运动物体速度的测量方法、装置及车辆与流程
本发明涉及车速检测技术领域，特别涉及一种运动物体速度的测量方法、装置及车辆。
背景技术：
现阶段，视觉测速主要是通过固定摄像头对运动车辆进行拍摄，然后根据图像中车辆轮毂的模糊程度计算出运动车辆的车速。具体实现过程是：通过标定好的摄像头对运动车辆的轮毂进行拍摄，然后计算出图像中轮毂的水平距离和垂直距离，并对比实际水平直径和垂直直径得到模糊像素量，最后通过模糊量与车速的数学模型得到车速。
上述方式需要专门装配摄像头来对车辆的轮毂进行拍摄，不仅增加了硬件成本，而且对于智能驾驶汽车来说，自身传感器数量已经很多，再增加额外硬件设备，会对车身布局设计增加难度。而且，在计算后期，需要有一个从轮毂反推整车的过程，增加了计算步骤。
技术实现要素：
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种运动物体速度的测量方法，能够实时、准确的感知周围运动物体的运动速度，其中当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速。
本发明的第二个目的在于提出一种非临时性计算机可读存储介质。
本发明的第三个目的在于提出一种运动物体速度的测量装置。
本发明的第四个目的在于提出一种车辆。
为实现上述目的，本发明第一方面实施例提出了一种运动物体速度的测量方法，包括以下步骤：通过安装在当前车辆上的至少一个摄像头，获取所述当前车辆周围环境的图像；对所述图像进行频率域转化，得到所述图像的第一频谱图；将所述第一频谱图中模糊尺度与静止模糊尺度之间的差值大于预设阈值的区域，确定为所述当前车辆周围的运动物体对应的第二频谱图；根据所述第二频谱图，得到所述运动物体相对于所述当前车辆的相对运动方向和相对运动速度值，并根据所述相对运动方向和所述相对运动速度值，得到所述运动物体相对于所述当前车辆的相对运动速度矢量；根据所述相对运动速度矢量和所述当前车辆的运动速度矢量，得到所述运动物体的运动速度矢量。
根据本发明实施例的运动物体速度的测量方法，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像，并对图像进行频率域转化，得到图像的第一频谱图，以及将第一频谱图中模糊尺度与静止模糊尺度之间的差值大于预设阈值的区域，确定为当前车辆周围的运动物体对应的第二频谱图。然后，根据第二频谱图，得到运动物体相对于当前车辆的相对运动方向和相对运动速度值，并根据相对运动方向和相对运动速度值，得到运动物体相对于当前车辆的相对运动速度矢量，以及根据相对运动速度矢量和当前车辆的运动速度矢量，得到运动物体的运动速度矢量。由此，能够实时、准确的感知周围运动物体的运动速度，其中当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速。
为实现上述目的，本发明第二方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面实施例提出的运动物体速度的测量方法。
根据本发明实施例的非临时性计算机可读存储介质，通过上述的运动物体速度的测量方法，能够实时、准确的感知周围运动物体的运动速度，其中当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速。
为实现上述目的，本发明第三方面实施例提出了一种运动物体速度的测量装置，包括：第一图像获取单元，用于通过安装在当前车辆上的至少一个摄像头，获取所述当前车辆周围环境的图像；转换单元，用于对所述图像进行频率域转化，得到所述图像的第一频谱图；第二图像获取单元，用于将所述第一频谱图中模糊尺度与静止模糊尺度之间的差值大于预设阈值的区域，确定为所述当前车辆周围的运动物体对应的第二频谱图；第一速度获取单元，用于根据所述第二频谱图，得到所述运动物体相对于所述当前车辆的相对运动方向和相对运动速度值，并根据所述相对运动方向和所述相对运动速度值，得到所述运动物体相对于所述当前车辆的相对运动速度矢量；第二速度获取单元，用于根据所述相对运动速度矢量和所述当前车辆的运动速度矢量，得到所述运动物体的运动速度矢量。
根据本发明实施例的运动物体速度的测量装置，通过第一图像获取单元获取当前车辆周围环境的图像，并通过转换单元对图像进行频率域转化，得到图像的第一频谱图，以及通过第二图像获取单元将第一频谱图中模糊尺度与静止模糊尺度之间的差值大于预设阈值的区域，确定为当前车辆周围的运动物体对应的第二频谱图。然后，通过第一速度获取单元根据第二频谱图，得到运动物体相对于当前车辆的相对运动方向和相对运动速度值，并根据相对运动方向和相对运动速度值，得到运动物体相对于当前车辆的相对运动速度矢量，以及通过第二速度获取单元根据相对运动速度矢量和当前车辆的运动速度矢量，得到运动物体的运动速度矢量。由此，能够实时、准确的感知周围运动物体的运动速度，其中当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速。
