CN114290991B - 一种盲区监测方法、装置、存储介质和边缘云平台 - Google Patents
一种盲区监测方法、装置、存储介质和边缘云平台 Download PDFInfo
- Publication number
- CN114290991B CN114290991B CN202111625945.9A CN202111625945A CN114290991B CN 114290991 B CN114290991 B CN 114290991B CN 202111625945 A CN202111625945 A CN 202111625945A CN 114290991 B CN114290991 B CN 114290991B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- blocked
- dimensional information
- obstacle
- blind area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000012806 monitoring device Methods 0.000 claims abstract description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种盲区监测方法、装置、存储介质和边缘云平台。该方法包括：接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；根据被遮挡车辆的三维信息、遮挡车辆的三维信息，建立被遮挡车辆的盲区；根据被遮挡车辆的盲区及障碍物位置，判断被遮挡车辆是否存在危险；若判断出被遮挡车辆存在危险，向终端设备发送预警信息。本发明实施例提供的技术方案中，能够基于建立的被遮挡车辆的盲区和障碍物位置判断出被遮挡车辆是否存在危险，提高了盲区监测的准确性。
Description
【技术领域】
本发明涉及通信技术领域，尤其涉及一种盲区监测方法、装置、存储介质和边缘云平台。
【背景技术】
《CSAE 53-2017合作式智能运输***-车用通信***应用层及应用数据交互标准》中设计了一些车路协同场景的应用，其中一个是弱势交通参与者碰撞预警的功能，弱势交通参与者需具备短程无线通信能力。传统的汽车在智慧交通技术的发展中依赖于车厂主导的单车智能技术研发，存在感知盲区和算力受限的瓶颈，不能准确地监测到盲区内的障碍物，降低了盲区监测的准确性。
【发明内容】
有鉴于此，本发明实施例提供了一种盲区监测方法、装置、存储介质和边缘云平台，用以提高盲区监测的准确性。
一方面，本发明实施例提供了一种盲区监测方法，包括：
接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；
根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区；
根据所述被遮挡车辆的盲区及障碍物位置，判断被遮挡车辆是否存在危险；
若判断出被遮挡车辆存在危险，向终端设备发送预警信息。
可选地，所述根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区，包括：
基于遮挡车辆的三维信息建立遮挡车辆的三维包围盒；
基于被遮挡车辆的三维信息建立被遮挡车辆的三维包围盒；
将由被遮挡车辆的三维包围盒的前方顶点与遮挡车辆的三维包围盒的多个顶点连线及地面围成的区域作为被遮挡车辆的盲区。
可选地，根据所述被遮挡车辆的盲区及障碍物位置，判断车辆是否存在危险，包括：
获取被遮挡车辆的速度、障碍物的速度和距离障碍物的距离；
对所述被遮挡车辆的速度、障碍物的速度和所述距离进行计算，生成被遮挡车辆到达障碍物的时间；
判断所述被遮挡车辆到达障碍物的时间是否小于设定阈值；
若判断出所述被遮挡车辆到达障碍物的时间小于设定阈值，则判断出被遮挡车辆存在危险。
可选地，还包括：
若判断出所述被遮挡车辆到达障碍物的时间大于或等于设定阈值，向终端设备发送提醒信息。
可选地，还包括：
通过两个传感器获取被遮挡车辆的三维信息及遮挡车辆的三维信息，所述遮挡车辆和所述被遮挡车辆是经过弯道的车辆，
其中，一个传感器位于弯道的两条外切线的相交点，另一个传感器位于两条外切线的切点处的弯道垂线的相交点。
可选地，利用接收的被遮挡车辆的三维信息和遮挡车辆的三维信息实时建立被遮挡车辆的盲区。
可选地，还包括：
接收被遮挡车辆的车速及行驶方向、遮挡车辆的车速及行驶方向；
根据被遮挡车辆的车速及行驶方向、遮挡车辆的车速及行驶方向生成预测轨迹和预测方向；
