CN115092174A - 基于人工智能的安全行车道路危险预警方法及系统 - Google Patents

Abstract

本发明公开了一种基于人工智能的安全行车道路危险预警方法及系统，其方法包括：接收和获取行车时的前方路况数据；其中，路况数据包括预安装于车辆的探测单元所采集的路况探测信息；基于预建立的避让预警模型对前方路况数据处理，评估车辆底盘的刮擦碰撞风险；当车辆底盘受损风险超过阈值，则输出对应的风险提示。本申请具有改善提高行车安全性的效果。

Description

基于人工智能的安全行车道路危险预警方法及系统

技术领域

本申请涉及行车安全技术领域，尤其是涉及一种基于人工智能的安全行车道路危险预警方法及系统。

背景技术

行车安全，作为影响千家万户的问题，一直以来受广大关联群众所关注。在汽车行驶过程中，除了危险驾驶导致的碰撞所引发的安全事故之外，还受道路路况的干涉，并可能因此出现其他安全问题：如道路上出现沟、坑、障碍物，而车辆未及时避让、减速所导致的汽车底盘、前、后保险杠等损坏。

上述情况对于传统燃油车而言，一般主要造成的车辆损伤，然而随着近几年新能源车辆的普及，由此产生的安全隐患加重，主要的一个原因是：新能源车辆的电池体积较大，大多选择安装于底部，所以过往的底盘护甲等损伤现在有可能演变为电池包损伤，并在之后引发汽车自燃，这类安全事件出现多次影响驾乘安全，因此本申请提出一种新的技术方案。

发明内容

为了改善提高行车安全性，本申请提供一种基于人工智能的安全行车道路危险预警方法及系统。

第一方面，本申请提供一种基于人工智能的安全行车道路危险预警方法，采用如下的技术方案：

一种基于人工智能的安全行车道路危险预警方法，包括：

接收和获取行车时的前方路况数据；其中，路况数据包括预安装于车辆的探测单元所采集的路况探测信息；

基于预建立的避让预警模型对前方路况数据处理，评估车辆底盘的刮擦碰撞风险；

当车辆底盘受损风险超过阈值，则输出对应的风险提示。

可选的，所述预安装于车辆的探测单元包括激光/雷达/声波测距模块以及图像采集模块；

所述路况探测信息包括距离探测信息和图像信息；

其中，所述距离探测信息为从车身倾斜朝下探测行进道路所得，所述图像信息为预设的激光/雷达/声波测距模块的探测落点所在区的图像。

可选的，所述避让预警模型对前方路况数据处理，其包括：

距离探测信息识别，并判断是否满足刮擦高差阈值，如果是，则计时得到持续时长T，并执行一下步；

获取实时车速v1；

当实时车速v1小于第一速度阈值，若T大于t1，则判定为存在风险；

当实时车速v1大于第一速度阈值，且小于第二速度阈值，若T大于t2，则判定为存在风险；

当t1或t2大于上下坡触发时长阈值，则判定为上下坡；

其中，t1＞t2，且为预设跨越时间参数。

可选的，所述避让预警模型对前方路况数据处理，其包括：

当持续时长T计时，抽取对应时间节点的图像信息，记为待处理图像；

对待处理图像识别，判断是否满足风险特征，如果是，则判定刮擦风险超过阈值，并输出。

可选的，所述避让预警模型对前方路况数据处理，其包括：

距离探测信息识别，并判断是否满足碰撞高差阈值，如果是，则判定碰撞风险超过阈值，并输出提示。

可选的，还包括：

获取导航数据及车辆定位数据；

基于导航数据及车辆定位数据，识别前方路况场景；

所述避让预警模型对前方路况数据处理，其还包括：

当判定为上下坡，识别前方路况场景是否符合上下坡场景，如果是，则输出上下坡提示；如果否，则判定为刮擦碰撞风险超过阈值，并输出。

第二方面，本申请提供一种基于人工智能的安全行车道路危险预警系统，采用如下的技术方案：

一种基于人工智能的安全行车道路危险预警系统，包括控制模块和探测单元，所述控制模块包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述基于人工智能的安全行车道路危险预警方法的计算机程序；所述探测单元连接于控制模块，且用于采集和反馈前方路况探测信息。

