征在于,包括:
获取单元,用于获取来自车辆的第一传感器的第一数据及来自所述车辆的第二传感器的第二数据,所述第一数据包括所述车辆周围的交通元素的数据,所述第二数据包括所述车辆的驾驶员的数据;
发送单元,用于根据所述第一数据和第二数据向所述驾驶员发送提醒信息,所述提醒信息的提醒等级与第一距离所属的距离范围、以及根据所述第二数据确定的所述驾驶员的疲劳驾驶等级有关,其中,所述第一距离指根据所述第一数据确定的所述车辆与所述交通元素之间的距离。
14.根据权利要求13所述的装置,其特征在于,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级不同,且所述第一距离所属的距离范围相同时,所述提醒信息的提醒等级不同。
15.根据权利要求13或14所述的装置,其特征在于,在根据所述第二数据确定的所述驾驶员的疲劳驾驶等级相同,且所述第一距离所属的距离范围不同时,所述提醒信息的提醒等级不同。
16.根据权利要求13至15中任一项所述的装置,其特征在于,不同提醒等级的所述提醒信息对应的提醒次数、提醒频率及提醒强度中的至少一项不同。
17.一种驾驶提醒的装置,其特征在于,包括处理器和存储器,所述存储器用于存储程序指令,所述处理器用于调用所述程序指令来执行权利要求1至8中任一项所述的方法。
18.一种驾驶提醒的系统,其特征在于,包括权利要求9至17中任一项所述的装置。
19.一种汽车,其特征在于,包括权利要求9至17中任一项所述的装置。
20.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序指令,当所述程序指令由处理器运行时,实现权利要求1至8中任一项所述的方法。
21.一种芯片,其特征在于,所述芯片包括处理器与数据接口,所述处理器通过所述数据接口读取存储器上存储的指令,以执行如权利要求1至8中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/117687 WO2022061702A1 (zh) | 2020-09-25 | 2020-09-25 | 驾驶提醒的方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112654547A true CN112654547A (zh) | 2021-04-13 |
Family
ID=75368407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080004885.6A Pending CN112654547A (zh) | 2020-09-25 | 2020-09-25 | 驾驶提醒的方法、装置及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112654547A (zh) |
WO (1) | WO2022061702A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116279556A (zh) * | 2023-03-03 | 2023-06-23 | 北京辉羲智能科技有限公司 | 一种提醒驾驶员接管的安全智能驾驶系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108928294A (zh) * | 2018-06-04 | 2018-12-04 | Oppo(重庆)智能科技有限公司 | 行车危险的提醒方法、装置、终端及计算机可读存储介质 |
CN209176597U (zh) * | 2018-10-10 | 2019-07-30 | 深圳市国脉畅行科技股份有限公司 | 安全驾驶提醒装置 |
CN110281923A (zh) * | 2019-06-28 | 2019-09-27 | 信利光电股份有限公司 | 一种车辆辅助变道方法、装置及系统 |
CN110638474A (zh) * | 2019-09-25 | 2020-01-03 | 中控智慧科技股份有限公司 | 一种驾驶状态检测的方法、系统、设备及可读存储介质 |
CN110934600A (zh) * | 2020-01-09 | 2020-03-31 | 河南省安信科技发展有限公司 | 一种基于脑电波监测的防疲劳驾驶预警装置及监测方法 |
US20200269867A1 (en) * | 2017-11-16 | 2020-08-27 | Huawei Technologies Co., Ltd. | Collision warning method and apparatus |
CN111634288A (zh) * | 2020-04-30 | 2020-09-08 | 长城汽车股份有限公司 | 疲劳驾驶监测方法、系统及智能识别系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITMI20030380A1 (it) * | 2003-03-04 | 2004-09-05 | Angelo Gilardi | Dispositivo di sicurezza per segnalare al guidatore di un autoveicolo l'abbassamento del livello di attenzione, mediante vibratore sul sedile. |
CN104408879B (zh) * | 2014-11-19 | 2017-02-01 | 湖南工学院 | 疲劳驾驶预警处理方法、装置及系统 |
CN106295583B (zh) * | 2016-08-15 | 2020-02-07 | 深圳市华宝电子科技有限公司 | 一种提醒用户驾驶方式的方法及装置 |
CN106274693A (zh) * | 2016-09-26 | 2017-01-04 | 惠州Tcl移动通信有限公司 | 一种驾车行驶中进行提醒的方法、系统及电子设备 |
CN106408878A (zh) * | 2016-12-16 | 2017-02-15 | 苏州清研微视电子科技有限公司 | 一种考虑驾驶人疲劳状态及反应能力的车辆防撞预警系统 |