根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区包括：利用预测轨迹和预测方向预测预定时间后的被遮挡车辆的三维信息及遮挡车辆的三维信息，然后利用预测结果建立被遮挡车辆的盲区。
另一方面，本发明实施例提供了一种盲区监测装置，包括：
接收模块，用于接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；
建立模块，用于根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息和所述障碍物位置，建立被遮挡车辆的盲区；
第一判断模块，用于根据被遮挡车辆的盲区及障碍物位置，判断车辆是否存在危险；
发送模块，用于第一判断模块若判断出车辆存在危险，向终端设备发送预警信息。
另一方面，本发明实施例提供了一种存储介质，包括：所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述盲区监测方法。
另一方面，本发明实施例提供了一种边缘云平台，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现上述盲区监测方法的步骤。
本发明实施例提供的盲区监测方法的技术方案中，接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；根据被遮挡车辆的三维信息、遮挡车辆的三维信息，建立被遮挡车辆的盲区；根据被遮挡车辆的盲区及障碍物位置，判断被遮挡车辆是否存在危险；若判断出被遮挡车辆存在危险，向终端设备发送预警信息。本发明实施例提供的技术方案中，能够基于建立的被遮挡车辆的盲区和障碍物位置判断出被遮挡车辆是否存在危险，提高了盲区监测的准确性。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种盲区监测方法的流程图；
图2为本发明实施例提供的另一种盲区监测方法的流程图；
图3为传感器布置位置的示意图；
图4a为遮挡车辆的三维包围盒的示意图；
图4b为被遮挡车辆的三维包围盒的示意图；
图5为被遮挡车辆的盲区和障碍物的示意图；
图6为本发明实施例提供的一种盲区监测装置的结构示意图；
图7为本发明实施例提供的一种边缘云平台的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本发明实施例提供了一种盲区监测方法，图1为本发明实施例提供的一种盲区监测方法的流程图，如图1所示，该方法包括：
步骤102、接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置。
本发明实施例中，各步骤由边缘云平台执行。
本发明实施例中，被遮挡车辆的三维信息及遮挡车辆的三维信息及障碍物位置可以由传感器获取，传感器包括：激光雷达、摄像头或毫米波雷达等。或者上述信息也可以由车辆主动提供。
本发明实施例中，由于使用单个传感器具有一定的局限性，因此本发明实施例中可以设置多个传感器，多个传感器获取被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置。
本发明实施例中，传感器通过远距离/近距离通信方式向边缘云平台发送被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置。例如，远距离通信方式包括第五代移动通信技术(5th Generation Mobile Communication Technology，简称5G)。
步骤104、根据被遮挡车辆的三维信息、遮挡车辆的三维信息、建立被遮挡车辆的盲区。
其中，可以利用接收的三维信息或者利用预测轨迹和预测方向预测预定时间后的遮挡车辆和被遮挡车辆的三维信息，然后建立被遮挡车辆的盲区。
本发明实施例中，利用接收的被遮挡车辆的三维信息和遮挡车辆的三维信息实时建立被遮挡车辆的盲区。
本步骤中，作为一种可选方案，步骤104具体包括：
步骤S1、接收被遮挡车辆的车速及行驶方向、遮挡车辆的车速及行驶方向。
步骤S2、根据被遮挡车辆的车速及行驶方向、遮挡车辆的车速及行驶方向生成预测轨迹和预测方向。
步骤S3、利用预测轨迹和预测方向预测预定时间后的被遮挡车辆的三维信息及遮挡车辆的三维信息，然后利用预测结果建立被遮挡车辆的盲区。
步骤106、根据被遮挡车辆的盲区及障碍物位置，判断被遮挡车辆是否存在危险。
本发明实施例中，若判断出被遮挡车辆存在危险，则表明被遮挡车辆即将碰撞到障碍物；若判断出被遮挡车辆不存在危险，则表明被遮挡车辆不会碰撞到障碍物。
步骤108、若判断出被遮挡车辆存在危险，向终端设备发送预警信息。
