CN118387108A - 障碍物预警方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种障碍物预警方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定所述障碍物的第二位置信息；根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；根据所述位置信息以及所述障碍物的历史位置信息，预测所述障碍物相对车辆的运动轨迹；在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息；所述车辆盲区为所述雷达和相机共同的检测盲区。采用本方法能够提高障碍物预警的准确度。

Description

障碍物预警方法、装置、计算机设备和存储介质

技术领域

本申请涉及驾驶辅助技术领域，特别是涉及一种障碍物预警方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着驾驶辅助技术的发展，出现了泊车辅助技术，泊车辅助技术旨在通过超声波雷达或鱼眼摄像头实现车辆周围盲区障碍物的检测，以进行泊车告警或者泊车指示。

传统技术中，通过单一超声波雷达或超声波雷达与鱼眼摄像头融合的方式实现对障碍物的检测，以此检测得到障碍物的类型以及障碍物与车辆的距离。

然而，由于超声波雷达和鱼眼相机的物理特性使得车辆存在检测盲区，在进行泊车时，超声波雷达和鱼眼相机只能对盲区范围外的障碍物进检测，而对车辆检测盲区是否可能存在障碍物不能准确预警，从而导致车辆容易与检测盲区内的障碍物发生碰撞，因此，亟需一种可以对车辆检测盲区的障碍物进行预警的车辆盲区障碍物预警方法。

发明内容

基于此，有必要针对上述技术问题，提供一种能够对车辆盲区是否存在障碍物进行准确预警的障碍物预警方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种障碍物预警方法。所述方法包括：

根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；

根据部署于车辆上的相机拍摄的图像，确定所述障碍物的第二位置信息；

根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；

根据所述位置信息以及所述障碍物的历史位置信息，预测所述障碍物相对车辆的运动轨迹；

在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息；所述车辆盲区为所述雷达和相机共同的检测盲区。

在其中一个实施例中，在所述根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息之前，包括：

根据所述第一位置信息和所述第二位置信息，确定所述障碍物的类型；所述障碍物的类型包括真实障碍物和误检障碍物；若所述障碍物的类型为真实障碍物，则执行根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；若所述障碍物的类型为误检障碍物，则过滤所述障碍物。

在其中一个实施例中，所述根据所述第一位置信息和所述第二位置信息，确定所述障碍物的类型，包括：

将所述第一位置信息中坐标点的个数与所述第二位置信息中坐标点的个数相加，得到坐标点总数；将所述第一位置信息中坐标与所述第二位置信息中坐标进行匹配，得到相匹配的坐标点数量；若所述坐标点总数大于第一预设值、且所述相匹配的坐标点数量大于第二预设值，则确定所述障碍物的类型为真实障碍物；否则，确定所述障碍物的类型为误检障碍物。

在其中一个实施例中，所述根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息，包括：

将所述第一位置信息中的坐标与所述第二位置信息的坐标进行匹配，得到匹配的坐标；将所述匹配的坐标作为所述障碍物的位置信息。

在其中一个实施例中，所述方法还包括：

根据所述位置信息以及所述障碍物的历史位置信息，确定所述障碍物相对于所述车辆的相对运动速度；所述在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息，包括：在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，根据所述相对运动速度确定预警级别，并输出与所述预警级别匹配的预警信息。

在其中一个实施例中，所述方法还包括：

在基于所述雷达的探测信息检测不到所述障碍物、且基于所述相机拍摄的图像检测不到所述障碍物，则确定所述障碍物进入所述车辆盲区。

第二方面，本申请还提供了一种障碍物预警装置。所述装置包括：

第一位置信息确定模块，用于根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；

第二位置信息确定模块，用于根据部署于车辆上的相机拍摄的图像，确定所述障碍物的第二位置信息；

障碍物位置确定模块，用于根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；

运动轨迹预测模块，用于根据所述位置信息以及所述障碍物的历史位置信息，预测所述障碍物相对车辆的运动轨迹；

预警模块，用于在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息；所述车辆盲区为所述雷达和相机共同的检测盲区。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定所述障碍物的第二位置信息；根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；根据所述位置信息以及所述障碍物的历史位置信息，预测所述障碍物相对车辆的运动轨迹；在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息；所述车辆盲区为所述雷达和相机共同的检测盲区。

