一种基于卷积神经网络的前向碰撞预警优化方法及系统技术方案

本发明专利技术涉及车辆辅助驾驶技术领域，公开了一种基于卷积神经网络的前向碰撞预警优化方法及系统，方法包括获取主车的相关信息，并发送给其他车辆；筛选周围有效车辆并获取有效车辆的基本信息；判断周围有效车辆的行车方向；判断前车是否满足被超车条件；在前车满足被超车条件时，筛选与主车行驶方向相反的有效车辆并获取筛选基本信息，搭建卷积神经网络获取与主车行驶方向相反的有效车辆的定位信息；根据筛选基本信息和定位信息判断出最具有碰撞危险的有效车辆，并对主车进行预警。采用车辆间通信以及卷积神经网络两种方式对车辆进行前向碰撞预警，提高了前向碰撞预警的准确度。提高了前向碰撞预警的准确度。提高了前向碰撞预警的准确度。

【技术实现步骤摘要】
一种基于卷积神经网络的前向碰撞预警优化方法及系统


[0001]本专利技术涉及车辆辅助驾驶
，尤其是涉及一种基于卷积神经网络的前向碰撞预警优化方法及系统。

技术介绍

[0002]随着汽车数量的增多，汽车安全性成为很重要的因素，目前碰撞是影响汽车安全的最大因素。尤其是当需要进行超车时，更容易产生车辆之间的碰撞。
[0003]如CN109835251A公开了一种车辆前向碰撞预警系统，主要是通过摄像头和传感器对外界障碍物进行获取判断，并对本车的信息进行获取，然后判断是否有碰撞危险并发出预警。
[0004]上述技术虽然对障碍物进行的信息获取，但是由于前向碰撞预警对实时性要求很高，仅使用现有技术的方法，很难对动态的车辆精确的做出碰撞预警。

技术实现思路

[0005]本专利技术提供一种基于卷积神经网络的前向碰撞预警优化方法及系统，采用车辆间通信以及卷积神经网络两种方式对车辆进行前向碰撞预警，提高了前向碰撞预警的准确度。
[0006]本专利技术的上述专利技术目的是通过以下技术方案得以实现的：
[0007]一种基于卷积神经网络的前向碰撞预警优化方法，包括以下步骤：
[0008]获取主车的相关信息，并发送给其他车辆；
[0009]筛选周围有效车辆并获取有效车辆的基本信息；
[0010]判断周围有效车辆的行车方向；
[0011]判断前车是否满足被超车条件；
[0012]在前车满足被超车条件时，筛选与主车行驶方向相反的有效车辆并获取筛选基本信息，搭建卷积神经网络获取与主车行驶方向相反的有效车辆的定位信息；
[0013]根据筛选基本信息和定位信息判断出最具有碰撞危险的有效车辆，并对主车进行预警。
[0014]通过采用上述技术方案，通过车辆间的通信进行信息的交互，使主车可以获得周围其他车辆的基本信息，然后根据车辆的基本信息车辆的判断其他车辆的行驶方向，在超车时，跟主车行驶方向相反的有效车辆作为可能发生碰撞的车辆进行判断，通过与主车逆向行驶的车辆的信息和卷积神经网络获得的车辆定位信息，可以判断车辆的驾驶倾向，然后判断出最具有碰撞危险的有效车辆，对主车进行预警提示，这种方法大大提高了对碰撞预警判断的准确度。
[0015]可选的，所述判断周围有效车辆的行车方向的步骤包括：
[0016]判断周围有效车辆的航向角是否与主车相同；
[0017]判断两车的横向距离差是否在阈值范围内；
[0018]当周围有效车辆的航向角与主车相同且两车的横向距离差在阈值范围内时，有效车辆与主车视为在同一车道上。
[0019]通过采用上述技术方案，根据需要预警的范围设置阈值范围，然后进行有效车辆行驶方向的判断，排除掉一些范围较广不容易存在碰撞风险的情况。
[0020]可选的，所述判断前车是否满足被超车条件的步骤包括：
[0021]判断前车是否为直行状态；
[0022]判断车辆的左右转向灯是否为关闭的状态。
[0023]通过采用上述技术方案，通过对前车的判断保障进行超车时处于安全的状态。
[0024]可选的，所述搭建卷积神经网络获取与主车行驶方向相反的有效车辆的定位信息的步骤包括：
[0025]对与主车行驶方向相反的有效车辆进行图像采集；
[0026]将采集后的图像数据输入PoseNet卷积神经网络进行计算；
[0027]经过多次迭代和训练得到与主车行驶方向相反的有效车辆的运动特征；
[0028]最终从采集后的图像数据中获取与主车行驶方向相反的有效车辆的定位信息。
[0029]通过采用上述技术方案，通过PoseNet卷积神经网络进行定位信息的获取，提高了对车辆位置获取的准确度，使主车可以更好的进行前向碰撞预警。
[0030]可选的，所述根据筛选基本信息和定位信息判断出最具有碰撞危险的有效车辆的步骤包括：
[0031]根据筛选基本信息判断车辆的第一驾驶倾向；
[0032]根据定位信息判断车辆的第二驾驶倾向；
[0033]根据第一驾驶倾向和第二驾驶倾向结合预估车辆的驾驶倾向；
[0034]根据车辆的驾驶倾向确定最具有碰撞危险的有效车辆。
[0035]通过采用上述技术方案，首先根据车辆间的信息获取可以对车辆进行第一驾驶倾向的判断，其次卷积神经网络获取了车辆的实时定位信息，也可以对车辆进行第二驾驶倾向的预估，然后综合第一驾驶倾向和第二驾驶倾向预估车辆的驾驶倾向，使主车对车辆驾驶倾向的判断更加准确，提高前向碰撞预警的精度。
[0036]可选的，当判断存在最具有碰撞危险的有效车辆后，对碰撞时间进行计算，其步骤包括：
[0037]根据筛选基本信息和第一驾驶倾向的判断进行车辆前向碰撞时间计算；
[0038]根据PoseNet卷积神经网络的定位信息和第二驾驶倾向进行车辆前向碰撞时间计算；
[0039]取两种计算得出的碰撞时间最小值作为碰撞时间。
[0040]通过采用上述技术方案，采取最小值最为碰撞时间，使主车尽可能的对前向碰撞预警做出正确的反应，避免由于碰撞时间判断不合理导致的安全问题。
[0041]本专利技术的上述专利技术目的是通过以下技术方案得以实现的：
[0042]一种基于卷积神经网络的前向碰撞预警优化系统，包括：
[0043]信息收发模块，发送主车的相关信息给其他车辆，并获取有效车辆的基本信息；
[0044]定位模块，搭建卷积神经网络获取与主车行驶方向相反的有效车辆的定位信息
[0045]处理模块，根据有效车辆的基本信息判断有效车辆的行车方向，判断前车是否满
足被超车条件，并在前车满足被超车条件时，筛选与主车行驶方向相反的有效车辆并获取筛选基本信息，根据筛选基本信息和定位信息判断出最具有碰撞危险的有效车辆；
[0046]主车预警模块，当存在具有碰撞危险的有效车辆时，对主车进行预警。
[0047]可选的，所述定位模块包括：
[0048]图像采集单元，用于采集与主车行驶方向相反的有效车辆的图像；
[0049]图像处理单元，将采集后的图像数据输入PoseNet卷积神经网络进行计算；经过多次迭代和训练得到与主车行驶方向相反的有效车辆的运动特征；最终从采集后的图像数据中获取与主车行驶方向相反的有效车辆的定位信息。
[0050]可选的，所述处理模块包括第一处理单元和第二处理单元，
[0051]第一处理单元根据筛选基本信息判断车辆的第一驾驶倾向；
[0052]第二处理单元根据定位信息判断车辆的第二驾驶倾向；
[0053]处理模块根据第一驾驶倾向和第二驾驶倾向结合预估车辆的驾驶倾向；
[0054]处理模块根据车辆的驾驶倾向确定最具有碰撞危险的有效车辆。
[0055]本专利技术的上述专利技术目的是通过以下技术方案得以实现的：
[0056]一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的卷积神经网络的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的前向碰撞预警优化方法，其特征在于，包括以下步骤：获取主车的相关信息，并发送给其他车辆；筛选周围有效车辆并获取有效车辆的基本信息；判断周围有效车辆的行车方向；判断前车是否满足被超车条件；在前车满足被超车条件时，筛选与主车行驶方向相反的有效车辆并获取筛选基本信息，搭建卷积神经网络获取与主车行驶方向相反的有效车辆的定位信息；根据筛选基本信息和定位信息判断出最具有碰撞危险的有效车辆，并对主车进行预警。2.根据权利要求1所述的方法，其特征在于，所述判断周围有效车辆的行车方向的步骤包括：判断周围有效车辆的航向角是否与主车相同；判断两车的横向距离差是否在阈值范围内；当周围有效车辆的航向角与主车相同且两车的横向距离差在阈值范围内时，有效车辆与主车视为在同一车道上。3.根据权利要求1所述的方法，其特征在于，所述判断前车是否满足被超车条件的步骤包括：判断前车是否为直行状态；判断车辆的左右转向灯是否为关闭的状态。4.根据权利要求1所述的方法，其特征在于，所述搭建卷积神经网络获取与主车行驶方向相反的有效车辆的定位信息的步骤包括：对与主车行驶方向相反的有效车辆进行图像采集；将采集后的图像数据输入PoseNet卷积神经网络进行计算；经过多次迭代和训练得到与主车行驶方向相反的有效车辆的运动特征；最终从采集后的图像数据中获取与主车行驶方向相反的有效车辆的定位信息。5.根据权利要求1所述的方法，其特征在于，所述根据筛选基本信息和定位信息判断出最具有碰撞危险的有效车辆的步骤包括：根据筛选基本信息判断车辆的第一驾驶倾向；根据定位信息判断车辆的第二驾驶倾向；根据第一驾驶倾向和第二驾驶倾向结合预估车辆的驾驶倾向；根据车辆的驾驶倾向确定最具有碰撞危险的有效车辆。6.根据权利要求5所述的方法，其特征在于，当判断存在最具有...

【专利技术属性】
技术研发人员：李采薇，吕颖，
申请(专利权)人：一汽南京科技开发有限公司，
类型：发明
国别省市：