CN115223147B - 商用车防碰撞***的防误触方法、设备和存储介质 - Google Patents

Abstract

本发明涉及商用车防碰撞***的防误触领域，公开了一种商用车防碰撞***的防误触方法、设备和存储介质。该方法包括：在商用车驾驶过程中实时采集当前驾驶场景的信息，并从所述当前驾驶场景的信息中提取出每个场景片段的场景特征；采用深度学习模型确定每个场景片段的场景特征分类为规避误触的概率；实时统计多个场景片段的分类结果，并根据统计结果确定防误触策略。本发明用于避免防碰撞***的误触，保证驾驶安全。

Description

商用车防碰撞***的防误触方法、设备和存储介质

技术领域

本发明涉及商用车行驶安全领域，尤其涉及一种商用车防碰撞***的防误触方法、设备和存储介质。

背景技术

防碰撞***在商用车领域应用较为广泛。对商用车而言，防碰撞***能够提升行驶安全。

现有的防碰撞***预先设定一系列的规则以在预测到危险时，执行紧急制动或转向操作。但是因防碰撞***本身的缺陷以及车辆行驶环境复杂多变，尤其在弯道，超车，进弯，出弯等场景下，实际不存在危险时也触发了防碰撞***，即出现误触。误触不仅影响驾驶体验，而且也会带来安全隐患。

有鉴于此，特提出本发明。

发明内容

为了解决上述技术问题，本发明提供了一种商用车防碰撞***的防误触方法、设备和存储介质，避免防碰撞***的误触，保证驾驶安全。

本发明实施例提供了一种商用车防碰撞***的防误触方法，该方法包括：

在商用车驾驶过程中实时采集当前驾驶场景的信息，并从所述当前驾驶场景的信息中提取出每个场景片段的场景特征；

采用深度学习模型确定每个场景片段的场景特征分类为规避误触的概率；其中，所述深度学习模型采用防碰撞***误触场景的每个场景片段的场景特征及规避误触标签进行训练得到；

实时统计多个场景片段的分类结果，并根据统计结果确定防误触策略。

本发明实施例提供了一种电子设备，所述电子设备包括：

处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行任一实施例所述的商用车防碰撞***的防误触方法的步骤。

本发明实施例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存储程序或指令，所述程序或指令使计算机执行任一实施例所述的商用车防碰撞***的防误触方法的步骤。

本发明实施例具有以下技术效果：

通过预先训练深度学习模型，从而采用深度学习算法准确地识别到各场景片段分类为规避误触的概率；通过实时统计多个场景片段的分类结果，刻画了连续场景的动态变化情况，有利于准确地描述当前驾驶场景与误触场景的匹配程度；进一步的，由于这种积分式的统计方式，可以提前判断当前驾驶场景是否为误触场景，则可以给出前瞻性的防误触策略，在防碰撞***触发前实现防范控制。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术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发明的一些实施方式，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是本发明实施例提供的一种商用车防碰撞***的防误触方法的流程图；

图2是本发明实施例提供的直道进弯道的示意图，本车容易把相邻车道上的车辆识别为预碰撞车辆，从而引发防碰撞***的误触；

图3是本发明实施例提供的本车超车时路旁有静止车辆的示意图；

图4为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例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的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

本发明实施例提供的商用车防碰撞***的防误触方法，主要适用于对商用车上防碰撞***进行控制的情况。本发明实施例提供的商用车防碰撞***的防误触方法由电子设备执行，该电子设备同时集成有防碰撞***，或者与集成有防碰撞***的设备进行通信。

图1是本发明实施例提供的一种商用车防碰撞***的防误触方法的流程图，具体包括：

S110、在商用车驾驶过程中实时采集当前驾驶场景的信息，并从所述当前驾驶场景的信息中提取出每个场景片段的场景特征。

可选的，商用车上搭载有视觉传感器（如摄像头和雷达等）和车身传感器，通过视觉传感器采集周围环境信息，通过车身传感器采集商用车的行驶数据，如车速和方向等。

以固定采集频率采集当前驾驶场景的信息，连续多个时刻的驾驶场景的信息汇总为一个场景片段。例如每0.1s采集一组驾驶场景的信息，则将连续0.5s的5组驾驶场景的信息构成一个场景片段。

通过点云识别算法、图像识别算法等对每个场景片段进行识别，得到场景特征，包括所述商用车与车外事物的相对运动关系和行驶状态。例如，商用车与行人相对运动距离，相对运动速度，平均行驶速度和转向角度等。

S120、采用深度学习模型确定每个场景片段的场景特征分类为规避误触的概率；其中，所述深度学习模型采用防碰撞***误触场景的每个场景片段的场景特征及规避误触标签进行训练得到。

本实施例提供的方法需要预先训练深度学习模型，不限定深度学习模型的结构，其能够对场景特征进行分类即可。

防碰撞***误触场景的一个场景片段的场景特征及规避误触标签作为一个训练样本，将防碰撞***非误触场景的一个场景片段的场景特征及不规避误触标签作为一个训练样本，对深度学习模型进行训练。其中，防碰撞***误触场景为安全情况下防碰撞***被触发的场景，防碰撞***非误触场景为危险情况下防碰撞***被触发的场景。

在模型训练好后，将每个场景片段输入至深度学习模型，会输出该场景片段的类型（包括规避误触和不规避误触），及对应类型的概率。概率表示场景片段属于该类型的程度，也表征了该场景片段与防碰撞***误触场景中场景片段的匹配程度。

S130、实时统计多个场景片段的分类结果，并根据统计结果确定防误触策略。

可选的，场景片段是实时采集的，从而实时分类得到概率。随着时间的进行，每得到一个场景片段的概率则进行累加，并实时根据累加结果确定防误触策略。

优选的，根据当前场景片段分类为规避误触的概率大小，确定对应的设定分数。例如概率在50%以下设定分数为0，50%~80%设定分数为1，80%以上设定分数为2。这样可以明显地区分出与不同的场景片段与防碰撞***误触场景中场景片段的匹配程度。然后累加多个场景片段的设定分数，根据累加分数是否达到阈值确定与所述阈值对应的防误触策略。

累加分数刻画了连续场景的动态变化情况与防碰撞***误触场景中场景片段的动态变化情况的匹配程度，这与动态的驾驶场景特点是一致的，不依赖于某一时刻的场景，能够准确地判断当前驾驶场景是否需要触发防碰撞***。

本申请中的阈值为至少一个。例如是20，当累加分数达到20时，认为当前驾驶场景是容易误触的，则抑制防碰撞***。

为了更加精细化地控制，防误触策略包括抑制防碰撞策略和提高所述防碰撞***的触发条件；提高所述防碰撞***的触发条件对应的阈值低于所述抑制防碰撞策略对应的阈值。例如当累加分数达到15，认为误触的可能性较高，提高所述防碰撞***的触发条件，如将触发制动的侧向距离减小。当累加分数达到20，认为误触的可能性极高，直接抑制防碰撞策略。

在一些场景下，如果商用车长时间行驶在危险场景下，场景片段的场景特征分类为规避误触的概率较小。但随着时间的积累也会达到一个较大的统计结果，导致本应该触发防碰撞***时反而被抑制。为避免此类情况，在实时统计多个场景片段的分类结果时，如果连续设定数量个（例如10个）场景片段的所述概率均低于设定值（例如20%），将当前统计结果清零，重新从当前场景片段的分类结果开始统计。

本实施例通过预先训练深度学习模型，从而采用深度学习算法准确地识别到各场景片段分类为规避误触的概率；通过实时统计多个场景片段的分类结果，刻画了连续场景的动态变化情况，有利于准确地描述当前驾驶场景与误触场景的匹配程度；进一步的，由于这种积分式的统计方式，可以提前判断当前驾驶场景是否为误触场景，则可以给出前瞻性的防误触策略，在防碰撞***触发前实现防范控制。而且，分阶段的防误触策略在实现精细化控制的同时，也实现了前瞻性控制，驾驶体验也比较好。

本发明实施例的应用效果主要取决于深度学习模型的识别效果，好的训练样本将起到至关重要的作用。下面详细介绍深度学习模型的训练样本的获取过程。

可选的，在商用车驾驶过程中采集当前驾驶场景的信息之前，还包括：获取多个防碰撞***误触场景片段的信息，并根据所述防碰撞***误触场景片段的信息构建误触场景库；从所述误触场景库中提取每个场景片段的场景特征。

首先，根据道路分析得到防碰撞***误触场景片段的信息。图2是本发明实施例提供的直道进弯道的示意图，本车容易把相邻车道上的车辆识别为预碰撞车辆，从而引发防碰撞***的误触。图3是本发明实施例提供的本车超车时路旁有静止车辆的示意图。本车容易把静止车辆识别为预碰撞车辆从而引发防碰撞***的误触。通过进行道路分析可知类似图2和图3所示的驾驶场景片段为误触场景片段。

然后，在商用车驾驶过程中，通过车载视觉传感器和车身传感器采集防碰撞***误触场景片段的信息，从而针对行驶过程中出现的误触情况，可以不断加入误触场景库，进而通过不断扩展的误触场景库应对复杂多变的环境，为后续得到实时场景片段为规避误触的概率提供数据基础。

本实施例在误触场景库的建立初期，能够为常见易误触场景规避提供依据；通过后期的不断扩展，能够突破单纯建立规则在复杂多变行驶环境中的局限。

优选的，防碰撞***误触场景片段包括防碰撞***误触之前设定时长的片段和所述防碰撞***误触时的片段。设定时长可以通过实际的防误触效果试验确定，例如为3s。防碰撞***误触时的片段为被误触的时刻到防碰撞***退出的时刻。假设在k时刻防碰撞***触发 k+3s时退出，则防误触时的片段包括k-3~ks，以及k到k+3s。

本实施例充分利用误触场景之时，尤其是误触可能发生之前的场景，即通过连续的前瞻性的场景构建误触场景库，从而通过深度学习模型识别到当前驾驶场景与前瞻性场景的匹配性，便于给出前瞻性的防误触策略。

图4为本发明实施例提供的一种电子设备的结构示意图。如图4所示，电子设备400包括一个或多个处理器401和存储器402。

处理器401可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备400中的其他组件以执行期望的功能。

存储器402可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器401可以运行所述程序指令，以实现上文所说明的本发明任意实施例的商用车防碰撞***的防误触方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。

在一个示例中，电子设备400还可以包括：输入装置403和输出装置404，这些组件通过总线***和/或其他形式的连接机构（未示出）互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息，包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图4中仅示出了该电子设备400中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备400还可以包括任何其他适当的组件。

除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的商用车防碰撞***的防误触方法的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的商用车防碰撞***的防误触方法的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本申请范围。如本发明说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。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、方法或者设备不仅包括那些要素，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、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。

还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。

Claims (10)

1.一种商用车防碰撞***的防误触方法，其特征在于，包括：

在商用车驾驶过程中实时采集当前驾驶场景的信息，并从所述当前驾驶场景的信息中提取出每个场景片段的场景特征；

采用深度学习模型确定每个场景片段的场景特征分类为规避误触的概率；其中，所述深度学习模型采用防碰撞***误触场景的每个场景片段的场景特征及规避误触标签进行训练得到；

实时统计多个场景片段的分类结果，并根据统计结果确定防误触策略。

2.根据权利要求1所述的商用车防碰撞***的防误触方法，其特征在于，在商用车驾驶过程中采集当前驾驶场景的信息之前，还包括：

获取多个防碰撞***误触场景片段的信息，并根据所述防碰撞***误触场景片段的信息构建误触场景库；

从所述误触场景库中提取每个场景片段的场景特征。

3.根据权利要求2所述的商用车防碰撞***的防误触方法，其特征在于，所述获取多个防碰撞***误触场景片段的信息，包括：

根据道路分析得到防碰撞***误触场景片段的信息；

在商用车驾驶过程中，通过车载视觉传感器和车身传感器采集防碰撞***误触场景片段的信息。

4.根据权利要求3所述的商用车防碰撞***的防误触方法，其特征在于，所述防碰撞***误触场景片段包括防碰撞***误触之前设定时长的片段和所述防碰撞***误触时的片段。

5.根据权利要求1-4任一项所述的商用车防碰撞***的防误触方法，其特征在于，所述场景特征包括所述商用车与车外事物的相对运动关系和行驶状态。

6.根据权利要求1所述的商用车防碰撞***的防误触方法，其特征在于，所述实时统计多个场景片段的分类结果，并根据统计结果确定防误触策略，包括：

根据当前场景片段分类为规避误触的概率大小，确定对应的设定分数；

累加多个场景片段的设定分数，根据累加分数是否达到阈值确定与所述阈值对应的防误触策略。

7.根据权利要求6所述的商用车防碰撞***的防误触方法，其特征在于，所述防误触策略包括抑制防碰撞策略和提高所述防碰撞***的触发条件；

所述提高所述防碰撞***的触发条件对应的阈值低于所述抑制防碰撞策略对应的阈值。

8.根据权利要求1所述的商用车防碰撞***的防误触方法，其特征在于，所述实时统计多个场景片段的分类结果，包括：

在实时统计多个场景片段的分类结果时，如果连续设定数量个场景片段的所述概率均低于设定值，将当前统计结果清零，重新从当前场景片段的分类结果开始统计。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述的商用车防碰撞***的防误触方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述的商用车防碰撞***的防误触方法的步骤。

Images