CN114572275A - 车辆行车辅助方法、车载装置、车辆及存储介质 - Google Patents
车辆行车辅助方法、车载装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN114572275A CN114572275A CN202011402748.6A CN202011402748A CN114572275A CN 114572275 A CN114572275 A CN 114572275A CN 202011402748 A CN202011402748 A CN 202011402748A CN 114572275 A CN114572275 A CN 114572275A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- track
- image
- speed
- speed limit
- 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 64
- 238000012549 training Methods 0.000 claims description 22
- 238000005452 bending Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910052704 radon Inorganic materials 0.000 description 2
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or vehicle train for signalling purposes ; On-board control or communication systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or vehicle train for signalling purposes ; On-board control or communication systems
- B61L15/009—On-board display devices
-
- B61L15/0094—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning, or like safety means along the route or between vehicles or vehicle trains
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or vehicle trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or vehicle trains
- B61L25/021—Measuring and recording of train speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or vehicle trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or vehicle trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/04—Automatic systems, e.g. controlled by train; Change-over to manual control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L2205/00—Communication or navigation systems for railway traffic
- B61L2205/04—Satellite based navigation systems, e.g. GPS
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Abstract
本申请提供一种车辆行车辅助方法、车载装置、车辆及存储介质,其中,所述方法包括:侦测车辆的车速;当确定车辆的车速超过速度阈值时,基于车辆所在路段的相关图像数据计算车辆在相应路段内的限速;当确定车辆的车速超过车辆所在路段的限速时,发出超速警告。本申请可辅助车辆进行超速警告,提升行车安全。
Description
技术领域
本申请涉及车辆行车安全领域,尤其涉及一种车辆行车辅助方法、车载装置、车辆及存储介质。
背景技术
轨道式车辆,例如列车是众多交通运输过程中的重要枢纽。当轨道式车辆在高速运行时,会因为速度失控(例如,超速)而导致列车脱轨的事故发生。如何有效控制车速确保行车安全是车辆控制中非常重要的一个研究方向。
发明内容
鉴于以上内容,有必要提供一种车辆行车辅助方法、车载装置、车辆及存储介质,能够对车辆进行超速警告,提升行车安全。
所述车辆行车辅助方法包括:侦测车辆的车速;当所述车辆的车速超过速度阈值时,基于图像获得相应路段内车辆的限速;及当所述车辆的车速超过所述相应路段内车辆的限速时,发出警告。
可选地,所述基于图像获得所述车辆的限速包括方法一:获取包括限速告示牌的图像;从所述包括限速告示牌的图像中截取所述限速告示牌所在的图像区域;及辨识所截取的图像区域获得所述车辆的限速。
可选地,所述基于图像获得所述车辆的限速还包括方法二:获取所述车辆所在轨道的轨道图像,基于所述轨道图像计算所述车辆所在轨道的轨道路径;基于所述轨道路径计算所述车辆所在轨道的轨道弯曲角度;及根据所述轨道弯曲角度获得所述车辆的限速。