为实现上述目的，本发明第四方面实施例提出了一种车辆，其包括本发明第三方面实施例所述的运动物体速度的测量装置。
根据本发明实施例的车辆，通过上述的运动物体速度的测量装置，能够实时、准确的感知周围运动物体的运动速度，其中当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速。
附图说明
图1是根据本发明一个实施例的运动状态的识别方法的流程图；
图2是根据本发明一个实施例的对图像中运动区域或静止区域识别的流程图；
图3是根据本发明一个实施例的车辆预警方法的流程图；
图4是根据本发明一个实施例的道路监测方法的流程图；
图5是根据本发明一个实施例的车速的测量方法的流程图；
图6是根据本发明一个实施例的运动物体速度的测量方法的流程图；
图7是根据本发明一个实施例的运动状态的识别装置的方框示意图；
图8是根据本发明一个实施例的车辆预警装置的方框示意图；
图9是根据本发明一个实施例的道路监测装置的方框示意图；
图10是根据本发明一个实施例的车辆的方框示意图；
图11是根据本发明一个实施例的车速的测量装置的方框示意图；
图12是根据本发明另一个实施例的车辆的方框示意图；
图13a是根据本发明一个实施例的运动物体速度的测量装置的方框示意图；
图13b是根据本发明另一个实施例的运动物体速度的测量装置的方框示意图；
图14是根据本发明又一个实施例的车辆的方框示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
图1是根据本发明一个实施例的运动状态的识别方法的流程图。
如图1所示，本发明实施例的运动状态的识别方法可包括以下步骤：
s11，通过至少一个摄像头，获取周围环境的图像。
根据本发明的一个实施例，摄像头为多个，通过至少一个摄像头，获取周围环境的图像，包括：通过多个摄像头，获取周围环境的全景图像。
在实际应用中，摄像头的个数可根据实际需求来确定。例如，当需要对道路上过往的车辆、行人等运动物体进行检测时，可在道路上方或一侧设置一个摄像头，通过该摄像头获取道路的图像；当需要对车辆周围的车辆、行人等运动物体进行检测时，可在车辆上设置多个摄像头，通过多个摄像头拍摄不同角度的图像，然后拼接成全景图像，这样通过对一张全景图像的分析即可获得周围环境的所有情况，以便于对车辆周围的运动物体进行检测。其中，摄像头所拍摄的图像可以为三通道图像(rgb数据格式的图像)，具体这里不做限制。
s12，对图像的模糊状态进行分析，识别出图像中的运动区域或静止区域。
根据本发明的一个实施例，如图2所示，对图像的模糊状态进行分析，识别出图像中的运动区域或静止区域，包括：
s121，对图像进行分块处理，得到多个区块图像。
具体地，可根据图像的分辨率对图像进行分块处理，以得到小区块的图像，其中，获得的区块图像的个数与分辨率成正比。例如，图像的分辨率越高，获得的区块图像的个数就越多，图像的分辨率越低，获得的区块图像的个数就越少，由此，可有效防止当图像分辨率较低时，采用相同的分块方式导致获得的区块图像不清晰，影响对区块图像的正确分析。
s122，获取多个区块图像中每个区块图像的模糊尺度。
根据本发明的一个实施例，获取多个区块图像中每个区块图像的模糊尺度，包括：对区块图像进行频率域转化，得到区块图像的频谱图；根据频谱图中暗条纹的方向角度和暗条纹的间距，得到区块图像的模糊尺度。
根据本发明的一个实施例，根据频谱图中暗条纹的方向角度和暗条纹的间距，得到区块图像的模糊尺度，包括：采用第一预设公式，计算得到模糊尺度，第一预设公式为：
其中，l为模糊尺度，m为区块图像的横向尺寸，d为暗条纹的间距，θ为暗条纹的方向角度，σ为区块图像的长宽比。
具体地，在获得多个区块图像后，可采用离散傅里叶变换对每个区块图像进行频率域转化，以得到每个区块图像的频谱图，然后对每个区块图像的频谱图进行分析。由于图像中存在的静止部分与运动部分所产生的运动模糊程度不同，所以频谱图中会存在不同程度的暗条纹(频谱线条)，因此可根据频谱图中暗条纹的方向角度θ和暗条纹的间距d，获得每个区块图像的模糊尺度l。