第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定所述障碍物的第二位置信息；根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；根据所述位置信息以及所述障碍物的历史位置信息，预测所述障碍物相对车辆的运动轨迹；在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息；所述车辆盲区为所述雷达和相机共同的检测盲区。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定所述障碍物的第二位置信息；根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；根据所述位置信息以及所述障碍物的历史位置信息，预测所述障碍物相对车辆的运动轨迹；在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息；所述车辆盲区为所述雷达和相机共同的检测盲区。

上述障碍物预警方法、装置、计算机设备、存储介质和计算机程序产品，通过根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定障碍物的第二位置信息；根据第一位置信息和第二位置信息，确定障碍物的位置信息；这样得到的障碍物的位置信息更为准确，有助于对车辆盲区是否存在障碍物进行更准确的预警；根据位置信息以及障碍物的历史位置信息，预测障碍物相对车辆的运动轨迹；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息；车辆盲区为雷达和相机共同的检测盲区。本申请在障碍物相对运动轨迹表征障碍物靠近车辆的前提下，且在确定障碍物进入车辆盲区的情况下才进行预警，相对于在障碍物在有概率进入车辆盲区就进行预警，这样可以提高预警的准确性。

附图说明

图1为一个实施例中障碍物预警方法的流程示意图；

图2为一个实施例中障碍物与雷达位置关系的示意图；

图3为一个实施例中相机的盲区示意图；

图4为一个实施例中障碍物进入车辆盲区的示意图；

图5为一个实施例中另一场景下障碍物进入车辆盲区的示意图；

图6为一个实施例中另一场景下障碍物进入车辆盲区的示意图；

图7为一个实施例中障碍物预警装置的结构框图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种障碍物预警方法，本实施例以该方法应用于车辆上的域控制器（行车电脑）进行举例说明，可以理解的是，该方法也可以应用于计算机设备，计算机设备可以为终端或服务器，其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本实施例中，该方法包括以下步骤：

步骤102，根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息。

其中，雷达可以为超声波雷达，雷达的探测信息中包括发波时间以及收波时间，障碍物的第一位置信息为根据雷达探测信息计算得到的障碍物与车辆的相对位置，第一位置信息可以为位置坐标。

具体地，域控制器根据部署于车辆上的雷达的探测信息中的发波时间以及收波时间，计算得到障碍物与各雷达之间的距离；根据雷达之间的距离以及障碍物与各雷达之间的距离，确定障碍物与各雷达的方位信息；根据障碍物与各雷达的距离、以及障碍物与各雷达之间的方位信息，确定障碍物的第一位置信息。

在一些具体的实施例中，如图2所示，A为障碍物，R2、R3为部署在车辆上的雷达，D1为障碍物与雷达R3之间的距离，D2为障碍物与雷达R2之间的距离，以车辆上预设点位为原点建立坐标系，预设点位可以为车辆上具有固定特征的点位，例如车辆的中心点。根据雷达R3、雷达R2与预设点位的位置关系可以确定雷达R3以及雷达R2在坐标系中的坐标，根据雷达R3的探测信息中的发波时间以及收波时间确定D1的值，本实施例中，雷达R2不需要发射超声波，雷达R3可以接受雷达R2发射的超声波经障碍物A反射至雷达R3的回波信息。根据R2的收波时间与R3的发波时间可以确定超声波经过D1与D2所需的时间，从而确定D1与D2的距离和，根据雷达R3以及雷达R2之间的距离、D1以及D2，确定障碍物在坐标系中的坐标值。

作为一种示例，障碍物与雷达之间的距离的具体数学形式如下：

； =；

其中，V为超声波的速度，如图2，为R3雷达从发波到收波的时间间隔，为雷 达R3发射的超声波经障碍物A反射至雷达R2所需的时间。障碍物的在坐标系中的坐标值的 数学表达式可以如下：

，

其中，(为R2的坐标、(为R3的坐标，L为R2和R3的间距。

步骤104，根据部署于车辆上的相机拍摄的图像，确定障碍物的第二位置信息。

其中，部署于车辆上的相机可以是鱼眼相机，也还可以是其他的相机，例如全景相机。障碍物的第二位置信息为根据相机拍摄的图像计算得到的障碍物与车辆的相对位置，第二位置信息可以为位置坐标。

