[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110097783A - 车辆预警方法及系统 - Google Patents

车辆预警方法及系统 Download PDF

Info

Publication number
CN110097783A
CN110097783A CN201910403130.2A CN201910403130A CN110097783A CN 110097783 A CN110097783 A CN 110097783A CN 201910403130 A CN201910403130 A CN 201910403130A CN 110097783 A CN110097783 A CN 110097783A
Authority
CN
China
Prior art keywords
vehicle
target vehicle
driver
state
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910403130.2A
Other languages
English (en)
Inventor
赛影辉
李垚
唐得志
叶德英
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhu Automotive Prospective Technology Research Institute Co Ltd
Chery Automobile Co Ltd
Original Assignee
Wuhu Automotive Prospective Technology Research Institute Co Ltd
SAIC Chery Automobile Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhu Automotive Prospective Technology Research Institute Co Ltd, SAIC Chery Automobile Co Ltd filed Critical Wuhu Automotive Prospective Technology Research Institute Co Ltd
Priority to CN201910403130.2A priority Critical patent/CN110097783A/zh
Publication of CN110097783A publication Critical patent/CN110097783A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及车辆安全辅助驾驶技术领域，特别提供了一种车辆预警方法及系统。该方法包括：当目标车辆(1)的前方存在车辆时，确定目标车辆(1)和前方车辆(2)之间的相对距离；根据目标车辆(1)的驾驶员的图像信息识别驾驶员的驾驶状态；根据驾驶员的驾驶状态和目标车辆(1)的状态信息得到当前时刻目标车辆(1)紧急制动的制动距离；当目标车辆(1)和前方车辆(2)之间相对距离不大于目标车辆(1)的制动距离时，发出警示信息。该车辆预警方法可以实时准确地为驾驶员提供警示信息。

Description

车辆预警方法及系统
技术领域
本发明涉及车辆安全辅助驾驶技术领域，特别提供了一种车辆预警方法及系统。
背景技术
当前，智能车快速发展，越来越多的传感器参与到智能车的规划设计中，以弥补单传感器无法准确、实时地为驾驶员提供当前车辆所行驶的交通环境的安全性。
相关技术提供了一种汽车车距安全预警控制系统，该系统包括微控制器模块以及与其连接的卫星导航模块、射频收发模块、显示模块、报警模块和电源模块。通过卫星定位模块确定本车的位置信息，射频收发模块用来发射本车的位置信息并接收周围车辆的位置信息，再由微控制器模块中的计算单元计算得到本车与周围车辆之间的距离，并由显示模块显示，由参数对比单元将当前车距参数与设定值进行对比分析，两车之间的车距不满足设定参数值时，由控制模块控制报警模块进行报警。
在本发明的实现过程中，发明人发现现有技术至少存在以下问题：参数对比单元中的设定参数值是一定的或者是由人工修改的，不能适用于所有的交通环境。
发明内容
本发明实施例提供了一种车辆预警方法，可以实时准确地为驾驶员提供警示信息。具体技术方案如下：
本申请实施例提供了一种车辆预警方法，包括：
当目标车辆的前方存在车辆时，确定所述目标车辆和前方车辆之间的相对距离；
根据所述目标车辆的驾驶员的图像信息识别所述驾驶员的驾驶状态；
根据所述驾驶员的驾驶状态和所述目标车辆的状态信息得到当前时刻所述目标车辆紧急制动的制动距离；
当所述目标车辆和前方车辆之间相对距离不大于所述目标车辆的制动距离时，发出警示信息。
可选择地，所述确定所述目标车辆和前方车辆之间的相对距离包括：
获取所述目标车辆和所述前方车辆的位置信息，其中，所述位置信息包括经纬度信息；
对所述位置信息数值进行方向调整；
根据以下第一公式计算所述目标车辆和所述前方车辆之间的相对距离：
其中，
C＝sin(MlatA)*sin(MlatB)*cos(MlonA-MlonB)+cos(MlatA)*cos(MlatB)；
R表示地球平均半径，取值6371.004km；
MlatA表示方向调整后的所述目标车辆的纬度值；
MlatB表示方向调整后的所述前方车辆的纬度值；
MlonA表示方向调整后的所述目标车辆的经度值；
MlonB表示方向调整后的所述前方车辆的经度值；
D1表示所述目标车辆和所述前方车辆之间的相对距离。
可选择地，在所述获取所述前方车辆的位置信息之前，所述方法还包括：
采集所述目标车辆前方道路的图像信息；
使用第一级联分类器对采集的所述图像信息进行检测是否存在车辆，其中，所述第一级联分类器是对不同条件下道路图像样本进行训练得到的，所述道路图像样本包括不同场景下所述目标车辆前方有车的图像样本和对应场景下所述目标车辆前方没有车的图像样本。
可选择地，在所述识别驾驶员的驾驶状态之前，所述方法还包括：
使用第二级联分类器对采集到的所述驾驶员图像信息进行检测并分析识别出所述驾驶员的驾驶状态；
其中，所述第二级联分类器是对驾驶员在不同驾驶状态下图像样本进行训练得到的，所述驾驶员的驾驶状态包括清醒状态、轻微疲劳状态、中度疲劳状态和重度疲劳状态。
可选择地，根据所述驾驶员的驾驶状态得到当前时刻所述目标车辆紧急制动的制动距离包括：
获取所述目标车辆和所述前方车辆的速度，并根据如下第二公式计算所述目标车辆和所述前方车辆之间的相对速度：