本发明实施例中，终端设备包括手机、平板电脑、可穿戴设备或车机。
本步骤中，向被遮挡车辆的终端设备发送预警信息。例如，预警信息为“请减速，并紧急避险！”。
本发明实施例提供的技术方案中，接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区；根据所述被遮挡车辆的盲区及障碍物位置，判断被遮挡车辆是否存在危险；若判断出被遮挡车辆存在危险，向终端设备发送预警信息的技术方案中，能够基于建立的被遮挡车辆的盲区和障碍物位置判断出被遮挡车辆是否存在危险，提高了盲区监测的准确性。
本发明实施例提供了另一种盲区监测方法，图2为本发明实施例提供的另一种盲区监测方法的流程图，如图2所示，该方法包括：
步骤202、接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置。
本发明实施例中，各步骤由边缘云平台执行。
本发明实施例中，被遮挡车辆的三维信息及遮挡车辆的三维信息及障碍物位置可以由传感器获取，传感器包括：激光雷达、摄像头或毫米波雷达等。或者上述信息也可以由车辆主动提供。
本发明实施例中，由于使用单个传感器具有一定的局限性，因此本发明实施例中设置了多个传感器，多个传感器获取被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置。
本发明实施例中，通过两个传感器获取被遮挡车辆的三维信息及遮挡车辆的三维信息，遮挡车辆和被遮挡车辆是经过弯道的车辆，一个传感器位于弯道的两条外切线的相交点，另一个传感器位于两条外切线的切点处的弯道垂线的相交点。
具体地，设置两个传感器布置位置，图3为传感器布置位置的示意图，如图3所示，传感器布置位置1设置于转弯道路的外侧，传感器布置位置2设置于转弯道路的内侧，传感器布置位置1与传感器布置位置2按照图3中的箭头所示的方向监测转弯道路，图3中的封闭图形为传感器的监测范围。
作为一种可选方案，设置传感器布置位置的方法为：以转弯道路的中线为基准，根据弯道曲率做外切线，两条外切线的相交点为传感器布置位置1，在两条外切线的切点处分别做垂线，两条垂线的相交点为传感器布置位置2。通过如上所述的布置方式，传感器可以更简便且误差小地得到遮挡车辆、被遮挡车辆及障碍物的长宽高，从而可以得到更准确的三维信息，进而，通过更准确的三维信息，可以通过如图5所示的方式建立更精确的盲区。
作为一种可选方案，图3中，若车辆按照图示箭头方向前进，方向1能够识别被遮挡车辆的车速、位置、行驶方向、三维信息等，为避免存在大型车辆遮挡后面的小型车辆，从而导致漏识别，在方向3增设一个点位识别进行补盲，同时传感器布置位置2与传感器布置位置1获取的数据进行匹配融合，共同识别车辆的对应信息。方向2识别的为障碍物，同时结合方向4对障碍物等进行识别判断，获取道路的实时情况，发送至即将进入转弯道路的车辆，整个***的计算周期约为50ms。能够每50ms向入网车辆发出预警消息。周期可进行小幅度进行调整。
步骤204、基于遮挡车辆的三维信息建立遮挡车辆的三维包围盒。
图4a为遮挡车辆的三维包围盒的示意图。遮挡车辆为大型车辆。例如，大型车辆包括：普通大客车、载货汽车或大型专用汽车等。如图4a所示，遮挡车辆为载货汽车，遮挡车辆的三维信息可以用于生成遮挡车辆的三维包围盒，其中，遮挡车辆的三维包围盒包括遮挡车辆的前方的两个棱角和后方的两个棱角，前方的两个棱角分别为P点和Q点，后方的两个棱角分别为M点和N点。其中，三维信息可以包括遮挡车辆的位置、长、宽和高等信息。
步骤206、基于被遮挡车辆的三维信息建立被遮挡车辆的三维包围盒。
本发明实施例中，图4b为被遮挡车辆的三维包围盒的示意图，被遮挡车辆为小型车辆。例如，小型车辆包括：小轿车、吉普车、微型车或轻型客车等。如图4b所示，被遮挡车辆为小轿车，被遮挡车辆的三维信息可以用于生成被遮挡车辆的三维包围盒，其中，被遮挡车辆的三维包围盒包括被遮挡车辆的前方的四个棱角，四个棱角分别为D点、C点、E点和F点。其中，三维信息可以包括被遮挡车辆的位置、长、宽和高等信息。
步骤208、将由被遮挡车辆的三维包围盒的前方顶点与遮挡车辆的三维包围盒的多个顶点连线及地面围成的区域作为被遮挡车辆的盲区。
本发明实施例中，若被遮挡车辆为小轿车，遮挡车辆为载货汽车，以图3中被遮挡车辆和遮挡车辆左转为例，即此时选取被遮挡车辆的C点位为起始点(即，选取三维包围盒的接近驾驶员的眼睛或被驾驶车辆的前方探测传感器的顶点)，满足|MN|＞|CF|，连接CP、CQ、CN、CM并延长。则平面CPQ、平面CMN、地平面在遮挡车辆的左前向形成三维立体盲区，即平面CPQ与平面CMN与前向道路的相交处为道路盲区范围，即被遮挡车辆的盲区。若此时在道路盲区范围内存在交通事故等障碍物，被遮挡车辆的车速过快，极易发生碰撞等危险，造成人身财产的损失。