可选地,所述基于图像获得所述车辆的限速还包括方法三:利用训练样本训练数据库;及获取轨道图像,利用所述数据库基于所述轨道图像获得所述车辆的限速。
可选地,所述利用训练样本训练数据库的方法包括:获得预设数量的轨道图像;获得所述预设数量的轨道图像中的每张轨道图像所对应的限速;及将所述预设数量的轨道图像以及对应的限速作为训练样本训练所述数据库。
可选地,所述数据库为:基于Python语言训练得到的图像分类器。
可选地,所述基于图像获得所述车辆的限速包括如下方法中的一种:方法一:获取包括限速告示牌的图像;从所述包括限速告示牌的图像中截取所述限速告示牌所在的图像区域;及辨识所截取的图像区域获得所述车辆的限速;方法二:获取所述车辆所在轨道的轨道图像,基于所述轨道图像计算所述车辆所在轨道的轨道路径;基于所述轨道路径计算所述车辆所在轨道的轨道弯曲角度;及根据所述轨道弯曲角度获得所述车辆的限速;方法三:利用训练样本训练数据库;及获取轨道图像,利用所述训练的数据库基于所述轨道图像获得所述车辆的限速;方法四:将利用所述方法一、方法二与方法三取得的限速中的最低限速作为所述车辆的限速。
所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现所述车辆行车辅助方法。
所述车载装置包括存储器和至少一个处理器,所述存储器中存储有至少一个指令,所述至少一个指令被所述至少一个处理器执行时实现所述车辆行车辅助方法。
所述车辆包括所述车载装置。
相较于现有技术,所述车辆行车辅助方法、车载装置、车辆及存储介质,可以通过使用行车记录器与全球定位系统(Global Positioning System,GPS)对车辆进行超速警告,提升行车安全。
附图说明
图1是本申请较佳实施例的车辆行车辅助方法的流程图。
图2是本申请较佳实施例的车载装置的架构图。
主要元件符号说明
车辆 | 100 |
车载装置 | 3 |
处理器 | 32 |
存储器 | 31 |
行车辅助系统 | 30 |
GPS系统 | 33 |
行车记录器 | 34 |
摄像头 | 35 |
显示器 | 36 |
行车数据 | 37 |
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
参阅图2所示,为本申请较佳实施例提供的车载装置的架构图。
本实施例中,车载装置3包括互相之间电连接的存储器31、至少一个处理器32、GPS系统33、行车记录器34。
图2示出的车载装置3的结构仅是示例性说明,并不构成对本申请各个实施例的限定,所述车载装置3还可以包括比图2更多或更少的其他硬件或者软件,或者不同的部件配置。
需要说明的是,所述车载装置3仅为举例,其他现有的或今后可能出现的车载装置如可适用于本申请,也应包含在本申请的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31可以用于存储计算机程序的程序代码和各种数据。例如,所述存储器31可以用于存储安装在所述车载装置3中的行车辅助系统30、行车记录器34所记录的行车数据37,并在车载装置3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31可以是包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者任何其他能够用于携带或存储数据的非易失性的计算机可读的存储介质。
在一些实施例中,所述至少一个处理器32可以由集成电路组成。例如,可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述车载装置3的控制核心(Control Unit),利用各种接口和线路连接整个车载装置3的各个部件,通过执行存储在所述存储器31内的程序或者模块或者指令,以及调用存储在所述存储器31内的数据,以执行车载装置3的各种功能和处理数据,例如,对车辆进行行车辅助的功能(具体细节参后面对图1的介绍)。
在一些实施例中,所述GPS系统33可以用于侦测所述车辆100的车速。例如,GPS系统33可以利用接收机测定车辆100的运行轨迹,接收机天线在跟踪GPS卫星的过程中相对地球而运动,接收机用GPS信号实时地测得车辆100的状态参数(例如,瞬间三维位置和三维速度)。
在本实施例中,所述行车记录器34包含摄像头35和显示器36。所述行车记录器34可以利用所述摄像头35拍摄车辆100行车全过程的视频图像,经所述处理器32处理后作为行车数据37储存在所述存储器31中。所述行车记录器34在接收到所述摄像头35拍摄的影像或者所述处理器32传达的超速警告信息后,在所述显示器36进行相应的显示。
在本实施例中,所述摄像头35可以安装在所述车辆100的前挡风玻璃所在位置处,只要使得所述摄像头35能够拍摄到轨道限速告示牌和轨道图像即可。
在本实施例中,所述显示器36可以为能呈现图像和发出声音的显示装置,例如呈现所述摄像头35拍摄到的影像画面,当车辆100车速超出限速时发出超速警告。
在本实施例中,所述轨道限速告示牌是指在所述车辆100前进方向相应路段内的轨道的边缘,用标牌向车辆驾驶者传递速度限制信息的标识。需要说明的是,所述轨道限速告示牌的样式、安置地点和速度限制信息,具体根据车辆100所在相应路段内的轨道来定。
在本实施例中,所述轨道图像为车辆100前进方向相应路段内所在轨道的图像。
在本实施例中,行车辅助系统30可以包括一个或多个模块,所述一个或多个模块存储在所述存储器31中,并由至少一个或多个处理器(本实施例为处理器32)执行,以实现对车辆进行行车辅助的功能(具体细节参后面对图1的介绍)。
