TW202142425A - 行車監控警示系統 - Google Patents

Abstract

行車監控警示系統包括攝影機、紅外光源及處理模組。攝影機裝設於車體的一側，用以拍攝車體的該側的周邊影像，其中周邊影像包含車體的駕駛視線盲區與車體的一部份。紅外光源裝設於車體的該側，用以選擇性地發出紅外光以對周邊影像進行補光，其中紅外光不會照射到車體。處理模組電性連接攝像機以對周邊影像進行影像處理，從而於周邊影像中標記出至少一風險物體。

Description

行車監控警示系統

本發明是關於一種行車監控警示系統，且特別是關於一種能於駕駛視線盲區存在風險物體時發出警告的行車監控警示系統。

盲點偵測(Blind Spot Detection，BSD)裝置，通常設於車輛的兩側的側視鏡的支架上，透過盲點偵測裝置的攝影機往後拍攝的影像來輔助駕駛得知車輛後方是否有移動物體。然而，現今的盲區偵測裝置僅能偵測後方來車，無法對於位於後視鏡之前方的移動物體來進行偵測。

本揭露之目的在於提出一種行車監控警示系統，包括攝影機、紅外光源及處理模組。攝影機裝設於車體的一側，用以拍攝車體的該側的周邊影像，其中周邊影像包含車體的駕駛視線盲區與車體的一部份。紅外光源裝設於車體的該側，用以選擇性地發出紅外光以對周邊影像進行補光，其中紅外光不會照射到車體。處理模組電性連接攝像機以對周邊影像進行影像處理，從而於周邊影像中標記出至少一風險物體。

在一些實施例中，所述攝影機為廣角攝影機。

在一些實施例中，所述攝影機與所述紅外光源的裝設位置係低於車體的車頂且高於車體的車窗。

在一些實施例中，所述紅外光源為可轉向的，且所述紅外光源的俯角會隨著紅外光源的安裝高度而改變。

在一些實施例中，所述紅外光源的水平視野(field of view，FOV)係介於120度至160度之間。

在一些實施例中，所述周邊影像包含車體的最前緣之該側的影像。

在一些實施例中，所述周邊影像包含超出車體的最前緣之該側的影像。

在一些實施例中，所述處理模組更根據風險物體與車體的距離來於周邊影像中標記出風險物體的風險程度。

在一些實施例中，所述處理模組藉由機器學習方式來分辨風險物體係屬於車輛或弱勢道路使用者(vulnerable road user)。

在一些實施例中，所述處理模組更根據風險物體與車體的距離以及風險物體係屬於車輛或弱勢道路使用者，來於周邊影像中標記出風險物體的風險程度。

為讓本揭露的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

以下仔細討論本發明的實施例。然而，可以理解的是，實施例提供許多可應用的概念，其可實施於各式各樣的特定內容中。所討論、揭示之實施例僅供說明，並非用以限定本發明之範圍。

圖1係根據本揭露的實施例之行車監控警示系統100的方塊圖。行車監控警示系統100包括攝影機110、紅外光源120及處理模組130。

於圖1所示的實施例中，行車監控警示系統100係裝設於車體200的右側。然而，其僅為例示，實際上，行車監控警示系統100係裝設於車體200的兩側，以利於監控車體200的兩側是否有移動物體。行車監控警示系統100的攝影機110用以拍攝車體200的兩側的周邊影像。

在本揭露的實施例中，處理模組130電性連接攝影機110與紅外光源120。處理模組130控制紅外光源120以使得紅外光源120選擇性地發出紅外光以對攝影機110所拍攝得的周邊影像進行補光。

舉例而言，處理模組130可感測攝影機110所拍攝的場景之光線(例如透過光敏元件)低於一特定值時，例如，於夜間或光線不足時，處理模組130可控制紅外光源120發出紅外光，以對於攝影機110所拍攝的場景進行補光。

在本揭露的實施例中，紅外光源120的水平視野(field of view，FOV)係介於120度至160度之間。在本揭露的實施例中，紅外光源120為可轉向的，換言之，紅外光源120係裝設於旋轉機構件上，以使得紅外光源120的俯角可被調整。

在本揭露的實施例中，紅外光源120的俯角會隨著紅外光源120的安裝高度而改變，進一步而言，若紅外光源120的安裝高度相對較低，則紅外光源120的俯角會隨之相對較小；若紅外光源120的安裝高度相對較高，則紅外光源120的俯角會隨之相對較大。舉例而言，若紅外光源120的安裝高度約為250公分，則紅外光源120的俯角約為20~30度；若紅外光源120的安裝高度約為350公分，則紅外光源120的俯角約為50~60度。

在本揭露的實施例中，如圖1所示，行車監控警示系統100的安裝高度係低於車體200的車頂且高於車體200的車窗。在本揭露的實施例中，如圖1所示，攝影機110的拍攝視角與紅外光源120的照射方向並不相同。

