CN112660121A - 隐患车辆的识别预警方法、装置、车载终端和存储介质 - Google Patents
隐患车辆的识别预警方法、装置、车载终端和存储介质 Download PDFInfo
- Publication number
- CN112660121A CN112660121A CN202011512068.XA CN202011512068A CN112660121A CN 112660121 A CN112660121 A CN 112660121A CN 202011512068 A CN202011512068 A CN 202011512068A CN 112660121 A CN112660121 A CN 112660121A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- current vehicle
- relative
- early warning
- hidden danger
- 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 52
- 230000008859 change Effects 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 241000282376 Panthera tigris Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Abstract
本申请涉及一种隐患车辆的预警方法、装置、车载终端和存储介质。本申请能够准确判断后方来车的运动方向以及速度,为当前车辆上的车主或乘客及时提供安全预警信息,提高了车辆驾驶的安全性。该方法包括:响应于检测到当前车辆处于隐患预警状态,识别当前车辆的车周车辆;识别到上述车周车辆时,获取车周车辆与当前车辆的相对横向距离和相对纵向距离;基于上述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于上述车周车辆为隐患车辆的预警信息。
Description
技术领域
本申请涉及智能驾驶技术领域,特别是涉及一种隐患车辆的识别预警方法、装置、车载终端和存储介质。
背景技术
在车辆驾驶过程中,当驾驶员需要变更车道时或者车上人员将要下车时,需要驾驶员或者车上乘客观察后视镜判断车辆周围是否存在潜在的危险。在确定没有潜在的危险时再进行变更车道或者车上乘客才能够安全下车。
但在很多时候,例如紧急情况或者由于人员马虎大意,可能会忘记观察周围的交通状况,随意变更车道或人员下车,此时车辆周围可能存在会与当前车辆发生碰撞的隐患车辆,如果不能对该隐患车辆进行识别并预警的话,很可能会造成严重的交通事故,降低了车辆驾驶的安全性。
发明内容
基于此,有必要针对上述技术问题,提供一种隐患车辆的识别预警方法、装置、车载终端和存储介质。
一种隐患车辆的识别预警方法,所述方法包括:
响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆;
识别到所述车周车辆时,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离;
基于所述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于所述车周车辆为隐患车辆的预警信息。
在其中一个实施例中,还包括:
所述响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆之前,所述方法还包括:
若检测到所述当前车辆处于非静止状态,且处于转向状态,则判断所述当前车辆处于所述隐患预警状态;
或者,
所述响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆之前,所述方法还包括:
若检测到所述当前车辆处于静止状态,且处于用户上车或下车预备状态,则判断所述当前车辆处于所述隐患预警状态。
在其中一个实施例中,所述若检测到所述当前车辆处于静止状态,且处于用户上车或下车预备状态,则判断所述当前车辆处于所述隐患预警状态之前,所述方法还包括:
获取所述当前车辆的门锁状态信息;
根据所述门锁状态信息,判断所述当前车辆是否处于所述用户上车或下车预备状态。
在其中一个实施例中,所述基于所述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于所述车周车辆为隐患车辆的预警信息,包括:
获取所述相对横向距离的横向变化趋势,获取所述相对纵向距离的纵向变化趋势;
根据所述横向变化趋势和纵向变化趋势,判断所述车周车辆相对于所述当前车辆的相对运动信息;
根据所述相对运动信息,判断是否输出关于所述车周车辆为隐患车辆的预警信息。
在其中一个实施例中,所述根据所述相对运动信息,判断是否输出关于所述车周车辆为隐患车辆的预警信息,包括:
若所述相对运动信息表征所述当前车辆的运动方向与所述车周车辆的运动方向所形成的夹角小于或者等于夹角阈值,且所述相对纵向距离小于相对纵向距离阈值,则输出所述关于所述车周车辆为隐患车辆的预警信息。
在其中一个实施例中,所述识别所述当前车辆的车周车辆,包括:
通过所述当前车辆的摄像装置采集所述当前车辆的车周的视频图像;
将所述视频图像输入至预先构建的车辆识别模型,以使所述车辆识别模型将所述视频图像中对应预设类型的车辆识别为所述车周车辆;
所述车辆识别模型,还用于输出所述车周车辆的位置信息;
所述识别到所述车周车辆时,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离,包括:
获取所述车辆识别模型输出的所述车周车辆的位置信息;
根据所述车周车辆的位置信息,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离。
在其中一个实施例中,所述根据所述车周车辆的位置信息,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离,包括:
将所述视频图像中包含所述车周车辆的图像作为待定位图像,并对所述待定位图像进行校正得到校正后的待定位图像;
确定预设特征点在所述校正后的待定位图像中的二维坐标,并获取所述预设特征点在世界坐标系中的三维坐标;
根据所述预设特征点在所述校正后的待定位图像中的二维坐标和所述预设特征点在世界坐标系中的三维坐标,得到坐标变换系数矩阵;
基于所述坐标变换系数矩阵和所述车周车辆的位置信息,计算得到所述车周车辆的三维坐标;
根据所述车周车辆的三维坐标和所述当前车辆的三维坐标,计算得到所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离。
一种隐患车辆的预警装置,所述装置包括:
车辆识别模块,用于响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆;
距离获取模块,用于识别到所述车周车辆时,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离;
预警输出模块,用于基于所述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于所述车周车辆为隐患车辆的预警信息。
一种车载终端,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一种隐患车辆的识别预警方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种隐患车辆的识别预警方法的步骤。
上述隐患车辆的识别预警方法、装置、车载终端和存储介质,响应于检测到当前车辆处于隐患预警状态,识别当前车辆的车周车辆;识别到上述车周车辆时,获取车周车辆与当前车辆的相对横向距离和相对纵向距离;基于上述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于上述车周车辆为隐患车辆的预警信息。该方法能够准确判断后方来车的运动方向以及速度,为当前车辆上的车主或乘客及时提供安全预警信息,提高了车辆驾驶的安全性。
附图说明
图1为一个实施例中隐患车辆的识别预警方法的应用环境图;
图2为一个实施例中隐患车辆的识别预警方法的流程示意图;
图3为一个实施例中预警信息输出步骤的流程示意图;
图4为另一个实施例中相对距离计算方法的流程示意图;
图5为一个实施例中隐患车辆的预警装置的结构框图;
图6为一个实施例中车载终端的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的隐患车辆的识别预警方法,可以应用于如图1所示的应用环境中。其中,摄像装置101通过网络与车载终端102进行通信。其中,摄像装置101可以但不限于是各种安装于车尾或车辆其他部位的摄像装置。
在一个实施例中,如图2所示,提供了一种隐患车辆的识别预警方法,以该方法应用于图1中的车载终端102为例进行说明,包括以下步骤:
步骤S201,响应于检测到当前车辆处于隐患预警状态,识别当前车辆的车周车辆。
其中,隐患预警状态是指服务器中存储的预设的几种需要判断当前车辆安全性的情景状态,例如车辆需要变更车道时需要判断后方是否有来车的状态,以及有人员需要上下车时需要对人员以及车主的安全性做评估时的状态。
具体地,通过车上的车载设备检测当前车辆的相关信息,判断当前车辆是否处于隐患预警状态,例如通过GPS检测当前车速不为0,且通过OBD(On Board Diagnostics,车载诊断系统)/CAN接口(局域网控制器总线接口)获取当前车辆的转向灯状态为打开状态,则判断当前车辆处于隐患预警状态,启动相关设备识别当前车辆的车周车辆,例如通过打开位于车尾的摄像装置获取后方来车的信息。
