CN107798306A - 一种智能驾驶和远程可视化智能定损***及方法 - Google Patents
一种智能驾驶和远程可视化智能定损***及方法 Download PDFInfo
- Publication number
- CN107798306A CN107798306A CN201711040544.0A CN201711040544A CN107798306A CN 107798306 A CN107798306 A CN 107798306A CN 201711040544 A CN201711040544 A CN 201711040544A CN 107798306 A CN107798306 A CN 107798306A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- track
- setting loss
- action
- 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 25
- 238000012800 visualization Methods 0.000 title claims abstract description 14
- 230000009471 action Effects 0.000 claims abstract description 32
- 238000013500 data storage Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 29
- 230000004888 barrier function Effects 0.000 claims description 25
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000002594 fluoroscopy Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- 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
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18163—Lane change; Overtaking manoeuvres
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video 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
- B60W2420/403—Image sensing, e.g. optical camera
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能驾驶及远程可视化智能定损***，包括全景视觉影像集成***、控制***和定损平台；全景视觉影像集成***包括多个广角摄像头和图像处理器；控制***包括微型计算机、第一数据存储服务器、决策动作模块、定位模块、第一信息收发模块、输入显示模块、避障装置和报警模块；所述第一信息收发模块通过第一通信模块连接无线网络；定损平台包括中央处理器、第二信息收发模块、第二数据存储服务器、GIS模块等，第二信息收发模块通过第二通信模块连接无线网络。本发明还公开了智能驾驶和远程可视化定损的方法。本发明利用实时的全景路况信息，不仅实现智能安全驾驶，还确保车险定损防欺诈、便民高效。
Description
技术领域
本发明属于智能交通技术领域，尤其涉及一种智能驾驶和远程可视化智能定损***及方法。
背景技术
智能驾驶技术涉及信息工程、控制科学与工程、计算机科学、机械工程、数理科学、生命科学等诸多学科，是衡量一个国家科研实力和工业水平的重要标志。智能驾驶的出现，从根本上改变了传统的车辆驾驶方式，将驾驶员从“车-路-人”闭环***中解放出来，利用先进的电子与信息技术控制车辆行驶，让驾驶活动中常规的、持久且疲劳的操作自动完成，人仅仅做高级的目的性操作，能够极大地提高交通***的效率和安全性，具有广泛的社会应用价值。同时，智能驾驶技术的研究将极大地增强我国在汽车主动安全***方面的核心竞力，对提升我国汽车电子产品和汽车产业自主创新能力具有重大的战略意义。
在研发过程中，智能车辆驶出实验室、驶入真实道路环境是必将的发展之路。然而，真实道路环境路况复杂多变，驾驶安全风险大。特别是在前方出现大型车辆、驾驶员视线受到遮挡等情况下，即使人工驾驶仍是事故多发。因此，如何提高智能车的智慧水平、确保车辆在真实道路环境中的行车安全，目前尚没有完善的技术方案。
