CN116278739A - 一种风险提醒方法及装置 - Google Patents
一种风险提醒方法及装置 Download PDFInfo
- Publication number
- CN116278739A CN116278739A CN202111565226.2A CN202111565226A CN116278739A CN 116278739 A CN116278739 A CN 116278739A CN 202111565226 A CN202111565226 A CN 202111565226A CN 116278739 A CN116278739 A CN 116278739A
- Authority
- CN
- China
- Prior art keywords
- risk
- driving
- driver
- target object
- degree
- 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 78
- 230000015654 memory Effects 0.000 claims description 50
- 230000001149 cognitive effect Effects 0.000 claims description 46
- 230000006996 mental state Effects 0.000 claims description 45
- 230000000875 corresponding effect Effects 0.000 claims description 42
- 230000002596 correlated effect Effects 0.000 claims description 32
- 230000033001 locomotion Effects 0.000 claims description 24
- 230000035484 reaction time Effects 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims 1
- 238000009877 rendering Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 22
- 230000002829 reductive effect Effects 0.000 abstract description 20
- 230000000694 effects Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 30
- 230000006870 function Effects 0.000 description 24
- 238000004891 communication Methods 0.000 description 20
- 239000011159 matrix material Substances 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 5
- 210000003128 head Anatomy 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 5
- MHABMANUFPZXEB-UHFFFAOYSA-N O-demethyl-aloesaponarin I Natural products O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=C(O)C(C(O)=O)=C2C MHABMANUFPZXEB-UHFFFAOYSA-N 0.000 description 4
- 208000032140 Sleepiness Diseases 0.000 description 4
- 206010041349 Somnolence Diseases 0.000 description 4
- 206010047571 Visual impairment Diseases 0.000 description 4
- 230000036626 alertness Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000036651 mood Effects 0.000 description 4
- 230000037321 sleepiness Effects 0.000 description 4
- 239000010409 thin film Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000010363 phase shift Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 241001282135 Poromitra oscitans Species 0.000 description 1
- 206010048232 Yawning Diseases 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
- B60K35/20—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor
- B60K35/21—Output arrangements, i.e. from vehicle to user, associated with vehicle functions or specially adapted therefor using visual output, e.g. blinking lights or matrix displays
- B60K35/23—Head-up displays [HUD]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
- B60K35/80—Arrangements for controlling instruments
- B60K35/81—Arrangements for controlling instruments for controlling displays
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种风险提醒方法,方法包括:获取驾驶者的驾驶信息,驾驶信息包括对驾驶者造成驾驶风险的目标对象,以及目标对象对应的风险程度;根据驾驶信息,呈现针对于目标对象的风险提醒,其中,风险提醒的呈现方式与风险程度有关。本申请实施例中,可以根据驾驶信息中的风险程度,来确定目标对象的风险提醒的呈现信息,可以在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
Description
技术领域
本申请涉及车辆驾驶领域,尤其涉及一种风险提醒方法及装置。
背景技术
随着汽车座舱电子的快速发展,基于屏幕(仪表/中控)可显示的信息种类和内容越来越丰富,但这需要驾驶者频繁的低头去查看才能获取相应信息,这导致驾驶员视线离开路面的时间与频率增加,导致更大的潜在驾驶安全隐患。在此背景下,抬头显示HUD应运而生。
相对于传统的屏幕信息显示,HUD可以直接在驾驶员正前方的路面上叠加显示视觉内容,其可读性更强且更加的直观,驾驶员正常看路时就可以快速地获取信息并做出相应操作,使其拥有更多的反应和决策时间,从而提高驾驶安全。因此,HUD可以逐步集成越来越多的辅助驾驶以及安全预警等信息显示功能。
然而现有的HUD的显示逻辑是检测到内容就显示,这样会使很多无用的信息被显示(如驾驶员原本就能看到某个人,不需要额外显示一个信息),增加驾驶员的视觉认知负荷,影响驾驶员对外部环境的观察。
发明内容
本申请公开了一种风险提醒方法以及相关装置,可以根据驾驶信息中的风险程度,来确定目标对象的风险提醒的呈现信息,可以在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
第一方面,本申请提供了一种风险提醒方法,所述方法包括:获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度;其中,目标对象可以为会对驾驶者所驾驶的车辆存在驾驶风险影响的对象。
在一种可能的实现中,目标对象可以为驾驶者所驾驶的车辆的障碍物,其中,障碍物是能够阻碍或迟滞车辆运动的地形、地物和工程设施等的统称。在本申请中,障碍物可以为人、车、路面基础设施和道路标识等等。
在一种可能的实现中,目标对象可以为车道线等等会对驾驶者驾驶策略存在影响的对象。
在一种可能的实现中,所述风险程度为根据如下信息的至少一种确定的:
所述驾驶者对所述驾驶风险的可察觉程度;
所述驾驶者在察觉到所述驾驶风险后的可应变程度;
所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度;
所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度。
其中,风险程度可以通过具体的数值量化,或者是划分为多个风险等级。
示例性的,风险程度可以分为3个等级:1)可能注意不到;2)可以注意到,但难以判断/理解(注意到/理解/判断目标的水平较低);3)注意到/理解/判断目标的水平正常。
其中,驾驶者对所述驾驶风险的可察觉程度可以理解为驾驶者能够注意到目标对象的程度。
根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。
本申请实施例中,可以根据所述驾驶信息中的风险程度,来确定目标对象的风险提醒的呈现信息,其中,风险提醒的呈现方式与所述风险程度有关。具体的,在驾驶的风险等程度较高的情况下,增强驾驶提醒的呈现强度(呈现强度可以表示对用户的提醒力度,强度越高,则用户意识到驾驶风险的概率越高),在驾驶的风险等程度较高的情况下,降低驾驶提醒的呈现强度,甚至是在无驾驶风险的情况下,不对目标对象的驾驶风险进行提醒。进而可以在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的亮度信息有关,所述亮度信息包括亮度值和/或,所述目标对象与所述环境的亮度差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象的亮度、和/或所述目标对象与所述环境的亮度差异正相关。
其中,目标对象自身的亮度会影响到驾驶者对目标对象的可察觉程度,例如,在目标对象的亮度很低时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差,例如,在目标对象的亮度较高时,驾驶者相对容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好。
其中,目标对象与所述环境的亮度差异也会影响到驾驶者对目标对象的可察觉程度,例如,在目标对象和所处环境的亮度都很低时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差,例如,在目标对象的亮度较高而所处环境亮度较低时,驾驶者相对容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好,例如,在目标对象的亮度较低而所处环境亮度较高时,驾驶者相对容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好,例如,在目标对象的亮度较高而所处环境亮度较高时,驾驶者很容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好。
在一种可能的实现中,可以通过车辆上携带的传感器(例如车外特定摄像头)识别目标对象及目标对象所在区域(环境)的亮暗等信息,并进行比较分析。示例性的,基于目标与所在区域环境的亮暗程度关系,可以分为4个场景:1)环境暗,目标也暗;2)环境暗,目标亮;3)环境亮,目标暗;4)环境亮,目标亮。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的颜色信息有关,所述颜色信息包括所述目标对象与所述环境的颜色差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象与所述环境的颜色差异正相关。
其中,目标对象与所述环境的颜色差异也会影响到驾驶者对目标对象的可察觉程度(差异越大,驾驶能越容易察觉到目标对象),其中颜色差异也可以描述为颜色的重合度。例如,在目标对象和所处环境的颜色的重合度很高时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差,例如,在目标对象和所处环境的颜色的重合度很低时,驾驶者相对容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好。
在一种可能的实现中,可以通过车辆上携带的传感器(例如车外特定摄像头)识别目标对象及目标对象所在区域(环境)的颜色等信息,并进行比较分析。示例性的,基于目标颜色与背景环境的关系,分为3种情况:1)目标颜色与背景颜色基本重合;2)目标颜色与背景颜色部分重合;3)目标颜色与背景颜色不重合。
在一种可能的实现中,所述呈现针对于所述目标对象的风险提醒,包括:将所述针对于所述目标对象的风险提醒投影在抬头显示HUD上;或者,将所述针对于所述目标对象的风险提醒显示在驾驶场景的显示器中。
例如,在将风险程度划分为不同的风险等级的情况下,目标阈值可以为划分不同的风险等级的风险程度阈值,例如可以将风险程度划分为等级1、等级2以及等级3,目标阈值可以为等级1和等级2的划分阈值,在所述风险程度大于目标阈值的情况下,风险等级为等级1,在所述风险程度小于目标阈值的情况下,风险等级为等级2;目标阈值可以为等级2和等级3的划分阈值,在所述风险程度大于目标阈值的情况下,风险等级为等级2,在所述风险程度小于目标阈值的情况下,风险等级为等级3。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,具体可以为:所述风险提醒针对于驾驶风险的提醒强度与所述风险程度正相关。也就是说,随着驾驶风险的变大,提醒强度的变化可以为连续的。
本申请实施例中,在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