步骤S202,识别到车周车辆时,获取车周车辆与当前车辆的相对横向距离和相对纵向距离;
其中,相对横向距离是指以路面作为平面建立纵横坐标,两车辆之间的距离在横轴上的分量为相对横向距离,两车辆之间的距离在纵轴上的分量为相对纵向距离。
具体地,当使用神经网络算法或目标跟踪算法识别到视频图像上的车周车辆时,使用预设的算法计算该车周车辆的坐标位置,并通过该车周车辆的坐标位置与当前车辆的坐标位置计算两者的相对横向距离和相对纵向距离。
步骤S203,基于上述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于上述车周车辆为隐患车辆的预警信息。
具体地,由于摄像装置连续拍摄上述车周车辆的图像,因此,可根据预设时间段内的该车周车辆的位置变化信息计算该车周车辆与当前车辆的相对横向距离和相对纵向距离的变化趋势,判断上述车周车辆的运动方向以及速度变化,若车周车辆以较快的速度向当前车辆驶近,则判断该车周车辆为隐患车辆,并向当前车辆的车主发出预警信息,例如可以通过声音提示设备输出预警信息,或者通过车载显示设备输出预警信息。
上述实施例,响应于检测到当前车辆处于隐患预警状态,识别当前车辆的车周车辆;识别到上述车周车辆时,获取车周车辆与当前车辆的相对横向距离和相对纵向距离;基于上述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于上述车周车辆为隐患车辆的预警信息。该方法能够准确判断后方来车的运动方向以及速度,为当前车辆上的车主或乘客及时提供安全预警信息,提高了车辆驾驶的安全性。
在一实施例中,上述步骤S201之前还包括:若检测到当前车辆处于非静止状态,且处于转向状态,则判断当前车辆处于隐患预警状态;或者,若检测到当前车辆处于静止状态,且处于用户上车或下车预备状态,则判断当前车辆处于隐患预警状态。
具体地,通过GPS检测当前车辆的车速,若车速不为0,则通过OBD/CAN接口获取当前车辆的转向灯状态信息,若转向灯为打开状态,则判断当前车辆处于隐患预警状态;或者,若通过GPS检测到当前车辆的车速为0,且检测到当前车辆处于用户上车或下车预备状态,则判断当前车辆处于隐患预警状态。
上述实施例,通过检测当前车辆的速度以及其他设备状态,判断当前车辆是否处于隐患预警状态,为启动隐患检测提供了触发条件。
在一实施例中,若检测到所述当前车辆处于静止状态,且处于用户上车或下车预备状态,则判断所述当前车辆处于所述隐患预警状态之前,还包括:
获取当前车辆的门锁状态信息;根据门锁状态信息,判断当前车辆是否处于用户上车或下车预备状态。
其中,用户上车或下车预备状态在本申请中指当前车辆上的设备已为用户上车或下车做好准备的状态,例如车速为0且车门锁处于unlock的状态。
具体地,通过OBD/CAN接口获取当前车辆的车门锁状态信息,在车门锁状态信息为解锁状态(Unlock)的情况下,判断所述当前车辆处于用户上车或下车预备状态。
上述实施例,通过获取当前车辆的速度以及车载设备的状态判断当前车辆处于用于上车或下车预备状态,为后续启动摄像装置进行车周车辆的检测提供了数据准备。
在一实施例中,如图3所示,上述步骤S203包括:
步骤S301,获取相对横向距离的横向变化趋势,获取相对纵向距离的纵向变化趋势;
具体地,根据摄像装置获取的视频信息中车周车辆的运动轨迹计算单位时间内的车周车辆的距离变化趋势,包括相对横向距离的横向变化趋势和相对纵向距离的纵向变化趋势。
步骤S302,根据横向变化趋势和纵向变化趋势,判断车周车辆相对于当前车辆的相对运动信息;
具体地,根据车周车辆的横向变化趋势纵向变化趋势可以判断车周车辆相对于当前车辆的距离变近还是变远,以及相对于当前车辆的运动方向。
步骤S303,根据相对运动信息,判断是否输出关于车周车辆为隐患车辆的预警信息。
具体地,若判断车周车辆的运动方向以及速度与当前车辆有即将发生碰撞的危险,则输出关于车周车辆为隐患车辆的预警信息,例如通过声音输出设备向车主发出提醒,或者通过车载显示设备显示当前即将发生危险的车辆信息。
上述实施例,通过判断车周车辆与当前车辆的相对运动变化趋势分析车周车辆与当前车辆是否会发生危险事故,提高了危险判断的准确性。
在一实施例中,上述步骤S303包括:若相对运动信息表征当前车辆的运动方向与车周车辆的运动方向所形成的夹角小于或者等于夹角阈值,且相对纵向距离小于相对纵向距离阈值,则输出关于车周车辆为隐患车辆的预警信息。
具体地,当当前车辆向左转弯时,计算左后方车辆与当前车辆的相对纵向距离(distance1)、相对运动方向(orientation)和相对横向距离(distance2),若左后方车辆以较快速度不断驶近当前车辆(distance1逐渐变小),该车的运行方向与本车相近(orientation<T3,T3为两车相对运动方向的夹角阈值,若夹角小于T3则代表两车的运动方向相近),且距离较近的纵向距离较近时(distance1<T4,T4为两车的纵向距离阈值),则提醒车主:“请注意左后方车辆”。