CN110303883A (zh) * | 2018-03-27 | 2019-10-08 | 厦门歌乐电子企业有限公司 | 一种检测提醒装置、方法及辅助驾驶设备 |
CN109035718A (zh) * | 2018-07-31 | 2018-12-18 | 苏州清研微视电子科技有限公司 | 多因素融合的危险驾驶行为分级预警方法 |
CN110271561B (zh) * | 2019-06-06 | 2021-05-25 | 浙江吉利控股集团有限公司 | 一种自动驾驶警示方法、装置及车辆 |
-
2020
- 2020-09-25 CN CN202080004885.6A patent/CN112654547A/zh active Pending
- 2020-09-25 WO PCT/CN2020/117687 patent/WO2022061702A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200269867A1 (en) * | 2017-11-16 | 2020-08-27 | Huawei Technologies Co., Ltd. | Collision warning method and apparatus |
CN108928294A (zh) * | 2018-06-04 | 2018-12-04 | Oppo(重庆)智能科技有限公司 | 行车危险的提醒方法、装置、终端及计算机可读存储介质 |
CN209176597U (zh) * | 2018-10-10 | 2019-07-30 | 深圳市国脉畅行科技股份有限公司 | 安全驾驶提醒装置 |
CN110281923A (zh) * | 2019-06-28 | 2019-09-27 | 信利光电股份有限公司 | 一种车辆辅助变道方法、装置及系统 |
CN110638474A (zh) * | 2019-09-25 | 2020-01-03 | 中控智慧科技股份有限公司 | 一种驾驶状态检测的方法、系统、设备及可读存储介质 |
CN110934600A (zh) * | 2020-01-09 | 2020-03-31 | 河南省安信科技发展有限公司 | 一种基于脑电波监测的防疲劳驾驶预警装置及监测方法 |
CN111634288A (zh) * | 2020-04-30 | 2020-09-08 | 长城汽车股份有限公司 | 疲劳驾驶监测方法、系统及智能识别系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116279556A (zh) * | 2023-03-03 | 2023-06-23 | 北京辉羲智能科技有限公司 | 一种提醒驾驶员接管的安全智能驾驶系统 |
CN116279556B (zh) * | 2023-03-03 | 2024-04-02 | 北京辉羲智能科技有限公司 | 一种提醒驾驶员接管的安全智能驾驶系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022061702A1 (zh) | 2022-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10962981B2 (en) | Assisted perception for autonomous vehicles | |
CN110550029B (zh) | 障碍物避让方法及装置 | |
CN110379193B (zh) | 自动驾驶车辆的行为规划方法及行为规划装置 | |
US10444754B2 (en) | Remote assistance for an autonomous vehicle in low confidence situations | |
CN113968216B (zh) | 一种车辆碰撞检测方法、装置及计算机可读存储介质 | |
WO2022016457A1 (zh) | 控制车辆驾驶模式切换的方法和装置 | |
CN113460042B (zh) | 车辆驾驶行为的识别方法以及识别装置 | |
JP2023508114A (ja) | 自動運転方法、関連装置及びコンピュータ読み取り可能記憶媒体 | |
CN112672942B (zh) | 一种车辆换道方法及相关设备 | |
CN113226886A (zh) | 控制车辆行驶的方法、装置及车辆 | |
US20230222914A1 (en) | Vehicle reminding method and system, and related device | |
WO2022062825A1 (zh) | 车辆的控制方法、装置及车辆 | |
CN113525362B (zh) | 自动驾驶危险目标确定方法及装置 | |
CN114531913A (zh) | 车道线检测方法、相关设备及计算机可读存储介质 | |
CN113859265A (zh) | 一种驾驶过程中的提醒方法及设备 | |
CN114162137A (zh) | 自动驾驶方法及装置 | |
CN114257712A (zh) | 控制摄像头模组补光时间的方法及装置 | |
CN114056346A (zh) | 一种自动驾驶行车控制方法及装置 | |
WO2022061702A1 (zh) | 驾驶提醒的方法、装置及系统 | |
CN113799794A (zh) | 车辆纵向运动参数的规划方法和装置 | |
CN112639910B (zh) | 交通元素的观测方法和装置 | |
CN111775962B (zh) | 自动行驶策略的确定方法及装置 | |
WO2022001432A1 (zh) | 推理车道的方法、训练车道推理模型的方法及装置 | |
WO2021097823A1 (zh) | 用于确定车辆可通行空间的方法和装置 | |
CN114643983A (zh) | 控制方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210413 |
|
RJ01 | Rejection of invention patent application after publication |