基于车载摄像头的汽车碰撞预测系统和方法技术方案

本发明专利技术提供基于车载摄像头的汽车碰撞预测系统和方法，该系统包括：视频数据获取模块获取车载摄像头采集的视频数据；运动尺度变化模块根据获取的视频数据的光流变化和前景尺度变化，获取视频数据的尺度变化特征；LGMD脉冲神经网络模块根据获取的尺度变化特征，基于LGMD脉冲神经网络模型获取运动靠近特征；运动方向交叉模块根据获取的视频数据获取自身与前景物体的运动交叉特征；碰撞预测模块根据获取的运动靠近特征和运动交叉特征，基于碰撞预测神经网络模型进行碰撞预测处理，输出碰撞时间预测结果和碰撞位置预测结果。本发明专利技术能够实现车辆对危险运动目标的碰撞预测，有助于提高自动驾驶技术的安全性。自动驾驶技术的安全性。自动驾驶技术的安全性。

【技术实现步骤摘要】
基于车载摄像头的汽车碰撞预测系统和方法


[0001]本专利技术涉及自动驾驶
，特别是基于车载摄像头的汽车碰撞预测系统和方法。

技术介绍

[0002]现有的自动驾驶技术主要处于L3～L4阶段，向L5完全自动化的阶段迈进是当前自动驾驶发展的迫切需求之一。在车辆驾驶智能化的浪潮下，保证驾驶的安全性，避免潜在的碰撞是自动驾驶核心技术之一。当前自动驾驶技术中，车辆运动的信号通常由多个部分组成，同时车辆将在不同自然条件、不同的道路环境类型、不同的交通状况等场景下行驶，导致对复杂多变的道路场景中的危险运动目标进行碰撞预测依然非常困难。
[0003]当前自动驾驶中提前预测可能发生的碰撞所采取的技术手段主要通过雷达技术融合高清地图的方式实现，其主要分为毫米波雷达和激光雷达两种。毫米波雷达利用波长介于1～10mm的电磁波来工作，其波长介于厘米波和光波之间，换算成频率后，毫米波的频率位于30GHz到300GHz之间，目前国内外主流汽车毫米波雷达频段为24GHz(用于中短距离雷达，15
‑
30米)和77GHz(用于长距离雷达，100...

【技术保护点】

【技术特征摘要】
1.基于车载摄像头的汽车碰撞预测系统，其特征在于，包括：视频数据获取模块，用于获取车载摄像头采集的视频数据，将视频数据分别传输至运动尺度变化模块和运动方向交叉模块；运动尺度变化模块，用于根据获取的视频数据的光流变化和前景尺度变化，获取视频数据的尺度变化特征，并将尺度变化特征输出至LGMD脉冲神经网络模块；LGMD脉冲神经网络模块，用于根据获取的尺度变化特征，基于训练好的LGMD脉冲神经网络模型获取运动靠近特征，将运动靠近特征输出至碰撞预测模块；运动方向交叉模块，用于根据获取的视频数据获取自身与前景物体的运动交叉特征，将运动交叉特征输出至碰撞预测模块；碰撞预测模块，用于根据获取的运动靠近特征和运动交叉特征，基于训练好的碰撞预测神经网络模型进行碰撞预测处理，输出碰撞时间预测结果和碰撞位置预测结果。2.根据权利要求1所述的基于车载摄像头的汽车碰撞预测系统，其特征在于，所述车载摄像头的镜头对准车辆前方，用于拍摄车辆驾驶视觉下的视频数据。3.根据权利要求1所述的基于车载摄像头的汽车碰撞预测系统，其特征在于，视频数据获取模块根据接收到的所述视频数据，将连续的视频帧序列按时间顺序依次分别传输至运动尺度变化模块和运动方向交叉模块。4.根据权利要求1所述的基于车载摄像头的汽车碰撞预测系统，其特征在于，运动尺度变化模块，根据获取的视频数据的光流变化和前景尺度变化，获取视频数据的尺度变化特征，具体包括：获取由数据获取模块传输的视频帧序列；基于获取的视频帧序列，采用光流提取神经网络计算当前视频帧的光流场，并针对光流场进行局部线性变换，并对局部线性变换后的矩阵进行行列式计算获取初级逐像素尺度变化特征，基于获取的初级逐像素尺度变化特征，使用训练好的尺度变化神经网络来计算获取精细逐像素光流尺度变化特征作为第一尺度特征；基于获取的视频帧序列，计算视频中前景物体的相邻帧前景运动信息，然后通过训练好的尺度特征神经网络获取相邻帧的尺度特征；将当前帧的尺度特征进行尺度变换，获取当前帧的尺度变换特征，并将获取的当前帧的尺度变换特征与前一帧的尺度特征进行对比变换，得到前景尺度变化特征作为第二尺度特征；其中所述尺度变化特征根据所述第一尺度特征和所述第二尺度特征进行融合处理所得。5.根据权利要求4所述的基于车载摄像头的汽车碰撞预测系统，其特征在于，LGMD脉冲神经网络模块，根据获取的尺度变化特征，基于训练好的LGMD脉冲神经网络模型获取运动靠近特征，具体包括：所述训练好的LGMD脉冲神经网络模型包括感知层、激励层、抑制层、汇合...

【专利技术属性】
技术研发人员：梁雪峰，张松，雷国栋，陈伟烨，
申请(专利权)人：西安电子科技大学广州研究院，
类型：发明
国别省市：