传统的车辆事故理赔查勘以现场查勘为主，速度慢，查勘员调度不科学，实时性较差，联合骗保的情况时有发生，因而在目前车辆事故处理过程中，存在报案后等待时间长、定损质量低、理赔时效慢、责任认定书真伪难辨、客户满意度低等问题。
发明内容
本发明的目的就在于为了解决上述问题而提供一种智能驾驶和远程可视化智能定损***及方法。
本发明通过以下技术方案来实现上述目的：一种智能驾驶及远程可视化智能定损***，包括全景视觉影像集成***、控制***和定损平台；所述全景视觉影像集成***包括多个广角摄像头和图像处理器；所述控制***包括微型计算机、第一数据存储服务器、决策动作模块、定位模块、第一信息收发模块、输入显示模块、避障装置和报警模块；所述第一信息收发模块通过第一通信模块连接无线网络；所述定损平台包括中央处理器、第二信息收发模块、第二数据存储服务器、GIS 模块、第二显示模块、输入设备和接收器，所述第二信息收发模块通过第二通信模块连接无线网络。
优选地，所述图像处理器包括视频解码芯片、图像采集增强模块、图像畸变矫正模块、图像透视变换模块、图像剪切拼接模块、图像输出模块。
优选地，所述定位模块包括GPS模块和/或BDS模块；所述控制***还包括图像自动切换模块；所述避障装置包括雷达传感器和激光测距仪。
一种使用上述***的智能驾驶方法，包括如下步骤：
第一步，全景视觉影像集成***获取真实道路环境中的路况信息，并经图像处理器的图像处理后传送给控制***，记录在数据存储服务器；
第二步，识别记录在数据存储服务器的所述车道情况，调用相应车道情况感知下的所述正确驾驶决策和动作数据，并结合实时感知的路况信息，做出决策和动作，直至完成所述路段的自动行驶。
优选地，所述车道情况及决策和动作包括以下几种：
①直行：通过定位模块判断前方是否直行，当前方预设距离内不需要变道或转向的，则进入直行情况；在感知为直行情况时，车前方的预设距离内的本车道没有车时，此时正确驾驶决策和动作为：保持匀速行驶；当车前方的预设距离内的本车道有车时，此时正确驾驶决策和动作为：减速行驶，避免与前方车辆相撞；
②变道：通过定位模块判断前方是否需要变道，到预设距离时开始变道；当感知为变道情况时，车前方的预设距离内的本车道及需要变到的那个车道之间的车道都没有车时，此时正确驾驶决策和动作为：保持匀速行驶变道；当车前方的预设距离内的本车道及需要变到的那个车道之间的车道有车道有车时，此时正确驾驶决策和动作为：减速行驶变道，避免与前方或相邻车辆相撞；
③转向的驻车排队：通过定位模块判断前方即将到达路口并显示车正行驶在左转或右转专用道上，即进入驻车排队情况；当感知为驻车排队时，所述正确驾驶决策和动作为：不加速，直至车到达本车道前方停止线、开始左转或右转动作为止。
优选地，所述车道情况及决策和动作还包括：
大型车辆遮挡视线：当车前方的预设距离内的本车道或相邻车道出现大型车辆时，进入大型车辆遮挡视线的情况，此时正确驾驶决策和动作为：不超越该大型车辆，至多与其并行，直至前方所述预设距离内的本车道或相邻车道内检测不到大型车辆。
优选地，大型车辆的识别方法如下：
①图像预处理：对摄像头采集得到的图像进行矫正变换预处理；
②车道线识别，确定扫描区域：在图像上由车道线识别道路区域，确定图像扫描区域；
③图像二值化，设定扫描范围：图像二值化，并对区域范围内图像灰度值的变化情况进行分析；
④计算障碍物的底边和侧边：基于一定的约束条件找到灰度值最小的区域，该区域即为障碍物的底边，进而得到整个障碍物的位置和形状信息，并计算障碍物的宽度；
⑤判别障碍物是否为大型车辆：如果障碍物的宽度大于设定值，则认为障碍物是大型车辆；否则障碍物不是大型车辆。
优选地，所述图像处理包括以下步骤：
①图像采集增强：主要完成对广角摄像头的视频信号的采集、图像去噪、四路图像亮度和对比度调节等图像增强操作；
②图像畸变校正：把变形的图形校正；
③图像透视变换：把透视图像转换成鸟瞰俯视图；
④图像剪切和拼接：合成全景图。
优选地，透视图像转换成鸟瞰俯视图的方法：计算两个坐标系的点的对应关系，将透视图坐标中的 Pi映射到鸟瞰俯视图坐标中的 Pw。
一种使用上述***的远程可视化定损方法，包括如下步骤：
①全景视觉影像集成***获取真实道路环境中的车道情况，并经图像处理器的图像处理后传送给控制***，记录在数据存储服务器；
②事故发生后，驾驶员报警，控制***将事故发生前两分钟内的视频数据及事故发生时的定位位置信息发送到定损平台；
③定损平台的工作人员将根据定位位置信息与车辆事故报警信息来进行地理信息的分析，并根据事故现场的视频数据进行损坏程度鉴定，并将定损结果发送至控制***；
④驾驶员查看定损结果，满意定损结果的，将“同意接受”确认信息通过控制***发送到定损平台，定损平台的工作人员收到“同意接受”信息后，案件结束并存档；不满意定损结果的，将“不同意”确认信息通过控制***发送到定损平台后等待现场查勘；定损平台的工作人员收到“不同意”信息后，将定损结果发送给事故现场附近的查勘员携带的接收器，并让查勘员现场定损。