在根据频谱图中暗条纹的方向角度θ和暗条纹的间距d，得到区块图像的模糊尺度l时，还获取区块图像的横向尺寸m和区块图像的长宽比σ(当区块图像的横向尺寸m大于区块图像的纵向尺寸n时，σ＝m/n；当区块图像的横向尺寸m小于或等于区块图像的纵向尺寸n时，σ＝n/m)，然后，根据区块图像的横向尺寸m、区块图像的长宽比σ、暗条纹的间距d、暗条纹的方向角度θ，通过上述公式(1)计算获得区块图像的模糊尺度l。
s123，根据模糊尺度，对多个区块图像进行聚类，并计算每类中模糊尺度的平均值。
具体地，在获得每个区块图像的模糊尺度之后，将模糊尺度相近的区块图像划分为一类，然后计算出每类区块图像的模糊尺度的平均值。
举例而言，当区块图像为6个，且对应的模糊尺度分别为l1、l2、l3、l4、l5和l6时，如果l1-l2＜l0(预设阈值)，则说明l1和l2对应的区块图像的模糊尺度相近，l1和l2对应的区块图像为一类。假设，通过上述方式判断出l1、l2、l3和l4对应的区块图像的模糊尺度相近，l5和l6对应的区块图像的模糊尺度相近，那么l1、l2、l3和l4对应的区块图像为一类，相应的模糊尺度的平均值为(l1+l2+l3+l4)/4；l5和l6对应的区块图像为另一类，相应的模糊尺度的平均值为(l5+l6)/2。
s124，根据模糊尺度的平均值，确定出运动区域或静止区域。
根据本发明的一个实施例，根据模糊尺度的平均值，确定出运动区域或静止区域，包括：获取摄像头的运动速度，并获取运动速度下的静止模糊尺度；判断模糊尺度的平均值与静止模糊尺度之间的差值是否大于预设阈值；如果是，则判断模糊尺度的平均值的类对应的区域为运动区域；如果否，则判断模糊尺度的平均值的类对应的区域为静止区域。其中，预设阈值可根据实际情况进行标定。
也就是说，在根据模糊尺度的平均值确定运动区域时，可结合自身的状态来确定。例如，当摄像头处于固定状态时(如摄像头设置在道路上方或一侧)，静止物体(如地面)的静止模糊尺度为零；当摄像头处于运动状态时(如摄像头设置在车辆上)，可根据摄像头的运动速度(当摄像头设置在车辆上时，该运动速度即为车辆的车速)，通过公式
进一步地，在获得运动区域后，根据模糊尺度的平均值可将运动区域划分一个或多个。例如，当有5个不同的且差值大于预设阈值的模糊尺度的平均值时，可将运动区域划分为5个，此时表明在图像中具有5个运动物体。由此，通过对单帧图像进行运动模糊分析，即可快速识别出图像中的运动区域，相较于采用多帧图像或者多幅图像的方式，对数据量的要求小，计算量小，能够快速输出结果，有效提高检测速率。
根据本发明实施例的运动状态的识别方法，通过至少一个摄像头，获取周围环境的图像，并对图像的模糊状态进行分析，识别出图像中的运动区域或静止区域。由此，通过单帧图像即可识别出运动区域或静止区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率。
在实际应用中，本发明实施例的运动状态的识别方法可适用于多个场景。例如，可适用于车辆上，以识别出车辆周围运动物体所在区域，进而进行车辆预警等；又如，可适用于道路上，以识别出道路上运动物体所在区域，进而判断出交通拥堵情况。
具体地，图3是根据本发明一个实施例的车辆预警方法的流程图。
如图3所示，本发明实施例的车辆预警方法可包括以下步骤：
s31，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像。
根据本发明的一个实施例，摄像头为多个，通过至少一个摄像头，获取周围环境的图像，包括：通过多个摄像头，获取周围环境的全景图像。
具体地，可在当前车辆上设置多个摄像头，通过多个摄像头拍摄不同角度的图像，然后拼接成全景图像，这样通过对一张全景图像的分析即可获得周围环境的所有情况，以便于对车辆周围的运动物体(如，车辆、行人等)进行检测。在实际应用中，通常车辆上已经存在用于获取车辆周围环境的全景图像，因此只要对全景图像进行分析即可，无需增加额外的摄像头，减少了硬件成本，提高了目前摄像头的利用率。
s32，对图像的模糊状态进行分析，识别出图像中的运动区域。
根据本发明的一个实施例，如图2所示，对图像的模糊状态进行分析，识别出图像中的运动区域，包括：
s121，对图像进行分块处理，得到多个区块图像。
s122，获取多个区块图像中每个区块图像的模糊尺度。
根据本发明的一个实施例，获取多个区块图像中每个区块图像的模糊尺度，包括：对区块图像进行频率域转化，得到区块图像的频谱图；根据频谱图中暗条纹的方向角度和暗条纹的间距，得到区块图像的模糊尺度。
根据本发明的一个实施例，根据频谱图中暗条纹的方向角度和暗条纹的间距，得到区块图像的模糊尺度，包括：采用第一预设公式，计算得到模糊尺度，第一预设公式如上述公式(1)所示。
s123，根据模糊尺度，对多个区块图像进行聚类，并计算每类中模糊尺度的平均值。
s124，根据模糊尺度的平均值，确定出运动区域。
根据本发明的一个实施例，根据模糊尺度的平均值，确定出运动区域，包括：获取摄像头的运动速度，并获取运动速度下的静止模糊尺度；判断模糊尺度的平均值与静止模糊尺度之间的差值是否大于预设阈值；如果是，则判断模糊尺度的平均值的类对应的区域为运动区域。其中，预设阈值可根据实际情况进行标定。
s33，获取运动区域的第一地理位置坐标。
s34，根据第一地理位置坐标和当前车辆的第二地理位置坐标，计算得到运动物体与当前车辆之间的距离。
也就是说，通过图像中运动区域与对应的实际位置坐标进行转换，可获得运动物体相对于当前车辆的实际距离。具体地，可先计算出运动区域在原始图像中的位置坐标，然后根据摄像头的位置、拍摄范围，结合现有算法计算出运动物体相对于当前车辆的实际距离。
s35，若距离小于预设的安全距离阈值，则发出报警信号。其中，安全距离阈值可根据实际情况进行标定。
具体地，可通过安装在车辆上的摄像头获取车辆周围环境的图像，然后对周围环境的图像进行分析，以识别出车辆周围是否有运动物体。当车辆周围有运动物体时，识别出运动物体所在区域，并计算出该运动物体所在区域的位置坐标，进而根据位置坐标确定出当前车辆与运动物体之间的距离，并将其提供给车辆，以给车辆行驶提供有效的数据，便于车辆的行驶判断。
例如，可将获取的距离发送给车辆的预警系统，然后预警系统对该距离进行判断，如果该距离小于设定的安全距离阈值，则发出报警信号。一方面，对于有人驾驶的车辆，通过该报警信号可对驾驶员进行提醒，以便驾驶员及时采取相应的措施，以实现高级辅助智能驾驶；另一方面，对于智能驾驶车辆，可根据该报警信号直接进行降速处理、方向调整以及停车处理等，实现自动驾驶。
根据本发明实施例的车辆预警方法，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像，并对图像的模糊状态进行分析，识别出图像中的运动区域。然后，获取运动区域的第一地理位置坐标，并根据第一地理位置坐标和当前车辆的第二地理位置坐标，计算得到运动物体与当前车辆之间的距离，若距离小于预设的安全距离阈值，则发出报警信号。由此，通过单帧图像即可识别出运动区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率，并且识别出的运动区域可作为车辆行驶的有效数据，便于车辆的行驶判断，如进行提前预警，防止危险事故发生。
图4是根据本发明一个实施例的道路监测方法的流程图。
如图4所示，本发明实施例的道路监测方法可包括以下步骤：
s31，通过安装在道路上的至少一个摄像头，获取周围环境的图像。
根据本发明的一个实施例，摄像头为多个，通过至少一个摄像头，获取周围环境的图像，包括：通过多个摄像头，获取周围环境的全景图像。
具体地，当需要对道路的交通情况进行监测时，可在道路上方或一侧设置一个或多个摄像头，通过一个或多个摄像头获取道路的图像。例如，当需要对十字路口的交通情况进行监测时，可通过多个摄像头拍摄不同方向的图像，然后拼接成全景图像，这样通过对一张全景图像的分析即可获得周围环境的所有情况，以便于对整个十字路口的交通情况进行监测。当然，在实际应用中，也可以使用一个全景摄像头来拍摄整个十字路口的图像，具体这里不做限制，只要能够获得所需的图像即可。
s32，对图像的模糊状态进行分析，识别出图像中的运动区域。
根据本发明的一个实施例，如图2所示，对图像的模糊状态进行分析，识别出图像中的运动区域，包括：
s121，对图像进行分块处理，得到多个区块图像。
s122，获取多个区块图像中每个区块图像的模糊尺度。
根据本发明的一个实施例，获取多个区块图像中每个区块图像的模糊尺度，包括：对区块图像进行频率域转化，得到区块图像的频谱图；根据频谱图中暗条纹的方向角度和暗条纹的间距，得到区块图像的模糊尺度。
根据本发明的一个实施例，根据频谱图中暗条纹的方向角度和暗条纹的间距，得到区块图像的模糊尺度，包括：采用第一预设公式，计算得到模糊尺度，第一预设公式如上述公式(1)所示。
s123，根据模糊尺度，对多个区块图像进行聚类，并计算每类中模糊尺度的平均值。
s124，根据模糊尺度的平均值，确定出运动区域。
根据本发明的一个实施例，根据模糊尺度的平均值，确定出运动区域，包括：获取摄像头的运动速度，并获取运动速度下的静止模糊尺度；判断模糊尺度的平均值与静止模糊尺度之间的差值是否大于预设阈值；如果是，则判断模糊尺度的平均值的类对应的区域为运动区域。其中，预设阈值可根据实际情况进行标定。
s33，根据运动区域，确定出道路的交通拥堵情况。
