CN114734771A - 一种基于视觉识别的车内空气质量保障方法和*** - Google Patents
一种基于视觉识别的车内空气质量保障方法和*** Download PDFInfo
- Publication number
- CN114734771A CN114734771A CN202210231710.XA CN202210231710A CN114734771A CN 114734771 A CN114734771 A CN 114734771A CN 202210231710 A CN202210231710 A CN 202210231710A CN 114734771 A CN114734771 A CN 114734771A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- pollutant
- target
- area
- front road
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 148
- 231100000719 pollutant Toxicity 0.000 claims abstract description 148
- 238000012545 processing Methods 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 15
- 239000000428 dust Substances 0.000 claims description 14
- 239000000779 smoke Substances 0.000 claims description 7
- 238000000275 quality assurance Methods 0.000 claims description 6
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims 1
- 239000007789 gas Substances 0.000 description 8
- 230000004438 eyesight Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 239000003517 fume Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004887 air purification Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05F—DEVICES FOR MOVING WINGS INTO OPEN OR CLOSED POSITION; CHECKS FOR WINGS; WING FITTINGS NOT OTHERWISE PROVIDED FOR, CONCERNED WITH THE FUNCTIONING OF THE WING
- E05F15/00—Power-operated mechanisms for wings
- E05F15/70—Power-operated mechanisms for wings with automatic actuation
-
- E—FIXED CONSTRUCTIONS
- E05—LOCKS; KEYS; WINDOW OR DOOR FITTINGS; SAFES
- E05Y—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES E05D AND E05F, RELATING TO CONSTRUCTION ELEMENTS, ELECTRIC CONTROL, POWER SUPPLY, POWER SIGNAL OR TRANSMISSION, USER INTERFACES, MOUNTING OR COUPLING, DETAILS, ACCESSORIES, AUXILIARY OPERATIONS NOT OTHERWISE PROVIDED FOR, APPLICATION THEREOF
- E05Y2900/00—Application of doors, windows, wings or fittings thereof
- E05Y2900/50—Application of doors, windows, wings or fittings thereof for vehicles
- E05Y2900/53—Type of wing
- E05Y2900/55—Windows
