CN117962883A - 一种车辆对于盲区内弱势道路使用者的警示方法及其*** - Google Patents
一种车辆对于盲区内弱势道路使用者的警示方法及其*** Download PDFInfo
- Publication number
- CN117962883A CN117962883A CN202410112502.7A CN202410112502A CN117962883A CN 117962883 A CN117962883 A CN 117962883A CN 202410112502 A CN202410112502 A CN 202410112502A CN 117962883 A CN117962883 A CN 117962883A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- blind area
- blind
- projection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 239000002184 metal Substances 0.000 claims description 11
- 230000010365 information processing Effects 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000011176 pooling Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆对于盲区内弱势道路使用者的警示方法及其***,包括以车辆质心建立笛卡尔坐标系;实时采集车辆盲区图像,通过图像检测技术对盲区内弱势道路使用者进行检测,获得弱势道路使用者当前位置信息;根据弱势道路使用者当前位置信息,计算弱势道路使用者与该车辆之间的距离,并据此判定风险等级,发出相关信号提醒检测目标;根据弱势道路使用者所在位置、类别划分风险等级,对弱势道路使用者进行声音和视觉的双重提示,以投影形式警示弱势道路使用者车辆盲区的具体范围,有助于提高弱势道路使用者感知道路风险的能力,保护驾驶人与弱势道路使用者群体的生命财产安全,进一步保障道路安全。
Description
技术领域
本发明涉及道路安全管理方法,具体是一种车辆对于盲区内弱势道路使用者的警示方法。
背景技术
汽车盲区指的是驾驶员位于驾驶室内,由于车辆结构原因导致驾驶员无法直接观察到的区域。汽车盲区包括车头盲区、车尾盲区、A柱盲区、后视镜盲区。
随着我国经济的发展和人们生活水平的提高,汽车保有量逐年上升。虽然,汽车给人类带来可观的生活便利、经济效益,但是也带来了许多安全隐患,其中,由于行人、骑自行车者、骑摩托车者等弱势道路进入汽车盲区而造成的交通事故每年居高不下,并随着交通场景越发复杂化,仍将呈现继续攀涨趋势,因此弱势道路使用者的道路安全问题越来越受到重视。
为了减少由于盲区问题所导致的交通事故发生,现有技术大多都是驾驶人角度出发,向驾驶人提供车辆周围盲区的交通环境状况,为驾驶人的驾驶决策和操作提供参考。但是,目前对于身处车辆盲区内的弱势道路使用者(行人、非机动车驾驶人等)却缺少精确的警示措施。
基于此,本发明旨在提供一种车辆对于盲区内弱势道路使用者的警示方法,针对弱势道路使用者所处区域的盲区及危险程度,进行准确警示。
发明内容
为了对弱势道路使用者进行准确警示,本发明提供了一种车辆对于盲区内弱势道路使用者的警示方法。
为实现上述目的,本发明提供如下技术方案:
一种车辆对于盲区内弱势道路使用者的警示方法,包括以下步骤:
(1)以车辆质心为原点,车辆前进方向为Y轴,Y轴顺时针旋转90°为X轴,建立笛卡尔坐标系;
(2)实时采集车辆盲区图像,通过图像检测技术对盲区内弱势道路使用者进行检测,获得弱势道路使用者当前位置信息;
(3)根据弱势道路使用者当前位置信息,计算弱势道路使用者与该车辆之间的距离,并据此判定风险等级,发出相关信号提醒检测目标。
本发明中图像检测技术是使用VGG-16模型中的Faster R-CNN作为网络结构,使用RPN生成检测框。
本发明中车辆盲区包括车头盲区、车尾盲区、A柱盲区、后视镜盲区。
本发明中风险等级包括潜在危险、中等风险、较高风险,划分的标准为;
潜在危险:当行人2m≤D行人≤3m,非机动车驾驶人3m≤D非≤5m时,
中等风险:当行人1m≤D行人<2m,非机动车驾驶人2m≤D非<3m时,
