CN114578371B - 一种汽车前方路面水深探测系统和方法 - Google Patents

Abstract

本申请公开了一种汽车前方路面水深探测系统和方法，本系统包括控制模块、水深探测模块、视觉采集设备和警示单元。水深探测模块用于对已行驶过的路面进行数据扫描，生成第一三维模型，以及对积水路面进行数据扫描，生成第二三维模型，并对两个三维模型进行对比，得到积水深度数据。视觉采集设备用于对积水路面进行初步探测。本方法包括：对已行驶过的路面进行数据扫描，生成第一点云数据，进而建立第一三维模型。对积水路面进行数据扫描，生成第二点云数据，进而建立第二三维模型。对第一三维模型和第二三维模型进行拟合处理，得到积水深度数据。本申请能够准确计算积水深度，为用户提前判断汽车前方道路水深情况，避免汽车淹水造成损失。

Description

一种汽车前方路面水深探测系统和方法

技术领域

本申请属于车辆安全行驶技术领域，具体涉及一种汽车前方路面水深探测系统和方法。

背景技术

目前，随着人们经济水平与生活水平的提高，汽车的拥有量也在不断提高。同时，由于近几年自然环境的变化，洪涝灾害频发，大部分城市的排水系统不足以应对，也导致城市道路积水严重，水淹车的事件频发发生，目前，市面上汽车装备的积水深度检测设备主要是涉水中检测为主，对积水深度检测的准确性较差，汽车淹水的风险依旧存在。现有技术中，多为通过安装在车外的探测器，检测车辆基准位置与水平面的距离，进一步得到积水深度，缺点就是车辆已经处于涉水中，再进行检测。受限于精确性及其他突发情况，现有技术无法提前预判积水深度，不能有效避免汽车淹水，急需要一种全新的方法，在汽车涉水前提前判断汽车前方路面积水深度，以此帮助驾驶员提前判断是否具备继续行驶的条件。

发明内容

本申请提出了一种汽车前方路面水深探测系统和方法，在汽车涉水前准确判断汽车前方路面的水深情况，以此帮助驾驶员提前预判涉水风险。

为实现上述目的，本申请提供了如下方案：

一种汽车前方路面水深探测系统，包括控制模块、水深探测模块、视觉采集设备和警示单元；

所述水深探测模块用于对已行驶过的路面进行数据扫描，生成第一三维模型，所述第一三维模型作为基础比对数据；

所述视觉采集设备用于对积水路面进行初步探测，并向所述控制模块发出路面积水信号；

所述控制模块用于根据所述路面积水信号，向所述水深探测模块发出水深探测指令；

所述水深探测模块还用于根据所述水深探测指令，对所述积水路面进行数据扫描，生成第二三维模型，并对所述第二三维模型和所述基础比对数据进行对比，得到积水深度数据；

所述警示单元用于显示所述积水深度数据，并进行涉水风险报警。

可选的，所述水深探测模块包括雷达设备、处理单元、存储单元和计算单元；

所述雷达设备用于对所述已行驶过的路面进行数据扫描，生成第一点云数据，所述雷达设备还用于对所述积水路面进行数据扫描，生成第二点云数据；

所述处理单元用于对所述第一点云数据进行数据处理，形成所述第一三维模型，所述处理单元还用于对所述第二点云数据进行数据处理形成所述第二三维模型；

所述存储单元用于存储所述第一三维模型，作为所述基础比对数据；

所述计算单元用于对所述第一三维模型和所述第二三维模型进行对比计算，得到所述积水深度数据。

可选的，所述雷达设备采用激光雷达；

所述处理单元对所述第一点云数据和所述第二点云数据进行数据处理并分别形成第一三维模型和第二三维模型的方法包括：

对所述第一点云数据和所述第二点云数据分别进行体素降维处理，再通过运动补偿抵消车辆行驶过程中由于车身位置变化对所述第一点云数据和所述第二点云数据造成的形态和方向上的影响，利用特征提取与匹配算法还原不同时刻采集到的点云的相关，通过匹配关系分别得到完整的所述第一三维模型和第二三维模型。