本实施例中,以软件功能模块的形式实现的集成的单元,可以存储在一个非易失性可读取存储介质中。上述软件功能模块包括一个或多个计算机可读指令,所述车载装置3或一个处理器(processor)通过执行所述一个或多个计算机可读指令实现本申请各个实施例的方法的部分,例如图1所示的对车辆行车辅助的方法。
在进一步的实施例中,结合图2,所述至少一个处理器32可执行所述车载装置3的操作装置以及安装的各类应用程序(如所述的行车辅助系统30)、程序代码等。
在进一步的实施例中,所述存储器31中存储有计算机程序的程序代码,且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如,所述行车辅助系统30的各个模块是存储在所述存储器31中的程序代码,并由所述至少一个处理器32所执行,从而实现所述各个模块的功能以达到对车辆100行车辅助的目的(详见下文中对图1的描述)。
在本申请的一个实施例中,所述存储器31存储一个或多个计算机可读指令,所述一个或多个计算机可读指令被所述至少一个处理器32所执行以实现行车辅助的目的。具体地,所述至少一个处理器32对上述计算机可读指令的具体实现方法详见下文中对图1的描述。
图1是本申请较佳实施例提供的车辆行车辅助方法的流程图。
在本实施例中,所述车辆行车辅助方法可以应用于车辆100中,对于需要进行行车辅助的车辆100,可以直接在该车辆100上集成本申请的方法所提供的用于行车辅助的功能,或者以软件开发工具包(Software Development Kit,SDK)的形式运行在所述车载装置3上。
如图1所示,所述车辆行车辅助方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
步骤S1、车载装置3侦测所述车辆100的车速。
在一个实施例中,所述车载装置3可以利用GPS系统33侦测所述车辆100的车速。
在其他实施例中,所述车载装置3也可以利用速度传感器器来侦测所述车辆100的车速。该速度传感器安装于所述车辆100上。
步骤S2、车载装置3确定所述车辆100的车速是否超过速度阈值。当确定所述车辆100的车速超过所述速度阈值时,执行步骤S3。
本实施例中,所述速度阈值可以为经验值。例如,该速度阈值可以根据大量的(例如两千笔)轨道式车辆超速致使脱轨的案例中,每个案例所对应的轨道式车辆的速度来确定,例如该速度阈值可以是部分或所有轨道式车辆超速致使脱轨案例所对应的速度的平均值。
步骤S3、当所述车辆100的车速超过速度阈值时,车载装置3基于图像获得相应路段内车辆100的限速。
本申请可提供多个实施例来实现步骤S3,具体地,在第一实施例中,所述基于图像获得所述车辆100的限速包括方法一,该方法一包括:
获取包括限速告示牌的图像;从所述包括限速告示牌的图像中截取所述限速告示牌所在的图像区域;辨识所截取的图像区域获得所述车辆100的限速。
在本申请的一个实施例中,车载装置3可以从行车记录器34的行车数据37中获取所述车辆100前进方向相应路段的图像,先利用图像识别算法从所述相应路段的图像中获取所述包括限速告示牌的图像,再利用图像识别算法识别所述包括限速告示牌的图像中所述限速告示牌所在的图像区域,最后利用图像截取方法将所述限速告示牌所在的图像区域截取出来。
所述图像识别算法可以为模板匹配法。例如,可以将各种样式(例如圆形、矩形)的限速告示牌的图像分别作为不同的多个模板,将每种模板与获取的图像进行匹配,以确认所述图像是否包括限速告示牌。例如,可以采用特征识别的方式判断所获取的图像中是否包括各类模板中的限速告示牌的图像特征。例如,可以从每种模板中获取不同类型的限速告示牌的图像特征,然后根据不同类型的限速告示牌图像特征来对所述相应路段的图像中的限速告示牌进行识别。
若所述相应路段的图像为所述包括限速告示牌的图像,当某种模板与所述包括限速告示牌的图像中的某个区域相匹配时,则确定所述包括限速告示牌的图像的某个区域为所述限速告示牌所在的图像区域,利用图像截取方法将所述限速告示牌所在的图像区域从所述包括限速告示牌的图像中截取出来。所述某种样式为所述各种样式中的任意一种。
需要说明的是,图像截取方法是图像处理中的常见处理方法,在此不加赘述。
在一个实施例中,可以利用图像识别算法从所述限速告示牌所在的图像区域中辨识车辆100的限速。
所述图像识别算法可以为光学字符识别算法。例如,可以利用拉东(Radon)变换对所截取的图像区域的文本信息进行文本校正,之后对所述文本信息中的文字信息(例如数字、英文字母)进行提取,由此可以确定所述限速告示牌中的限速。
在本申请提供的第二实施例中,所述基于图像获得所述车辆100的限速包括方法二,该方法二:
获取所述车辆100所在轨道的轨道图像,基于所述轨道图像计算所述车辆100所在轨道的轨道路径;基于所述轨道路径计算所述车辆100所在轨道的轨道弯曲角度;根据所述轨道弯曲角度获得所述车辆100的限速。
在一个实施例中,可以从行车数据37中获取所述车辆100所在轨道的轨道图像,利用图像识别算法识别所述轨道图像中的轨道的路径。
所述图像识别算法可以为OpenCV识别算法。例如,可以对所述轨道图像以灰度图的方式导入,将此灰度图进行二值化处理,再对二值化后图片的像素进行按列扫描求和,从而得到轨道的路径。需要说明的是,所述轨道的路径通常为有弧度的曲线。
需要说明的是,轨道弯曲角度也即是所述轨道的路径所对应的有弧度的曲线的弯曲角度。利用弧度曲线计算曲线弯曲角度,利用弯曲角度计算角速度,并进一步利用角速度计算车辆行驶限速。
在本申请提供的第三实施例中,所述基于图像获得所述车辆100的限速包括方法三,该方法三包括:
利用训练样本训练数据库;获取轨道图像,利用所述数据库基于所述轨道图像获得所述车辆100的限速。
所述数据库可以是车载装置3利用大量训练样本基于Python语言所训练而成的图像分类器。例如,车载装置3可以收集预设数量(如10万份)的训练样本,每份训练样本包括一张轨道图像,以及与每张轨道图像对应的车辆限速,基于所述预设数量的训练样本对神经网络进行训练,由此获得所述数据库。在这里,每张轨道图像对应的车辆限速可以利用方法二或其他方法来获知。
在本申请提供的第四实施例中,所述基于图像获得所述车辆100的限速包括方法四:将利用所述方法一、方法二与方法三取得的限速中的最低限速作为所述车辆100的限速。
步骤S4、车载装置3确定所述车辆100的车速是否超过所述限速。当确定所述车辆100的车速超过所述限速时,执行S5。
步骤S5、车载装置3发出警告。
本实施例中,车载装置3可利用显示器36发出警告,所述显示器36发出警告可以是所述显示器36呈现警示图样或发出警告声。在其他实施例中,还可通过其他设备(例如,扬声器等)发出语音警告。此外,还可将警告发送至预设的终端设备(例如,指定用户的手机)以提醒车速控制。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后所应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照以上较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种车辆行车辅助方法,其特征在于,该方法包括:
侦测车辆的车速;
当所述车辆的车速超过速度阈值时,基于图像获得相应路段内车辆的限速;及
当所述车辆的车速超过所述相应路段内车辆的限速时,发出警告。
2.根据权利要求1所述的车辆行车辅助方法,其特征在于,所述基于图像获得所述车辆的限速包括方法一:
获取包括限速告示牌的图像;
从所述包括限速告示牌的图像中截取所述限速告示牌所在的图像区域;及
辨识所截取的图像区域获得所述车辆的限速。
3.根据权利要求1所述的车辆行车辅助方法,其特征在于,所述基于图像获得所述车辆的限速包括方法二:
获取所述车辆所在轨道的轨道图像,基于所述轨道图像计算所述车辆所在轨道的轨道路径;
基于所述轨道路径计算所述车辆所在轨道的轨道弯曲角度;及
根据所述轨道弯曲角度获得所述车辆的限速。
4.根据权利要求1所述的车辆行车辅助方法,其特征在于,所述基于图像获得所述车辆的限速包括方法三:
利用训练样本训练数据库;及
获取轨道图像,利用所述训练的数据库基于所述轨道图像获得所述车辆的限速。
5.根据权利要求4所述的车辆行车辅助方法,其特征在于,所述利用训练样本训练数据库包括:
获得预设数量的轨道图像;
获得所述预设数量的轨道图像中的每张轨道图像所对应的限速;及
将所述预设数量的轨道图像以及对应的限速作为训练样本训练所述数据库。
6.根据权利要求4所述的车辆行车辅助方法,其特征在于,所述数据库为:
基于Python语言训练得到的图像分类器。
7.根据权利要求1所述的车辆行车辅助方法,其特征在于,所述基于图像获得所述车辆的限速包括如下方法中的一种:
方法一:获取包括限速告示牌的图像;从所述包括限速告示牌的图像中截取所述限速告示牌所在的图像区域;及辨识所截取的图像区域获得所述车辆的限速;
方法二:获取所述车辆所在轨道的轨道图像,基于所述轨道图像计算所述车辆所在轨道的轨道路径;基于所述轨道路径计算所述车辆所在轨道的轨道弯曲角度;及根据所述轨道弯曲角度获得所述车辆的限速;
方法三:利用训练样本训练数据库;及获取轨道图像,利用所述训练的数据库基于所述轨道图像获得所述车辆的限速;
方法四:将利用所述方法一、方法二与方法三取得的限速中的最低限速作为所述车辆的限速。
8.一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存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项的所述车辆行车辅助方法。
9.一种车载装置,其特征在于,所述车载装置包括存储器和至少一个处理器,所述存储器中存储有至少一个指令,所述至少一个指令被所述至少一个处理器执行时实现如权利要求1至7中任意一项的所述车辆行车辅助方法。
10.一种车辆,其特征在于,所述车辆包括如权利要求9所述的车载装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011402748.6A CN114572275A (zh) | 2020-12-02 | 2020-12-02 | 车辆行车辅助方法、车载装置、车辆及存储介质 |
US17/125,569 US20220169294A1 (en) | 2020-12-02 | 2020-12-17 | Vehicle driving assistance method, onboard device, and vehicle having onboard device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011402748.6A CN114572275A (zh) | 2020-12-02 | 2020-12-02 | 车辆行车辅助方法、车载装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114572275A true CN114572275A (zh) | 2022-06-03 |
Family
