CN114973208B - 车辆盲区监测预警方法及相关设备 - Google Patents
车辆盲区监测预警方法及相关设备 Download PDFInfo
- Publication number
- CN114973208B CN114973208B CN202210919238.9A CN202210919238A CN114973208B CN 114973208 B CN114973208 B CN 114973208B CN 202210919238 A CN202210919238 A CN 202210919238A CN 114973208 B CN114973208 B CN 114973208B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- reflector
- image data
- preset
- position frame
- 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.)
- Active
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种车辆盲区监测预警方法及相关设备,对摄像头采集的图像数据进行检测,进而得到图像坐标系下图像数据中包含的每个车辆的位置框及其反光镜的位置框,并对图像数据进行划分,得到图像数据中包含的路面区域和车辆区域,再根据预设的第一规则确定出自身车辆反光镜的位置框,并对自身车辆反光镜的位置框进行跟踪,得到图像坐标系下自身车辆反光镜的位置框移动轨迹,基于全部车辆的位置框、车辆区域和移动轨迹得到世界坐标系下各个车辆的位置框,最后按照预设的第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,以将自身车辆和其他车辆进行区分,根据判断结果进行预警,避免错误报警以及错误刹车,进而提高体验的舒适性。
Description
技术领域
本申请涉及车辆安全技术领域,尤其涉及一种车辆盲区监测预警方法及相关设备。
背景技术
BSD(Blind Spot Detection,盲区监测系统)系统可以基于摄像头对盲区内场景进行目标检测和分割,然后基于摄像头标定的内外参数对目标距离进行测量,距离低于设定的安全距离时即会产生报警信息。针对安装有BSD系统的摄像头安装在车辆尾部向前看的情况,如果摄像头固定安装在车辆右侧尾部,随着车辆右转角度的增大,车头出现在摄像头视野中的面积越来越大,内置的图像识别算法会将车头部分识别出来,如果不能将自身车辆(安装BSD系统并可执行预警或者制动车辆)的车头与其他的车辆车头区分开来,可能会导致错误报警,甚至错误刹车,影响用户的使用体验。
发明内容
有鉴于此,本申请的目的在于提出一种车辆盲区监测预警方法及相关设备,用以解决或部分解决上述技术问题。
基于上述目的,本申请的第一方面提供了一种车辆盲区监测预警方法,应用于车辆盲区监测预警系统,所述系统与摄像头通信连接,所述摄像头设置在自身车辆车尾一侧,所述方法包括:
通过所述摄像头对当前时刻的前方道路通行状况进行数据采集,得到图像数据;
对所述图像数据进行检测,在图像坐标系下确定所述图像数据中包含的每个车辆的位置框及其反光镜的位置框;
对所述图像数据进行划分,得到所述图像数据中包含的路面区域和车辆区域;
基于所述路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部所述反光镜的位置框按照预设第一规则确定出自身车辆反光镜的位置框;
从当前时刻开始对所述自身车辆反光镜的位置框进行跟踪,得到在图像坐标系下所述自身车辆反光镜的位置框移动轨迹;
基于全部所述车辆的位置框、所述车辆区域和所述移动轨迹,得到世界坐标系下各个车辆的位置框;
根据预先设定的自身车辆信息按照预设第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,并根据所述判断结果进行预警。
可选的,所述预设第一规则包括第一判断规则、第二判断规则、第三判断规则和第四判断规则,其中,所述第一判断规则包括:
获取当前时刻的车辆速度和车辆方向盘转角;
响应于确定所述车辆速度大于预设的速度阈值,且所述车辆方向盘转角小于预设的转角阈值,将所述路面区域的一侧作为自身车辆所在的车辆区域,其中,所述路面区域的一侧为与摄像头安装位置侧相反的一侧;
所述第二判断规则包括:
根据不同时刻的所述图像坐标系下包含的各个车辆反光镜的位置框、形状、面积和图像纹理进行判断,若从当前时刻起持续采集到的所有图像数据中存在相同的所述车辆反光镜且所述车辆反光镜出现的次数大于等于预定的次数;
所述第三判断规则包括:
图像坐标系下的其中一个车辆反光镜的位置框的横坐标均小于图像坐标系下的其他车辆反光镜的位置框的横坐标;
所述第四判断规则包括:
所述路面区域和车辆区域的交界与其中一个车辆反光镜的距离小于路面区域和车辆区域的交界与其他车辆反光镜的距离。
可选的,所述预先设定的自身车辆信息至少包括下列之一:
所述预设第二规则包括:
图像坐标系下的车辆反光镜的位置框出现在图像坐标系下的车辆的位置框中,并
且直向行驶时车辆最前方与所述摄像头的纵向距离小于,右转时车辆车头与车辆车
身位置垂直时与摄像头安装位置同侧的车辆车头与所述摄像头的横向距离小于。
可选的,所述对所述图像数据进行检测,在图像坐标系下确定所述图像数据中包含的每个车辆的位置框及其反光镜的位置框,包括:
将所述图像数据输入经过预训练的所述目标检测模型,通过所述目标检测模型对所述图像数据进行密集抽样,得到抽样数据;
对所述抽样数据进行检测分类,得到图像数据中包含的每个车辆的位置框及其反光镜的位置框,并通过所述目标监测模型将所述图像数据中包含的每个车辆的位置框及其反光镜的位置框输出。
可选的,所述对所述图像数据进行划分,得到所述图像数据中包含的路面区域和车辆区域,包括:
将所述图像数据输入经过预训练的所述语义分割模型,通过所述语义分割模型从所述图像数据图像中提取特征图;
对所述特征图进行像素分类,得到所述路面区域和所述车辆区域,并通过所述语义分割模型将所述路面区域和所述车辆区域输出。
可选的,所述根据所述判断结果进行预警,包括:
响应于确定所述判断结果为不是自身车辆,发出预警。
基于同一个发明构思,本申请的第二方面提供了一种车辆盲区监测预警系统,所述系统与摄像头通信连接,所述摄像头设置在自身车辆车尾一侧,所述系统包括:
数据采集模块,被配置为通过所述摄像头对当前时刻的前方道路通行状况进行数据采集,得到图像数据;
检测模块,被配置为对所述图像数据进行检测,在图像坐标系下确定所述图像数据中包含的每个车辆的位置框及其反光镜的位置框;
语义分割模块,被配置为对所述图像数据进行划分,得到所述图像数据中包含的路面区域和车辆区域;
自身车辆反光镜判断模块,被配置为基于所述路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部所述反光镜的位置框按照预设第一规则确定出自身车辆反光镜的位置框;
自身车辆反光镜跟踪模块,被配置为从当前时刻开始对所述自身车辆反光镜的位置框进行跟踪,得到在图像坐标系下所述自身车辆反光镜的位置框移动轨迹;
位置获取模块,被配置为基于全部所述车辆的位置框、所述车辆区域和所述移动轨迹,得到世界坐标系下各个车辆的位置框;
预警判断模块,被配置为根据预先设定的自身车辆信息按照预设第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,并根据所述判断结果进行预警。
可选的,所述自身车辆反光镜判断模块,包括:
预设规则单元,被配置为获取当前时刻的车辆速度和车辆方向盘转角;
响应于确定所述车辆速度大于预设的速度阈值,且所述车辆方向盘转角小于预设的转角阈值,将所述路面区域与摄像头安装位置同侧的区域作为车辆区域;
根据不同时刻的所述图像坐标系下包含的各个车辆反光镜的位置框、形状、面积和图像纹理进行判断,若从当前时刻起持续采集到的所有图像数据中存在相同的所述车辆反光镜且所述车辆反光镜出现的次数大于等于预定的次数;
图像坐标系下的其中一个车辆反光镜的位置框的横坐标均小于图像坐标系下的其他车辆反光镜的位置框的横坐标;
所述路面区域和车辆区域的交界与其中一个车辆反光镜的距离小于路面区域和车辆区域的交界与其他车辆反光镜的距离。
基于同一个发明构思,本申请的第三方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面所述的方法。
基于同一个发明构思,本申请的第四方面提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行第一方面所述方法。
从上面所述可以看出,本申请提供的车辆盲区监测预警方法及相关设备,对摄像头采集的图像数据进行检测,进而得到图像坐标系下图像数据中包含的每个车辆的位置框及其反光镜的位置框,并对摄像头采集的图像数据进行划分,得到图像数据中包含的路面区域和车辆区域,再根据预设的第一规则确定出自身车辆反光镜的位置框,并对自身车辆反光镜的位置框进行跟踪,得到图像坐标系下自身车辆反光镜的位置框移动轨迹,基于全部车辆的位置框、车辆区域和移动轨迹得到世界坐标系下各个车辆的位置框,最后按照预设的第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,以将自身车辆和其他车辆进行区分,根据判断结果进行预警,避免错误报警以及错误刹车,进而提高体验的舒适性。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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为本申请实施例的车辆盲区监测预警方法的流程图;
图2为本申请实施例的车辆盲区监测预警系统的结构示意图;
图3为本申请实施例的电子设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本申请进一步详细说明。
需要说明的是,除非另外定义,本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
相关技术中将盲区监测设备连接的摄像头安装在车辆尾部右侧向前监测,随着车辆右转角度的增大,车辆的车头出现在摄像头视野中的面积越来越大,内置的图像识别算法会将车头部分识别出来,如果不能将自车车头(安装盲区监测设备并可执行预警或者制动车辆)的车头与其他车头区分开来,可能会导致错误报警,甚至错误刹车,影响用户的使用体验。
本实施例提出的一种车辆盲区监测预警方法,应用于车辆盲区监测预警系统,所述系统与摄像头通信连接,所述摄像头设置在自身车辆车尾一侧,如图1所示,所述方法包括:
步骤101,通过所述摄像头对当前时刻的前方道路通行状况进行数据采集,得到图像数据。