可选的，所述计算单元得到所述积水深度数据的方法包括：

根据所述雷达设备的回波信号，构建损失函数；

使用Levenberg-Marquardt优化算法迭代计算所述损失函数的高斯参数；

根据所述高斯参数，得到所述积水深度数据。

可选的，所述回波信号的表述方式为：

f(t)＝a₁exp(-((t-b₁)/c₁)²)+a₂exp(-((t-b₂)/c₂)²)+d

式中，a₁，b₁，c₁，a₂，b₂，c₂是高斯函数的参数，d为修正参数，t为时间。

可选的，所述损失函数为：

式中，t₀为回波信号接收的开始时间，t₁为回波信号接收的结束时间。

可选的，使用Levenberg-Marquardt优化算法迭代计算所述损失函数的高斯参数公式如下：

min F(a₁，b₁，c₁，a₂，b₂，c₂，d)

b₁，b₂之差为积水处的水平面和水底之间的所述回波信号的返回时间差，进而由下式得到所述积水深度数据Z：

Z＝c_w(b₂-b₁)cosθ_w/2

式中，c_w为光在水中的速度，θ_w为激光脉冲在水中的入射角。

可选的，所述警示单元包括显示设备和语音设备；

所述显示设备用于以画面的形式显示所述积水深度数据；

所述语音设备用于以语音的形式进行风险报警。

可选的，所述路面水深探测系统还包括定位单元；

所述定位单元用于确定与所述第二三维模型进行比对的所述第一三维模型。

另一方面，为实现上述目的，本申请还提供了一种汽车前方路面水深探测方法，包括如下步骤：

对已行驶过的路面进行数据扫描，生成第一点云数据，对所述第一点云数据进行数据处理，建立第一三维模型，存储所述第一三维模型并作为基础比对模型；

当发现积水路面时，对所述积水路面进行数据扫描，生成第二点云数据，对所述第二点云数据进行数据处理，建立第二三维模型；

使用反演法，对所述第一三维模型和第二三维模型进行拟合处理，并计算得到积水深度数据。

本申请的有益效果为：

本申请公开了一种汽车前方路面水深探测系统和方法，通过路面点云数据构建的三维模型的对比拟合，能够准确计算积水深度，可以非常准确的为用户提前判断汽车前方道路水深情况，直观的为驾驶员提供决策依据，避免汽车淹水造成损失。

附图说明

为了更清楚地说明本申请的技术方案，下面对实施例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为本申请实施例一的汽车前方路面水深探测系统结构示意图；

图2为本申请实施例一的设备安装位置示意图；

图3为本申请实施例一的水深探测系统工作流程示意图；

图4为本申请实施例一的使用点云数据建立三维模型的流程示意图；

图5为本申请实施例二的汽车前方路面水深探测分法流程示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，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。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

实施例一

如图1所示，为本申请实施例一的汽车前方路面水深探测系统，主要包括控制模块、水深探测模块、视觉采集设备和警示单元。

具体的，水深探测模块用于对已行驶过的路面进行数据扫描，生成第一三维模型，第一三维模型作为基础比对数据。视觉采集设备用于对积水路面进行初步探测，并向控制模块发出路面积水信号。控制模块用于根据路面积水信号，向水深探测模块发出水深探测指令。水深探测模块还用于根据水深探测指令，对积水路面进行数据扫描，生成第二三维模型，并对第二三维模型和基础比对数据进行对比，得到积水深度数据。警示单元用于显示积水深度数据，并进行涉水风险报警。

下面，具体介绍在本实施例一中，各个组成模块的结构组成和功能实现：

在本实施例一中，水深探测模块包括雷达设备、处理单元、存储单元和计算单元。

具体的，雷达设备用于对已行驶过的路面进行数据扫描，生成第一点云数据，雷达设备还用于对积水路面进行数据扫描，生成第二点云数据。处理单元用于对第一点云数据进行数据处理，形成第一三维模型，处理单元还用于对第二点云数据进行数据处理形成第二三维模型。存储单元用于存储第一三维模型，作为基础比对数据。计算单元用于对第一三维模型和第二三维模型进行对比计算，得到积水深度数据。

在本实施例中，雷达设备采用激光雷达，安装在汽车的前部，如图2所示位置。激光雷达负责对已行驶过的路面进行数据全面扫描，该路面称之为原始路面。在无积水的路面，激光雷达扫描已行驶过的路面，并得到该路面的点云数据，此时称之为第一点云数据；然后处理单元对第一点云数据进行建模形成路面的三维模型，此处称之为第一三维模型。存储单元将该第一三维模型进行存储，作为基础对比数据，用于后续积水深度对比计算。