同理,若当前车辆开启右转向灯,则分析右后方车辆的轨迹信息。若OBD和GPS检测到当前车辆停车,且车门锁的状态变为unlock,则启动车辆后视摄像头,分析后方车辆与当前车辆的相对纵向距离、相对运动方向和相对横向距离,若后方车辆与当前车辆的相对纵向距离不断变小(即不断逼近当前车辆),且后方车辆与当前车辆的运动方向夹角较小,以及两车的横向距离较小的情况下,提醒车主:“请注意后方来车,暂时不要下车”。
上述实施例,通过设置夹角阈值以及相对纵向距离阈值,能够准确判断车周车辆是否与当前车辆发生碰撞风险。
在一实施例中,上述步骤S201中的识别当前车辆的车周车辆,包括:通过当前车辆的摄像装置采集当前车辆的车周的视频图像;将上述视频图像输入至预先构建的车辆识别模型,以使该车辆识别模型将上述视频图像中对应预设类型的车辆识别为车周车辆;
其中,摄像装置指的是安装于当前车辆上的用于获取该车辆周围视野的摄像装置,可以是分别获取左后方、正后方、右后方或者车辆前方的独立的摄像装置,也可以是获取全场景的广角摄像装置。
具体地,本申请通过训练好的车辆识别模型针对上述摄像装置获取的视频帧中的图像进行识别并跟踪,获取车周车辆的类型和位置信息,例如,可以采用的yolov4-tiny算法对视频中的车周车辆进行跟踪识别,其中yolov4-tiny算法为预先训练好的算法,能够识别的车辆类型包括car、truck、bus、bicycle和motorcycle,共5类目标。
在本实施例中,上述车辆识别模型,还用于输出车周车辆的位置信息;上述步骤S202包括:获取车辆识别模型输出的车周车辆的位置信息;根据车周车辆的位置信息,获取车周车辆与当前车辆的相对横向距离和相对纵向距离。
首先,需要识别出目标并跟踪目标,采用的yolov4-tiny算法结合前后帧检测到目标的外接矩形的GIoU(Generalized Intersection over Union,交并比)和HOG(Histogramof Oriented Gradient,方向梯度直方图)特征进行目标跟踪,即对于前后frame1和frame2两帧图像,首先通过目标检测算法检测前后两帧中出现的各类目标的位置,然后,计算frame2中各个目标与frame1中各个同类目标的GIoU,若GIoU>T1(T1为经验阈值),则证明frame1和frame2中两个目标的相似度较高,然后进一步通过对比这两个目标的HOG特征进行最终的确认,即若两个目标的HOG特征大于T2(T2为HOG特征阈值),则判定前后帧中的两个目标为同一个目标。然后,计算该目标在视频帧图像上的位置信息,例如平面坐标信息。
上述实施例,通过预先构建的车辆识别模型,对视频中的车周车辆进行目标识别和跟踪,并输出车周车辆的位置信息,能够实时为当前车辆提供车周车辆监测,为后续提供预警信息做好数据铺垫。
在一实施例中,如图4所示,上述根据车周车辆的位置信息,获取车周车辆与当前车辆的相对横向距离和相对纵向距离的步骤,包括:
步骤S401,将视频图像中包含车周车辆的图像作为待定位图像,并对待定位图像进行校正得到校正后的待定位图像;
具体地,可通过单目测距模块进行具体计算。首先进行相机标定点,获取摄像装置(例如后视摄像头)的内参和外参矩阵(同时也会得到每一幅标定图像的选择和平移矩阵),内参和外参系数可以对摄像头拍摄的图像进行校正,得到畸变相对很小的图像,即为校正后的待定位图像。
步骤S402,确定预设特征点在校正后的待定位图像中的二维坐标,并获取预设特征点在世界坐标系中的三维坐标;
具体地,该方法中预先设置有几个已知坐标的特征点,例如图像中包含有当前车辆的某个固定参照物的图像,在该固定参照物上取若干特征点作为预设特征点,该预设特征点的在图像中的二维坐标以及在世界坐标系中的三维坐标是已知的。
步骤S403,根据预设特征点在校正后的待定位图像中的二维坐标和预设特征点在世界坐标系中的三维坐标,得到坐标变换系数矩阵;
具体地,根据上述预设特征点的在图像中的二维坐标与世界坐标系中的三维坐标计算得到相机坐标系与世界坐标系之间的旋转矩阵R与平移矩阵T,其中,二维图像坐标与三维世界坐标的转换公式如下所示:
其中zc为比例系数,R为旋转矩阵,T为平移矩阵,都可以通过相机位姿估计获取;MC为相机的内参,可以通过相机标定获取;(u,v)为图像中的二维坐标点,(xw,yw,zw)为二维坐标点对应的三维坐标点。
步骤S404,基于坐标变换系数矩阵和车周车辆的位置信息,计算得到车周车辆的三维坐标;
具体地,通过上述坐标变换公式以及车周车辆在图像中的位置信息,计算得到车周车辆的三维坐标。
步骤S405,根据车周车辆的三维坐标和当前车辆的三维坐标,计算得到车周车辆与当前车辆的相对横向距离和相对纵向距离。
具体地,在建立坐标系之后,根据当前车辆的三维坐标以及车周车辆的三维坐标可以计算得到两者的相对距离,包括相对横向距离和相对纵向距离。
上述实施例,通过单目测距可以实现二维轨迹信息到三维世界坐标系的转换,进而可以通过分析后方车辆三维坐标信息,判定后方车辆是否对本车存在潜在的危险。
