CN115880946B - 一种跟车警报方法、装置、设备及存储介质 - Google Patents
一种跟车警报方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115880946B CN115880946B CN202310014871.8A CN202310014871A CN115880946B CN 115880946 B CN115880946 B CN 115880946B CN 202310014871 A CN202310014871 A CN 202310014871A CN 115880946 B CN115880946 B CN 115880946B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- bus
- vehicle
- following
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000008447 perception Effects 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 14
- 238000007637 random forest analysis Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 208000034699 Vitreous floaters Diseases 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种跟车警报方法、装置、设备及存储介质,该方法包括:向公交车的前方采集原始点云数据、图像数据;对原始点云数据执行去噪处理,获得候选点云数据;将候选点云数据投影至图像数据中,获得目标感知数据;对目标感知数据进行语义分割,得到位于公交车之前的车辆;提取位于公交车与车辆之间的原始点云数据,作为表示雨滴的目标点云数据;统计目标点云数据的密度;根据密度对公交车跟随车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值;若公交车跟随车辆之后行驶的距离小于第一跟车阈值和/或公交车跟随车辆之后行驶的速度大于第二跟车阈值,则生成警报信息。设置与雨势适配的跟车距离、跟车速度,提高乘客的人身安全。
Description
技术领域
本发明涉及自动驾驶的技术领域,尤其涉及一种跟车警报方法、装置、设备及存储介质。
背景技术
公交车是人们日常出行的公共交通之一,由于公交车中的乘客较多,尤其是部分乘客可能是站着,因而公交车的速度会设置一个默认的上限值,公交车在速度超过该上限值时会发出警报。
司机在驾驶公交车时,往往会贴近上限值行驶,在下雨时,道路容易出现拥堵,公交车以贴近上限值的速度行驶时,一般与前车相距较近,多发生急停、急启动等驾驶操作,公交车上的乘客容易碰撞、跌倒等意外,对乘客的人身安全构成风险。
发明内容
本发明提供了一种跟车警报方法、装置、设备及存储介质,以解决在下雨时如何控制公交车合适地跟车行驶。
根据本发明的一方面,提供了一种跟车警报方法,应用于公交车,所述方法包括:
当接收到表示所述公交车所处的地区下雨的预警信号时,分别向所述公交车的前方采集原始点云数据、图像数据;
以雨滴作为噪声,对所述原始点云数据执行去噪处理,获得候选点云数据;
将所述候选点云数据投影至所述图像数据中,获得目标感知数据;
对所述目标感知数据进行语义分割,得到位于所述公交车之前的车辆;
提取位于所述公交车与所述车辆之间的所述原始点云数据,作为表示雨滴的目标点云数据;
统计所述目标点云数据的密度;
根据所述密度对所述公交车跟随所述车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值;
若所述公交车跟随所述车辆之后行驶的距离小于所述第一跟车阈值和/或所述公交车跟随所述车辆之后行驶的速度大于所述第二跟车阈值,则生成警报信息。
根据本发明的另一方面,提供了一种跟车警报装置,应用于公交车,所述装置包括:
环境感知模块,用于当接收到表示所述公交车所处的地区下雨的预警信号时,分别向所述公交车的前方采集原始点云数据、图像数据;
点云去噪模块,用于以雨滴作为噪声,对所述原始点云数据执行去噪处理,获得候选点云数据;
点云投影模块,用于将所述候选点云数据投影至所述图像数据中,获得目标感知数据;
车辆识别模块,用于对所述目标感知数据进行语义分割,得到位于所述公交车之前的车辆;
雨滴识别模块,用于提取位于所述公交车与所述车辆之间的所述原始点云数据,作为表示雨滴的目标点云数据;
密度统计模块,用于统计所述目标点云数据的密度;