具体实施时,设置在自身车辆车尾左侧和/或右侧的摄像头对前方道路通行状况进行数据采集,以图像的形式持续将前方道路通行状况进行记录。
步骤102,对所述图像数据进行检测,在图像坐标系下确定所述图像数据中包含的每个车辆的位置框及其反光镜的位置框。
具体实施时,对图像数据进行检测,得到图像数据中包含的每个车辆的位置框及其反光镜的位置框,其中,车辆的位置框及其反光镜的位置看根据检测得到的横向像素坐标和纵向像素坐标确定。
此外,对图像数据进行检测还可以得到非机动车辆、行人等路上常见目标在图像数据中的位置框。
步骤103,对所述图像数据进行划分,得到所述图像数据中包含的路面区域和车辆区域。
具体实施时,通过语义分割对图像数据中每一像素点进行划分,以像素分割的形式将图像数据中包含的路面区域和车辆区域分割出来,其中,语义分割就是把图像数据中每个像素赋予一个类别标签,例如,用不同的颜色标签表示图像数据不同的类别。
还可以将图像数据中包含的背景、非机动车辆和行人等路上常见目标区域分割出来。
步骤104,基于所述路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部所述反光镜的位置框按照预设第一规则确定出自身车辆反光镜的位置框。
具体实施时,设定满足预设的第一规则的反光镜位置框为自身车辆反光镜的位置框,基于路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部反光镜的位置框从全部反光镜的位置框确定满足预设的第一规则的反光镜的位置框,从而确定出自身车辆反光镜的位置框。
例如,预设的第一规则为如下所述:
从VSC(Vehicle Stability Control,车身稳定控制系统)中获得当前时刻的车辆速度信息V、车辆方向盘转角信息R,当abs(V)>v并且abs(R)<r时,其中,v和r为预设的速度阈值和预设的转角阈值,abs()表示取绝对值,利用此时摄像头采集的图像数据进行分析,当摄像头安装位置侧为安装在自身车辆车尾右侧时,摄像头捕捉的盲区内画面(即图像数据)为自身车辆右侧的信息,通过人体识别技术和物体识别技术对摄像头捕捉的盲区内画面进行图像分析,确定出路面区域,将路面区域左侧作为车辆区域。
当摄像头安装位置侧为安装在自身车辆车尾左侧时,摄像头捕捉的盲区内画面(即图像数据)为自身车辆左侧的信息,通过人体识别技术和物体识别技术对摄像头捕捉的盲区内画面进行图像分析,确定出路面区域,将路面区域右侧作为车辆区域。
根据车辆区域对所有车辆反光镜的位置框进行筛选,剔除车辆区域以外的反光镜位置框,得到车辆区域中包含的所有反光镜位置框。
利用视觉测距计算出车辆区域中所有反光镜位置框与摄像头的距离,距离最小的反光镜位置框即为自身车辆的反光镜位置框。
将满足第一规则的反光镜认为是自身车辆的反光镜,这里不对第一规则作具体限定。
步骤105,从当前时刻开始对所述自身车辆反光镜的位置框进行跟踪,得到在图像坐标系下所述自身车辆反光镜的位置框移动轨迹。
具体实施时,利用自身车辆反光镜的位置框、自身车辆的速度、自身车辆的色彩和纹理对自车反光镜的位置框进行跟踪持续跟踪,进而得到在图像坐标系下自身车辆反光镜的位置框移动轨迹。
步骤106,基于全部所述车辆的位置框、所述车辆区域和所述移动轨迹,得到世界坐标系下各个车辆的位置框。
具体实施时,车辆区域为全部车辆的车辆区域,移动轨迹为自身车辆反光镜的移动轨迹,通过自身车辆反光镜的移动轨迹获得实时的自身车辆反光镜的位置框,对摄像头的内外参数进行标定,以建立图像数据与世界坐标系的对应关系,将实时的全部车辆的车辆区域以实时的自身车辆反光镜位置框为基准的图像坐标系下的各个车辆的位置框的信息转换为世界坐标系下各个车辆的位置框的信息,其中,世界坐标系下每个车辆的位置框的信息包括横向距离和纵向距离。
横向距离为在世界坐标系下各个车辆到以自身车辆的车辆区域与道路区域形成的交界的距离,当摄像头安装位置为安装在自身车辆车尾右侧时,各个车辆所处在的位置越向右,其对应的横向距离相对于路面区域与自身车辆的车辆区域的交界的距离越大,当摄像头安装位置为安装在自身车辆车位左侧时,各个车辆所处在的位置越向左,其对应的横向距离相对于路面区域与自身车辆的车辆区域的交界的距离越大。
纵向距离为世界坐标系下各个车辆到自身车辆的摄像头安装位置的距离,当各个车辆沿路面区域与自身车辆的车辆区域的交界越向前,其对应的纵向距离相对于摄像头安位置的距离越大。
步骤107,根据预先设定的自身车辆信息按照预设第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,并根据所述判断结果进行预警。
具体实施时,按照预设第二规则对世界坐标系下各个车辆的位置框进行判段,得到判断结果,以确定出自身车辆,将自身车辆和图像数据中的其他车辆区分开,根据判断结果进行预警,避免出现错误报警以及错误刹车的现象,进而保障了行车安全,也提高了使用体验舒适性。
其中,预先设定的自身车辆信息可以为车辆行驶轨迹信息等,这里不对自身车辆信息作具体限定。
按照车辆行驶轨迹信息对持续采集的图像数据中每个车辆的位置框进行筛选,将满足第二规则的车辆被判定自身车辆,这里不对第二规则作具体限定。
例如,预设的第二规则为如下所述:
在摄像头持续采集的图像数据中与车辆行驶轨迹信息重叠的车辆的位置框出现的次数大于预设的次数。