本发明的有益效果是：
1、本发明将车辆周边多路视频信号合成360度全景图像呈现，不仅防止因视角盲区发生事故；还能实时检测识别车辆、行人等障碍物，实现智能安全驾驶。
2、本发明采用的图像转换方法，保证图像采集的广角镜头图像失真较大的信源，得到实时校正和还原、对准，解决了因图像失真和安装不能垂直地面造成图像拼接的瓶颈。
3、本发明在事故定损处置方面，采纳客观的、实时的、典型的多媒体数据作为评判基础，以智能处理和标志的有关事故车辆相对位置、间隔距离、事故时间、地理位置等与车险定损相关的典型参数作为辅助定损的依据，确保车险定损防欺诈、客观公正、便民高效和规范快捷，可用于车险保险公司和车主之间的快速高效智能化服务。
附图说明
图1为本发明的连接结构图；
图2为本发明大型车辆识别逻辑流程图；
图3为本发明的透视图像；
图4为转换后的鸟瞰俯视图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-4所示，一种智能驾驶及远程可视化智能定损***，包括全景视觉影像集成***、控制***和定损平台。
所述全景视觉影像集成***包括4个广角鱼眼摄像头、图像处理器；所述4个广角鱼眼摄像头分别安装在汽车前、后和左右侧后视镜；所述图像处理器包括视频解码芯片、图像采集增强模块、图像畸变矫正模块、图像透视变换模块、图像剪切拼接模块、图像输出模块；其中，所述图像采集增强模块为DSP处理器。
所述控制***包括微型计算机、第一数据存储服务器、决策动作模块、定位模块、第一信息收发模块、图像自动切换模块、输入显示模块、避障装置和报警模块，所述第一信息收发模块通过第一通信模块连接无线网络。
所述定位模块包括GPS模块和/或BDS（BeiDou Navigation Satellite System，北斗卫星导航***）模块，所述输入显示模块为7寸触摸屏，所述避障装置包括雷达传感器和激光测距仪。
所述图像自动切换模块，在行驶时可根据方向盘的转向和已知周围环境情况自动的在局部和全景图像两个显示模式之间切换。还可根据驾驶环境周围物体对车辆行驶安全的影响，自动的改变全景图像的显示焦点，以方便驾驶者的操作和观察，提高行车安全系数。
所述定损平台包括中央处理器、第二信息收发模块、第二数据存储服务器、GIS 模块、第二显示模块、输入设备和接收器，所述第二信息收发模块通过第二通信模块连接无线网络，所述接收器可以为手机或其他移动终端。
所述 GIS 模块的作用是根据控制***发送来的位置信息与车辆事故报警信息来进行地理信息的分析。
一种上述***的智能驾驶方法，包括如下步骤：
第一步，全景视觉影像集成***获取真实道路环境中的路况信息，并经图像处理器的图像处理后传送给控制***，记录在数据存储服务器；
第二步，识别记录在数据存储服务器的所述车道情况，调用相应车道情况感知下的所述正确驾驶决策和动作数据，并结合实时感知的路况信息，做出决策和动作，直至完成所述路段的自动行驶。
其中，所述车道情况及决策和动作包括以下四种：
①直行：通过定位模块判断前方是否直行，当前方预设距离（该预设距离的具体取值是：城市道路环境下为10米，城际高速公路环境下为50米）内不需要变道或转向的，则进入直行情况。
在感知为直行情况时，车前方的预设距离（该预设距离的具体取值是：城市道路环境下为10米，城际高速公路环境下为50米）内的本车道没有车时，此时正确驾驶决策和动作为：保持匀速行驶；当车前方的预设距离（该预设距离的具体取值是：城市道路环境下为10米，城际高速公路环境下为50米）内的本车道有车时，此时正确驾驶决策和动作为：减速行驶，避免与前方车辆相撞。
②变道：通过定位模块判断前方是否需要变道，到预设距离（该预设距离的具体取值是：城市道路环境下为5米，城际高速公路环境下为20米）时开始变道。
感知为变道情况时，车前方的预设距离（该预设距离的具体取值是：城市道路环境下为5米，城际高速公路环境下为20米）内的本车道及需要变到的那个车道之间的车道都没有车时，此时正确驾驶决策和动作为：保持匀速行驶变道；当车前方的预设距离（该预设距离的具体取值是：城市道路环境下为5米，城际高速公路环境下为20米）内的本车道及需要变到的那个车道之间的车道有车道有车时，此时正确驾驶决策和动作为：减速行驶变道，避免与前方或相邻车辆相撞。
③转向的驻车排队：在道路交叉口，车流量大，需要转向（左转或右转）时，造成驻车排队。
通过定位模块判断前方即将到达路口并显示车正行驶在左转或右转专用道上，即进入驻车排队情况。当感知为驻车排队时，所述正确驾驶决策和动作为：不加速，直至车到达本车道前方停止线、开始左转或右转动作为止。
④大型车辆遮挡视线：当车前方出现客货车大型车辆时，驾驶员视线会受到遮挡，难以获得全面、准确的前方车辆或行人信息。