在本揭露的實施例中，攝影機110的拍攝視角可為往下拍攝，但本揭露不限於此，攝影機110的拍攝視角也可為斜向地往下及往後拍攝。在本揭露的實施例中，紅外光源120的照射方向可為往後照射，但本揭露不限於此，紅外光源120的照射方向也可為斜向地往後及往下拍攝。然而，無論攝影機110的拍攝視角及紅外光源120的照射方向如何調整，攝影機110的拍攝視角及紅外光源120的照射方向皆不會相同。

在本揭露的實施例中，攝影機110為廣角攝影機，使得攝影機110具有寬廣的水平視角及垂直視角，從而使攝影機110除了能夠拍攝到部分的車體200之外且也能夠盡可能地拍攝車體200的兩側的移動物體。換言之，攝影機110所拍攝到的周邊影像包含車體200的一部份。

在本揭露的實施例中，紅外光源120不會照射到車體200，以避免攝影機110所拍攝到的周邊影像因紅外光源120照射到車體200造成反光導致後續在影像辨識上的困難。

舉例而言，若是因為紅外光源120照射到車體200導致攝影機110所拍攝到的周邊影像所包含之車體200的一部份產生反光，可能會有以下情形：(1)當攝影機110的動態範圍不夠高，會造成周邊影像整體曝光，導致周邊影像中的特徵不足無法辨識；(2)當攝影機110的動態範圍夠高，反光部分會拉低周邊影像整體照度，導致周邊影像中的特徵不足無法辨識；(3)紅外光源120發出的紅外光照射到車體的反射光可能會經折射和/或反射而進入攝影機110的鏡頭造成散射，導致周邊影像中的特徵不足無法辨識。

圖2a係根據本揭露的實施例之行車監控警示系統100的攝影機110的拍攝範圍之前視示意圖。圖2b係根據本揭露的實施例之行車監控警示系統100的攝影機110的拍攝範圍之俯視示意圖。

如圖2a與圖2b所示，攝影機110所拍攝的周邊影像至少包含車體200的側視鏡(wing mirror)210之前方的兩側的影像。在本揭露的實施例中，攝影機110所拍攝的周邊影像包含車體200的側視鏡210之前方的駕駛視線盲區。值得一提的是，習知的盲點偵測裝置係透過裝設於車輛的兩側的側視鏡的支架上的透過攝影機往後拍攝，因此，習知的盲點偵測裝置並無法拍攝到側視鏡210之前方的兩側的影像。

如圖2a與圖2b所示，攝影機110所拍攝的周邊影像至少包含車體200的最前緣及最後緣之兩側的影像，進一步而言，攝影機110所拍攝的周邊影像包含超出車體200的最前緣及最後緣之兩側的影像。值得一提的是，習知的盲點偵測裝置係透過裝設於車輛的兩側的側視鏡的支架上的透過攝影機往後拍攝，因此，習知的盲點偵測裝置並無法拍攝到車體200的最前緣之兩側的影像。

在本揭露的實施例中，處理模組130接收攝影機110所拍攝的周邊影像，處理模組130對於周邊影像進行影像處理，以辨識周邊影像中是否有存在風險之移動物體(在本文中稱為風險物體)，從而於周邊影像中標記出至少一風險物體。舉例而言，於圖2a與圖2b所示的實施例中，處理模組130辨識出周邊影像中存在自行車300之風險物體位於車體200的右方的側視鏡210之前方的駕駛視線盲區，從而於周邊影像中標記出該自行車300為風險物體(甚至是發出警示)以提醒駕駛提高警覺，以避免於車體右彎時碰撞到自行車300。

在本揭露的實施例中，處理模組130藉由機器學習方式來分辨風險物體係屬於車輛或弱勢道路使用者(vulnerable road user)，其中車輛包含小車(例如乘轎車)、大車(例如貨卡車)；弱勢道路使用者包含行人、自行車、機車。在本揭露的實施例中，處理模組130使用深度學習來針對行人、自行車、機車、小車、大車進行訓練，從而使得處理模組130能夠辨識出周邊影像中的風險物體係屬於車輛或弱勢道路使用者。舉例而言，於圖2a與圖2b所示的實施例中，處理模組130辨識出周邊影像中存在屬於弱勢道路使用者之自行車300。此外，針對路樹、道路施工設備(例如三角錐等)、郵筒、路燈、垃圾桶等物體，因為不屬於處理模組130之機器學習的訓練對象，因此處理模組130會將其視為未定義物體(即：非屬風險物體)，既不進行辨識也不進行標記。

在本揭露的實施例中，當處理模組130分辨出風險物體係屬於車輛或弱勢道路使用者後，處理模組130更根據風險物體與車體200的相距距離和/或風險物體係屬於車輛或弱勢道路使用者，來於周邊影像中除了標記出風險物體更標示出該風險物體的風險程度，以提醒駕駛提高警覺，以避免於車體轉彎時碰撞到該風險物體。

圖3係根據本揭露的實施例之風險物體的風險程度的例示示意圖。於圖3所示的實施例中，當風險物體與車體200的相距距離越近，則風險程度越高，其中，風險程度由高至低分別為高風險、中風險、低風險。於圖3所示的實施例中，當風險物體屬於車輛則其風險程度較為寬鬆，當風險物體屬於弱勢道路使用者，則其風險程度較為嚴謹。舉例而言，於圖3所示的實施例中，對於與車體200同樣的相距距離而言，當風險物體屬於車輛400時，其風險程度屬於中風險，然而，當風險物體屬於弱勢道路使用者(自行車300)時，其風險程度已屬於高風險。

在本揭露的實施例中，可在周邊影像中利用方框來框出風險物體，且利用不同的框線的顏色來表示該風險物體的風險程度。舉例而言，可利用紅色的框線來表示高風險的風險物體，可利用黃色的框線來表示中風險的風險物體，可利用灰色的框線來表示低風險的風險物體。

綜合上述，本揭露提出一種行車監控警示系統，能夠對於車體的側視鏡之前方的風險物體來進行偵測，從而能於駕駛視線盲區存在風險物體時發出警告以提醒駕駛提高警覺，以避免於車體轉彎時碰撞到該風險物體。

以上概述了數個實施例的特徵，因此熟習此技藝者可以更了解本揭露的態樣。熟習此技藝者應了解到，其可輕易地把本揭露當作基礎來設計或修改其他的製程與結構，藉此實現和在此所介紹的這些實施例相同的目標及/或達到相同的優點。熟習此技藝者也應可明白，這些等效的建構並未脫離本揭露的精神與範圍，並且他們可以在不脫離本揭露精神與範圍的前提下做各種的改變、替換與變動。

100:行車監控警示系統 110:攝影機 120:紅外光源 130:處理模組 200:車體 210:側視鏡 300:自行車 400:車輛

從以下結合所附圖式所做的詳細描述，可對本揭露之態樣有更佳的了解。需注意的是，根據業界的標準實務，各特徵並未依比例繪示。事實上，為了使討論更為清楚，各特徵的尺寸都可任意地增加或減少。 [圖1]係根據本揭露的實施例之行車監控警示系統的方塊圖。 [圖2a]係根據本揭露的實施例之行車監控警示系統的攝影機的拍攝範圍之前視示意圖。 [圖2b]係根據本揭露的實施例之行車監控警示系統的攝影機的拍攝範圍之俯視示意圖。 [圖3]係根據本揭露的實施例之風險物體的風險程度的例示示意圖。

100:行車監控警示系統

110:攝影機

120:紅外光源

130:處理模組

200:車體

Claims (10)

1. 一種行車監控警示系統，包括： 一攝影機，裝設於一車體的一側，用以拍攝該車體的該側的一周邊影像，其中該周邊影像包含該車體的一駕駛視線盲區與該車體的一部份； 一紅外光源，裝設於該車體的該側，用以選擇性地發出一紅外光以對該周邊影像進行補光，其中該紅外光不會照射到該車體；及 一處理模組，電性連接該攝像機以對該周邊影像進行影像處理，從而於該周邊影像中標記出至少一風險物體。
2. 如請求項1所述之行車監控警示系統，其中該攝影機為一廣角攝影機。
3. 如請求項1所述之行車監控警示系統，其中該攝影機與該紅外光源的一安裝高度係低於該車體的一車頂且高於該車體的一車窗。
4. 如請求項1所述之行車監控警示系統，其中該紅外光源為可轉向的，且該紅外光源的一俯角會隨著該紅外光源的一安裝高度而改變。
5. 如請求項1所述之行車監控警示系統，其中該紅外光源的一水平視野(field of view，FOV)係介於120度至160度之間。
6. 如請求項1所述之行車監控警示系統，其中該周邊影像包含該車體的最前緣之該側的影像。
7. 如請求項1所述之行車監控警示系統，其中該周邊影像包含超出該車體的最前緣之該側的影像。
8. 如請求項1所述之行車監控警示系統，其中該處理模組更根據該風險物體與該車體的一距離來於該周邊影像中標記出該風險物體的一風險程度。
9. 如請求項1所述之行車監控警示系統，其中該處理模組藉由一機器學習方式來分辨該風險物體係屬於車輛或弱勢道路使用者(vulnerable road user)。
10. 如請求項8所述之行車監控警示系統，其中該處理模組更根據該風險物體與該車體的一距離以及該風險物體係屬於車輛或弱勢道路使用者，來於該周邊影像中標記出該風險物體的一風險程度。

Images