跟车阈值设置模块,用于根据所述密度对所述公交车跟随所述车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值;
警报信息生成模块,用于若所述公交车跟随所述车辆之后行驶的距离小于所述第一跟车阈值和/或所述公交车跟随所述车辆之后行驶的速度大于所述第二跟车阈值,则生成警报信息。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的跟车警报方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使处理器执行时实现本发明任一实施例所述的跟车警报方法。
在本实施例中,当接收到表示公交车所处的地区下雨的预警信号时,分别向公交车的前方采集原始点云数据、图像数据;以雨滴作为噪声,对原始点云数据执行去噪处理,获得候选点云数据;将候选点云数据投影至图像数据中,获得目标感知数据;对目标感知数据进行语义分割,得到位于公交车之前的车辆;提取位于公交车与车辆之间的原始点云数据,作为表示雨滴的目标点云数据;统计目标点云数据的密度;根据密度对公交车跟随车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值;若公交车跟随车辆之后行驶的距离小于第一跟车阈值和/或公交车跟随车辆之后行驶的速度大于第二跟车阈值,则生成警报信息。本实施例使用司机驾驶公交车的先验知识,在公交车与其他车辆之间寻找表示雨滴的目标点云数据,提高了检测雨滴的精确度,从而精准地测量出公交车的雨势,设置与雨势适配的跟车距离、跟车速度,减少发生急停、急启动等驾驶操作,减少公交车上的乘客发生碰撞、跌倒等意外的风险,提高乘客的人身安全。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种跟车警报方法的流程图;
图2是根据本发明实施例二提供的一种跟车警报装置的结构示意图;
图3是实现本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种跟车警报方法的流程图,本实施例可适用于根据雨势自适应调节公交车跟车的速度、距离的情况,该方法可以由跟车警报装置来执行,该跟车警报装置可以采用硬件和/或软件的形式实现,该跟车警报装置可配置于电子设备中,尤其为公交车。如图1所示,该方法包括:
步骤101、当接收到表示公交车所处的地区下雨的预警信号时,分别向公交车的前方采集原始点云数据、图像数据。
在本实施例中,公交车支持自动驾驶,所谓自动驾驶,可以指车辆本身拥有环境感知、路径规划并且自主实现车辆控制的能力,也就是用电子技术控制公交车进行的仿人驾驶。
根据对公交车操控任务的把握程度,自动驾驶可以分为L0非自动化(NoAutomotion)、L1驾驶人辅助(Driver Assistance)、L2部分自动化(Partial Automation)、L3有条件自动化(Conditional Automation)、L4高自动化(High Automation)、L5全自动化(Full Automation),那么,公交车可支持L1、L2中任一自动驾驶的级别。
公交车可以包括驾驶控制设备,车身总线,ECU(Electronic Control Unit,电子控制单元),传感器和执行器件。
驾驶控制设备(又称为车载大脑)负责整个公交车的总体智能控制。驾驶控制设备可以是单独设置的控制器,例如,CPU、异构处理器(如GPU、TPU、NPU等)可编程逻辑控制器(Programmable LogicController,PLC)、单片机、工业控制机等;也可以是由其他具有输入/输出端口,并具有运算控制功能的电子器件组成的设备;还可以是安装有车辆驾驶控制类应用的计算机设备。驾驶控制设备可以对从车身总线上接收到的各个ECU发来的数据和/或各个传感器发来的数据进行分析处理,作出相应的决策,并将决策对应的指令发送到车身总线。
车身总线可以是用于连接驾驶控制设备,ECU,传感器以及公交车的其他未示出的设备的总线。由于CAN(Controller AreaNetwork,控制器局域网络)总线的高性能和可靠性已被广泛认同,因此目前机动车中常用的车身总线为CAN总线。当然,可以理解的是车身总线也可以是其他类型的总线。
车身总线可以将驾驶控制设备发出的指令发送给ECU,ECU再将上述指令进行分析处理后发给相应的执行器件执行。
传感器包括但不限于激光雷达、摄像头,等等。
应该理解,公交车中驾驶控制设备、车身总线、ECU、执行器件和传感器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的车辆、驾驶控制设备、车身总线、ECU和传感器。
