一种碰撞预测时间计算方法及分布式视觉碰撞感知系统技术方案

本发明专利技术提供了一种碰撞预测时间计算方法及分布式视觉碰撞感知系统。该碰撞预测时间计算方法包括：步骤S1，获取相机拍摄的当前图像；步骤S2，基于预先训练好的目标检测模型识别当前图像中的物体；步骤S3，判断当前图像中是否存在处于膨胀模式的物体：若不存在，返回执行步骤S1；若存在，依据膨胀模式的物体在当前图像和历史帧图像中的尺寸膨胀速度计算碰撞预测时间，执行步骤S4；步骤S4，输出当前图像中所有处于膨胀模式的物体的碰撞预测时间，返回执行步骤S1。本发明专利技术无需获取三维空间的深度距离，仅利用物体在图像上的尺寸膨胀速度即可计算碰撞预测时间，具有便捷、高效、准确地感知前方障碍物的优点。方障碍物的优点。方障碍物的优点。

【技术实现步骤摘要】
一种碰撞预测时间计算方法及分布式视觉碰撞感知系统


[0001]本专利技术涉及碰撞感知
，尤其涉及一种碰撞预测时间计算方法及分布式视觉碰撞感知系统。

技术介绍

[0002]随着人工智能的高速发展，模仿人类大脑和双眼实现碰撞感知的人工智能技术也是日新月异。目前，主流的碰撞感知方案有两种：
[0003]一是基于多传感器融合，通过激光雷达、超声波雷达、GPS等传感器融合来探测障碍物的深度和位置信息实现碰撞感知。中国专利CN110834627B(基于毫米波雷达的车辆碰撞预警控制方法、系统及车辆)提出了一种基于毫米波雷达的车辆碰撞预警控制方法，利用毫米波雷达识别的障碍物信息；分析其纵向、横向上的距离和速度信息，通过距离和速度信息判断车辆与障碍物之间是否存在碰撞风险。但是，该方案中毫米波雷达的使用易受到天气、温度、雨雪、射频电磁波等外界因素的影响导致测距结果不准确，也就无法精准的判断碰撞风险。同时，雷达的方式成本高，且原理上存在缺陷无法对障碍物进行有效的类别区分，这也将导致大量的误判，让系统处于一个极不稳定的状态。
[0004]二是基于视觉，通过高清相机采集周围的图像，在高性能芯片基础上利用全景拼接、深度学习、SLAM等算法估计前方障碍物的深度和位置信息实现碰撞感知。中国专利CN112349144B(一种基于单目视觉的车辆碰撞预警方法及系统)提出了首先利用单目相机获取车辆前方视野图像数据，对图像数据进行目标检测，设定碰撞风险区域范围，对碰撞风险区域内的目标进行过滤；然后，对过滤后的目标利用真实物体宽度结合相机焦距，使用单目相机小孔成像的方式估计本车与前方目标的距离，并结合车辆的速度信息和加速度信息，估计车辆碰撞到目标所需时间；最后，综合最近目标距离估计值以及车辆碰撞到目标所需时间估计值，对车辆驾驶过程中可能出现的车辆碰撞情况进行辅助预警。但是，该方案最重要的测距过程是必须提前知道障碍物在三维世界中的真实宽度，在实际应用过程中对于不同的障碍物在三维世界的真实宽度是无法准确实时获取的，这也就导致该方案适用性不强，且测距精度和稳定性较差。
[0005]综上，现有的两种主流的碰撞感知方案，无论是基于传感器融合，还是视觉的方案大部分都需要进行三维空间深度距离的测量，且需要昂贵的硬件支持和较高的开发成本，且稳定性和精度都有待提高。

技术实现思路

[0006]本专利技术旨在解决现有技术中存在的技术问题，提供一种碰撞预测时间计算方法及分布式视觉碰撞感知系统。
[0007]为了实现本专利技术的上述目的，根据本专利技术的第一个方面，本专利技术提供了一种碰撞预测时间计算方法，包括：步骤S1，获取相机拍摄的当前图像；步骤S2，基于预先训练好的目标检测模型识别当前图像中的物体；步骤S3，判断当前图像中是否存在处于膨胀模式的物
体：若不存在，返回执行步骤S1；若存在，依据膨胀模式的物体在当前图像和历史帧图像中的尺寸膨胀速度计算碰撞预测时间，执行步骤S4；步骤S4，输出当前图像中所有处于膨胀模式的物体的碰撞预测时间，返回执行步骤S1。
[0008]上述技术方案：该碰撞预测时间计算方法利用目标检测模型识别出图像中的物体，在这些物体中判断是否存在处于膨胀模式的物体，若存在膨胀模式的物体，依据物体在当前图像和历史帧图像中的尺寸膨胀速度计算碰撞预测时间，输出当前图像中所有处于膨胀模式的物体的碰撞预测时间，在该方法中采用相机(如广角相机)受天气、温度、雨雪、射频电磁波较小，提高了碰撞感知准确率，降低了碰撞感知的误检率，相机视场角可以任意配置，无需获取三维空间的深度距离，即不需要对前方障碍物使用深度学习算法或者高性能硬件进行测距，仅利用物体在图像上的尺寸膨胀速度即可计算碰撞预测时间，具有便捷、高效、准确地感知前方障碍物的优点。
[0009]在本专利技术的一种优选实施方式中，在步骤S3中，判断当前图像中是否存在处于膨胀模式的物体的过程包括：识别出同时存在于当前图像和历史帧图像中的物体，记为第一物体；计算第一物体分别在当前图像和历史帧图像中的尺寸；若第一物体在当前图像中的尺寸大于第一物体在历史帧图像中的尺寸，则认为所述第一物体处于膨胀模式。
[0010]上述技术方案：对当前图像和历史帧图像进行物体跟踪，处于膨胀模式的物体存在着在当前图像中的尺寸大于其在历史帧图像中的尺寸的特点，依据该特点能根据物体在两帧图像中的尺寸变化快速识别出来，提高处理效率。
[0011]在本专利技术的一种优选实施方式中，所述历史帧图像为相机拍摄的上一帧图像。
[0012]上述技术方案：历史帧图像为相机拍摄的上一帧图像，充分利用碰撞风险物体在前后帧中尺寸变化较大的特点，更准确识别出膨胀模式物体。
[0013]在本专利技术的一种优选实施方式中，在步骤S3中，计算膨胀模式的物体的碰撞预测时间的过程为：计算尺寸膨胀速度：其中，S
p
表示处于膨胀模式的物体在历史帧图像中的尺寸，S
c
表示处于膨胀模式的物体在当前图像中的尺寸；计算碰撞预测时间：其中，Δ
t
表示历史帧图像与当前图像的采集时间差。
[0014]上述技术方案：通过第一物体在历史图像帧和当前图像中的尺寸比作为尺寸膨胀速度，将尺寸膨胀速度代入预先构建的碰撞预测时间计算模型(TTC计算公式)获得碰撞预测时间，碰撞预测时间计算模型能够完美的体现尺寸膨胀速度越大碰撞时间越小的物理特性，具有实用性。
[0015]为了实现本专利技术的上述目的，根据本专利技术的第二个方面，本专利技术提供了一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如本专利技术第一方面所述的一种视觉碰撞预测时间计算方法。
[0016]上述技术方案：具有本专利技术第一方面所述的碰撞预测时间计算方法的技术效果。
[0017]为了实现本专利技术的上述目的，根据本专利技术的第三个方面，本专利技术提供了一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术第一方面所述的视
觉碰撞预测时间计算方法。
[0018]上述技术方案：具有本专利技术第一方面所述的碰撞预测时间计算方法的技术效果。
[0019]为了实现本专利技术的上述目的，根据本专利技术的第四个方面，本专利技术提供了一种分布式视觉碰撞感知系统，包括：多个相机，多个相机线阵或面阵排列安装于受保护主体外部；多个边缘处理单元，多个边缘处理单元分别与相机对应，分别获取对应相机的输出图像并执行本专利技术第一方面所述的一种碰撞预测时间计算方法的步骤获得每个相机探测区域的碰撞预测时间，边缘处理单元将获得的碰撞预测时间发送给中央处理单元；中央处理单元，接收所有边缘处理单元发送的碰撞预测时间，若至少一个碰撞预测时间小于等于时间阈值，输出碰撞报警信号。
[0020]上述技术方案：本系统除了具有本专利技术第一方面所述的碰撞预测时间计算方法的技术效果外，还具有：采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种碰撞预测时间计算方法，其特征在于，包括：步骤S1，获取相机拍摄的当前图像；步骤S2，基于预先训练好的目标检测模型识别当前图像中的物体；步骤S3，判断当前图像中是否存在处于膨胀模式的物体：若不存在，返回执行步骤S1；若存在，依据膨胀模式的物体在当前图像和历史帧图像中的尺寸膨胀速度计算碰撞预测时间，执行步骤S4；步骤S4，输出当前图像中所有处于膨胀模式的物体的碰撞预测时间，返回执行步骤S1。2.如权利要求1所述的一种碰撞预测时间计算方法，其特征在于，在步骤S3中，判断当前图像中是否存在处于膨胀模式的物体的过程包括：识别出同时存在于当前图像和历史帧图像中的物体，记为第一物体；计算第一物体分别在当前图像和历史帧图像中的尺寸；若第一物体在当前图像中的尺寸大于第一物体在历史帧图像中的尺寸，则认为所述第一物体处于膨胀模式。3.如权利要求2所述的一种碰撞预测时间计算方法，其特征在于，所述历史帧图像为相机拍摄的上一帧图像。4.如权利要求1
‑
3之一所述的一种碰撞预测时间计算方法，其特征在于，在步骤S3中，计算膨胀模式的物体的碰撞预测时间的过程为：计算尺寸膨胀速度：其中，S
p
表示处于膨胀模式的物体在历史帧图像中的尺寸，S
c
表示处于膨胀模式的物体在当前图像中的尺寸；计算碰撞预测时间：其中，Δ
t
表示历史帧图像与当前图像的采集时间差。5.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任意一项所述的一种碰撞预测时间计算方法。6.一种电子设备，所述电子设备包括：至少...

【专利技术属性】
技术研发人员：秦浩，何春虎，张启航，
申请(专利权)人：重庆哆来目科技有限公司，
类型：发明
国别省市：