一种汽车行驶中前方坑洞的预判方法及系统技术方案

本发明专利技术公开了一种汽车行驶中前方坑洞的预判方法及系统，包括以下步骤，训练模块根据实际采集的路况数据对坑洞预判算法模型进行训练，并将训练后的坑洞预判算法模型数据通过管理模块同步给所有车辆；采集模块在汽车行驶时采集道路前方的图片；处理模块基于坑洞预判算法模型对采集到的图片进行计算并预测前方的坑洞情况。本发明专利技术的有益效果：通过深度学习技术结合云端校正技术，做到实时的预测并不断的自主学习，达到路况的即时预测，最大限的减少了事故的发生。

A method and system for predicting the front hole of a car

The invention discloses a method and a system for predicting a pit ahead of a vehicle in driving, which comprises the following steps: the training module trains the pit ahead algorithm model according to the actual collected road condition data, and passes the trained pit ahead algorithm model data to all vehicles through the management module at the same step; the collection module collects the pictures in front of the road when the vehicle is driving; the processing module Based on the prediction algorithm model of the pit, the collected images are calculated and the pit conditions in front of them are predicted. The beneficial effect of the invention: through deep learning technology combined with cloud correction technology, real-time prediction and continuous independent learning can be achieved, real-time prediction of road conditions can be achieved, and accidents can be reduced to the maximum extent.

【技术实现步骤摘要】
一种汽车行驶中前方坑洞的预判方法及系统
本专利技术涉及车辆行驶时的道路预判
，尤其涉及一种汽车行驶中前方坑洞的预判方法及系统。
技术介绍
近年来，用户驾驶汽车在高速行驶过程中，经常因为无法预判前方的坑洼路面而以较快的速度行驶，致使车辆地盘与地面激烈碰撞损害车辆甚至致使车辆失控发生事故。因此如果能够在车辆行驶中，对前方几百米左右的坑洼路况做到实时分析并即时给驾驶员预警提示，甚至在必要时候智能控制车辆减速来规避坑面导致的危险，将极大的减少因为路面坑洼导致的事故或者车辆的损害。现有的相关技术包括人工识别并报告车辆外部运行环境的车载系统，其他装有此系统的车辆可以收到上报的信息并在行经此处时候给车主做出安全预警；或基于智能手机的路面坑洞探测方法，能通过收集手机在行驶过程中产生的运动数据，分析出路面的颠簸情况检测路面坑洞的探测方法。以上技术存在很多的不足之处：如无法实时明确预警到驾驶人员前方坑洞情况；需要人工上报故障，处理方式不够智能化；依赖手机能测试设备，计算出的数据不够精确、受外界干扰较大，容易产生误报等。
技术实现思路
本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。鉴于上述现有存在的问题，提出了本专利技术。因此，本专利技术解决的其中一个技术问题是：提供一种汽车行驶中前方坑洞的预判方法，能够根据前方路面场景或者服务端上报数据，实时分析前方路况情况，从而对驾驶者进行预警以及辅助车辆的行驶。为解决上述技术问题，本专利技术提供如下技术方案：一种汽车行驶中前方坑洞的预判方法，包括以下步骤，训练模块根据实际采集的路况数据对坑洞预判算法模型进行训练，并将训练后的坑洞预判算法模型数据通过管理模块同步给所有车辆；采集模块在汽车行驶时采集道路前方的图片；处理模块基于坑洞预判算法模型对采集到的图片进行计算并预测前方的坑洞情况。作为本专利技术所述的汽车行驶中前方坑洞的预判方法的一种优选方案，其中：所述对坑洞预判算法模型进行训练包括以下步骤，采集模块在汽车行驶时采集前方的路况图片和汽车行驶信息；对采集到的路况图片进行处理，并通过坑洞预判算法模型预测路面的坑洞信息；对采集到的汽车行驶信息进行处理并根据加速度信息计算路面的坑洞信息；对比根据路况图片预测的路面坑洞信息和根据汽车行驶信息计算的路面坑洞信息，当坑洞信息不一致时，将采集模块采集到的路况图片和汽车行驶信息作为训练数据上传至管理模块。作为本专利技术所述的汽车行驶中前方坑洞的预判方法的一种优选方案，其中：所述采集模块包括图片采集装置，用于采集前方路面的图片，且图片格式为RGB格式，清晰采集的范围为前方200m距离。作为本专利技术所述的汽车行驶中前方坑洞的预判方法的一种优选方案，其中：所述采集模块还包括行驶信息采集装置，采集到的汽车行驶信息包括汽车行驶时在垂直坐标系三个方向上的加速度、振动幅度和频率、行驶速度以及时间。作为本专利技术所述的汽车行驶中前方坑洞的预判方法的一种优选方案，其中：所述处理模块包括人工智能计算机JetsonNano，所述采集模块的图片采集装置通过USB接口与处理模块相连接。作为本专利技术所述的汽车行驶中前方坑洞的预判方法的一种优选方案，其中：所述对路况图片进行实时处理包括以下步骤，图片的灰度化、边缘提取、几何校正和拼接融合。作为本专利技术所述的汽车行驶中前方坑洞的预判方法的一种优选方案，其中：所述坑洞预判算法模型预测路面的坑洞信息包括以下步骤，建立三维测量模型，计算图片采集装置采集图片时的两点间距离dAB；对坑洞图像进行标定和大小的测算，得到坑洞的长度和宽度信息；根据采集图片计算坑洞的深度信息。作为本专利技术所述的汽车行驶中前方坑洞的预判方法的一种优选方案，其中：所述根据汽车行驶信息计算坑洞信息包括以下步骤，对汽车行驶信息进行处理，包括去噪和分段；计算坑洞的深度值，计算公式如下：δ＝ln(η)其中，y为坑洞深度，p为振动频率，η为振幅递减比，t为振动时间；根据行驶速度和经过坑洞的时间获得坑洞的轮廓值。本专利技术解决的另一个技术问题是：提出一种汽车行驶中前方坑洞的预判系统，应用上述汽车行驶中前方坑洞的预判方法来预测汽车行驶时前方的坑洞。为解决上述技术问题，本专利技术提供如下技术方案：一种汽车行驶中前方坑洞的预判系统，包括，采集模块，所述采集模块包括图片采集装置和行驶信息采集装置，用于采集车辆行驶时前方的图片和汽车行驶信息；处理模块，所述处理模块与所述采集模块相连，接收图片并通过坑洞预判算法模型计算坑洞信息；训练模块，所述训练模块能够根据图片和汽车行驶信息训练所述处理模块的坑洞预判算法模型。作为本专利技术所述的汽车行驶中前方坑洞的预判系统的一种优选方案，其中：还包括，管理模块，所述管理模块用于接收所述训练模块的训练数据并将其同步至所述处理模块，且所述管理模块能够接收所述处理模块上报的坑洞信息。本专利技术的有益效果：本专利技术提供的汽车行驶中前方坑洞的预判方法及系统，通过采集信息并对坑洞预判算法模型进行训练，得到可靠的坑洞预判算法模型，并通过云端同步到汽车上的处理模块，汽车在行驶时能够根据前方路面场景，实时分析前方路况情况，从而对驾驶者进行预警以及辅助车辆的行驶，同时云端还能接收汽车行驶时遇到的坑洞信息数据并将其同步至其它汽车上，辅助汽车进行坑洞的预判。附图说明为了更清楚地说明本专利技术实施例的技术方案，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，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本专利技术第一种实施例所述汽车行驶中前方坑洞的预判方法的整体流程示意图；图2为本专利技术第一种实施例所述汽车行驶中前方坑洞的预判方法中采集模块采集图片的示意图；图3为本专利技术第一种实施例所述汽车行驶中前方坑洞的预判方法云端的接收和同步示意图；图4为本专利技术第二种实施例所述汽车行驶中前方坑洞的预判系统的整体原理结构示意图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通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，都应当属于本专利技术的保护的范围。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。其次，此处所称的“一个实施例”或“实施例”是指可包含于本专利技术至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出本文档来自技高网...

【技术保护点】
1.一种汽车行驶中前方坑洞的预判方法，其特征在于：包括以下步骤，/n训练模块(300)根据实际采集的路况数据对坑洞预判算法模型进行训练，并将训练后的坑洞预判算法模型数据通过管理模块(400)同步给所有车辆；/n采集模块(100)在汽车行驶时采集道路前方的图片；/n处理模块(200)基于坑洞预判算法模型对采集到的图片进行计算并预测前方的坑洞情况。/n

【技术特征摘要】
1.一种汽车行驶中前方坑洞的预判方法，其特征在于：包括以下步骤，
训练模块(300)根据实际采集的路况数据对坑洞预判算法模型进行训练，并将训练后的坑洞预判算法模型数据通过管理模块(400)同步给所有车辆；
采集模块(100)在汽车行驶时采集道路前方的图片；
处理模块(200)基于坑洞预判算法模型对采集到的图片进行计算并预测前方的坑洞情况。


2.如权利要求1所述的汽车行驶中前方坑洞的预判方法，其特征在于：所述对坑洞预判算法模型进行训练包括以下步骤，
采集模块(100)在汽车行驶时采集前方的路况图片和汽车行驶信息；
对采集到的路况图片进行处理，并通过坑洞预判算法模型预测路面的坑洞信息；
对采集到的汽车行驶信息进行处理并根据加速度信息计算路面的坑洞信息；
对比根据路况图片预测的路面坑洞信息和根据汽车行驶信息计算的路面坑洞信息，当坑洞信息不一致时，将采集模块(100)采集到的路况图片和汽车行驶信息作为训练数据上传至管理模块(400)。


3.如权利要求2所述的汽车行驶中前方坑洞的预判方法，其特征在于：所述采集模块(100)包括图片采集装置(101)，用于采集前方路面的图片，且图片格式为RGB格式，清晰采集的范围为前方200m距离。


4.如权利要求3所述的汽车行驶中前方坑洞的预判方法，其特征在于：所述采集模块(100)还包括行驶信息采集装置(102)，采集到的汽车行驶信息包括汽车行驶时在垂直坐标系三个方向上的加速度、振动幅度和频率、行驶速度以及时间。


5.如权利要求4所述的汽车行驶中前方坑洞的预判方法，其特征在于：所述处理模块(200)包括人工智能计算机JetsonNano，所述采集模块(100)的图片采集装置(101)通过USB接口与处理模块(200)相连接。


6.如...

【专利技术属性】
技术研发人员：张福强，
申请(专利权)人：西藏宁算科技集团有限公司，的卢技术有限公司，西藏宁算信息科技有限公司，北京宁算科技有限公司，
类型：发明
国别省市：西藏;54