公交车与云端保持通信连接,公交车实时将经纬度等信息传输至云端,云端实时将天气信息推送至公交车,如果公交车当接收到云端发送的、表示公交车所处的地区(以经纬度表示)下雨的预警信号时,公交车分别控制激光雷达向前方采集周围环境的原始点云数据、控制摄像头向前方采集周围环境的图像数据。
步骤102、以雨滴作为噪声,对原始点云数据执行去噪处理,获得候选点云数据。
由于激光雷达受雨滴的影响比较明显,在得到下雨的先验知识时,可以将雨滴作为噪声,使用预设的去噪算法对原始点云数据执行去噪处理,即,尽可能在原始点云数据中去除噪声(即雨滴),获得候选点云数据。
在一个示例中,可以查询预警信号对应的级别,例如,暴雨蓝色预警、暴雨黄色预警、暴雨橙色预警、暴雨红色预警,等等。
在每种级别中降雨量有所不同,雨滴在原始点云数据中呈现的特性也有所不同,因此,可以预先针对每种级别的预警信号训练对应的随机森林模型(Random Forest),随机森林模型是一个包含多个决策树的分类器,其输出的类别是由个别树输出的类别的众数而定。每次随机取样本的子集建一个决策树,从而由多个决策树组成森林。
在本示例中,随机森林模型可使用简单的特征对点云数据进行分类,类别包括雨滴、非雨滴,去噪处理并不要求高精度,能过滤一些典型的雨滴、降低点云数据的数据量即可,保证实时性,且便于后续操作。
在得到当前预警信号的级别时,加载预先针对该级别训练的随机森林模型。
针对所有原始点云数据,查询当前原始点云数据的信号强度、当前原始点云数据与邻域点云数据之间的点云距离,其中,当前原始点云数据与邻域点云数据相邻,如邻域点云数据是距离当前原始点云数据最近的n(n为正整数)个点云数据。
将信号强度与点云距离输入随机森林模型中进行决策(决策的机制有一票否决制、少数服从多数、加权多数等),得到当前原始点云数据的类别。
若类别为雨滴,则滤除当前原始点云数据;若类别为非雨滴,则保留当前原始点云数据。
步骤103、将候选点云数据投影至图像数据中,获得目标感知数据。
在实际应用中,激光雷达与摄像头存在互补的关系,可使用点云滤波算法将三维的候选点云数据投影到二维的图像数据中,融合两种不同维度感知,得到目标感知数据。
步骤104、对目标感知数据进行语义分割,得到位于公交车之前的车辆。
在本实施例中,将目标感知数据输入预先训练的目标检测模型中,例如,SSD(Single Shot Detector,单步多框检测器)及其改进的模型、R-CNN(基于区域的卷积神经网络)及其改进的模型,等等,目标检测模型对目标感知数据进行语义分割,输出各个目标,从这些目标中寻找位于公交车前一位的车辆,即,该车辆与公交车之间并不间隔其他车辆。
步骤105、提取位于公交车与车辆之间的原始点云数据,作为表示雨滴的目标点云数据。
在实际应用中,公交车是由司机驾驶,司机会根据实际的道路环境判断风险,以此选择安全的驾驶操作,一般情况下,公交车与前方的车辆之间是并不间隔其他障碍物,即,公交车与前方的车辆之间的空间属于空余空间,在空余空间中包含的障碍物基本为雨滴,虽然可能有塑料袋等漂浮物,但这些漂浮物数量较少、体积较小,可以忽略,那么,可将空余空间中的全部原始点云数据认为是表示雨滴的目标点云数据。
在本发明的一个实施例中,步骤105可以包括如下步骤:
步骤1051、在原始点云数据所处的坐标系中,分别对公交车生成第一线段、对车辆生成第二线段。
在本实施例中,为了对空余空间进一步进行限定,此时,可在原始点云数据所处的坐标系中,分别对公交车与车辆进行化简,对公交车生成第一线段、对车辆生成第二线段。
在具体实现中,可以基于激光雷达的安装位置确定地面,在原始点云数据所处的坐标系中设置高于地面的平面,如位于车轮顶部的平面,可减少地面、其他车辆(如小轿车)的原始点云数据的影响。
将位于平面之上的原始点云数据投影至平面上,作为投影点云数据。
在已标定激光雷达的情况下,可在平面上确定与公交车的头部平齐的第一线段。
对于公交车与车辆,均可以使用中心对称的线表示其朝向。
若公交车的朝向与车辆的朝向之间的差值小于预设的姿态阈值,表示公交车与前方的车辆均超相同的方向前行,则通过EM(Expectation-maximization algorithm,期望最大值)与GMM(Gaussian Mixed Model,高斯混合模型)等算法聚类,识别表示车辆的尾部的投影点云数据,作为第一参考点云数据。
在平面上通过RANSAC(RAndom SAmple Consensus,随机采样一致)等算法使用第一参考点云数据拟合第二线段。
若公交车的朝向与车辆的朝向之间的差值大于或等于预设的姿态阈值,表示前方的车辆从其他车道转入当前车道或者从当前车道转去其他车道,则通过EM与GMM等算法聚类,识别表示与公交车最近的车辆的侧面的投影点云数据,作为第二参考点云数据。
在平面上使用RANSAC等算法第二参考点云数据拟合第二线段。
步骤1052、使用第一线段与第二线段构建空间。