具体地，域控制器对部署于车辆上的相机拍摄的图像进行特征点提取，根据特征点在图像中的像素位置以及相机的拍摄参数，将障碍物在图片中的像素坐标转换成世界坐标，得到障碍物的第二位置信息。

步骤106，根据第一位置信息和第二位置信息，确定障碍物的位置信息。

具体地，域控制器将第一位置信息中的各坐标与第二位置信息中的各坐标进行融合，得到障碍物的位置信息。例如，可以将第一位置信息中的各坐标点与第二位置信息中的各坐标的中心点作为障碍物的位置信息。中心点即为所有坐标点的几何中心点，可以通过将所有坐标点求和取平均得到。

步骤108，根据位置信息以及障碍物的历史位置信息，预测障碍物相对车辆的运动轨迹。

其中，历史位置信息包括至少一个过去时刻的障碍物的位置信息，具体地，域控制器根据障碍物的位置信息中的位置坐标以及前一时刻位置信息中的位置坐标，对车辆的运动轨迹进行预测。在一些实施例中，域控制器可以根据障碍物的位置信息中的位置坐标以及前一段时间障碍物的多个位置信息中的位置坐标，对车辆的运动轨迹进行预测。

在一些具体的实施例中，域控制器根据障碍物的位置信息中的位置坐标，确定车辆的实际距离；根据前一时刻位置信息中的位置坐标，确定车辆的前一时刻的距离，若实际距离大于前一时刻的距离，则输出障碍物远离车辆的信息；若实际距离小于或等于前一时刻的距离，则以前一时刻的位置坐标与车辆当前的位置坐标之间的延长线作为障碍物相对车辆的运动轨迹。

步骤110，在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息；车辆盲区为雷达和相机共同的检测盲区。

具体地，域控制器在运动轨迹表征障碍物靠近车辆时，会根据障碍物的位置信息与车辆盲区的关系确定障碍物是否进入盲区，在确定障碍物进入车辆盲区的情况下，输出预警信息进行预警。其中，预警信息中还可以包括障碍物进入车辆盲区时的位置。

可以理解的是，雷达在发波后，由于压电陶瓷片震动后的惯性作用，压电陶瓷片会产生震动，经过一段时间后，压电陶瓷片的震动才会消失，在这段时间内，如果有回波返回，雷达因无法区分回波和余震波形，导致无法进行距离计算，因此此段时间对应的回波距离即为雷达固有的盲区。如图3所示，相机在布置时，垂直视场角由于受到车身结构的遮挡，导致相机的视野存在一定距离的盲区，相机视场角与车身相切的光线延长至地面，且与地面的交点为M，车辆最前端结构的垂直切线与地面的交点为N，则MN间的区域即为相机的盲区。车辆的盲区即为雷达盲区与相机盲区两区域的交集部分。

在一些具体的实施例中，在步骤110之前，障碍物预警方法还包括：域控制器在坐标系中确定车辆盲区的坐标范围，在运动轨迹表征障碍物靠近车辆时，根据障碍物的位置信息以及车辆盲区的坐标范围，确定障碍物与车辆盲区的最短距离，根据最短距离输出障碍物提示信息。

上述障碍物预警方法中，通过根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定障碍物的第二位置信息；根据第一位置信息和第二位置信息，确定障碍物的位置信息；这样得到的障碍物的位置信息更为准确，有助于对车辆盲区是否存在障碍物进行更准确的预警；根据位置信息以及障碍物的历史位置信息，预测障碍物相对车辆的运动轨迹；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息；车辆盲区为雷达和相机共同的检测盲区。本申请在障碍物相对运动轨迹表征障碍物靠近车辆的前提下，且在确定障碍物进入车辆盲区的情况下才进行预警，相对于在障碍物在有概率进入车辆盲区就进行预警，这样可以提高预警的准确性。

在一个实施例中，在根据第一位置信息和第二位置信息，确定障碍物的位置信息之前，包括：根据第一位置信息和第二位置信息，确定障碍物的类型；障碍物的类型包括真实障碍物和误检障碍物；若障碍物的类型为真实障碍物，则执行根据第一位置信息和第二位置信息，确定障碍物的位置信息；若障碍物的类型为误检障碍物，则过滤障碍物。