较高风险:当行人D行人<1m,非机动车驾驶人D非<2m。
所述的不同风险等级的信号提醒方式为:
潜在危险:反馈提示信息***发出“滴——滴——”的间歇音预警,并采用黄色投影对弱势道路使用者所在的车辆盲区进行投影,标明车辆盲区范围。
中等风险:反馈提示信息***发出“滴—滴—”急促间歇音预警,并采用橙色投影对弱势道路使用者所在的车辆盲区进行投影。
较高风险:反馈提示信息***发出持续“滴滴滴”的长鸣声进行警告,警告采用红色投影对弱势道路使用者所在的车辆盲区进行投影;对车内发出长鸣音,警示车内驾驶人注意车外弱势道路使用者。
本发明中不同盲区的投影范围为:
车头盲区:
车头盲区投影区域:
车头盲区投影距离:S1=ceil(D)+1=ceil[y-(a+b+c)]+1,
其中,ceil函数表示向上取整;W为车辆宽度,a为车头到后视镜的纵向距离,b为驾驶座质心距后视镜纵向距离,c为驾驶座距车辆质心纵向距离;
A柱盲区
车辆左侧A柱盲区投影区域:
车辆右侧A柱盲区投影区域:
左右A柱盲区投影距离:
左侧A柱盲区投影边界:
右侧A柱盲区投影边界:
其中,w1为驾驶座质心距车辆中轴线的距离,m为A柱前侧边缘距车辆纵向中轴线的距离,n为A柱侧面边缘距车辆横向中轴线的距离;在O坐标系下,左侧A柱盲区以y1,y2作为投影的左右边界,右侧A柱盲区以y3,y4作为投影的左右边界;
后视镜盲区
车辆左侧后视镜盲区投影区域:
车辆右侧后视镜盲区投影区域:
左侧后视镜盲区投影距离:
右侧后视镜盲区投影距离:
左侧后视镜盲区投影边界:
左侧后视镜盲区投影边界:
其中,α1为以左侧后视镜为圆心,左侧后视镜视觉盲区角度,α2为以右侧后视镜为圆心,右侧后视镜视觉盲区角度,β1为车身与左侧后视镜盲区之间夹角,β2为车身与右侧后视镜盲区之间夹角;
车尾盲区
车尾盲区投影区域:
车尾盲区投影距离:S5=ceil(D)+1=ceil(VD)+1=ceil[||y|-(a+b+c)|]+1。
一种车辆盲区内弱势道路使用者的警示***,该***包括:信息采集单元、信息处理单元、反馈提示单元,
信息采集单元,通过采集当前车辆行驶盲区中的画面,提取行人及非机动车驾驶人等弱势道路使用者的图像信息,同时车内采集驾驶人信息,以获取注视点高度;
信息处理单元,通过图像检测技术对采集的盲区内弱势道路使用者的类别、位置以及速度信息进行识别,并根据不同弱势道路使用者的类别及其所处位置,计算所需投射的图像位置、颜色信息以及声音信息,并将计算得到的信息发送给反馈提示单元;
反馈提示单元,接收信息处理单元传输的信息,并根据信息发出相应的声音警告及光学警告,以引起相应盲区范围内弱势道路使用者的警觉并对盲区范围进行投影警示。
与现有技术相比,本发明的有益效果是:
(1)本发明对行人等弱势道路使用者群体进行检测并识别,根据弱势道路使用者所在位置、类别划分风险等级,并根据其风险等级进行警示,能够向弱势道路使用者进行准确警示进行准确警示。
(2)本发明通过有针对性地对位于车辆盲区内的弱势道路使用者进行声音和视觉的双重提示,以投影形式警示弱势道路使用者车辆盲区的具体范围,有助于提高弱势道路使用者感知道路风险的能力,保护驾驶人与弱势道路使用者群体的生命财产安全,进一步保障道路安全。
(3)本发明使用VGG-16模型中的Faster R-CNN作为网络结构,作为两阶网络,Faster R-CNN在针对高精度、多尺度问题上具有更高的精确性;使用RPN生成检测框,极大地提升了检测框的生成速度。
附图说明
图1为本发明的方法流程图。
图2为本发明Faster R-CNN具体实现流程图。
图3为本发明车辆盲区投影示意图。
图4为本发明车辆侧视图。
图5为本发明A柱盲区投影细节图。
图6为车辆盲区警示装置结构示意图。
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。
(一)本发明提供了一种车辆对于盲区内弱势道路使用者的警示方法,该方法应用于车辆盲区检测***中,通过图像检测技术对盲区内弱势道路使用者进行识别,并根据弱势道路使用者类别(行人、非机动车驾驶人)及其与车辆之间的距离划分危险等级。根据计算所得的危险等级,警示***发出相应的声音警告,并投影弱势道路使用者所在盲区范围,警示其尽快离开,其流程如图1所示。
该方法通过步骤1到步骤3实现车辆对盲区内行人及非机动车的检测及警示。
步骤1:采集车辆盲区图像,通过图像检测技术对盲区内行人及非机动车骑行者进行检测,同时对目标进行定位。具体实现过程是基于车载摄像头与卷积神经网络(CNN)对行人及非机动车驾驶人特征进行检测,得到弱势道路使用者的边框信息及其坐标。