ID=81752790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011402748.6A Pending CN114572275A (zh) | 2020-12-02 | 2020-12-02 | 车辆行车辅助方法、车载装置、车辆及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220169294A1 (zh) |
CN (1) | CN114572275A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115352496A (zh) * | 2022-07-29 | 2022-11-18 | 中车唐山机车车辆有限公司 | 限速控制方法、装置、系统及列车 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050036222A (ko) * | 2003-10-15 | 2005-04-20 | 자동차부품연구원 | 차량 전복 경고 시스템 및 방법 |
CN101326555A (zh) * | 2005-12-15 | 2008-12-17 | 国际商业机器公司 | 检查车辆速度符合前方速度限制的方法、系统和程序 |
CN101945786A (zh) * | 2008-09-25 | 2011-01-12 | 日立汽车系统株式会社 | 车辆的减速辅助装置 |
CN103927886A (zh) * | 2014-04-18 | 2014-07-16 | 国通道路交通管理工程技术研究中心有限公司 | 一种监管重点运输车辆超速违法的系统及方法 |
CN103942971A (zh) * | 2013-01-21 | 2014-07-23 | 沃尔沃汽车公司 | 车辆驾驶员辅助设备 |
CN105160919A (zh) * | 2015-08-07 | 2015-12-16 | 深圳市灵动飞扬科技有限公司 | 限速标志识别方法及系统 |
CN106019330A (zh) * | 2016-05-18 | 2016-10-12 | Tcl移动通信科技(宁波)有限公司 | 一种基于移动终端的gps节能控制方法及系统 |
CN106023628A (zh) * | 2016-07-21 | 2016-10-12 | 浙江吉利汽车研究院有限公司 | 一种用于车辆的限速辅助系统及限速辅助方法 |
CN106355919A (zh) * | 2016-09-21 | 2017-01-25 | 山西省交通科学研究院 | 一种基于机器视觉的弯道车速限速计算方法及超速警示装置 |
CN107010063A (zh) * | 2015-10-21 | 2017-08-04 | 福特全球技术公司 | 基于感知的速度限制估算和学习 |
US20180164812A1 (en) * | 2016-12-14 | 2018-06-14 | Samsung Electronics Co., Ltd. | Apparatus and method for generating training data to train neural network determining information associated with road included in image |
CN109102711A (zh) * | 2017-12-15 | 2018-12-28 | 蔚来汽车有限公司 | 确定道路安全速度信息的方法 |
CN109360426A (zh) * | 2018-11-23 | 2019-02-19 | 湖南车路协同智能科技有限公司 | 一种超速安全预警方法、装置、系统和可读存储介质 |
CN109859512A (zh) * | 2019-02-12 | 2019-06-07 | 桂林电子科技大学 | 一种v2x环境下典型弯道区域单一车辆动态引导方法 |
CN110618678A (zh) * | 2018-06-19 | 2019-12-27 | 辉达公司 | 自主机器应用中的行为引导路径规划 |
CA3128028A1 (en) * | 2019-02-01 | 2020-08-06 | Ashok Kumar ELLUSWAMY | Predicting three-dimensional features for autonomous driving |
CN111862629A (zh) * | 2020-06-18 | 2020-10-30 | 东风汽车集团有限公司 | 一种弯道超速预警及主动限速方法和系统 |
US20200364247A1 (en) * | 2019-05-16 | 2020-11-19 | Here Global B.V. | Automatic feature extraction from imagery |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2383713B1 (en) * | 2006-12-06 | 2013-05-29 | Mobileye Technologies Limited | Detecting and recognizing traffic signs |
DE102010039634B4 (de) * | 2010-08-23 | 2013-05-08 | Ford Global Technologies, Llc | Anordnung und Verfahren zur Verkehrszeichenerkennung |
