CN115892029A - 一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统 - Google Patents
一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统 Download PDFInfo
- Publication number
- CN115892029A CN115892029A CN202211283109.1A CN202211283109A CN115892029A CN 115892029 A CN115892029 A CN 115892029A CN 202211283109 A CN202211283109 A CN 202211283109A CN 115892029 A CN115892029 A CN 115892029A
- Authority
- CN
- China
- Prior art keywords
- driver
- vehicle
- blind area
- information
- early warning
- 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
Images
Abstract
本发明公开了一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统,涉及汽车智能辅助驾驶领域,包括机器视觉模块、环境感知模块、数据处理模块、辅助操作模块和反馈预警模块,数据处理模块包括中央处理单元,用于接收机器视觉模块、环境感知模块所监测到的驾驶员和车辆周围环境的数据信息,并判断驾驶人处于疲劳状态或者非疲劳状态,并通过判定正常状态下驾驶人的注意力盲区,客制化辆盲区产生模型;通过反馈预警模块向驾驶人反馈预警潜在危险信息及盲区范围,同时启用对应区域内的传感器。本发明通过识别驾驶人注意力及周围环境感知确定盲区范围并进行安全预警,有效避免过多信息传达给驾驶人,实时性强,降低功耗耐用性强。
Description
技术领域
本发明属于汽车智能辅助驾驶领域,具体涉及一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统。
背景技术
据统计, 由于后视镜盲区造成的车祸在中国约占30%, 在美国约占20%, 并且在高速公路上因变换车道所发生的车祸有70%是由于后视镜盲区造成的,这仅是近固有盲区导致的。尤其是对于一些大型的卡车由于车身高导致车辆头部盲区很大,在驾驶中易出现交通事故。驾驶人在行车过程中有80%的交通信息都是通过视觉获得,良好的驾驶视野是保证驾驶安全性的必要条件,所以必须要高度注重车辆盲区的危险程度,从两方面着手进行,一方面严格规定车辆制造国家标准;另一方面上应从技术上予以完善解决。
现有的汽车中通常装有车载传感器,例如相机、雷达、定位导航系统、陀螺仪等,为汽车视野盲区监测提供了大量的周边环境、车内环境以及车辆自身状态数据信息,这些信息能够帮助车辆聚焦当前驾驶行为,实时全方位的监测车辆周边交通环境,但是此种方式涉及到大量的传感数据处理和融合技术,因此大量的数据量处理使得系统实时性较差,误差较大,可行性差,并且系统将监测到的环境信息呈现给驾驶人时,由于呈现的信息过于丰富,驾驶人无法快速准确的区分视野信息和盲区信息,还会对驾驶人产生干扰,从而影响驾驶的安全性,容易引发交通事故。
发明内容
针对现有设备在车辆行驶过程中涉及到大量的传感数据处理和融合技术,实时全方位监测车辆周围交通环境的运算量十分庞大、实时性较差、可行性差的问题,本发明提供一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统。
本发明解决其技术问题所采用的方案是:一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统,包括机器视觉模块、环境感知模块、数据处理模块、辅助操作模块和反馈预警模块,所述机器视觉模块包括算法单元和安装在车身内部的信息采集单元,通过算法单元对信息采集单元所采集到的驾驶员的感官信息进行运算处理,从而对驾驶员的人眼位置信息、驾驶员注意力以及对驾驶员的疲劳状态进行监测识别;所述环境感知模块包括传感器组、多元异构信息融合算法单元和路况监测单元,所述多元异构信息融合算法单元用于将传感器组中各个传感器所获取的信息进行融合,更加准确地感知车身周围的环境,实现对车道线监测、对周围车辆目标监测以及对红绿灯的监测,所述路况监测单元用于结合传感器组所采集的周围环境信息判定车辆行驶路况;所述数据处理模块包括中央处理单元,用于接收机器视觉模块、环境感知模块所监测到的驾驶员和车辆周围环境的数据信息,通过运算处理来判断驾驶人处于疲劳状态或者非疲劳状态,并通过判定正常状态下驾驶人的注意力盲区,客制化辆盲区产生模型;所述反馈预警模块与数据处理模块连接,用于判断车辆不同路况下实时盲区位置,并将位于驾驶员视野范围外的可能存在的潜在危险反馈给驾驶人,同时启用对应区域内的传感器;所述辅助操作模块与数据处理模块连接,用于对处于疲劳状态的驾驶人进行报警提醒后仍无法正常驾驶时,自动控制车辆行驶状态。
