一种基于机器视觉的行车横风预警方法及系统技术方案

本发明专利技术涉及一种基于机器视觉的行车横风预警方法及系统，所述方法步骤包括：通过车载摄像设备采集视频风场信息，进行道路场景的风速特征采集与流体力学计算，提取相应的预设道路场景风场特征；基于机器视觉进行的道路风场风速分析，得到视觉预测的联合风场特征；每辆车辆基于视觉预测联合风场特征结合本车特性计算出横风预警等级。与现有技术相比，本发明专利技术降低了道路交通中侧风预警的成本、增强了大型车辆的侧风驾驶安全、并结合道路环境的多种因素提取了道路风场的关键特征，弥补了道路风场预测难的问题，实现了车道级的横风实时估计。实现了车道级的横风实时估计。实现了车道级的横风实时估计。

【技术实现步骤摘要】
一种基于机器视觉的行车横风预警方法及系统


[0001]本专利技术涉及交通智能行车预警
，尤其是涉及一种基于流体力学与机器视觉联合技术的行车横风预警方法及系统。

技术介绍

[0002]风作为常见的物理现象，一直以来都受到广泛的关注。无论是风能资源量化、空气污染监测，还是天气预报都将依赖于对当地风力状况的快速、准确测量。在交通工程领域，风，特别是侧风往往会对行车安全带来较大影响。尤其对于卡车及卡车编队，侧风会在汽车风压中心上产生气动力。由于风压中心与车辆重心的不同，车辆的气动特性会发生改变，车辆容易发生偏移，侧滑，侧倾以及侧翻等事故。针对侧风对行车安全的不利影响，为制定在特定横风风速下应该采取的行车安全措施，提前收集风速信息显得尤为重要。
[0003]例如中国专利申请CN115223367A以及CN111599199A，过去的风力信息往往需要借助气象站或者大规模安置风速仪得到，费时费力，成本较高，效率低下，维修困难。其次，传统的风速收集方法仅仅能收集某个点位的风速，不能实时连续地反映道路的风场变化情况。此外，提前收集的侧风信息并不能提前传输到后续的更易受侧风影响到卡车上，难以实现侧风下的安全保障。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于流体力学与机器视觉联合技术的行车横风预警方法及系统。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]作为本专利技术的第一方面，提供一种基于机器视觉的行车横风预警方法，所述方法步骤包括：
[0007]通过车载摄像设备采集视频风场信息，进行道路场景的风速特征采集与流体力学计算，提取相应的预设道路场景风场特征；
[0008]基于机器视觉进行的道路风场风速分析，得到视觉预测的联合风场特征；
[0009]每辆车辆基于视觉预测联合风场特征结合本车特性计算出横风预警等级。
[0010]进一步的，所述进行道路场景的风速特征采集与流体力学计算，提取相应风场的特征的步骤包括：依靠流体力学仿真特征提取与从真实环境中提取相应风场的特征，具体过程如下：
[0011]获取用于建立数值仿真模型的道路环境特征，包括植被、天气、地貌和路面宽度；
[0012]使用流体力学软件对选定的道路环境特征建立流体力学仿真CFD车道场景数值模型；
[0013]基于CFD车道场景数值模型，进行流体力学仿真计算，对出现特殊风速风向的点位特征进行CFD特征提取；
[0014]采集真实车道场景数据，包括环境视频数据、环境风场特征数据和车道风场特征
数据；
[0015]利用真实车道场景采集数据重构真实行车道横风风场，对CFD特征提取的点位进行交叉验证，得到道路场景风场特征；
[0016]重复上述过程，完成多种情况下复杂的道路场景的风速特征采集与流体力学计算。
[0017]进一步的，所述基于机器视觉进行的道路风场风速分析，包括以下步骤：
[0018]输入车载摄像设备采集视频风场信息与提取的相应道路场景的风场特征；
[0019]通过语义分割，分割道路行车环境视频中车道与环境的界线，记录车道信息并将环境数据用于光流法运动建模；
[0020]采用光流运动建模，将环境数据作为输入，按时序提取动态物体的位姿，并估计反应风速与风向的物体动态特征；
[0021]通过机器学习视频帧分类，将光流建模得到的物体动态特征作为输入进行分类，输出风速与风向特征并映射到风速的等级划分表上。
[0022]进一步的，在所述光流法运动建模中，基于车辆的位置与速率信息剔除汽车运动对视频帧中物体流动方向和速率的影响。
[0023]进一步的，进行所述机器学习视频帧分类的具体过程如下：
[0024]输入基于光流法运动建模提取的反应风速与风向的物体动态特征；
[0025]采取机器学习分析技术，剔除非相关特征，使用视觉语义分割技术强化相关的关键特征；
[0026]通过Transformer与长短期记忆人工神经网络LSTM，联合搭建具有识别时间序列动态视频帧的分类模型，输出视觉预测的风速。
[0027]进一步的，所述车辆将获得的视觉预测联合风场特征向传播给后续车辆，视觉预测联合风场特征的传播形式包括：
[0028]一辆车与一辆车直接通信；前序车辆直接传递预警等级给相同配置的后车，预警等级的计算有前序车辆执行，后车直接执行接收预警等级下的预设方案；
[0029]一辆车与多辆车直接通信；当后车与前序车辆不是相同配置车辆时，传递计算得到的风场特征给后车，由后车自行计算出预警等级和预警方案；
[0030]多辆车基于路侧基础设施通信。
[0031]作为本专利技术的第二方面，提供一种基于机器视觉的行车横风预警系统，其特征在于，所述系统用于实施如上任一所述横风预警方法，包括：
[0032]搭载有车载控制系统与车载摄像设备的车辆；
[0033]视频处理计算模块，基于车载摄像设备获取视频，计算获取联合风场特征；
[0034]侧风预警计算模块，基于联合风场特征结合本车特性计算出横风预警等级；
[0035]所述车辆对收集到视频风场信息基于视频处理计算模块与侧风预警计算模块进行处理并将信息广播给后续的车辆。
[0036]进一步的，所述视频处理计算模块包括：
[0037]视频数据接口，用于访问获取车载摄像设备获取视频数据；
[0038]动态光流信息捕捉模块，用以基于预设道路场景风场特征与光流法运动建模提取视频数据中反应风速与风向的关键特征；
[0039]预设的风场特征模块，存储有结合流体力学仿真与从真实环境所提取相应的预设道路场景风场特征；
[0040]视频处理器，基于机器学习视频帧分类将动态光流信息捕捉模块的结果进行分类，并得到联合计算风场特征。
[0041]进一步的，所述横风预警计算模块包括：
[0042]预设方案模块，存储有预设横风等级和横风预警方案；
[0043]风场特征处理模块，基于视频处理计算模块获取的联合风场特征与预设方案模块中预设方案进行比对得到预警等级与预警方案；
[0044]车内可联网装置，连接车辆各驾驶控制子系统，完成横风预警方案。
[0045]进一步的，所述侧风预警计算模块设置于路侧由路侧基础设施完成统一处理预警或直接设置于各车辆上由各车自行处理数据进行预警。
[0046]与现有技术相比，本专利技术具有以下有益效果：
[0047]本专利技术所提供的技术方案由流体力学计算、机器视觉道路风场分析以及基于V2V的联合行车横风预警构成。视觉风速测量技术有可以显著降低测量风场所需的成本和时间。其重大意义在于：
[0048]1)解决了道路交通中侧风预警的高成本问题：基于更廉价并且已经广泛普及的行车记录仪，采取视觉风速测量，减少了风速仪的布设，没有额外的硬件成本。
[0049]2)解决了道路风环境估计困难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的行车横风预警方法，其特征在于，所述方法步骤包括：通过车载摄像设备采集视频风场信息，进行道路场景的风速特征采集与流体力学计算，提取相应的预设道路场景风场特征；基于机器视觉进行的道路风场风速分析，得到视觉预测的联合风场特征；每辆车辆基于视觉预测联合风场特征结合本车特性计算出横风预警等级。2.根据权利要求1所述的一种基于机器视觉的行车横风预警方法，其特征在于，所述进行道路场景的风速特征采集与流体力学计算，提取相应风场的特征的步骤包括：依靠流体力学仿真特征提取与从真实环境中提取相应风场的特征，具体过程如下：获取用于建立数值仿真模型的道路环境特征，包括植被、天气、地貌和路面宽度；使用流体力学软件对选定的道路环境特征建立CFD流体力学仿真车道场景数值模型；基于CFD车道场景数值模型，进行流体力学仿真计算，对出现特殊风速风向的点位特征进行CFD特征提取；采集真实车道场景数据，包括环境视频数据、环境风场特征数据和车道风场特征数据；利用真实车道场景采集数据重构真实行车道横风风场，对CFD特征提取的点位进行交叉验证，得到道路场景风场特征；重复上述过程，完成多种情况下复杂的道路场景的风速特征采集与流体力学计算。3.根据权利要求1所述的一种基于机器视觉的行车横风预警方法，其特征在于，所述基于机器视觉进行的道路风场风速分析，包括以下步骤：输入车载摄像设备采集视频风场信息与提取的相应道路场景的风场特征；通过语义分割，分割道路行车环境视频中车道与环境的界线，记录车道信息并将环境数据用于光流法运动建模；采用光流运动建模，将环境数据作为输入，按时序提取动态物体的位姿，并估计反应风速与风向的物体动态特征；通过机器学习视频帧分类，将光流建模得到的物体动态特征作为输入进行分类，输出风速与风向特征并映射到风速的等级划分表上。4.根据权利要求3所述的一种基于机器视觉的行车横风预警方法，其特征在于，在所述光流法运动建模中，基于车辆的位置与速率信息剔除汽车运动对视频帧中物体流动方向和速率的影响。5.根据权利要求3所述的一种基于机器视觉的行车横风预警方法，其特征在于，进行所述机器学习视频帧分类的具体过程如下：输入基于光流法运动建模提取的反应风速与风向的物体动态特征；采取机器学习分析技术，剔除非相关特征，使用视觉语义分割技术强化相关的关键特征；通过Transformer与长短期记忆人工神经网络LSTM，联合搭建具有识别时间序列动态视频帧...

【专利技术属性】
技术研发人员：陈丰，李琪，周继彪，
申请(专利权)人：同济大学，
类型：发明
国别省市：