也就是说,在风险程度较高时,风险提醒的提醒强度较高,在风险程度较低时,风险提醒的提醒强度较低。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现时间,所述呈现时间越早,所述提醒强度越高。其中,呈现时间与预测的碰撞时间(TTC)有关,在通常情况下,可以基于TTC来进行风险提示,本申请实施例中,在风险程度较高的情况下,可以将风险提醒的提醒时间更加的提前,以便驾驶者可以更早的察觉到驾驶风险,进而降低驾驶事故的发生。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现区域面积,所述呈现区域越大,所述提醒强度越高。其中,在驾驶提醒呈现在HUD上的场景中,呈现区域面积可以理解为投影面积,在驾驶提醒呈现在驾驶表盘等显示器上的场景中,呈现区域面积可以理解为显示面积。在驾驶风险较高的情况下,由于风险提醒的呈现区域面积较大,用户更容易觉察到目标对象以及对应的驾驶风险,进而,驾驶者可以更容易的察觉到驾驶风险,从而降低驾驶事故的发生。其中,在驾驶风险较低的情况下,由于风险提醒的呈现区域面积较小(或者完全没有提醒),在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现内容,所述呈现内容越瞩目,所述提醒强度越高。其中,呈现内容可以为用于提醒的图标、文字等。在驾驶风险较高的情况下,由于风险提醒的呈现内容更瞩目,用户更容易觉察到目标对象以及对应的驾驶风险,进而,驾驶者可以更容易的察觉到驾驶风险,从而降低驾驶事故的发生。其中,在驾驶风险较低的情况下,由于风险提醒的呈现内容相对不瞩目(或者完全没有提醒),在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现亮度,所述呈现亮度越高,所述提醒强度越高。在驾驶风险较高的情况下,由于风险提醒的呈现亮度更高,用户更容易觉察到目标对象以及对应的驾驶风险,进而,驾驶者可以更容易的察觉到驾驶风险,从而降低驾驶事故的发生。其中,在驾驶风险较低的情况下,由于风险提醒的呈现亮度更低,在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现颜色,所述呈现颜色越鲜艳,所述提醒强度越高。在驾驶风险较高的情况下,由于风险提醒的呈现颜色更鲜艳,用户更容易觉察到目标对象以及对应的驾驶风险,进而,驾驶者可以更容易的察觉到驾驶风险,从而降低驾驶事故的发生。其中,在驾驶风险较低的情况下,由于风险提醒的呈现颜色相对不鲜艳,在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述目标对象为障碍物、车道线或交通标志,所述驾驶信息还包括所述目标对象的位置信息;
所述根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,包括:
若所述驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值,则通过抬头显示HUD,根据所述位置信息,对所述目标对象对应的指示标识进行投影。
在一种可能的实现中,驾驶者对所述驾驶风险的可察觉程度可以和目标对象是否在驾驶者的视野范围内有关,当目标对象不在驾驶者的视野范围内时,驾驶者对所述目标对象的可察觉程度很差。
在一种可能的实现中,在驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值时,可以认为从驾驶者的角度来说,是很难观察到目标对象的,为了能够让驾驶者感知到目标对象,可以通过HUD将能够指示目标对象的指示标识投影到驾驶者面前的区域,以便辅助驾驶者观察到目标对象。
其中,障碍物可以为人物、车辆、交通灯等;
其中,车道线可以为单实线、双实线、单虚线、导流线、禁停网格线等;
其中,交通标志可以为警告标志、禁令标志、指示标志、指路标志、旅游区标志或道路施工安全标志等。
其中,目标对象的指示标识可以满足:
目标对象的指示标识可以指示目标对象的类型。
其中,为了能够使得驾驶者知晓目标对象是什么,需要能够让驾驶者识别出目标对象的类型,例如障碍物的类型(例如人物、车辆、交通灯等),车道线的类型(例如单实线、双实线、单虚线、导流线、禁停网格线等等),障碍物的类型可以和目标对象的投影形状有关,还可以和投影颜色有关,例如白实线、黄实线等。
在一种可能的实现中,目标对象的指示标识可以为目标对象本身(例如直接投影车道线),或者是能够指示目标对象的标识(例如文字、图案等)。
目标对象的指示标识可以指示目标对象的位置。
其中,目标对象的位置可以为目标对象和驾驶车辆之间的相对位置,从驾驶者的视角来看,通过目标对象的指示标识的投影,驾驶者能够知晓目标对象的真实位置。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述驾驶者的驾驶状态有关,所述驾驶状态包括精神状态和/或认知负荷;其中,所述驾驶者对所述驾驶风险的可察觉程度与所述精神状态正相关;所述驾驶者对所述驾驶风险的可察觉程度与所述认知负荷负相关。
其中,驾驶者的驾驶状态也会影响到驾驶者对目标对象的可察觉程度,其中驾驶状态可以包括精神状态,可选的,所述精神状态用于指示如下信息的至少一种:疲劳程度、嗜睡程度、注意力的集中程度、警觉性程度,路怒程度以及心情的低落程度。
其中,驾驶状态可以包括认知负荷,可选的,认知负荷,主要为驾驶任务工作负荷,主要由路况复杂、同时进行多种任务导致大脑负荷过高引起的,路况良好单一集中驾驶时,负荷较低,相反,路况较差、需关注投入驾驶任务和其他任务(打电话等)同时进行时,负荷为高。
例如,在目标对象的精神状态很差时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差,例如,在目标对象的认知负荷很高时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差。
在一种可能的实现中,所述驾驶状态包括所述驾驶者当前的精神状态和所述驾驶者的正常驾驶状态之间的差异。
正常驾驶状态可以与驾驶员历史驾驶状态有关,例如可以为历史驾驶状态的平均值。
在一种可能的实现中,可以通过车辆上的传感器(例如车内摄像头)采集驾驶者的驾驶状态(例如疲劳程度、注意力情况)等,并与历史均值(或者预设的一个参考)进行比较,得出驾驶员当前的驾驶状态。
在一种可能的实现中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述驾驶者针对于危险的反应时间有关、精神状态和/或认知负荷有关;其中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述反应时间负相关,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述精神状态正相关;所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述认知负荷负相关。
其中,应变可以理解为在用户觉察到目标对象之后,会意识到需要去规避由目标对象导致的驾驶风险的程度。
其中,驾驶者的驾驶状态会影响所述驾驶者在察觉到所述驾驶风险后的可应变程度,驾驶状态可以包括精神状态,可选的,所述精神状态用于指示如下信息的至少一种:疲劳程度、嗜睡程度、注意力的集中程度、警觉性程度,路怒程度以及心情的低落程度。
其中,驾驶状态可以包括认知负荷,可选的,认知负荷,主要为驾驶任务工作负荷,主要由路况复杂、同时进行多种任务导致大脑负荷过高引起的,路况良好单一集中驾驶时,负荷较低,相反,路况较差、需关注投入驾驶任务和其他任务(打电话等)同时进行时,负荷为高。
其中,与所述驾驶者针对于危险的反应时间会影响所述驾驶者在察觉到所述驾驶风险后的可应变程度,其中驾驶者针对于危险的反应时间可以为对用户历史(例如近期)的驾驶情况信息确定的,驾驶情况信息可以但不限于为用户在面对危险后踩刹车的反应速度等等。
例如,在目标对象的精神状态很差时,驾驶者在察觉到所述驾驶风险后的可应变程度较差,例如,在目标对象的认知负荷很高时,驾驶者在察觉到所述驾驶风险后的可应变程度较差,即驾驶者对所述驾驶风险的可察觉程度较差,例如驾驶者针对于危险的反应时间较长时,驾驶者在察觉到所述驾驶风险后的可应变程度较差。
在一种可能的实现中,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
在一种可能的实现中,所述自身属性包括如下的至少一种:
所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
在一种可能的实现中,目标对象可以为人,其同样具备觉察到驾驶者所驾驶车辆以及针对于会发生的风险进行应变的程度。
在一种可能的实现中,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
在一种可能的实现中,所述自身属性包括如下的至少一种:所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
在一种可能的实现中,可以通过车辆的传感器(例如车外特定摄像头)来检测目标的位置、大小、运动情况等信息。然后将目标状态分为:外部特征辨别度(如大小、身高)、目标人物的朝向(如是否面朝本车辆)、运动状态(如静止,晃动等)等情况。
可选的,可以通过对目标人物的外部特征辨别度(如大小、身高)的检测来推测目标人物的年龄。
可选的,可以通过对目标人物朝向(如是否面朝本车辆)的检测来推测目标人物的目标人物的视野范围。
可选的,在目标人物的年龄较小的情况下,目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度都很差,在驾驶者驾驶的车辆不在目标人物的视野范围内时,目标人物对所述驾驶风险的可察觉程度很差,在目标人物的移动状态指示其处于快速移动的情况下,目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度都很差。
本申请还提供了一种风险提醒方法,所述方法包括:
获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度;
根据所述驾驶信息,得到风险提醒信息,所述风险提醒信息用于供呈现设备呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。
在一种可能的实现中,所述呈现针对于所述目标对象的风险提醒,包括:
将所述针对于所述目标对象的风险提醒投影在抬头显示HUD上;或者,
将所述针对于所述目标对象的风险提醒显示在驾驶场景的显示器中。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,包括:
在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;
在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,
所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,包括:
所述风险提醒针对于驾驶风险的提醒强度与所述风险程度正相关。
在一种可能的实现中,所述提醒强度包括如下信息的至少一种:
所述风险提醒的呈现时间,所述呈现时间越早,所述提醒强度越高;
所述风险提醒的呈现区域面积,所述呈现区域越大,所述提醒强度越高;
所述风险提醒的呈现内容,所述呈现内容越瞩目,所述提醒强度越高;
所述风险提醒的呈现亮度,所述呈现亮度越高,所述提醒强度越高;
所述风险提醒的呈现颜色,所述呈现颜色越鲜艳,所述提醒强度越高。
在一种可能的实现中,所述目标对象为障碍物、车道线或交通标志,所述驾驶信息还包括所述目标对象的位置信息;若所述驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值,则可以通过抬头显示HUD,根据所述位置信息,对所述目标对象对应的指示标识进行投影。
在一种可能的实现中,所述风险程度为根据如下信息的至少一种确定的:
所述驾驶者对所述驾驶风险的可察觉程度;
所述驾驶者在察觉到所述驾驶风险后的可应变程度;
所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度;
所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的亮度信息有关,所述亮度信息包括亮度值和/或,所述目标对象与所述环境的亮度差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象的亮度、和/或所述目标对象与所述环境的亮度差异正相关。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的颜色信息有关,所述颜色信息包括所述目标对象与所述环境的颜色差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象与所述环境的颜色差异正相关。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述驾驶者的驾驶状态有关,所述驾驶状态包括精神状态和/或认知负荷;其中,所述驾驶者对所述驾驶风险的可察觉程度与所述精神状态正相关;所述驾驶者对所述驾驶风险的可察觉程度与所述认知负荷负相关。
在一种可能的实现中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述驾驶者针对于危险的反应时间有关、精神状态和/或认知负荷有关;其中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述反应时间负相关,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述精神状态正相关;所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述认知负荷负相关。
在一种可能的实现中,所述驾驶状态包括所述驾驶者当前的精神状态和所述驾驶者的正常驾驶状态之间的差异。
在一种可能的实现中,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
在一种可能的实现中,所述自身属性包括如下的至少一种:
所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
第二方面,本申请提供了一种风险提醒装置,所述装置包括:
获取模块,用于获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度,所述风险程度为根据如下信息的至少一种确定的:
所述驾驶者对所述驾驶风险的可察觉程度、所述驾驶者在察觉到所述驾驶风险后的可应变程度、所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度、或者所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度;
信息呈现模块,用于根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。
在一种可能的实现中,所述信息呈现模块,具体用于:
将所述针对于所述目标对象的风险提醒投影在抬头显示HUD上;或者,
将所述针对于所述目标对象的风险提醒显示在驾驶场景的显示器中。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,包括:
在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;
在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,
所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,包括:
所述风险提醒针对于驾驶风险的提醒强度与所述风险程度正相关。
在一种可能的实现中,所述提醒强度包括如下信息的至少一种:
所述风险提醒的呈现时间,所述呈现时间越早,所述提醒强度越高;
所述风险提醒的呈现区域面积,所述呈现区域越大,所述提醒强度越高;
所述风险提醒的呈现内容,所述呈现内容越瞩目,所述提醒强度越高;
所述风险提醒的呈现亮度,所述呈现亮度越高,所述提醒强度越高;
所述风险提醒的呈现颜色,所述呈现颜色越鲜艳,所述提醒强度越高。
在一种可能的实现中,所述目标对象为障碍物、车道线或交通标志,所述驾驶信息还包括所述目标对象的位置信息;
所述信息呈现模块,具体用于:
若所述驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值,则通过抬头显示HUD,根据所述位置信息,对所述目标对象对应的指示标识进行投影。