具体地，如果图像中的运动区域比较多，且运动区域之间的距离比较小，可认为当前道路处于交通拥堵情况；否则，认为当前道路通畅。或者，在获得运动区域后，可判断该运动区域对应的运动物体是行人还是车辆，如果是车辆，则计入车辆总数中，如果一段时间内，该道路上的车辆总数大于道路的交通容量，则认为当前道路处于交通拥堵情况；否则，认为当前道路通畅。由此，可实现对道路交通情况的实时监测。
根据本发明实施例的道路监测方法，通过安装在道路上的至少一个摄像头，获取周围环境的图像，并对图像的模糊状态进行分析，识别出图像中的运动区域，以及根据运动区域，确定出道路的交通拥堵情况。由此，通过单帧图像即可识别出运动区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率，并且识别出的运动区域可作为道路监测的有效数据，便于道路拥堵情况的判断。
在实际应用中，基于上述原理，可实现对车辆自身车速的实时测量。
图5是根据本发明一个实施例的车速的测量方法的流程图。
如图5所示，本发明实施例的车速的测量方法可包括以下步骤：
s41，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像，并根据至少一个摄像头的位置，确定出图像中的地面区域图像。
根据本发明的一个实施例，摄像头为多个，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像，包括：通过安装在当前车辆上的多个摄像头，获取当前车辆周围环境的全景图像。
具体地，当需要对当前车辆的自身车速进行检测时，可在当前车辆上设置多个摄像头，通过多个摄像头拍摄不同角度的图像，以获得多个图像，然后将多个图像拼接成一张全景图像。例如，可先结合摄像头的位置信息，将摄像头拍摄的图像按照摄像头的位置进行区分，然后通过摄像头的标定信息对多张图像进行拼接处理，获得一张全景图像。这样通过对一张全景图像的分析即可获得周围环境的所有情况，以便于对车辆周围环境进行监测，并且通过对一张全景图像的分析可以有效减少后续处理的数据量，对提高计算速度，减少计算时间有很大的作用。
进一步地，在通过上述方式获得当前车辆周围环境的图像后，由于摄像头安装完成后，其拍摄的图像范围是固定的，所以可以结合摄像头的位置信息，得到图像中的地面区域图像。
可以理解的是，也可以专门设置一个摄像头用于拍摄地面区域图像，但是这样会增加硬件成本，而在实际应用中，通常车辆上已经存在用于获取车辆周围环境的全景图像，因此只要对全景图像进行分析即可，无需增加额外的摄像头，减少了硬件成本，提高了目前摄像头的利用率。
s42，对地面区域图像进行频率域转化，得到地面区域图像的频谱图。
具体地，在获得地面区域图像之后，可采用离散傅里叶变换对地面区域图像进行频率域转化，以得到地面区域图像的频谱图。
s43，根据频谱图，得到当前车辆的运动方向和当前车辆的运动速度值，并根据运动方向和运动速度值，得到当前车辆的运动速度矢量。
具体地，本发明主要是通过利用车辆运动使得车辆上的摄像头拍摄出来的图像产生运动模糊，然后根据运动模糊反求出车辆的自身车速。其中，由于车辆运动中的方向基本一致，且速度在一定的范围内，所产生的运动模糊方向整体不变，有一定的规律，而且通过成像原理可推算出运动模糊量与车速之间的关系模型，因此可以根据运动模糊获得车辆的实际车速。具体过程为：对地面区域图像的频谱图进行分析，得到地面区域图像的模糊方向和模糊尺度，根据模糊方向获得车辆的运动方向，根据模糊尺度和模糊尺度与车速之间的关系模型计算获得车辆的运动速度值，最后两者结合即可获得车辆的实时速度。
根据本发明的一个实施例，根据频谱图，得到当前车辆的运动方向，包括：根据频谱图中暗条纹的方向角度，得到运动方向。
根据本发明的一个实施例，根据频谱图中暗条纹的方向角度，得到运动方向，包括：采用第一预设公式，计算得到运动方向，第一预设公式为：
其中，α为运动方向，θ为暗条纹的方向角度，n为地面区域图像的纵向尺寸，m为地面区域图像的横向尺寸。
具体地，由于车辆运动，频谱图中会出现不同程度的暗条纹，通过分析对比频谱图中暗条纹的模糊方向，可获得当前车辆的运动方向。例如，根据频谱图中暗条纹的方向角度θ，可获得暗条纹的模糊方向，进而获得当前车辆的运动方向α。在根据频谱图中暗条纹的方向角度θ，获得暗条纹的模糊方向，进而获得当前车辆的运动方向α时，还获取地面区域图像的横向尺寸m和纵向尺寸n，根据地面区域图像的横向尺寸m、纵向尺寸n和暗条纹的方向角度θ，通过上述公式(2)计算获得地面区域图像的模糊方向，该模糊方向即为当前车辆的运动方向α。
根据本发明的一个实施例，根据频谱图，得到当前车辆的运动速度值，包括：根据频谱图中暗条纹的方向角度和暗条纹的间距，得到地面区域图像的模糊尺度；根据模糊尺度，得到运动速度值。
根据本发明的一个实施例，根据频谱图中暗条纹的方向角度和暗条纹的间距，得到地面区域图像的模糊尺度，包括：采用第二预设公式，计算得到模糊尺度，第二预设公式为：
其中，l为模糊尺度，m为地面区域图像的横向尺寸，d为暗条纹的间距，θ为暗条纹的方向角度，σ为地面区域图像的长宽比。
根据本发明的一个实施例，根据模糊尺度，得到运动速度值，包括：采用第三预设公式，计算得到运动速度值，第三预设公式为：
其中，v为运动速度值，h为地面相对摄像头的距离，f为摄像头的焦距，t为摄像头的曝光时间，l为模糊尺度，s为地面区域图像的像素大小。
具体地，通过分析对比频谱图中暗条纹的模糊尺度，可获得当前车辆的运动速度值。例如，可先根据频谱图中暗条纹的方向角度θ和暗条纹的间距d，获得地面区域图像的模糊尺度l，然后根据地面区域图像的模糊尺度l，获得当前车辆的运动速度值v。
其中，在根据频谱图中暗条纹的方向角度θ和暗条纹的间距d，获得地面区域图像的模糊尺度l时，还获取地面区域图像的横向尺寸m和地面区域图像的长宽比σ，根据地面区域图像的横向尺寸m、地面区域图像的长宽比σ、暗条纹的间距d和暗条纹的方向角度θ，通过上述公式(3)计算获得地面区域图像的模糊尺度l。
在获得地面区域图像的模糊尺度l之后，可根据模糊尺度l和模糊尺度与运动速度之间的关系模型，计算获得当前车辆的运动速度值v。其中，模糊尺度与运动速度之间的关系模型可如上述公式(4)所示，即根据地面相对摄像头的距离h、摄像头的焦距f、摄像头的曝光时间t、地面区域图像的像素大小和模糊尺度l，通过上公式(4)计算获得当前车辆的运动速度值v。
最后，根据当前车辆的运动方向和运动速度值，即可确定出当前车辆的运动速度矢量，即实时车速。
由此，通过对图像中的地面部分产生的运动模糊方向的分析，可获得当前车辆的运动方向，通过对图像中地面部分产生的运动模糊尺度的分析，可获得当前车辆的运动速度值，整个过程只需对单帧图像分析即可，数据量小，计算量小，能够有效提高速度检测的效率。
根据本发明实施例的车速的测量方法，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像，并根据至少一个摄像头的位置，确定出图像中的地面区域图像，以及对地面区域图像进行频率域转化，得到地面区域图像的频谱图。然后，根据频谱图，得到当前车辆的运动方向和当前车辆的运动速度值，并根据运动方向和运动速度值，得到当前车辆的运动速度矢量。由此，可实现车辆对自身车速的实时检测，替代部分车辆测速传感器，对智能驾驶的发展起到一定的推动作用，能够与不同传感器进行数据融合，以更精确的输出自身车速，并且能够给环境感知部分传感器形成一种冗余设计，例如，在车辆测速传感器不工作时，能够独立完成测速工作，保证车辆的行驶安全。
在实际应用中，基于上述原理，可实现对运动物体速度的测量，具体可实现对行驶过程中当前车辆周围的车辆车速的实时测量。
图6是根据本发明一个实施例的运动物体速度的测量方法的流程图。
如图6所示，本发明实施例的运动物体速度的测量方法可包括以下步骤：
s51，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像。
根据本发明的一个实施例，摄像头为多个，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像，包括：通过安装在当前车辆上的多个摄像头，获取当前车辆周围环境的全景图像。
具体地，当需要对车辆周围的运动物体(如，车辆、行人等)的速度进行测量时，可在当前车辆上设置多个摄像头，通过多个摄像头拍摄不同角度的图像，以获得多个图像，然后将多个图像拼接成一张全景图像，这样通过对一张全景图像的分析即可获得周围环境的所有情况，以便于对车辆周围的运动物体的速度进行测量。在实际应用中，通常车辆上已经存在用于获取车辆周围环境的全景图像，因此只要对全景图像进行分析即可，无需增加额外的摄像头，减少了硬件成本，提高了目前摄像头的利用率。
s52，对图像进行频率域转化，得到图像的第一频谱图。
具体地，在获得当前车辆周围环境的图像之后，可采用离散傅里叶变换对图像进行频率域转化，以得到图像的第一频谱图。
s53，将第一频谱图中模糊尺度与静止模糊尺度之间的差值大于预设阈值，确定为当前车辆周围的运动物体对应的第二频谱图。