应该理解的是,虽然图2至4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2至4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种隐患车辆的预警装置500,包括:车辆识别模块501、距离获取模块502和预警输出模块503,其中:
车辆识别模块,用于响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆;
距离获取模块,用于识别到所述车周车辆时,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离;
预警输出模块,用于基于所述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于所述车周车辆为隐患车辆的预警信息。
在一实施例中,隐患车辆的预警装置500还包括一状态判断单元504,上述状态判断单元504用于,若检测到所述当前车辆处于非静止状态,且处于转向状态,则判断所述当前车辆处于所述隐患预警状态;或者,若检测到所述当前车辆处于静止状态,且处于用户上车或下车预备状态,则判断所述当前车辆处于所述隐患预警状态。
在一实施例中,上述状态判断单元504,进一步用于,获取所述当前车辆的门锁状态信息;根据所述门锁状态信息,判断所述当前车辆是否处于所述用户上车或下车预备状态。
在一实施例中,上述预警输出模块503进一步用于,获取所述相对横向距离的横向变化趋势,获取所述相对纵向距离的纵向变化趋势;根据所述横向变化趋势和纵向变化趋势,判断所述车周车辆相对于所述当前车辆的相对运动信息;根据所述相对运动信息,判断是否输出关于所述车周车辆为隐患车辆的预警信息。
在一实施例中,上述上述预警输出模块503进一步用于,若所述相对运动信息表征所述当前车辆的运动方向与所述车周车辆的运动方向所形成的夹角小于或者等于夹角阈值,且所述相对纵向距离小于相对纵向距离阈值,则输出所述关于所述车周车辆为隐患车辆的预警信息。
在一实施例中,车辆识别模块501,用于通过所述当前车辆的摄像装置采集所述当前车辆的车周的视频图像;将所述视频图像输入至预先构建的车辆识别模型,以使所述车辆识别模型将所述视频图像中对应预设类型的车辆识别为所述车周车辆;所述车辆识别模型,还用于输出所述车周车辆的位置信息。上述距离获取模块502,进一步用于,获取所述车辆识别模型输出的所述车周车辆的位置信息;根据所述车周车辆的位置信息,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离。
在一实施例中,上述距离获取模块502,进一步用于,将所述视频图像中包含所述车周车辆的图像作为待定位图像,并对所述待定位图像进行校正得到校正后的待定位图像;确定预设特征点在所述校正后的待定位图像中的二维坐标,并获取所述预设特征点在世界坐标系中的三维坐标;根据所述预设特征点在所述校正后的待定位图像中的二维坐标和所述预设特征点在世界坐标系中的三维坐标,得到坐标变换系数矩阵;基于所述坐标变换系数矩阵和所述车周车辆的位置信息,计算得到所述车周车辆的三维坐标;根据所述车周车辆的三维坐标和所述当前车辆的三维坐标,计算得到所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离。
关于隐患车辆的预警装置的具体限定可以参见上文中对于隐患车辆的预警方法的限定,在此不再赘述。上述隐患车辆的预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于车载终端中的处理器中,也可以以软件形式存储于车载终端中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种车载终端,该车载终端可以是服务器,其内部结构图可以如图6所示。该车载终端包括通过系统总线连接的处理器、存储器和网络接口。其中,该车载终端的处理器用于提供计算和控制能力。该车载终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该车载终端的数据库用于存储当前车辆的位置信息以及车周车辆的位置信息数据。该车载终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种隐患车辆的预警方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的车载终端的限定,具体的车载终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种车载终端,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述隐患车辆的预警方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述隐患车辆的预警方法实施例中的步骤。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种隐患车辆的识别预警方法,其特征在于,所述方法包括:
响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆;
识别到所述车周车辆时,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离;
基于所述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于所述车周车辆为隐患车辆的预警信息。
2.根据权利要求1所述的方法,其特征在于,
所述响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆之前,所述方法还包括:
若检测到所述当前车辆处于非静止状态,且处于转向状态,则判断所述当前车辆处于所述隐患预警状态;
或者,
所述响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆之前,所述方法还包括:
若检测到所述当前车辆处于静止状态,且处于用户上车或下车预备状态,则判断所述当前车辆处于所述隐患预警状态。
3.根据权利要求2所述的方法,其特征在于,所述若检测到所述当前车辆处于静止状态,且处于用户上车或下车预备状态,则判断所述当前车辆处于所述隐患预警状态之前,所述方法还包括:
获取所述当前车辆的门锁状态信息;
根据所述门锁状态信息,判断所述当前车辆是否处于所述用户上车或下车预备状态。
4.根据权利要求1所述的方法,其特征在于,所述基于所述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于所述车周车辆为隐患车辆的预警信息,包括:
获取所述相对横向距离的横向变化趋势,获取所述相对纵向距离的纵向变化趋势;
根据所述横向变化趋势和纵向变化趋势,判断所述车周车辆相对于所述当前车辆的相对运动信息;
根据所述相对运动信息,判断是否输出关于所述车周车辆为隐患车辆的预警信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述相对运动信息,判断是否输出关于所述车周车辆为隐患车辆的预警信息,包括:
若所述相对运动信息表征所述当前车辆的运动方向与所述车周车辆的运动方向所形成的夹角小于或者等于夹角阈值,且所述相对纵向距离小于相对纵向距离阈值,则输出所述关于所述车周车辆为隐患车辆的预警信息。
6.根据权利要求1至5任一项所述的方法,其特征在于,
所述识别所述当前车辆的车周车辆,包括:
通过所述当前车辆的摄像装置采集所述当前车辆的车周视频图像;
将所述视频图像输入至预先构建的车辆识别模型,以使所述车辆识别模型将所述视频图像中对应预设类型的车辆识别为所述车周车辆;
所述车辆识别模型,还用于输出所述车周车辆的位置信息;
所述识别到所述车周车辆时,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离,包括:
获取所述车辆识别模型输出的所述车周车辆的位置信息;
根据所述车周车辆的位置信息,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离。
7.根据权利要求6所述的方法,其特征在于,所述根据所述车周车辆的位置信息,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离,包括:
将所述视频图像中包含所述车周车辆的图像作为待定位图像,并对所述待定位图像进行校正得到校正后的待定位图像;
确定预设特征点在所述校正后的待定位图像中的二维坐标,并获取所述预设特征点在世界坐标系中的三维坐标;
根据所述预设特征点在所述校正后的待定位图像中的二维坐标和所述预设特征点在世界坐标系中的三维坐标,得到坐标变换系数矩阵;
基于所述坐标变换系数矩阵和所述车周车辆的位置信息,计算得到所述车周车辆的三维坐标;
根据所述车周车辆的三维坐标和所述当前车辆的三维坐标,计算得到所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离。
8.一种隐患车辆的识别预警装置,其特征在于,所述装置包括:
车辆识别模块,用于响应于检测到当前车辆处于隐患预警状态,识别所述当前车辆的车周车辆;
距离获取模块,用于识别到所述车周车辆时,获取所述车周车辆与所述当前车辆的相对横向距离和相对纵向距离;
预警输出模块,用于基于所述相对横向距离和相对纵向距离的变化趋势,判断是否输出关于所述车周车辆为隐患车辆的预警信息。