在一种可能的实现中,所述风险程度为根据如下信息的至少一种确定的:
所述驾驶者对所述驾驶风险的可察觉程度;
所述驾驶者在察觉到所述驾驶风险后的可应变程度;
所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度;
所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的亮度信息有关,所述亮度信息包括亮度值和/或,所述目标对象与所述环境的亮度差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象的亮度、和/或所述目标对象与所述环境的亮度差异正相关。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的颜色信息有关,所述颜色信息包括所述目标对象与所述环境的颜色差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象与所述环境的颜色差异正相关。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述驾驶者的驾驶状态有关,所述驾驶状态包括精神状态和/或认知负荷;其中,所述驾驶者对所述驾驶风险的可察觉程度与所述精神状态正相关;所述驾驶者对所述驾驶风险的可察觉程度与所述认知负荷负相关。
在一种可能的实现中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述驾驶者针对于危险的反应时间有关、精神状态和/或认知负荷有关;其中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述反应时间负相关,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述精神状态正相关;所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述认知负荷负相关。
在一种可能的实现中,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
在一种可能的实现中,所述自身属性包括如下的至少一种:
所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
本申请还提供了一种风险提醒装置,所述装置包括:
获取模块,用于获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度;
信息生成模块,用于根据所述驾驶信息,得到风险提醒信息,所述风险提醒信息用于供呈现设备呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。
在一种可能的实现中,所述呈现针对于所述目标对象的风险提醒,包括:
将所述针对于所述目标对象的风险提醒投影在抬头显示HUD上;或者,
将所述针对于所述目标对象的风险提醒显示在驾驶场景的显示器中。
在一种可能的实现中,所述目标对象为障碍物、车道线或交通标志,所述驾驶信息还包括所述目标对象的位置信息;
所述风险提醒信息用于若所述驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值,则供呈现设备,根据所述位置信息,对所述目标对象对应的指示标识进行呈现。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,包括:
在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;
在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,
所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,包括:
所述风险提醒针对于驾驶风险的提醒强度与所述风险程度正相关。
在一种可能的实现中,所述提醒强度包括如下信息的至少一种:
所述风险提醒的呈现时间,所述呈现时间越早,所述提醒强度越高;
所述风险提醒的呈现区域面积,所述呈现区域越大,所述提醒强度越高;
所述风险提醒的呈现内容,所述呈现内容越瞩目,所述提醒强度越高;
所述风险提醒的呈现亮度,所述呈现亮度越高,所述提醒强度越高;
所述风险提醒的呈现颜色,所述呈现颜色越鲜艳,所述提醒强度越高。
在一种可能的实现中,所述风险程度为根据如下信息的至少一种确定的:
所述驾驶者对所述驾驶风险的可察觉程度;
所述驾驶者在察觉到所述驾驶风险后的可应变程度;
所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度;
所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的亮度信息有关,所述亮度信息包括亮度值和/或,所述目标对象与所述环境的亮度差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象的亮度、和/或所述目标对象与所述环境的亮度差异正相关。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的颜色信息有关,所述颜色信息包括所述目标对象与所述环境的颜色差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象与所述环境的颜色差异正相关。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述驾驶者的驾驶状态有关,所述驾驶状态包括精神状态和/或认知负荷;其中,所述驾驶者对所述驾驶风险的可察觉程度与所述精神状态正相关;所述驾驶者对所述驾驶风险的可察觉程度与所述认知负荷负相关。
在一种可能的实现中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述驾驶者针对于危险的反应时间有关、精神状态和/或认知负荷有关;其中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述反应时间负相关,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述精神状态正相关;所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述认知负荷负相关。
在一种可能的实现中,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
在一种可能的实现中,所述自身属性包括如下的至少一种:
所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
第三方面,本申请实施例提供了一种风险提醒装置,可以包括存储器、处理器以及总线系统,其中,存储器用于存储程序,处理器用于执行存储器中的程序,以执行如上述第一方面任一可选的方法。
第四方面,本申请实施例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中存储有计算机程序,当其在计算机上运行时,使得计算机执行上述第一方面任一可选的方法。
第五方面,本申请实施例提供了一种计算机程序产品,包括代码,当代码被执行时,用于实现上述第一方面任一可选的方法。
第六方面,本申请提供了一种芯片系统,该芯片系统包括处理器,用于支持设备实现上述方面中所涉及的功能,例如,发送或处理上述方法中所涉及的数据;或,信息。在一种可能的设计中,所述芯片系统还包括存储器,所述存储器,用于保存执行设备或风险提醒装置必要的程序指令和数据。该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
本申请实施例提供了一种风险提醒方法,所述方法包括:获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度,所述风险程度为根据如下信息的至少一种确定的:所述驾驶者对所述驾驶风险的可察觉程度、所述驾驶者在察觉到所述驾驶风险后的可应变程度、所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度、或者所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度;根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。本申请实施例中,可以根据所述驾驶信息中的风险程度,来确定目标对象的风险提醒的呈现信息,其中,风险提醒的呈现方式与所述风险程度有关。具体的,在驾驶的风险等程度较高的情况下,增强驾驶提醒的呈现强度(呈现强度可以表示对用户的提醒力度,强度越高,则用户意识到驾驶风险的概率越高),在驾驶的风险等程度较高的情况下,降低驾驶提醒的呈现强度,甚至是在无驾驶风险的情况下,不对目标对象的驾驶风险进行提醒。进而可以在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
附图说明
图1为本申请实施例提供的具有自动驾驶功能的自动驾驶装置的功能框图;
图2为本申请实施例提供的一种驾驶系统的结构示意图;
图3a和图3b为本申请实施例提供的车辆的一种内部结构;
图4为一种HUD场景示意;
图5为本申请实施例提供的一种风险提醒方法的流程示意;
图6为本申请实施例提供的一种风险提醒示意;
图7为本申请实施例提供的一种风险提醒示意;
图8为本申请实施例提供的一种风险提醒方法示意;
图9为本申请实施例提供的一种风险提醒示意;
图10为本申请实施例提供的一种风险提醒示意;
图11为本申请实施例提供的一种风险提醒方法示意;
图12为本申请实施例提供的一种风险提醒示意;
图13为本申请实施例提供的一种风险提醒示意;
图14为本申请实施例提供的一种风险提醒示意;
图15为本申请实施例提供的一种风险提醒示意;
图16为本申请实施例提供的一种风险提醒方法示意;
图17为本申请实施例提供的一种风险提醒示意;
图18为本申请实施例提供的一种风险提醒示意;
图19为本申请实施例提供的一种风险提醒示意;
图20为本申请实施例提供的一种风险提醒方法示意;
图21为本申请实施例提供的一种风险提醒装置示意;
图22为本申请实施例提供的一种风险提醒装置示意;
图23为本申请实施例提供的一种芯片结构示意。
具体实施方式
下面结合本申请实施例中的附图对本申请的具体实现方式进行举例描述。然而本申请的实现方式还可以包括在不脱离本申请的精神或范围的前提下将这些实施例组合,比如采用其它实施例和做出结构性改变。因此以下实施例的详细描述不应从限制性的意义上去理解。本申请的实施例部分使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。
本申请的具体实施例中所提到的功能、模块、特征、单元等的一个或多个结构组成可以理解为由任何物理的或有形的组件(例如,由在计算机设备上运行的软件、硬件(例如,处理器或芯片实现的逻辑功能)等、和/或其它任何组合)以任何方式来实现。在某些实施例中,所示出的将附图中的将各种设备分成不同的模块或单元可以反映在实际实现中使用对应的不同的物理和有形的组件。可选的,本申请实施例附图中的单个模块也可以由多个实际物理组件来实现。同样,在附图中描绘的任何两个或更多个模块也可以反映由单个实际物理组件所执行的不同的功能。
关于本申请实施例的方法流程图,将某些操作描述为以一定顺序执行的不同的步骤。这样的流程图属于说明性的而非限制性的。可以将在本文中所描述的某些步骤分组在一起并且在单个操作中执行、可以将某些步骤分割成多个子步骤、并且可以以不同于在本文中所示出的顺序来执行某些步骤。可以由任何电路结构和/或有形机制(例如,由在计算机设备上运行的软件、硬件(例如,处理器或芯片实现的逻辑功能)等、和/或其任何组合)以任何方式来实现在流程图中所示出的各个步骤。
以下的说明可以将一个或多个特征标识为“可选的”。该类型的声明不应当被解释为对可以被认为是可选的特征的详尽的指示;即,尽管没有在文本中明确地标识,但其他特征可以被认为是可选的。此外,对单个实体的任何描述不旨在排除对多个这样的实体的使用;类似地,对多个实体的描述不旨在排除对单个实体的使用。最后,术语“示例性的”是指在潜在的许多实现中的一个实现。
本申请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术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。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,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,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单元。
本申请可以应用在驾驶场景中。
以下示例性介绍本申请的应用场景。
本说明书中所述的车辆(例如本申请实施例描述的驾驶者所驾驶的车辆)可以是将引擎作为动力源的内燃机车辆、将引擎和电动马达作为动力源的混合动力车辆、将电动马达作为动力源的电动汽车等等。
本申请实施例中,车辆可以包括具有驾驶功能的驾驶装置100。
参照图1,图1是本申请实施例提供的具有自动驾驶功能的驾驶装置100的功能框图。在一个实施例中,将驾驶装置100配置为完全或部分地自动驾驶模式。例如,驾驶装置100可以在处于自动驾驶模式中的同时控制自身,并且可通过人为操作来确定自动驾驶装置及其周边环境的当前状态,确定周边环境中的至少一个其他自动驾驶装置的可能行为,并确定该其他自动驾驶装置执行可能行为的可能性相对应的置信水平,基于所确定的信息来控制驾驶装置100。在驾驶装置100处于自动驾驶模式中时,可以将驾驶装置100置为在没有和人交互的情况下操作。
驾驶装置100可包括各种子系统,例如行进系统102、传感器系统104、控制系统106、一个或多个外围设备108以及电源110、计算机系统112和用户接口116。可选地,驾驶装置100可包括更多或更少的子系统,并且每个子系统可包括多个元件。另外,驾驶装置100的每个子系统和元件可以通过有线或者无线互连。
行进系统102可包括为驾驶装置100提供动力运动的组件。在一个实施例中,行进系统102可包括引擎118、能量源119、传动装置120和车轮/轮胎121。引擎118可以是内燃引擎、电动机、空气压缩引擎或其他类型的引擎组合,例如气油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎118将能量源119转换成机械能量。
能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源119也可以为驾驶装置100的其他系统提供能量。
传动装置120可以将来自引擎118的机械动力传送到车轮121。传动装置120可包括变速箱、差速器和驱动轴。在一个实施例中,传动装置120还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮121的一个或多个轴。
传感器系统104可包括感测关于驾驶装置100周边的环境的信息的若干个传感器。例如,传感器系统104可包括定位系统122(定位系统可以是全球定位系统(globalpositioning system,GPS)系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)124、雷达126、激光测距仪128以及相机130。传感器系统104还可包括被监视驾驶装置100的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是自主驾驶装置100的安全操作的关键功能。