在第一线段与第二限定的限制下,构建除无其他障碍物的空间。
在具体实现中,在平面上以第一线段与第二线段为切线,构建形状为圆形的区域,即,该区域分别与第一线段、第二线段相切。
以区域为底面、指定高度(一般为公交车的车身高度,防止纳入高处的树木等障碍物)构建形状为圆柱体的空间,那么,该空间分别与公交车、前方的车辆相切,在减少计算量的同时,尽量提高空间的体积。
步骤1053、提取位于空间内的原始点云数据,作为表示雨滴的目标点云数据。
将原始点云数据的坐标与该空间进行比较,如果原始点云数据的坐标位于该空间中,则可以确认该原始点云数据为表示雨滴的目标点云数据。
步骤106、统计目标点云数据的密度。
在本实施例中,可以统计在一定范围内目标点云数据的密度,该密度可以在一定程度上反映公交车面临的雨势。
在具体实现中,由于空间的底与高是已知的,因此,计算底的面积与高之间的乘积,得到空间的体积,那么,可以统计空间中目标点云数据的数量,从而计算数量与空间的体积之间的比值,作为目标点云数据的密度。
步骤107、根据密度对公交车跟随车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值。
下雨的预警信号是对较大范围(如区等)内的雨势播报,是该范围内雨势的平均情况,并无法做到单点的雨势播报,在不同的地点,雨势会略有差异,而且,公交车因实时的环境对雨滴的阻挡,如树下遮挡雨滴、写字楼遮挡雨滴等,公交车面临的雨势可能存在较大的变化。
由于目标点云数据的密度可以在一定程度上反映公交车面临的雨势,该雨势会与局部的行驶操作存在较强的相关性,因此,可以参考目标点云数据的密度对公交车跟随车辆之后行驶的距离设置第一跟车阈值、对公交车跟随车辆之后行驶的速度设置第二跟车阈值。
在具体实现中,预先划分多个雨量等级,每个雨量等级关联第一范围,将目标点云数据的密度与各个第一范围进行比较,如果目标点云数据的密度落在某个第一范围内,则可以对目标点云数据的密度确定属于该第一范围关联的雨量等级。
示例性地,雨量等级从小到大依次包括小雨、中雨、大雨,其中,小雨对公交车的行驶并未构成实质性的影响,公交车可以使用雨刮排除雨滴的干扰,中雨对公交车的行驶构成一定的影响,公交车应加大雨刮的速度并放缓速度行驶,大雨对公交车的行驶构成明显的影响,公交车应继续加大雨刮的速度并继续放缓速度行驶、甚至临时停靠。
在公交车行驶的过程中,可以实时通过调用公交车内部的摄像头、微波雷达等传感器统计公交车内乘客的数量,预先划分多个拥挤等级,每个拥挤等级关联第二范围,将公交车内乘客的数量与各个第二范围进行比较,如果公交车内乘客的数量落在某个第二范围内,则可以对公交车内乘客的数量确定属于该第二范围关联的拥挤等级。
示例性地,拥挤等级从小到达依次排列为无拥挤、轻度拥挤、重度拥挤,无拥挤表示所有乘客具有座位,对急停、急启动并不敏感,轻度拥挤表示小量乘客无座位,具有较多的扶手选择,对急停、急启动较为敏感,重度拥挤表示大量乘客无座位,具有较少的扶手选择,对急停、急启动很敏感。
从云端查询公交车所处道路的拥堵等级,按照某些规范制度,拥堵等级从小到达依次排列为畅通、基本畅通、轻度拥堵、中度拥堵、严重拥堵。
针对各个雨量等级、各个拥挤等级与各个拥堵等级,可以进行任意的排列组合,针对每种组合可以进行实验并按照经验对跟车距离设置下限值、对跟车速度设置上限值。
一般情况下,雨量等级与跟车距离的下限值正相关、与跟车速度设置上限值负相关,拥挤等级与跟车距离的下限值正相关、与跟车速度设置上限值负相关,拥堵等级与跟车距离的下限值正相关、与跟车速度设置上限值负相关。
此时,将雨量等级、拥挤等级与拥堵等级共同映射的第一跟车阈值配置为公交车跟随车辆之后行驶的距离的下限值。
将雨量等级、拥挤等级与拥堵等级共同映射的第二跟车阈值配置为公交车跟随车辆之后行驶的速度的上限值。
步骤108、若公交车跟随车辆之后行驶的距离小于第一跟车阈值和/或公交车跟随车辆之后行驶的速度大于第二跟车阈值,则生成警报信息。
一方面,在原始点云数据中测量公交车跟随车辆之后行驶的距离,将公交车跟随车辆之后行驶的距离与第一跟车阈值进行比较。
另一方面,在公交车的测速仪中读取公交车跟随车辆之后行驶的速度,将公交车跟随车辆之后行驶的速度与第二跟车阈值进行比较。
如果公交车跟随车辆之后行驶的距离小于第一跟车阈值和/或公交车跟随车辆之后行驶的速度大于第二跟车阈值,表示急停、急启动的几率较大,则生成警报信息,提示司机注意控制跟车的距离和/或跟车的速度。