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本申请公开了一种基于视觉识别的车内空气质量保障方法和***，该方法包括：通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域；当存在污染物区域时，确定自身车辆是否会受到污染物区域影响；当确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避，以实现在自身车辆进入由目标引起的污染区域前识别到污染物区域，并提前进行污染物规避，保证自身车辆车内空气不被污染物影响，维持车内空气质量。
Description
技术领域
本申请涉及图像识别技术领域，尤其涉及一种基于视觉识别的车内空气质量保障方法和***。
背景技术
道路上的大型工作车辆例如大货车、工程车、箱式货车都容易造成扬尘、尾气污染和渣土掉落等问题。这些问题很容易对道路上的其他车辆造成影响。当车辆在这种污染环境中行驶没有及时关闭窗户或开启车辆空气外循环，污染物很容易进入车辆内部，造成车辆内部空气恶化。由于道路上工作车辆繁多且污染范围较小，依靠人为预判车辆是否即将进入扬尘、尾气等污染区域，然后进行手动关闭窗户或调整车辆空气循环模式过于繁杂，特别是对于城市建设活跃的区域需要反复操作，会导致驾驶人员在驾驶时分心，影响驾驶安全。
现有技术中可以通过空气检测来保障车辆空气质量，一种是检测车内空气，如果PM2.5超标，启动车内空气净化器，通过滤网或者离子净化空气；另一种是检测车内空气和车外空气质量，根据二氧化碳和污染物决定车辆内外循环和净化措施。但是现有的空气检测技术往往只能在车辆进入被污染的环境后才能够采取措施减轻污染，但由于此时车辆已将进入污染环境，依旧会导致驾驶员和乘客吸入较多的灰尘和污染物，影响车内驾乘人员身体健康。
发明内容
本申请的主要目的在于提供一种基于视觉识别的车内空气质量保障方法和***，旨在解决车辆在进入污染物区域后才能够控制车辆采取避免车内空气污染的措施的技术问题。
第一方面，本申请提供一种基于视觉识别的车内空气质量保障方法，所述方法包括以下步骤：
通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域；
当存在污染物区域时，确定自身车辆是否会受到污染物区域影响；
当确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避。
一些实施例中，所述通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域，包括：
获取所述自身车辆的前方道路图像；
确定所述前方道路图像中是否存在所述目标；
当所述前方道路图像中存在所述目标时，根据所述目标在所述前方道路图像中的映射区域的边缘、纹理和/或灰度信息确定是否存在由所述目标引起的污染物区域。
一些实施例中，所述当所述前方道路图像中存在所述目标时，根据所述目标在所述前方道路图像中的映射区域的边缘、纹理和/或灰度信息确定是否存在由所述目标引起的污染物区域，包括：
将所述映射区域的边缘、纹理和/或灰度信息放入预置的污染物区域图像信息数据库中进行比对，根据比对结果确定所述前方道路图像中是否存在由所述目标引起的污染物区域，或者；
对比本次获取的所述前方道路图像的灰度信息和上次获取的前方道路图像的灰度信息，并对比图像中的低频部分面积，以确定是否存在由所述目标引起的污染物区域。
一些实施例中，所述当存在污染物区域时，确定自身车辆是否会受到污染物区域影响，包括：
当存在污染物区域时，根据所述目标与所述自身车辆的相对位置和所述自身车辆的地图路径确定所述自身车辆和所述目标是否在同一路径；
并在确定所述自身车辆和所述目标在同一路径时，根据所述自身车辆的速度、所述目标的速度和相对距离确定所述自身车辆与所述目标的相遇时间；
若所述相遇时间小于预设时间则确定所述自身车辆会受到污染物区域影响。
一些实施例中，所述当确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避，包括：
确定所述自身车辆会受到污染物区域影响时，提前控制所述自身车辆的车窗关闭、净化器开启并在空调开启时控制所述空调开启内循环。
一些实施例中，在进行污染物规避后，还包括：
通过视觉识别的方式实时判断前方道路上是否依旧存在由目标引起的污染物区域；
若连续一段时间内前方道路上都不存在污染物区域，则控制所述自身车辆的车窗、空气净化器和空调调整至未进行污染物规避前的状态。
一些实施例中，所述目标车辆包括:会造成扬尘和尾气烟雾的车辆。
第二方面，本申请还提供一种基于视觉识别的车内空气质量保障***，所述***包括：
图像处理单元，其用于根据前方道路图像通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域；
车辆控制单元，其用于当存在污染物区域时，确定自身车辆是否会受到污染物区域影响，并在确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避。