通过上述方案,利用摄像头对前方道路通行状况进行数据采集,以图像的形式持续将前方道路通行状况进行记录,得到图像数据,对图像数据进行检测,进而得到图像坐标系下图像数据中包含的每个车辆的位置框及其反光镜的位置框,并通过语义分割对图像数据中每一像素点进行划分,以像素分割的形式将图像数据中包含的路面区域和车辆区域分割出来,得到图像数据中包含的路面区域和车辆区域,再根据预设的第一规则确定出自身车辆反光镜的位置框,并对自身车辆反光镜的位置框进行跟踪,得到图像坐标系下自身车辆反光镜的位置框移动轨迹,基于全部车辆的位置框、车辆区域和移动轨迹得到世界坐标系下各个车辆的位置框,最后按照预设的第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,以将自身车辆和其他车辆进行区分,根据判断结果进行预警,避免出现错误报警以及错误刹车的现象,进而保障了行车安全,也提高了使用体验舒适性。
在一些实施例中,所述预设第一规则包括第一判断规则、第二判断规则、第三判断规则和第四判断规则,其中,所述第一判断规则包括:
获取当前时刻的车辆速度和车辆方向盘转角;
响应于确定所述车辆速度大于预设的速度阈值,且所述车辆方向盘转角小于预设的转角阈值,将所述路面区域的一侧作为自身车辆所在的车辆区域,其中,所述路面区域的一侧为与摄像头安装位置侧相反的一侧;
所述第二判断规则包括:
根据不同时刻的所述图像坐标系下包含的各个车辆反光镜的位置框、形状、面积和图像纹理进行判断,若从当前时刻起持续采集到的所有图像数据中存在相同的所述车辆反光镜且所述车辆反光镜出现的次数大于等于预定的次数;
所述第三判断规则包括:
图像坐标系下的其中一个车辆反光镜的位置框的横坐标均小于图像坐标系下的其他车辆反光镜的位置框的横坐标;
所述第四判断规则包括:
所述路面区域和车辆区域的交界与其中一个车辆反光镜的距离小于路面区域和车辆区域的交界与其他车辆反光镜的距离。
具体实施时,第一判断规则表示从VSC(Vehicle Stability Control,车身稳定控制系统)中获得当前时刻的车辆速度信息V、车辆方向盘转角信息R,当abs(V)>v并且abs(R)<r时,其中,v和r为预设的速度阈值和预设的转角阈值,abs()表示取绝对值,提取路面区域,当摄像头安装位置侧为安装在自身车辆车尾右侧时,则确定路面区域左侧为车辆区域,当摄像头安装位置侧为安装在自身车辆车位左侧时,则确定路面区域右侧为车辆区域,其中,可以将预设的速度阈值v设置为5Km/h,预设的转角阈值r设置为2°,以保障能够对自身车辆反光镜的位置框进行更加精准的判断,具体的速度阈值v与转角阈值根据具体情况确定,这里不对其作具体限定。
第二判断规则表示根据图像坐标系下包含的各个车辆反光镜的位置框、形状、面积和图像纹理等判断是否为同一个反光镜,并且持续大于等于预定的次数在图像数据中检测到同一反光镜。
第三判断规则表示图像坐标系下其中一个车辆反光镜的位置框的横坐标小于其他车辆反光镜的位置框的横坐标,其中,当摄像头安装在自身车辆车尾右侧时,图像数据左上角坐标为(0,0),即越往左其图像横坐标越小,距离车身侧面的横向距离越小,越往上其图像纵坐标越小,距离车尾的纵向距离越大,当摄像头安装在自身车辆尾部左侧时,图像数据右上角坐标为(0,0),即越往右其图像横坐标越小,距离车身侧面的横向距离越小,越往上其图像纵坐标越小,距离车尾的纵向距离越大。
第四判断规则表示路面区域和车辆区域的交界与其中一个车辆反光镜的距离小于路面区域和车辆区域的交界与其他车辆反光镜的距离。
同时满足第一判断规则、第二判断规则、第三判断规则和第四判断规则的反光镜认为是自车反光镜。
在一些实施例中,所述预先设定的自身车辆信息至少包括下列之一:
所述预设第二规则包括:
图像坐标系下的车辆反光镜的位置框出现在图像坐标系下的车辆的位置框中,并
且直向行驶时车辆最前方与所述摄像头的纵向距离小于,右转时车辆车头与车辆车
身位置垂直时与摄像头安装位置同侧的车辆车头与所述摄像头的横向距离小于。
具体实施时,预先设定的车辆信息至少包括车辆直行时车头最前方距离摄像头的
最大纵向距离,若摄像头安装在自身车辆车尾右侧,并且向右转,直至车头与车身成
90°交角时车头右侧的最大横向距离,若摄像头安装在自身车辆车尾左侧,并且向左
转,直至车头与车身成90°交角时车头左侧的最大横向距离。
当图像坐标系下的自身车辆反光镜的位置框出现在图像坐标系下的车辆的位置
框中,并且该则图像坐标系下的车辆的位置框中的车辆满足直向行驶时车辆最前方与摄像
头的纵向距离小于,向摄像头安装位置同侧转向时车辆车头与车辆车身位置垂直时
与摄像头安装位置同侧的车辆车头与摄像头的横向距离小于。将该图像坐标系下的
车辆的位置框中的车辆被判定自身车辆。
在一些实施例中,步骤102,包括:
步骤1021,将所述图像数据输入经过预训练的所述目标检测模型,通过所述目标检测模型对所述图像数据进行密集抽样,得到抽样数据。
步骤1022,对所述抽样数据进行检测分类,得到图像数据中包含的每个车辆的位置框及其反光镜的位置框,并通过所述目标监测模型将所述图像数据中包含的每个车辆的位置框及其反光镜的位置框输出。
具体实施时,将图像数据输入目标检测模型,通过目标检测模型对图像数据进行密集抽样,抽样时可以采用不同尺度和长宽比,得到抽样数据,然后利用卷积神经网络提取特征后直接进行检测分类,得到图像数据中包含的每个车辆的位置框及其反光镜的位置框,并通过目标监测模型将图像数据中包含的每个车辆的位置框及其反光镜的位置框输出。其中,目标检测模型可以为SSD(Single Shot MultiBox Detector,单个深层神经网络目标检测)网络模型、Yolo(You Only Look Once,统一实时目标检测)网络模型等,这里不对目标检测模型作具体限定。