本发明实施例中，图5为被遮挡车辆的盲区和障碍物的示意图，如图5所示，选取绝对位置，如传感器布置位置1，基于传感器布置位置1，建立世界坐标系，此时，可以获取到别的传感器的真实位置，如传感器布置位置2。在传感器识别中，获取遮挡车辆的三维信息和被遮挡车辆的三维信息，定位出F点的坐标(x1，y1)，M点的坐标(x2，y2)，以及Q点坐标(x3，y3)，考虑区域虽然是三维，但是由于车辆均在统一路面，故以二维坐标即可。因此，直线FM的方程可为：
同理，直线FQ的方程为：
因此，根据示意图5可知，传感器的识别区域与被遮挡车辆的盲区所重合的位置，若存在障碍物，则障碍物U位置为(x0，y0)，若U点满足的条件为：
则被遮挡车辆的盲区中存在障碍物。
若障碍物U(x0，y0)满足以下条件：
则被遮挡车辆的盲区中不存在障碍物。
图5中的直线方程和被遮挡车辆的盲区是动态变化的，是根据传感器采集数据的时间进行实时更新并建立而完成的。
步骤210、获取被遮挡车辆的速度、障碍物的速度和距离障碍物的距离。
本步骤中，能够通过传感器获取被遮挡车辆的速度、障碍物的速度和距离障碍物的距离。
步骤212、对被遮挡车辆的速度、障碍物的速度和距离进行计算，生成被遮挡车辆到达障碍物的时间。
本步骤中，通过盲区危险预警模型中的公式
对被遮挡车辆的速度、障碍物的速度和距离进行计算，生成被遮挡车辆到达障碍物的时间，其中，t为被遮挡车辆到达障碍物的时间，X为障碍物的距离，Va为被遮挡车辆的速度，Vu为障碍物的速度。当障碍物为静止状态时，障碍物的速度为0，Vu为0。
步骤214、判断被遮挡车辆到达障碍物的时间是否小于设定阈值，若是，执行步骤216；若否，执行步骤218。
本发明实施例中，能够根据实际情况设置设定阈值，例如，设定阈值为15秒。
本发明实施例中，若判断出被遮挡车辆到达障碍物的时间小于设定阈值，则表明被遮挡车辆即将撞击到障碍物，执行步骤216；若判断出被遮挡车辆到达障碍物的时间大于或等于设定阈值，则表明被遮挡车辆不会立即撞击到障碍物，执行步骤218。
步骤216、向终端设备发送预警信息，流程结束。
本发明实施例中，终端设备包括手机、平板电脑、可穿戴设备或车机。
本步骤中，向被遮挡车辆的终端设备发送预警信息。例如，预警信息为“请减速，并紧急避险！”。
作为一种可选方案，步骤216之后包括：若接收到传感器发送的碰撞信息，通过区域云平台向应急救援平台发送救援信息。
本发明实施例中，当两辆车的三维坐标点出现重合部分或者出现无限趋近于0的情况时，能够判断出两辆车已发生碰撞，传感器向边缘云平台发送碰撞信息。例如，碰撞信息包括碰撞位置、碰撞时间和碰撞程度。
本发明实施例中，边缘云平台通过区域云平台向应急救援平台发送救援信息，以供应急救援平台及时进行事故救援和拥堵梳理。
步骤218、向终端设备发送提醒信息。
本步骤中，向被遮挡车辆的终端设备发送提醒信息，以提醒车辆注意躲避危险，以及车辆自主识别决策。例如，提醒信息为“请注意转弯道路，并减速行驶”。
本发明实施例提供的技术方案中，接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区；根据所述被遮挡车辆的盲区及障碍物位置，判断被遮挡车辆是否存在危险；若判断出被遮挡车辆存在危险，向终端设备发送预警信息的技术方案中，能够基于建立的被遮挡车辆的盲区和障碍物位置判断出被遮挡车辆是否存在危险，提高了盲区监测的准确性。
本发明实施例提供的技术方案中，能够判断被遮挡车辆是否存在危险，实时构建和评估入网车辆与其他车辆的遮挡，通过分析两者相互的运动状态和盲区危险预警模型，评估两者潜在的发生碰撞的可能性，并同时通过各种方式提醒目标交通参与者，及时注意到潜在的风险并采取相应行动避免风险的发生。解决转弯道路的盲区监测的问题，推进自动驾驶的快速发展。
本发明实施例提供的技术方案中，转弯道路一直是事故频发的重点区域，高速公路事故更是因弯道超车、或者弯道侧滑等出现较大比重的事故，针对转弯道路的潜在碰撞风险提醒，相关技术做不到精准的结合每一辆车辆进行潜在碰撞预警，本发明实施例通过高速弯道路侧的融合感知技术，并针对每一个高速行驶的车辆，进行当前路径规划下的潜在碰撞风险分析和预警。根据潜在的视野遮挡，车辆的感知能力也不能及时的发现目标物，本发明实施例提供了盲区危险预警模型，计算出车辆到达障碍物的时间，快速锁定出具有危险的车辆并精准分析该车可能发生危险的时间。能够通过5G网络快速下发精准的预警指令到危险的车辆。
本发明实施例提供了一种盲区监测装置。图6为本发明实施例提供的一种盲区监测装置的结构示意图，如图6所示，该装置包括：接收模块11、建立模块12、第一判断模块13和发送模块14。