ΔV＝V1-V2
其中，
ΔV表示所述目标车辆和所述前方车辆之间的相对速度，
V1表示所述目标车辆的行驶速度，
V2表示所述前方车辆的行驶速度，
根据所述驾驶员的驾驶状态获取对应的反应时间，并根据如下第三公式计算所述目标车辆的制动距离：
其中，
D2表示所述目标车辆的制动距离，
ti表示所述驾驶员在不同驾驶状态时所对应的反应时间，
t0表示所述驾驶员在清醒状态时所对应的反应时间，
t1表示所述驾驶员在轻微疲劳状态时所对应的反应时间，
t2表示所述驾驶员在中度疲劳状态时所对应的反应时间，
t3表示所述驾驶员在重度疲劳状态时所对应的反应时间，
a表示所述目标车辆的最大制动减速度。
本申请实施例还提供了一种车辆预警系统，包括：
相对距离计算模块，被配置为当目标车辆的前方存在车辆时，确定所述目标车辆和前方车辆之间的相对距离；
状态识别模块，被配置为根据驾驶员的图像信息识别驾驶员的驾驶状态；
制动距离获取模块，被配置为根据所述驾驶员的驾驶状态和所述目标车辆的状态信息得到当前时刻所述目标车辆紧急制动的制动距离；
报警模块，被配置为当所述目标车辆和前方车辆之间相对距离不大于所述目标车辆的制动距离时，发出警示信息。
可选择地，所述相对距离计算模块包括：
位置获取单元，被配置为获取所述目标车辆和所述前方车辆的位置信息，其中，所述位置信息包括经纬度信息；
方向调整单元，被配置为对所述位置信息数据进行方向调整；
相对距离计算单元，被配置为根据以下第一公式计算所述目标车辆和所述前方车辆之间的相对距离；
其中，
C＝sin(MlatA)*sin(MlatB)*cos(MlonA-MlonB)+cos(MlatA)*cos(MlatB)；
R表示地球平均半径，取值6371.004km；
MlatA表示方向调整后的所述目标车辆的纬度值；
MlatB表示方向调整后的所述前方车辆的纬度值；
MlonA表示方向调整后的所述目标车辆的经度值；
MlonB表示方向调整后的所述前方车辆的经度值；
D1表示所述目标车辆和所述前方车辆之间的相对距离。
可选择地，所述系统还包括：
图像采集模块，被配置为采集所述目标车辆前方道路的图像信息；
第一级联分类器，被配置为对采集的所述图像信息进行检测是否存在车辆，其中，所述第一级联分类器是对不同条件下各个道路图像样本进行训练得到的，所述道路图像样本包括不同场景下所述目标车辆前方有车的图像样本和对应场景下所述目标车辆前方没有车的图像样本。
可选择地，所述系统还包括：
第二级联分类器，被配置为在所述识别驾驶员的驾驶状态之前，对采集到的所述驾驶员的图像信息进行检测并分析识别出所述驾驶员的驾驶状态；
其中，所述第二级联分类器是对驾驶员在不同驾驶状态下的图像样本进行训练得到的，所述驾驶员的驾驶状态包括清醒状态、轻微疲劳状态、中度疲劳状态和重度疲劳状态。
可选择地，所述制动距离获取模块包括：
相对速度计算单元，被配置为获取所述目标车辆和所述前方车辆的速度，并根据如下第二公式计算所述目标车辆和所述前方车辆之间的相对速度：
ΔV＝V1-V2
其中，
ΔV表示所述目标车辆和所述前方车辆之间的相对速度，
V1表示所述目标车辆的行驶速度，
V2表示所述前方车辆的行驶速度；
制动距离计算单元，被配置为根据所述驾驶员的驾驶状态获取对应的反应时间，并根据如下第二公式计算所述目标车辆的制动距离：
其中，
D2表示目标车辆的制动距离；
ti表示驾驶员在不同驾驶状态时所对应的反应时间；
t0表示驾驶员在清醒状态时所对应的反应时间；
t1表示驾驶员在轻微疲劳状态时所对应的反应时间；
t2表示驾驶员在中度疲劳状态时所对应的反应时间；
t3表示驾驶员在重度疲劳状态时所对应的反应时间；
a表示目标车辆的最大制动减速度。
本发明实施例提供的技术方案带来的有益效果至少包括：
采集驾驶员的图像信息，根据图像信息识别出驾驶员的驾驶状态，根据驾驶员的当前驾驶状态获取对应的制动距离，这样在不同的情况下可以根据驾驶员当前的状态实时获取目标车辆的制动距离，使得目标车辆的制动距离更加准确。当目标车辆前方存在车辆时，计算得到目标车辆和前方车辆之间的相对距离，从而可对目标车辆的制动距离与两车之间的相对距离进行对比，当两车之间相对距离不大于目标车辆的制动距离时，也就是在当前时刻假设发生突发情况，两车之间存在安全隐患，此时可发出警示信息，提醒驾驶员。这样通过实时采集目标车辆前方道路和驾驶员的图像信息判断目标车辆的安全性可以保证警示信息的时效性，从而可以实时为驾驶员提供准确的警示信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种车辆预警方法的实施环境示意图；
图2为本申请实施例提供的一种车辆预警方法的流程图；
图3为本申请实施例提供的另一种车辆预警方法的流程图；
图4为申请实施例提供的车辆预警方法中计算目标车辆和前方车辆之间的相对距离的流程图；
图5为本申请实施例提供的车辆预警方法中识别驾驶员的驾驶状态并得到对应反应时间的流程图；
图6为本申请实施例提供的车辆预警方法中得到目标车辆制动距离的流程图；
图7为本申请实施例提供的一种车辆预警预警系统的框图；
图8为本申请实施例提供的另一种车辆预警预警系统的框图；
图9为本申请实施例提供的相对距离计算模块的框图；
图10为本申请实施例提供的制动距离获取模块的框图。
其中，图中的附图标记表示：
1——目标车辆；101——灰度相机；102——红外相机；103——短程通信模块；104——报警器；105——定位模块；106——车载终端；
2——前方车辆；201——灰度相机；202——红外相机；203——短程通信模块；204——报警器；205——定位模块；206——车载终端。
具体实施方式
为使本发明的技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
参见图1，本申请实施例提供的车辆预警方法的实施环境可包括：目标车辆1和前方车辆2，其中，
前方车辆2上可设置有定位模块205和短程通信模块203，定位模块205用于获取本车的位置信息和行驶速度，短程通信模块203用于与其他车辆建立通信连接。
目标车辆1上可设置有灰度相机101、红外相机102、定位模块103、短程通信模块105、报警器104和车载终端106，该灰度相机101用于采集目标车辆1前方道路的图像信息，并将获取的图像传送到车载终端106。
定位模块103用于获取目标车辆1的位置信息和行驶速度，并将目标车辆1的位置信息和行驶速度发送给车载终端106。短程通信模块103用于与前方车辆2的短程通信模块203建立通信连接，接收前方车辆2的短程通信模块203发送的位置信息和行驶速度，并将前方车辆2的位置信息和行驶速度发送给车载终端106。车载终端106接收定位模块105和短程通信模块103发送的目标车辆1与前方车辆2的行驶速度和位置信息，并得到两车之间的相对距离和相对速度。