GB2538572B (en) * | 2015-05-18 | 2018-12-19 | Mobileye Vision Technologies Ltd | Safety system for a vehicle to detect and warn of a potential collision |
US10261170B2 (en) * | 2015-06-02 | 2019-04-16 | Valentine Research, Inc. | Image analysis and radar detectors |
WO2019066770A1 (en) * | 2017-09-26 | 2019-04-04 | Hitachi Automotive Systems, Ltd. | CAMERA CALIBRATION USING TRAFFIC PANEL RECOGNITION |
US10460185B2 (en) * | 2018-01-30 | 2019-10-29 | Toyota Motor Engineering & Manufacturing North America, Inc. | Roadside image tracking system |
US11183055B2 (en) * | 2020-03-12 | 2021-11-23 | Here Global B.V. | Methods and systems for classifying a speed sign |
-
2020
- 2020-12-02 CN CN202011402748.6A patent/CN114572275A/zh active Pending
- 2020-12-17 US US17/125,569 patent/US20220169294A1/en active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050036222A (ko) * | 2003-10-15 | 2005-04-20 | 자동차부품연구원 | 차량 전복 경고 시스템 및 방법 |
CN101326555A (zh) * | 2005-12-15 | 2008-12-17 | 国际商业机器公司 | 检查车辆速度符合前方速度限制的方法、系统和程序 |
CN101945786A (zh) * | 2008-09-25 | 2011-01-12 | 日立汽车系统株式会社 | 车辆的减速辅助装置 |
CN103942971A (zh) * | 2013-01-21 | 2014-07-23 | 沃尔沃汽车公司 | 车辆驾驶员辅助设备 |
CN103927886A (zh) * | 2014-04-18 | 2014-07-16 | 国通道路交通管理工程技术研究中心有限公司 | 一种监管重点运输车辆超速违法的系统及方法 |
CN105160919A (zh) * | 2015-08-07 | 2015-12-16 | 深圳市灵动飞扬科技有限公司 | 限速标志识别方法及系统 |
CN107010063A (zh) * | 2015-10-21 | 2017-08-04 | 福特全球技术公司 | 基于感知的速度限制估算和学习 |
CN106019330A (zh) * | 2016-05-18 | 2016-10-12 | Tcl移动通信科技(宁波)有限公司 | 一种基于移动终端的gps节能控制方法及系统 |
CN106023628A (zh) * | 2016-07-21 | 2016-10-12 | 浙江吉利汽车研究院有限公司 | 一种用于车辆的限速辅助系统及限速辅助方法 |
CN106355919A (zh) * | 2016-09-21 | 2017-01-25 | 山西省交通科学研究院 | 一种基于机器视觉的弯道车速限速计算方法及超速警示装置 |
US20180164812A1 (en) * | 2016-12-14 | 2018-06-14 | Samsung Electronics Co., Ltd. | Apparatus and method for generating training data to train neural network determining information associated with road included in image |
CN109102711A (zh) * | 2017-12-15 | 2018-12-28 | 蔚来汽车有限公司 | 确定道路安全速度信息的方法 |
CN110618678A (zh) * | 2018-06-19 | 2019-12-27 | 辉达公司 | 自主机器应用中的行为引导路径规划 |
CN109360426A (zh) * | 2018-11-23 | 2019-02-19 | 湖南车路协同智能科技有限公司 | 一种超速安全预警方法、装置、系统和可读存储介质 |
CA3128028A1 (en) * | 2019-02-01 | 2020-08-06 | Ashok Kumar ELLUSWAMY | Predicting three-dimensional features for autonomous driving |
CN109859512A (zh) * | 2019-02-12 | 2019-06-07 | 桂林电子科技大学 | 一种v2x环境下典型弯道区域单一车辆动态引导方法 |
US20200364247A1 (en) * | 2019-05-16 | 2020-11-19 | Here Global B.V. | Automatic feature extraction from imagery |