可选的，还包括预安装于车辆的探测单元包括激光/雷达/声波测距模块以及图像采集模块，所述测距模块以及图像采集模块分别安装于适配的转动底座上，且配置有电驱动单元，所述电驱动单元电连接于控制模块；

所述控制模块，其被配置为：

用于获取激光/雷达/声波测距模块的探测角度的调整参数，并控制对应电驱动单元；

用于根据调整参数查找预设的探测-摄像头调整关系表，调取匹配的图像采集模块的角度调整参数。

可选的，所述控制模块，其被配置为：

用于获取车辆的胎压数据；

根据胎压数据查找胎压-底盘离地高度数据表，调用匹配的底盘离地高度；

用于获取用户的选择的当前预警灵敏度指令；

根据预警灵敏度指令查找预设的预警灵敏度-探测距离关系表，调用匹配的探测距离；

基于三角函数计算并得到探测角度的调整参数。

综上所述，本申请包括以下至少一种有益技术效果：可以主动对行车方向前方的路况进行探测，并对探测结果分析，以此评估车辆底盘刮擦碰撞的风险并预警提示驾驶员，从而有效提高行车安全。

附图说明

图1是本申请的方法的主流程示意图；

图2是本申请的架构示意图。

具体实施方式

以下结合附图1-2对本申请作进一步详细说明。

本申请公开一种基于人工智能的安全行车道路危险预警方法及系统，其建立于快速发展的车机系统，通过汽车的人工智能进行实现，以完善自动驾驶，对L1-L4各级别的自动驾驶进行功能补充完善，是实现L5级别自动驾驶的一个助力项。

为方便对方法理解和解释，下述优先对系统进行解释。

参照图2，基于人工智能的安全行车道路危险预警系统，其包括控制模块和探测单元。

其中，控制模块包括存储器和处理器，存储器上存储有能够被处理器加载并执行如下述基于人工智能的安全行车道路危险预警方法的计算机程序；相关方法下述具体解释，不再赘述。控制模块还连接于车机，以获取车辆的胎压数据，并通过车机从互联网、卫星获取导航定位数据。

探测单元，其包括测距模块和图像采集模块；测距模块可以选择任一基于激光/雷达/声波实现测距的探测器；图像采集模块，即车载摄像头（参考行车记录仪）。

需要注意的是，上述测距模块可安装于车头中网（360全景摄像头的前摄像头左右）；若多个安装，则以车前顶并排分布安装。图像采集模块，内置车内后视镜或车前顶安装。

对于上述测距模块和图像采集模块的安装，具体可通过转动底座配合螺栓实现。假定两种模块为块状；转动底座可为有底托的U结构，并以转轴转动连接于U的两臂之间。对应的还安装小型减速电机连接，并转动转轴，即作为电驱动单元实现对两模块的朝向控制。电驱动单元连接于控制模块。

关于上述各单元、模块如何使用，配合实现安全行车道路危险预警，下述具体解释。

参照图1，基于人工智能的安全行车道路危险预警方法包括：

步骤一、接收和获取行车时的前方路况数据；其中，路况数据包括预安装于车辆的探测单元所采集的路况探测信息；

步骤二、基于预建立的避让预警模型对前方路况数据处理，评估车辆底盘的刮擦碰撞风险；

步骤三、当车辆底盘受损风险超过阈值，则输出对应的风险提示（输送至车机，如：体现为车机语音提示、弹窗提示）。

即，本申请可以主动对行车方向前方的路况进行探测，并对探测结果分析，以此评估车辆底盘刮擦碰撞的风险并预警提示驾驶员，从而有效提高行车安全。

关于路况探测信息，即前述系统中探测单元采集反馈得到的距离探测信息和图像信息。需要注意的是，距离探测信息为从车身倾斜朝下探测行进道路所得，图像信息为预设的激光/雷达/声波测距模块的探测落点所在区的图像。

即，在本申请中测距模块独特的安装方式，角度可调并非随意设置，而是有原因的；原因如下：

1）、测距模块安装于底盘，平视探测，该种方式会导致测距模块易被行车过程中溅射的污物所损毁和污染，实车验证时即便在晴朗的高速测试，超过80公里之后，尤其是早晚时间也难以保证探测效果。