一些实施例中，所述基于视觉识别的车内空气质量保障***还包括：视觉识别传感器，其用于获取所述自身车辆的前方道路图像；
所述图像处理单元，其用于确定所述前方道路图像中是否存在所述目标，当所述前方道路图像中存在所述目标时，根据所述目标在所述前方道路图像中的映射区域的边缘、纹理和/或灰度信息确定是否存在由所述目标引起的污染物区域。
一些实施例中，所述图像处理单元还用于：
将所述映射区域的边缘、纹理和/或灰度信息放入预置的污染物区域图像信息数据库中进行比对，根据比对结果确定所述前方道路图像中是否存在由所述目标引起的污染物区域，或者；
对比本次获取的所述前方道路图像的灰度信息和上次获取的前方道路图像的灰度信息，并对比图像中的低频部分面积，以确定是否存在由所述目标引起的污染物区域。
一些实施例中，所述车辆控制单元还用于：当存在污染物区域时，根据所述目标与所述自身车辆的相对位置和所述自身车辆的地图路径确定所述自身车辆和所述目标是否在同一路径；
并在确定所述自身车辆和所述目标在同一路径时，根据所述自身车辆的速度、所述目标的速度和相对距离确定所述自身车辆与所述目标的相遇时间；
若所述相遇时间小于预设时间则确定所述自身车辆会受到污染物区域影响。
一些实施例中，所述车辆控制单元还用于：确定所述自身车辆会受到污染物区域影响时，提前控制所述自身车辆的车窗关闭、净化器开启并在空调开启时控制所述空调开启内循环。
一些实施例中，所述图像处理单元还用于：通过视觉识别的方式实时判断前方道路上是否依旧存在由目标引起的污染物区域；
若连续一段时间内前方道路上都不存在污染物区域，则控制所述自身车辆的车窗、空气净化器和空调调整至未进行污染物规避前的状态。
一些实施例中，所述图像处理单元识别的目标包括：会造成扬尘和尾气烟雾的车辆。
本申请提供一种基于视觉识别的车内空气质量保障方法和***，通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域；当存在污染物区域时，确定自身车辆是否会受到污染物区域影响；当确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避，以实现在自身车辆进入由目标引起的污染区域前识别到污染物区域，并提前进行污染物规避，保证自身车辆车内空气不被污染物影响，维持车内空气质量。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于视觉识别的车内空气质量保障方法的流程示意图；
图2为本申请实施例提供的一种基于视觉识别的车内空气质量保障***的示意性框图；
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种基于视觉识别的车内空气质量保障方法和***。其中，该基于视觉识别的车内空气质量保障方法应用于基于视觉识别的车内空气质量保障***中，该***可以设置于车辆中。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本申请的实施例提供的一种基于视觉识别的车内空气质量保障方法的流程示意图。
如图1所示，该方法包括步骤S1至步骤S3。
步骤S1、通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域。
特征性的，通过视觉识别进行判断时，主要通过视觉传感器来获取自身车辆前方的道路图像。该视觉传感器可以为单独设立的摄像头，可以安置于车辆挡风玻璃位置，也可以与行车记录仪摄像头或车辆智能驾驶***中的摄像头共用，其角度能够拍摄自身车辆车头前方景象。该视觉传感器应当具有夜视功能，在夜间也能够拍摄清晰图像。并且该摄像头拍摄的图像可以为图片图像或者视频图像。
进一步的，视觉传感器拍摄到自身车辆前方道路前方图像后，会将道路前方图像传送到图像处理单元进行图像处理。图像处理单元首先会识别图像中是否存在目标，该目标包括会造成扬尘和尾气烟雾的车辆。具体地车辆种类可以根据实际情况确定，其中包括但不限于大货车、建筑用工程车和箱式货车等等，其他会造成扬尘和尾气污染的车辆均可以作为目标。目标的识别可以在图像处理单元开发和制造时对图像处理单元进行机器学习或神经网络训练，使的图像处理单元用于识别目标的能力。对于目标车辆的识别方法较多且相对成熟，在此不再赘述。
进一步的，图像处理单元识别到前方道路图像中存在目标时，通过对目标在前方道路图像中的映射区域的边缘、条纹和/或灰度信息来确定是否存在有所述目标引起的污染物区域。
具体地，在识别污染物区域时也可以通过在在图像处理单元开发和制造时对图像处理单元进行机器学习或神经网络训练使得图像处理单元获得对扬尘区域或尾气烟雾区域的识别能力。建立污染物区域图像信息数据库，该数据库中包括污染物区域图像的纹理信息灰度信息等图像信息，在确定道路前方图像存在中目标车辆后，将目标车辆映射区域的边缘信息，纹理信息和/或灰度信息放入数据库中进行对比，确定出现目标的前方道路图像中是否存在污染物区域，从而确定车辆前方是否存在污染物区域。图像烟雾识别方法较多，且相对成熟具体，在此不再对具体步骤进行赘述。