在一些实施例中,步骤103,包括:
步骤1031,将所述图像数据输入经过预训练的所述语义分割模型,通过所述语义分割模型从所述图像数据图像中提取特征图。
步骤1032,对所述特征图进行像素分类,得到所述路面区域和所述车辆区域,并通过所述语义分割模型将所述路面区域和所述车辆区域输出。
具体实施时,将图像数据输入到语义分割模型后,经过多次卷积及池化过程得到一系列的特征图,然后利用反卷积层对最后一个卷积层得到的特征图进行上采样,使得上采样后特征图与原图像的大小一样,从而实现对特征图上的每个像素值进行预测的同时保留其在原图像中的空间位置信息,最后对上采样特征图进行逐像素分类,得到路面区域和车辆区域,并通过语义分割模型将路面区域和车辆区域输出,语义分割模型引入增大数据尺寸的反卷积(deconv)层,能够输出精细的结果。
在一些实施例中,步骤107中,所述根据所述判断结果进行预警,包括:
响应于确定所述判断结果为不是自身车辆,发出预警。
具体实施时,当判断结果为不是自身车辆时,发出预警信息,并且可以根据预警信息进行制动,进而保障车辆行驶安全。
此外,当判断结果为不是自身车辆时,还可以对与自身车辆相邻的其他车辆进行距离计算,当与自身车辆相邻的其他车辆的距离小于等于设置的阈值,发出预警信息,根据预警信息进行制动。
需要说明的是,本申请实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种车辆盲区监测预警系统。
参考图2,所述系统与摄像头通信连接,所述摄像头设置在自身车辆车尾一侧,所述系统包括:
数据采集模块201,被配置为通过所述摄像头对当前时刻的前方道路通行状况进行数据采集,得到图像数据;
检测模块202,被配置为对所述图像数据进行检测,在图像坐标系下确定所述图像数据中包含的每个车辆的位置框及其反光镜的位置框;
语义分割模块203,被配置为对所述图像数据进行划分,得到所述图像数据中包含的路面区域和车辆区域;
自身车辆反光镜判断模块204,被配置为基于所述路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部所述反光镜的位置框按照预设第一规则确定出自身车辆反光镜的位置框;
自身车辆反光镜跟踪模块205,被配置为从当前时刻开始对所述自身车辆反光镜的位置框进行跟踪,得到在图像坐标系下所述自身车辆反光镜的位置框移动轨迹;
位置获取模块206,被配置为基于全部所述车辆的位置框、所述车辆区域和所述移动轨迹,得到世界坐标系下各个车辆的位置框;
预警判断模块207,被配置为根据预先设定的自身车辆信息按照预设第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,并根据所述判断结果进行预警。
在一些实施例中,所述自身车辆反光镜判断模块204,包括:
规则预设规则单元,被配置为获取当前时刻的车辆速度和车辆方向盘转角;
响应于确定所述车辆速度大于预设的速度阈值,且所述车辆方向盘转角小于预设的转角阈值,将所述路面区域的一侧作为自身车辆所在的车辆区域,其中,所述路面区域的一侧为与摄像头安装位置侧相反的一侧;
根据不同时刻的所述图像坐标系下包含的各个车辆反光镜的位置框、形状、面积和图像纹理进行判断,若从当前时刻起持续采集到的所有图像数据中存在相同的所述车辆反光镜且所述车辆反光镜出现的次数大于等于预定的次数;
图像坐标系下的其中一个车辆反光镜的位置框的横坐标均小于图像坐标系下的其他车辆反光镜的位置框的横坐标;
所述路面区域和车辆区域的交界与其中一个车辆反光镜的距离小于路面区域和车辆区域的交界与其他车辆反光镜的距离。
在一些实施例中,所述预先设定的自身车辆信息至少包括下列之一:
所述预设第二规则包括:
在一些实施例中,检测模块202,具体被配置为:
将所述图像数据输入经过预训练的所述目标检测模型,通过所述目标检测模型对所述图像数据进行密集抽样,得到抽样数据;
对所述抽样数据进行检测分类,得到图像数据中包含的每个车辆的位置框及其反光镜的位置框,并通过所述目标监测模型将所述图像数据中包含的每个车辆的位置框及其反光镜的位置框输出。
在一些实施例中,语义分割模块203,具体被配置为:
将所述图像数据输入经过预训练的所述语义分割模型,通过所述语义分割模型从所述图像数据图像中提取特征图;
对所述特征图进行像素分类,得到所述路面区域和所述车辆区域,并通过所述语义分割模型将所述路面区域和所述车辆区域输出。
在一些实施例中,预警判断模块207,具体被配置为:
响应于确定所述判断结果为不是自身车辆,发出预警。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的车辆盲区监测预警方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上任意一实施例所述的车辆盲区监测预警方法。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线 1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、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等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的车辆盲区监测预警方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的车辆盲区监测预警方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的车辆盲区监测预警方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本申请实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车辆盲区监测预警方法,其特征在于,应用于车辆盲区监测预警系统,所述系统与摄像头通信连接,所述摄像头设置在自身车辆车尾一侧,所述方法包括:
通过所述摄像头对当前时刻的前方道路通行状况进行数据采集,得到图像数据;
对所述图像数据进行检测,在图像坐标系下确定所述图像数据中包含的每个车辆的位置框及其反光镜的位置框;
对所述图像数据进行划分,得到所述图像数据中包含的路面区域和车辆区域;
基于所述路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部所述反光镜的位置框按照预设第一规则确定出自身车辆反光镜的位置框,其中,所述预设第一规则为根据所述路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部所述反光镜的位置框构建的判定条件,从全部反光镜的位置框中选取满足所述判定条件的反光镜的位置框作为自身车辆反光镜的位置框;
从当前时刻开始对所述自身车辆反光镜的位置框进行跟踪,得到在图像坐标系下所述自身车辆反光镜的位置框移动轨迹;
基于全部所述车辆的位置框、所述车辆区域和所述移动轨迹,得到世界坐标系下各个车辆的位置框;
根据预先设定的自身车辆信息按照预设第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,并根据所述判断结果进行预警,其中,所述预设第二规则用于区分自身车辆的位置框与其它车辆的位置框,响应于满足所述预设第二规则,所述判断结果为自身车辆,响应于不满足所述预设第二规则,所述判断结果为其它车辆。
2.根据权利要求1所述的方法,其特征在于,所述预设第一规则包括第一判断规则、第二判断规则、第三判断规则和第四判断规则,其中,所述第一判断规则包括:
获取当前时刻的车辆速度和车辆方向盘转角;
响应于确定所述车辆速度大于预设的速度阈值,且所述车辆方向盘转角小于预设的转角阈值,将所述路面区域的一侧作为自身车辆所在的车辆区域,其中,所述路面区域的一侧为与摄像头安装位置侧相反的一侧;
所述第二判断规则包括:
根据不同时刻的所述图像坐标系下包含的各个车辆反光镜的位置框、形状、面积和图像纹理进行判断,若从当前时刻起持续采集到的所有图像数据中存在相同的所述车辆反光镜且所述车辆反光镜出现的次数大于等于预定的次数;
所述第三判断规则包括:
图像坐标系下的其中一个车辆反光镜的位置框的横坐标均小于图像坐标系下的其他车辆反光镜的位置框的横坐标;
所述第四判断规则包括:
所述路面区域和车辆区域的交界与其中一个车辆反光镜的距离小于路面区域和车辆区域的交界与其他车辆反光镜的距离。
3.根据权利要求1所述的方法,其特征在于,所述预先设定的自身车辆信息至少包括下列之一:
直向行驶时自身车辆最前方与所述摄像头的最大纵向距离Lmax、向摄像头安装位置同侧转向时自身车辆车头与自身车辆车身位置垂直时与摄像头安装位置同侧的车辆车头与所述摄像头的最大横向距离Wmax;
所述预设第二规则包括:
图像坐标系下的车辆反光镜的位置框出现在图像坐标系下的车辆的位置框中,并且直向行驶时车辆最前方与所述摄像头的纵向距离小于Lmax,右转时车辆车头与车辆车身位置垂直时与摄像头安装位置同侧的车辆车头与所述摄像头的横向距离小于Wmax。
4.根据权利要求1所述的方法,其特征在于,所述对所述图像数据进行检测,在图像坐标系下确定所述图像数据中包含的每个车辆的位置框及其反光镜的位置框,包括:
将所述图像数据输入经过预训练的目标检测模型,通过所述目标检测模型对所述图像数据进行密集抽样,得到抽样数据;
对所述抽样数据进行检测分类,得到图像数据中包含的每个车辆的位置框及其反光镜的位置框,并通过所述目标检测模型将所述图像数据中包含的每个车辆的位置框及其反光镜的位置框输出。
5.根据权利要求1所述的方法,其特征在于,所述对所述图像数据进行划分,得到所述图像数据中包含的路面区域和车辆区域,包括:
将所述图像数据输入经过预训练的语义分割模型,通过所述语义分割模型从所述图像数据图像中提取特征图;
对所述特征图进行像素分类,得到所述路面区域和所述车辆区域,并通过所述语义分割模型将所述路面区域和所述车辆区域输出。
6.根据权利要求1所述的方法,其特征在于,所述根据所述判断结果进行预警,包括:
响应于确定所述判断结果为不是自身车辆,发出预警。
7.一种车辆盲区监测预警系统,其特征在于,所述系统与摄像头通信连接,所述摄像头设置在自身车辆车尾一侧,所述系统包括:
数据采集模块,被配置为通过所述摄像头对当前时刻的前方道路通行状况进行数据采集,得到图像数据;
检测模块,被配置为对所述图像数据进行检测,在图像坐标系下确定所述图像数据中包含的每个车辆的位置框及其反光镜的位置框;
语义分割模块,被配置为对所述图像数据进行划分,得到所述图像数据中包含的路面区域和车辆区域;