在本实施例中,当接收到表示公交车所处的地区下雨的预警信号时,分别向公交车的前方采集原始点云数据、图像数据;以雨滴作为噪声,对原始点云数据执行去噪处理,获得候选点云数据;将候选点云数据投影至图像数据中,获得目标感知数据;对目标感知数据进行语义分割,得到位于公交车之前的车辆;提取位于公交车与车辆之间的原始点云数据,作为表示雨滴的目标点云数据;统计目标点云数据的密度;根据密度对公交车跟随车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值;若公交车跟随车辆之后行驶的距离小于第一跟车阈值和/或公交车跟随车辆之后行驶的速度大于第二跟车阈值,则生成警报信息。本实施例使用司机驾驶公交车的先验知识,在公交车与其他车辆之间寻找表示雨滴的目标点云数据,提高了检测雨滴的精确度,从而精准地测量出公交车的雨势,设置与雨势适配的跟车距离、跟车速度,减少发生急停、急启动等驾驶操作,减少公交车上的乘客发生碰撞、跌倒等意外的风险,提高乘客的人身安全。
实施例二
图2为本发明实施例二提供的一种跟车警报装置的结构示意图。应用于公交车,如图2所示,该装置包括:
环境感知模块201,用于当接收到表示所述公交车所处的地区下雨的预警信号时,分别向所述公交车的前方采集原始点云数据、图像数据;
点云去噪模块202,用于以雨滴作为噪声,对所述原始点云数据执行去噪处理,获得候选点云数据;
点云投影模块203,用于将所述候选点云数据投影至所述图像数据中,获得目标感知数据;
车辆识别模块204,用于对所述目标感知数据进行语义分割,得到位于所述公交车之前的车辆;
雨滴识别模块205,用于提取位于所述公交车与所述车辆之间的所述原始点云数据,作为表示雨滴的目标点云数据;
密度统计模块206,用于统计所述目标点云数据的密度;
跟车阈值设置模块207,用于根据所述密度对所述公交车跟随所述车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值;
警报信息生成模块208,用于若所述公交车跟随所述车辆之后行驶的距离小于所述第一跟车阈值和/或所述公交车跟随所述车辆之后行驶的速度大于所述第二跟车阈值,则生成警报信息。
在本发明的一个实施例中,所述点云去噪模块202还用于:
查询所述预警信号对应的级别;
加载预先针对所述级别训练的随机森林模型;
针对所有所述原始点云数据,查询当前所述原始点云数据的信号强度、当前所述原始点云数据与邻域点云数据之间的点云距离,当前所述原始点云数据与所述邻域点云数据相邻;
将所述信号强度与所述点云距离输入所述随机森林模型中进行决策,得到当前所述原始点云数据的类别;
若所述类别为雨滴,则滤除当前所述原始点云数据;
若所述类别为非雨滴,则保留当前所述原始点云数据。
在本发明的一个实施例中,所述雨滴识别模块205还用于:
在所述原始点云数据所处的坐标系中,分别对所述公交车生成第一线段、对所述车辆生成第二线段;
使用所述第一线段与所述第二线段构建空间;
提取位于所述空间内的所述原始点云数据,作为表示雨滴的目标点云数据。
在本发明的一个实施例中,所述雨滴识别模块205还用于:
在所述原始点云数据所处的坐标系中设置高于地面的平面;
将位于所述平面之上的所述原始点云数据投影至所述平面上,作为投影点云数据;
在所述平面上确定与所述公交车的头部平齐的第一线段;
若所述公交车的朝向与所述车辆的朝向之间的差值小于预设的姿态阈值,则识别表示所述车辆的尾部的所述投影点云数据,作为第一参考点云数据;
在所述平面上使用所述第一参考点云数据拟合第二线段;
若所述公交车的朝向与所述车辆的朝向之间的差值大于或等于预设的姿态阈值,则识别表示与所述公交车最近的所述车辆的侧面的所述投影点云数据,作为第二参考点云数据;
在所述平面上使用所述第二参考点云数据拟合第二线段。
在本发明的一个实施例中,所述雨滴识别模块205还用于:
在所述平面上以所述第一线段与所述第二线段为切线,构建形状为圆形的区域;
以所述区域为底面构建形状为圆柱体的空间。
在本发明的一个实施例中,所述密度统计模块206还用于:
统计所述空间中所述目标点云数据的数量;
计算所述数量与所述空间的体积之间的比值,作为所述目标点云数据的密度。
在本发明的一个实施例中,所述跟车阈值设置模块207还用于:
对所述密度确定雨量等级;
统计所述公交车内乘客的数量;
对所述数量确定拥挤等级;
查询所述公交车所处道路的类型、拥堵等级;
将所述雨量等级、所述拥挤等级与所述拥堵等级共同映射的第一跟车阈值配置为所述公交车跟随所述车辆之后行驶的距离的下限值;
将所述雨量等级、所述拥挤等级与所述拥堵等级共同映射的第二跟车阈值配置为所述公交车跟随所述车辆之后行驶的速度的上限值。
本发明实施例所提供的跟车警报装置可执行本发明任意实施例所提供的跟车警报方法,具备执行跟车警报方法相应的功能模块和有益效果。
实施例三
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,如跟车警报方法。