接收模块11用于接收传感器获取的被遮挡车辆的三维信息、被遮挡车辆的车速、被遮挡车辆的行驶方向、遮挡车辆的三维信息和障碍物位置。
建立模块12用于根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息所述障碍物位置，建立被遮挡车辆的盲区。
第一判断模块13用于根据所述被遮挡车辆的盲区及障碍物位置，判断车辆是否存在危险。
发送模块14用于第一判断模块13若判断出车辆存在危险，向终端设备发送预警信息。
本发明实施例中，建立模块12具体用于基于遮挡车辆的三维信息建立遮挡车辆的三维包围盒；基于被遮挡车辆的三维信息建立被遮挡车辆的三维包围盒；将由被遮挡车辆的三维盒的前方顶点与遮挡车辆的三维包围盒的多个顶点连线及地面围城的区域作为被遮挡车辆的盲区。
本发明实施例中，第一判断模块13具体用于获取被遮挡车辆的速度、障碍物的速度和距离障碍物的距离；对所述被遮挡车辆的速度、障碍物的速度和所述距离进行计算，生成被遮挡车辆到达障碍物的时间；判断所述被遮挡车辆到达障碍物的时间是否小于设定阈值；若判断出所述被遮挡车辆到达障碍物的时间小于设定阈值，则判断出车辆存在危险。
本发明实施例中，发送模块14还用于第一判断模块13若判断出被遮挡车辆到达障碍物的时间大于或等于设定阈值，向终端设备发送提醒信息。
本发明实施例中，通过两个传感器获取被遮挡车辆的三维信息及遮挡车辆的三维信息，遮挡车辆和被遮挡车辆是经过弯道的车辆，一个传感器位于弯道的两条外切线的相交点，另一个传感器位于两条外切线的切点处的弯道垂线的相交点。
本发明实施例中，建立模块12具体用于利用接收的被遮挡车辆的三维信息和遮挡车辆的三维信息实时建立被遮挡车辆的盲区。
本发明实施例提供的技术方案中，接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区；根据所述被遮挡车辆的盲区及障碍物位置，判断被遮挡车辆是否存在危险；若判断出被遮挡车辆存在危险，向终端设备发送预警信息的技术方案中，能够基于建立的被遮挡车辆的盲区和障碍物位置判断出被遮挡车辆是否存在危险，提高了盲区监测的准确性。
本实施例提供的盲区监测装置可用于实现上述图1和图2中的盲区监测方法，具体描述可参见上述盲区监测方法的实施例，此处不再重复描述。
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述盲区监测方法的实施例的各步骤，具体描述可参见上述盲区监测方法的实施例。
本发明实施例提供了一种边缘云平台，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述盲区监测方法的实施例的各步骤，具体描述可参见上述盲区监测方法的实施例。
图7为本发明实施例提供的一种边缘云平台的示意图。如图7所示，该实施例的边缘云平台20包括：处理器21、存储器22以及存储在存储器22中并可在处理器21上运行的计算机程序23，该计算机程序23被处理器21执行时实现实施例中的应用于盲区监测方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器21执行时实现实施例中应用于盲区监测装置中各模型/单元的功能，为避免重复，此处不一一赘述。
边缘云平台20包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，图7仅仅是边缘云平台20的示例，并不构成对边缘云平台20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如边缘云平台还可以包括输入输出设备、网络接入设备、总线等。
所称处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器22可以是边缘云平台20的内部存储单元，例如边缘云平台20的硬盘或内存。存储器22也可以是边缘云平台20的外部存储设备，例如边缘云平台20上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器22还可以既包括边缘云平台20的内部存储单元也包括外部存储设备。存储器22用于存储计算机程序以及边缘云平台所需的其他程序和数据。存储器22还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (8)
1.一种盲区监测方法，其特征在于，包括：
接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；