当车前方的预设距离（该预设距离的具体取值是：城市道路环境下为8米，城际高速公路环境下为20米）内的本车道或相邻车道出现大型车辆时，进入大型车辆遮挡视线的情况，此时正确驾驶决策和动作为：不超越该大型车辆，至多与其并行，直至前方所述预设距离内的本车道或相邻车道内检测不到大型车辆。
本实施例对大型车辆的识别方法如下；
①图像预处理：对摄像头采集得到的图像进行矫正变换预处理；
②车道线识别，确定扫描区域：在图像上由车道线识别道路区域，确定图像扫描区域；
③图像二值化，设定扫描范围：图像二值化，并对区域范围内图像灰度值的变化情况进行分析；
④计算障碍物的底边和侧边：基于一定的约束条件找到灰度值最小的区域，该区域即为障碍物的底边，进而得到整个障碍物的位置和形状信息，并计算障碍物的宽度；
⑤判别障碍物是否为大型车辆：如果障碍物的宽度大于设定值（一般为2米），则认为障碍物是大型车辆；否则障碍物不是大型车辆。
本实施例中，所述图像处理包括以下步骤：
①图像采集增强：主要完成对四个广角鱼眼摄像头的视频信号的采集、图像去噪、四路图像亮度和对比度调节等其它图像增强操作；
②图像畸变校正：鱼眼镜头属于超广角镜头，能提供接近 180°的视角范围，在距离目标很近时，仍能拍摄到目标的完整图像，但是鱼眼图像的畸变量很大，所以必须进行图像畸变校正；
③图像透视变换：经鱼眼校正后的视频图像成“近大远小”的透视效果。因此，需要进行透视转换，把透视图像转换成鸟瞰俯视图：透视转换算法的方法：计算两个坐标系的点的对应关系，将透视图像坐标中的 Pi映射到鸟瞰俯视图坐标中的 Pw；
④图像剪切和拼接：将重叠的图像部分剪切掉，四个摄像头的图像拼接合成全景图。
一种使用上述***的远程可视化定损方法，包括如下步骤：
①全景视觉影像集成***获取真实道路环境中的车道情况，并经图像处理器的图像处理后传送给控制***，记录在数据存储服务器；
②事故发生后，驾驶员报警，控制***将事故发生前两分钟内的视频数据及事故发生时的定位位置信息发送到定损平台；
③定损平台的工作人员将根据定位位置信息与车辆事故报警信息来进行地理信息的分析，并根据事故现场的视频数据进行损坏程度鉴定，并将定损结果发送至控制***；
④驾驶员查看定损结果，满意定损结果的，用触摸屏将“同意接受”的确认信息通过控制***发送到定损平台，定损平台的工作人员收到“同意接受”信息后，案件结束并存档；不满意定损结果的，用触摸屏将“不同意”的确认信息通过控制***发送到定损平台后等待现场查勘；定损平台的工作人员收到“不同意”信息后，将定损结果发送给事故现场附近的查勘员携带的接收器，并让查勘员现场定损。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种智能驾驶及远程可视化智能定损***，其特征在于，包括全景视觉影像集成***、控制***和定损平台；所述全景视觉影像集成***包括多个广角摄像头和图像处理器；所述控制***包括微型计算机、第一数据存储服务器、决策动作模块、定位模块、第一信息收发模块、输入显示模块、避障装置和报警模块；所述第一信息收发模块通过第一通信模块连接无线网络；所述定损平台包括中央处理器、第二信息收发模块、第二数据存储服务器、GIS 模块、第二显示模块、输入设备和接收器，所述第二信息收发模块通过第二通信模块连接无线网络。
2.根据权利要求1所述的一种智能驾驶及远程可视化智能定损***，其特征在于，所述图像处理器包括视频解码芯片、图像采集增强模块、图像畸变矫正模块、图像透视变换模块、图像剪切拼接模块、图像输出模块。
3.根据权利要求1所述的一种智能驾驶及远程可视化智能定损***，其特征在于，所述定位模块包括GPS模块和/或BDS模块；所述控制***还包括图像自动切换模块；所述避障装置包括雷达传感器和激光测距仪。
4.一种使用上述***的智能驾驶方法，其特征在于，包括如下步骤：
第一步，全景视觉影像集成***获取真实道路环境中的路况信息，并经图像处理器的图像处理后传送给控制***，记录在数据存储服务器；
第二步，识别记录在数据存储服务器的所述车道情况，调用相应车道情况感知下的所述正确驾驶决策和动作数据，并结合实时感知的路况信息，做出决策和动作，直至完成所述路段的自动行驶。
5.根据权利要求4所述的智能驾驶方法，其特征在于，所述车道情况及决策和动作包括以下几种：
①直行：通过定位模块判断前方是否直行，当前方预设距离内不需要变道或转向的，则进入直行情况；在感知为直行情况时，车前方的预设距离内的本车道没有车时，此时正确驾驶决策和动作为：保持匀速行驶；当车前方的预设距离内的本车道有车时，此时正确驾驶决策和动作为：减速行驶，避免与前方车辆相撞；
②变道：通过定位模块判断前方是否需要变道，到预设距离时开始变道；当感知为变道情况时，车前方的预设距离内的本车道及需要变到的那个车道之间的车道都没有车时，此时正确驾驶决策和动作为：保持匀速行驶变道；当车前方的预设距离内的本车道及需要变到的那个车道之间的车道有车道有车时，此时正确驾驶决策和动作为：减速行驶变道，避免与前方或相邻车辆相撞；