在一些实施例中,跟车警报方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的跟车警报方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行跟车警报方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
实施例四
本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序在被处理器执行时实现如本发明任一实施例所提供的跟车警报方法。
计算机程序产品在实现的过程中,可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种跟车警报方法,其特征在于,应用于公交车,所述方法包括:
当接收到表示所述公交车所处的地区下雨的预警信号时,分别向所述公交车的前方采集原始点云数据、图像数据;
以雨滴作为噪声,对所述原始点云数据执行去噪处理,获得候选点云数据;
将所述候选点云数据投影至所述图像数据中,获得目标感知数据;
对所述目标感知数据进行语义分割,得到位于所述公交车之前的车辆;
提取位于所述公交车与所述车辆之间的所述原始点云数据,作为表示雨滴的目标点云数据;
统计所述目标 点云数据的密度;
根据所述密度对所述公交车跟随所述车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值;
若所述公交车跟随所述车辆之后行驶的距离小于所述第一跟车阈值和/或所述公交车跟随所述车辆之后行驶的速度大于所述第二跟车阈值,则生成警报信息。
2.根据权利要求1所述的方法,其特征在于,所述以雨滴作为噪声,对所述原始点云数据执行去噪处理,获得候选点云数据,包括:
查询所述预警信号对应的级别;
加载预先针对所述级别训练的随机森林模型;
针对所有所述原始点云数据,查询当前所述原始点云数据的信号强度、当前所述原始点云数据与邻域点云数据之间的点云距离,当前所述原始点云数据与所述邻域点云数据相邻;
将所述信号强度与所述点云距离输入所述随机森林模型中进行决策,得到当前所述原始点云数据的类别;
若所述类别为雨滴,则滤除当前所述原始点云数据;
若所述类别为非雨滴,则保留当前所述原始点云数据。
3.根据权利要求1所述的方法,其特征在于,所述提取位于所述公交车与所述车辆之间的所述原始点云数据,作为表示雨滴的目标点云数据,包括:
在所述原始点云数据所处的坐标系中,分别对所述公交车生成第一线段、对所述车辆生成第二线段;
使用所述第一线段与所述第二线段构建空间;
提取位于所述空间内的所述原始点云数据,作为表示雨滴的目标点云数据;
其中,所述在所述原始点云数据所处的坐标系中,分别对所述公交车生成第一线段、对所述车辆生成第二线段,包括:
在所述原始点云数据所处的坐标系中设置高于地面的平面;
将位于所述平面之上的所述原始点云数据投影至所述平面上,作为投影点云数据;
在所述平面上确定与所述公交车的头部平齐的第一线段;
若所述公交车的朝向与所述车辆的朝向之间的差值小于预设的姿态阈值,则识别表示所述车辆的尾部的所述投影点云数据,作为第一参考点云数据;
在所述平面上使用所述第一参考点云数据拟合第二线段;
若所述公交车的朝向与所述车辆的朝向之间的差值大于或等于预设的姿态阈值,则识别表示与所述公交车最近的所述车辆的侧面的所述投影点云数据,作为第二参考点云数据;
在所述平面上使用所述第二参考点云数据拟合第二线段;
所述使用所述第一线段与所述第二线段构建空间,包括:
在所述平面上以所述第一线段与所述第二线段为切线,构建形状为圆形的区域;
以所述区域为底面构建形状为圆柱体的空间。
4.根据权利要求3所述的方法,其特征在于,所述统计所述目标点云数据的密度,包括:
统计所述空间中所述目标点云数据的数量;
计算所述数量与所述空间的体积之间的比值,作为所述目标点云数据的密度。
5.根据权利要求1-4中任一项所述的方法,其特征在于,所述根据所述密度对所述公交车跟随所述车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值,包括:
对所述密度确定雨量等级;
统计所述公交车内乘客的数量;
对所述数量确定拥挤等级;
查询所述公交车所处道路的类型、拥堵等级;
将所述雨量等级、所述拥挤等级与所述拥堵等级共同映射的第一跟车阈值配置为所述公交车跟随所述车辆之后行驶的距离的下限值;
将所述雨量等级、所述拥挤等级与所述拥堵等级共同映射的第二跟车阈值配置为所述公交车跟随所述车辆之后行驶的速度的上限值。
6.一种跟车警报装置,其特征在于,应用于公交车,所述装置包括:
环境感知模块,用于当接收到表示所述公交车所处的地区下雨的预警信号时,分别向所述公交车的前方采集原始点云数据、图像数据;
点云去噪模块,用于以雨滴作为噪声,对所述原始点云数据执行去噪处理,获得候选点云数据;