卷积神经网络的主要机制主要由以下四部分构成:
(1)卷积计算层(Conv layers),对图像进行特征提取,输出图片的特征图(Feature Map)。卷积计算层(Conv layers)包含了十三个卷积层、十三个激活(relu)层和四个池化层。
(2)区域提议网络(Region Proposal Network,RPN),生成候选区域(RegionProposal),包括一个3×3的卷积层和两个1×1的并行卷积层。RPN通过使用参考框(anchor)对图像中所包含的目标进行框选,结合源图像提取特征图。
(3)感兴趣区域池化(Roi Pooling),该层收集输入的特征图和候选区域,综合这些信息后提取候选特征图,送入全连接层判定目标类别。
(4)分类器(Classification),计算待选特征的类别,同时再次边框回归(boundingbox regression)获得检测框最终的精确位置。
本方法使用VGG-16模型中的Faster R-CNN作为网络结构,作为两阶网络,FasterR-CNN在针对高精度、多尺度问题上具有更高的精确性;使用RPN生成检测框,极大地提升了检测框的生成速度。其具体的实现过程如下(如图2):
(1)对通过车载摄像头获得的弱势道路使用者图像进行实时处理,缩放至固定大小M×N,并输入到Faster R-CNN网络中,进行信息提取。
(2)在卷积计算层(Conv layers)中首先对图像做扩边处理,使原图变为(M+2)×(N+2)大小后,再进行卷积处理,输出处理后的图像。特征图大小如下列公式得到:
feature map size=ceil(M/16)×ceil(N/16)×9
其中,ceil函数表示向上取整。
(3)将图像输入神经网络后,直接使用RPN生成检测框。首先经过3×3卷积,再通过softmax函数进行分类获得正负样本,对于正样本(positive anchors)进行边框回归(bounding box regression),以获得其偏移量。
(4)Proposal层负责综合正样本和对应边框回归地偏移量获取proposals,同时剔除太小和超出边界的proposals,完成目标定位功能。
(5)Rol pooling层由原始的feature maps和RPN输出的proposal boxes输入图像信息。首先使用spatial_scale参数将proposals映射回(M/16)×(N/16)的尺度,其中spatial_scale参数为0.0625(1/16);再将每个proposal对应的feature map区域水平分为7×7大小的网格,并对网格进行最大池化(max pooling,)处理,以实现固定长度输出。
(6)Classification部分利用已经获得的proposal feature maps,通过全连接层与softmax函数计算每个proposal的所属类别,输出cls_prob概率向量;同时利用边框回归(bounding box regression)获得每个proposal的位置偏移量bbox_pred,用于回归更加精确的目标检测框。
步骤二:
在车辆行驶过程中,通过车外摄像头监控车外弱势道路使用者状况,在发现有行人及非机动车驾驶人靠近车辆并存在潜在危险时,信息处理单元对图像信息进行分析,触发听觉和视觉警报,警示行人及非机动车驾驶人等弱势道路使用者已进入车辆视觉盲区,并以投影的形式提示车辆盲区范围。
基于车辆质心为原点O建立笛卡尔坐标系,计算检测目标与车辆之间的距离。盲区内检测目标坐标为(x,y),VD为检测目标到车辆纵向距离,HD为检测目标到车辆横向距离,则根据以下公式计算可得检测目标距车辆距离D,进行风险等级判定:
其中,W为车辆宽度,a为车头到后视镜的纵向距离,b为驾驶座质心距后视镜纵向距离,c为驾驶座距车辆质心纵向距离。根据行人与车辆之间的距离,设置三级危险等级:潜在危险、中等风险、较高风险。根据危险等级,分别发出不同的警报及投影颜色。
潜在危险:当行人2m≤D行人≤3m,非机动车驾驶人3m≤D非≤5m时,反馈提示信息***发出“滴——滴——”的间歇音预警,并采用黄色投影对弱势道路使用者所在的车辆盲区进行投影,标明车辆盲区范围。
中等风险:当行人1m≤D行人<2m,非机动车驾驶人2m≤D非<3m时,反馈提示信息***发出“滴—滴—”急促间歇音预警,并采用橙色投影对弱势道路使用者所在的车辆盲区进行投影。