红外相机102采集驾驶员的图像信息，根据图像识别出驾驶员的驾驶状态，并发送给车载终端106。车载终端106根据驾驶员的驾驶状态对应的反应时间、两车之间的相对速度和目标车辆1的状态信息得到目标车辆1的制动距离，并将两车的相对距离与目标车辆1的制动距离作对比；当两车的相对距离不大于目标车辆1的制动距离时，车载终端106启动报警器104发出警示信息。
参见图2，本申请的一些实施例提供了一种车辆预警方法，该方法包括：
步骤S201，当目标车辆1的前方存在车辆时，确定目标车辆1和前方车辆2之间的相对距离。
例如，在本申请实施例的一种实现方式中，当目标车辆1在行驶过程中，可先判断该目标车辆1车的前方是否存在其他车辆。当该目标车辆1的前方存在其他正在行驶的车辆时，接下来就可检测目标车辆1与前方车辆2之间的相对距离。
步骤S202，根据驾驶员的驾驶状态和目标车辆1的状态信息得到当前时刻目标车辆1紧急制动的制动距离。
例如，在本申请实施例的一种实现方式中，驾驶员在不同驾驶状态时所对应的反应时间不同，从而当目标车辆1的车速、最大制动减速度等目标车辆1的状态信息一致的情况下，驾驶员的反应时间不同会直接导致目标车辆1在紧急时刻的紧急制动距离的不同。
步骤S203，根据目标车辆1的驾驶员的图像信息识别出驾驶员的驾驶状态。
例如，在本申请实施例的一种实现方式中，目标车辆1内可安装有红外相机102，通过红外相机102采集驾驶员的脸部图像信息，并且红外相机102可将采集到的驾驶员的脸部图像信息上传至车载终端106，通过车载终端106内的算法对驾驶员的脸部图像进行识别，以获取驾驶员当前的驾驶状态。
步骤S204，当目标车辆1和前方车辆2之间相对距离不大于目标车辆1的制动距离时，发出警示信息。
当目标车辆1与前方车辆2前后方向行驶时，需要判断目标车辆1与前方车辆2之间的相对距离是否满足目标车辆1当前时刻的制动距离。当目标车辆1和前方车辆2之间相对距离不大于目标车辆1的制动距离时，则说明假使当前时刻发生意外，目标车辆1可能会与前方车辆2发生碰撞，因此，此时目标车辆1可发出警示信息以提醒驾驶员注意车速以及与前方车辆2之间的距离。
本申请实施例提供的车辆预警方法中采集驾驶员的图像信息，根据图像信息识别出驾驶员的驾驶状态，再根据驾驶员的当前驾驶状态得到对应的制动距离，这样可以在不同的情况下可以根据驾驶员当前的状态实时获取目标车辆1的制动距离，使得目标车辆1的制动距离更加准确。
当目标车辆1前方存在车辆时，计算得到目标车辆1和前方车辆2之间的相对距离，从而可对目标车辆1的制动距离与两车之间的相对距离进行对比，当两车之间相对距离不大于目标车辆1的制动距离时，也就是在当前时刻假设发生突发情况，两车之间存在安全隐患，此时可发出警示信息，提醒驾驶员。这样通过实时采集图像信息判断目标车辆1的安全性可以减少资源的占用，还可以保证报警信息的时效性，从而可以实时为驾驶员提供准确的预警信息。
参见图3，本申请的一些实施例还提供了一种车辆预警方法，该方法可包括：
步骤S301，采集目标车辆1前方道路的图像信息。
以图1所示的实施环境为例，为了提高目标车辆1对前方道路上其他车辆的精准检测，在目标车辆1判断前方车辆2是否存在其他车辆前，目标车辆1上的灰度相机101可先在不同行驶场景下采集大量车辆正样本和车辆负样本，正样本可为不同场景下目标车辆1前方道路上有车的图像样本，负样本可为对应场景下目标车辆1前方道路上无车的图像样本。
步骤S302，使用第一级联分类器对采集的图像信息进行检测是否存在车辆，其中，该第一级联分类器是对不同条件下道路图像样本进行训练得到的，道路图像样板可包括不同场景下目标车辆1前方有车的图像样本和对应场景下目标车辆1前方没车的图像样本。
车载终端106采用adaboost机器学习算法对不同场景下大量车辆图像正样本和车辆图像负样本进行检测识别和分类，训练出可以在不同场景下对前方道路进行车辆检测的第一级联分类器，从而提高车载终端106在不同场景下对前方道路有无车辆的判断的精准性。其中，车辆图像正样本指目标车辆1前方有车的图像样本，车辆图像负样本指目标车辆1前方没车的图像样本。
不同场景可包括不同时段和不同条件，例如，不同时段可包括白天、夜晚，不同条件可包括晴天、雨天、阴天、雪天等等。从而在不同场景下，目标车辆1的车载终端106可以精准检测出前方道路上是否存在车辆。
以图1所示的实施环境为例，目标车辆1的前车盖上可安装有一个灰度相机101，灰度相机101的成像质量较好，对图像的细节也可以较清楚的显示。从而灰度相机101可实时获取目标车辆1前方道路上的图像，并将该图像发送给车载终端106，车载终端106的第一级联分类器可对接收到的图像进行检测分析，判断该图像中是否存在车辆。
步骤S303，当目标车辆1的前方存在车辆时，确定目标车辆1和前方车辆2之间的相对距离。
例如，假若车载终端106的第一级联分类器经过对目标车辆1前方的道路图像进行检测分析判断存在其他车辆，车载终端106可再确定目标车辆1和前方车辆2之间的相对距离。
具体地，参见图4，该步骤S303可包括：
步骤S3031，获取目标车辆1和前方车辆2的位置信息，其中，该位置信息可包括经纬度信息。
例如，在图1所示的一种实施环境中，目标车辆1上可安装有定位模块105，该定位模块105可实时定位目标车辆1的经度值和纬度值，从而确定目标车辆1的位置信息。
而且，目前为了降低车辆之间的安全隐患，车辆上大多都安装有专用短程通信模块103，该专用短程通信模块103可获取与目标车辆1周围车辆的经纬度信息和行驶速度。
目标车辆1可根据与前车的短程通信模块203进行车辆间的信息交流互动，从而可得到前方车辆2的定位模块203获取的所属车辆的位置信息以及车速信息。而且，多个短程通信模块之间也可进行信息交流互动，例如，当目标车辆1前方、侧前方等多个方向均有其他车辆或同一方向有多辆车辆行驶时，目标车辆1上的专用短程通信模块103也可获取其他所有车辆的位置信息和车速信息。
以图1所示的实施环境为例，，当目标车辆1前方只有一辆其他车辆行驶时，目标车辆1的经纬度信息可为(latA，lonA)，前方车辆2的经纬度信息可为(latB，lonB)，其中，lat即表示纬度，lon即表示经度。
步骤S3032，对位置信息数据进行方向调整。
例如，在本申请实施例的一种实现方式中，纬度包括北纬和南纬，而经度包括东经和西经，由于地域的关系，可能不同的位置会出现相同的数值，为了避免地域的区别对设置有该预警方法的车载终端106的计算产生影响，可在车载终端106中设定一套方向调整规则，这样将不同地域上的经纬度信息数值以正负值进行方向区分。
