辅助驾驶方法、装置、存储介质及电子设备制造方法及图纸

本申请实施例公开了一种辅助驾驶方法、装置、存储介质及电子设备，辅助驾驶方法包括：获取拍摄的图像，以及所述图像中至少两个限定框预测信息；获取每一个所述限定框预测信息对应的像素矩阵；根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值；当所述目标概率值大于概率阈值时，确定所述图像中包括前车图像，并根据所述图像得到前车位置信息；根据获取的当前速度和所述前车位置信息得到前车速度和前车距离，并根据所述前车速度和所述前车距离确定跟随策略。可以提高前车识别的准确度。

【技术实现步骤摘要】
辅助驾驶方法、装置、存储介质及电子设备
本申请涉及电子
，特别涉及一种辅助驾驶方法、装置、存储介质及电子设备。
技术介绍
随着电子技术的发展，诸如智能手机等电子设备的智能化程度越来越高。例如，用户可以利用电子设备实现导航功能。在一些相关技术中，有些电子设备还可以进行前车识别，并通过前车识别的结果提供跟随策略。但是，相关技术中的电子设备对前车识别不准确。
技术实现思路
本申请实施例提供一种辅助驾驶方法、装置、存储介质及电子设备，能够提高前车识别的准确度。第一方面，本申请实施例提供一种辅助驾驶方法，其包括：获取拍摄的图像，以及所述图像中包括前车的至少两个限定框预测信息；获取每一个所述限定框预测信息对应的像素矩阵；根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值；当所述目标概率值大于概率阈值时，确定所述图像中包括前车图像，并根据所述图像得到前车位置信息；根据获取的当前速度和所述前车位置信息得到前车速度和前车距离，并根据所述前车速度和所述前车距离确定跟随策略。第二方面，本申请实施例还提供了一种辅助驾驶装置，其包括：限定框预测信息获取模块，用于获取拍摄的图像，以及所述图像中包括前车的至少两个限定框预测信息；像素矩阵获取模块，用于获取每一个所述限定框预测信息对应的像素矩阵；目标概率获取模块，用于根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值；<br>前车位置信息获取模块，用于当所述目标概率值大于概率阈值时，确定所述图像中包括前车图像，并根据所述图像得到前车位置信息；确定模块，用于根据获取的当前速度和所述前车位置信息得到前车速度和前车距离，并根据所述前车速度和所述前车距离确定跟随策略。第三方面，本申请实施例还提供一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述辅助驾驶方法的步骤。第四方面，本申请实施例还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述辅助驾驶方法的步骤。本申请实施例提供的辅助驾驶方法、装置、存储介质及电子设备，其先获取包括至少两个限定框预测信息；然后获取每一个所述限定框预测信息对应的像素矩阵；接着根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值；当所述目标概率值大于概率阈值时，确定所述图像中包括前车图像，并根据所述图像得到前车位置信息；根据获取的当前速度和所述前车位置信息得到前车速度和前车距离，并根据所述前车速度和所述前车距离确定跟随策略。可以提高前车识别的准确度。附图说明为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，对于本领域技术人员来讲，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为本申请实施例提供的辅助驾驶方法的应用场景示意图。图2为本申请实施例提供的辅助驾驶方法的流程示意图。图3为本申请实施例提供的辅助驾驶方法的另一应用场景示意图。图4为本申请实施例提供的辅助驾驶装置的结构示意图。图5为本申请实施例提供的电子设备的第一种结构示意图。图6为本申请实施例提供的电子设备的第二种结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请的保护范围。请参阅图1，图1为本申请实施例提供的辅助驾驶方法的应用场景示意图。辅助驾驶方法应用于电子设备。电子设备可以是智能手机、平板电脑、游戏设备、增强现实(AugmentedReality，AR)设备、汽车、数据存储装置、音频播放装置、视频播放装置、笔记本、桌面计算设备、可穿戴设备诸如手表、眼镜、头盔、电子手链、电子项链、电子衣物等设备。电子设备中设置有全景感知架构。全景感知架构为电子设备中用于实现辅助驾驶方法的硬件和软件的集成。其中，全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。信息感知层用于获取电子设备自身的信息和/或外部环境中的信息。信息感知层可以包括多个传感器。例如，信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。其中，距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器，可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。数据处理层用于对信息感知层获取到的数据进行处理。例如，数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。其中，数据清理是指对信息感知层获取到的大量数据进行清理，以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度，以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等，以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下，最大限度的精简数据量。特征抽取层用于对数据处理层处理后的数据进行特征抽取，以提取数据中包括的特征。提取到的特征可以反映出电子设备自身的状态或者用户的状态或者电子设备所处环境的环境状态等。其中，特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。过滤法是指对提取到的特征进行过滤，以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起，以构建一种更加高效、更加准确的特征提取方法，用于提取特征。情景建模层用于根据特征抽取层提取到的特征来构建模型，所得到的模型可以用于表示电子设备的状态或者用户的状态或者环境状态等。例如，情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。智能服务层用于根据情景建本文档来自技高网...

【技术保护点】
1.一种辅助驾驶方法，其特征在于，包括：/n获取拍摄的图像，以及所述图像中至少两个限定框预测信息；/n获取每一个所述限定框预测信息对应的像素矩阵；/n根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值；/n当所述目标概率值大于概率阈值时，确定所述图像中包括前车图像，并根据所述图像得到前车位置信息；/n根据获取的当前速度和所述前车位置信息得到前车速度和前车距离，并根据所述前车速度和所述前车距离确定跟随策略。/n

【技术特征摘要】
1.一种辅助驾驶方法，其特征在于，包括：
获取拍摄的图像，以及所述图像中至少两个限定框预测信息；
获取每一个所述限定框预测信息对应的像素矩阵；
根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值；
当所述目标概率值大于概率阈值时，确定所述图像中包括前车图像，并根据所述图像得到前车位置信息；
根据获取的当前速度和所述前车位置信息得到前车速度和前车距离，并根据所述前车速度和所述前车距离确定跟随策略。


2.根据权利要求1所述的辅助驾驶方法，其特征在于，所述根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值包括：
所述预设特征算法包括第一特征算法和第二特征算法，根据所述第一特征算法从所述图像提取第一图像特征，根据所述第二特征算法从所述图像提取第二图像特征；
所述预测算法包括第一预测算法和第二预测算法，将所述第一特征输入所述第一预测算法得到第一概率值，将所述第二特征输入所述第二预测算法得到第二概率值；
将所述第一概率值和所述第二概率值融合，得到目标概率值。


3.根据权利要求2所述的辅助驾驶方法，其特征在于，所述根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值包括：
根据方向梯度直方图特征算法获取所述像素矩阵的第一子图像特征，根据HAAR算法获取所述像素矩阵的第二子图像特征；
将所述第一子图像特征和所述第二子图像特征合并得到第一图像特征；
根据主成分分析算法从所述像素矩阵中提取第二图像特征；
将所述第一图像特征输入支持向量机算法得到第一概率值；
将所述第二图像特征输入神经网络算法得到第二概率值；
将所述第一概率值和所述第二概率值融合，得到目标概率值。


4.根据权利要求1所述的辅助驾驶方法，其特征在于，所述根据预设特征算法从所述像素矩阵中提取图像特征，并将所述图像特征输入预测算法得到目标概率值包括：
根据方向梯度直方图特征算法获取所述像素矩阵的图像特征，或根据HAAR算法获取所述像素矩阵的图像特征；
将所述图像特征输入支持向量机算法得到目标概率值。

...

【专利技术属性】
技术研发人员：陈仲铭，何明，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44