作为本发明的一种优选技术方案,所述信息采集单元包括安装在车身内部驾驶位前方的双目3D深感摄像头,用于实时采集驾驶人的目光信息,并将所采集到的信息传输至算法单元。
作为本发明的一种优选技术方案,所述算法单元通过卷积神经网络来对驾驶人的人眼位置及人眼疲劳程度进行识别。
作为本发明的一种优选技术方案,所述传感器组包括安装在车身外部四周的毫米波雷达、超声波雷达、前双目摄像头和增强感知摄像头,用来感知车身周围环境,以及安装于车身内部用于采集车辆自身行驶位姿信息的GPS、陀螺仪、车速传感器。
作为本发明的一种优选技术方案,所述多元异构信息融合算法单元中通过时空基准对齐技术、多目标关联技术、参数融合技术、多目标跟踪与预测技术、目标分类识别技术对各个传感器所获取的信息进行融合。
作为本发明的一种优选技术方案,利用SSD网络算法分析信息采集单元所采集驾驶者面部及上半身动作信息,获取人眼疲劳程度信息。
作为本发明的一种优选技术方案,所述辅助操作模块针对处于疲劳状态的驾驶人采用灯光或者震动的方式来对驾驶人进行唤醒,唤醒无果后自动实行打开双闪、减速停车的操作。
作为本发明的一种优选技术方案,车辆在市区窄路车辆行人共用车道行驶工况以及夜间照明情况弱工况下行驶时,车身周围所有传感器均处于工作状态,保证车身周围所有异常状态都能被监测。
与现有技术相比,本发明的有益效果是:本发明通过识别驾驶人注意力,基于人眼视觉特点,确定出驾驶人对周围环境的观察的盲区范围,针对这些范围识别危险并进行安全预警,针对驾驶人的感官进行专门的补充,有效避免事故的发生,并且有效避免过多信息传达给驾驶人导致驾驶人驾驶任务繁重无法有效处理的问题,与驾驶人视觉的优质补充可以提高驾驶人的接受度,切实提升车辆的行驶安全性;车辆在道路条件良好的一般工况下行驶时,系统能够监测驾驶人实时视觉盲区的信息,该状态下整体危险性更低,只需要部分传感器工作,降低了整个系统的功耗,延长了传感器的使用寿命,提高了系统的耐用性;通过设置反馈预警模块不仅能够向驾驶人实时反馈盲区范围及潜在危险,保证驾驶人的安全驾驶,还能当驾驶人处于疲劳状态时,及时进行报警提醒,保证行车安全,此外还能通过辅助预警模块对仍处于疲劳状态无法正常驾驶时,即使对车辆实行制动操作,自动控制车辆的小范围行驶,从而有效降低因人体疲劳、注意力转移、视野盲区和危险驾驶行为等因素引发交通事故的概率,保证驾驶安全。
附图说明
图1为本发明的整体系统图;
图2为本发明城市直行行驶工况下驾驶人视野盲区范围图;
图3为本发明城市转弯行驶工况下驾驶人视野盲区范围图;
图4为本发明城市变道行驶工况下驾驶人视野盲区范围图;
图5为本发明传感器分布示意图;
图6为本发明城市正常直行行驶工况下的系统显示界面图;
图7为本发明城市中车辆转弯时Level2的系统显示界面图;
图8为本发明城市中车辆转弯时Level1的系统显示界面图;
图9为本发明城市中车辆变道时Level1的系统显示界面图;
图10为本发明城市中车辆变道时Level2的系统显示界面图;
图11为本发明高速下车辆正常行驶中的交通环境图;
图12为本发明高速下车辆变道时系统的盲区报警区域图;
图13为本发明高速下自身车辆驶出匝道时右侧盲区监测范围图;
图14为本发明高速车辆向右驶出匝道时预警Level2的系统显示界面图;
图15为本发明高速车辆向右驶出匝道时预警Level2的系统显示界面图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
请参阅图1-15,本发明提供了一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统的技术方案:
实施例一:
根据图1和图4所示,包括机器视觉模块、环境感知模块、数据处理模块、辅助操作模块和反馈预警模块,机器视觉模块包括算法单元和安装在车身内部的信息采集单元,信息采集单元包括安装在车身内部驾驶位前方的双目3D深感摄像头,用于实时采集驾驶人的目光信息,并将所采集到的信息传输至算法单元,算法单元主要通过卷积神经网络来对驾驶人的人眼位置及人眼疲劳程度进行识别,即通过LBF算法优化策略模型参数精确定位人眼,对驾驶人的注意力信息进行采集,并根据PERCLOS准则中P80标准,基于SSD的疲劳监测状态算法,来判定驾驶人的疲劳状态。