9.一种车载终端,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011512068.XA CN112660121A (zh) | 2020-12-19 | 2020-12-19 | 隐患车辆的识别预警方法、装置、车载终端和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011512068.XA CN112660121A (zh) | 2020-12-19 | 2020-12-19 | 隐患车辆的识别预警方法、装置、车载终端和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112660121A true CN112660121A (zh) | 2021-04-16 |
Family
ID=75407497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011512068.XA Pending CN112660121A (zh) | 2020-12-19 | 2020-12-19 | 隐患车辆的识别预警方法、装置、车载终端和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112660121A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469115A (zh) * | 2021-07-20 | 2021-10-01 | 阿波罗智联(北京)科技有限公司 | 用于输出信息的方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101920689A (zh) * | 2009-06-17 | 2010-12-22 | 王守觉 | 一种防止大型车转弯刮蹭的告警装置 |
CN107316500A (zh) * | 2017-06-06 | 2017-11-03 | 驭势(上海)汽车科技有限公司 | 自动驾驶中的威胁度计算方法、目标选择方法及应用 |
CN109557925A (zh) * | 2018-12-29 | 2019-04-02 | 北京智行者科技有限公司 | 自动驾驶车辆障碍物避让方法及装置 |
CN110163903A (zh) * | 2019-05-27 | 2019-08-23 | 百度在线网络技术(北京)有限公司 | 三维图像的获取及图像定位方法、装置、设备和存储介质 |
CN110626154A (zh) * | 2018-06-21 | 2019-12-31 | 广州汽车集团股份有限公司 | 一种车辆开门预警方法、装置及系统 |
CN111469759A (zh) * | 2019-01-24 | 2020-07-31 | 海信集团有限公司 | 车辆的剐蹭预警方法、车辆及存储介质 |
CN111497741A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 碰撞预警方法及装置 |
CN111964665A (zh) * | 2020-07-23 | 2020-11-20 | 武汉理工大学 | 基于车载环视图像的智能车定位方法、系统及存储介质 |
CN112009466A (zh) * | 2019-05-31 | 2020-12-01 | 上海博泰悦臻网络技术服务有限公司 | 一种开门防撞方法和防撞系统 |
CN112053590A (zh) * | 2020-09-08 | 2020-12-08 | 中国第一汽车股份有限公司 | 一种车辆预警方法、装置、设备及介质 |
-
2020
- 2020-12-19 CN CN202011512068.XA patent/CN112660121A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101920689A (zh) * | 2009-06-17 | 2010-12-22 | 王守觉 | 一种防止大型车转弯刮蹭的告警装置 |
CN107316500A (zh) * | 2017-06-06 | 2017-11-03 | 驭势(上海)汽车科技有限公司 | 自动驾驶中的威胁度计算方法、目标选择方法及应用 |
CN110626154A (zh) * | 2018-06-21 | 2019-12-31 | 广州汽车集团股份有限公司 | 一种车辆开门预警方法、装置及系统 |
CN109557925A (zh) * | 2018-12-29 | 2019-04-02 | 北京智行者科技有限公司 | 自动驾驶车辆障碍物避让方法及装置 |
CN111469759A (zh) * | 2019-01-24 | 2020-07-31 | 海信集团有限公司 | 车辆的剐蹭预警方法、车辆及存储介质 |
CN111497741A (zh) * | 2019-01-30 | 2020-08-07 | 杭州海康威视数字技术股份有限公司 | 碰撞预警方法及装置 |