点云投影模块,用于将所述候选点云数据投影至所述图像数据中,获得目标感知数据;
车辆识别模块,用于对所述目标感知数据进行语义分割,得到位于所述公交车之前的车辆;
雨滴识别模块,用于提取位于所述公交车与所述车辆之间的所述原始点云数据,作为表示雨滴的目标点云数据;
密度统计模块,用于统计所述目标点云数据的密度;
跟车阈值设置模块,用于根据所述密度对所述公交车跟随所述车辆之后行驶的距离与速度分别设置第一跟车阈值与第二跟车阈值;
警报信息生成模块,用于若所述公交车跟随所述车辆之后行驶的距离小于所述第一跟车阈值和/或所述公交车跟随所述车辆之后行驶的速度大于所述第二跟车阈值,则生成警报信息。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的跟车警报方法。
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计算机程序,所述计算机程序用于使处理器执行时实现权利要求1-5中任一项所述的跟车警报方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310014871.8A CN115880946B (zh) | 2023-01-06 | 2023-01-06 | 一种跟车警报方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310014871.8A CN115880946B (zh) | 2023-01-06 | 2023-01-06 | 一种跟车警报方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115880946A CN115880946A (zh) | 2023-03-31 |
CN115880946B true CN115880946B (zh) | 2023-06-06 |
Family
ID=85758119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310014871.8A Active CN115880946B (zh) | 2023-01-06 | 2023-01-06 | 一种跟车警报方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115880946B (zh) |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005145403A (ja) * | 2003-11-20 | 2005-06-09 | Mitsubishi Motors Corp | 車間距離制御装置 |
US9884588B2 (en) * | 2014-10-17 | 2018-02-06 | Mitsubishi Electric Corporation | Driver supporting device and warning timing control method |
US10940795B2 (en) * | 2017-01-18 | 2021-03-09 | Baidu Usa Llc | Method for keeping distance between an autonomous driving vehicle and a following vehicle using a braking light |
JP6832779B2 (ja) * | 2017-04-05 | 2021-02-24 | 三菱電機株式会社 | 車両検出装置および車両検出プログラム |
JP2019139304A (ja) * | 2018-02-06 | 2019-08-22 | シャープ株式会社 | 走行装置、走行装置の障害物判定方法および走行装置の障害物判定プログラム |
CN111144211B (zh) * | 2019-08-28 | 2023-09-12 | 华为技术有限公司 | 点云显示方法和装置 |
WO2021134441A1 (zh) * | 2019-12-31 | 2021-07-08 | 深圳元戎启行科技有限公司 | 基于自动驾驶的车辆速度控制方法、装置和计算机设备 |
CN111291697B (zh) * | 2020-02-19 | 2023-11-21 | 阿波罗智能技术(北京)有限公司 | 用于识别障碍物的方法和装置 |
CN112218266A (zh) * | 2020-08-25 | 2021-01-12 | 南京市德赛西威汽车电子有限公司 | 一种基于v2x的跟车预警方法 |