根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区；
根据所述被遮挡车辆的盲区及障碍物位置，判断被遮挡车辆是否存在危险；
若判断出被遮挡车辆存在危险，向终端设备发送预警信息；
所述根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区，包括：
基于遮挡车辆的三维信息建立遮挡车辆的三维包围盒；
基于被遮挡车辆的三维信息建立被遮挡车辆的三维包围盒；
将由被遮挡车辆的三维包围盒的前方顶点与遮挡车辆的三维包围盒的多个顶点连线及地面围成的区域作为被遮挡车辆的盲区；
通过两个传感器获取被遮挡车辆的三维信息及遮挡车辆的三维信息，所述遮挡车辆和所述被遮挡车辆是经过弯道的车辆，
其中，一个传感器位于弯道的两条外切线的相交点，另一个传感器位于两条外切线的切点处的弯道垂线的相交点。
2.根据权利要求1所述的方法，其特征在于，根据所述被遮挡车辆的盲区及障碍物位置，判断车辆是否存在危险，包括：
获取被遮挡车辆的速度、障碍物的速度和距离障碍物的距离；
对所述被遮挡车辆的速度、障碍物的速度和所述距离进行计算，生成被遮挡车辆到达障碍物的时间；
判断所述被遮挡车辆到达障碍物的时间是否小于设定阈值；
若判断出所述被遮挡车辆到达障碍物的时间小于设定阈值，则判断出被遮挡车辆存在危险。
3.根据权利要求2所述的方法，其特征在于，还包括：
若判断出所述被遮挡车辆到达障碍物的时间大于或等于设定阈值，向终端设备发送提醒信息。
4.根据权利要求1所述的方法，其特征在于，利用接收的被遮挡车辆的三维信息和遮挡车辆的三维信息实时建立被遮挡车辆的盲区。
5.根据权利要求1所述的方法，其特征在于，还包括：
接收被遮挡车辆的车速及行驶方向、遮挡车辆的车速及行驶方向；
根据被遮挡车辆的车速及行驶方向、遮挡车辆的车速及行驶方向生成预测轨迹和预测方向；
根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息，建立被遮挡车辆的盲区包括：利用预测轨迹和预测方向预测预定时间后的被遮挡车辆的三维信息及遮挡车辆的三维信息，然后利用预测结果建立被遮挡车辆的盲区。
6.一种盲区监测装置，其特征在于，应用于权利要求1所述的盲区监测方法，所述盲区监测装置包括：
接收模块，用于接收被遮挡车辆的三维信息、遮挡车辆的三维信息和障碍物位置；
建立模块，用于根据所述被遮挡车辆的三维信息、所述遮挡车辆的三维信息和所述障碍物位置，建立被遮挡车辆的盲区；
第一判断模块，用于根据被遮挡车辆的盲区及障碍物位置，判断车辆是否存在危险；
发送模块，用于第一判断模块若判断出车辆存在危险，向终端设备发送预警信息。
7.一种存储介质，其特征在于，包括：所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5任意一项所述的盲区监测方法。
8.一种边缘云平台，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现权利要求1至5任意一项所述的盲区监测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111625945.9A CN114290991B (zh) | 2021-12-28 | 2021-12-28 | 一种盲区监测方法、装置、存储介质和边缘云平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111625945.9A CN114290991B (zh) | 2021-12-28 | 2021-12-28 | 一种盲区监测方法、装置、存储介质和边缘云平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114290991A CN114290991A (zh) | 2022-04-08 |
| CN114290991B true CN114290991B (zh) | 2023-07-04 |
Family
ID=80971197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111625945.9A Active CN114290991B (zh) | 2021-12-28 | 2021-12-28 | 一种盲区监测方法、装置、存储介质和边缘云平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114290991B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114582132B (zh) * | 2022-05-05 | 2022-08-09 | 四川九通智路科技有限公司 | 一种基于机器视觉的车辆碰撞检测预警***及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000105894A (ja) * | 1998-09-29 | 2000-04-11 | Mitsubishi Electric Corp | 車両運転支援システム |