③转向的驻车排队：通过定位模块判断前方即将到达路口并显示车正行驶在左转或右转专用道上，即进入驻车排队情况；当感知为驻车排队时，所述正确驾驶决策和动作为：不加速，直至车到达本车道前方停止线、开始左转或右转动作为止。
6.根据权利要求4所述的智能驾驶方法，其特征在于，所述车道情况及决策和动作还包括：
大型车辆遮挡视线：当车前方的预设距离内的本车道或相邻车道出现大型车辆时，进入大型车辆遮挡视线的情况，此时正确驾驶决策和动作为：不超越该大型车辆，至多与其并行，直至前方所述预设距离内的本车道或相邻车道内检测不到大型车辆。
7.根据权利要求6所述的智能驾驶方法，其特征在于，大型车辆的识别方法如下：
①图像预处理：对摄像头采集得到的图像进行矫正变换预处理；
②车道线识别，确定扫描区域：在图像上由车道线识别道路区域，确定图像扫描区域；
③图像二值化，设定扫描范围：图像二值化，并对区域范围内图像灰度值的变化情况进行分析；
④计算障碍物的底边和侧边：基于一定的约束条件找到灰度值最小的区域，该区域即为障碍物的底边，进而得到整个障碍物的位置和形状信息，并计算障碍物的宽度；
⑤判别障碍物是否为大型车辆：如果障碍物的宽度大于设定值，则认为障碍物是大型车辆；否则障碍物不是大型车辆。
8.根据权利要求4所述的智能驾驶方法，其特征在于，所述图像处理包括以下步骤：
①图像采集增强：主要完成对广角摄像头的视频信号的采集、图像去噪、四路图像亮度和对比度调节等图像增强操作；
②图像畸变校正：把变形的图形校正；
③图像透视变换：把透视图像转换成鸟瞰俯视图；
④图像剪切和拼接：合成全景图。
9.根据权利要求7所述的智能驾驶方法，其特征在于，透视图像转换成鸟瞰俯视图的方法：计算两个坐标系的点的对应关系，将透视图坐标中的 Pi映射到鸟瞰俯视图坐标中的Pw。
10.一种使用上述***的远程可视化定损方法，其特征在于，包括如下步骤：
①全景视觉影像集成***获取真实道路环境中的车道情况，并经图像处理器的图像处理后传送给控制***，记录在数据存储服务器；
②事故发生后，驾驶员报警，控制***将事故发生前两分钟内的视频数据及事故发生时的定位位置信息发送到定损平台；
③定损平台的工作人员将根据定位位置信息与车辆事故报警信息来进行地理信息的分析，并根据事故现场的视频数据进行损坏程度鉴定，并将定损结果发送至控制***；
④驾驶员查看定损结果，满意定损结果的，将“同意接受”确认信息通过控制***发送到定损平台，定损平台的工作人员收到“同意接受”信息后，案件结束并存档；不满意定损结果的，将“不同意”确认信息通过控制***发送到定损平台后等待现场查勘；定损平台的工作人员收到“不同意”信息后，将定损结果发送给事故现场附近的查勘员携带的接收器，并让查勘员现场定损。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711040544.0A CN107798306A (zh) | 2017-11-01 | 2017-11-01 | 一种智能驾驶和远程可视化智能定损***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711040544.0A CN107798306A (zh) | 2017-11-01 | 2017-11-01 | 一种智能驾驶和远程可视化智能定损***及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107798306A true CN107798306A (zh) | 2018-03-13 |
Family
ID=61548544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711040544.0A Pending CN107798306A (zh) | 2017-11-01 | 2017-11-01 | 一种智能驾驶和远程可视化智能定损***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107798306A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110570358A (zh) * | 2018-09-04 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 基于gan网络的车损图像增强方法和装置 |
| WO2021004062A1 (zh) * | 2019-07-09 | 2021-01-14 | 威盛电子股份有限公司 | 驾驶辅助*** |
| CN112277806A (zh) * | 2020-11-24 | 2021-01-29 | 广州市车智连电子有限公司 | 全景泊车影像*** |