一个实施例中，通过前方道路图像确定前方道路是否存在污染物区域时，还可以通过对比本次获得的前方道路图像的灰度信息和上次获得的前方道路图像的灰度信息，并且对比图像中的低频部分面积，以确定是否存在由目标车辆引起的污染物区域。可以理解的是，存在污染物区域的图像灰度数据与不存在污染物区域的灰度数据是不同的，因此能够通过灰度进行判断。对比低频区域的面积是因为污染物区域为扬尘或者尾气烟雾，具有扩散性质，当本次获得的前方道路图像比上一获取的前方道路图像的低频区域面积更大时，确定前方出现污染物区域。
值得说明的是，本实施例中在识别目标的前提下根据目标在前方道路图像的映射区域来判断是否存在污染物区域，而不是直接识别污染物区域的原因是为了避免在大雾、下雪或下雨等极端天气下，直接对图像识别会将大雾雪和雨水误判为污染物。而在识别到目标车辆后在进行污染物区域识别，确定有目标车辆造成了扬尘尾气等污染物区域，有助于对污染物区域识别的准确性，降低误判概率。
步骤S2、当存在污染物区域时，确定自身车辆是否会受到污染物区域影响。
一些实施例中，当存在污染物区域时，根据目标车辆与自身车辆的相对位置和自身车辆的地图路径确定自身车辆与目标是否在同一路径。
具体地，目标车辆与自身车辆的相对位置包括目标车辆与自身车辆左右方向的相对位置，以及目标车辆与自身车辆之间的距离。在确定其相对位置时可以根据视觉识别传感器的安装位置和目标车辆在图像中的映射位置以及目标车辆在图像中的大小(尺寸)进行确定。并在确定目标车辆的相对位置后根据本车的地图导航路径确定自身车辆和目标车辆是否会在同一路径上行驶。
进一步的，当确定自身车辆和目标车辆在同一路径上行驶时，根据自身车辆的速度，目标车辆的速度和两车之间的相对距离确定自身和车辆与目标的相遇时间。其中相遇时间＝相对距离/(本车车速－目标车速)。若得到的相遇时间大于预设时间，则不用对车辆做出调整，若相遇时间小于预设时间，则确定自身车辆会进入污染物区域。其中预设时间可以根据经验进行标定，根据扬尘和尾气烟雾消散的时间来标定，本实施例中设置为15秒。
步骤S3、当确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避。
具体的，提前进行污染物规避包括，控制自身车辆的车窗全部关闭，配备有空气净化器的车辆开启空气净化器，并打开空调将自身车辆的空调状态调整为内循环状态，采取以上措施能够有效的防止目标车辆造成的扬尘和尾气烟雾进入车内，从而保证车内空气的干净和清新，并且开启空气净化器能够保证关闭车窗时车内的空气质量。
作为一种优选的实施方式，在控制自身车辆进行污染物规避之前，对自身车辆当前的车窗状态，空调状态和空气净化状态进行保存。在控制车辆进行污染物规避后，继续通过视觉识别的方式判断前方道路上是否依旧存在由目标引起的污染物区域，若存在污染物区域则控制自身车辆依旧保持当前的污染物规避状态。若在连续一段时间内前方道路上都不存在污染物区域，则控制自身车辆的车窗，空气净化器和空调调整至未进行污染物规避前的状态，以保持车内驾驶人员和乘客对车窗空调等设备的原始控制意图。本实施例中标定为连续一分钟内前方道路上都不存在污染物区域，则将车窗，空气净化器和空调调整至未进行污染物规避前的状态。
一些实施例中，除了将视觉识别传感器和图像处理单元设置于自身车辆上外，还可以将识别传感器设和图像处理单元设置于道路检测端，并且可以与道路上的监测监控设备共用，例如道路上的违章摄像头，测速摄像头等。然后在通过车联网***V2X提前发送污染物区域给经过该区域的车辆的控制单元，使在该区域可能受到污染物区域影响的车辆都能够对污染物区域进行规避。
本申请实施例提供的基于视觉识别的车内空气质量保障方法，以视觉识别作为基础的判断方法，快速识别和判断自身车辆进入临时道路污染区域的风险。并在确认存在进入污染物区域的风险后快速提前控制车辆空调运转、净化器、车窗等设备，防止污染物进入车内。灵敏地保持车内空气质量，无需驾驶员反复操作，在保持车内空气质量的同时提高了驾驶的安全性。
请参照图2，图2为本申请的实施例提供的一种基于视觉识别的车内空气质量保障***的示意性框图。
如图2所示，该***中包括：视觉识别传感器，图像处理单元和车辆控制单元。
特征性的，视觉识别传感器用于拍摄前方道路图像；图像处理单元用于接收视觉传感器拍摄的前方道路图像，并对该前方道路图像进行识别，识别图像中是否存在目标和由目标造成的污染物区域，并将识别结果传送到车辆控制单元。车辆控制单元用于确定识别结果中存在由目标引起的污染物区域够，根据自身车辆和目标车辆的相对位置，以及自身车辆车速与目标车辆车速判断自身车辆是否会收到污染物区域的影响，并在确定会受到污染物影响时控制自身车辆的车况控制单元、空调控制单元和净化器控制单元做出相应措施来进行污染物规避。