在本实施例中，视觉采集设备采用摄像头，安装在汽车的前部，如图2所示位置。当遇到积水路面时，首先利用安装在汽车前方的摄像头实现路面积水的初步探测，识别出前方的路面积水。然后向控制模块发出路面积水信号，控制模块响应该信号，向水深探测模块发出水深探测指令，启动水深探测模块对积水路面进行数据全面扫描。此时激光雷达对积水路面进行全面扫描，并根据扫描的实际数据得到积水路面的点云数据，此时称之为第二点云数据；然后处理单元对该第二点云数据进行建模形成积水路面的三维模型，此处称之为第二三维模型；计算单元接收第二三维模型，并通过与存储在存储单元内的反映原始路面的第一三维模型对比，通过数据拟合以及计算得出积水深度数据。最后由警示单元对得出的积水深度数据进行显示和报警。上述流程可参考图3所示。

在建立第一三维模型和第二三维模型的过程中，由于激光雷达采集到的原始点云数据量非常庞大，且带有很多的冗余数据。因此，在本实施例中，如图4所示，首先对点云数据进行体素降维处理，以减少冗余信息的占比；之后通过运动补偿抵消车辆行驶过程中由于车身位置变化对第一点云数据和第二点云数据造成的形态和方向上的影响；再次，利用特征提取与匹配算法还原不同时刻采集到的点云的相关；最后通过匹配关系得到完整的三维点云模型。

在本实施例中，水深的计算通过反演法实现，激光雷达的有效回波信号表示为：

f(t)＝a₁exp(-((t-b₁)/c₁)²)+a₂exp(-((t-b₂)/c₂)²)+d  (1)

式中，a₁，b₁，c₁，a₂，b₂，c₂是高斯函数的参数，d为修正参数，t为时间。

激光雷达水体回波信号模型：仿真水表面、水体、海底等反射激光雷达波束所形成回波波形，激光雷达测深系统接收的回波信号可认为是关于时间函数的5部分回波信号的叠加：

P_T(t)＝P_s(t)+P_c(t)+P_b(t)+P_bg(t)+P_N(t)

式中，P_T(t)是激光雷达接收的总回波信号，P_s(t)为水表面回波信号，P_c(t)为水体回波信号，P_b(t)为水底底部回波信号，P_bg(t)为背景噪声，P_N(t)为接收器内部噪声，t为时间。

根据该信号构建损失函数以优化观测结果：

式中，t₀为回波信号接收的开始时间，t₁为回波信号接收的结束时间，使用Levenberg-Marquardt优化算法迭代求取上述参数：

min F(a₁，b₁，c₁，a₂，b₂，c₂，d)   (3)

计算得到系数a₁，b₁，c₁，a₂，b₂，c₂，d，b₁，b₂之差就是水平面和水底回波信号返回时间差，进而由式(4)估测水深Z：

Z＝c_w(b₂-b₁)cosθ_w/2    (4)

式中，c_w为光在水中的速度，θ_w为激光脉冲在水中的入射角。

在本实施例中，警示单元包括显示设备和语音设备。显示设备用于以画面的形式显示积水深度数据，告知驾驶员积水情况。语音设备用于以语音的形式进行风险报警。在本实施例中，采用汽车上现有的中控显示屏和音响主机，通过语音及画面的形式进行风险报警，以此提示驾驶员涉水风险。

进一步的，本实施例的路面水深探测系统还包括定位单元，用于确定与第二三维模型进行比对的第一三维模型，即利用定位系统，确定与积水路面对比的原始路面数据。

实施例二

如图5所示，为本申请实施例二的汽车前方路面水深探测方法，主要包括如下步骤：

S102.对已行驶过的路面进行数据扫描，生成第一点云数据，对第一点云数据进行数据处理，建立第一三维模型，存储第一三维模型并作为基础比对模型；

S104.当发现积水路面时，对积水路面进行数据扫描，生成第二点云数据，对第二点云数据进行数据处理，建立第二三维模型；

S106.使用反演法，对第一三维模型和第二三维模型进行拟合处理，并计算得到积水深度数据。

以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。

Claims (8)