例如，根据我国地理位置上经纬度的包括范围，可将东经方向的位置数值取正值，将北纬方向的位置数值取90-纬度值，从而方向整理后的目标车辆1和前方车辆2的经纬度值可分别为(MlatA，MlonA)和(MlatB，MlonB)。
当然，本申请对于经纬度的方向调整并不仅限于上述的以东经方向取正值、北纬取90-纬度值，在本申请实施例的其他实现方式中，也可以西经方向取正值或者南纬取90-纬度值。而且，关于方向调整的组合，本申请也并不仅限于上述的东经和北纬，在本申请实施例的其他实现方式中，也可将东经与南纬组合或者是其他组合方式。
步骤S3033，根据以下第一公式可计算目标车辆1与前方车辆2之间的相对距离：
其中，
C＝sin(MlatA)*sin(MlatB)*cos(MlonA-MlonB)+cos(MlatA)*cos(MlatB)；
R表示地球平均半径，取值6371.004km；
MlatA表示方向调整后的所述目标车辆1的纬度值；
MlatB表示方向调整后的所述前方车辆2的纬度值；
MlonA表示方向调整后的所述目标车辆1的经度值；
MlonB表示方向调整后的所述前方车辆2的经度值；
D1表示所述目标车辆1和所述前方车辆2之间的相对距离。
例如，在本申请实施例的一种实现方式中，第一公式可为D1＝R*arccos(sin(MlatA)*sin(MlatB)*cos(MlonA-MlonB)+cos(MlatA)*cos(MlatB))*π/180。为了避免第一公式过长，可将sin(MlatA)*sin(MlatB)*cos(MlonA-MlonB)+cos(MlatA)*cos(MlatB)作为一个过渡数值C。先根据目标车辆1和前方车辆2的经纬度信息计算得到过渡值C，然后根据该过渡数值C、地球半径R、常数π和第一公式可计算得到目标车辆1和前方车辆2之间的相对距离。
当然，本申请对于目标车辆1和前方车辆2位置信息并不仅限于上述的经纬度信息，也并不仅限于通过上述第一公式得到两车之间的相对距离。在本申请实施例的其他实现方式中，也可通过获取两车的其他方式的位置信息以及其他合理的公式或方式得到两车之间的相对距离。
步骤S304，使用第二级联分类器对采集到的驾驶员图像信息进行检测并分析识别出驾驶员的驾驶状态，并获取不同驾驶状态时的反应时间。
其中，第二级联分类器是对驾驶员在不同驾驶状态下图像样本进行训练得到的，驾驶员的驾驶状态可包括清醒状态、轻微疲劳状态、中度疲劳状态和重度疲劳状态。
以图1所示的实施环境为例，车载终端106可先通过目标车辆1中的红外相机102采集驾驶员在不同驾驶状态时大量的脸部样本图像，并采用adaboost机器学习算法对驾驶员在不同驾驶状态时的脸部样本图像进行检测并分析识别出该样本图像所对应的驾驶状态，训练出可以根据驾驶员的脸部图像检测分析出当前驾驶状态的第二级联分类器，从而提高车载终端106对驾驶员驾驶状态的判断的精准性。
而且由于驾驶员在不同驾驶状态时的反应时间不同，进而使得得到的驾驶员在当前时刻的反应时间更准确。
具体地，参见图5，该步骤S304可包括：
步骤S3041，采集到驾驶员的脸部图像信息。
步骤S3042，可对该图像中驾驶员的表情进行识别。
步骤S3043，判断驾驶员是否为疲劳状态。若判断结果为是，进入步骤S3044。若判断结果为否，进入步骤S3047。
步骤S3044，判断驾驶员是否为轻度疲劳状态。若判断结果为是，进入步骤S3047。若判断结果为否，进入步骤S3045。
步骤S3045，判断驾驶员是否为中度疲劳状态。若判断结果为是，进入步骤S3047。若判断结果为否，进入步骤S3046。
步骤S3046，判断驾驶员是否为重度疲劳状态。
步骤S3047，根据驾驶员不同的驾驶状态得到对应的反应时间。
在采集到驾驶员的脸部图像信息后，该第二级联分类器可分析出驾驶员当前的驾驶状态。例如，车载终端106中可存储有不同驾驶状态与反应时间之间的对应关系，当识别出驾驶员当前时刻的驾驶状态时，车载终端106可直接根据该对应关系得到驾驶员当前驾驶状态对应的反应时间。
步骤S305，根据驾驶员的反应时间和目标车辆1的状态信息得到当前时刻目标车辆1紧急制动的制动距离。
具体地，参见图6，在本申请实施例的一种实现方式中，该步骤S305可包括：
步骤S3051，获取所述目标车辆1和所述前方车辆2的速度，并根据如下第二公式计算所述目标车辆1和所述前方车辆2之间的相对速度：
ΔV＝V1-V2
其中，
ΔV表示所述目标车辆1和所述前方车辆2之间的相对速度，
V1表示所述目标车辆1的行驶速度，
V2表示所述前方车辆2的行驶速度。
步骤S3052，根据所述驾驶员的驾驶状态获取对应的反应时间，并根据如下第三公式计算所述目标车辆1的制动距离：
其中，
D2表示所述目标车辆1的制动距离，
ti表示所述驾驶员在不同驾驶状态时所对应的反应时间，
t0表示所述驾驶员在清醒状态时所对应的反应时间，
t1表示所述驾驶员在轻微疲劳状态时所对应的反应时间，
t2表示所述驾驶员在中度疲劳状态时所对应的反应时间，
t3表示所述驾驶员在重度疲劳状态时所对应的反应时间，
a表示所述目标车辆1的最大制动减速度。
车辆的制动距离与驾驶员的反应时间、车辆的最大制动减速度以及车辆的车速相关，而当目标车辆1前方存在其他车辆时，目标车辆1的制动距离则可与两车之间的相对车速相关。
步骤S306，当目标车辆1和前方车辆2之间相对距离不大于目标车辆1的制动距离时，发出警示信息。
在本申请实施例的一种实现方式中，目标车辆1的制动距离根据驾驶员的驾驶状态的不同而不同，因此，为了增强该方法对驾驶员的提醒效果，该方法中，系统发出的警示信息的强度可根据驾驶员的疲劳程度的增强而增强。
例如，在图1所示的一种实施环境中，目标车辆1中可设置有声音报警器104，当车载终端106分析出驾驶员的疲劳状态时，当驾驶员为清醒状态时，声音报警器104可发出300Hz的报警声音。当驾驶员处于疲劳状态时，声音报警器104的报警声音可大于300Hz。而且随着驾驶员疲劳程度的增加，驾驶员的对外界的感知反应也会逐渐变弱，因此可将声音报警器104设计为随着驾驶员疲劳程度的增加报警声音强度逐渐加大。
以图1所示的实施环境为例，该实施例提供的车辆预警方法可以实时获取目标车辆1前方的道路图像信息并判断是否存在其他车辆，当目标车辆1前方存在其他车辆时，通过定位模块105和短程通信模块103获取目标车辆1与前方车辆2的位置信息和行驶速度，从而可快速准确地得到两车之间的相对距离。这样根据实时采集到的目标车辆1前方道路的图像信息和前方车辆2的位置、速度信息，可以减少目标车辆1的车载终端106的算法所占用的空间，而且实时获取目标车辆1前方道路的图像信息和前方车辆2的位置、速度信息可以保证两车之间相对距离的时效性和准确性。