该***中各个单元具体作以下作用。
图像处理单元，其用于根据前方道路图像通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域；
车辆控制单元，其用于当存在污染物区域时，确定自身车辆是否会受到污染物区域影响，并在确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避。
一些实施例中，所述视觉识别传感器，其用于获取所述自身车辆的前方道路图像；
所述图像处理单元，其用于确定所述前方道路图像中是否存在所述目标，当所述前方道路图像中存在所述目标时，根据所述目标在所述前方道路图像中的映射区域的边缘、纹理和/或灰度信息确定是否存在由所述目标引起的污染物区域。
一些实施例中，所述图像处理单元还用于：
将所述映射区域的边缘、纹理和/或灰度信息放入预置的污染物区域图像信息数据库中进行比对，根据比对结果确定所述前方道路图像中是否存在由所述目标引起的污染物区域，或者；
对比本次获取的所述前方道路图像的灰度信息和上次获取的前方道路图像的灰度信息，并对比图像中的低频部分面积，以确定是否存在由所述目标引起的污染物区域。
一些实施例中，所述车辆控制单元还用于：当存在污染物区域时，根据所述目标与所述自身车辆的相对位置和所述自身车辆的地图路径确定所述自身车辆和所述目标是否在同一路径；
并在确定所述自身车辆和所述目标在同一路径时，根据所述自身车辆的速度、所述目标的速度和相对距离确定所述自身车辆与所述目标的相遇时间；
若所述相遇时间小于预设时间则确定所述自身车辆会受到污染物区域影响。
一些实施例中，所述车辆控制单元还用于：确定所述自身车辆会受到污染物区域影响时，提前控制所述自身车辆的车窗关闭、净化器开启并在空调开启时控制所述空调开启内循环。
一些实施例中，所述图像处理单元还用于：通过视觉识别的方式实时判断前方道路上是否依旧存在由目标引起的污染物区域；
若连续一段时间内所述前方道路上都不存在污染物区域，则控制所述自身车辆的车窗、空气净化器和空调调整至未进行污染物规避前的状态。
一些实施例中，所述图像处理单元识别的目标包括：会造成扬尘和尾气烟雾的车辆。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的***和各模块及单元的具体工作过程，可以参考前述实施例中的对应过程，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于视觉识别的车内空气质量保障方法，其特征在于，包括：
通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域；
当存在污染物区域时，确定自身车辆是否会受到污染物区域影响；
当确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避。
2.按照权利要求1所述的基于视觉识别的车内空气质量保障方法，其特征在于，所述通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域，包括：
获取所述自身车辆的前方道路图像；
确定所述前方道路图像中是否存在所述目标；
当所述前方道路图像中存在所述目标时，根据所述目标在所述前方道路图像中的映射区域的边缘、纹理和/或灰度信息确定是否存在由所述目标引起的污染物区域。
3.按照权利要求2所述的基于视觉识别的车内空气质量保障方法，其特征在于，所述当所述前方道路图像中存在所述目标时，根据所述目标在所述前方道路图像中的映射区域的边缘、纹理和/或灰度信息确定是否存在由所述目标引起的污染物区域，包括：
将所述映射区域的边缘、纹理和/或灰度信息放入预置的污染物区域图像信息数据库中进行比对，根据比对结果确定所述前方道路图像中是否存在由所述目标引起的污染物区域，或者；
对比本次获取的所述前方道路图像的灰度信息和上次获取的前方道路图像的灰度信息，并对比图像中的低频部分面积，以确定是否存在由所述目标引起的污染物区域。
4.按照权利要求1所述的基于视觉识别的车内空气质量保障方法，其特征在于，所述当存在污染物区域时，确定自身车辆是否会受到污染物区域影响，包括：
当存在污染物区域时，根据所述目标与所述自身车辆的相对位置和所述自身车辆的地图路径确定所述自身车辆和所述目标是否在同一路径；
并在确定所述自身车辆和所述目标在同一路径时，根据所述自身车辆的速度、所述目标的速度和相对距离确定所述自身车辆与所述目标的相遇时间；
若所述相遇时间小于预设时间则确定所述自身车辆会受到污染物区域影响。
5.按照权利要去1所述的基于视觉识别的车内空气质量保障方法，其特征在于，所述当确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避，包括：
确定所述自身车辆会受到污染物区域影响时，提前控制所述自身车辆的车窗关闭、净化器开启并在空调开启时控制所述空调开启内循环。
6.按照权利要求1所述的基于视觉识别的车内空气质量保障方法，其特征在于，在进行污染物规避后，还包括：
通过视觉识别的方式实时判断前方道路上是否依旧存在由目标引起的污染物区域；
若连续一段时间内前方道路上都不存在污染物区域，则控制所述自身车辆的车窗、空气净化器和空调调整至未进行污染物规避前的状态。
7.按照权利要求1所述的基于视觉识别的车内空气质量保障方法，其特征在于，所述目标车辆包括:会造成扬尘和尾气烟雾的车辆。
8.一种基于视觉识别的车内空气质量保障***，其特征在于，包括：
图像处理单元，其用于根据前方道路图像通过视觉识别的方式实时判断前方道路上是否存在由目标引起的污染物区域；
车辆控制单元，其用于当存在污染物区域时，确定自身车辆是否会受到污染物区域影响，并在确定所述自身车辆会受到污染物区域影响时，提前进行污染物规避。
9.按照权利要求8所述的基于视觉识别的车内空气质量保障***，其特征在于，该***还包括：
视觉识别传感器，其用于获取所述自身车辆的前方道路图像；
所述图像处理单元，其用于确定所述前方道路图像中是否存在所述目标，当所述前方道路图像中存在所述目标时，根据所述目标在所述前方道路图像中的映射区域的边缘、纹理和/或灰度信息确定是否存在由所述目标引起的污染物区域。
10.按照权利要求9所述的基于视觉识别的车内空气质量保障***，其特征在于，所述图像处理单元还用于：
将所述映射区域的边缘、纹理和/或灰度信息放入预置的污染物区域图像信息数据库中进行比对，根据比对结果确定所述前方道路图像中是否存在由所述目标引起的污染物区域，或者；
对比本次获取的所述前方道路图像的灰度信息和上次获取的前方道路图像的灰度信息，并对比图像中的低频部分面积，以确定是否存在由所述目标引起的污染物区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210231710.XA CN114734771A (zh) | 2022-03-10 | 2022-03-10 | 一种基于视觉识别的车内空气质量保障方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210231710.XA CN114734771A (zh) | 2022-03-10 | 2022-03-10 | 一种基于视觉识别的车内空气质量保障方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114734771A true CN114734771A (zh) | 2022-07-12 |
Family
ID=82275504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210231710.XA Pending CN114734771A (zh) | 2022-03-10 | 2022-03-10 | 一种基于视觉识别的车内空气质量保障方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114734771A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115416601A (zh) * | 2022-09-30 | 2022-12-02 | 重庆长安汽车股份有限公司 | 车辆的控制方法、装置、车辆及存储介质 |
| US20230280173A1 (en) * | 2022-03-07 | 2023-09-07 | Saudi Arabian Oil Company | Method, apparatus, and system for identifying one or more sources of air pollutants based on emission data from vehicles and air quality data from ambient air measurement apparatuses |
| CN117067859A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市蓝鲸智联科技股份有限公司 | 一种基于视觉的车内环境调节方法 |
-
2022
- 2022-03-10 CN CN202210231710.XA patent/CN114734771A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230280173A1 (en) * | 2022-03-07 | 2023-09-07 | Saudi Arabian Oil Company | Method, apparatus, and system for identifying one or more sources of air pollutants based on emission data from vehicles and air quality data from ambient air measurement apparatuses |