CN110163903A (zh) * | 2019-05-27 | 2019-08-23 | 百度在线网络技术(北京)有限公司 | 三维图像的获取及图像定位方法、装置、设备和存储介质 |
CN112009466A (zh) * | 2019-05-31 | 2020-12-01 | 上海博泰悦臻网络技术服务有限公司 | 一种开门防撞方法和防撞系统 |
CN111964665A (zh) * | 2020-07-23 | 2020-11-20 | 武汉理工大学 | 基于车载环视图像的智能车定位方法、系统及存储介质 |
CN112053590A (zh) * | 2020-09-08 | 2020-12-08 | 中国第一汽车股份有限公司 | 一种车辆预警方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
李念芦等, 北京联合出版公司 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469115A (zh) * | 2021-07-20 | 2021-10-01 | 阿波罗智联(北京)科技有限公司 | 用于输出信息的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6942712B2 (ja) | コンテキスト及び深さ順序を用いる、部分的に遮られた物体の検出 | |
US20170297488A1 (en) | Surround view camera system for object detection and tracking | |
US8615109B2 (en) | Moving object trajectory estimating device | |
US11308717B2 (en) | Object detection device and object detection method | |
JP4420011B2 (ja) | 物体検知装置 | |
CN112349144B (zh) | 一种基于单目视觉的车辆碰撞预警方法及系统 | |
CN113492851B (zh) | 车辆控制装置、车辆控制方法以及车辆控制用计算机程序 | |
KR20190039648A (ko) | 자동차의 블라인드 스팟 모니터링 방법 및 이를 이용한 블라인드 스팟 모니터 | |
US8452528B2 (en) | Visual recognition area estimation device and driving support device | |
CN109891262B (zh) | 物体探测装置 | |
US20220301320A1 (en) | Controller, method, and computer program for controlling vehicle | |
CN112406857A (zh) | 车辆防碰撞控制装置及方法 | |
US10531016B2 (en) | On-vehicle display control device, on-vehicle display system, on-vehicle display control method, and non-transitory storage medium | |
KR20210063395A (ko) | 운송 수단 주변에 있는 물체가 운송 수단의 운행에 미치는 효과를 평가하기 위한 방법 | |
CN113335311B (zh) | 一种车辆碰撞检测方法、装置、车辆及存储介质 | |
CN109878535B (zh) | 驾驶辅助系统和方法 | |
US11554774B2 (en) | Control apparatus, control method, and program | |
CN112660121A (zh) | 隐患车辆的识别预警方法、装置、车载终端和存储介质 | |
JP7003972B2 (ja) | 距離推定装置、距離推定方法及び距離推定用コンピュータプログラム | |
CN214450902U (zh) | 车辆防碰撞控制装置 | |
US20220101025A1 (en) | Temporary stop detection device, temporary stop detection system, and recording medium | |
JP2012098776A (ja) | 運転支援装置 | |
CN114103812A (zh) | 倒车入库引导系统及方法 | |
US20200342761A1 (en) | Notification apparatus and in-vehicle device | |
JP2022140026A (ja) | 画像処理装置、画像処理方法およびプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |