TWI751820B - 車輛行車輔助方法、車載裝置、車輛及儲存介質 - Google Patents

Abstract

本發明提供一種車輛行車輔助方法、車載裝置、車輛及儲存介質，其中，所述方法包括：偵測車輛的車速；當確定車輛的車速超過速度閾值時，基於車輛所在路段的相關圖像數據計算車輛在相應路段內的限速；當確定車輛的車速超過車輛所在路段的限速時，發出超速警告。本發明可輔助車輛進行超速警告，提升行車安全。

Description

車輛行車輔助方法、車載裝置、車輛及儲存介質

本發明涉及車輛行車安全領域，尤其涉及一種車輛行車輔助方法、車載裝置、車輛及儲存介質。

軌道式車輛，例如列車是眾多交通運輸過程中的重要樞紐。當軌道式車輛在高速運行時，會因為速度失控(例如，超速)而導致列車脫軌的事故發生。如何有效控制車速確保行車安全是車輛控制中非常重要的一個研究方向。

鑒於以上內容，有必要提供一種車輛行車輔助方法、車載裝置、車輛及儲存介質，能夠對車輛進行超速警告，提升行車安全。

所述車輛行車輔助方法包括：偵測車輛的車速；當所述車輛的車速超過速度閾值時，基於圖像獲得相應路段內車輛的限速；及當所述車輛的車速超過所述相應路段內車輛的限速時，發出警告。

優選地，所述基於圖像獲得所述車輛的限速包括方法一：獲取包括限速告示牌的圖像；從所述包括限速告示牌的圖像中截取所述限速告示牌所在的圖像區域；及辨識所截取的圖像區域獲得所述車輛的限速。

優選地，所述基於圖像獲得所述車輛的限速還包括方法二：獲取所述車輛所在軌道的軌道圖像，基於所述軌道圖像計算所述車輛所在軌道的軌道 路徑；基於所述軌道路徑計算所述車輛所在軌道的軌道彎曲角度；及根據所述軌道彎曲角度獲得所述車輛的限速。

優選地，所述基於圖像獲得所述車輛的限速還包括方法三：利用訓練樣本訓練數據庫；及獲取軌道圖像，利用所述數據庫基於所述軌道圖像獲得所述車輛的限速。

優選地，所述利用訓練樣本訓練數據庫的方法包括：獲得預設數量的軌道圖像；獲得所述預設數量的軌道圖像中的每張軌道圖像所對應的限速；及將所述預設數量的軌道圖像以及對應的限速作為訓練樣本訓練所述數據庫。

優選地，所述數據庫為：基於Python語言訓練得到的圖像分類器。

優選地，所述基於圖像獲得所述車輛的限速包括如下方法中的一種：方法一：獲取包括限速告示牌的圖像；從所述包括限速告示牌的圖像中截取所述限速告示牌所在的圖像區域；及辨識所截取的圖像區域獲得所述車輛的限速；方法二：獲取所述車輛所在軌道的軌道圖像，基於所述軌道圖像計算所述車輛所在軌道的軌道路徑；基於所述軌道路徑計算所述車輛所在軌道的軌道彎曲角度；及根據所述軌道彎曲角度獲得所述車輛的限速；方法三：利用訓練樣本訓練數據庫；及獲取軌道圖像，利用所述訓練的數據庫基於所述軌道圖像獲得所述車輛的限速；方法四：將利用所述方法一、方法二與方法三取得的限速中的最低限速作為所述車輛的限速。

所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現所述車輛行車輔助方法。

所述車載裝置包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現所述車輛行車輔助方法。

所述車輛包括所述車載裝置。

相較於習知技術，所述車輛行車輔助方法、車載裝置、車輛及儲存 介質，可以透過使用行車記錄器與全球定位系統(Global Positioning System，GPS)對車輛進行超速警告，提升行車安全。

100:車輛

3:車載裝置

32:處理器

31:儲存器

30:行車輔助系統

33:GPS系統

34:行車記錄器

35:攝像頭

36:顯示器

37:行車數據

圖1是本發明較佳實施例的車輛行車輔助方法的流程圖。

圖2是本發明較佳實施例的車載裝置的架構圖。

為了能夠更清楚地理解本發明的上述目的、特徵和優點，下面結合附圖和具體實施例對本發明進行詳細描述。需要說明的是，在不衝突的情況下，本發明的實施例及實施例中的特徵可以相互組合。

在下面的描述中闡述了很多具體細節以便於充分理解本發明，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。

除非另有定義，本文所使用的所有的技術和科學術語與屬於本發明的技術領域的技術人員通常理解的含義相同。本文中在本發明的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本發明。

參閱圖2所示，為本發明較佳實施例提供的車載裝置的架構圖。

本實施例中，車載裝置3設置在車輛100上。所述車載裝置3也可以叫作車載電腦，包括互相之間電氣連接的儲存器31、至少一個處理器32、GPS系統33、行車記錄器34。

本領域技術人員應該瞭解，圖2示出的車載裝置3的結構並不構成本發明實施例的限定，所述車載裝置3還可以包括比圖2更多或更少的其他硬體或者軟體，或者不同的部件佈置。

需要說明的是，所述車載裝置3僅為舉例，其他現有的或今後可能出現的車載裝置如可適應於本發明，也應包含在本發明的保護範圍以內，並以 引用方式包含於此。

在一些實施例中，所述儲存器31可以用於儲存電腦程式的程式碼和各種數據。例如，所述儲存器31可以用於儲存安裝在所述車載裝置3中的行車輔助系統30、行車記錄器34所記錄的行車數據37，並在車載裝置3的運行過程中實現高速、自動地完成程式或資料的存取。所述儲存器31可以是包括唯讀儲存器(Read-Only Memory，ROM)、可程式設計唯讀儲存器(Programmable Read-Only Memory，PROM)、可抹除可程式設計唯讀儲存器(Erasable Programmable Read-Only Memory，EPROM)、一次可程式設計唯讀儲存器(One-time Programmable Read-Only Memory，OTPROM)、電子抹除式可複寫唯讀儲存器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、唯讀光碟(Compact Disc Read-Only Memory，CD-ROM)或其他光碟儲存器、磁碟儲存器、磁帶儲存器、或者任何其他能夠用於攜帶或儲存資料的非易失性的電腦可讀的儲存介質。

在一些實施例中，所述至少一個處理器32可以由積體電路組成。例如，可以由單個封裝的積體電路所組成，也可以是由多個相同功能或不同功能封裝的積體電路所組成，包括一個或者多個中央處理器(Central Processing unit，CPU)、微處理器、數文書處理晶片、圖形處理器及各種控制晶片的組合等。所述至少一個處理器32是所述車載裝置3的控制核心(Control Unit)，利用各種介面和線路連接整個車載裝置3的各個部件，透過執行儲存在所述儲存器31內的程式或者模組或者指令，以及調用儲存在所述儲存器31內的數據，以執行車載裝置3的各種功能和處理數據，例如，對車輛進行行車輔助的功能(具體細節參後面對圖1的介紹)。

在一些實施例中，所述GPS系統33可以用於偵測所述車輛100的車速。例如，GPS系統33可以利用接收機測定車輛100的運行軌跡，接收機天線在跟蹤GPS衛星的過程中相對地球而運動，接收機用GPS訊號即時地測得車輛100的狀態參數(例如，瞬間三維位置和三維速度)。

本實施例中，所述行車記錄器34包含攝像頭35和顯示器36。所述行車記錄器34可以利用所述攝像頭35拍攝車輛100行車全過程的視頻圖像，經所述處理器32處理後作為行車數據37儲存在所述儲存器31中。所述行車記錄器34在接收到所述攝像頭35拍攝的影像或者所述處理器32傳達的超速警告資訊後，在所述顯示器36進行相應的顯示。

本實施例中，所述攝像頭35可以安裝在所述車輛100的前擋風玻璃所在位置處，只要使得所述攝像頭35能夠拍攝到軌道限速告示牌和軌道圖像即可。

本實施例中，所述顯示器36可以為能呈現圖像和發出聲音的顯示裝置，例如呈現所述攝像頭35拍攝到的影像畫面，當車輛100車速超出限速時發出超速警告。

本實施例中，所述軌道限速告示牌是指在所述車輛100前進方向相應路段內的軌道的邊緣，用標牌向車輛駕駛者傳遞速度限制資訊的標識。需要說明的是，所述軌道限速告示牌的樣式、安置地點和速度限制資訊，具體根據車輛100所在相應路段內的軌道來定。

本實施例中，所述軌道圖像為車輛100前進方向相應路段內所在軌道的圖像。

本實施例中，行車輔助系統30可以包括一個或多個模組，所述一個或多個模組儲存在所述儲存器31中，並由至少一個或多個處理器(本實施例為處理器32)執行，以實現對車輛進行行車輔助的功能(具體細節參後面對圖1的介紹)。

本實施例中，以軟體功能模組的形式實現的集成的單元，可以儲存在一個非易失性可讀取儲存介質中。上述軟體功能模組包括一個或多個電腦可讀指令，所述車載裝置3或一個處理器(processor)透過執行所述一個或多個電腦可讀指令實現本發明各個實施例的方法的部分，例如圖1所示的對車輛行車輔助的方法。

在進一步的實施例中，結合圖2，所述至少一個處理器32可執行所述車載裝置3的操作裝置以及安裝的各類應用程式(如所述的行車輔助系統30)、程式碼等。

在進一步的實施例中，所述儲存器31中儲存有電腦程式的程式碼，且所述至少一個處理器32可調用所述儲存器31中儲存的程式碼以執行相關的功能。例如，所述行車輔助系統30的各個模組是儲存在所述儲存器31中的程式碼，並由所述至少一個處理器32所執行，從而實現所述各個模組的功能以達到對車輛100行車輔助的目的(詳見下文中對圖1的描述)。

在本發明的一個實施例中，所述儲存器31儲存一個或多個電腦可讀指令，所述一個或多個電腦可讀指令被所述至少一個處理器32所執行以實現行車輔助的目的。具體地，所述至少一個處理器32對上述電腦可讀指令的具體實現方法詳見下文中對圖1的描述。

圖1是本發明較佳實施例提供的車輛行車輔助方法的流程圖。

在本實施例中，所述車輛行車輔助方法可以應用於車輛100的車載裝置3中，對於需要進行行車輔助的車輛100，可以直接在該車輛100的車載裝置3上集成本發明的方法所提供的用於行車輔助的功能，或者以軟體開發套件(Software Development Kit，SDK)的形式運行在所述車載裝置3上。

如圖1所示，所述車輛行車輔助方法具體包括以下步驟，根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。

步驟S1、車載裝置3偵測所述車輛100的車速。

在一個實施例中，所述車載裝置3可以利用GPS系統33偵測所述車輛100的車速。

在其他實施例中，所述車載裝置3也可以利用速度感測器來偵測所述車輛100的車速。該速度感測器安裝於所述車輛100上。

步驟S2、車載裝置3確定所述車輛100的車速是否超過速度閾值。當確定所述車輛100的車速超過所述速度閾值時，執行步驟S3。

本實施例中，所述速度閾值可以為經驗值。例如，該速度閾值可以根據大量的(例如兩千筆)軌道式車輛超速致使脫軌的案例中，每個案例所對應的軌道式車輛的速度來確定，例如該速度閾值可以是部分或所有軌道式車輛超速致使脫軌案例所對應的速度的平均值。