定位系统122可用于估计驾驶装置100的地理位置。IMU 124用于基于惯性加速度来感测驾驶装置100的位置和朝向变化。在一个实施例中,IMU 124可以是加速度计和陀螺仪的组合。
雷达126可利用无线电信号来感测驾驶装置100的周边环境内的物体。在一些实施例中,除了感测物体以外,雷达126还可用于感测物体的速度和/或前进方向。
雷达126可包括电磁波发送部、接收部。雷达126在电波发射原理上可实现为脉冲雷达(pulse radar)方式或连续波雷达(continuous wave radar)方式。雷达126在连续波雷达方式中可根据信号波形而实现为调频连续波(frequency modulated continuouswave,FMCW)方式或频移监控(frequency shift keying,FSK)方式。
雷达126可以电磁波作为媒介,基于飞行时间(time of flight,TOF)方式或相移(phase-shift)方式来检测对象,并检测被检测出的对象的位置、与检测出的对象的距离以及相对速度。为了检测位于车辆的前方、后方或侧方的对象,雷达126可配置在车辆的外部的适当的位置。激光雷达126可以激光作为媒介,基于TOF方式或相移方式检测对象,并检测被检测出的对象的位置、与检测出的对象的距离以及相对速度。
可选地,为了检测位于车辆的前方、后方或侧方的对象,激光雷达126可配置在车辆的外部的适当的位置。
激光测距仪128可利用激光来感测驾驶装置100所位于的环境中的物体。在一些实施例中,激光测距仪128可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。
相机130可用于捕捉驾驶装置100的周边环境的多个图像。相机130可以是静态相机或视频相机。
可选地,为了获取车辆外部影像,相机130可位于车辆的外部的适当的位置。例如,为了获取车辆前方的影像,相机130可在车辆的室内与前风挡相靠近地配置。或者,相机130可配置在前保险杠或散热器格栅周边。例如,为了获取车辆后方的影像,相机130可在车辆的室内与后窗玻璃相靠近地配置。或者,相机130可配置在后保险杠、后备箱或尾门周边。例如,为了获取车辆侧方的影像,相机130可在车辆的室内与侧窗中的至少一方相靠近地配置。或者,相机130可配置在侧镜、挡泥板或车门周边。
控制系统106为控制驾驶装置100及其组件的操作。控制系统106可包括各种元件,其中包括转向系统132、油门134、制动单元136、传感器融合算法138、计算机视觉系统140、路线控制系统142以及障碍物避免系统144。
转向系统132可操作来调整驾驶装置100的前进方向。例如在一个实施例中可以为方向盘系统。
油门134用于控制引擎118的操作速度并进而控制驾驶装置100的速度。
制动单元136用于控制驾驶装置100减速。制动单元136可使用摩擦力来减慢车轮121。在其他实施例中,制动单元136可将车轮121的动能转换为电流。制动单元136也可采取其他形式来减慢车轮121转速从而控制驾驶装置100的速度。
计算机视觉系统140可以操作来处理和分析由相机130捕捉的图像以便识别驾驶装置100周边环境中的物体和/或特征。所述物体和/或特征可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别算法、运动中恢复结构(structure frommotion,SFM)算法、视频跟踪和其他计算机视觉技术。在一些实施例中,计算机视觉系统140可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。
路线控制系统142用于确定驾驶装置100的行驶路线。在一些实施例中,路线控制系统142可结合来自传感器138、定位系统122和一个或多个预定地图的数据以为驾驶装置100确定行驶路线。
障碍规避系统144用于识别、评估和规避或者以其他方式越过驾驶装置100的环境中的潜在障碍物。
当然,在一个实例中,控制系统106可以增加或替换地包括除了所示出和描述的那些以外的组件。或者也可以减少一部分上述示出的组件。
驾驶装置100通过外围设备108与外部传感器、其他自动驾驶装置、其他计算机系统或用户之间进行交互。外围设备108可包括无线通信系统146、车载电脑148、麦克风150和/或扬声器152。
在一些实施例中,外围设备108提供驾驶装置100的用户与用户接口116交互的手段。例如,车载电脑148可向驾驶装置100的用户提供信息。用户接口116还可操作车载电脑148来接收用户的输入。车载电脑148可以通过触摸屏进行操作。在其他情况中,外围设备108可提供用于驾驶装置100与位于车内的其它设备通信的手段。例如,麦克风150可从驾驶装置100的用户接收音频(例如,语音命令或其他音频输入)。类似地,扬声器152可向驾驶装置100的用户输出音频。
无线通信系统146可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信系统146可使用3G蜂窝通信,例如码分多址(code division multipleaccess,CDMA)、EVD0、全球移动通信系统(global system for mobile communications,GSM)/是通用分组无线服务技术(general packet radio service,GPRS),或者4G蜂窝通信,例如长期演进(long term evolution,LTE),或者5G蜂窝通信。无线通信系统146可利用WiFi与无线局域网(wireless local area network,WLAN)通信。在一些实施例中,无线通信系统146可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议,例如各种自动驾驶装置通信系统,例如,无线通信系统146可包括一个或多个专用短程通信(dedicatedshort range communications,DSRC)设备,这些设备可包括自动驾驶装置和/或路边台站之间的公共和/或私有数据通信。
电源110可向驾驶装置100的各种组件提供电力。在一个实施例中,电源110可以为可再充电锂离子或铅酸电池。这种电池的一个或多个电池组可被配置为电源为驾驶装置100的各种组件提供电力。在一些实施例中,电源110和能量源119可一起实现,例如一些全电动车中那样。
驾驶装置100的部分或所有功能受计算机系统112控制。计算机系统112可包括至少一个处理器113,处理器113执行存储在例如存储器114这样的非暂态计算机可读介质中的指令115。计算机系统112还可以是采用分布式方式控制驾驶装置100的个体组件或子系统的多个计算设备。
处理器113可以是任何常规的处理器,诸如商业可获得的中央处理器(centralprocessing unit,CPU)。替选地,该处理器可以是诸如专用集成电路(applicationspecific integrated circuits,ASIC)或其它基于硬件的处理器的专用设备。尽管图1功能性地图示了处理器、存储器、和在相同块中的计算机110的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机110的外壳内的其它存储介质。因此,对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,所述处理器只执行与特定于组件的功能相关的计算。
在此处所描述的各个方面中,处理器可以位于远离该驾驶装置并且与该驾驶装置进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于驾驶装置内的处理器上执行而其它则由远程处理器执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,存储器114可包含指令115(例如,程序逻辑),指令115可被处理器113执行来执行驾驶装置100的各种功能,包括以上描述的那些功能。存储器114也可包含额外的指令,包括向行进系统102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令115以外,存储器114还可存储数据,例如道路地图、路线信息,自动驾驶装置的位置、方向、速度以及其它这样的自动驾驶装置数据,以及其他信息。这种信息可在驾驶装置100在自主、半自主和/或手动模式中操作期间被驾驶装置100和计算机系统112使用。
用户接口116,用于向驾驶装置100的用户提供信息或从其接收信息。可选地,用户接口116可包括在外围设备108的集合内的一个或多个输入/输出设备,例如无线通信系统146、车载电脑148、麦克风150和扬声器152。
计算机系统112可基于从各种子系统(例如,行进系统102、传感器系统104和控制系统106)以及从用户接口116接收的输入来控制驾驶装置100的功能。例如,计算机系统112可利用来自控制系统106的输入以便控制转向单元132来避免由传感器系统104和障碍物避免系统144检测到的障碍物。在一些实施例中,计算机系统112可操作来对驾驶装置100及其子系统的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与驾驶装置100分开安装或关联。例如,存储器114可以部分或完全地与驾驶装置100分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图1不应理解为对本申请实施例的限制。
在道路行进的自动驾驶汽车,如上面的驾驶装置100,可以识别其周围环境内的物体以确定对当前速度的调整。所述物体可以是其它自动驾驶装置、交通控制设备、或者其它类型的物体。在一些示例中,可以独立地考虑每个识别的物体,并且基于物体的各自的特性,诸如它的当前速度、加速度、与自动驾驶装置的间距等,可以用来确定自动驾驶汽车所要调整的速度。
可选地,自动驾驶汽车驾驶装置100或者与驾驶装置100相关联的计算设备(如图1的计算机系统112、计算机视觉系统140、存储器114)可以基于所识别的物体的特性和周围环境的状态(例如,交通、雨、道路上的冰、等等)来预测所述识别的物体的行为。可选地,每一个所识别的物体都依赖于彼此的行为,因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。驾驶装置100能够基于预测的所述识别的物体的行为来调整它的速度。换句话说,自动驾驶汽车能够基于所预测的物体的行为来确定自动驾驶装置将需要调整到(例如,加速、减速、或者停止)什么稳定状态。在这个过程中,也可以考虑其它因素来确定驾驶装置100的速度,诸如,驾驶装置100在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外,计算设备还可以提供修改驾驶装置100的转向角的指令,以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如,道路上的相邻车道中的轿车)的安全横向和纵向距离。
上述驾驶装置100可以为轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割草机、娱乐车、游乐场自动驾驶装置、施工设备、电车、高尔夫球车、火车、和手推车等,本申请实施例不做特别的限定。
图1介绍了驾驶装置100的功能框图,下面介绍驾驶装置100中的驾驶系统101。图2为本申请实施例提供的一种驾驶系统的结构示意图。图1和图2是从不同的角度来描述驾驶装置100,例如图2中的计算机系统101为图1中的计算机系统112。
如图2所示,计算机系统101包括处理器103,处理器103和系统总线105耦合。处理器103可以是一个或者多个处理器,其中,每个处理器都可以包括一个或多个处理器核。系统总线105通过总线桥111和输入输出(I/O)总线113耦合。I/O接口115和I/O总线耦合。I/O接口115和多种I/O设备进行通信,比如输入设备117(如:键盘,鼠标,触摸屏等),多媒体盘(media tray)121,例如CD-ROM,多媒体接口等。收发器123(可以发送和/或接受无线电通信信号),摄像头155(可以捕捉景田和动态数字视频图像)和外部USB端口125。可选的,和I/O接口115相连接的接口可以是USB接口。
其中,处理器103可以是任何传统处理器,包括精简指令集计算(“RISC”)处理器、复杂指令集计算(“CISC”)处理器或上述的组合。可选的,处理器可以是诸如专用集成电路(“ASIC”)的专用装置。可选的,处理器103可以是神经网络处理器(neural-networkprocessing unit,NPU)或者是神经网络处理器和上述传统处理器的组合。可选的,处理器103挂载有一个神经网络处理器。
计算机系统101可以通过网络接口129和服务器149通信。网络接口129是硬件网络接口,比如,网卡。网络127可以是外部网络,比如因特网,也可以是内部网络,比如以太网或者虚拟私人网络(VPN)。可选的,网络127还可以是无线网络,比如WiFi网络,蜂窝网络等。
服务器149可以是高精度地图服务器连接,车辆可以通过与高精度地图的通信来获取高精度地图信息。
服务器149可以是车辆管理服务器,车辆管理服务器可以用于处理车辆上传的数据,也可以将数据通过网络下发到车辆。
此外,计算机系统101可以通过网络接口129和其他车辆160(vehicle tovehicle,V2V)或行人(vehicle to pedestrian,V2P)进行无线通信。
硬盘驱动接口和系统总线105耦合。硬件驱动接口和硬盘驱动器相连接。系统内存135和系统总线105耦合。运行在系统内存135的数据可以包括计算机系统101的操作系统137和应用程序143。
操作系统包括壳(Shell)139和内核(kernel)141。壳139是介于使用者和操作系统之内核(kernel)间的一个接口。壳139是操作系统最外面的一层。壳139管理使用者与操作系统之间的交互:等待使用者的输入,向操作系统解释使用者的输入,并且处理各种各样的操作系统的输出结果。
内核141由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。直接与硬件交互,操作系统内核通常运行进程,并提供进程间的通信,提供CPU时间片管理、中断、内存管理、IO管理等等。
应用程序141包括自动驾驶相关程序,比如,管理自动驾驶装置和路上障碍物交互的程序,控制自动驾驶装置的行车路线或者速度的程序,控制驾驶装置100和路上其他自动驾驶装置交互的程序。
传感器153和计算机系统101关联。传感器153用于探测计算机系统101周围的环境。举例来说,传感器153可以探测动物,汽车,障碍物和人行横道等,进一步传感器还可以探测上述动物,汽车,障碍物和人行横道等物体周围的环境,比如:动物周围的环境,例如,动物周围出现的其他动物,天气条件,周围环境的光亮度等。可选的,如果计算机系统101位于自动驾驶装置上,传感器可以是摄像头,红外线感应器,化学检测器,麦克风等。传感器153在激活时按照预设间隔感测信息并实时或接近实时地将所感测的信息提供给计算机系统101。