自身车辆反光镜判断模块,被配置为基于所述路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部所述反光镜的位置框按照预设第一规则确定出自身车辆反光镜的位置框,其中,所述预设第一规则为根据所述路面区域、当前时刻的自身车辆速度、当前时刻的自身车辆方向盘转角和全部所述反光镜的位置框构建的判定条件,从全部反光镜的位置框中选取满足所述判定条件的反光镜的位置框作为自身车辆反光镜的位置框;
自身车辆反光镜跟踪模块,被配置为从当前时刻开始对所述自身车辆反光镜的位置框进行跟踪,得到在图像坐标系下所述自身车辆反光镜的位置框移动轨迹;
位置获取模块,被配置为基于全部所述车辆的位置框、所述车辆区域和所述移动轨迹,得到世界坐标系下各个车辆的位置框;
预警判断模块,被配置为根据预先设定的自身车辆信息按照预设第二规则对世界坐标系下各个车辆的位置框进行判断,得到判断结果,并根据所述判断结果进行预警,其中,所述预设第二规则用于区分自身车辆的位置框与其它车辆的位置框,响应于满足所述预设第二规则,所述判断结果为自身车辆,响应于不满足所述预设第二规则,所述判断结果为其它车辆。
8.根据权利要求7所述的系统,其特征在于,所述自身车辆反光镜判断模块,包括:
预设规则单元,被配置为获取当前时刻的车辆速度和车辆方向盘转角;
响应于确定所述车辆速度大于预设的速度阈值,且所述车辆方向盘转角小于预设的转角阈值,将所述路面区域与摄像头安装位置同侧的区域作为车辆区域;
根据不同时刻的所述图像坐标系下包含的各个车辆反光镜的位置框、形状、面积和图像纹理进行判断,若从当前时刻起持续采集到的所有图像数据中存在相同的所述车辆反光镜且所述车辆反光镜出现的次数大于等于预定的次数;
图像坐标系下的其中一个车辆反光镜的位置框的横坐标均小于图像坐标系下的其他车辆反光镜的位置框的横坐标;
所述路面区域和车辆区域的交界与其中一个车辆反光镜的距离小于路面区域和车辆区域的交界与其他车辆反光镜的距离。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任意一项所述的方法。
10.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,其特征在于,所述计算机指令用于使计算机执行权利要求1至6任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210919238.9A CN114973208B (zh) | 2022-08-02 | 2022-08-02 | 车辆盲区监测预警方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210919238.9A CN114973208B (zh) | 2022-08-02 | 2022-08-02 | 车辆盲区监测预警方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114973208A CN114973208A (zh) | 2022-08-30 |
CN114973208B true CN114973208B (zh) | 2022-11-29 |
Family
ID=82969614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210919238.9A Active CN114973208B (zh) | 2022-08-02 | 2022-08-02 | 车辆盲区监测预警方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973208B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115468579B (zh) * | 2022-11-03 | 2023-03-24 | 广汽埃安新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633282A (zh) * | 2021-01-07 | 2021-04-09 | 清华大学深圳国际研究生院 | 一种车辆实时跟踪方法及计算机可读存储介质 |
CN112793509A (zh) * | 2021-04-14 | 2021-05-14 | 天津所托瑞安汽车科技有限公司 | 一种盲区监测方法及装置、设备、介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201600094414A1 (it) * | 2016-09-20 | 2018-03-20 | St Microelectronics Srl | Un procedimento per rilevare un veicolo in sorpasso, relativo sistema di elaborazione, sistema di rilevazione di un veicolo in sorpasso e veicolo |
US10007269B1 (en) * | 2017-06-23 | 2018-06-26 | Uber Technologies, Inc. | Collision-avoidance system for autonomous-capable vehicle |