较高风险:当行人D行人<1m,非机动车驾驶人D非<2m,反馈提示信息***发出持续“滴滴滴”的长鸣声进行警告,警告采用红色投影对弱势道路使用者所在的车辆盲区进行投影;对车内发出长鸣音,警示车内驾驶人注意车外弱势道路使用者。
步骤三:
基于车辆质心为原点O1建立笛卡尔坐标系,投影弱势道路使用者当前所在车辆盲区范围,如图3-5。
其中不同区域投影几何关系如下:
(1)车头盲区
车头盲区投影区域:
车头盲区投影距离:S1=ceil(D)+1=ceil[y-(a+b+c)]+1,
当h'≤h1,VD≤L1时,触发车头盲区提示,其危险等级提示根据L1动态调整(如,2m≤L1≤3m时,当行人2m≤D行人≤L1,触发潜在危险警报)。
其中,
其中,h为驾驶人视角高度,h'为检测目标高度,h3为车辆引擎盖高度,ceil函数表示向上取整。
(2)A柱盲区
车辆左侧A柱盲区投影区域:
车辆右侧A柱盲区投影区域:
左右A柱盲区投影距离:
左侧A柱盲区投影边界:
右侧A柱盲区投影边界:
当D行人≤3m,D非≤5m时,触发A柱盲区提示。
其中,w1为驾驶座质心距车辆中轴线的距离,m为A柱前侧边缘距车辆纵向中轴线的距离,n为A柱侧面边缘距车辆横向中轴线的距离。在O坐标系下,左侧A柱盲区以y1,y2作为投影的左右边界,右侧A柱盲区以y3,y4作为投影的左右边界,S2为投影区域长,形成车辆左右A柱盲区投影的几何图案。
(3)后视镜盲区
车辆左侧后视镜盲区投影区域:
车辆右侧后视镜盲区投影区域:
左侧后视镜盲区投影距离:
右侧后视镜盲区投影距离:
左侧后视镜盲区投影边界:
左侧后视镜盲区投影边界:
当D行人≤3m,D非≤5m时,触发后视镜盲区提示。
其中,α1为以左侧后视镜为圆心,左侧后视镜视觉盲区角度,α2为以右侧后视镜为圆心,右侧后视镜视觉盲区角度,β1为车身与左侧后视镜盲区之间夹角,β2为车身与右侧后视镜盲区之间夹角。左侧后视镜盲区在O坐标系下,以D点为圆心,以S3为半径画圆,y5,y6作为投影区域的左右边界,S3为投影区域长,形成车辆左侧后视镜盲区投影的几何图案。右后视镜盲区在O坐标系下,以E点为圆心,以S4为半径画圆,y7,y8作为投影区域的左右边界,S4为投影区域长,形成车辆右侧后视镜盲区投影的几何图案。
(4)车尾盲区
车尾盲区投影区域:
车尾盲区投影距离:S5=ceil(D)+1=ceil(VD)+1=ceil[||y|-(a+b+c)|]+1,
当h'≤h2,VD≤L2时,触发车头盲区提示,其危险等级提示根据L2动态调整。
车头盲区最远距离:
检测目标所在点的车尾视觉盲区最大高度:
其中,h2为检测目标所在点的车尾视觉盲区最大高度,h4为车辆后备箱高度。
投影区域每0.1s更新一次,当信息采集单元所采集信息,经信息处理单元处理后,无弱势道路使用者位于车辆盲区范围内,则警报消除。
(二)本发明的第二部分提供以下的技术方案:
本发明进一步提供了一种针对车辆盲区内弱势道路使用者的警示***,该***包括:信息采集单元、信息处理单元、反馈提示单元,图6为本警示装置的结构示意图。
信息采集单元,通过采集当前车辆行驶盲区中的画面,提取行人及非机动车驾驶人等弱势道路使用者的图像信息,同时车内采集驾驶人信息,以获取注视点高度;
信息处理单元,通过图像检测技术对采集的盲区内弱势道路使用者的类别、位置以及速度信息进行识别,并根据不同弱势道路使用者的类别及其所处位置,计算所需投射的图像位置、颜色信息以及声音信息,并将计算得到的信息发送给反馈提示单元;
反馈提示单元,接收信息处理单元传输的信息,并根据信息发出相应的声音警告及光学警告,以引起相应盲区范围内弱势道路使用者的警觉并对盲区范围进行投影警示。
本发明的第三部分提供以下的技术方案:
第三方面,本发明实施例提供一种电子设备,包括图像采集设备、存储器、处理器、输出装置。
图像采集设备,采集车内及车外图像信息,获取车内驾驶人视线高度信息,以及视频中当前车辆盲区内的画面,检测画面中的弱势道路使用者,包括车内摄像头和车外图像采集设备;
存储器,存储可***作的指令,所述操作包括执行所述前述任意一项弱势道路使用者信息获取及危险等级判断方法的过程。
处理器,根据存储在存储器上的计算机程序,对弱势道路使用者图像进行处理,获取其位置及类别信息,并以此为判断依据,发出指令。
输出设备,根据处理器所发出指令,向外部输出所对应的声音及图像信息,包括扬声器、投影装置等。
以上所述的,仅为本发明较佳的具体实施方式,但本发明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发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种车辆对于盲区内弱势道路使用者的警示方法,其特征在于,包括以下步骤:
(1)以车辆质心为原点,车辆前进方向为Y轴,Y轴顺时针旋转90°为X轴,建立笛卡尔坐标系;
(2)实时采集车辆盲区图像,通过图像检测技术对盲区内弱势道路使用者进行检测,获得弱势道路使用者当前位置信息;
(3)根据弱势道路使用者当前位置信息,计算弱势道路使用者与该车辆之间的距离,并据此判定风险等级,发出相关信号提醒检测目标。
2.根据权利要求1所述车辆对于盲区内弱势道路使用者的警示方法,其特征在于,图像检测技术是使用VGG-16模型中的Faster R-CNN作为网络结构,使用RPN生成检测框。
3.根据权利要求1所述车辆对于盲区内弱势道路使用者的警示方法,其特征在于,所述车辆盲区包括车头盲区、车尾盲区、A柱盲区、后视镜盲区。
4.根据权利要求1所述车辆对于盲区内弱势道路使用者的警示方法,其特征在于,所述风险等级包括潜在危险、中等风险、较高风险,划分的标准为;
潜在危险:当行人2m≤D行人≤3m,非机动车驾驶人3m≤D非≤5m时,
中等风险:当行人1m≤D行人<2m,非机动车驾驶人2m≤D非<3m时,
较高风险:当行人D行人<1m,非机动车驾驶人D非<2m。
5.根据权利要求1所述车辆对于盲区内弱势道路使用者的警示方法,其特征在于,所述的不同风险等级的信号提醒方式为:
潜在危险:反馈提示信息***发出“滴——滴——”的间歇音预警,并采用黄色投影对弱势道路使用者所在的车辆盲区进行投影,标明车辆盲区范围。
中等风险:反馈提示信息***发出“滴—滴—”急促间歇音预警,并采用橙色投影对弱势道路使用者所在的车辆盲区进行投影。
较高风险:反馈提示信息***发出持续“滴滴滴”的长鸣声进行警告,警告采用红色投影对弱势道路使用者所在的车辆盲区进行投影;对车内发出长鸣音,警示车内驾驶人注意车外弱势道路使用者。
6.根据权利要求1所述车辆对于盲区内弱势道路使用者的警示方法,其特征在于,不同盲区的投影范围为:
车头盲区:
车头盲区投影区域:
车头盲区投影距离:S1=ceil(D)+1=ceil[y-(a+b+c)]+1,
其中,ceil函数表示向上取整;W为车辆宽度,a为车头到后视镜的纵向距离,b为驾驶座质心距后视镜纵向距离,c为驾驶座距车辆质心纵向距离;
A柱盲区
车辆左侧A柱盲区投影区域:
车辆右侧A柱盲区投影区域:
左右A柱盲区投影距离:
左侧A柱盲区投影边界:
右侧A柱盲区投影边界:
其中,w1为驾驶座质心距车辆中轴线的距离,m为A柱前侧边缘距车辆纵向中轴线的距离,n为A柱侧面边缘距车辆横向中轴线的距离;在O坐标系下,左侧A柱盲区以y1,y2作为投影的左右边界,右侧A柱盲区以y3,y4作为投影的左右边界;
后视镜盲区
车辆左侧后视镜盲区投影区域:
车辆右侧后视镜盲区投影区域:
左侧后视镜盲区投影距离:
右侧后视镜盲区投影距离:
左侧后视镜盲区投影边界:
左侧后视镜盲区投影边界:
其中,α1为以左侧后视镜为圆心,左侧后视镜视觉盲区角度,α2为以右侧后视镜为圆心,右侧后视镜视觉盲区角度,β1为车身与左侧后视镜盲区之间夹角,β2为车身与右侧后视镜盲区之间夹角;
车尾盲区
车尾盲区投影区域:
车尾盲区投影距离:S5=ceil(D)+1=ceil(VD)+1=ceil[y-(a+b+c)]+1。
7.一种实现如权利要求1-6任一项方法的车辆盲区内弱势道路使用者的警示***,其特征在于,该***包括:信息采集单元、信息处理单元、反馈提示单元,
信息采集单元,通过采集当前车辆行驶盲区中的画面,提取行人及非机动车驾驶人等弱势道路使用者的图像信息,同时车内采集驾驶人信息,以获取注视点高度;
信息处理单元,通过图像检测技术对采集的盲区内弱势道路使用者的类别、位置以及速度信息进行识别,并根据不同弱势道路使用者的类别及其所处位置,计算所需投射的图像位置、颜色信息以及声音信息,并将计算得到的信息发送给反馈提示单元;
反馈提示单元,接收信息处理单元传输的信息,并根据信息发出相应的声音警告及光学警告,以引起相应盲区范围内弱势道路使用者的警觉并对盲区范围进行投影警示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410112502.7A CN117962883A (zh) | 2024-01-26 | 2024-01-26 | 一种车辆对于盲区内弱势道路使用者的警示方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410112502.7A CN117962883A (zh) | 2024-01-26 | 2024-01-26 | 一种车辆对于盲区内弱势道路使用者的警示方法及其*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117962883A true CN117962883A (zh) | 2024-05-03 |
Family
ID=90847381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410112502.7A Pending CN117962883A (zh) | 2024-01-26 | 2024-01-26 | 一种车辆对于盲区内弱势道路使用者的警示方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117962883A (zh) |
-
2024
- 2024-01-26 CN CN202410112502.7A patent/CN117962883A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3759700B1 (en) | Method for determining driving policy | |
WO2020029444A1 (zh) | 一种驾驶员驾驶时注意力检测方法和*** | |
CN105620489B (zh) | 驾驶辅助***及车辆实时预警提醒方法 | |
CN110356325B (zh) | 一种城市交通客运车辆盲区预警*** | |
US8593519B2 (en) | Field watch apparatus | |
US8953840B2 (en) | Vehicle perimeter monitoring device | |
CN113276769A (zh) | 车辆盲区防撞预警***及方法 | |
CN112349144B (zh) | 一种基于单目视觉的车辆碰撞预警方法及*** | |
JP4872245B2 (ja) | 歩行者認識装置 | |
CN104786933A (zh) | 一种全景影像驾驶辅助装置及方法 | |
EP2784763A1 (en) | Vehicle periphery monitoring device | |
WO2019114030A1 (zh) | 一种融合导航与智能视觉的驾驶辅助***及方法 | |
CN110544368B (zh) | 一种疲劳驾驶增强现实预警装置及预警方法 | |
CN106143308B (zh) | 基于智能后视镜的车道偏离预警*** | |
JPWO2008038369A1 (ja) | 駆動制御装置、駆動制御方法、駆動制御プログラムおよび記録媒体 | |
US7974445B2 (en) | Vehicle periphery monitoring device, vehicle, and vehicle periphery monitoring program | |
CN106064587A (zh) | 一种基于车牌识别的多车道车间距识别方法及装置 | |
CN113147733B (zh) | 雨雾沙尘天气汽车智能限速***及方法 | |
CN111231971A (zh) | 基于大数据的汽车安全性能分析评价方法及*** | |
CN114241750B (zh) | 基于智能道路交通风险预警方法的车路协同信息交互***及方法 | |
CN112606804B (zh) | 一种车辆主动制动的控制方法及控制*** | |
CN110053616A (zh) | 车辆驾驶辅助***和方法 | |
CN111415524A (zh) | 一种针对疲劳驾驶的智能处理方法及*** | |
CN114872713A (zh) | 一种驾驶员异常驾驶状态监测装置和方法 | |
CN117962883A (zh) | 一种车辆对于盲区内弱势道路使用者的警示方法及其*** |
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 |