计算机系统101,用于根据传感器153采集的传感器数据,确定驾驶装置100的行驶状态,以及根据该行驶状态和当前的驾驶任务确定自动驾驶转置100所需执行的驾驶操作,并向控制系统106(图1)发送该驾驶操作对应的控制指令。驾驶装置100的行驶状态可以包括驾驶装置100自身的行驶状况,例如车头方向、速度、位置、加速度等,也包括驾驶装置100周边环境的状态,例如障碍物的位置、其他车辆的位置和速度、人行横道的位置、交通灯的信号等。计算机系统101可以包括由处理器103实现的任务抽象网络和共享策略网络。具体的,处理器103确定当前的自动驾驶任务;处理器103将该自动驾驶任务的至少一组历史路径输入到任务抽象网络做特征提取,得到表征该自动驾驶任务的特征的任务特征向量;处理器103根据传感器153采集的传感器数据,确定表征自动驾驶装置的当前行驶状态的状态向量;处理器103将该任务特征向量和该状态向量输入到共享策略网络做处理,得到该自动驾驶装置当前所需执行的驾驶操作;处理器103通过控制系统执行该驾驶操作;处理器103重复之前确定和执行驾驶操作的步骤,直到完成该自动驾驶任务。
可选的,在本文所述的各种实施例中,计算机系统101可位于远离自动驾驶装置的地方,并且可与自动驾驶装置进行无线通信。收发器123可将自动驾驶任务、传感器153采集的传感器数据和其他数据发送给计算机系统101;还可以接收计算机系统101发送的控制指令。自动驾驶装置可执行收发器接收的来自计算机系统101的控制指令,并执行相应的驾驶操作。在其它方面,本文所述的一些过程在设置在自动驾驶车辆内的处理器上执行,其它由远程处理器执行,包括采取执行单个操纵所需的动作。
如图2中示出的那样,显示适配器107可以驱动显示器109,显示器109和系统总线105耦合。显示器109可用于视觉显示、语音播放由用户输入的信息或提供给用户的信息以及车载设备的各种菜单。显示器109可包括液晶显示器(liquid crystal display,LCD)、薄膜晶体管液晶显示器(thin film transistor-liquid crystal display,TFT LCD)、有机发光二极管(organic light-emitting diode、OLED)、柔性显示器(flexible display)、3D显示器(3D display)、电子墨水显示器(e-ink display)中的一种以上。触控面板可覆盖显示器109,当触控面板检测到在其上或附近的触摸操作后,传送给处理器以确定触摸事件的类型,随后处理器根据触摸事件的类型在显示器109上提供相应的视觉输出。此外,触控面板与显示器109也可以是集成的,来实现车载设备的输入和输出功能。
此外,显示器109可由抬头显示(head up display,HUD)来实现。此外,显示器109可设置有投射模块,从而通过投射在风挡或车窗的图像来输出信息。显示器109可包括透明显示器。透明显示器可贴附在风挡或车窗。透明显示器可以具有规定的透明度的方式显示规定的画面。为使透明显示器具有透明度,透明显示器可包括透明薄膜电致发光(thinfilm electroluminescent,TFEL)、透明有机发光二极管(organic light-emittingdiode,OLED),透明LCD(liquid crystal display)、透射型透明显示器、透明LED(LightEmitting Diode)显示器中的一种以上。透明显示器的透明度可进行调节。
另外,显示器109可配置在车辆内部的多个区域,参照图3a和图3b,图3a和图3b示出了本发明一种实施例的车辆的内部结构。如图3a和图3b示出的那样,显示器109可配置在仪表板的区域300、301、座椅308的区域302、各柱饰板的区域303、车门的区域304、中控台的区域305、顶板(head lining)的区域,遮阳板(sunvisor)的区域,或者可实现于风挡的区域306、车窗的区域307。需要说明的是,以上显示器109的配置位置仅为一种示意,并不构成对本申请的限定。
其中,处理器103可以通过配合显示器109来执行本申请实施例中的驾驶提醒方法。
接下来以显示器109由抬头显示(head up display,HUD)来实现为例,介绍HUD的产品形态:
HUD系统可以但不限于将车辆上的仪表信息(车速、温度、油量等)、驾驶提醒信息和导航信息等通过车辆的风挡投射在驾驶员的视野范围内,其中,导航信息对应的虚像可以叠加在车辆外的真实环境上,使得驾驶员可获得增强现实的视觉效果,例如可用于AR导航、自适应巡航、车道偏离预警等。由于导航信息对应的虚像需要与实景结合,因此,要求车辆具有精确的定位与探测功能,通常HUD系统需要与汽车的高级驾驶辅助系统(advanceddriving assistant system,ADAS)系统配合。例如图4所示的关于车速20公里每小时的虚拟图像成像在车辆的前挡风玻璃上。当然,也可以是在车辆主驾驶车窗的位置进行成像,还可以在副驾驶侧车窗或在其他区域(例如仪表台)进行虚拟成像等,具体此处不做限定。
随着汽车座舱电子的快速发展,基于屏幕(仪表/中控)可显示的信息种类和内容越来越丰富,但这需要驾驶者频繁的低头去查看才能获取相应信息,这导致驾驶员视线离开路面的时间与频率增加,导致更大的潜在驾驶安全隐患。在此背景下,抬头显示HUD应运而生。
相对于传统的屏幕信息显示,HUD可以直接在驾驶员正前方的路面上叠加显示视觉内容,其可读性更强且更加的直观,驾驶员正常看路时就可以快速地获取信息并做出相应操作,使其拥有更多的反应和决策时间,从而提高驾驶安全。因此,HUD可以逐步集成越来越多的辅助驾驶以及安全预警等信息显示功能。
通过在驾驶员前方的路面环境上直接叠加显示AR信息的方式,AR-HUD可以将路面上感知到的行人、车辆、环境(如车道线)标注出来,甚至车距、高度等属性信息,都可以以直观的元素叠加显示的方式呈现给用户。其中,车辆碰撞预警、车道偏离预警等显示功能在已经量产车的AR-HUD上搭载,行人提醒、人行横道提醒等更多显示功能也在很多AR-HUD概念方案中出现。
其中,上述在驾驶者前方叠加AR信息的方式也可以描述为通过HUD将AR信息进行投影(例如投影至驾驶者前方的环境中)。例如,HUD可以通过发光器件、光学模组将AR信息进行投影。
然而,当前已有的AR-HUD的信息显示策略比较机械:1)复用传统基于屏幕信息传递方式,只有在紧急情况才显示相关内容,如:车辆碰撞预警,这样只是减少了驾驶员原本需要低头看屏幕的时间,还是可能产生驾驶员反应不及造成而危险的情况;2)或者是检测到内容就显示,这样又会使很多无用的信息被显示(如驾驶员原本就能看到某个人,不需要额外显示一个信息),增加驾驶员的视觉认知负荷,影响驾驶员对外部环境的观察,重要的信息可能无法及时传递,产生安全隐患。
参照图5,图5为本申请实施例提供的一种风险提醒方法的流程示意,如图5所示,本申请实施例提供的风险提醒方法,包括:
501、获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度,所述风险程度为根据如下信息的至少一种确定的:所述驾驶者对所述驾驶风险的可察觉程度、所述驾驶者在察觉到所述驾驶风险后的可应变程度、所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度、或者所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度。
其中,目标对象可以为会对驾驶者所驾驶的车辆存在驾驶风险影响的对象。
在一种可能的实现中,目标对象可以为驾驶者所驾驶的车辆的障碍物,其中,障碍物是能够阻碍或迟滞车辆运动的地形、地物和工程设施等的统称。在本申请中,障碍物可以为人、车、路面基础设施和道路标识等等。
在一种可能的实现中,目标对象可以为车道线等等会对驾驶者驾驶策略存在影响的对象。
在一种可能的实现中,所述风险程度为根据如下信息的至少一种确定的:所述驾驶者对所述驾驶风险的可察觉程度;所述驾驶者在察觉到所述驾驶风险后的可应变程度;所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度;所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度。接下来分别进行说明:
1、驾驶者对所述驾驶风险的可察觉程度
其中,驾驶者对所述驾驶风险的可察觉程度可以理解为驾驶者能够注意到目标对象的程度。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度可以和目标对象是否在驾驶者的视野范围内有关,例如,在目标对象不在驾驶者的视野范围内时,驾驶者不容易感知到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差。
在一种可能的实现中,可以通过车辆的传感器,结合外部目标检测结果和本车辆的运动情况,确定目标相对于驾驶员的位置情况。如距离远近、是否在驾驶员的视线范围内。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的亮度信息有关,所述亮度信息包括亮度值和/或,所述目标对象与所述环境的亮度差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象的亮度、和/或所述目标对象与所述环境的亮度差异正相关。
其中,目标对象自身的亮度会影响到驾驶者对目标对象的可察觉程度,例如,在目标对象的亮度很低时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差,例如,在目标对象的亮度较高时,驾驶者相对容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好。
其中,目标对象与所述环境的亮度差异也会影响到驾驶者对目标对象的可察觉程度,例如,在目标对象和所处环境的亮度都很低时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差,例如,在目标对象的亮度较高而所处环境亮度较低时,驾驶者相对容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好,例如,在目标对象的亮度较低而所处环境亮度较高时,驾驶者相对容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好,例如,在目标对象的亮度较高而所处环境亮度较高时,驾驶者很容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好。
在一种可能的实现中,可以通过车辆上携带的传感器(例如车外特定摄像头)识别目标对象及目标对象所在区域(环境)的亮暗等信息,并进行比较分析。示例性的,基于目标与所在区域环境的亮暗程度关系,可以分为4个场景:1)环境暗,目标也暗;2)环境暗,目标亮;3)环境亮,目标暗;4)环境亮,目标亮。
示例性的,在黑夜的环境下,目标对象为站在旁边的行人或者位于驾驶道路上的障碍物时,目标对象的亮度低,目标对象所处的环境亮度也低。
示例性的,在黑夜的环境下,目标对象为站在路灯下的行人或者在驾驶道路开着车灯行驶的人时,目标对象的亮度高,目标对象所处的环境亮度低。
示例性的,在白天的环境下,目标对象为位于远处驾驶道路中心的障碍物时,目标对象的亮度低,目标对象所处的环境亮度高。
示例性的,在白天的环境下,目标对象为正在横穿马路的行人时,目标对象的亮度高,目标对象所处的环境亮度高。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的颜色信息有关,所述颜色信息包括所述目标对象与所述环境的颜色差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象与所述环境的颜色差异正相关。
其中,目标对象与所述环境的颜色差异也会影响到驾驶者对目标对象的可察觉程度(差异越大,驾驶能越容易察觉到目标对象),其中颜色差异也可以描述为颜色的重合度。例如,在目标对象和所处环境的颜色的重合度很高时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差,例如,在目标对象和所处环境的颜色的重合度很低时,驾驶者相对容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较好。
在一种可能的实现中,可以通过车辆上携带的传感器(例如车外特定摄像头)识别目标对象及目标对象所在区域(环境)的颜色等信息,并进行比较分析。示例性的,基于目标颜色与背景环境的关系,分为3种情况:1)目标颜色与背景颜色基本重合;2)目标颜色与背景颜色部分重合;3)目标颜色与背景颜色不重合。
示例性的,在夜间下雨的环境下,目标对象为车道线时,由于车道线与路面同时反光,使得目标对象和背景颜色基本重合。
示例性的,目标对象为驾驶道路远处的与路面颜色相近的障碍物时,目标对象和背景颜色可以部分重合。
示例性的,目标对象为白天驾驶道路上的行驶线时,目标对象和背景颜色不重合。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述驾驶者的驾驶状态有关,所述驾驶状态包括精神状态和/或认知负荷;其中,所述驾驶者对所述驾驶风险的可察觉程度与所述精神状态正相关;所述驾驶者对所述驾驶风险的可察觉程度与所述认知负荷负相关。
其中,驾驶者的驾驶状态也会影响到驾驶者对目标对象的可察觉程度,其中驾驶状态可以包括精神状态,可选的,所述精神状态用于指示如下信息的至少一种:疲劳程度、嗜睡程度、注意力的集中程度、警觉性程度,路怒程度以及心情的低落程度。
其中,驾驶状态可以包括认知负荷,可选的,认知负荷,主要为驾驶任务工作负荷,主要由路况复杂、同时进行多种任务导致大脑负荷过高引起的,路况良好单一集中驾驶时,负荷较低,相反,路况较差、需关注投入驾驶任务和其他任务(打电话等)同时进行时,负荷为高。
例如,在目标对象的精神状态很差时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差,例如,在目标对象的认知负荷很高时,驾驶者不容易观察到目标对象,即驾驶者对所述驾驶风险的可察觉程度较差。
在一种可能的实现中,所述驾驶状态包括所述驾驶者当前的精神状态和所述驾驶者的正常驾驶状态之间的差异。
正常驾驶状态可以与驾驶员历史驾驶状态有关,例如可以为历史驾驶状态的平均值。
在一种可能的实现中,可以通过车辆上的传感器(例如车内摄像头)采集驾驶者的驾驶状态(例如疲劳程度、注意力情况)等,并与历史均值(或者预设的一个参考)进行比较,得出驾驶员当前的驾驶状态。
2、所述驾驶者对所述驾驶风险的可察觉程度:
所述驾驶者在察觉到所述驾驶风险后的可应变程度在一种可能的实现中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述驾驶者针对于危险的反应时间有关、精神状态和/或认知负荷有关;其中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述反应时间负相关,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述精神状态正相关;所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述认知负荷负相关。
其中,应变可以理解为在用户觉察到目标对象之后,会意识到需要去规避由目标对象导致的驾驶风险的程度。
其中,驾驶者的驾驶状态会影响所述驾驶者在察觉到所述驾驶风险后的可应变程度,驾驶状态可以包括精神状态,可选的,所述精神状态用于指示如下信息的至少一种:疲劳程度、嗜睡程度、注意力的集中程度、警觉性程度,路怒程度以及心情的低落程度。
其中,驾驶状态可以包括认知负荷,可选的,认知负荷,主要为驾驶任务工作负荷,主要由路况复杂、同时进行多种任务导致大脑负荷过高引起的,路况良好单一集中驾驶时,负荷较低,相反,路况较差、需关注投入驾驶任务和其他任务(打电话等)同时进行时,负荷为高。
