车辆行驶状态的监测方法及监测器的制造方法

文档序号:9282378阅读:303来源:国知局
车辆行驶状态的监测方法及监测器的制造方法
【技术领域】
[0001]本发明涉及车辆监测技术,特别涉及一种车辆行驶状态的监测方法及监测器。
【背景技术】
[0002]随着经济的飞速发展及生活水平的普遍提高,机动车辆越来越普及,道路交通的压力也越来越大。随之而来的,交通安全也成为一个非常严峻的问题。大部分的交通事故都是由于驾驶员的疏忽造成的;尤其是驾驶员长时间驾车后精力不易集中,容易导致行驶时车辆方向游离,甚至进入相邻车道。
[0003]目前,市面上出现了一些针对于监测驾驶员自身驾驶状态的设备;例如疲劳驾驶预警器,能够通过识别人脸图像来分辨驾驶员是否处于疲劳状态,从而发出提醒。然而,由于完全依赖于对人脸的图像分析,且其分析依据是根据实验的统计数据而设定,对于不同的对象而言,分析结果必然具有一定的误差;而且,这类检测设备仅是监测驾驶员本身的状态以起到间接的提醒作用;即,无法以车辆本身的行驶状态来提醒驾驶员,以提供驾驶指
B
寸ο

【发明内容】

[0004]本发明的目的在于提供一种车辆行驶状态的监测方法及监测器,能够快速且准确地预判出车辆是否正在偏离车道,从而以车辆本身的行驶状态作为依据为驾驶员提供直接可靠的驾车提示信息。
[0005]为解决上述技术问题,本发明的实施方式提供了一种车辆行驶状态的监测方法,包含以下步骤:捕捉车辆行驶过程中的前方图像;从所述前方图像中识别所述车辆所在车道的至少一条车道边线;从所述前方图像中识别所述车辆的前方车头线;根据所述前方车头线与该条车道边线的位置关系,判定所述车辆为正在偏离车道状态或正常行驶状态。
[0006]本发明的实施方式还提供了一种车辆行驶状态的监测器,包含:图像捕捉单元,用于捕捉车辆行驶过程中的前方图像;图像识别单元,用于从所述前方图像中识别所述车辆所在车道的至少一条车道边线与所述车辆的前方车头线;行驶状态判定单元,用于根据所述前方车头线与该条车道边线的位置关系,判定所述车辆为正在偏离车道状态或正常行驶状态。
[0007]本发明实施方式相对于现有技术而言,从捕捉的前方图像中识别车辆所在车道的至少一条车道边线与前方车头线,并根据前方车头线与该条车道边线的位置关系,判定所述车辆为正在偏离车道状态或正常行驶状态。本发明提供的车辆行驶状态的监测方法及监测器,快速且准确地预判出车辆是否正在偏离车道,从而能够以车辆本身的行驶状态作为依据为驾驶员提供直接可靠的驾车提示信息。
[0008]另外,于判定所述车辆为正在偏离车道状态的步骤之后,还包含以下步骤:选取靠近所述前方车头线的车道边线,以将所述前方车头线上靠近该条车道边线的端点到该条车道边线的距离作为当前距离;获取所述车辆的当前行驶速度;根据所述当前夹角、所述当前距离以及所述当前行驶速度计算所述车辆偏离车道的倒计时长。即,当车辆正在偏离车道时,还可以预判出车辆偏离车道的倒计时长。从而,将车辆的当前行驶状态更加具体化,更有利于驾驶员对车辆行驶轨迹的预判并及时调整车辆的行驶方向。
【附图说明】
[0009]图1是根据本发明第一实施方式的车辆行驶状态的监测方法的流程图;
[0010]图2A与图2B表示在虚线车道的识别中,当车道分别为直线与曲线时识别出来的各像素密集区域的示意图;
[0011]图3是根据本发明第一实施方式的步骤S14的具体流程图;
[0012]图4是根据本发明第一实施方式中的计算前方车头线与至少一条车道边线的当前夹角的示意图;
[0013]图5是根据本发明第二实施方式的步骤S14的具体流程图;
[0014]图6A与图6B分别表示本发明第二实施方式中当车道边线为一条和多条时计算当前距离的示意图;
[0015]图7是根据本发明第三实施方式的车辆行驶状态的监测方法的流程图;
