用于车辆的自行车检测系统和方法以及车辆技术方案

本公开公开了一种自行车检测系统和方法以及配备有该系统的车辆。系统包括：图像采集单元，被配置为采集车辆周围环境的图像；处理器，被配置为：从所采集的图像中识别出自行车；检测自行车的踩踏状态；以及至少部分基于踩踏状态来对自行车的运动进行预测。该方案可以允许对自行车的运动更准确的预测，并且可以由此减少与自行车的碰撞。

【技术实现步骤摘要】
用于车辆的自行车检测系统和方法以及车辆
本公开涉及车辆领域，并且更具体地，涉及用于车辆的自行车检测系统和方法，以及装备有该系统的车辆。
技术介绍
车辆上已经有可以用于检测车辆周围的对象的设备或系统，以便有助于驾驶期间的操作。通常，检测是通过对由安装在车辆上的传感器(例如，照相机、或超声波传感器)采集的与车辆的周围环境有关的数据进行处理来完成的。基于这样的检测，对象的运动可以被预测，并且由此，驾驶者可以得到对可能的碰撞的警告，以使得可以采取合适的动作来确保安全驾驶。对象的一个示例是骑行中的自行车，相比于其他对象(例如，车辆或行人)，要对自行车的运动进行预测，可能困难得多。
技术实现思路
提供了本公开的实施例，以用于解决上面讨论的问题。事实上，本公开的实施例给出了一种自行车检测系统和方法，其可以提供对自行车的运动的更好地预测。下文给出了对本公开的一个或多个方面的简要概述，以便于提供对这些方面的基本理解。在本公开的一个示例性实施例中，提供了一种用于车辆的自行车检测系统，包括：图像采集单元，被配置为采集车辆周围环境的图像；处理器，被配置为：从所采集的图像中识别出自行车；检测所述自行车的踩踏状态；以及至少部分基于所述踩踏状态来对所述自行车的运动进行预测。可选地，处理进一步被配置为至少部分基于自行车的踩踏频率的变化来对所述自行车的运动进行预测。可选地，处理器进一步被配置为：从所述图像中识别所述自行车的结构特征；基于识别的结构特征来确定所述自行车的基于齿轮的分类；以及基于所述踩踏频率的变化和所述分类来对所述自行车的运动进行预测。可选地，处理器进一步被配置为识别与所述自行车的齿轮、飞轮、刹车组件、或其任何组合相关联的结构特征。可选地，自行车的基于齿轮的分类包括单速自行车、变速自行车、以及死飞自行车。可选地，处理器进一步被配置为：如果识别到单个的后齿轮，则将所述自行车确定为单速自行车；如果识别到多个后齿轮，则将所述自行车确定为变速自行车；以及如果没有识别到飞轮和/或刹车组件，则将所述自行车识别为死飞自行车。可选地，处理器进一步被配置为：如果检测到所述自行车的所述踩踏频率下降到零，则预测所述自行车的滑行状态。可选地，处理器进一步被配置为：针对单速自行车，如果检测到所述踩踏频率正在下降，则预测该自行车的减速，并且如果检测到所述踩踏频率正在增加，则预测该自行车的加速；针对变速自行车，如果检测到所述踩踏频率的突然下降，则预测该自行车的加速，并且如果检测到所述踩踏频率的突然增加，则预测该自行车的减速。可选地，处理器进一步被配置为通过计算时间窗内的多个图像的踩踏频率来检测所述踩踏频率的变化。可选地，处理器进一步被配置为通过检测所述自行车的踏板、或所述自行车的骑行者的腿或脚的运动的变化来检测所述踩踏频率的变化。可选地，系统还包括一个或多个传感器，用于获取与所述车辆和/或所述自行车的行驶相关联的数据；所述处理器进一步被配置为基于所述数据和对所述自行车的运动的预测来辅助所述车辆的驾驶。可选地，处理器进一步被配置为基于所述数据和对所述自行车的运动的预测来估计潜在碰撞的可能性，并且基于所述估计来发出警报。在另一个示例性实施例中，提供了一种车辆，配备有上述的系统。在又一个示例性实施例中，提供了一种用户车辆的自行车检测方法，包括：从采集的所述车辆的周围环境的图像中识别出自行车；检测所述自行车的踩踏状态；以及至少部分基于所述踩踏状态来对所述自行车的运动进行预测。可选地，检测所述自行车的踩踏状态包括检测所述自行车的踩踏频率的变化。可选地，方法还包括：从所述图像中识别所述自行车的结构特征；以及基于识别的结构特征来确定所述自行车的基于齿轮的分类；对自行车的运动的预测进一步包括：基于踩踏频率的变化和分类来对所述自行车的运动进行预测。可选地，识别所述自行车的机构特征包括识别与所述自行车的齿轮、飞轮、刹车组件、或其任何组合相关联的结构特征。在本公开的进一步的示例性实施例中，提供了一种自行车检测装置，包括：识别单元，用于从采集的车辆的周围环境的图像中识别出自行车；检测单元，用于检测所述自行车的踩踏状态；以及预测单元，用于至少部分基于所述踩踏状态来对所述自行车的运动进行预测。根据本公开的一些实施例，基于识别出的自行车的踩踏状态来对自行车的运动进行预测，以使得可以获得更准确的预测并且可以由此减少与自行车的碰撞。附图说明为了清楚地示出本公开的实施例中的技术方案，下面给出在对实施例的描述中所需要的附图的简要介绍。显而易见地，下文描述的附图是本公开的一些实施例，基于这些附图，本领域普通技术人员可以获得其他的附图，而不需要任何创造性的劳动。图1是示出了根据本公开的实施例的示例性自行车检测系统的示意图。图2是示出了根据本公开的另一个实施例的示例性自行车检测系统的示意图。图3是示出了根据本公开的实施例的自行车检测方法的示意流程图。图4是示出了根据本公开的一些实施例的自行车检测装置的框图。具体实施方式下文结合附图阐述的具体实施方式旨在作为对各种配置的描述而不是要表示本文描述的概念和特征仅能在其中实现的配置。下文的描述包括具体的细节，以用于提供对各种概念的充分理解。然而，对本领域技术人员显而易见的是，这些概念可以在没有这些具体细节的情况下实现。驾驶辅助系统(DAS)能够例如从由照相机捕获的车辆的周围环境的图像中识别出位于车辆附近的对象(例如，行人、其他车辆、以及障碍物)。此外，通过安装在车辆上的各种传感器，与这些对象相关联的各种数据(例如，位置、尺寸、以及速度)可以被获取，并且因此能够对这些对象的运动进行预测。进一步地，基于该预测，可以提供警报或引导以避免诸如碰撞或刮擦等的事故。对于诸如车辆等的对象，该方案可以很好地工作，但是，当应用于对骑行中的自行车的预测时，可能存在挑战。一般地，如交通规则所要求的，车辆在道路上的某个车道上行驶，并且其运动和行为是规则和稳定的。此外，在必要时，车辆可以鸣笛或打开车灯，以给出对其接下来的动作的指示。结合上文所描述的图像以及各种传感器数据，车辆的行为是容易预测的。然而，自行车的行为并不能如此容易地被确定。例如，在骑行中，骑行者可能随意地改变其路线或速度，有时甚至忽略交通规则。对诸如距离和位置等的数据的简单收集可能不足以准确地预测自行车的行为。实施例旨在提供对自行车的运动的预测，这样的预测至少部分基于自行车的踩踏状态。在整个本公开中给出的各种概念可以在各种车辆中实现，包括运动型汽车、客车、多功能车(SUV)、混合动力车辆(HEV)、电瓶车、卡车等。然而，本领域技术人员将理解，这些仅出于例示目的被提供，并且本公开的一个或多个方面可以实现或包括在一个或多个其他类型的车辆中。图1示出了根据本公开的一个实施例的用于车辆的自行车检测系统。该系统可以作为车辆上的驾驶辅助系统(DAS)的一部分。如图1中所示，系统包括由车载网络13耦合在一起的图像采集单元11和处理器12。车载网络13的示例可以包括CAN或Flexray。图像采集单元11可以被配置为采集车辆周围环境的图像。在本公开的一些实施例中，图像采集单元11可以是安装在车辆上的照相机，例如，RGB或红外照相机。处理器12可以是诸如中央处理单元(CPU)、微控制单元(MCU)、数字信号处理器(DSP)等本文档来自技高网...

【技术保护点】
一种用于车辆的自行车检测系统，包括：图像采集单元，被配置为采集车辆周围环境的图像；处理器，被配置为：从所采集的图像中识别出自行车；检测所述自行车的踩踏状态；以及至少部分基于所述踩踏状态来对所述自行车的运动进行预测。

【技术特征摘要】
1.一种用于车辆的自行车检测系统，包括：图像采集单元，被配置为采集车辆周围环境的图像；处理器，被配置为：从所采集的图像中识别出自行车；检测所述自行车的踩踏状态；以及至少部分基于所述踩踏状态来对所述自行车的运动进行预测。2.根据权利要求1所述的系统，其中，所述处理器进一步被配置为至少部分基于所述自行车的踩踏频率的变化来对所述自行车的运动进行预测。3.根据权利要求2所述的系统，其中，所述处理器进一步被配置为：从所述图像中识别所述自行车的结构特征；基于识别的结构特征来确定所述自行车的基于齿轮的分类；以及基于所述踩踏频率的变化和所述分类来对所述自行车的运动进行预测。4.根据权利要求3所述的系统，其中，所述处理器进一步被配置为识别与所述自行车的齿轮、飞轮、刹车组件、或其任何组合相关联的结构特征。5.根据权利要求3或4所述的系统，其中，所述自行车的基于齿轮的分类包括单速自行车、变速自行车、以及死飞自行车。6.根据权利要求5所述的系统，其中，所述处理器进一步被配置为：如果识别到单个的后齿轮，则将所述自行车确定为单速自行车；如果识别到多个后齿轮，则将所述自行车确定为变速自行车；以及如果没有识别到飞轮和/或刹车组件，则将所述自行车识别为死飞自行车。7.根据权利要求1-6中任一项所述的系统，其中，所述处理器进一步被配置为：如果检测到所述自行车的所述踩踏频率下降到零，则预测所述自行车的滑行状态。8.根据权利要求3所述的系统，其中，所述处理器进一步被配置为：针对单速自行车，如果检测到所述踩踏频率正在下降，则预测该自行车的减速，并且如果检测到所述踩踏频率正在增加，则预测该自行车的加速；针对变速自行车，如果检测到所述踩踏频率的突然下降，则预测该自行车的加速，并且如果检测到所述踩踏频率的突然增加，则预测该自行车的减速。9.根据权利要求2...

【专利技术属性】
技术研发人员：唐帅，吕尤，
申请(专利权)人：奥迪股份公司，
类型：发明
国别省市：德国,DE