| JP2001148098A (ja) * | 1999-11-24 | 2001-05-29 | Oki Electric Ind Co Ltd | 車両の走行支援装置 |
| JP2007156568A (ja) * | 2005-11-30 | 2007-06-21 | Toshiba Corp | 道路走行支援システム |
| CN108447304A (zh) * | 2018-04-18 | 2018-08-24 | 北京交通大学 | 基于车路协同的施工道路行人车辆避撞预警***及方法 |
| CN110962744A (zh) * | 2018-09-28 | 2020-04-07 | 中国电信股份有限公司 | 车辆盲区检测方法和车辆盲区检测*** |
| CN112829762A (zh) * | 2019-11-25 | 2021-05-25 | 华为技术有限公司 | 一种车辆行驶速度生成方法以及相关设备 |
| CN113060157A (zh) * | 2021-03-30 | 2021-07-02 | 恒大新能源汽车投资控股集团有限公司 | 盲区路况播报装置、路况信息共享装置、***及车辆 |
| CN113348119A (zh) * | 2020-04-02 | 2021-09-03 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助***以及包括该***的智能驾驶车辆 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5613398B2 (ja) * | 2009-10-29 | 2014-10-22 | 富士重工業株式会社 | 交差点運転支援装置 |
| JP5979259B2 (ja) * | 2015-01-20 | 2016-08-24 | トヨタ自動車株式会社 | 衝突回避制御装置 |
| CN109979238A (zh) * | 2017-12-28 | 2019-07-05 | 北京百度网讯科技有限公司 | 车道内障碍物提醒方法、装置及设备 |
| DE112020004949T5 (de) * | 2019-10-14 | 2022-08-04 | Denso Corporation | Fahrzeugbordvorrichtung und fahrunterstzützungsverfahren |
-
2021
- 2021-12-28 CN CN202111625945.9A patent/CN114290991B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000105894A (ja) * | 1998-09-29 | 2000-04-11 | Mitsubishi Electric Corp | 車両運転支援システム |
| JP2001148098A (ja) * | 1999-11-24 | 2001-05-29 | Oki Electric Ind Co Ltd | 車両の走行支援装置 |
| JP2007156568A (ja) * | 2005-11-30 | 2007-06-21 | Toshiba Corp | 道路走行支援システム |
| CN108447304A (zh) * | 2018-04-18 | 2018-08-24 | 北京交通大学 | 基于车路协同的施工道路行人车辆避撞预警***及方法 |
| CN110962744A (zh) * | 2018-09-28 | 2020-04-07 | 中国电信股份有限公司 | 车辆盲区检测方法和车辆盲区检测*** |
| CN112829762A (zh) * | 2019-11-25 | 2021-05-25 | 华为技术有限公司 | 一种车辆行驶速度生成方法以及相关设备 |
| CN113348119A (zh) * | 2020-04-02 | 2021-09-03 | 华为技术有限公司 | 一种车辆盲区识别方法、自动驾驶辅助***以及包括该***的智能驾驶车辆 |