| CN112572427A (zh) * | 2019-09-30 | 2021-03-30 | 北京车和家信息技术有限公司 | 一种车辆信息处理方法、装置及车辆 |
| CN114549936A (zh) * | 2022-02-28 | 2022-05-27 | 曾华杰 | 增强车辆的摄像头拍摄的影像的方法、***和计算设备 |
| US11669937B2 (en) | 2022-02-28 | 2023-06-06 | Huajie ZENG | Method and system for enhancing image captured by on-board camera, and computing device |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101242379A (zh) * | 2008-03-18 | 2008-08-13 | 北京中车检信息技术有限公司 | 基于移动通讯终端或网络终端的车辆定损方法 |
| CN103245945A (zh) * | 2012-02-13 | 2013-08-14 | 株式会社电装 | 车载雷达装置 |
| CN104290745A (zh) * | 2014-10-28 | 2015-01-21 | 奇瑞汽车股份有限公司 | 车辆用半自动驾驶***及其方法 |
| CN104908734A (zh) * | 2015-05-19 | 2015-09-16 | 奇瑞汽车股份有限公司 | 一种智能车控制方法及*** |
| CN105005932A (zh) * | 2015-08-20 | 2015-10-28 | 南京安通杰科技实业有限公司 | 一种交通事故定责理赔方法 |
| CN106364486A (zh) * | 2016-09-08 | 2017-02-01 | 江苏大学 | 一种基于危害分析的智能车辆变道控制方法 |
| CN106780051A (zh) * | 2016-12-22 | 2017-05-31 | 安徽保腾网络科技有限公司 | 交通事故中的车险定损*** |
| CN106926779A (zh) * | 2017-03-09 | 2017-07-07 | 吉利汽车研究院（宁波）有限公司 | 一种车辆变道辅助*** |
| CN107004362A (zh) * | 2014-11-26 | 2017-08-01 | 三菱电机株式会社 | 驾驶辅助装置及驾驶辅助方法 |
-
2017
- 2017-11-01 CN CN201711040544.0A patent/CN107798306A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101242379A (zh) * | 2008-03-18 | 2008-08-13 | 北京中车检信息技术有限公司 | 基于移动通讯终端或网络终端的车辆定损方法 |
| CN103245945A (zh) * | 2012-02-13 | 2013-08-14 | 株式会社电装 | 车载雷达装置 |
| CN104290745A (zh) * | 2014-10-28 | 2015-01-21 | 奇瑞汽车股份有限公司 | 车辆用半自动驾驶***及其方法 |
| CN107004362A (zh) * | 2014-11-26 | 2017-08-01 | 三菱电机株式会社 | 驾驶辅助装置及驾驶辅助方法 |
| CN104908734A (zh) * | 2015-05-19 | 2015-09-16 | 奇瑞汽车股份有限公司 | 一种智能车控制方法及*** |
| CN105005932A (zh) * | 2015-08-20 | 2015-10-28 | 南京安通杰科技实业有限公司 | 一种交通事故定责理赔方法 |
| CN106364486A (zh) * | 2016-09-08 | 2017-02-01 | 江苏大学 | 一种基于危害分析的智能车辆变道控制方法 |
| CN106780051A (zh) * | 2016-12-22 | 2017-05-31 | 安徽保腾网络科技有限公司 | 交通事故中的车险定损*** |
| CN106926779A (zh) * | 2017-03-09 | 2017-07-07 | 吉利汽车研究院（宁波）有限公司 | 一种车辆变道辅助*** |
Non-Patent Citations (1)
| Title |
|---|