CN111862629A (zh) * | 2020-06-18 | 2020-10-30 | 东风汽车集团有限公司 | 一种弯道超速预警及主动限速方法和系统 |
Non-Patent Citations (1)
Title |
---|
付晓东等: "多媒体技术理论及其应用", 上海交通大学出版社, pages: 234 - 237 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115352496A (zh) * | 2022-07-29 | 2022-11-18 | 中车唐山机车车辆有限公司 | 限速控制方法、装置、系统及列车 |
Also Published As
Publication number | Publication date |
---|---|
US20220169294A1 (en) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7171046B2 (en) | Method and apparatus for portably recognizing text in an image sequence of scene imagery | |
US9082038B2 (en) | Dram c adjustment of automatic license plate recognition processing based on vehicle class information | |
US20190139449A1 (en) | Method, computer readable storage medium and electronic equipment for analyzing driving behavior | |
CN110008891B (zh) | 一种行人检测定位方法、装置、车载计算设备及存储介质 | |
US20180300620A1 (en) | Foliage Detection Training Systems And Methods | |
CN110567475A (zh) | 导航方法、装置、计算机可读存储介质及电子设备 | |
CN110741424B (zh) | 危险信息收集装置 | |
CN107516354B (zh) | 基于规则脚本的驾驶员考试系统、辅助驾驶系统及方法 | |
CN111521192A (zh) | 定位方法、导航信息显示方法、定位系统及电子设备 | |
CN111753592A (zh) | 交通标志识别方法、装置、计算机设备和存储介质 | |
CN114397685A (zh) | 弱gnss信号区域的车辆导航方法、装置、设备及存储介质 | |
CN110703739A (zh) | 车辆诊断方法、路侧单元、车载单元、系统及存储介质 | |
CN114572275A (zh) | 车辆行车辅助方法、车载装置、车辆及存储介质 | |
CN114240816A (zh) | 道路环境感知方法、装置、存储介质、电子设备及车辆 | |
CN109637148B (zh) | 车载鸣笛监控系统、方法、存储介质及设备 | |
CN113221894A (zh) | 车辆的车牌号识别方法、装置、电子设备和存储介质 | |
CN113442830B (zh) | 交通安全管控方法、车载装置 | |
US20200250970A1 (en) | Information processing apparatus, information processing method and program | |
TWI751820B (zh) | 車輛行車輔助方法、車載裝置、車輛及儲存介質 | |
CN113428081A (zh) | 交通安全管控方法、车载装置及可读存储介质 | |
CN114530057B (zh) | 一种车辆预警方法、装置、车辆及存储介质 | |
CN115257771A (zh) | 一种路口识别方法、电子设备和存储介质 | |
CN115273003A (zh) | 一种结合字符定位的交通标志识别及导航决策方法和系统 | |
US20150019120A1 (en) | Apparatus and method for driving guide of vehicle | |
CN114333414A (zh) | 停车让行检测装置、停车让行检测系统以及记录介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230109 Address after: 528225 401-6, Floor 4, Block A, Software Science Park, Shishan Town, Nanhai District, Foshan City, Guangdong Province Applicant after: Xinyang Technology (Foshan) Co.,Ltd. Address before: Building B2, Foxconn B, 1216 Lanhua Road, Jincheng Development Zone, Shanxi Province 048000 Applicant before: Jincheng Sanying Precision Electronics Co.,Ltd. |
|
TA01 | Transfer of patent application right |