| CN113060157A (zh) * | 2021-03-30 | 2021-07-02 | 恒大新能源汽车投资控股集团有限公司 | 盲区路况播报装置、路况信息共享装置、***及车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114290991A (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230319140A1 (en) | Smart car | |
| US11126877B2 (en) | Predicting vehicle movements based on driver body language | |
| CN110362077B (zh) | 无人驾驶车辆紧急避险决策***、方法及介质 | |
| US20210108926A1 (en) | Smart vehicle | |
| US20180239361A1 (en) | Autonomous Driving At Intersections Based On Perception Data | |
| Perumal et al. | An insight into crash avoidance and overtaking advice systems for autonomous vehicles: A review, challenges and solutions | |
| CN112172663A (zh) | 一种基于开车门的危险报警方法及相关设备 | |
| EP3886076A1 (en) | Warning system for a host automotive vehicle | |
| Kim et al. | Probabilistic threat assessment with environment description and rule-based multi-traffic prediction for integrated risk management system | |
| US20230166731A1 (en) | Devices and methods for assisting operation of vehicles based on situational assessment fusing expoential risks (safer) | |
| US20230025540A1 (en) | Method for visually tracking gaze point of human eye, vehicle early warning method and device | |
| CN113538917A (zh) | 碰撞预警方法与碰撞预警装置 | |
| CN114290991B (zh) | 一种盲区监测方法、装置、存储介质和边缘云平台 | |
| CN112249007A (zh) | 一种车辆危险报警方法及相关设备 | |
| CN113022441A (zh) | 一种车辆盲区的检测方法、装置、电子设备及存储介质 | |
| CN115331482B (zh) | 车辆预警提示方法、装置、基站及存储介质 | |
| CN115167367A (zh) | 基于主动安全和v2x技术的倒车避撞*** | |
| CN113232678A (zh) | 车辆的控制方法及装置、自动驾驶车辆 | |
| Ioannou | Evaluation of mixed automated/manual traffic | |
| CN221272983U (zh) | 一种基于道路障碍物高度的碰撞预警*** | |
| US12030512B2 (en) | Collision warning system for a motor vehicle having an augmented reality head up display | |
| WO2024113829A1 (zh) | 泊车方法、装置和车辆 | |
| US20230322248A1 (en) | Collision warning system for a motor vehicle having an augmented reality head up display | |
| WO2023015505A1 (zh) | 一种车辆驾驶方法、装置及*** | |
| WO2023036032A1 (zh) | 一种车道线检测方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |