一种基于群体感知的障碍物检测系统及方法与流程

文档序号:12033683阅读:641来源:国知局
一种基于群体感知的障碍物检测系统及方法与流程

本发明涉及群体感知和数据分析领域,尤其涉及群体数据分析和传感器数据处理和分析的方法。



背景技术:

行人安全日益成为社会普遍关注的问题,其中人行道上的临时障碍物是影响行人安全的重要因素之一。尤其目前智能手机的普及导致行人对道路的注意力越来越少,更易因人行道上的障碍物摔倒甚至受伤。为了解决行人在道路上的安全问题,一些工作对检测道路上危险因素的方法进行了研究。如使用超声波检测前方的道路的状况,使用手机摄像头检测机动车靠近。这些方法都存在一个共同的弊端,就是检测的区域有限,只能检测用户正前方的障碍,不能全方位的检测用户周围的障碍物。而用户安全辅助需要更加丰富的障碍物信息。通过群智感知的方式可以手机收集全面的信息,但是在现有的方法中还未有人提出使用群体移动规律的方法构造全面的人行道上的障碍物地图。通过这种方式不仅收集数据的成本低,并且可以获得大量的数据有利于对数据的分析。



技术实现要素:

提出使用群体移动规律判断人行道上是否存在障碍物,如果障碍物存在则计算其危险区域范围。其原理是:用户在人行道上行走的过程中遇到障碍物时会进行一系列的避让行为,这些群体的避让行为具有一定的规律。其主要工作内容是:定义群体避让规律,根据群体数据判断障碍物是否存在,确定障碍物的危险区域。

为实现上述任务,本发明采用以下技术方案:一种基于群体感知的障碍物检测系统,包括:数据采集设备:所述数据采集设备为可移动的智能终端设备,所述数据采集设备配置有检测方向变化的传感器、获取距离的传感器、获取地理位置的传感器、图像获取装置;所述检测方向变化的传感器用来检测群体用户是否有避让障碍物的避让行为;所述获取距离的传感器用来计算群体用户避让障碍物的避让距离;所述获取地理位置的传感器用来标定群体用户避让障碍物的位置;所述数据采集设备包括第一数据采集设备、后续数据采集设备;所述第一数据采集设备采集的所述以上传感器的数据为群体用户避让障碍物避让规则的数据来源;所述后续数据采集设备所采取的所述以上传感器的数据,通过融合用来判断是否有障碍物;所述后续数据采集设备进入所述第一数据采集设备划定的障碍物怀疑区域后自动开启图像获取装置进行拍摄获取图像;数据处理模块:用以处理所述数据采集设备采集的数据进行分析,通过计算所述后续数据采集设备拍照的相似度以及自动开启图像获取装置的数据采集设备的数量来判断是否有障碍物。

具体地,一种基于群体感知的障碍物检测系统,所述数据采集设备为具有可便携移动和处理功能的智能终端设备,为智能手机、平板电脑、pda;所述检测方向变化的传感器为方向传感器;所述获取距离的传感器为加速度传感器;所述获取地理位置的传感器为gps;所述图像获取装置为摄像头。

本发明还提供一种基于群体感知的障碍物检测方法,包括数据采集设备,数据处理设备,其特征在于:包括如下步骤:

s1:收集数据采集设备的传感器数据;

s2:针对现有的传感器数据,发现群体用户在避让障碍物时的避让规则;

s3:使用s2中发现的避让规则发现某地点人群的避让行为,若出现避让行为则将该点设置为怀疑区域:

s4:采集后续数据采集设备进入所述怀疑区域的传感器数据;所述后续数据采集设备进入怀疑区域后自动拍照获取区域内图像数据;所述传感器数据包括图像数据;对区域内;

s5:针对s4中得到的怀疑区域,使用该点的避让概率和图像数据融合的方式有障碍物的可信度,进而判断该点是否有障碍物;

s6:计算障碍物的危险区域,该危险区域的边界由人群避让点拟合而成。

进一步地,一种基于群体感知的障碍物检测方法,所述障碍物怀疑区域为以避让障碍物的位置为圆心,以所述避让障碍物的避让距离为半径的圆形区域。

进一步地,一种基于群体感知的障碍物检测方法,所述的避让规则为方向传感器检测到数据采集设备有两次转弯,所述数据采集设备在所述两次转弯之间移动到距离为避让距离,为s=n×l,其中n为携带数据采集设备的用户行走的步数,l为携带数据采集设备的用户每步的步长。

进一步地,一种基于群体感知的障碍物检测方法,所述两次转弯的检测设置了时间阈值。

进一步地,一种基于群体感知的障碍物检测方法,所述s5中所述避让概率为携带后续采集设备经过怀疑区域的时间段内转弯的用户数量占经过该区域的用户总量的比率p(t)。

进一步地,一种基于群体感知的障碍物检测方法,所述s5中使用该点的避让概率和图像数据融合的方式有障碍物的可信度,具体为:定义假设空间φ={t1,t2},t1表示的事件:用户在怀疑区域内转弯;t2表示事件:用户未在怀疑区域内转弯;t1={h1,h2},h1表示时间:用户在怀疑区域内转弯后拍得的照片属于相似图片的概率;目标是求得假设h1的信任度:

s51:使用公式(1)根据每个用户的行为计算每个用户在各个假设下的权重mi(h):

s52:使用公式(2)整合当前该怀疑区域内所有用户,计算各个假设所占的权重;

其中,

s53:使用公式(3)计算各个假设的信任度下限bel和信任度上限pel;

s54:计算假设h1的信任度下限和信任度上限分别为:bel(h1)=m(h1);pel(h1)=m(h1)+m(t2);

s55:将信任度上限和信任度下限的均值作为信任度的值conf(h1)=(bel(h1)+pel(h1))/2,当conf(h1)大于其余假设的信任度时,则认为当前的假设可信。

与现有的技术相比较,本发明提出了通过群体经过障碍物的行为规则来检测人行道上障碍物的方法。首先通过群体经过障碍物的反应归纳出避让规则,其次,采用计算用户行为可信度的方式判断障碍物是否存在。最后,根据用户的避让轨迹计算障碍物危险区域的位置和范围。

附图说明

图1为本发明实例中基于群智感知的障碍物检测方法流程图;

图2为本发明实例中方向传感器数据处理所得结果;

图3为本发明实例中加速度传感器数据所得结果;

图4为两次转弯为避让行为检测结果;

图5为本实施例手机摄像头对怀疑区域内的景物进行拍照所得照片;

图6为本实施例中障碍物分别作出信任度变化曲线;

图7为本实施例危险区域拟合结果。

具体实施方式

以下结合附图,对本发明的具体实施过程进行详述。

一种基于群体感知的障碍物检测系统,包括:数据采集设备:所述数据采集设备为可移动的智能终端设备,所述数据采集设备配置有检测方向变化的传感器、获取距离的传感器、获取地理位置的传感器、图像获取装置;所述检测方向变化的传感器用来检测群体用户是否有避让障碍物的避让行为;所述获取距离的传感器用来计算群体用户避让障碍物的避让距离;所述获取地理位置的传感器用来标定群体用户避让障碍物的位置;所述数据采集设备包括第一数据采集设备、后续数据采集设备;所述第一数据采集设备采集的所述以上传感器的数据为群体用户避让障碍物避让规则的数据来源;所述后续数据采集设备所采取的所述以上传感器的数据,通过融合用来判断是否有障碍物;所述后续数据采集设备进入所述第一数据采集设备划定的障碍物怀疑区域后自动开启图像获取装置进行拍摄获取图像,通过计算所述后续数据采集设备拍照的相似度以及自动开启图像获取装置的数据采集设备的数量来判断是否有障碍物;数据处理模块:用以处理所述数据采集设备采集的数据进行分析,判断是否有障碍物。

所述障碍物检测系统在操作时,可以用如下步骤来判断是否有障碍物。

步骤1:使用智能手机作为数据采集设备,该设备必须具备加速度传感器、方向传感器和gps。采样频率为50hz,采用滑动窗口的方式对数据进行处理,窗口大小为200个采样点。

根据步骤1所述的数据处理方法,将方向传感器数据和加速度传感器数据处理所得结果分别如图2和图3所示。

步骤2:根据手机放置位置判断三轴方向传感器中的指向前进方向的轴,用该轴进行方向变化检测。在检测过程中,要提取出避让行为中的两次转弯,为了避免一次转弯和避让行人对避让行为的检测,设置了两个时间阈值,tl=4s和ts=0.5s。当两次转弯的时间差大于ts且小于tl时认为这两次转弯为避让行为。