环境感知模块包括传感器组、多元异构信息融合算法单元和路况监测单元,传感器组包括安装在车身外部四周的毫米波雷达、超声波雷达、前双目摄像头和增强感知摄像头,用来感知车身周围环境,以及安装于车身内部用于采集车辆自身行驶位姿信息的GPS、陀螺仪、车速传感器,多元异构信息融合算法单元用于将传感器组中各个传感器所获取的信息进行融合,其中关键技术包括时空基准对齐技术、多目标关联技术、参数融合技术、多目标跟踪与预测技术、目标分类识别技术,还能实现基于图像处理的车道线预测,基于Yolo-v3、K-means算法的前方车辆目标监测以及红绿灯监测,由此来判定车辆所处的行驶环境状态;运用信息融合算法对感知数据进行融合估计,能够有效减少单个传感器在感知范围、识别准确性等方面大的缺陷,从而更加准确的感知车身周围的环境,提升系统的鲁棒性,实现对车道线监测、对周围车辆目标监测以及对红绿灯的监测,从而更好的判断驾驶人的视野盲区,同时环境感知模块中的路况监测单元也会结合上述传感器所采集的信息判定车辆工况,通过潜在危险预判技术来判断车辆行驶状态为车辆行驶路况,例如当车辆处于城市路况时,其车辆行驶场景主要包括直行、转弯、掉头、变道、超车,当车辆处于高速路况时,其车辆行驶场景主要包括直行、变道、超车和进出匝道,继而根据在不同场景下车辆的驾驶状态,来适应匹配盲区预警系统运行的不同模式,在针对驾驶人的视觉对盲区范围进行补充。
数据处理模块包括中央处理单元,用来接收机器视觉模块、环境感知模块所监测到的驾驶员和车辆周围环境的数据信息,从而综合判断驾驶人的视野范围、注意力盲区、疲劳程度、驾驶人正常行驶状态下的盲区范围、驾驶人处于疲劳状态下的盲区范围以及不同路况下针对驾驶人的不同疲劳程度对应的盲区范围的变化;在获取到正常状态下驾驶人盲区范围后,驾驶人盲区范围主要包括汽车AB柱盲区、前盲区(车辆引擎盖之前易被忽略的扇形区域的统称)、后盲区(车辆两侧车门外侧30度左右范围内和车尾至地面以及车尾后的部分延伸区域)和后视镜盲区,通过应用神经网络训练,来确定驾驶人实时视野盲区,客制化车辆盲区产生模型,即根据不同车型定制盲区识别方案,通过不同传感器获取车辆简单三维模型信息,得到驾驶人人眼活动范围,确定不同车辆的盲区最大范围,将该不同车辆的盲区最大范围定义为原始车辆盲区,再结合驾驶人在不同路况下由于视野范围、周围环境的不同,而实时监测到的盲区,以及驾驶人在疲劳状态或者正常状态下视野范围的变化从而导致的盲区变化,最终得到的才是车辆不同行驶状态的实时盲区范围,并通过反馈预警单元传达给驾驶人,同时开启对应区域的传感器;另外关于对驾驶人疲劳状态的判定,系统通过对驾驶者面部识别以及上半身的动作识别,运用机器学习,在车内摄像头所得的帧图像中完成数据集的采集并对其中的每张图片标注人眼的睁闭状态标签与嘴巴的开合状态标签来训练SSD网络,从而获取人眼疲劳程度信息。
反馈预警模块与数据处理模块连接,用于判断车辆不同路况下实时盲区位置,并将位于驾驶员视野范围外的可能存在的潜在危险反馈给驾驶人,同时启用对应区域内的传感器;具体来说,当驾驶人正常状态下行驶时,系统会实时监测盲区范围,并通过屏幕反馈给驾驶人,同时开启相应位置的传感器,此外还会将位于驾驶人盲区范围外的潜在危险进行报警提醒,当系统监测到驾驶人出现驾驶疲劳情况时,该智能盲区监测系统对车辆周围环境进行完全监控,并通过辅助操作模块来对驾驶人进行预警提醒,以保证行车安全。辅助操作模块通过反馈预警模块与数据处理模块连接,针对处于疲劳状态的驾驶人采用灯光或者震动的方式来对驾驶人进行唤醒,若通过人眼状态监测后系统判定驾驶人仍处于疲劳状态无法正常驾驶时,系统便会触发车辆辅助操作,如采取打开双闪、减速停车等方式自动控制车辆行驶状态,这样的设置,能够为驾驶人提供视野辅助,会极大的减少交通事故的发生,从而保障驾驶安全。
本系统在具体应用时,结合系统安装车辆的空间构造,判断实时的驾驶人视觉盲区,由于正常驾驶过程中,车辆在前进状态下低速行驶时,存在驾驶人注意力分布范围较大,尤其是道路不平整、路上行人多、侧方停车等问题,基于此,本实施例提供了在前进状态下于城市路况下和高速路况下车辆的不同行驶状态时的智能盲区监测及预警系统:
城市路况下:
(1)车辆直行时:参见图2、图5和图6,需要调用前、左前、右前三个方向区域内的三组传感器,结合图像可知,前方盲区为E、J前的区域,A、B柱盲区为驾驶人位置2左沿F、K方向的区域,主要监测同车道正前方3.0m-10.0m范围内车辆的车速变化情况以及是否出现紧急刹车、突然变道等驾驶行为,左前、右前0.5m-6.0m侧相邻车道车辆的变道、压线行驶以及紧急刹车等驾驶行为;在驾驶员正常驾驶的情况下,系统通过视觉类相机和雷达类测距传感器的协同工作,实时监测车辆周围环境境况,将位于驾驶员视野范围外的可能存在的潜在危险以图像的形式反馈给驾驶人,并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,当正前方车辆后刹车灯亮起时,图像上给予车辆标红显示level2;在左/右前侧车辆右/左转向灯亮起时,给予车辆标黄显示level1,对于左右侧且距离车辆3.0m以内的同样给予标黄显示level2(其中level1为警告,预警内容为持续不断黄色报警;level2为危险,预警内容为持续不断红色报警);车辆实际正常直行时,系统会实时监测位于驾驶员盲区外的潜在危险并报警,如果在驾驶人视野范围外或者注意力范围外的区域,有行人、非机动车或者侧方车辆冲出时,系统会实时以报警辅以屏幕显示的形式,必要时车辆将采取紧急制动。
(2)车辆转弯时:参见图3、图5、图7和图8,需要调用前、左后、右后以及后方四个方向区域内的四组传感器,结合图像可知,主要监测前方3.0m-10.0m区域内车辆的车速变化情况,车辆行驶路径上30.0m范围内的来车情况以及车辆侧后方3.0m-15.0m左右边界分别为G、L区域内的来车情况;在驾驶员正常驾驶的情况下,系统通过视觉类相机和雷达类测距传感器的协同工作,实时监测车辆周围环境境况,将位于驾驶员视野范围外的可能存在的潜在危险以图像的形式反馈给驾驶人,并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,当正前方车辆后刹车灯亮起时,图像上给予该车辆标红显示level2;对向来车时给予该车辆标黄显示level1并伴随车辆靠近进行声音提示;转弯侧后方来车在6.0-15.0m范围内时基于车辆标黄显示level1,在6.0m以内范围时给予标红显示,让驾驶人感知车辆周围状况并结合信号灯做出适当的转向时机判定;车辆实际转弯过程中,驾驶人的大量注意力将会分布在转弯方向的轨迹附近,一部分注意力用于观察转弯方向的周围环境,此时在转弯方向另一侧的环境信息大部分会被驾驶人忽略,当系统在转弯方向另一侧方向上监测到存在可能危险的盲区时,会以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,必要时车辆采取紧急制动。
(3)车辆掉头时:通过驾驶人的前上方安装双目视觉深感摄像头,实时采集驾驶人的目光信息,结合系统录入的车辆简单三维模型综合判断出实时的盲区位置并启用相应区域内的传感器,这样可以在达到与传感器全开相同效果的同时减少数据量、降低系统功耗。值得注意的是,由于驾驶人目光的不确定性,掉头时系统的提示应当以声音信息为主,视觉信息为辅,实时盲区内的车辆会被标红显示并随着车辆从6.0m的范围内开始接近时进行声音提示;车辆实际掉头过程中,驾驶人的大量注意力将会分布在掉头方向的轨迹附近,一部分注意力用于观察掉头方向的周围环境,此时驾驶人绝大多数甚至所有注意力都会用于关注掉头方向的周围环境,在掉头方向另一侧的环境信息绝大部分会被驾驶人忽略,当系统在转弯方向另一侧方向上监测到存在可能危险的盲区时,如在掉头另一侧方向上有行人、非机动车、侧方车辆冲出,系统会实时监测危险并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,从而完善驾驶人感知,必要时车辆采取紧急制动。
(4)车辆变道时:参见图4、图9和图10,车辆在变道的前一个驾驶状态通常为直行,所以在感知到驾驶人即将进行变道操作时,只需要关闭变道侧另一侧的左/右前方向区域内的传感器并开启变道侧左/右以及左/右后方向区域内的传感器,主要监测变道侧相邻车道内前后15.0m范围内的车辆行驶情况以及后方15.0m范围内车辆的行驶情况(图4中线A位于车辆后缘后部30.0m处;线B位于车辆后缘后部3.0m处;线C位于车辆前缘第九十五百分位眼椭圆的中心;线D为车辆前缘的双向延长线;线E为位于车辆左侧最外缘的中心线;线F为与车辆左侧最外缘相距0.5m的中心线;线G为与车辆左侧最外缘相距3.0m的中心线;线H为与车辆左侧最外缘相距6.0m的中心线;线J为位于车辆右侧最外缘的中心线;线K为与车辆右侧最外缘相距0.5m的中心线;线L为与车辆右侧最外缘相距3.0m的中心线;线M为与车辆右侧最外缘相距6.0m的中心