步驟S3、當所述車輛100的車速超過速度閾值時，車載裝置3基於圖像獲得相應路段內車輛100的限速。

本發明可提供多個實施例來實現步驟S3，具體地，在第一實施例中，所述基於圖像獲得所述車輛100的限速包括方法一，該方法一包括：獲取包括限速告示牌的圖像；從所述包括限速告示牌的圖像中截取所述限速告示牌所在的圖像區域；辨識所截取的圖像區域獲得所述車輛100的限速。

在本發明的一個實施例中，車載裝置3可以從行車記錄器34的行車數據37中獲取所述車輛100前進方向相應路段的圖像，先利用圖像識別算法從所述相應路段的圖像中獲取所述包括限速告示牌的圖像，再利用圖像識別算法識別所述包括限速告示牌的圖像中所述限速告示牌所在的圖像區域，最後利用圖像截取方法將所述限速告示牌所在的圖像區域截取出來。

所述圖像識別算法可以為模板匹配法。例如，可以將各種樣式(例如圓形、矩形)的限速告示牌的圖像分別作為不同的多個模板，將每種模板與獲取的圖像進行匹配，以確認所述圖像是否包括限速告示牌。例如，可以採用特徵識別的方式判斷所獲取的圖像中是否包括各類模板中的限速告示牌的圖像特徵。例如，可以從每種模板中獲取不同類型的限速告示牌的圖像特徵，然後根據不同類型的限速告示牌圖像特徵來對所述相應路段的圖像中的限速告示牌進行識別。

若所述相應路段的圖像為所述包括限速告示牌的圖像，當某種模板與所述包括限速告示牌的圖像中的某個區域相匹配時，則確定所述包括限速告示牌的圖像的某個區域為所述限速告示牌所在的圖像區域，利用圖像截取方法 將所述限速告示牌所在的圖像區域從所述包括限速告示牌的圖像中截取出來。所述某種樣式為所述各種樣式中的任意一種。

需要說明的是，圖像截取方法是影像處理中的常見處理方法，在此不加贅述。

在一個實施例中，可以利用圖像識別算法從所述限速告示牌所在的圖像區域中辨識車輛100的限速。

所述圖像識別算法可以為光學字元辨識算法。例如，可以利用拉東(Radon)變換對所截取的圖像區域的文本資訊進行文本校正，之後對所述文本資訊中的文字資訊(例如數位、英文字母)進行提取，由此可以確定所述限速告示牌中的限速。

在本發明提供的第二實施例中，所述基於圖像獲得所述車輛100的限速包括方法二，該方法二：獲取所述車輛100所在軌道的軌道圖像，基於所述軌道圖像計算所述車輛100所在軌道的軌道路徑；基於所述軌道路徑計算所述車輛100所在軌道的軌道彎曲角度；根據所述軌道彎曲角度獲得所述車輛100的限速。

在一個實施例中，可以從行車數據37中獲取所述車輛100所在軌道的軌道圖像，利用圖像識別算法識別所述軌道圖像中的軌道的路徑。

所述圖像識別算法可以為OpenCV識別算法。例如，可以對所述軌道圖像以灰度圖的方式導入，將此灰度圖進行二值化處理，再對二值化後圖片的圖元進行按列掃描求和，從而得到軌道的路徑。需要說明的是，所述軌道的路徑通常為有弧度的曲線。

需要說明的是，軌道彎曲角度也即是所述軌道的路徑所對應的有弧度的曲線的彎曲角度。利用弧度曲線計算曲線彎曲角度，利用彎曲角度計算角速度，並進一步利用角速度計算車輛行駛限速。

在本發明提供的第三實施例中，所述基於圖像獲得所述車輛100的限速包括方法三，該方法三包括： 利用訓練樣本訓練數據庫；獲取軌道圖像，利用所述數據庫基於所述軌道圖像獲得所述車輛100的限速。

所述數據庫可以是車載裝置3利用大量訓練樣本基於Python語言所訓練而成的圖像分類器。例如，車載裝置3可以收集預設數量(如10萬份)的訓練樣本，每份訓練樣本包括一張軌道圖像，以及與每張軌道圖像對應的車輛限速，基於所述預設數量的訓練樣本對神經網路進行訓練，由此獲得所述數據庫。在這裡，每張軌道圖像對應的車輛限速可以利用方法二或其他方法來獲知。

在本發明提供的第四實施例中，所述基於圖像獲得所述車輛100的限速包括方法四：將利用所述方法一、方法二與方法三取得的限速中的最低限速作為所述車輛100的限速。

步驟S4、車載裝置3確定所述車輛100的車速是否超過所述限速。當確定所述車輛100的車速超過所述限速時，執行S5。

步驟S5、車載裝置3發出警告。

本實施例中，車載裝置3可利用顯示器36發出警告，所述顯示器36發出警告可以是所述顯示器36呈現警示圖樣或發出警告聲。在其他實施例中，還可透過其他設備(例如，揚聲器等)發出語音警告。此外，還可將警告發送至預設的終端設備(例如，指定用戶的手機)以提醒車速控制。

在本發明所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，可以透過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。

所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。

另外，在本發明各個實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。

對於本領域技術人員而言，顯然本發明不限於上述示範性實施例的細節，而且在不背離本發明的精神或基本特徵的情況下，能夠以其他的具體形式實現本發明。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本發明的範圍由所附請求項而不是上述說明限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本發明內。不應將請求項中的任何附圖標記視為限制所涉及的請求項。此外，顯然“包括”一詞不排除其他單元或，單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。

最後所應說明的是，以上實施例僅用以說明本發明的技術方案而非限制，儘管參照以上較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或等同替換，而不脫離本發明技術方案的精神和範圍。

Claims (6)

1. 一種車輛行車輔助方法，其中，該方法包括：偵測車輛的車速；當所述車輛的車速超過速度閾值時，基於圖像獲得相應路段內車輛的限速，其中，所述基於圖像獲得所述車輛的限速包括：方法一：獲取包括限速告示牌的圖像；從所述包括限速告示牌的圖像中截取所述限速告示牌所在的圖像區域；及辨識所截取的圖像區域獲得所述車輛的限速；方法二：獲取所述車輛所在軌道的軌道圖像，基於所述軌道圖像計算所述車輛所在軌道的軌道路徑；基於所述軌道路徑計算所述車輛所在軌道的軌道彎曲角度；及根據所述軌道彎曲角度獲得所述車輛的限速；方法三：利用訓練樣本訓練數據庫；及獲取軌道圖像，利用所述訓練的數據庫基於所述軌道圖像獲得所述車輛的限速；將利用所述方法一、方法二與方法三取得的限速中的最低限速作為所述車輛的限速；及當所述車輛的車速超過所述相應路段內車輛的限速時，發出警告。
2. 如請求項1所述的車輛行車輔助方法，其中，所述利用訓練樣本訓練數據庫包括：獲得預設數量的軌道圖像；獲得所述預設數量的軌道圖像中的每張軌道圖像所對應的限速；及將所述預設數量的軌道圖像以及對應的限速作為訓練樣本訓練所述數據庫。
3. 如請求項1所述的車輛行車輔助方法，其中，所述數據庫為：基於Python語言訓練得到的圖像分類器。
4. 一種電腦可讀儲存介質，其中，所述電腦可讀儲存介質儲存有 至少一個指令，所述至少一個指令被處理器執行時實現如請求項1至3中任意一項的所述車輛行車輔助方法。
5. 一種車載裝置，其中，所述車載裝置包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現如請求項1至3中任意一項的所述車輛行車輔助方法。
6. 一種車輛，其中，所述車輛包括如請求項5所述的車載裝置。

Images