DE102021124374A1 (de) * | 2020-10-08 | 2022-04-14 | Markus Rethfeld | Fahrzeug |
US11490234B2 (en) * | 2021-02-17 | 2022-11-01 | Autotalks Ltd. | Cooperative ADAS and cooperative safety systems and methods using V2X communications |
CN115031981A (zh) * | 2021-03-04 | 2022-09-09 | 华为技术有限公司 | 一种车辆、传感器的仿真方法及装置 |
CN112733813B (zh) * | 2021-03-30 | 2021-07-30 | 北京三快在线科技有限公司 | 一种数据降噪的方法及装置 |
CN114954456A (zh) * | 2022-06-09 | 2022-08-30 | 云控智行科技有限公司 | 一种辅助驾驶的跟车决策方法、设备及系统 |
CN114954442A (zh) * | 2022-06-30 | 2022-08-30 | 深圳市镭神智能系统有限公司 | 一种车辆控制方法、系统和车辆 |
-
2023
- 2023-01-06 CN CN202310014871.8A patent/CN115880946B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115880946A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105620489B (zh) | 驾驶辅助系统及车辆实时预警提醒方法 | |
CN106980113B (zh) | 物体检测装置和物体检测方法 | |
CN111739344B (zh) | 一种预警方法、装置及电子设备 | |
CN113421432B (zh) | 交通限行信息检测方法、装置、电子设备和存储介质 | |
CN113741485A (zh) | 车路协同自动驾驶的控制方法、装置、电子设备及车辆 | |
CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
US20150166071A1 (en) | Method and system for information use | |
CN110647801A (zh) | 设置感兴趣区域的方法、装置、存储介质及电子设备 | |
CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
CN113253299B (zh) | 障碍物检测方法、装置及存储介质 | |
CN114694060A (zh) | 一种道路抛洒物检测方法、电子设备及存储介质 | |
CN115880946B (zh) | 一种跟车警报方法、装置、设备及存储介质 | |
CN115909815B (zh) | 基于多元数据的融合检测方法、装置、设备及存储介质 | |
CN115691223A (zh) | 一种基于云边端协同的碰撞预警方法及系统 | |
CN114852068A (zh) | 一种行人避撞方法、装置、设备以及存储介质 | |
CN114379547A (zh) | 制动控制方法、装置、车辆、电子设备及存储介质 | |
CN116853295A (zh) | 一种障碍物轨迹预测方法、装置、设备和介质 | |
US20230147434A1 (en) | System for localizing three-dimensional objects | |
CN115923649A (zh) | 一种车辆转向灯的控制方法、装置、设备及存储介质 | |
CN117227760A (zh) | 一种车辆的行驶控制方法、装置、设备及存储介质 | |
CN114954534A (zh) | 用于检测自动驾驶车辆的异常运行状态的方法与装置 | |
CN115848409A (zh) | 自动驾驶车辆的盲区安全性决策方法及装置 | |
Ma et al. | Vision based front and rear vehicle collision warning system | |
CN117382666A (zh) | 车辆驾驶提示方法、装置、车辆及存储介质 | |
Adhiyaman et al. | A Detailed Study on Obstacle Detection and Avoidance Techniques for On-road Vehicles |
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 |