线;线N为车辆后缘的双向延长线;线O位于车辆后缘后部10.0m处),在驾驶员正常驾驶的情况下,系统通过视觉类相机和雷达类测距传感器的协同工作,实时监测车辆周围环境境况,将位于驾驶员视野范围外的可能存在的潜在危险以图像的形式反馈给驾驶人,并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,对于左、右后6.0m-15.0m范围内的车辆进行标黄显示level1,6.0m以内的车辆进行标红显示level2,对于后方15.0m范围内的车辆进行标黄显示level1,让驾驶人确定后方无来车且前车未侵入变道路径的情况下安全变道,车辆实际变道过程中,驾驶人的大量注意力将会分布在变道方向的轨迹附近,一部分注意力用于观察变道方向的周围环境,在车辆变道方向另一侧的环境信息大部分会被驾驶人忽略,当系统在变道方向另一侧方向上监测到存在可能危险的盲区时,如在变道另一侧方向上有行人、非机动车、侧后方车辆冲出,系统会实时监测危险并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,从而完善驾驶人感知,必要时车辆采取紧急制动。
(5)车辆超车时:在驾驶员正常驾驶的情况下,系统通过视觉类相机和雷达类测距传感器的协同工作,实时监测车辆周围环境境况,将位于驾驶员视野范围外的可能存在的潜在危险以图像的形式反馈给驾驶人,并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,帮助驾驶人准确判断超车时机,完成超车动作;车辆实际超车时,存在超越目标车辆和回到原来车道两个连续过程。在超越目标车辆过程中,驾驶人的大量注意力首先将会分布在超车车道方向的轨迹附近,一部分注意力用于观察超车车道方向的周围环境,此时驾驶人大多数注意力都会用来关注超车方向的周围环境,在超车方向另一侧的环境信息绝大部分会被驾驶人忽略,从而在该方向上产生了大量盲区,该盲区就是此时系统重点监测并实时预警的区域;在自身车辆回到原来车道的过程中,系统会实时监测在回正原来车道另一侧方向上的可能存在危险的盲区。当系统在超车过程中监测到存在可能危险的盲区时,如掉头另一侧方向上有行人、非机动车、侧方车辆冲出,系统会实时监测危险并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,从而完善驾驶人感知,必要时车辆采取紧急制动。
高速路况下:
(1)车辆直行时:车辆直行也就是车道保持,驾驶人对后视镜的注视率最低,高速直行驾驶工况需要调用后、左后、右后三个方向区域内的三组传感器,主要监测相邻车道中与自身距离较近和与自身距离较远但是相对于本车的车速很快的车辆的车速变化情况以及是否出现紧急刹车、突然变道等驾驶行为,参见图11,为本发明高速下车辆正常行驶中的交通环境图,其中编号为1的车辆是自身车辆,编号为2的车辆是相邻右边车道中的车辆,其与自身车辆的距离较近;编号为3的车辆是相邻左边车道中的车辆,距离本车比较远,但是相对于本车的车速速度很快。在驾驶员正常驾驶的情况下,系统通过视觉类相机和雷达类测距传感器的协同工作,实时监测车辆周围环境境况,将位于驾驶员视野范围外的可能存在的潜在危险通过主控单以图像的形式反馈给驾驶人,并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,以避免危险事件的发生。车辆实际在高速状态下正常直行时,系统会实时监测位于驾驶员盲区外的潜在危险并报警,如果在驾驶人视野范围外或者注意力范围外的区域,有非机动车或者侧后方车辆冲出时,系统会实时以报警辅以屏幕显示的形式,从而完善驾驶人感知,必要时车辆将采取紧急制动。
(2)车辆变道时:高速状态下车辆在变道的前一个驾驶状态通常为直行,在感知到驾驶人即将进行变道操作时,只需要关闭变道侧另一侧的左/右前方向区域内的传感器并开启变道侧左/右以及左/右后方向区域内的传感器,主要监测变道侧相邻车道内的车辆行驶情况以及后方车辆的行驶情况。根据我国标准规定,三级以上的多车道道路的车道宽度在 3-3.75 米,车辆宽度一般为 1.5-2.5 米,针对于车辆高速状态下最为常见的后视镜盲区,当相邻车道中与自身距离较近的车辆靠近自身车辆时,系统的盲区报警区域见图12。在驾驶员正常驾驶的情况下,系统通过视觉类相机和雷达类测距传感器的协同工作,实时监测车辆周围环境境况,当将位于驾驶员视野范围外的可能存在的潜在危险通过主控单以图像的形式反馈给驾驶人,如当系统在变道方向另一侧方向上监测到存在可能危险的盲区时,如在变道另一侧方向上有行人、非机动车、侧后方车辆冲出,系统会实时监测危险并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,让驾驶人确定后方无来车且前车未侵入变道路径的情况下安全变道,必要时车辆采取紧急制动。
(3)车辆超车时:超车与变道类似,但是速度更快,且需要与相邻车道车辆并行一段距离。在回到原行驶车道上时,也应该确保被超车车辆和前方车辆距离足够远。因此传感器调用逻辑可以看作是两次不同方向的变道,超车目标场景也基本和变道一致,并且在超车过程中,由于车速较快,应当适当提高前、后方车辆的危险距离判定阈值。在驾驶员正常驾驶的情况下,系统通过视觉类相机和雷达类测距传感器的协同工作,实时监测车辆周围环境境况,将位于驾驶员视野范围外的可能存在的潜在危险通过主控单以图像的形式反馈给驾驶人,并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,帮助驾驶人准确判断超车时机,完成超车动作。
高速状态下车辆实际超车时,存在超越目标车辆和回到原来车道两个连续过程。在超越目标车辆过程中,驾驶人的大量注意力首先将会分布在超车车道方向的轨迹附近,一部分注意力用于观察超车车道方向的周围环境,此时驾驶人大多数注意力都会用来关注超车方向的周围环境,在超车方向另一侧的环境信息绝大部分会被驾驶人忽略,从而在该方向上产生了大量盲区,该盲区就是此时系统重点监测并实时预警的区域;在自身车辆回到原来车道的过程中,系统会实时监测在回正原来车道另一侧方向上的可能存在危险的盲区。当系统在超车过程中监测到存在可能危险的盲区时,如掉头另一侧方向上有行人、非机动车、侧方车辆冲出,系统会实时监测危险并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,从而完善驾驶人感知,必要时车辆采取紧急制动。
(4)车辆进出匝道时:由于我国高速路口、城市快速路进出口设计规定,车辆出匝道一定是向右前方变道后驶出该路段,车辆进入匝道一定是向左前方变道后驶入该路段,因此对于进出匝道的场景下的驾驶人盲区监测,实质上就是向固定方向的变道过程,与变道过程类似,系统将实时监测在变道方向另一侧方向上存在可能危险的盲区区域,如在变道另一侧方向上有非机动车、侧后方车辆冲出时,系统将实时将视野盲区内的危险反馈给驾驶人,从而有针对性地完善驾驶人感知。系统在感知到驾驶人有向右变道的意图时只需要左侧区域内的传感器并开启右侧后方向区域和后侧方向区域内的传感器,主要监测变道侧相邻车道内前后15.0m范围内的车辆行驶情况以及后方15.0m范围内车辆的行驶情况,在驾驶员正常驾驶的情况下,系统通过视觉类相机和雷达类测距传感器的协同工作,实时监测车辆周围环境境况,将位于驾驶员视野范围外的可能存在的潜在危险通过主控单以图像的形式反馈给驾驶人,并以颜色信息为主,声音信息为辅的形式对驾驶人做出适当的提示,参见图14和图15,对于右后6.0m-15.0m范围内的车辆进行标黄显示level1报警,6.0m以内的车辆进行标红显示level2报警,具体车辆右侧盲区监测范围参见图13,其中阴影面积4为车辆驶出匝道时右侧盲区监测范围,让驾驶人确定后方无来车且前车未侵入变道路径的情况下安全变道并驶出匝道。
实施例二:
本实施例与实施例一相同之处不再赘述,不同之处在于:车辆在市区窄路车辆行人共用车道行驶工况以及夜间照明情况弱工况下行驶时,系统处于全景监测预警即全感知模式,车身周围所有传感器均处于工作状态,保证车身周围所有异常状态都能被监测;在市区共用车道缓慢行驶时,会根据车速主动调整传感器报警阈值,保证系统工作在最佳灵敏度状态下,避免频繁的错误提醒干扰到驾驶人的正常操作;在夜间弱照明条件下行驶时,系统会切换到夜间模式的监测算法,该算法主要使用夜间时行人、非机动车和障碍物的图像进行训练,对夜间情况有更高的识别精度,能够有效的防止误判。
实施例三:
本实施例与实施例一相同之处不再赘述,不同之处在于:当汽车盲区监测系统在预测车辆发生正面碰撞的概率时,该智能盲区监测及预警系统的工作模式如下:通过装在车上的雷达探测本车前方的路面状况,以车辆前方安装的雷达为原点建立极坐标系,在两个不同的时刻可以得到同一目标相对于汽车的角度和位置,通过和正常的车辆行驶的角度和距离进行对比,识别汽车偏离车道的程度。
当安全状态判断为正常,此时,驾驶人在正常车道上进行行驶,驾驶人无危险,系统不干扰驾驶人的正常驾驶,不做任何动作,同时驾驶人可以根据当前环境选取合适的模式自动控制车辆。
当安全状态判断为危险Level1,此时前方车辆可能处于驾驶人的盲区,车辆发生了弯道超车或者无意进入逆行车道,但此时车辆离行人或者其他车辆的距离较远,驾驶人有足够的反应时间进行处理。不过,此时如果驾驶人不能及时避免碰撞,驾驶人的危险系数还是极高的。如果前方车辆进入了驾驶盲区或者有行人、非机动车等突然冲出时,车辆的盲区监测系统就会把危险判断为Level2,并实时监测位于驾驶人视野范围外的可能存在的危险,以视觉、声音提醒驾驶人,马上关闭油门,如果这时驾驶人未看到提示并未采取相应的处理,则系统会马上产生警告提醒驾驶人,以确保驾驶人收到提醒,并采取相应的措施保证车辆安全。一旦驾驶人采取了控制动作,或车辆回到安全行驶状态,系统将自动结束对驾驶人的提醒。
当安全状态判断为危险Level2且无法避让时,系统除了采取远离和减少危险的控制外,还将根据行人、车或其他障碍物和危险程度的大小等,选择行人保护、乘客保护等合适的被动安全控制策略。
由此,该预警系统能够针对不同程度碰撞场景进行判断,同时以视觉和声音的效果提醒驾驶员,综合判断车辆工况并做出适当的盲区位置监测及预警,极大提高了车辆行驶的安全性能。
以上所述仅为本发明的较佳实施例,并不限制本发明,凡在本发明的精神和原则范围内所做的任何修改、等同替换和改进,均应包含在本发明的保护范围之内。
Claims (8)
1.一种汽车智能盲区监测及预警系统,其特征在于:包括机器视觉模块、环境感知模块、数据处理模块、辅助操作模块和反馈预警模块,所述机器视觉模块包括算法单元和安装在车身内部的信息采集单元,通过算法单元对信息采集单元所采集到的驾驶员的感官信息进行运算处理,从而对驾驶员的人眼位置信息、驾驶员注意力以及对驾驶员的疲劳状态进行监测识别;所述环境感知模块包括传感器组、多元异构信息融合算法单元和路况监测单元,所述多元异构信息融合算法单元用于将传感器组中各个传感器所获取的信息进行融合,更加准确地感知车身周围的环境,实现对车道线监测、对周围车辆目标监测以及对红绿灯的监测,所述路况监测单元用于结合传感器组所采集的周围环境信息判定车辆行驶路况;所述数据处理模块包括中央处理单元,用于接收机器视觉模块、环境感知模块所监测到的驾驶员和车辆周围环境的数据信息,通过运算处理来判断驾驶人处于疲劳状态或者非疲劳状态,并通过判定正常状态下驾驶人的注意力盲区,客制化辆盲区产生模型;所述反馈预警模块与数据处理模块连接,用于判断车辆不同路况下实时盲区位置,并将位于驾驶员视野范围外的可能存在的潜在危险反馈给驾驶人,同时启用对应区域内的传感器;所述辅助操作模块与数据处理模块连接,用于对处于疲劳状态的驾驶人进行报警提醒后仍无法正常驾驶时,自动控制车辆行驶状态。
2.根据权利要求1所述的智能盲区监测及预警系统,其特征在于:所述信息采集单元包括安装在车身内部驾驶位前方的双目3D深感摄像头,用于实时采集驾驶人的目光信息,并将所采集到的信息传输至算法单元。
3.根据权利要求1所述的智能盲区监测及预警系统,其特征在于:所述算法单元通过卷积神经网络来对驾驶人的人眼位置及人眼疲劳程度进行识别。
4.根据权利要求1所述的智能盲区监测及预警系统,其特征在于:所述传感器组包括安装在车身外部四周的毫米波雷达、超声波雷达、前双目摄像头和增强感知摄像头,用来感知车身周围环境,以及安装于车身内部用于采集车辆自身行驶位姿信息的GPS、陀螺仪、车速传感器。
5.根据权利要求1所述的智能盲区监测及预警系统,其特征在于:所述多元异构信息融合算法单元中通过时空基准对齐技术、多目标关联技术、参数融合技术、多目标跟踪与预测技术、目标分类识别技术对各个传感器所获取的信息进行融合。
6.根据权利要求1所述的智能盲区监测及预警系统,其特征在于:利用SSD网络算法分析信息采集单元所采集驾驶者面部及上半身动作信息,获取人眼疲劳程度信息。
7.根据权利要求1所述的智能盲区监测及预警系统,其特征在于:所述辅助操作模块针对处于疲劳状态的驾驶人采用灯光或者震动的方式来对驾驶人进行唤醒,唤醒无果后自动实行打开双闪、减速停车的操作。
8.根据权利要求1所述的智能盲区监测及预警系统,其特征在于:车辆在市区窄路车辆行人共用车道行驶工况以及夜间照明情况弱工况下行驶时,车身周围所有传感器均处于工作状态,保证车身周围所有异常状态都能被监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283109.1A CN115892029A (zh) | 2022-10-20 | 2022-10-20 | 一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283109.1A CN115892029A (zh) | 2022-10-20 | 2022-10-20 | 一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115892029A true CN115892029A (zh) | 2023-04-04 |
Family
ID=86480322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211283109.1A Pending CN115892029A (zh) | 2022-10-20 | 2022-10-20 | 一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115892029A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116665154A (zh) * | 2023-07-27 | 2023-08-29 | 山东科技大学 | 针对夜间道路行人交通事件的感知及预警方法 |
-
2022
- 2022-10-20 CN CN202211283109.1A patent/CN115892029A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116665154A (zh) * | 2023-07-27 | 2023-08-29 | 山东科技大学 | 针对夜间道路行人交通事件的感知及预警方法 |
CN116665154B (zh) * | 2023-07-27 | 2023-10-20 | 山东科技大学 | 针对夜间道路行人交通事件的感知及预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10406980B2 (en) | Vehicular lane change system | |
CN112106348B (zh) | 被动红外线行人检测与回避系统 | |
CN113276769B (zh) | 车辆盲区防撞预警系统及方法 | |
CN106708040B (zh) | 自动驾驶系统的传感器模块、自动驾驶系统及方法 | |
CN105015548B (zh) | 一种纵向避撞提醒和自动跟随集成系统及方法 | |
US7194347B2 (en) | Vehicle control apparatus, vehicle control method, and computer program | |
CN111824126B (zh) | 车辆控制系统 | |
CN111746511A (zh) | 车辆控制系统 | |
CN110472556A (zh) | 基于单目视觉的驾驶员注意力状态分析系统和分析方法 | |
CN204845924U (zh) | 一种纵向避撞提醒和自动跟随集成系统 | |
CN108032809B (zh) | 一种倒车侧向辅助系统及其数据融合与控制方法 | |
KR102184598B1 (ko) | 자율주행차량의 운전자 응급상황발생판단에 기반한 주행예측 및 안전주행시스템 | |
CN109747537A (zh) | 一种汽车无人驾驶预警系统 | |
CN112793507A (zh) | 基于惯性器件感知车辆右转运动特性的盲区预警制动系统 | |
CN111994075A (zh) | 一种基于人工智能的驾驶辅助方法 | |
CN115366908A (zh) | 一种汽车安全驾驶控制系统 | |
CN115892029A (zh) | 一种基于驾驶人注意力评估的汽车智能盲区监测及预警系统 | |
CN111243291B (zh) | 一种对高速公路急弯路段交通异常点后方车辆进行预警的方法 | |
CN111591294B (zh) | 一种不同交通环境下的车辆换道预警方法 | |
CN210258207U (zh) | 一种主动安全智能驾驶系统 | |
CN110685514B (zh) | 车辆及控制方法 | |
CN215474804U (zh) | 车辆盲区防撞预警装置 | |
CN220500675U (zh) | 视觉盲区环境下的智能车辆防御性驾驶系统 | |
WO2023112212A1 (ja) | 運転支援装置及びコンピュータプログラム並びにコンピュータプログラムを記録した記録媒体 | |
KR20230110395A (ko) | 특정 타입의 버스를 추월하는 차량 및 그 제어 방법 |
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 |