其中,与所述驾驶者针对于危险的反应时间会影响所述驾驶者在察觉到所述驾驶风险后的可应变程度,其中驾驶者针对于危险的反应时间可以为对用户历史(例如近期)的驾驶情况信息确定的,驾驶情况信息可以但不限于为用户在面对危险后踩刹车的反应速度等等。
例如,在目标对象的精神状态很差时,驾驶者在察觉到所述驾驶风险后的可应变程度较差,例如,在目标对象的认知负荷很高时,驾驶者在察觉到所述驾驶风险后的可应变程度较差,即驾驶者对所述驾驶风险的可察觉程度较差,例如驾驶者针对于危险的反应时间较长时,驾驶者在察觉到所述驾驶风险后的可应变程度较差。
3、所述目标对象为目标人物的情况下,所述目标人物对所述驾驶风险的可察觉程度所述目标人物在察觉到所述驾驶风险后的可应变程度:
在一种可能的实现中,目标对象可以为人,其同样具备觉察到驾驶者所驾驶车辆以及针对于会发生的风险进行应变的程度。
在一种可能的实现中,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
在一种可能的实现中,所述自身属性包括如下的至少一种:所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
在一种可能的实现中,可以通过车辆的传感器(例如车外特定摄像头)来检测目标的位置、大小、运动情况等信息。然后将目标状态分为:外部特征辨别度(如大小、身高)、目标人物的朝向(如是否面朝本车辆)、运动状态(如静止,晃动等)等情况。
可选的,可以通过对目标人物的外部特征辨别度(如大小、身高)的检测来推测目标人物的年龄。
可选的,可以通过对目标人物朝向(如是否面朝本车辆)的检测来推测目标人物的目标人物的视野范围。
可选的,在目标人物的年龄较小的情况下,目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度都很差,在驾驶者驾驶的车辆不在目标人物的视野范围内时,目标人物对所述驾驶风险的可察觉程度很差,在目标人物的移动状态指示其处于快速移动的情况下,目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度都很差。
在一种可能的实现中,所述风险程度为根据如下信息的至少一种确定的:所述驾驶者对所述驾驶风险的可察觉程度;所述驾驶者在察觉到所述驾驶风险后的可应变程度;所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度;所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度。
在一种可能的实现中,所述风险程度为根据所述驾驶者对所述驾驶风险的可察觉程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述风险程度为根据所述目标人物对所述驾驶风险的可察觉程度确定的。
在一种可能的实现中,所述风险程度为根据所述目标人物在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者对所述驾驶风险的可察觉程度、以及所述驾驶者在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者对所述驾驶风险的可察觉程度、以及所述目标人物对所述驾驶风险的可察觉程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者对所述驾驶风险的可察觉程度、以及所述目标人物在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者在察觉到所述驾驶风险后的可应变程度;所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者在察觉到所述驾驶风险后的可应变程度、以及所述目标人物在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述风险程度为根据所述目标人物对所述驾驶风险的可察觉程度、以及所述目标人物在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者对所述驾驶风险的可察觉程度;所述驾驶者在察觉到所述驾驶风险后的可应变程度、以及所述目标人物对所述驾驶风险的可察觉程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者对所述驾驶风险的可察觉程度;所述驾驶者在察觉到所述驾驶风险后的可应变程度、以及所述目标人物在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者对所述驾驶风险的可察觉程度、所述目标人物对所述驾驶风险的可察觉程度、以及所述目标人物在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述驾驶者在察觉到所述驾驶风险后的可应变程度、所述目标人物对所述驾驶风险的可察觉程度、以及所述目标人物在察觉到所述驾驶风险后的可应变程度确定的。
在一种可能的实现中,所述风险程度为根据所述驾驶者对所述驾驶风险的可察觉程度;所述驾驶者在察觉到所述驾驶风险后的可应变程度;所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度;所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度确定的。
示例性的,风险程度可以分为3个等级:1)可能注意不到;2)可以注意到,但难以判断/理解(注意到/理解/判断目标的水平较低);3)注意到/理解/判断目标的水平正常。
例如,可以结合目标与所在区域环境的亮暗程度关系、目标颜色与背景环境的关系、驾驶员的特征变化量,以及目标状态,再综合辅助天气、环境、车辆等因素,从驾驶员的视角出发,车辆处理器判断目标相对驾驶员是否危险、目标相较环境对驾驶员是否可视、驾驶员信息处理能力是否与平常水平一致,从而得出风险等级(或者描述为驾驶员能够注意到/理解/判断目标的水平等级)。水平可以示例性的分为3个等级:
等级1:可能注意不到。
如基于目标颜色与背景环境的关系中,目标颜色与背景颜色基本重合情况。
如基于目标与所在区域环境的亮暗程度关系中,环境暗,目标暗的情况。
等级2:可以注意到,但难以判断/理解(注意到/理解/判断目标的水平较低)。
如基于目标状态中,行人是小孩子、目标朝向背向本车辆、目标处于运动而非静止状态等情况。
如基于驾驶员的特征变化量中,当前的驾驶能力(驾驶绩效)弱于平时(如刹车反应慢等)、注意力弱于平时(如在接电话、走神等)、疲劳度高于平时(如不断的打哈欠、眼皮长时间下垂等)的情况。
如基于目标颜色与背景环境的关系中,目标颜色与背景颜色部分重合情况。
如基于目标与所在区域环境的亮暗程度关系中,环境暗,目标亮;环境亮,目标暗的情况。
等级3:注意到/理解/判断目标的水平正常。
如基于目标状态中,行人是大人、目标朝向是面向本车辆、目标处于静止且安全的地方等情况。
如基于驾驶员的特征变化量中,此时的驾驶能力、注意力、疲劳程度等与平时相同的情况。
如基于目标颜色与背景环境的关系中,目标颜色与背景颜色不重合情况。
如基于目标与所在区域环境的亮暗程度关系中,环境亮,目标亮的情况。
502、根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。
在一种可能的实现中,可以根据所述驾驶信息,确定所述目标对象的风险提醒的呈现方式,并生成呈现信息,呈现信息可以被传递至显示设备(例如,但不限于HUD或者驾驶表盘等),显示设备可以基于呈现信息进行针对于所述目标对象的风险提醒的呈现。
本申请实施例中,可以根据所述驾驶信息中的风险程度,来确定目标对象的风险提醒的呈现信息,其中,风险提醒的呈现方式与所述风险程度有关。具体的,在驾驶的风险等程度较高的情况下,增强驾驶提醒的呈现强度(呈现强度可以表示对用户的提醒力度,强度越高,则用户意识到驾驶风险的概率越高),在驾驶的风险等程度较高的情况下,降低驾驶提醒的呈现强度,甚至是在无驾驶风险的情况下,不对目标对象的驾驶风险进行提醒。进而可以在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,具体为:
在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;
在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,
所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
例如,在将风险程度划分为不同的风险等级的情况下,目标阈值可以为划分不同的风险等级的风险程度阈值,例如可以将风险程度划分为等级1、等级2以及等级3,目标阈值可以为等级1和等级2的划分阈值,在所述风险程度大于目标阈值的情况下,风险等级为等级1,在所述风险程度小于目标阈值的情况下,风险等级为等级2;目标阈值可以为等级2和等级3的划分阈值,在所述风险程度大于目标阈值的情况下,风险等级为等级2,在所述风险程度小于目标阈值的情况下,风险等级为等级3。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,具体可以为:所述风险提醒针对于驾驶风险的提醒强度与所述风险程度正相关。也就是说,随着驾驶风险的变大,提醒强度的变化可以为连续的。
本申请实施例中,在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
也就是说,在风险程度较高时,风险提醒的提醒强度较高,在风险程度较低时,风险提醒的提醒强度较低。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现时间,所述呈现时间越早,所述提醒强度越高。其中,呈现时间与预测的碰撞时间(TTC)有关,在通常情况下,可以基于TTC来进行风险提示,本申请实施例中,在风险程度较高的情况下,可以将风险提醒的提醒时间更加的提前,以便驾驶者可以更早的察觉到驾驶风险,进而降低驾驶事故的发生。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现区域面积,所述呈现区域越大,所述提醒强度越高。其中,在驾驶提醒呈现在HUD上的场景中,呈现区域面积可以理解为投影面积,在驾驶提醒呈现在驾驶表盘等显示器上的场景中,呈现区域面积可以理解为显示面积。在驾驶风险较高的情况下,由于风险提醒的呈现区域面积较大,用户更容易觉察到目标对象以及对应的驾驶风险,进而,驾驶者可以更容易的察觉到驾驶风险,从而降低驾驶事故的发生。其中,在驾驶风险较低的情况下,由于风险提醒的呈现区域面积较小(或者完全没有提醒),在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现内容,所述呈现内容越瞩目,所述提醒强度越高。其中,呈现内容可以为用于提醒的图标、文字等。在驾驶风险较高的情况下,由于风险提醒的呈现内容更瞩目,用户更容易觉察到目标对象以及对应的驾驶风险,进而,驾驶者可以更容易的察觉到驾驶风险,从而降低驾驶事故的发生。其中,在驾驶风险较低的情况下,由于风险提醒的呈现内容相对不瞩目(或者完全没有提醒),在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现亮度,所述呈现亮度越高,所述提醒强度越高。在驾驶风险较高的情况下,由于风险提醒的呈现亮度更高,用户更容易觉察到目标对象以及对应的驾驶风险,进而,驾驶者可以更容易的察觉到驾驶风险,从而降低驾驶事故的发生。其中,在驾驶风险较低的情况下,由于风险提醒的呈现亮度更低,在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
在一种可能的实现中,所述提醒强度包括所述风险提醒的呈现颜色,所述呈现颜色越鲜艳,所述提醒强度越高。在驾驶风险较高的情况下,由于风险提醒的呈现颜色更鲜艳,用户更容易觉察到目标对象以及对应的驾驶风险,进而,驾驶者可以更容易的察觉到驾驶风险,从而降低驾驶事故的发生。其中,在驾驶风险较低的情况下,由于风险提醒的呈现颜色相对不鲜艳,在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
示例性的,风险程度可以分为3个等级:1)可能注意不到;2)可以注意到,但难以判断/理解(注意到/理解/判断目标的水平较低);3)注意到/理解/判断目标的水平正常。相应的信息呈现策略可以为:1)无危险时,弱提醒;2)有危险时,提前强提醒;3)有危险时,正常强提醒;4)无危险,不提醒。
在一种可能的实现中,所述目标对象为障碍物、车道线或交通标志,所述驾驶信息还包括所述目标对象的位置信息;若所述驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值,则可以通过抬头显示HUD,根据所述位置信息,对所述目标对象对应的指示标识进行投影。
在一种可能的实现中,在驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值时,可以认为从驾驶者的角度来说,是很难观察到目标对象的,为了能够让驾驶者感知到目标对象,可以通过HUD将能够指示目标对象的指示标识投影到驾驶者面前的区域,以便辅助驾驶者观察到目标对象。
其中,目标对象的指示标识可以满足:
目标对象的指示标识可以指示目标对象的类型。
其中,为了能够使得驾驶者知晓目标对象是什么,需要能够让驾驶者识别出目标对象的类型,例如障碍物的类型(例如人物、车辆、交通灯等),车道线的类型(例如单实线、双实线、单虚线、导流线、禁停网格线等等),障碍物的类型可以和目标对象的投影形状有关,还可以和投影颜色有关,例如白实线、黄实线等。
在一种可能的实现中,目标对象的指示标识可以为目标对象本身(例如直接投影车道线),或者是能够指示目标对象的标识(例如文字、图案等)。
目标对象的指示标识可以指示目标对象的位置。
其中,目标对象的位置可以为目标对象和驾驶车辆之间的相对位置,从驾驶者的视角来看,通过目标对象的指示标识的投影,驾驶者能够知晓目标对象的真实位置。
接下来结合具体的示意,描述本申请实施例提供的风险提醒方法。
应用例1:基于驾驶者的驾驶状态来调整风险提示的显示方式:
参照图6,当基于驾驶者的驾驶状态确定出驾驶者对于驾驶者对所述驾驶风险的可察觉程度以及在察觉到所述驾驶风险后的可应变程度较低,可以调整风险提示信息的显示策略,让驾驶员驾驶风格变得“保守”。具体的,车辆处理器判断目标相对驾驶员是否危险,有危险,提前强提醒。如变道辅助功能调整,在目标车道前后方有车的情况下,将原本可变道车道(如图6)显示为有车弱警示或“不建议变道”强提醒(如图7);如碰撞预警调整,提前一定时机进行车距的弱预警和碰撞强提醒(如TTC由3变成5)。无危险,不提醒。如驾驶员在接听电话,但是当前路况良好不影响其驾驶发挥。当辆处理器判定驾驶员能够注意到/理解/判断目标的水平正常,进一步地,车辆处理器判断目标相对驾驶员是否危险,有危险,正常强提醒;无危险,不提醒。
综上,基于驾驶员的特征变化量,调整信息显示策略结果有3种:1)有危险,提前强提醒;2)无危险,不提醒;3)有危险,正常强提醒。其完整流程示意可以如图8所示。
应用例2:基于所述目标对象在所处环境中的亮度信息来调整风险提示的显示方式:
当车辆处理器判定驾驶员可能注意不到或者可以注意到但难以判断/理解时,此时调整信息显示策略,让驾驶员在驾驶过程变得“轻松”。此时车辆处理器判断目标相对驾驶员是否危险。无危险,弱提醒。如在夜晚光线昏暗的情况下,从原本的不提醒调整为有行人弱提醒,提醒驾驶员行人道上有行人在走动(如图9)。当有危险,提前强提醒。如在夜晚光线昏暗的情况下,提前一定时间进行行人强提醒显示,告知驾驶员注意有准备横穿马路的行人(如图9)。当车辆处理器判定驾驶员可能注意到/理解/判断目标的水平正常,进一步,车辆处理器判断目标相对驾驶员是否危险。无危险,不提醒。如在白天光线充足的情况下,行人道上有行人在走动(如图10)。有危险,正常强提醒。如在白天光线充足的情况下,有准备横穿马路的行人。