根据步骤2所述当两次转弯的时间差大于ts且小于tl时认为这两次转弯为避让行为,检测结果如图4所示。

步骤3:当检测到有一个用户在道路上行走时出现避让行为时,记录该用户第一个转弯的gps数值,并使用公式(1)计算两个转弯之间行走的距离,即避让距离。其中n为用户行走的步数,l为每步的步长。以第一个转弯的gps点为圆心避让距离为半径确定一个怀疑区域。当后续有手持手机的用户进入怀疑区域时,将自动开启手机摄像头对怀疑区域内的景物进行拍照。

s=n×l(1)

根据步骤3所述当后续有手持手机的用户进入怀疑区域时,将自动开启手机摄像头对怀疑区域内的景物进行拍照。拍照所得照片如图5所示。

步骤4:转弯频率和相似图片占图片总数的比率(p(s|t))作为检测怀疑区域内是否有障碍物的两个因素。其原理是,怀疑区域内有障碍物时转弯频率较高,相似图片的数量越多。将用户拍得的照片分为两个集合,一为互相相似度较高的一组,二为与任意一个一组中图片的相似度较低的一组。转弯概率为拍照用户经过怀疑区域的时间段内转弯的用户数量占经过该区域的用户总量的比率,即p(t)。使用证据推理的方式将这两个因素融合起来。

定义假设空间φ={t1,t2}。t1表示的事件:用户在怀疑区域内转弯;t2表示事件:用户未在怀疑区域内转弯。t1={h1,h2}。h1表示时间:用户在怀疑区域内转弯后拍得的照片属于相似图片的概率。目标是求得假设h1的信任度。首先使用公式(2)根据每个用户的行为计算每个用户在各个假设下的权重mi(h)。

然后使用公式(3)整合当前该怀疑区域内所有用户,计算各个假设所占的权重。

其中,

最后,使用公式(4)计算各个假设的信任度下限bel和信任度上限pel。

计算假设h1的信任度下限和信任度上限分别为:bel(h1)=m(h1);pel(h1)=m(h1)+m(t2)。将信任度上限和信任度下限的均值作为信任度的值conf(h1)=(bel(h1)+pel(h1))/2,当conf(h1)大于其余假设的信任度时,则认为当前的假设可信。

根据步骤4所述当conf(h1)大于其余假设的信任度时,则认为当前的假设可信,结合s2中的转弯概率和s3中的照片,对8个不同的障碍物分别作出信任度变化曲线如图6所示,在当前时刻检测出的障碍物有4个,分别是:obstacle1、obstacle2、obstacle5、obstacle7。

步骤5:确定障碍物存在之后,对障碍物的危险区域的位置和范围进行计算,据多次试验观察得到障碍物的危险区域为椭圆形。计算危险区域的位置和范围即计算该椭圆形的位置和范围。为了方便计算,首先使用公式(5)将坐标旋转,使得椭圆形的长轴和短轴分别平行或垂直于直角坐标系的y轴和x轴。

选择第二个转弯的位置的最外侧的两个点a和b,用a和b的gps数值计算椭圆的长轴a和短轴b的值,进而计算半焦距c的值。

寻找点o,其x值为a和b在x轴中值,使用公式(7)计算两个焦点的坐标。然后,使用公式(5)将计算得的坐标转化为真实世界的坐标。

根据椭圆的性质可知,当用户的gps坐标p满足|f1p|+|f2p|≤2a时,用户已经进入了椭圆区域,此时应对用户进行提醒避免造成伤害。

根据步骤5所述确定障碍物存在之后,对障碍物的危险区域的位置和范围进行计算,据多次试验观察得到障碍物的危险区域为椭圆形。针对s4所述的4个障碍物中的一个进行危险区域拟合,得到的结果如图7所示。

本发明提出了一种障碍物检测的新方法,与现有的障碍物检测方法相比,具有成本低,覆盖范围广的特点。这种方法能够根据行人在人行道上避让障碍物的行为规律判断人行道上是否有障碍物,并且确定障碍物的位置、分析其危险区域的大小。这种方法在行人安全辅助方面具有重大的现实意义。

以上所述仅为本发明的较佳实施列,对于发明而言仅仅是说明性的,而非限制性的。本专业技术人员理解,在发明权利要求所限定的精神和范围内可对其进行许多改变、修改等,但都将落入本发明的保护范围内。

当前第1页1 2 
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