| US11859991B2 (en) * | 2022-03-07 | 2024-01-02 | Saudi Arabian Oil Company | Method, apparatus, and system for identifying one or more sources of air pollutants based on emission data from vehicles and air quality data from ambient air measurement apparatuses |
| CN115416601A (zh) * | 2022-09-30 | 2022-12-02 | 重庆长安汽车股份有限公司 | 车辆的控制方法、装置、车辆及存储介质 |
| CN117067859A (zh) * | 2023-10-17 | 2023-11-17 | 深圳市蓝鲸智联科技股份有限公司 | 一种基于视觉的车内环境调节方法 |
| CN117067859B (zh) * | 2023-10-17 | 2024-01-16 | 深圳市蓝鲸智联科技股份有限公司 | 一种基于视觉的车内环境调节方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114734771A (zh) | 一种基于视觉识别的车内空气质量保障方法和*** | |
| EP3189993B1 (en) | Air circulation control device for vehicle | |
| CN105799574B (zh) | 夜间智能辅助驾驶*** | |
| US10671071B2 (en) | Control method and control device of automatic driving vehicle | |
| DE102020127043A1 (de) | Sicherheitssystem für ein fahrzeug | |
| CN110517521A (zh) | 一种基于路车融合感知的车道偏离预警方法 | |
| CN113223311A (zh) | 一种基于v2x的车辆开门防碰撞预警方法 | |
| DE102011055684B4 (de) | Verfahren zum Betrieb einer Belüftungseinrichtung eines Fahrzeugs | |
| CN105579289B (zh) | 具有自身运动检测的成像***和方法 | |
| CN110837800A (zh) | 一种面向港口恶劣天气的目标检测和识别的方法 | |
| EP3632723B1 (en) | Vehicular irritant detection and mitigation system | |
| WO2021164463A1 (zh) | 检测方法、装置及存储介质 | |
| US20180334013A1 (en) | Vehicle hvac system with odor control | |
| TWI749030B (zh) | 駕駛輔助系統及駕駛輔助方法 | |
| JP2008028957A (ja) | 車両用画像処理装置 | |
| CN106600748A (zh) | 非法行驶记录方法及装置 | |
| CN110053616B (zh) | 车辆驾驶辅助***和方法 | |
| CN111231833A (zh) | 一种基于全息投影与ar结合的汽车辅助驾驶*** | |
| CN111152623A (zh) | 一种车载空调控制方法、车载空调控制***及装置 | |
| CN115416601A (zh) | 车辆的控制方法、装置、车辆及存储介质 | |
| CN114954307A (zh) | 一种基于人工智能的辅助驾驶*** | |
| JP2000198369A (ja) | 眼の状態検出装置、居眠り運転警報装置 | |
| Li et al. | A low-cost and fast vehicle detection algorithm with a monocular camera for adaptive driving beam systems | |
| CN113119687B (zh) | 一种汽车车内空气、空调工作方式自动控制方法 | |
| CN113264042B (zh) | 隐藏危险情况警示 |
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 |