| 王海涛: "车前障碍物检测及车道线识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110570358A (zh) * | 2018-09-04 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 基于gan网络的车损图像增强方法和装置 |
| WO2020048271A1 (zh) * | 2018-09-04 | 2020-03-12 | 阿里巴巴集团控股有限公司 | 基于gan网络的车损图像增强方法和装置 |
| WO2021004062A1 (zh) * | 2019-07-09 | 2021-01-14 | 威盛电子股份有限公司 | 驾驶辅助*** |
| CN112572427A (zh) * | 2019-09-30 | 2021-03-30 | 北京车和家信息技术有限公司 | 一种车辆信息处理方法、装置及车辆 |
| CN112277806A (zh) * | 2020-11-24 | 2021-01-29 | 广州市车智连电子有限公司 | 全景泊车影像*** |
| CN114549936A (zh) * | 2022-02-28 | 2022-05-27 | 曾华杰 | 增强车辆的摄像头拍摄的影像的方法、***和计算设备 |
| US11669937B2 (en) | 2022-02-28 | 2023-06-06 | Huajie ZENG | Method and system for enhancing image captured by on-board camera, and computing device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107798306A (zh) | 一种智能驾驶和远程可视化智能定损***及方法 | |
| WO2021226776A1 (zh) | 一种车辆可行驶区域检测方法、***以及采用该***的自动驾驶车辆 | |
| TWI633524B (zh) | 交通監控系統 | |
| US20210129864A1 (en) | System and method for lane monitoring and providing lane departure warnings | |
| CN107203738A (zh) | 车辆车道边界定位 | |
| CN102685516A (zh) | 立体视觉主动安全辅助驾驶方法 | |
| CN106064587B (zh) | 一种基于车牌识别的多车道车间距识别方法及装置 | |
| CN203134149U (zh) | 基于不同波段成像融合图像处理的车辆辅助驾驶*** | |
| CN106462727A (zh) | 用于车道尽头识别的***和方法 | |
| CN106652461A (zh) | 基于交通管理的信息处理方法及装置、交通管理*** | |
| CN107229906A (zh) | 一种基于可变部件模型算法的汽车超车预警方法 | |
| JP2013168118A (ja) | ビデオレーダを使用したリモート交通管理システム | |
| CN113947946A (zh) | 一种基于车联网v2x与视频融合的港区行车安全监测方法 | |
| JP2008097279A (ja) | 車両外部情報表示装置 | |
| CN202434060U (zh) | 摄像头智能认知感应导航*** | |
| CN116434604A (zh) | 一种智能交通锥桶安全警示***及控制方法 | |
| CN205039930U (zh) | 三维行车影像提醒装置 | |
| JP4446254B2 (ja) | 路上障害回避方法提示システム | |
| CN112562061A (zh) | 一种基于激光雷达图像的驾驶视觉增强的***及方法 | |
| CN110794821B (zh) | 车载控制装置、场端定位装置、车辆控制***及车辆 | |
| CN108981740B (zh) | 一种低能见度条件下的盲驾导航***及其方法 | |
| CN114419925A (zh) | 一种车路协同的防碰预警***和方法 | |
| Dai et al. | Roadside Edge Sensed and Fused Three-dimensional Localization using Camera and LiDAR | |
| CN113609945B (zh) | 一种图像检测方法和车辆 | |
| CN109398356A (zh) | 车道保持***及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180313 |
|
| RJ01 | Rejection of invention patent application after publication |