2）、以知直角三角形的斜边长大于任一直角边；同理，倾斜向下的探测线（束）相对可放大路面障碍物（碎石）等尺寸引起的探测值变化。

上述图像采集的限定，是为了对测距结果的双向验证，减少车辆颠簸、草丛等可能引起的误判。

以下对上述“避让预警模型对前方路况数据处理”做具体解释，其主要包括以下几项：

1、距离探测信息识别，并判断是否满足刮擦高差阈值。

假定一个障碍物恰好认定为有70%几率导致底盘刮擦，即满足底盘离地最小高度，此时探测所得距离为L1，则L1为刮擦高差阈值。

如果上述判断满足刮擦高差阈值，则计时得到持续时长T，并执行一下步；

获取实时车速v1（车机获取）；

当实时车速v1小于第一速度阈值，若T大于t1，则判定为存在风险；

当实时车速v1大于第一速度阈值，且小于第二速度阈值，若T大于t2，则判定为存在风险。

其中，t1＞t2，且为预设跨越时间参数。

即，所谓的探测到障碍物后，障碍物通过探测范围的时长；不同的车速，对应不同的时长；本实施例仅分为两档，第一速度阈值可为40km/h；第二速度阈值可为80km/h；因此t1、t2，即为对应预设极限值。

当t1或t2大于上下坡触发时长阈值，则判定为上下坡。

即，本申请对于汽车的上下坡一类有剔除，因为上下坡尤其是始末阶段，将满足高差阈值，但是持续时长相对更长，由此以持续时间对其辨识。

前述已经解释，本申请有利用图像对测距探测判定结果验证，具体地：

当持续时长T计时，抽取对应时间节点的图像信息，记为待处理图像；

对待处理图像识别，判断是否满足风险特征，如果是，则判定刮擦风险超过阈值，并输出。

可以理解的是，上述承载的芯片计算速率越高，识别响应越快速，给驾驶人预警预留出来的时间也就越长；因此，图像识别，可为针对性的特征识别，如：草丛、植被特征识别，有，则为满足风险特征。对于在这类场地行进，主要依赖驾驶员主动辨识前方路况。

本方法在做出诸多配置设置后，如果只是做底盘刮擦预警，过于局限和浪费，因此避让预警模型对前方路况数据处理，其还包括：

距离探测信息识别，并判断是否满足碰撞高差阈值，如果是，则判定碰撞风险超过阈值，并输出提示。

可以理解的是，碰撞高差阈值大于刮擦高差阈值；由此不仅是对一般性的道路障碍物能预警，减小碰撞几率；还可直接被用作前置碰撞预警雷达类同的功能。

本方法进一步的，还设置为：

获取导航数据及车辆定位数据（车机获取）；

基于导航数据及车辆定位数据，识别前方路况场景（前方是桥梁、上坡、下坡等路段）。

此时，避让预警模型对前方路况数据处理，其还包括：

当判定为上下坡，识别前方路况场景是否符合上下坡场景，如果是，则输出上下坡提示；如果否，则判定为刮擦碰撞风险超过阈值，并输出。

即，对于探测内容的分析结果本方法还引入实时的导航数据进行验证，防止部分大体积障碍物可能引发的上下坡造成的误判。

综上所述，本方法不仅可以基于前方路况预警，提示驾驶员安全行车，还可以对分析过程多项交叉验证，保证预警结果的准确性。

在本申请的另一个实施例中，本方法基于前述系统的独有探测单元安装设置，还包括以下内容：

1）、获取激光/雷达/声波测距模块的探测角度的调整参数（即，前述小型减速电机的转动控制指令，具体为历次转动调节数值），并控制对应电驱动单元；

此时，根据调整参数查找预设的探测-摄像头调整关系表，调取匹配的图像采集模块的角度调整参数。

即，本方法可对测距模块的探测角度，或者说标准探测落点位置调整；同时，摄像头具备同步跟随的能力。探测-摄像头调整关系表，由用户根据摄像头的焦距、电机参数验证所得，保障测距探测落点，始终在指定的中央拍摄区即可。

2）、获取车辆的胎压数据；

根据胎压数据查找胎压-底盘离地高度数据表（实车上路验证记录），调用匹配的底盘离地高度；

获取用户的选择的当前预警灵敏度指令（低、中、高三个灵敏级别，分别表示探测点车身的距离低、中、高，如20m、50m、80m）；

根据预警灵敏度指令查找预设的预警灵敏度-探测距离关系表，调用匹配的探测距离；

基于三角函数计算并得到探测角度的调整参数（参见上述距离L的计算）。

示例：可知，底盘离地决定-平地时探测起点离地高度。

代入直角三角形，引入三角函数，计算；探测起点离地高度为一个直角边长，平地时探测落点离车距离为另一个直角边长，三角函数计算得到距离L。反之，已知探测起点离地高度、距离L，则可计算夹角；由此与前一数值比较，得到调整量。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (9)