CN109398237A (zh) * | 2018-10-30 | 2019-03-01 | 湖北工业大学 | 一种重型卡车盲区监测系统及方法 |
KR102159920B1 (ko) * | 2018-12-27 | 2020-09-25 | 주식회사 호원 | 사각지대 모니터링 장치 |
CN110979338B (zh) * | 2019-12-20 | 2023-09-15 | 潍柴动力股份有限公司 | 牵引车盲区监测方法、装置及存储介质 |
CN113256739B (zh) * | 2021-06-28 | 2021-10-19 | 所托(杭州)汽车智能设备有限公司 | 车载bsd摄像头的自标定方法、设备和存储介质 |
CN113362607B (zh) * | 2021-08-10 | 2021-10-29 | 天津所托瑞安汽车科技有限公司 | 基于转向状态的盲区预警方法、装置、设备和介质 |
-
2022
- 2022-08-02 CN CN202210919238.9A patent/CN114973208B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633282A (zh) * | 2021-01-07 | 2021-04-09 | 清华大学深圳国际研究生院 | 一种车辆实时跟踪方法及计算机可读存储介质 |
CN112793509A (zh) * | 2021-04-14 | 2021-05-14 | 天津所托瑞安汽车科技有限公司 | 一种盲区监测方法及装置、设备、介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114973208A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992683B (zh) | 一种基于动态图像感知的交叉口盲区预警方法及系统 | |
EP2549457B1 (en) | Vehicle-mounting vehicle-surroundings recognition apparatus and vehicle-mounting vehicle-surroundings recognition system | |
US11620837B2 (en) | Systems and methods for augmenting upright object detection | |
JP5867273B2 (ja) | 接近物体検知装置、接近物体検知方法及び接近物体検知用コンピュータプログラム | |
JP6705496B2 (ja) | 画像処理装置、撮像装置、移動体機器制御システム、移動体、画像処理方法、及びプログラム | |
CN107914708A (zh) | 后方障碍物检测和距离估算 | |
JP6583527B2 (ja) | 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム | |
CN109074742B (zh) | 周边认知装置、周边认知方法和计算机可读取的记录介质 | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
JP6705497B2 (ja) | 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、プログラム、及び移動体 | |
JP4940177B2 (ja) | 交通流計測装置 | |
CN113297881B (zh) | 一种目标检测方法及相关装置 | |
CN102016954B (zh) | 车辆周围监测装置 | |
CN111091037A (zh) | 用于确定驾驶信息的方法和设备 | |
CN114973208B (zh) | 车辆盲区监测预警方法及相关设备 | |
KR102521656B1 (ko) | 객체를 인식하는 방법 및 장치 | |
JP7226368B2 (ja) | 物体状態識別装置 | |
CN111497741A (zh) | 碰撞预警方法及装置 | |
CN108629225B (zh) | 一种基于多幅子图与图像显著性分析的车辆检测方法 | |
CN114119955A (zh) | 一种潜在危险目标检测方法及装置 | |
JP7195200B2 (ja) | 車載装置、車載システムおよび周辺監視方法 | |
Matsuda et al. | A system for real-time on-street parking detection and visualization on an edge device | |
EP3869451A1 (en) | Information processing device, program, and information processing method | |
CN112835063B (zh) | 物体动静属性的确定方法、装置、设备及存储介质 | |
US11341670B2 (en) | Information processing device, information processing method, and recording medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |