CN116135640A - 一种车辆防碰撞预警方法、系统及车辆 - Google Patents
一种车辆防碰撞预警方法、系统及车辆 Download PDFInfo
- Publication number
- CN116135640A CN116135640A CN202111366468.9A CN202111366468A CN116135640A CN 116135640 A CN116135640 A CN 116135640A CN 202111366468 A CN202111366468 A CN 202111366468A CN 116135640 A CN116135640 A CN 116135640A
- Authority
- CN
- China
- Prior art keywords
- collision
- position direction
- distance
- vehicle
- monitoring data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 71
- 230000001413 cellular effect Effects 0.000 claims abstract description 55
- 238000012806 monitoring device Methods 0.000 claims abstract description 20
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 230000001133 acceleration Effects 0.000 claims description 50
- 230000006399 behavior Effects 0.000 claims description 50
- 230000011712 cell development Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 10
- 230000018109 developmental process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 1
- 230000023715 cellular developmental process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/143—Alarm means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/801—Lateral distance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆防碰撞预警方法,包括步骤:步骤S10,实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;步骤S11,根据每组监测数据包中的雷达装置及摄像头的标识号,确定相应距离数据和环境图像所对应位置方向;步骤S12,对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,并形成各位置方向上的影响因子集;步骤S13,将多组监测数据包中的相应信息以及各影响因子集输入一预先建立的元胞自动机模型,对各位置方向上是否存在碰撞风险进行预测;步骤S14,向驾驶员进行预警提示所述碰撞风险。本发明还提供相应的系统及车辆。实施本发明,可以基于元胞自动机模型预测车辆在行驶过程中各方向上存在的碰撞风险;提高了车辆预碰撞的预测能力,并能获得更加精准的碰撞预测结果。
Description
技术领域
本发明涉及车辆安全技术领域,具体涉及一种车辆防碰撞预警方法、系统及车辆。
背景技术
随着社会的发展,车辆作为一种代步工具开始走进千家万户。而车辆作为一种交通工具其安全性能也日趋为人们关注,其安全性不仅局限于保护车内成员的安全,而且还要求车辆提前预警与行人或车辆发生碰撞的可能,从而有效地保护行人或司机的安全。
现有技术通过在车辆前方设置雷达装置,在车辆行驶过程中实时探测前方障碍物情况,还可以结合摄像头采集车辆行驶前方的图像,从而判断出前方障碍物是行人或车辆,进行分级预警。在现有技术中通过建立模型对图像进行识别,以识别出前方的物体的类型。但是现有的这种识别模型仅仅对图像中的物体进行识别,不能够起到预测危险的作用,也无法准确地预测车辆与物体可能发生碰撞的时间及位置等信息。
发明内容
本发明所要解决的技术问题在于,提供一种车辆防碰撞预警方法、系统及车辆,可以基于元胞自动机模型预测车辆在行驶过程中各方向上存在的碰撞风险;提高了车辆预碰撞的预测能力,并能获得更加精准的碰撞预测结果。
为解决上述技术问题,作为本发明的一方面,提供一种车辆防碰撞预警方法,其包括如下步骤:
步骤S10,实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;每组监测设备包括有雷达装置和摄像头;每组监测数据包均包括:雷达装置获得的距离数据和雷达装置的标识号,以及摄像头所获得的环境图像和摄像头的标识号;
步骤S11,根据每组监测数据包中的雷达装置的标识号以及摄像头的标识号,确定所采集监测数据包中的距离数据和环境图像所对应位置方向;
步骤S12,对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,得到当前位置方向上的移动物体的速度和加速度数据,并采集所述相邻两个单位时间中后一个距离数据,将所述各位置方向上的实时速度、加速度、后一个距离数据形成各位置方向上的影响因子集;
步骤S13,将多组监测数据包中的距离数据、环境图像,以及位置方向和各影响因子集输入一预先建立的元胞自动机模型,确定每一位置方向上待预测目标,以及获得每一待预测目标在空间坐标上的行为轨迹,并与本车辆在空间坐标上的行为轨迹进行比较,以确定各位置方向上是否存在碰撞风险;
步骤S14,在确定至少一位置方向上存在碰撞风险后,向驾驶员进行预警提示所述碰撞风险,并提示相应的碰撞预计时间和碰撞点距离。
其中,进一步包括预先构建元胞自动机模型的步骤;
其中,所述元胞自动机模型由图像识别单元和结果预测单元组成;
所述图像识别单元采用深度学习网络架构,用于对环境图像进行特征识别;
所述结果预测单元用于预测各位置方向上的碰撞风险,其由输入层、分析层和输出层组成;在所述元胞自动机模型的空间坐标系中排列有a×b个元胞对象组成的二维网格;其中,a为二维网格中网格单元的行数,指代距离向量;b为二维网格中网格单元的列数,指代时间向量。
其中,所述步骤S13进一步包括:
对所述各监测数据包中的环境图像进行特征识别,获得特征识别结果,确定每一位置方向上的待预测目标;
获得所述特征识别结果、各监测数据包对应的位置方向、环境图像以及影响因子集,作为元胞自动机模型的输入;
根据每一位置方向的待预测目标的初始距离和初始预碰撞时间,在空间坐标系中建立一初始元胞;根据所述影响因子集并结合预设置的元胞发展模式,对每一初始元胞的空间坐标位置进行更新,获得每一元胞演变结果,每一元胞演变结果包括有待预测目标在空间坐标系上的行为轨迹,所述行为轨迹携带有时间维度和距离位置信息;
将每一位置方向上待预测目标在空间坐标上的行为轨迹,与本车辆在空间坐标上的行为轨迹进行比较,当存在重叠点时,则确定所述位置方向上存在碰撞风险,根据所述重叠点的时间维度和距离位置确定所述碰撞的预计碰撞时间和碰撞点距离。
其中,所述步骤S12进一步包括:
获得对各位置方向上移动物体与本车的距离数据,将所述每一距离数据与一预设的距离阈值进行比较,如果距离数据达到所述距离阈值,则以预设的预警方式进行预碰撞预警;或/及
在获得各当前位置方向上的移动物体的加速度后,将所述移动物体的加速度与一预设的加速度阈值进行比较,如果所述移动物体的加速度超出所述加速度阈值,则以预设的预警方式进行预碰撞预警。
相应地,本发明的另一方面,还提供一种车辆防碰撞预警系统,其至少包括:
监测数据获取模块,用于实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;每组监测设备包括有雷达装置和摄像头;每组监测数据包均包括:雷达装置获得的距离数据和雷达装置的标识号,以及摄像头所获得的环境图像和摄像头的标识号;
位置方向确定模块,用于根据每组监测数据包中的雷达装置的标识号以及摄像头的标识号,确定所采集监测数据包中的距离数据和环境图像所对应位置方向;
影响因子集获取模块,用于对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,得到当前位置方向上的移动物体的速度和加速度数据,并采集所述相邻两个单位时间中后一个距离数据,将所述各位置方向上的实时速度、加速度、后一个距离数据形成各位置方向上的影响因子集;
碰撞风险预测模块,用于将多组监测数据包中的距离数据、环境图像,以及位置方向和各影响因子集输入一预先建立的元胞自动机模型,确定每一位置方向上待预测目标,以及获得每一待预测目标在空间坐标上的行为轨迹,并与本车辆在空间坐标上的行为轨迹进行比较,以确定各位置方向上是否存在碰撞风险;
碰撞风险提示模块,用于在所述碰撞风险预测单元的判断结果为存在碰撞风险时,向驾驶员进行预警提示所述碰撞风险,并提示相应的预计时间和碰撞点距离。
其中,进一步包括:
元胞自动机模型建立模块,用于预先通过构建图像识别单元和结果预测单元以组成元胞自动机模型;其中:
所述图像识别单元采用深度学习网络架构,用于对环境图像进行特征识别;
所述结果预测单元用于预测各位置方向上的碰撞风险,其由输入层、分析层和输出层组成;在所述元胞自动机模型的空间坐标系中排列有a×b个元胞对象组成的二维网格;其中,a为二维网格中网格单元的行数,指代距离向量;b为二维网格中网格单元的列数,指代时间向量。
其中,所述碰撞风险预测模块进一步包括:
特征识别单元,用于对所述各监测数据包中的环境图像进行特征识别,获得特征识别结果,确定每一位置方向上的待预测目标;
输入单元,用于将所述特征识别结果、各监测数据包对应的位置方向、环境图像以及影响因子集输入所述元胞自动机模型;
分析单元,用于根据每一位置方向的待预测目标的初始距离和初始预碰撞时间,在空间坐标系中建立一初始元胞;根据所述影响因子集并结合预设置的元胞发展模式,对每一初始元胞的空间坐标位置进行更新,获得每一元胞演变结果,每一元胞演变结果包括有待预测目标在空间坐标系上的行为轨迹,所述行为轨迹携带有时间维度和距离位置信息;
预测结果输出单元,用于将每一位置方向上待预测目标在空间坐标上的行为轨迹,与本车辆在空间坐标上的行为轨迹进行比较,当存在重叠点时,则确定所述位置方向上存在碰撞风险,根据所述重叠点的时间维度和距离位置确定所述碰撞的预计碰撞时间和碰撞点距离。
其中,所述影响因子集获取模块进一步包括:
第一预警处理单元,用于获得各位置方向上移动物体与本车的距离数据后,将所述每一距离数据与一预设的距离阈值进行比较,如果距离数据达到所述距离阈值,则以预设的预警方式进行预碰撞预警;
第二预警处理单元,用于在获得各当前位置方向上的移动物体的加速度后,将所述移动物体的加速度与一预设的加速度阈值进行比较,如果所述移动物体的加速度超出所述加速度阈值,则以预设的预警方式进行预碰撞预警。
其中,所述多组监测设备至少设置于所述车辆的前后左右四侧上。
相应地,作为本发明的再一方面,还提供一种车辆,其上设置有前述的车辆防碰撞预警系统。
实施本发明实施例,具有如下的有益效果:
本发明提供了一种车辆防碰撞预警方法、系统及车辆。通过实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;并对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,获得当前位置方向上的移动物体实时的速度和加速度等数据,形成变量因子集;将监测数据及变量因子集输入一预先建立的元胞自动机模型,在其中建立各个移动物体对应的初始元胞,并根据所述变量因子集,利用元胞自动机模型的发展演变功能,模拟各个元胞在空间坐标系中的发展轨迹,将这些发展轨迹与本车辆在空间坐标上的行为轨迹进行比较,来预测碰撞风险,可以提高碰撞风险预测的准确性;
在本实施例中,当一位置方向上待预测目标的行为轨迹与本车辆的行为轨迹存在重叠点时,则确定所述位置方向上存在碰撞风险,并根据所述重叠点的时间维度和距离位置确定所述碰撞的预计碰撞时间和碰撞点距离,可以让驾驶员提前获知将要发生的碰撞风险的具体信息,以及时采取应对措施,进一步提高了行车的安全性以及使用体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有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性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明提供的一种车辆防碰撞预警方法的一个实施例的主流程示意图;
图2为本发明涉及的一个例子中在车辆上安装四组监测设备的示意图;
图3为本发明涉及的另一个例子中在车辆上安装八组监测设备的示意图;
图4为本发明提供的一种车辆防碰撞预警系统的一个实施例的结构示意图;
图5为图4中碰撞风险预测模块的结构示意图;
图6为图4中影响因子集获取模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,示出了本发明提供的一种车辆防碰撞预警方法的一个实施例的主流程示意图;一并结合图2和图3所示,在本实施例中,所述方法至少包括如下步骤:
步骤S10,实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;每组监测设备包括有雷达装置和摄像头;每组监测数据包均包括:雷达装置获得的距离数据和雷达装置的标识号,以及摄像头所获得的环境图像和摄像头的标识号;
如图2所示,示出了在车辆上安装四组监测设备的示意图,在该例子中,在车辆的前后左右四侧分别设置一组监测设备,每组监测设备中包含一个雷达装置和一个摄像头;其中,雷达装置用于探测获得所在位置方向上的与其他物体之间的距离数据,摄像头用于获得所在位置方向上的环境图像;每一雷达装置均具有一个标识号,每一摄像头也均具有一个标识号,以便于识别距离数据与各雷达装置之间的关系,以及环境图像与摄像头之间的关系;可以理解的是,此处的监测设备组主要是为了描述在该组监测设备中,雷达装置和摄像头存在关联关系(通过两者的标识号进行关联),以便将两者获得的距离数据和环境图像关联为同一位置方向上所获得的监测数据,以便同时进行分析处理;
另外,在其他的例子中,还可以在左前、右前、左后、右后方向增设四组监测设备,可以获得更多或更准确的监测数据,如图3所示。
步骤S11,根据每组监测数据包中的雷达装置的标识号以及摄像头的标识号,确定所采集监测数据包中的距离数据和环境图像所对应位置方向;
步骤S12,对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,得到当前位置方向上的移动物体的速度和加速度数据,并采集所述相邻两个单位时间中后一个距离数据,将所述各位置方向上的实时速度、加速度、后一个距离数据形成各位置方向上的影响因子集;
在一个例子中,通过下述的步骤来计算获得各位置方向上的移动物体的速度和加速度数据:
提取各监测数据包中相邻两个时间单位的距离数据,分别作为移动物体距离本车辆之间的第一距离和第二距离;
计算第一距离和第二距离之间的差值,根据所述差值与时间单位计算得到移动物体的速度值;
采用类似的方法,可以实时计算获得移动特征的多个速度值,这样,根据移动物体相邻两个速度值之间的关系计算出移动物体当前的实时加速度数据。
步骤S13,将多组监测数据包中的距离数据、环境图像,以及位置方向和各影响因子集输入一预先建立的元胞自动机模型,确定每一位置方向上待预测目标,并获得每一待预测目标在空间坐标上的行为轨迹,并与本车辆在空间坐标上的行为轨迹进行比较,以确定各位置方向上是否存在碰撞风险;
可以理解的是,在本方法中,进一步包括预先构建元胞自动机模型的步骤。
在图像处理领域中,元胞自动机模型常用于对物体行为进行模拟和预测。元胞自动机是一种时间、空间、状态都离散,空间相互作用和时间因果关系都为局部的网格动力学模型,具有模拟复杂系统时空演化过程的能力。
在本发明的一个例子中,所述元胞自动机模型由图像识别单元和结果预测单元以组成。其中,图像识别单元采用深度学习网络架构,用于对环境图像进行特征识别;所述结果预测单元用于预测各位置方向上的碰撞风险,其由输入层、分析层和输出层组成;在所述元胞自动机模型的空间坐标系中排列有a×b个元胞对象组成的二维网格;其中,a为二维网格中网格单元的行数,指代距离向量;b为二维网格中网格单元的列数,指代时间向量。
在具体的例子中,所述步骤S13进一步包括:
利用所述元胞自动机模型中的图像识别单元对所述各监测数据包中的环境图像进行特征识别(主要识别其中的移动物体是否为汽车),获得特征识别结果,确定每一位置方向上的待预测目标;即如果识别到某一位置方向上存在汽车,则将所述汽车作为该位置方向上的待预测目标;
将所述特征识别结果、各监测数据包对应的位置方向、环境图像以及影响因子集输入所述元胞自动机模型中的结果预测单元的输入层;
在结果预测单元的分析层,根据每一位置方向的待预测目标的初始距离和初始预碰撞时间,在空间坐标系中建立一初始元胞;根据所述影响因子集并结合预设置的元胞发展模式,对每一初始元胞的空间坐标位置进行更新,获得每一元胞演变结果,每一元胞演变结果包括有待预测目标在空间坐标系上的行为轨迹,所述行为轨迹携带有时间维度和距离位置信息;
可以理解的是,对于每一个位置方向的待预测目标,根据步骤S10中获得的与本车之间初始距离,以及一个预先设置的初始碰撞时间(可以是一个固定值,例如对于初始距离值可以预先设置不同的初始碰撞时间),在空间坐标系中相应的位置上设置成初始元胞;对于每一个初始元胞,后续将与该位置方向的待预测目标对应的影响因子集输入到元胞自动机中进行空间坐标演变,利用元胞自动机中所选择的元胞发展模式,对初始元胞的空间坐标位置进行更新,经过一段时间的更新后,即可以模拟得到元胞演变结果,所述元胞演变结果可以对待预测目标后续的行为轨迹进行预测;可以理解的是,在构建元胞自动机时,需要预先确定好其所采用的元胞发展模式;
在结果预测单元的输出层,将每一位置方向上待预测目标在空间坐标上的行为轨迹,与本车辆在空间坐标上的行为轨迹进行比较,当存在重叠点时,则确定所述位置方向上存在碰撞风险,根据所述重叠点的时间维度和距离位置确定所述碰撞的预计碰撞时间和碰撞点距离。如果不存在重叠点,则说明此位置方向上的待预测目标与本车在后续时间内暂时不会发生碰撞;
步骤S14,在确定至少一位置方向上存在碰撞风险后,向驾驶员进行预警提示所述碰撞风险,并提示相应的碰撞预计时间和碰撞点距离;在一些具体的例子中,可以根据时间和距离的长短采用不同的预警级别,该预警可以是采用诸如文字、图案、声音、不同颜色光线等方式来实现。
为了更利于检测突发的碰撞风险,在所述步骤S12进一步包括:
获得对各位置方向上移动物体与本车的距离数据,将所述每一距离数据与一预设的距离阈值进行比较,如果距离数据达到所述距离阈值,则说明此时移动物体与本车辆的安全距离过短,则以预设的预警方式进行预碰撞预警;可以理解的是,所述预设的距离阈值预先进行标定获得,所述预警方式可以是诸如声光等形式的报警方式;或/及
在获得各当前位置方向上的移动物体的加速度后,将所述移动物体的加速度与一预设的加速度阈值进行比较,如果所述移动物体的加速度超出所述加速度阈值,则说明此时移动物体的加速度过快,存在一定风险;则以预设的预警方式进行预碰撞预警;可以理解的是,所述预设的加速度阈值预先进行标定获得,所述预警方式可以是诸如声光等形式的报警方式。
如图4所示,示出了本发明提供的一种车辆防碰撞预警系统的一个实施例的结构示意图;一并结合图5和图6所示,在本实施例中,所述车辆防碰撞预警系统1至少包括有:
监测数据获取模块10,用于实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;每组监测设备包括有雷达装置和摄像头;每组监测数据包均包括:雷达装置获得的距离数据和雷达装置的标识号,以及摄像头所获得的环境图像和摄像头的标识号;
位置方向确定模块11,用于根据每组监测数据包中的雷达装置的标识号以及摄像头的标识号,确定所采集监测数据包中的距离数据和环境图像所对应位置方向;
影响因子集获取模块12,用于对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,得到当前位置方向上的移动物体的速度和加速度数据,并采集所述相邻两个单位时间中后一个距离数据,将所述各位置方向上的实时速度、加速度、后一个距离数据形成各位置方向上的影响因子集;
碰撞风险预测模块13,用于将多组监测数据包中的距离数据、环境图像,以及位置方向和各影响因子集输入一预先建立的元胞自动机模型,确定每一位置方向上待预测目标,以及获得每一待预测目标在空间坐标上的行为轨迹,并与本车辆在空间坐标上的行为轨迹进行比较,以确定各位置方向上是否存在碰撞风险;
碰撞风险提示模块14,用于在所述碰撞风险预测单元的判断结果为存在碰撞风险时,向驾驶员进行预警提示所述碰撞风险,并提示相应的预计时间和碰撞点距离。
可以理解的是,在本发明的实施例中,需要进一步包括元胞自动机模型建立模块(未示出),用于预先通过构建图像识别单元和结果预测单元以组成元胞自动机模型;其中:
所述图像识别单元采用深度学习网络架构,用于对环境图像进行特征识别;
所述结果预测单元用于预测各位置方向上的碰撞风险,其由输入层、分析层和输出层组成;在所述元胞自动机模型的空间坐标系中排列有a×b个元胞对象组成的二维网格;其中,a为二维网格中网格单元的行数,指代距离向量;b为二维网格中网格单元的列数,指代时间向量。
其中,所述碰撞风险预测模块13进一步包括:
特征识别单元130,用于对所述各监测数据包中的环境图像进行特征识别,获得特征识别结果,确定每一位置方向上的待预测目标;可以理解的是,所述特征识别单元130可以利用元胞自动机模型中的图像识别单元来实现;
输入单元131,用于将所述特征识别结果、各监测数据包对应的位置方向、环境图像以及影响因子集输入所述元胞自动机模型;可以理解的是,所述输入单元131可以利用元胞自动机模型中输入层的功能来实现;
分析单元132,用于根据每一位置方向的待预测目标的初始距离和初始预碰撞时间,在空间坐标系中建立一初始元胞;根据所述影响因子集并结合预设置的元胞发展模式,对每一初始元胞的空间坐标位置进行更新,获得每一元胞演变结果,每一元胞演变结果包括有待预测目标在空间坐标系上的行为轨迹,所述行为轨迹携带有时间维度和距离位置信息;可以理解的是,所述分析单元132可以利用元胞自动机模型中分析层的功能来实现;
预测结果输出单元133,用于将每一位置方向上待预测目标在空间坐标上的行为轨迹,与本车辆在空间坐标上的行为轨迹进行比较,当存在重叠点时,则确定所述位置方向上存在碰撞风险,根据所述重叠点的时间维度和距离位置确定所述碰撞的预计碰撞时间和碰撞点距离;可以理解的是,所述预测结果输出单元133可以利用元胞自动机模型中输出层的功能来实现。
其中,所述影响因子集获取模块12进一步包括:
计算单元120,用于实时计算各位置方向上的移动物体的速度以及加速度数据;
具体地,在一个例子中,所述计算单元120可以采用下述的方式来进行计算:
提取各监测数据包中相邻两个时间单位的距离数据,分别作为移动物体距离本车辆之间的第一距离和第二距离;计算第一距离和第二距离之间的差值,根据所述差值与时间单位计算得到移动物体的速度值;采用类似的方法,可以实时计算获得移动特征的速度值;从而可以根据移动物体相邻两个速度值之间的关系计算出移动物体当前的实时加速度数据。
因子集确定单元121,用于将所述各位置方向上的实时速度、加速度、后一个距离数据形成各位置方向上的影响因子集;
第一预警处理单元122,用于获得各位置方向上移动物体与本车的距离数据后,将所述每一距离数据与一预设的距离阈值进行比较,如果距离数据达到所述距离阈值,则以预设的预警方式进行预碰撞预警;可以理解的是,所述预设的距离阈值预先进行标定获得,所述预警方式可以是诸如声光等形式的报警方式;
第二预警处理单元123,用于在获得各当前位置方向上的移动物体的加速度后,将所述移动物体的加速度与一预设的加速度阈值进行比较,如果所述移动物体的加速度超出所述加速度阈值,则以预设的预警方式进行预碰撞预警;可以理解的是,所述预设的加速度阈值预先进行标定获得,所述预警方式可以是诸如声光等形式的报警方式。
其中,所述多组监测设备至少设置于所述车辆的前后左右四侧上,也可以在车辆的左前、右前、左后、右后等位置进一步进行设置。
更多的细节,请参照并结合对图1至图3的描述,在此不进行赘述。
相应地,本发明的再一方面,还提供一种车辆,其上设置有前述图4至图6所描述的车辆防碰撞预警系统,更多的细节,可以参照并结合前述对图4至图6的描述。
实施本发明实施例,具有如下的有益效果:
本发明提供了一种车辆防碰撞预警方法、系统及车辆。通过实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;并对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,获得当前位置方向上的移动物体实时的速度和加速度等数据,形成变量因子集;将监测数据及变量因子集输入一预先建立的元胞自动机模型,在其中建立各个移动物体对应的初始元胞,并根据所述变量因子集,利用元胞自动机模型的发展演变功能,模拟各个元胞在空间坐标系中的发展轨迹,将这些发展轨迹与本车辆在空间坐标上的行为轨迹进行比较,来预测碰撞风险,可以提高碰撞风险预测的准确性;
在本实施例中,当一位置方向上待预测目标的行为轨迹与本车辆的行为轨迹存在重叠点时,则确定所述位置方向上存在碰撞风险,并根据所述重叠点的时间维度和距离位置确定所述碰撞的预计碰撞时间和碰撞点距离,可以让驾驶员提前获知将要发生的碰撞风险的具体信息,以及时采取应对措施,进一步提高了行车的安全性以及使用体验。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种车辆防碰撞预警方法,其特征在于,包括如下步骤:
步骤S10,实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;每组监测设备包括有雷达装置和摄像头;每组监测数据包均包括:雷达装置获得的距离数据和雷达装置的标识号,以及摄像头所获得的环境图像和摄像头的标识号;
步骤S11,根据每组监测数据包中的雷达装置的标识号以及摄像头的标识号,确定所采集监测数据包中的距离数据和环境图像所对应位置方向;
步骤S12,对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,获得当前位置方向上的移动物体实时的速度和加速度数据,并采集所述相邻两个单位时间中一个距离数据,形成各位置方向上的影响因子集;
步骤S13,将多组监测数据包中的距离数据、环境图像,以及位置方向和各影响因子集输入一预先建立的元胞自动机模型,确定每一位置方向上的待预测目标,以及获得每一待预测目标在空间坐标上的行为轨迹,并与本车辆在空间坐标上的行为轨迹进行比较,以确定各位置方向上是否存在碰撞风险;
步骤S14,在确定至少一位置方向上存在碰撞风险后,向驾驶员进行预警提示所述碰撞风险。
2.如权利要求1所述的方法,其特征在于,进一步包括预先构建元胞自动机模型的步骤;
其中,所述元胞自动机模型由图像识别单元和结果预测单元组成;
所述图像识别单元采用深度学习网络架构,用于对环境图像进行特征识别;
所述结果预测单元用于预测各位置方向上的碰撞风险,其由输入层、分析层和输出层组成;在所述元胞自动机模型的空间坐标系中排列有a×b个元胞对象组成的二维网格;其中,a为二维网格中网格单元的行数,指代距离向量;b为二维网格中网格单元的列数,指代时间向量。
3.如权利要求1或2所述的方法,其特征在于,所述步骤S13进一步包括:
对所述各监测数据包中的环境图像进行特征识别,获得特征识别结果,确定每一位置方向上的待预测目标;
获得所述特征识别结果、各监测数据包对应的位置方向、环境图像以及影响因子集,作为元胞自动机模型的输入;
根据每一位置方向的待预测目标的初始距离和初始预碰撞时间,在空间坐标系中建立一初始元胞;根据所述影响因子集并结合预设置的元胞发展模式,对每一初始元胞的空间坐标位置进行更新,获得每一元胞演变结果,每一元胞演变结果包括有待预测目标在空间坐标系上的行为轨迹,所述行为轨迹携带有时间维度和距离位置信息;
将每一位置方向上待预测目标在空间坐标上的行为轨迹,与本车辆在空间坐标上的行为轨迹进行比较,当存在重叠点时,则确定所述位置方向上存在碰撞风险,根据所述重叠点的时间维度和距离位置确定所述碰撞的预计碰撞时间和碰撞点距离。
4.如权利要求3任一项所述的方法,其特征在于,所述步骤S12进一步包括:
获得对各位置方向上移动物体与本车的距离数据,将所述每一距离数据与一预设的距离阈值进行比较,如果距离数据达到所述距离阈值,则以预设的预警方式进行预碰撞预警;或/及
在获得各当前位置方向上的移动物体的加速度后,将所述移动物体的加速度与一预设的加速度阈值进行比较,如果所述移动物体的加速度超出所述加速度阈值,则以预设的预警方式进行预碰撞预警。
5.一种车辆防碰撞预警系统,其特征在于,至少包括:
监测数据获取模块,用于实时获取安装于车辆上的多组监测设备所获得的多组监测数据包;每组监测设备包括有雷达装置和摄像头;每组监测数据包均包括:雷达装置获得的距离数据和雷达装置的标识号,以及摄像头所获得的环境图像和摄像头的标识号;
位置方向确定模块,用于根据每组监测数据包中的雷达装置的标识号以及摄像头的标识号,确定所采集监测数据包中的距离数据和环境图像所对应位置方向;
影响因子集获取模块,用于对各位置方向上监测数据包中相邻两个单位时间内距离数据进行分析,得到当前位置方向上的移动物体的速度和加速度数据,并采集所述相邻两个单位时间中一个距离数据,形成各位置方向上的影响因子集;
碰撞风险预测模块,用于将多组监测数据包中的距离数据、环境图像,以及位置方向和各影响因子集输入一预先建立的元胞自动机模型,确定每一位置方向上的待预测目标,以及获得每一待预测目标在空间坐标上的行为轨迹,并与本车辆在空间坐标上的行为轨迹进行比较,以确定各位置方向上是否存在碰撞风险;
碰撞风险提示模块,用于在所述碰撞风险预测单元的判断结果为存在碰撞风险时,向驾驶员进行预警提示所述碰撞风险。
6.如权利要求5所述的系统,其特征在于,进一步包括:
元胞自动机模型建立模块,用于预先通过构建图像识别单元和结果预测单元以组成元胞自动机模型;其中:
所述图像识别单元采用深度学习网络架构,用于对环境图像进行特征识别;
所述结果预测单元用于预测各位置方向上的碰撞风险,其由输入层、分析层和输出层组成;在所述元胞自动机模型的空间坐标系中排列有a×b个元胞对象组成的二维网格;其中,a为二维网格中网格单元的行数,指代距离向量;b为二维网格中网格单元的列数,指代时间向量。
7.如权利要求5所述的系统,其特征在于,所述碰撞风险预测模块进一步包括:
特征识别单元,用于对所述各监测数据包中的环境图像进行特征识别,获得特征识别结果,确定每一位置方向上的待预测目标;
输入单元,用于将所述特征识别结果、各监测数据包对应的位置方向、环境图像以及影响因子集输入所述元胞自动机模型;
分析单元,用于根据每一位置方向的待预测目标的初始距离和初始预碰撞时间,在空间坐标系中建立一初始元胞;根据所述影响因子集并结合预设置的元胞发展模式,对每一初始元胞的空间坐标位置进行更新,获得每一元胞演变结果,每一元胞演变结果包括有待预测目标在空间坐标系上的行为轨迹,所述行为轨迹携带有时间维度和距离位置信息;
预测结果输出单元,用于将每一位置方向上待预测目标在空间坐标上的行为轨迹,与本车辆在空间坐标上的行为轨迹进行比较,当存在重叠点时,则确定所述位置方向上存在碰撞风险,根据所述重叠点的时间维度和距离位置确定所述碰撞的预计碰撞时间和碰撞点距离。
8.如权利要求5至7任一项所述的系统,其特征在于,所述影响因子集获取模块进一步包括:
第一预警处理单元,用于获得各位置方向上移动物体与本车的距离数据后,将所述每一距离数据与一预设的距离阈值进行比较,如果距离数据达到所述距离阈值,则以预设的预警方式进行预碰撞预警;
第二预警处理单元,用于在获得各当前位置方向上的移动物体的加速度后,将所述移动物体的加速度与一预设的加速度阈值进行比较,如果所述移动物体的加速度超出所述加速度阈值,则以预设的预警方式进行预碰撞预警。
9.如权利要求8所述的系统,其特征在于,所述多组监测设备至少设置于所述车辆的前后左右四侧上。
10.一种车辆,其特征在于,其上设置有如权利要求5至9任一项所述的车辆防碰撞预警系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111366468.9A CN116135640A (zh) | 2021-11-18 | 2021-11-18 | 一种车辆防碰撞预警方法、系统及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111366468.9A CN116135640A (zh) | 2021-11-18 | 2021-11-18 | 一种车辆防碰撞预警方法、系统及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116135640A true CN116135640A (zh) | 2023-05-19 |
Family
ID=86334114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111366468.9A Pending CN116135640A (zh) | 2021-11-18 | 2021-11-18 | 一种车辆防碰撞预警方法、系统及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116135640A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116774590A (zh) * | 2023-08-17 | 2023-09-19 | 山东金彭新能源科技有限公司 | 一种影响干扰用自适应调控方法及系统 |
CN116985793A (zh) * | 2023-09-26 | 2023-11-03 | 深圳市交投科技有限公司 | 基于深度学习算法的自动驾驶安全控制系统及方法 |
CN117238042A (zh) * | 2023-11-14 | 2023-12-15 | 深圳市蓝鲸智联科技股份有限公司 | 一种车底活体监测系统 |
-
2021
- 2021-11-18 CN CN202111366468.9A patent/CN116135640A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116774590A (zh) * | 2023-08-17 | 2023-09-19 | 山东金彭新能源科技有限公司 | 一种影响干扰用自适应调控方法及系统 |
CN116774590B (zh) * | 2023-08-17 | 2023-11-07 | 山东金彭新能源科技有限公司 | 一种影响干扰用自适应调控方法及系统 |
CN116985793A (zh) * | 2023-09-26 | 2023-11-03 | 深圳市交投科技有限公司 | 基于深度学习算法的自动驾驶安全控制系统及方法 |
CN116985793B (zh) * | 2023-09-26 | 2023-12-22 | 深圳市交投科技有限公司 | 基于深度学习算法的自动驾驶安全控制系统及方法 |
CN117238042A (zh) * | 2023-11-14 | 2023-12-15 | 深圳市蓝鲸智联科技股份有限公司 | 一种车底活体监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116135640A (zh) | 一种车辆防碰撞预警方法、系统及车辆 | |
Saunier et al. | Probabilistic framework for automated analysis of exposure to road collisions | |
CN108334055B (zh) | 车辆自动驾驶算法的检验方法、装置、设备及存储介质 | |
Zaki et al. | Use of drivers’ jerk profiles in computer vision–based traffic safety evaluations | |
EP3640622B1 (en) | Method and apparatus for determining coping capability boundary information of an unmanned vehicle and computer program therefore | |
Mohamed et al. | Motion prediction methods for surrogate safety analysis | |
EP3958129A1 (en) | Method and system for validating autonomous control software for a self-driving vehicle | |
CN110796007B (zh) | 场景识别的方法与计算设备 | |
CN112203916A (zh) | 用于确定目标车辆变道相关信息的方法和设备、用于确定车辆舒适性度量用以预测目标车辆的驾驶机动操纵的方法和设备以及计算机程序 | |
JP2017084352A (ja) | 車両を運転する際に当該車両の運転者を支援する方法及びシステム、車両、並びにコンピュータプログラム | |
CN110047276A (zh) | 障碍物车辆的拥堵状态确定方法、装置和相关产品 | |
Tageldin et al. | Comparison of time-proximity and evasive action conflict measures: Case studies from five cities | |
US11926318B2 (en) | Systems and methods for detecting a vulnerable road user in an environment of a vehicle | |
US11232310B2 (en) | Apparatus and method for detecting, classifying and tracking road users on frames of video data | |
CN110632617A (zh) | 一种激光雷达点云数据处理的方法及装置 | |
WO2023050586A1 (zh) | 定位传感器的异常检测方法、装置及终端设备 | |
WO2021063486A1 (en) | Automatic root cause analysis of failures in autonomous vehicle | |
CN115027464A (zh) | 一种基于方向包围盒的自动驾驶碰撞检测方法 | |
KR20220109526A (ko) | 차량 주행 위험 예측 시스템 및 그 방법 | |
US20220383736A1 (en) | Method for estimating coverage of the area of traffic scenarios | |
CN112749210A (zh) | 基于深度学习的车辆碰撞识别方法和系统 | |
Wang et al. | Online safety assessment of automated vehicles using silent testing | |
Amini et al. | Development of a conflict risk evaluation model to assess pedestrian safety in interaction with vehicles | |
CN117523914A (zh) | 碰撞预警方法、装置、设备、可读存储介质及程序产品 | |
CN114872735A (zh) | 基于神经网络算法的自动驾驶物流车辆决策方法和装置 |
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 |