同时，在目标车辆1内部的摄像头可实时获取驾驶员的脸部图像信息并识别分析出驾驶员当前的驾驶状态，从而根据该驾驶状态对应的反应时间、两车之间的速度差和目标车辆1本身的状态信息即可得到目标车辆1在当前时刻的制动距离。这样根据驾驶员的驾驶状态得到的制动距离可以在减少算法占用空间的同时提高制动距离的准确性。
然后判断两车之间的相对距离是否大于目标车辆1的制动距离即可得知当前时刻目标车辆1是否处于安全，从而判断是否需要发出警示信息。这样警示信息也就是根据当前时刻驾驶员的驾驶状态和目标车辆1的行驶速度决定，假设当前时刻发生突发情况，驾驶员当前驾驶状态所对应的制动距离大于两车之间的相对距离时，报警器104可发出警示信息，从而驾驶员可减小目标车辆1的行驶速度以加大两车之间的相对距离。
本申请一些实施例提供了一种车辆预警预警系统，参见图7，该系统包括：
相对距离计算模块710，被配置为当目标车辆1的前方存在车辆时，确定目标车辆1和前方车辆2之间的相对距离；
状态识别模块720，被配置为根据驾驶员的图像信息识别驾驶员的驾驶状态；
制动距离获取模块730，被配置为根据驾驶员的驾驶状态和目标车辆1的状态信息得到当前时刻目标车辆1紧急制动的制动距离；
报警模块740，被配置为当目标车辆1和前方车辆2之间相对距离不大于所述目标车辆1的制动距离时，发出警示信息。
参见图8，本申请一些实施例还提供了一种车辆预警预警系统，该系统可包括：
图像采集模块810，被配置为采集目标车辆1前方道路的图像信息。
第一级联分类器820，被配置为对采集的图像信息进行检测是否存在车辆，其中，第一级联分类器820是对不同条件下各个道路图像样本进行训练得到的，道路图像样本包括不同场景下目标车辆1前方有车的图像样本和对应场景下目标车辆1前方没有车的图像样本。
相对距离计算模块830，被配置为当目标车辆1的前方存在车辆时，确定目标车辆1和前方车辆2之间的相对距离。
第二级联分类器840，被配置为在识别驾驶员的驾驶状态之前，对采集到的驾驶员的图像信息进行检测并分析识别出驾驶员的驾驶状态；
其中，第二级联分类器840是对驾驶员在不同驾驶状态下的图像样本进行训练得到的，驾驶员的驾驶状态包括清醒状态、轻微疲劳状态、中度疲劳状态和重度疲劳状态。
制动距离获取模块850，被配置为根据驾驶员的驾驶状态和目标车辆1的状态信息得到当前时刻目标车辆1紧急制动的制动距离；
报警模块860，被配置为当目标车辆1和前方车辆2之间相对距离不大于所述目标车辆1的制动距离时，发出警示信息。
其中，参见图9，相对距离计算830模块可包括：
位置获取单元831，被配置为获取目标车辆1和前方车辆2的位置信息，其中，位置信息包括经纬度信息；
方向调整单元832，被配置为对位置信息数据进行方向调整；
相对距离计算单元833，被配置为根据以下第一公式计算目标车辆1和前方车辆2之间的相对距离；
其中，
C＝sin(MlatA)*sin(MlatB)*cos(MlonA-MlonB)+cos(MlatA)*cos(MlatB)；
R表示地球平均半径，取值6371.004km；
MlatA表示方向调整后的目标车辆1的纬度值；
MlatB表示方向调整后的前方车辆2的纬度值；
MlonA表示方向调整后的目标车辆1的经度值；
MlonB表示方向调整后的前方车辆2的经度值；
D1表示目标车辆1和前方车辆2之间的相对距离。
参见图10，制动距离获取模块850可包括：
相对速度计算单元851，被配置为获取目标车辆1和前方车辆2的速度，并根据如下第二公式计算目标车辆1和前方车辆2之间的相对速度：
ΔV＝V1-V2
其中，
ΔV表示目标车辆1和所述前方车辆2之间的相对速度，
V1表示目标车辆1的行驶速度，
V2表示前方车辆2的行驶速度；
制动距离计算单元852，被配置为根据驾驶员的驾驶状态获取对应的反应时间，并根据如下第二公式计算目标车辆1的制动距离：
其中，
D2表示目标车辆1的制动距离；
ti表示驾驶员在不同驾驶状态时所对应的反应时间；
t0表示驾驶员在清醒状态时所对应的反应时间；
t1表示驾驶员在轻微疲劳状态时所对应的反应时间；
t2表示驾驶员在中度疲劳状态时所对应的反应时间；
t3表示驾驶员在重度疲劳状态时所对应的反应时间；
a表示目标车辆1的最大制动减速度。
本申请一些实施例还提供了一种车辆预警系统，该系统可包括处理器和用于存储处理器可执行命令的存储器。其中，处理器可被配置为：
当目标车辆1的前方存在车辆时，确定目标车辆1和前方车辆2之间的相对距离；
根据目标车辆1的驾驶员的图像信息识别驾驶员的驾驶状态；
根据驾驶员的驾驶状态和目标车辆1的状态信息得到当前时刻目标车辆1紧急制动的制动距离；
当目标车辆1和前方车辆2之间相对距离不大于目标车辆1的制动距离时，发出警示信息。
本申请实施例提供的车辆预警系统与本申请实施例提供的车辆预警方法相对应，其执行功能的模块都能在实施例以中找到对应的步骤，为了简明起见，不再阐述本申请实施例提供的车辆预警系统的细节和效果。
本领域技术人员可以理解实现上述实施例的全部或部分步骤、模块可以通过硬件来实现，也可以通过程序来指令相关的硬件完成。程序可以存储于一种计算机可读存储介质中，存储介质可以是只读存储器、磁盘或光盘等。
以上所述仅为本发明的说明性示例，并不用以限制本发明的保护范围，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车辆预警方法，其特征在于，所述方法包括：
当目标车辆(1)的前方存在车辆时，确定所述目标车辆(1)和前方车辆(2)之间的相对距离；
根据所述目标车辆(1)的驾驶员的图像信息识别所述驾驶员的驾驶状态；
根据所述驾驶员的驾驶状态和所述目标车辆(1)的状态信息得到当前时刻所述目标车辆(1)紧急制动的制动距离；
当所述目标车辆(1)和前方车辆(2)之间相对距离不大于所述目标车辆(1)的制动距离时，发出警示信息。
2.根据权利要求1所述的车辆预警方法，其特征在于，所述确定所述目标车辆(1)和前方车辆(2)之间的相对距离包括：
获取所述目标车辆(1)和所述前方车辆(2)的位置信息，其中，所述位置信息包括经纬度信息；
对所述位置信息数值进行方向调整；
根据以下第一公式计算所述目标车辆(1)和所述前方车辆(2)之间的相对距离：
其中，
C＝sin(MlatA)*sin(MlatB)*cos(MlonA-MlonB)+cos(MlatA)*cos(MlatB)；
R表示地球平均半径，取值6371.004km；
MlatA表示方向调整后的所述目标车辆(1)的纬度值；
MlatB表示方向调整后的所述前方车辆(2)的纬度值；
MlonA表示方向调整后的所述目标车辆(1)的经度值；
MlonB表示方向调整后的所述前方车辆(2)的经度值；
D1表示所述目标车辆(1)和所述前方车辆(2)之间的相对距离。
3.根据权利要求2所述的车辆预警方法，其特征在于，在所述获取所述前方车辆(2)的位置信息之前，所述方法还包括：
采集所述目标车辆(1)前方道路的图像信息；
使用第一级联分类器对采集的所述图像信息进行检测是否存在车辆，其中，所述第一级联分类器是对不同条件下道路图像样本进行训练得到的，所述道路图像样本包括不同场景下所述目标车辆(1)前方有车的图像样本和对应场景下所述目标车辆(1)前方没有车的图像样本。
4.根据权利要求1所述的车辆预警方法，其特征在于，在所述识别驾驶员的驾驶状态之前，所述方法还包括：
使用第二级联分类器对采集到的所述驾驶员图像信息进行检测并分析识别出所述驾驶员的驾驶状态；
其中，所述第二级联分类器是对驾驶员在不同驾驶状态下图像样本进行训练得到的，所述驾驶员的驾驶状态包括清醒状态、轻微疲劳状态、中度疲劳状态和重度疲劳状态。
5.根据权利要求4所述的车辆预警方法，其特征在于，根据所述驾驶员的驾驶状态得到当前时刻所述目标车辆(1)紧急制动的制动距离包括：
获取所述目标车辆(1)和所述前方车辆(2)的速度，并根据如下第二公式计算所述目标车辆(1)和所述前方车辆(2)之间的相对速度：
ΔV＝V1-V2
其中，
ΔV表示所述目标车辆(1)和所述前方车辆(2)之间的相对速度，
V1表示所述目标车辆(1)的行驶速度，
V2表示所述前方车辆(2)的行驶速度，
根据所述驾驶员的驾驶状态获取对应的反应时间，并根据如下第三公式计算所述目标车辆(1)的制动距离：
其中，
D2表示所述目标车辆(1)的制动距离，
ti表示所述驾驶员在不同驾驶状态时所对应的反应时间，
t0表示所述驾驶员在清醒状态时所对应的反应时间，
t1表示所述驾驶员在轻微疲劳状态时所对应的反应时间，
t2表示所述驾驶员在中度疲劳状态时所对应的反应时间，
t3表示所述驾驶员在重度疲劳状态时所对应的反应时间，
a表示所述目标车辆(1)的最大制动减速度。
6.一种车辆预警系统，其特征在于，所述系统包括：
相对距离计算模块，被配置为当目标车辆(1)的前方存在车辆时，确定所述目标车辆(1)和前方车辆(2)之间的相对距离；
状态识别模块，被配置为根据驾驶员的图像信息识别驾驶员的驾驶状态；
制动距离获取模块，被配置为根据所述驾驶员的驾驶状态和所述目标车辆(1)的状态信息得到当前时刻所述目标车辆(1)紧急制动的制动距离；
报警模块，被配置为当所述目标车辆(1)和前方车辆(2)之间相对距离不大于所述目标车辆(1)的制动距离时，发出警示信息。
7.根据权利要求6所述的车辆预警系统，其特征在于，所述相对距离计算模块包括：
位置获取单元，被配置为获取所述目标车辆(1)和所述前方车辆(2)的位置信息，其中，所述位置信息包括经纬度信息；
方向调整单元，被配置为对所述位置信息数据进行方向调整；
相对距离计算单元，被配置为根据以下第一公式计算所述目标车辆(1)和所述前方车辆(2)之间的相对距离；
其中，
C＝sin(MlatA)*sin(MlatB)*cos(MlonA-MlonB)+cos(MlatA)*cos(MlatB)；
R表示地球平均半径，取值6371.004km；
MlatA表示方向调整后的所述目标车辆(1)的纬度值；
MlatB表示方向调整后的所述前方车辆(2)的纬度值；
MlonA表示方向调整后的所述目标车辆(1)的经度值；
MlonB表示方向调整后的所述前方车辆(2)的经度值；
D1表示所述目标车辆(1)和所述前方车辆(2)之间的相对距离。
8.根据权利要求7所述的车辆预警系统，其特征在于，所述系统还包括：
图像采集模块，被配置为采集所述目标车辆(1)前方道路的图像信息；
第一级联分类器，被配置为对采集的所述图像信息进行检测是否存在车辆，其中，所述第一级联分类器是对不同条件下各个道路图像样本进行训练得到的，所述道路图像样本包括不同场景下所述目标车辆(1)前方有车的图像样本和对应场景下所述目标车辆(1)前方没有车的图像样本。
9.根据权利要求6所述的车辆预警系统，其特征在于，所述系统还包括：
第二级联分类器，被配置为在所述识别驾驶员的驾驶状态之前，对采集到的所述驾驶员的图像信息进行检测并分析识别出所述驾驶员的驾驶状态；
其中，所述第二级联分类器是对驾驶员在不同驾驶状态下的图像样本进行训练得到的，所述驾驶员的驾驶状态包括清醒状态、轻微疲劳状态、中度疲劳状态和重度疲劳状态。
10.根据权利要求9所述的车辆预警系统，其特征在于，所述制动距离获取模块包括：
相对速度计算单元，被配置为获取所述目标车辆(1)和所述前方车辆(2)的速度，并根据如下第二公式计算所述目标车辆(1)和所述前方车辆(2)之间的相对速度：
ΔV＝V1-V2
其中，
ΔV表示所述目标车辆(1)和所述前方车辆(2)之间的相对速度，
V1表示所述目标车辆(1)的行驶速度，
V2表示所述前方车辆(2)的行驶速度；
制动距离计算单元，被配置为根据所述驾驶员的驾驶状态获取对应的反应时间，并根据如下第二公式计算所述目标车辆(1)的制动距离：
其中，
D2表示目标车辆(1)的制动距离；
ti表示驾驶员在不同驾驶状态时所对应的反应时间；
t0表示驾驶员在清醒状态时所对应的反应时间；
t1表示驾驶员在轻微疲劳状态时所对应的反应时间；
t2表示驾驶员在中度疲劳状态时所对应的反应时间；
t3表示驾驶员在重度疲劳状态时所对应的反应时间；
a表示目标车辆(1)的最大制动减速度。
CN201910403130.2A 2019-05-15 2019-05-15 车辆预警方法及系统 Pending CN110097783A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910403130.2A CN110097783A (zh) 2019-05-15 2019-05-15 车辆预警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910403130.2A CN110097783A (zh) 2019-05-15 2019-05-15 车辆预警方法及系统

Publications (1)

Publication Number Publication Date
CN110097783A true CN110097783A (zh) 2019-08-06

Family