1.一种汽车前方路面水深探测系统，其特征在于，包括控制模块、水深探测模块、视觉采集设备和警示单元；

所述水深探测模块用于对已行驶过的路面进行数据扫描，生成第一三维模型，所述第一三维模型作为基础比对数据；

所述视觉采集设备用于对积水路面进行初步探测，并向所述控制模块发出路面积水信号；

所述控制模块用于根据所述路面积水信号，向所述水深探测模块发出水深探测指令；

所述水深探测模块还用于根据所述水深探测指令，对所述积水路面进行数据扫描，生成第二三维模型，并对所述第二三维模型和所述基础比对数据进行对比，得到积水深度数据；

所述警示单元用于显示所述积水深度数据，并进行涉水风险报警；

所述水深探测模块包括雷达设备、处理单元、存储单元和计算单元；

所述雷达设备用于对所述已行驶过的路面进行数据扫描，生成第一点云数据，所述雷达设备还用于对所述积水路面进行数据扫描，生成第二点云数据；

所述处理单元用于对所述第一点云数据进行数据处理，形成所述第一三维模型，所述处理单元还用于对所述第二点云数据进行数据处理形成所述第二三维模型；

所述存储单元用于存储所述第一三维模型，作为所述基础比对数据；

所述计算单元用于对所述第一三维模型和所述第二三维模型进行对比计算，得到所述积水深度数据；

所述计算单元得到所述积水深度数据的方法包括：

根据所述雷达设备的回波信号，构建损失函数；

使用Levenberg-Marquardt优化算法迭代计算所述损失函数的高斯参数；

根据所述高斯参数，得到所述积水深度数据。

2.根据权利要求1所述的汽车前方路面水深探测系统，其特征在于，所述雷达设备采用激光雷达；

所述处理单元对所述第一点云数据和所述第二点云数据进行数据处理并分别形成第一三维模型和第二三维模型的方法包括：

对所述第一点云数据和所述第二点云数据分别进行体素降维处理，再通过运动补偿抵消车辆行驶过程中由于车身位置变化对所述第一点云数据和所述第二点云数据造成的形态和方向上的影响，利用特征提取与匹配算法还原不同时刻采集到的点云的相关，通过匹配关系分别得到完整的所述第一三维模型和第二三维模型。

3.根据权利要求1所述的汽车前方路面水深探测系统，其特征在于，所述回波信号的表述方式为：

f(t)＝a₁exp(-((t-b₁)/c₁)²)+a₂exp(-((t-b₂)/c₂)²)+d

式中，a₁，b₁，c₁，a₂，b₂，c₂是高斯函数的参数，d为修正参数，t为时间。

4.根据权利要求3所述的汽车前方路面水深探测系统，其特征在于，所述损失函数为：

式中，t₀为回波信号接收的开始时间，t₁为回波信号接收的结束时间。

5.根据权利要求4所述的汽车前方路面水深探测系统，其特征在于，使用Levenberg-Marquardt优化算法迭代计算所述损失函数的高斯参数公式如下：

Min F(a₁，b₁，c₁，a₂，b₂，c₂，d)

b₁，b₂之差为积水处的水平面和水底之间的所述回波信号的返回时间差，进而由下式得到所述积水深度数据Z：

Z＝c_w(b2-b1)cosθw/2

式中，c_w为光在水中的速度，θw为激光脉冲在水中的入射角。

6.根据权利要求1所述的汽车前方路面水深探测系统，其特征在于，所述警示单元包括显示设备和语音设备；

所述显示设备用于以画面的形式显示所述积水深度数据；

所述语音设备用于以语音的形式进行风险报警。

7.根据权利要求1所述的汽车前方路面水深探测系统，其特征在于，所述路面水深探测系统还包括定位单元；

所述定位单元用于确定与所述第二三维模型进行比对的所述第一三维模型。

8.一种汽车前方路面水深探测方法，其特征在于，包括如下步骤：

对已行驶过的路面进行数据扫描，生成第一点云数据，对所述第一点云数据进行数据处理，建立第一三维模型，存储所述第一三维模型并作为基础比对模型；

当发现积水路面时，对所述积水路面进行数据扫描，生成第二点云数据，对所述第二点云数据进行数据处理，建立第二三维模型；

使用反演法，对所述第一三维模型和第二三维模型进行拟合处理，并计算得到积水深度数据；

显示所述积水深度数据，并进行涉水风险报警；

所述积水深度数据的方法包括：

根据雷达设备的回波信号，构建损失函数；

使用Levenberg-Marquardt优化算法迭代计算所述损失函数的高斯参数；

根据所述高斯参数，得到所述积水深度数据。

Images