1.一种基于人工智能的安全行车道路危险预警方法，其特征在于，包括：

接收和获取行车时的前方路况数据；其中，路况数据包括预安装于车辆的探测单元所采集的路况探测信息；

基于预建立的避让预警模型对前方路况数据处理，评估车辆底盘的刮擦碰撞风险；

当车辆底盘受损风险超过阈值，则输出对应的风险提示。

2.根据权利要求1所述的基于人工智能的安全行车道路危险预警方法，其特征在于：所述预安装于车辆的探测单元包括激光/雷达/声波测距模块以及图像采集模块；

所述路况探测信息包括距离探测信息和图像信息；

其中，所述距离探测信息为从车身倾斜朝下探测行进道路所得，所述图像信息为预设的激光/雷达/声波测距模块的探测落点所在区的图像。

3.根据权利要求2所述的基于人工智能的安全行车道路危险预警方法，其特征在于，所述避让预警模型对前方路况数据处理，其包括：

距离探测信息识别，并判断是否满足刮擦高差阈值，如果是，则计时得到持续时长T，并执行一下步；

获取实时车速v1；

当实时车速v1小于第一速度阈值，若T大于t1，则判定为存在风险；

当实时车速v1大于第一速度阈值，且小于第二速度阈值，若T大于t2，则判定为存在风险；

当t1或t2大于上下坡触发时长阈值，则判定为上下坡；

其中，t1＞t2，且为预设跨越时间参数。

4.根据权利要求3所述的基于人工智能的安全行车道路危险预警方法，其特征在于，所述避让预警模型对前方路况数据处理，其包括：

当持续时长T计时，抽取对应时间节点的图像信息，记为待处理图像；

对待处理图像识别，判断是否满足风险特征，如果是，则判定刮擦风险超过阈值，并输出。

5.根据权利要求3所述的基于人工智能的安全行车道路危险预警方法，其特征在于：所述避让预警模型对前方路况数据处理，其包括：

距离探测信息识别，并判断是否满足碰撞高差阈值，如果是，则判定碰撞风险超过阈值，并输出提示。

6.根据权利要求3所述的基于人工智能的安全行车道路危险预警方法，其特征在于，还包括：

获取导航数据及车辆定位数据；

基于导航数据及车辆定位数据，识别前方路况场景；

所述避让预警模型对前方路况数据处理，其还包括：

当判定为上下坡，识别前方路况场景是否符合上下坡场景，如果是，则输出上下坡提示；如果否，则判定为刮擦碰撞风险超过阈值，并输出。

7.一种基于人工智能的安全行车道路危险预警系统，其特征在于：包括控制模块和探测单元，所述控制模块包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求6所述基于人工智能的安全行车道路危险预警方法的计算机程序；所述探测单元连接于控制模块，且用于采集和反馈前方路况探测信息。

8.根据权利要求7所述的基于人工智能的安全行车道路危险预警系统，其特征在于：还包括预安装于车辆的探测单元包括激光/雷达/声波测距模块以及图像采集模块，所述测距模块以及图像采集模块分别安装于适配的转动底座上，且配置有电驱动单元，所述电驱动单元电连接于控制模块；

所述控制模块，其被配置为：

用于获取激光/雷达/声波测距模块的探测角度的调整参数，并控制对应电驱动单元；

用于根据调整参数查找预设的探测-摄像头调整关系表，调取匹配的图像采集模块的角度调整参数。

9.根据权利要求8所述的基于人工智能的安全行车道路危险预警系统，其特征在于，所述控制模块，其被配置为：

用于获取车辆的胎压数据；

根据胎压数据查找胎压-底盘离地高度数据表，调用匹配的底盘离地高度；

用于获取用户的选择的当前预警灵敏度指令；

根据预警灵敏度指令查找预设的预警灵敏度-探测距离关系表，调用匹配的探测距离；

基于三角函数计算并得到探测角度的调整参数。

Images