【技术实现步骤摘要】
本专利技术属于车辆控制，具体涉及一种基于深度学习的cms电子后视镜倒车碰撞预警方法。
技术介绍
1、cms电子后视镜相比于传统镜面后视镜，cms电子后视镜在成像性能上有着防眩光、抗雨雪、夜间视野好等优点，并且其可以结合adas智能驾驶辅助系统，实现基于神经网络的各类辅助驾驶功能，例如基于图像的盲区预警(bsd)、开门预警(dow)和倒车辅助(pa)等功能。
2、cms电子后视镜的倒车辅助功能的原理是根据障碍物离地高度和离车距离来判断倒车时是否会发生碰撞，从而在画面上输出提示的图标来警示驾驶员，传统的实现方法主要包含障碍物检测和可行使区域划分两个模块，利用传统的cnn(卷积神经网络)如yolop，对图像中的目标进行检测识别和语义分割，输出障碍物目标的位置信息，再基于位置信息结合单目测距的后处理算法计算相似三角形来实现对目标深度(距离)和高度的大致估计。但是传统方法的弊端非常明显：估计的高度值和深度值很大程度上依赖于模型对目标位置的检测结果，一般为2d检测框，检测框的范围并不能完全表示目标的位置信息。目标的检测受到目标的大小影响，如果网络漏检了目标，则会导致整个系统失效，容易引起事故的发生。深度信息和高度信息由后处理得到，由于单目测距在原理上对距离判断越远越不敏感，无法做到高精度分辨。并且传统模型系统不是端到端的，增加了芯片的计算量和片上内存的存储空间。
3、因此，亟需开发一种新的基于深度学习的cms电子后视镜倒车碰撞预警方法，以解决上述问题。
技术实现思路
1
2、为了解决上述技术问题，本专利技术提供了一种基于深度学习的cms电子后视镜倒车碰撞预警方法，其包括：获取车辆后方图片；根据获取的图片输出高度热力图及深度热力图；根据高度热力图、深度热力图判断是否发出碰撞预警。
3、进一步，所述获取车辆后方图片的方法包括：在车辆后方设置至少两个摄像头；各摄像头分别采集对应的图片。
4、进一步，所述根据获取的图片输出高度热力图及深度热力图的方法包括：构建mrpanet模型；将图片输入mrpanet模型，以输出高度热力图及深度热力图。
5、进一步，每次输入mrpanet模型的图片为两张，一张为摄像头采集的原图，另一张为原图经过单应矩阵转换后的图片。
6、进一步，单应矩阵为其中k为摄像头的内参矩阵，r为摄像头在不同角度拍摄带来的旋转变换矩阵，t为摄像头位置差异的平移变换矩阵，n为摄像头坐标系下垂直于基准面的单位向量。
7、进一步，所述根据高度热力图、深度热力图判断是否发出碰撞预警的方法包括：从高度热力图、深度热力图中选定靠近车尾区域的最大高度值、最大深度值。
8、进一步，根据摄像头的视场角、俯仰角判定是否靠近车尾区域。
9、进一步，判断靠近车尾区域的最大高度值是否高于车辆离地高度；判断靠近车尾区域的最大深度值是否小于深度设定值；若靠近车尾区域的最大高度值高于车辆离地高度且靠近车尾区域的最大深度值小于深度设定值时，则发出碰撞预警。
10、另一方面，本专利技术提供一种倒车碰撞预警系统，其包括：控制器；所述控制器适于采用如上述的基于深度学习的cms电子后视镜倒车碰撞预警方法对车辆进行倒车碰撞预警。
11、第三方面，本专利技术提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序在被控制器执行时，实现如上述的基于深度学习的cms电子后视镜倒车碰撞预警方法。
12、本专利技术的有益效果是，本专利技术通过cnn网络而非参数量和计算量过大的transformer来适配cms板端运行的芯片算力，节约了硬件设备的成本，并使用端到端的直接预测高度和深度的方法，相较于rpanet预测高度和深度的比值再计算高度、深度的方法，更加直接和高效，节省后处理的数据处理算力消耗和内存消耗，同时将mrpanet应用于后视视角场景，从根本上解决倒车时后方障碍物检测难、测距测高难的问题。
13、本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。
14、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的CMS电子后视镜倒车碰撞预警方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的CMS电子后视镜倒车碰撞预警方法，其特征在于，
3.如权利要求2所述的基于深度学习的CMS电子后视镜倒车碰撞预警方法，其特征在于，
4.如权利要求3所述的基于深度学习的CMS电子后视镜倒车碰撞预警方法，其特征在于，
5.如权利要求4所述的基于深度学习的CMS电子后视镜倒车碰撞预警方法，其特征在于，
6.如权利要求1所述的基于深度学习的CMS电子后视镜倒车碰撞预警方法，其特征在于，
7.如权利要求6所述的基于深度学习的CMS电子后视镜倒车碰撞预警方法，其特征在于，
8.如权利要求6所述的基于深度学习的CMS电子后视镜倒车碰撞预警方法，其特征在于，
9.一种倒车碰撞预警系统，其特征在于，包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机程序，所述计算机程序在被控制器执行时，实现如权利要求1-8任一项所述的基于深度学习的CMS电子后视镜倒车碰
...【技术特征摘要】
1.一种基于深度学习的cms电子后视镜倒车碰撞预警方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的cms电子后视镜倒车碰撞预警方法，其特征在于，
3.如权利要求2所述的基于深度学习的cms电子后视镜倒车碰撞预警方法，其特征在于，
4.如权利要求3所述的基于深度学习的cms电子后视镜倒车碰撞预警方法，其特征在于，
5.如权利要求4所述的基于深度学习的cms电子后视镜倒车碰撞预警方法，其特征在于，
6.如权利要求1所述的基于深度学...
【专利技术属性】
技术研发人员：胡文烨，
申请(专利权)人：常州星宇车灯股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。