综上,基于目标与所在区域环境的亮暗程度关系,调整信息显示策略结果有4种:1)无危险,弱提醒;2)有危险,提前强提醒;3)有危险,正常强提醒;4)无危险,不提醒。其完整流程示意可以如图11所示。
应用例3:基于所述目标对象在所处环境中的颜色信息来调整风险提示的显示方式:
当车辆处理器判定驾驶员可能注意不到或者可以注意到但难以判断/理解时,此时调整信息显示策略,让驾驶员的路况信息更加清晰。此时车辆处理器判断目标相对驾驶员是否危险。无危险,通过与背景颜色差异较大的颜色进行弱提醒。如在夜间下雨,车道线与路面同时反光,驾驶员看不到车道线。当车辆不存在偏离本车道的危险,则无警示色标注显示理想车道线(如图12)。有危险,通过与背景颜色差异较大的颜色提前强提醒。如当车辆即将偏离本车道,则帮助驾驶员提前纠正车辆方向(如图13)。当车辆处理器判定驾驶员可能注意到/理解/判断目标的水平正常,进一步,车辆处理器判断目标相对驾驶员是否危险。无危险,不提醒。如白天下雨的情况下,驾驶员能看清车道线。当车辆不存在偏离本车道的危险,不提醒(如图14)。有危险,正常强提醒。如车辆存在偏离本车道的危险(如TTC≤3),显示强警示色标注偏离方向的车道(如图15)。
综上,基于目标与所在区域环境的亮暗程度关系,调整信息显示策略结果有4种:1)无危险,通过与背景颜色差异较大的颜色进行弱提醒;2)有危险,通过与背景颜色差异较大的颜色提前强提醒;3)有危险,正常强提醒;4)无危险,不提醒。其完整流程的示意可以如图16所示。
应用例4:基于所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度来调整风险提示的显示方式:
当车辆处理器判定驾驶员能够注意到/理解/判断目标的水平较低,此时调整信息显示策略,让驾驶员驾驶风格变得“警惕”。车辆处理器判断目标相对驾驶员是否危险,无危险时,进行弱提醒。如从原本不提醒的状态(如图17)变成有行人弱提醒显示让驾驶员注意有正在远离路边的小孩、在路边站着聊天的成人(如图18)。有危险,提前强提醒。如提前一定时间提醒驾驶员路面有小孩、背朝本车辆的大人、前方有障碍物等情况(如图19)。相反,当车辆处理器判定驾驶员能够注意到/理解/判断目标的水平正常。进一步地,车辆处理器判断目标相对驾驶员是否危险。无危险,不提醒。如各个行人依然保持目前的运动状态,HUD不显示行人提醒信息。有危险,正常强提醒。如站在路边聊天的人突然要过马路,显示行人强提醒。
综上,基于目标状态,动态且分等级调整信息显示策略结果有4种:1)无危险,弱提醒;2)有危险,提前强提醒;3)有危险,正常强提醒;4)无危险,不提醒。其完整流程示意可以如图20所示。
本申请实施例提供了一种风险提醒方法,所述方法包括:获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度,所述风险程度为根据如下信息的至少一种确定的:所述驾驶者对所述驾驶风险的可察觉程度、所述驾驶者在察觉到所述驾驶风险后的可应变程度、所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度、或者所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度;根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。本申请实施例中,可以根据所述驾驶信息中的风险程度,来确定目标对象的风险提醒的呈现信息,其中,风险提醒的呈现方式与所述风险程度有关。具体的,在驾驶的风险等程度较高的情况下,增强驾驶提醒的呈现强度(呈现强度可以表示对用户的提醒力度,强度越高,则用户意识到驾驶风险的概率越高),在驾驶的风险等程度较高的情况下,降低驾驶提醒的呈现强度,甚至是在无驾驶风险的情况下,不对目标对象的驾驶风险进行提醒。进而可以在保证了驾驶风险的提示效果的前提下,可以降低风险提醒对于驾驶者的视觉干扰。
参照图21,图21为本申请实施例提供的一种风险提醒装置的结构示意,如图21所示,所述装置2100可以包括:
获取模块2101,用于获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度,所述风险程度为根据如下信息的至少一种确定的:所述驾驶者对所述驾驶风险的可察觉程度、所述驾驶者在察觉到所述驾驶风险后的可应变程度、所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度、或者所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度;
关于获取模块2101的具体描述,可以参照上述实施例中步骤501的描述,这里不再赘述。
信息呈现模块2102,用于根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。
关于信息呈现模块2102的具体描述,可以参照上述实施例中步骤502的描述,这里不再赘述。
在一种可能的实现中,所述信息呈现模块2102,具体用于:
将所述针对于所述目标对象的风险提醒投影在抬头显示HUD上;或者,
将所述针对于所述目标对象的风险提醒显示在驾驶场景的显示器中。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,包括:
在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;
在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,
所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
在一种可能的实现中,所述风险提醒的呈现方式与所述风险程度有关,包括:
所述风险提醒针对于驾驶风险的提醒强度与所述风险程度正相关。
在一种可能的实现中,所述提醒强度包括如下信息的至少一种:
所述风险提醒的呈现时间,所述呈现时间越早,所述提醒强度越高;
所述风险提醒的呈现区域面积,所述呈现区域越大,所述提醒强度越高;
所述风险提醒的呈现内容,所述呈现内容越瞩目,所述提醒强度越高;
所述风险提醒的呈现亮度,所述呈现亮度越高,所述提醒强度越高;
所述风险提醒的呈现颜色,所述呈现颜色越鲜艳,所述提醒强度越高。
在一种可能的实现中,所述目标对象为障碍物、车道线或交通标志,所述驾驶信息还包括所述目标对象的位置信息;
所述信息呈现模块,具体用于:
若所述驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值,则通过抬头显示HUD,根据所述位置信息,对所述目标对象对应的指示标识进行投影。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的亮度信息有关,所述亮度信息包括亮度值和/或,所述目标对象与所述环境的亮度差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象的亮度、和/或所述目标对象与所述环境的亮度差异正相关。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的颜色信息有关,所述颜色信息包括所述目标对象与所述环境的颜色差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象与所述环境的颜色差异正相关。
在一种可能的实现中,所述驾驶者对所述驾驶风险的可察觉程度与所述驾驶者的驾驶状态有关,所述驾驶状态包括精神状态和/或认知负荷;其中,所述驾驶者对所述驾驶风险的可察觉程度与所述精神状态正相关;所述驾驶者对所述驾驶风险的可察觉程度与所述认知负荷负相关。
在一种可能的实现中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述驾驶者针对于危险的反应时间有关、精神状态和/或认知负荷有关;其中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述反应时间负相关,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述精神状态正相关;所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述认知负荷负相关。
在一种可能的实现中,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
在一种可能的实现中,所述自身属性包括如下的至少一种:
所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
本申请实施例还提供了一种风险提醒装置,请参阅图22,图22是本申请实施例提供的风险提醒装置一种结构示意图,具体的,风险提醒装置2200可以由一个或多个终端设备(例如驾驶装置)实现,风险提醒装置2200可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)2222(例如,一个或一个以上处理器)和存储器2232,一个或一个以上存储应用程序2242或数据2244的存储介质2230(例如一个或一个以上海量存储设备)。其中,存储器2232和存储介质2230可以是短暂存储或持久存储。存储在存储介质2230的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对风险提醒装置中的一系列指令操作。更进一步地,中央处理器2222可以设置为与存储介质2230通信,在风险提醒装置2200上执行存储介质2230中的一系列指令操作。
风险提醒装置2200还可以包括一个或一个以上电源2226,一个或一个以上有线或无线网络接口2250,一个或一个以上输入输出接口2258;或,一个或一个以上操作系统2241,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
具体的,风险提醒装置可以执行图5对应实施例中的风险提醒方法。
本申请实施例中还提供一种包括计算机程序产品,当其在计算机上运行时,使得计算机执行如前述风险提醒方法所执行的步骤。
本申请实施例中还提供一种计算机可读存储介质,该计算机可读存储介质中存储有用于进行信号处理的程序,当其在计算机上运行时,使得计算机执行如前述风险提醒方法所执行的步骤。
本申请实施例提供的风险提醒装置具体可以为芯片,芯片包括:处理单元和通信单元,所述处理单元例如可以是处理器,所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令,以使执行设备内的芯片执行上述实施例描述的数据处理方法,或者,以使风险提醒装置内的芯片执行上述实施例描述的数据处理方法。可选地,所述存储单元为所述芯片内的存储单元,如寄存器、缓存等,所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元,如只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)等。
具体的,请参阅图23,图23为本申请实施例提供的芯片的一种结构示意图,所述芯片可以表现为神经网络处理器NPU2300,NPU 2300作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路2303,通过控制器2304控制运算电路2303提取存储器中的矩阵数据并进行乘法运算。
NPU 2300可以通过内部的各个器件之间的相互配合,来实现图5所描述的实施例中提供的方法。
更具体的,在一些实现中,NPU 2300中的运算电路2303内部包括多个处理单元(Process Engine,PE)。在一些实现中,运算电路2303是二维脉动阵列。运算电路2303还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路2303是通用的矩阵处理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器2302中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器2301中取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器(accumulator)2308中。
统一存储器2306用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller,DMAC)2305,DMAC被搬运到权重存储器2302中。输入数据也通过DMAC被搬运到统一存储器2306中。
BIU为Bus Interface Unit即,总线接口单元2310,用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer,IFB)2309的交互。
总线接口单元2310(Bus Interface Unit,简称BIU),用于取指存储器2309从外部存储器获取指令,还用于存储单元访问控制器2305从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器2306或将权重数据搬运到权重存储器2302中或将输入数据数据搬运到输入存储器2301中。
向量计算单元2307包括多个运算处理单元,在需要的情况下,对运算电路2303的输出做进一步处理,如向量乘,向量加,指数运算,对数运算,大小比较等等。主要用于神经网络中非卷积/全连接层网络计算,如Batch Normalization(批归一化),像素级求和,对特征平面进行上采样等。
在一些实现中,向量计算单元2307能将经处理的输出的向量存储到统一存储器2306。例如,向量计算单元2307可以将线性函数;或,非线性函数应用到运算电路2303的输出,例如对卷积层提取的特征平面进行线性插值,再例如累加值的向量,用以生成激活值。在一些实现中,向量计算单元2307生成归一化的值、像素级求和的值,或二者均有。在一些实现中,处理过的输出的向量能够用作到运算电路2303的激活输入,例如用于在神经网络中的后续层中的使用。
控制器2304连接的取指存储器(instruction fetch buffer)2309,用于存储控制器2304使用的指令;
统一存储器2306,输入存储器2301,权重存储器2302以及取指存储器2309均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中,上述任一处提到的处理器,可以是一个通用中央处理器,微处理器,ASIC,或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本申请提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,风险提醒装置,或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、风险提醒装置或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、风险提醒装置或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的风险提醒装置、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