其中，误检障碍物指被检测为障碍物，但实际并不是障碍物的对象。在一些实施例中，可能由于车辆所处地面的纹路会使部署于车辆的相机拍摄的图片表征存在障碍物，并进行了第一位置信息的确定，但是针对地面的纹路雷达的探测信息中并不会表征存在障碍物，此时，本实施例中的相机虽然检测到了障碍物，但由于第一位置信息与第二位置信息存在的误差较大可以将地面的纹路确定为误检障碍物。雷达与相机检测到的障碍物信息存在很大的误差，或者雷达与相机检测到的障碍物信息表征障碍物的体积很小。例如，相机与雷达各自检测到的障碍物坐标中相匹配的坐标点数量过少则可以认为雷达与相机检测到的障碍物信息存在很大的误差；相机与雷达各自检测到的障碍物坐标数量过少则可以认为障碍物的体积很小。

具体地，域控制器针对第一位置信息和第二位置信息进行分析，确定障碍物的类型；障碍物的类型包括真实障碍物和误检障碍物；若障碍物的类型为真实障碍物，则执行根据第一位置信息和第二位置信息，确定障碍物的位置信息；若障碍物的类型为误检障碍物，则过滤障碍物。在一些实施例中，根据第一位置信息和第二位置信息，确定障碍物的位置信息包括：将第一位置信息中的各坐标点以及第二位置信息中的各坐标点的中心点作为障碍物的位置坐标点。

本实施例中，对雷达以及相机检测到的障碍物位置信息进行分析，在障碍物为误检障碍物时直接过滤该障碍物，只要在障碍物为真实障碍物时才进行后续的预警判断，不仅可以提高障碍物预警效率，还可以提高预警的准确度。

在一个实施例中，根据第一位置信息和第二位置信息，确定障碍物的类型，包括：将第一位置信息中坐标点的个数与第二位置信息中坐标点的个数相加，得到坐标点总数；将第一位置信息中坐标与第二位置信息中坐标进行匹配，得到相匹配的坐标点数量；若坐标点总数大于第一预设值、且相匹配的坐标点数量大于第二预设值，则确定障碍物的类型为真实障碍物；否则，确定障碍物的类型为误检障碍物。

可以理解的是，障碍物的体积不同，通过雷达探测以及相机拍摄得到的位置信息的坐标点可以不同。

具体地，域控制器将第一位置信息中坐标点的个数与第二位置信息中坐标点的个数相加，得到坐标点总数；从第一位置信息中取出各坐标点与第二位置信息中的各坐标点一一进行匹配，将匹配误差小于误差阈值的坐标点作为相匹配的坐标点，得到相匹配的坐标点数量；若坐标点总数大于第一预设值、且相匹配的坐标点数量大于第二预设值，则确定障碍物的类型为真实障碍物；否则，确定障碍物的类型为误检障碍物。

作为一种示例，假设第一位置信息包括的障碍物坐标为A(x，y)，B(m，n)，坐标数量为2个，第二位置信息包括的障碍物坐标为D(a，b)、E(c，d)、F(g，h)、I(o，p)，坐标数量为4个。将第一位置信息中坐标点的个数与第二位置信息中坐标点的个数相加，得到坐标点总数则为6个。将|a-x|、|c-x|、|g-x|、|o-x|、|m-a|、|m-c|、|m-g|、|m-o|与设置的阈值N相比较，计算出|a-x|、|c-x|、|g-x|、|o-x|、|m-a|、|m-c|、|m-g|、|m-o|中小于N的数量为M个，M即为相匹配的坐标点数量。

本实施例中，若雷达与相机的障碍物探测信息中的坐标点总数大于第一预设值、且相匹配的坐标点数量大于第二预设值，即表明雷达与相机检测到的障碍物信息表征障碍物的体积足以阻碍车辆的行驶，且雷达与相机检测到的障碍物信息存在相似的坐标点，这时则确定障碍物的类型为真实障碍物；这样可以保证确定的真实障碍物更为准确，从而有助于提高障碍物预警的准确性。

在一个实施例中，根据第一位置信息和第二位置信息，确定障碍物的位置信息，包括：将第一位置信息中的坐标与第二位置信息的坐标进行匹配，得到匹配的坐标；将匹配的坐标作为障碍物的位置信息。

具体地，域控制器将第一位置信息中的各坐标与第二位置信息中的各坐标一一进行匹配，将匹配误差小于误差阈值的坐标点作为相匹配的坐标点，将匹配的坐标点作为障碍物的位置信息。

在一些具体的实施例中，若相匹配的坐标点包括多个坐标点时，将多个坐标点的中心坐标点座位障碍物的位置信息。

作为一种示例，若第一位置信息中的坐标与第二位置信息中的坐标之间的距离小于预设阈值，则表明该第一位置信息中的坐标与该第二位置信息中的坐标为相匹配的坐标。

本实施例中，通过将第一位置信息中的坐标与第二位置信息的坐标相匹配的坐标作为障碍物的位置信息，这样的得到的障碍物位置信息更准确，从而有助于提高障碍物预警的准确度。

在一个实施例中，方法还包括：根据位置信息以及障碍物的历史位置信息，确定障碍物相对于车辆的相对运动速度；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息，包括：在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，根据相对运动速度确定预警级别，并输出与预警级别匹配的预警信息。

具体地，域控制器根据当前位置信息以及障碍物的上一时刻位置信息，确定上一时刻位置信息与当前位置信息的距离以及采集时间间隔；将距离除以采集时间间隔，得到障碍物相对于车辆的相对运动速度；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息，包括：在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，根据相对运动速度确定预警级别，并输出与预警级别匹配的预警信息。在一些实施例中，预警级别可以包括一级预警、二级预警以及三级预警，预警的级别越高表征障碍物进入盲区时的相对速度越大，表明碰撞的可能性越大，当障碍物与车辆的相对运动速度低于第一预设速度时，确定为一级预警；当障碍物与车辆的相对运动速度低于第二预设速度且大于或等于第一预设速度时，确定为二级预警；当障碍物与车辆的相对运动速度大于或等于第二预设速度时，确定为三级预警。第一预设速度可以为5km/h，第二预设速度可以为10km/h。

本实施例中，在进行障碍物预警时，将障碍物字进入车辆盲区时与车辆的相对速度考虑进来，根据运动速度的不同可以进行不同等级的预警。

在一个实施例中，方法还包括：在基于雷达的探测信息检测不到障碍物、且基于相机拍摄的图像检测不到障碍物，则确定障碍物进入车辆盲区。

在一个实施例中，障碍物预警方法包括：

步骤一：超声波雷达输出障碍物反射的回波信息给域控制器，同时鱼眼相机输出图像信息给域控制器。

步骤二：域控制器对超声波雷达输入的回波信息进行采样计算，得到障碍物与雷达的距离信息，并建立坐标系，根据距离信息、车身参数信息、车辆各雷达在车身的位置信息计算出障碍物坐标，得到障碍物的第一位置信息。同时，鱼眼相机对图像信息中的不同障碍物进行特征点提取，并结合车辆参数及鱼眼相机的车身位置信息，计算出图像信息中障碍物的特征点坐标，得到障碍物的第二位置信息。

步骤三：将障碍物的第一位置信息和得到的障碍物的第二位置信息进行分析计算，得到障碍物坐标的数量信息，障碍物坐标的数量信息用于障碍物的类型判断。

步骤四：当障碍物的类型为真实障碍物，进入步骤五进行下一步处理，当障碍物的类型为误检障碍物，则对障碍物进行过滤。

步骤五：对于类型为真实障碍物的障碍物，有三种使用场景用于障碍物轨迹预测。场景一，车辆静止，障碍物运动至车辆超声波雷达和鱼眼相机盲区内。场景二，障碍物静止，车辆向障碍物运动导致障碍物进入车辆超声波雷达和鱼眼相机盲区内。场景三，车辆和障碍物同时运动导致障碍物进入车辆超声波雷达和鱼眼相机盲区内。

在场景一中，域控制器通过对不同类型的障碍物运动至车辆超声波雷达和鱼眼相机盲区内的场景进行坐标数据采集、坐标数据融合及轨迹预测。首先，根据融合后的坐标点变化信息可以得出一段时间内障碍物的类型及其运动轨迹，当障碍物运动轨迹为障碍物靠近车辆方向且障碍物坐标点消失时，判定障碍物位于车辆超声波雷达和鱼眼相机盲区内，在障碍物坐标点消失处对应的车辆超声波雷达和鱼眼相机盲区进行障碍物预警信息显示。如图4所示，障碍物以行人为例进行说明。车辆配置12颗超声波雷达，图中的小扇形区域为雷达的探测区域，配置4颗鱼眼相机，图中的小扇形区域为相机的视场角，白色区域为超声波雷达和鱼眼相机的盲区。车辆静止，行人由位置A向位置C方向运动，位置C位于车辆盲区内，位置B为行人进入盲区时，行人坐标点消失的位置。

在场景二中，域控制器计算出的融合坐标点是指静止障碍物相对运动车辆的坐标信息，根据融合后的坐标点变化信息可以得出一段时间内静止障碍物的类型及其相对车辆的运动轨迹，当静止障碍物相对于运动车辆的运动轨迹为靠近车辆方向且静止障碍物坐标点消失时，判定静止障碍物位于车辆超声波雷达和鱼眼相机盲区内，在静止障碍物坐标点消失处对应的车辆超声波雷达和鱼眼相机盲区进行障碍物预警信息显示。如图5所示，障碍物以行人为例进行说明。车辆配置12颗超声波雷达，图中的小扇形区域为雷达的探测区域，配置4颗鱼眼相机，图中的小扇形区域为相机的视场角，白色区域为超声波雷达和鱼眼相机的盲区。行人静止，车辆由位置M向位置N方向运动，位置O为行人进入盲区时，行人坐标点消失的位置。

在场景三中，域控制器计算出的融合坐标点是指运动障碍物相对运动车辆的坐标信息，根据融合后的坐标点变化信息可以得出一段时间内运动障碍物的类型及其相对车辆的运动轨迹，当运动障碍物相对于运动车辆的运动轨迹为靠近车辆方向且运动障碍物坐标点消失时，判定运动障碍物位于车辆超声波雷达和鱼眼相机盲区内，在运动障碍物坐标点消失处对应的车辆超声波雷达和鱼眼相机盲区进行障碍物预警信息显示。如图6所示，障碍物以行人为例进行说明。车辆配置12颗超声波雷达，图中的小扇形区域为雷达的探测区域，配置4颗鱼眼相机，图中的小扇形区域为相机的视场角，白色区域为超声波雷达和鱼眼相机的盲区。车辆由位置E向位置F方向运动，行人由位置H向位置K方向运动，位置G为行人进入盲区时，行人坐标点消失的位置。

域控制器可以依据探测的障碍物坐标点个数和坐标点位置信息，将障碍物划分为点型障碍物（纸箱，球）、行人、自行车、锥桶等。因此域控制器最终输出的域控信息包含障碍物的类型信息。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的障碍物预警方法的障碍物预警装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个障碍物预警装置实施例中的具体限定可以参见上文中对于障碍物预警方法的限定，在此不再赘述。

在一个实施例中，如图7所示，提供了一种障碍物预警装置，包括：第一位置信息确定模块702、第二位置信息确定模块704、障碍物位置确定模块706、运动轨迹预测模块708和预警模块710，其中：

第一位置信息确定模块702，用于根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；

第二位置信息确定模块704，用于根据部署于车辆上的相机拍摄的图像，确定障碍物的第二位置信息；

障碍物位置确定模块706，用于根据第一位置信息和第二位置信息，确定障碍物的位置信息；

运动轨迹预测模块708，用于根据位置信息以及障碍物的历史位置信息，预测障碍物相对车辆的运动轨迹；

预警模块710，用于在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息；车辆盲区为雷达和相机共同的检测盲区。

在一个实施例中，障碍物预警装置还包括：障碍物类型确定模块，用于根据第一位置信息和第二位置信息，确定障碍物的类型；障碍物的类型包括真实障碍物和误检障碍物；若障碍物的类型为真实障碍物，则执行根据第一位置信息和第二位置信息，确定障碍物的位置信息；若障碍物的类型为误检障碍物，则过滤障碍物。

在一个实施例中，障碍物类型确定模块还用于：将第一位置信息中坐标点的个数与第二位置信息中坐标点的个数相加，得到坐标点总数；将第一位置信息中坐标与第二位置信息中坐标进行匹配，得到相匹配的坐标点数量；若坐标点总数大于第一预设值、且相匹配的坐标点数量大于第二预设值，则确定障碍物的类型为真实障碍物；否则，确定障碍物的类型为误检障碍物。

在一个实施例中，障碍物位置确定模块706还包括：将第一位置信息中的坐标与第二位置信息的坐标进行匹配，得到匹配的坐标；将匹配的坐标作为障碍物的位置信息。

在一个实施例中，运动轨迹预测模块708还用于：根据位置信息以及障碍物的历史位置信息，确定障碍物相对于车辆的相对运动速度；预警模块710还用于：在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，根据相对运动速度确定预警级别，并输出与预警级别匹配的预警信息。

在其中一个实施例中，障碍物预警装置还包括：障碍物进入盲区确定模块，用于在基于雷达的探测信息检测不到障碍物、且基于相机拍摄的图像检测不到障碍物，则确定障碍物进入车辆盲区。

上述障碍物预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种障碍物预警方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定障碍物的第二位置信息；根据第一位置信息和第二位置信息，确定障碍物的位置信息；根据位置信息以及障碍物的历史位置信息，预测障碍物相对车辆的运动轨迹；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息；车辆盲区为雷达和相机共同的检测盲区。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据第一位置信息和第二位置信息，确定障碍物的类型；障碍物的类型包括真实障碍物和误检障碍物；若障碍物的类型为真实障碍物，则执行根据第一位置信息和第二位置信息，确定障碍物的位置信息；若障碍物的类型为误检障碍物，则过滤障碍物。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将第一位置信息中坐标点的个数与第二位置信息中坐标点的个数相加，得到坐标点总数；将第一位置信息中坐标与第二位置信息中坐标进行匹配，得到相匹配的坐标点数量；若坐标点总数大于第一预设值、且相匹配的坐标点数量大于第二预设值，则确定障碍物的类型为真实障碍物；否则，确定障碍物的类型为误检障碍物。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将第一位置信息中的坐标与第二位置信息的坐标进行匹配，得到匹配的坐标；将匹配的坐标作为障碍物的位置信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据位置信息以及障碍物的历史位置信息，确定障碍物相对于车辆的相对运动速度；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息，包括：在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，根据相对运动速度确定预警级别，并输出与预警级别匹配的预警信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

在基于雷达的探测信息检测不到障碍物、且基于相机拍摄的图像检测不到障碍物，则确定障碍物进入车辆盲区。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定障碍物的第二位置信息；根据第一位置信息和第二位置信息，确定障碍物的位置信息；根据位置信息以及障碍物的历史位置信息，预测障碍物相对车辆的运动轨迹；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息；车辆盲区为雷达和相机共同的检测盲区。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据第一位置信息和第二位置信息，确定障碍物的类型；障碍物的类型包括真实障碍物和误检障碍物；若障碍物的类型为真实障碍物，则执行根据第一位置信息和第二位置信息，确定障碍物的位置信息；若障碍物的类型为误检障碍物，则过滤障碍物。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将第一位置信息中坐标点的个数与第二位置信息中坐标点的个数相加，得到坐标点总数；将第一位置信息中坐标与第二位置信息中坐标进行匹配，得到相匹配的坐标点数量；若坐标点总数大于第一预设值、且相匹配的坐标点数量大于第二预设值，则确定障碍物的类型为真实障碍物；否则，确定障碍物的类型为误检障碍物。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将第一位置信息中的坐标与第二位置信息的坐标进行匹配，得到匹配的坐标；将匹配的坐标作为障碍物的位置信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据位置信息以及障碍物的历史位置信息，确定障碍物相对于车辆的相对运动速度；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息，包括：在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，根据相对运动速度确定预警级别，并输出与预警级别匹配的预警信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