具体地，当图像中出现运动物体时，由于运动物体具有速度，因此其与图像中的静止物体所产生的模糊程度是不同的，具体体现就是不同间距的暗条纹，所以可以根据暗条纹的模糊尺度确定运动物体所在区域。举例而言，可先获取静止物体(如，地面)的模糊尺度作为静止模糊尺度，然后判断第一频谱图中模糊尺度与静止模糊尺度之间的差值是否大于预设阈值，如果是，则确定为运动物体所在区域。简单来说，就是通过运动物体与静止物体(如，地面)之间的速度差，反推出两者之间的模糊尺度的区别，然后根据该区别从图像中区分出两者的位置，从而定位出运动物体所在区域。
根据本发明的一个实施例，上述的运动物体速度的测量方法还可包括：根据至少一个摄像头的位置，确定出图像中的地面区域图像；对地面区域图像进行频率域转化，得到地面区域图像的频谱图；获取地面区域图像的频谱图的模糊尺度，获得静止模糊尺度。
具体而言，由于摄像头安装完成后，其拍摄的图像范围是固定的，所以在获得当前车辆周围环境的图像后，可结合摄像头的位置信息，得到图像中的地面区域图像，然后采用离散傅里叶变换对地面区域图像进行频率域转化，以得到地面区域图像的频谱图，并获取该频谱图的模糊尺度以获得静止模糊尺度，进而根据该静止模糊尺度确定当前车辆周围的运动物体对应的第二频谱图。
s54，根据第二频谱图，得到运动物体相对于当前车辆的相对运动方向和相对运动速度值，并根据相对运动方向和相对运动速度值，得到运动物体相对于当前车辆的相对运动速度矢量。
根据本发明的一个实施例，根据第二频谱图，得到运动物体相对于当前车辆的相对运动方向，包括：根据第二频谱图中暗条纹的方向角度，得到相对运动方向。
根据本发明的一个实施例，根据第二频谱图中暗条纹的方向角度，得到相对运动方向，包括：采用第一预设公式，计算得到相对运动方向，第一预设公式为：
其中，α为相对运动方向，θ为暗条纹的方向角度，n为第二频谱图对应图像的纵向尺寸，m为第二频谱图对应图像的横向尺寸。
具体地，通过分析对比频谱图中暗条纹的模糊方向，可获得运动物体相对于当前车辆的相对运动方向。例如，根据第二频谱图中暗条纹的方向角度θ，可获得运动物体相对于当前车辆的相对运动方向α。在根据第二频谱图中暗条纹的方向角度θ，获得运动物体相对于当前车辆的相对运动方向α时，还获取第二频谱图对应图像的横向尺寸m和纵向尺寸n，根据第二频谱图对应图像的横向尺寸m、纵向尺寸n和暗条纹的方向角度θ，通过上述公式(5)计算获得第二频谱图的模糊方向，该模糊方向即为运动物体相对于当前车辆的相对运动方向α。
根据本发明的一个实施例，根据第二频谱图，得到运动物体的相对运动速度值，包括：根据第二频谱图中暗条纹的方向角度和暗条纹的间距，得到第二频谱图的模糊尺度；根据模糊尺度，得到相对运动速度值。
根据本发明的一个实施例，根据第二频谱图中暗条纹的方向角度和暗条纹的间距，得到第二频谱图的模糊尺度，包括：采用第二预设公式，计算得到模糊尺度，第二预设公式为：
其中，l为模糊尺度，m为第二频谱图对应图像的横向尺寸，d为暗条纹的间距，θ为暗条纹的方向角度，σ为第二频谱图对应图像的长宽比。
根据本发明的一个实施例，根据模糊尺度，得到相对运动速度值，包括：采用第三预设公式，计算得到相对运动速度值，第三预设公式为：
其中，v为相对运动速度值，h为运动物体与摄像头的距离，f为摄像头的焦距，t为摄像头的曝光时间，l为模糊尺度，s为第二频谱图对应图像的像素大小。
具体地，通过分析对比第二频谱图中暗条纹的模糊尺度，可获得运动物体的相对运动速度值。例如，可先根据第二频谱图中暗条纹的方向角度θ和暗条纹的间距d，获得第二频谱图的模糊尺度l，然后根据第二频谱图的模糊尺度l，获得运动物体的相对运动速度值v。
其中，在根据第二频谱图中暗条纹的方向角度θ和暗条纹的间距d，获得第二频谱图的模糊尺度l时，还获取第二频谱图对应图像的横向尺寸m和第二频谱图对应图像的长宽比σ，根据第二频谱图对应图像的横向尺寸m、第二频谱图对应图像的长宽比σ、暗条纹的间距d和暗条纹的方向角度θ，通过上述公式(6)计算获得第二频谱图的模糊尺度l。
在获得第二频谱图的模糊尺度l之后，可根据模糊尺度l和模糊尺度与运动速度之间的关系模型，计算获得运动物体的相对运动速度值v。其中，模糊尺度与运动速度之间的关系模型可如上述公式(7)所示，即根据运动物体与摄像头的距离h、摄像头的焦距f、摄像头的曝光时间t、第二频谱图对应图像的像素大小和模糊尺度l，通过上公式(7)计算获得运动物体的相对运动速度值v。
最后，根据相对运动方向和相对运动速度值，得到运动物体相对于当前车辆的相对运动速度矢量。
s55，根据相对运动速度矢量和当前车辆的运动速度矢量，得到运动物体的运动速度矢量。