Claims (29)
1.一种风险提醒方法,其特征在于,所述方法包括:
获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度,所述风险程度为根据如下信息的至少一种确定的:所述驾驶者对所述驾驶风险的可察觉程度、所述驾驶者在察觉到所述驾驶风险后的可应变程度、所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度、或者所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度;
根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。
2.根据权利要求1所述的方法,其特征在于,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的亮度信息有关,所述亮度信息包括亮度值和/或,所述目标对象与所述环境的亮度差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象的亮度、和/或所述目标对象与所述环境的亮度差异正相关。
3.根据权利要求1或2所述的方法,其特征在于,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的颜色信息有关,所述颜色信息包括所述目标对象与所述环境的颜色差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象与所述环境的颜色差异正相关。
4.根据权利要求1至3任一所述的方法,其特征在于,所述呈现针对于所述目标对象的风险提醒,包括:
通过抬头显示HUD,对所述针对于所述目标对象的风险提醒进行投影;或者,
将所述针对于所述目标对象的风险提醒显示在驾驶场景的显示器中。
5.根据权利要求1至4任一所述的方法,其特征在于,所述风险提醒的呈现方式与所述风险程度有关,包括:
在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;
在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,
所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
6.根据权利要求1至5任一所述的方法,其特征在于,所述风险提醒的呈现方式与所述风险程度有关,包括:
所述风险提醒针对于驾驶风险的提醒强度与所述风险程度正相关。
7.根据权利要求5或6所述的方法,其特征在于,所述提醒强度包括如下信息的至少一种:
所述风险提醒的呈现时间,所述呈现时间越早,所述提醒强度越高;
所述风险提醒的呈现区域面积,所述呈现区域越大,所述提醒强度越高;
所述风险提醒的呈现内容,所述呈现内容越瞩目,所述提醒强度越高;
所述风险提醒的呈现亮度,所述呈现亮度越高或者与所述风险提醒所处的环境亮度差异越大,所述提醒强度越高;
所述风险提醒的呈现颜色,所述呈现颜色越鲜艳或者与所述风险提醒所处的环境颜色差异越大,所述提醒强度越高。
8.根据权利要求1至7任一所述的方法,其特征在于,所述目标对象为障碍物、车道线或交通标志,所述驾驶信息还包括所述目标对象的位置信息;
所述根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,包括:
若所述驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值,则通过抬头显示HUD,根据所述位置信息,对所述目标对象对应的指示标识进行投影。
9.根据权利要求1至8任一所述的方法,其特征在于,所述驾驶者对所述驾驶风险的可察觉程度与所述驾驶者的驾驶状态有关,所述驾驶状态包括精神状态和/或认知负荷;其中,所述驾驶者对所述驾驶风险的可察觉程度与所述精神状态正相关;所述驾驶者对所述驾驶风险的可察觉程度与所述认知负荷负相关。
10.根据权利要求9所述的方法,其特征在于,所述驾驶状态包括所述驾驶者当前的精神状态和所述驾驶者的正常驾驶状态之间的差异。
11.根据权利要求1至10任一所述的方法,其特征在于,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述驾驶者针对于危险的反应时间有关、精神状态和/或认知负荷有关;其中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述反应时间负相关,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述精神状态正相关;所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述认知负荷负相关。
12.根据权利要求1至11任一所述的方法,其特征在于,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
13.根据权利要求12所述的方法,其特征在于,所述自身属性包括如下的至少一种:
所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
14.一种风险提醒装置,其特征在于,所述装置包括:
获取模块,用于获取驾驶者的驾驶信息,所述驾驶信息包括对所述驾驶者造成驾驶风险的目标对象,以及所述目标对象对应的风险程度,所述风险程度为根据如下信息的至少一种确定的:
所述驾驶者对所述驾驶风险的可察觉程度、所述驾驶者在察觉到所述驾驶风险后的可应变程度、所述目标对象为目标人物,所述目标人物对所述驾驶风险的可察觉程度、或者所述目标对象为目标人物,所述目标人物在察觉到所述驾驶风险后的可应变程度;
信息呈现模块,用于根据所述驾驶信息,呈现针对于所述目标对象的风险提醒,其中,所述风险提醒的呈现方式与所述风险程度有关。
15.根据权利要求14所述的装置,其特征在于,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的亮度信息有关,所述亮度信息包括亮度值和/或,所述目标对象与所述环境的亮度差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象的亮度、和/或所述目标对象与所述环境的亮度差异正相关。
16.根据权利要求14或15所述的装置,其特征在于,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象在所处环境中的颜色信息有关,所述颜色信息包括所述目标对象与所述环境的颜色差异,所述驾驶者对所述驾驶风险的可察觉程度与所述目标对象与所述环境的颜色差异正相关。
17.根据权利要求14至16任一所述的装置,其特征在于,所述信息呈现模块,具体用于:
将所述针对于所述目标对象的风险提醒投影在抬头显示HUD上;或者,
将所述针对于所述目标对象的风险提醒显示在驾驶场景的显示器中。
18.根据权利要求14至17任一所述的装置,其特征在于,所述风险提醒的呈现方式与所述风险程度有关,包括:
在所述风险程度大于目标阈值的情况下,所述风险提醒的呈现方式为第一方式;
在所述风险程度小于目标阈值的情况下,所述风险提醒的呈现方式为第二方式;其中,
所述第一方式针对于驾驶风险的提醒强度高于所述第二方式针对于所述驾驶风险的提醒强度。
19.根据权利要求14至18任一所述的装置,其特征在于,所述风险提醒的呈现方式与所述风险程度有关,包括:
所述风险提醒针对于驾驶风险的提醒强度与所述风险程度正相关。
20.根据权利要求18或19所述的装置,其特征在于,所述提醒强度包括如下信息的至少一种:
所述风险提醒的呈现时间,所述呈现时间越早,所述提醒强度越高;
所述风险提醒的呈现区域面积,所述呈现区域越大,所述提醒强度越高;
所述风险提醒的呈现内容,所述呈现内容越瞩目,所述提醒强度越高;
所述风险提醒的呈现亮度,所述呈现亮度越高,所述提醒强度越高;
所述风险提醒的呈现颜色,所述呈现颜色越鲜艳,所述提醒强度越高。
21.根据权利要求14至20任一所述的装置,其特征在于,所述目标对象为障碍物、车道线或交通标志,所述驾驶信息还包括所述目标对象的位置信息;
所述信息呈现模块,具体用于:
若所述驾驶信息指示所述驾驶者对所述驾驶风险的可察觉程度低于阈值,则通过抬头显示HUD,根据所述位置信息,对所述目标对象对应的指示标识进行投影。
22.根据权利要求14至21任一所述的装置,其特征在于,所述驾驶者对所述驾驶风险的可察觉程度与所述驾驶者的驾驶状态有关,所述驾驶状态包括精神状态和/或认知负荷;其中,所述驾驶者对所述驾驶风险的可察觉程度与所述精神状态正相关;所述驾驶者对所述驾驶风险的可察觉程度与所述认知负荷负相关。
23.根据权利要求22所述的装置,其特征在于,所述驾驶状态包括所述驾驶者当前的精神状态和所述驾驶者的正常驾驶状态之间的差异。
24.根据权利要求14至22任一所述的装置,其特征在于,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述驾驶者针对于危险的反应时间有关、精神状态和/或认知负荷有关;其中,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述反应时间负相关,所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述精神状态正相关;所述驾驶者在察觉到所述驾驶风险后的可应变程度与所述认知负荷负相关。
25.根据权利要求14至24任一所述的装置,其特征在于,所述目标人物对所述驾驶风险的可察觉程度以及所述目标人物在察觉到所述驾驶风险后的可应变程度,与所述目标人物的自身属性有关,所述目标对象的自身属性为通过传感器对目标人物进行的信息采集确定的。
26.根据权利要求25所述的装置,其特征在于,所述自身属性包括如下的至少一种:
所述目标人物的年龄、所述目标人物的视野范围以及所述目标人物的移动状态。
27.一种风险提醒装置,其特征在于,所述装置包括存储器、处理器以及呈现设备;所述存储器存储有代码,所述处理器被配置为获取所述代码,并结合所述呈现设备执行如权利要求1至13任一所述的方法。
28.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一个或多个指令,所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至13任一所述的方法。
29.一种计算机程序产品,包括代码,其特征在于,在所述代码被执行时用于实现如权利要求1至13任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111565226.2A CN116278739A (zh) | 2021-12-20 | 2021-12-20 | 一种风险提醒方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111565226.2A CN116278739A (zh) | 2021-12-20 | 2021-12-20 | 一种风险提醒方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116278739A true CN116278739A (zh) | 2023-06-23 |
Family
ID=86787451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111565226.2A Pending CN116278739A (zh) | 2021-12-20 | 2021-12-20 | 一种风险提醒方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116278739A (zh) |
-
2021
- 2021-12-20 CN CN202111565226.2A patent/CN116278739A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11659038B2 (en) | Smart vehicle | |
US10025899B2 (en) | Deactivating or disabling various vehicle systems and/or components when vehicle operates in an autonomous mode | |
US11056003B1 (en) | Occupant facing vehicle display | |
US11008016B2 (en) | Display system, display method, and storage medium | |
WO2021057352A1 (zh) | 一种车载设备的信息显示方法、装置及车辆 | |
CN106915302B (zh) | 用于车辆的显示装置及其控制方法 | |
KR101891599B1 (ko) | 자율 주행 차량의 제어방법과 서버 | |
CN109849906B (zh) | 自主行驶车辆及其控制方法 | |
US20210089048A1 (en) | Smart vehicle | |
US11526166B2 (en) | Smart vehicle | |
KR101959305B1 (ko) | 차량 | |
WO2017038166A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR20190088082A (ko) | 차량에 구비된 디스플레이 장치 및 디스플레이 장치의 제어방법 | |
US11150665B2 (en) | Smart vehicle | |
US20190276044A1 (en) | User interface apparatus for vehicle and vehicle including the same | |
US20240062432A1 (en) | Augmented reality (ar) service platform for providing ar service | |
KR20190019439A (ko) | 차량 운전 보조 장치 및 차량 | |
US20200027273A1 (en) | Image output device | |
US20230259143A1 (en) | Systems and methods for updating navigational maps | |
US20210331709A1 (en) | Vehicle control device and control method for the same | |
US10547988B2 (en) | Method for acquiring information about pedestrian and communication device for vehicle | |
US20210334904A1 (en) | Insurance guidance system and method for autonomous vehicle | |
CN112654547A (zh) | 驾驶提醒的方法、装置及系统 | |
CN116278739A (zh) | 一种风险提醒方法及装置 | |
CN116320331A (zh) | 一种数据处理方法及装置 |
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 |