[0016]图8是根据本发明第四实施方式的车辆行驶状态的监测器的方框图。
【具体实施方式】
[0017]为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请各权利要求所要求保护的技术方案。
[0018]本发明的第一实施方式涉及一种车辆行驶状态的监测方法。具体流程如图1所示,车辆行驶状态的监测方法包含步骤Sll至步骤S14。
[0019]步骤Sll:捕捉车辆行驶过程中的前方图像。
[0020]具体而言,车辆上设置有一个车辆行驶状态的监测器,该监测器捕捉车辆行驶过程中的前方图像,该前方图像即为驾驶员行驶过程中所看到的前方画面。
[0021]步骤S12:从前方图像中识别车辆所在车道的至少一条车道边线。其中,步骤S12包含子步骤S121至子步骤S122。
[0022]子步骤S121:从前方图像中识别出具有预设颜色的至少一像素密集区域。
[0023]于实际中,车道边线为具有预设颜色的实线或虚线,最常见的预设颜色例如为白色,然而本实施方式对车道边线的预设颜色不作任何限制。
[0024]具体而言,前方图像位于一个平面坐标系中,即前方图像的各像素点对应于该平面坐标系中的一个平面坐标。监测器分析前方图像中各个像素点的颜色,且记录具有预设颜色的像素点的疑似密集区域;监测器判断该疑似密集区域中具有预设颜色的像素点的密度是否等于或大于预设的密度阈值,若是,则将该疑似密集区域标识为像素密集区域。其中,该预设的密度阈值为80%,表示当疑似密集区域的所有像素点中,至少有80%的像素点为预设颜色时,认为该疑似密集区域为像素密集区域。例如,疑似密集区域为10*10像素点的区域(共100个像素点),若其中98个像素点为预设颜色,则该疑似密集区域被认定为像素密集区域,若其中60个像素点为预设颜色,则该疑似密集区域不属于像素密集区域。本领域技术人员可以根据实际情况设置该密度阈值。
[0025]子步骤S122:根据至少一像素密集区域形成至少一条车道边线。
[0026]具体而言,当车道边线是实线时,理论上的,监测器可以识别出两个像素密集区域,该两个像素密集区域分别代表左右两条车道。
[0027]当车道边线是虚线时,监测器将识别出多个像素密集区域,如图2A、图2B分别表示车道为直线或曲线的情况,图中示意出了像素密集区域Al至A6,然而本实施方式对前方图像中识别出来的像素密集区域的数目不作任何限制。监测器获取各像素密集区域中沿该区域长度方向上的中线LI至L6的横坐标,并将具有近似横坐标的中线连接起来。其中,由于前方图像的水平中心线与垂直中心线分别为坐标平面的X轴与Y轴,因此,本实施方式中所述的近似横坐标是指:具有相同符号的横坐标。如图2A或图2B所示,Y轴左侧的各像素密集区域的横坐标均小于零,即该些像素密集区域的中线LI至L3上各点的横坐标亦小于零,从而,将中线LI至L3连接起来作为左侧车道的中线。然后,监测器将识别出来的该些车道中线将连接起来的)拟合成直线(对应于直道)或者弧形曲线(对应于弯道)。较佳的,监测器还将拟合成的直线或者弧形曲线的宽度拓展为参考宽度,并将该拓展为参考宽度的直线或曲线识别为车道。其中,参考宽度可以由本领域技术人员根据实际情况设置,或者可以根据识别出的其中一个像素密集区域的宽度来设定。
[0028]步骤S13:从前方图像中识别车辆的前方车头线。其中,步骤S13包含子步骤S131至子步骤S133。
[0029]子步骤S131:将前方图像沿竖直方向等分成多个图像区段。
[0030]本实施方式中所述的前方图像的竖直方向即是指垂直于前方车头线的方向。本领域技术人员可以根据实际精度需要设置各图像区段的宽度。<
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1