在基于雷达的探测信息检测不到障碍物、且基于相机拍摄的图像检测不到障碍物，则确定障碍物进入车辆盲区。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；根据部署于车辆上的相机拍摄的图像，确定障碍物的第二位置信息；根据第一位置信息和第二位置信息，确定障碍物的位置信息；根据位置信息以及障碍物的历史位置信息，预测障碍物相对车辆的运动轨迹；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息；车辆盲区为雷达和相机共同的检测盲区。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据第一位置信息和第二位置信息，确定障碍物的类型；障碍物的类型包括真实障碍物和误检障碍物；若障碍物的类型为真实障碍物，则执行根据第一位置信息和第二位置信息，确定障碍物的位置信息；若障碍物的类型为误检障碍物，则过滤障碍物。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将第一位置信息中坐标点的个数与第二位置信息中坐标点的个数相加，得到坐标点总数；将第一位置信息中坐标与第二位置信息中坐标进行匹配，得到相匹配的坐标点数量；若坐标点总数大于第一预设值、且相匹配的坐标点数量大于第二预设值，则确定障碍物的类型为真实障碍物；否则，确定障碍物的类型为误检障碍物。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将第一位置信息中的坐标与第二位置信息的坐标进行匹配，得到匹配的坐标；将匹配的坐标作为障碍物的位置信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据位置信息以及障碍物的历史位置信息，确定障碍物相对于车辆的相对运动速度；在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，输出预警信息，包括：在运动轨迹表征障碍物靠近车辆、且障碍物进入车辆盲区的情况下，根据相对运动速度确定预警级别，并输出与预警级别匹配的预警信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

在基于雷达的探测信息检测不到障碍物、且基于相机拍摄的图像检测不到障碍物，则确定障碍物进入车辆盲区。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种障碍物预警方法，其特征在于，所述方法包括：

根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；

根据部署于车辆上的相机拍摄的图像，确定所述障碍物的第二位置信息；

根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；

根据所述位置信息以及所述障碍物的历史位置信息，预测所述障碍物相对车辆的运动轨迹；

在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息；所述车辆盲区为所述雷达和相机共同的检测盲区。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息之前，包括：

根据所述第一位置信息和所述第二位置信息，确定所述障碍物的类型；所述障碍物的类型包括真实障碍物和误检障碍物；

若所述障碍物的类型为真实障碍物，则执行根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；

若所述障碍物的类型为误检障碍物，则过滤所述障碍物。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一位置信息和所述第二位置信息，确定所述障碍物的类型，包括：

将所述第一位置信息中坐标点的个数与所述第二位置信息中坐标点的个数相加，得到坐标点总数；

将所述第一位置信息中坐标与所述第二位置信息中坐标进行匹配，得到相匹配的坐标点数量；

若所述坐标点总数大于第一预设值、且所述相匹配的坐标点数量大于第二预设值，则确定所述障碍物的类型为真实障碍物；否则，确定所述障碍物的类型为误检障碍物。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息，包括：

将所述第一位置信息中的坐标与所述第二位置信息的坐标进行匹配，得到匹配的坐标；

将所述匹配的坐标作为所述障碍物的位置信息。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述位置信息以及所述障碍物的历史位置信息，确定所述障碍物相对于所述车辆的相对运动速度；

所述在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息，包括：

在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，根据所述相对运动速度确定预警级别，并输出与所述预警级别匹配的预警信息。

6.根据权利要求1至5任意一项所述的方法，其特征在于，所述方法还包括：

在基于所述雷达的探测信息检测不到所述障碍物、且基于所述相机拍摄的图像检测不到所述障碍物，则确定所述障碍物进入所述车辆盲区。

7.一种障碍物预警装置，其特征在于，所述装置包括：

第一位置信息确定模块，用于根据部署于车辆上的雷达的探测信息，确定障碍物的第一位置信息；

第二位置信息确定模块，用于根据部署于车辆上的相机拍摄的图像，确定所述障碍物的第二位置信息；

障碍物位置确定模块，用于根据所述第一位置信息和所述第二位置信息，确定所述障碍物的位置信息；

运动轨迹预测模块，用于根据所述位置信息以及所述障碍物的历史位置信息，预测所述障碍物相对车辆的运动轨迹；

预警模块，用于在所述运动轨迹表征所述障碍物靠近所述车辆、且所述障碍物进入车辆盲区的情况下，输出预警信息；所述车辆盲区为所述雷达和相机共同的检测盲区。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。