ID=67448168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910403130.2A Pending CN110097783A (zh) 2019-05-15 2019-05-15 车辆预警方法及系统

Country Status (1)

Country Link
CN (1) CN110097783A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110764512A (zh) * 2019-11-18 2020-02-07 江苏农林职业技术学院 一种农机驾驶控制系统
CN111681454A (zh) * 2020-06-03 2020-09-18 重庆邮电大学 一种基于驾驶行为的车车协同防撞预警方法
CN111812602A (zh) * 2020-07-07 2020-10-23 南京隼眼电子科技有限公司 驾驶辅助系统性能的评估方法及存储介质
CN112124320A (zh) * 2020-09-10 2020-12-25 恒大新能源汽车投资控股集团有限公司 车辆控制方法、系统及车辆
CN113870580A (zh) * 2021-09-01 2021-12-31 北京中交兴路信息科技有限公司 用于货车的超速检测方法、装置、货车车辆及货车系统
CN114125695A (zh) * 2020-08-31 2022-03-01 奥迪股份公司 车辆的坡路行车警示方法、装置、设备及存储介质
CN114148321A (zh) * 2021-11-22 2022-03-08 长安大学 一种考虑碰撞风险的自动紧急制动及安全评价方法
CN114228734A (zh) * 2021-12-29 2022-03-25 慧之安信息技术股份有限公司 一种基于深度学习的自动提醒方法和装置
CN117831290A (zh) * 2024-01-05 2024-04-05 中安智腾(河北)交通科技有限公司 一种基于物联网的行车安全监控预警系统及方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101407199A (zh) * 2008-10-28 2009-04-15 湖北汽车工业学院 一种车辆碰撞预警方法及装置
JPWO2011013238A1 (ja) * 2009-07-31 2013-01-07 パイオニア株式会社 運転支援装置、運転支援システム、運転支援方法及びプログラム
DE102013211474A1 (de) * 2012-06-22 2013-12-24 Gm Global Technology Operations, Llc Warnsysteme und Warnverfahren für ein Fahrzeug
CN105096657A (zh) * 2015-07-15 2015-11-25 奇瑞汽车股份有限公司 一种追尾预警方法及系统
CN105206108A (zh) * 2015-08-06 2015-12-30 同济大学 一种基于电子地图的车辆碰撞预警方法
CN106408878A (zh) * 2016-12-16 2017-02-15 苏州清研微视电子科技有限公司 一种考虑驾驶人疲劳状态及反应能力的车辆防撞预警系统
CN106448259A (zh) * 2015-08-07 2017-02-22 腾讯科技（深圳）有限公司 一种车辆预警的方法、装置及系统
JP2017162052A (ja) * 2016-03-08 2017-09-14 トヨタ自動車株式会社 運転支援装置
CN107209995A (zh) * 2015-01-19 2017-09-26 爱信精机株式会社 驾驶辅助装置、方法及程序
CN107595307A (zh) * 2017-10-23 2018-01-19 湖南科技大学 基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法
CN107650786A (zh) * 2016-07-25 2018-02-02 滴滴（中国）科技有限公司 前方路况检测方法和系统
CN108198461A (zh) * 2018-02-28 2018-06-22 奇瑞汽车股份有限公司 车辆追尾预警方法及装置
CN109308816A (zh) * 2017-07-28 2019-02-05 华为技术有限公司 一种确定道路交通风险的方法、装置及车载系统
CN109591812A (zh) * 2017-09-30 2019-04-09 上海蔚来汽车有限公司 交通工具前方避撞方法及系统
CN109703460A (zh) * 2019-01-11 2019-05-03 合肥思艾汽车科技有限公司 多摄像头的复杂场景自适应车辆碰撞预警装置及预警方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101407199A (zh) * 2008-10-28 2009-04-15 湖北汽车工业学院 一种车辆碰撞预警方法及装置
JPWO2011013238A1 (ja) * 2009-07-31 2013-01-07 パイオニア株式会社 運転支援装置、運転支援システム、運転支援方法及びプログラム
DE102013211474A1 (de) * 2012-06-22 2013-12-24 Gm Global Technology Operations, Llc Warnsysteme und Warnverfahren für ein Fahrzeug
CN107209995A (zh) * 2015-01-19 2017-09-26 爱信精机株式会社 驾驶辅助装置、方法及程序
CN105096657A (zh) * 2015-07-15 2015-11-25 奇瑞汽车股份有限公司 一种追尾预警方法及系统
CN105206108A (zh) * 2015-08-06 2015-12-30 同济大学 一种基于电子地图的车辆碰撞预警方法
CN106448259A (zh) * 2015-08-07 2017-02-22 腾讯科技（深圳）有限公司 一种车辆预警的方法、装置及系统
JP2017162052A (ja) * 2016-03-08 2017-09-14 トヨタ自動車株式会社 運転支援装置
CN107650786A (zh) * 2016-07-25 2018-02-02 滴滴（中国）科技有限公司 前方路况检测方法和系统
CN106408878A (zh) * 2016-12-16 2017-02-15 苏州清研微视电子科技有限公司 一种考虑驾驶人疲劳状态及反应能力的车辆防撞预警系统
CN109308816A (zh) * 2017-07-28 2019-02-05 华为技术有限公司 一种确定道路交通风险的方法、装置及车载系统
CN109591812A (zh) * 2017-09-30 2019-04-09 上海蔚来汽车有限公司 交通工具前方避撞方法及系统
CN107595307A (zh) * 2017-10-23 2018-01-19 湖南科技大学 基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法
CN108198461A (zh) * 2018-02-28 2018-06-22 奇瑞汽车股份有限公司 车辆追尾预警方法及装置
CN109703460A (zh) * 2019-01-11 2019-05-03 合肥思艾汽车科技有限公司 多摄像头的复杂场景自适应车辆碰撞预警装置及预警方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110764512A (zh) * 2019-11-18 2020-02-07 江苏农林职业技术学院 一种农机驾驶控制系统
CN111681454A (zh) * 2020-06-03 2020-09-18 重庆邮电大学 一种基于驾驶行为的车车协同防撞预警方法
CN111812602A (zh) * 2020-07-07 2020-10-23 南京隼眼电子科技有限公司 驾驶辅助系统性能的评估方法及存储介质
CN114125695A (zh) * 2020-08-31 2022-03-01 奥迪股份公司 车辆的坡路行车警示方法、装置、设备及存储介质
CN114125695B (zh) * 2020-08-31 2024-05-31 奥迪股份公司 车辆的坡路行车警示方法、装置、设备及存储介质
CN112124320A (zh) * 2020-09-10 2020-12-25 恒大新能源汽车投资控股集团有限公司 车辆控制方法、系统及车辆
CN113870580B (zh) * 2021-09-01 2022-09-20 北京中交兴路信息科技有限公司 用于货车的超速检测方法、装置、货车车辆及货车系统
CN113870580A (zh) * 2021-09-01 2021-12-31 北京中交兴路信息科技有限公司 用于货车的超速检测方法、装置、货车车辆及货车系统
CN114148321A (zh) * 2021-11-22 2022-03-08 长安大学 一种考虑碰撞风险的自动紧急制动及安全评价方法
CN114148321B (zh) * 2021-11-22 2023-06-20 长安大学 一种考虑碰撞风险的自动紧急制动及安全评价方法
CN114228734A (zh) * 2021-12-29 2022-03-25 慧之安信息技术股份有限公司 一种基于深度学习的自动提醒方法和装置
CN117831290A (zh) * 2024-01-05 2024-04-05 中安智腾(河北)交通科技有限公司 一种基于物联网的行车安全监控预警系统及方法
CN117831290B (zh) * 2024-01-05 2024-08-20 中安智腾(河北)交通科技有限公司 一种基于物联网的行车安全监控预警系统及方法

Similar Documents

Publication Publication Date Title
CN110097783A (zh) 车辆预警方法及系统
CN112389448B (zh) 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法
CN110264783B (zh) 基于车路协同的车辆防碰撞预警系统及方法
CN107924632B (zh) 信息处理设备、信息处理方法和程序
JP3766909B2 (ja) 走行環境認識方法および装置
JP7263233B2 (ja) 車両衝突を検出するための方法、システム及びプログラム
US10762363B2 (en) Road sign recognition for connected vehicles
CN107346612B (zh) 一种基于车联网的车辆防碰撞方法和系统
US20200409387A1 (en) Image processing apparatus, image processing method, and program
JPWO2019077999A1 (ja) 撮像装置、画像処理装置、及び、画像処理方法
US20220340130A1 (en) Information processing apparatus, information processing method, and program
CN109760678A (zh) 一种汽车自适应巡航系统的限速方法
CN110533958A (zh) 车辆变道提醒方法及系统
US20230230368A1 (en) Information processing apparatus, information processing method, and program
CN109720348A (zh) 车载装置、信息处理系统和信息处理方法
EP4044149A1 (en) Information processing device, information processing system, and information processing method
CN113064153B (zh) 一种确定目标对象跟踪门限的方法、装置
CN111311947B (zh) 一种网联环境下考虑驾驶人意图的行车风险评估方法和装置
CN113415275A (zh) 车辆消息的处理方法、装置、可读介质及电子设备
JP2020106915A (ja) 情報提示装置
CN113581206A (zh) 一种基于v2v的前车意图识别系统及识别方法
US20220277556A1 (en) Information processing device, information processing method, and program
CN109895694B (zh) 一种车道偏离预警方法、装置及车辆
CN210760742U (zh) 智能车辆辅助驾驶系统
WO2020158489A1 (ja) 可視光通信装置、可視光通信方法及び可視光通信プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190806