具体地，可通过车速传感器获取当前车辆的运动速度值，或者通过前述的车速的测量方法获得当前车辆的运动速度值，同时，可通过前述的车速的测量方法获得当前车辆的运动方向，或者根据前述的在获得运动物体所在区域时，所使用的静止物体所在区域的模糊方向(如，地面区域图像的模糊方向)获得当前车辆的运动方向，两者结合即可获得当前车辆的运动速度矢量。最后，对相对运动速度矢量和当前车辆的运动速度矢量进行矢量计算，获得运动物体的运动速度矢量。
根据本发明的一个实施例，上述的运动物体速度的测量方法还可包括：判断运动物体是否为运动车辆；如果运行物体为运动车辆，则得到的运动物体的运动速度矢量为运动车辆的运动速度矢量。
具体而言，通常当前车辆周围的运动物体是不确定的，可能是行人也可能是车辆等，所以在获得运动物体的运动速度矢量的过程中或者之后，还可以判断运动物体是行人还是车辆，如果是行人，则获得的运动速度矢量为行人的运动速度矢量；如果是车辆，则获得的运动速度矢量为车辆的运动速度矢量。其中，在判断运动物体是行人还是车辆时，可采用现有技术实现，这里不做限制。
根据本发明实施例的运动物体速度的测量方法，通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像，并对图像进行频率域转化，得到图像的第一频谱图，以及将第一频谱图中模糊尺度与静止模糊尺度之间的差值大于预设阈值的区域，确定为当前车辆周围的运动物体对应的第二频谱图。然后，根据第二频谱图，得到运动物体相对于当前车辆的相对运动方向和相对运动速度值，并根据相对运动方向和相对运动速度值，得到运动物体相对于当前车辆的相对运动速度矢量，以及根据相对运动速度矢量和当前车辆的运动速度矢量，得到运动物体的运动速度矢量。由此，能够实时、准确的感知周围运动物体的运动速度。其中，当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速，可替代部分毫米波雷达，对视野范围内的车辆进行定位、速度检测、追踪等。对智能驾驶的发展起一定的推动作用，能够与不同的传感器进行数据融合，以更精确的输出周围环境的信息，例如，能够更准确的感知车辆周围的障碍物，并检测出障碍物的运动状态和速度。并且，能够给环境感知部分传感器形成一种冗余设计，例如，在毫米波雷达突然不工作时，能够独立完成相应的工作，保障车辆的行驶安全。
综上，本发明通过对单帧图像的运动模糊进行分析，即可实现对运动物体的识别，并实现对运动物体速度的测量，以及实现对车辆自身车速的测量，对数据量要求小，计算量小，对硬件的要求低，而且可与部分传感器形成冗余设计，保证车辆的行驶安全，且可应用于多种场景。
为实现上述目的，本发明还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的运动状态的识别方法，或者上述的车辆预警方法，或者上述的道路监测方法。
根据本发明实施例的非临时性计算机可读存储介质，通过上述的运动状态的识别方法，通过单帧图像即可识别出运动区域或静止区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率；通过上述的车辆预警方法，通过单帧图像即可识别出运动区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率，并且识别出的运动区域可作为车辆行驶的有效数据，便于车辆的行驶判断，如进行提前预警，防止危险事故发生；通过上述的道路监测方法通过单帧图像即可识别出运动区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率，并且识别出的运动区域可作为道路监测的有效数据，便于道路拥堵情况的判断。
为实现上述目的，本发明还提出了另一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的车速的测量方法。
根据本发明实施例的非临时性计算机可读存储介质，通过上述的车速的测量方法，可实现车辆对自身车速的实时检测。
为实现上述目的，本发明还提出了又一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的运动物体速度的测量方法。
根据本发明实施例的非临时性计算机可读存储介质，通过上述的运动物体速度的测量方法，能够实时、准确的感知周围运动物体的运动速度，其中当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速。
图7是根据本发明一个实施例的运动状态的识别装置的方框示意图。
如图7所示，本发明实施例的运动状态的识别装置可包括：第一图像获取单元11和第一识别单元12。
其中，第一图像获取单元11用于通过至少一个摄像头，获取周围环境的图像；第一识别单元12用于对图像的模糊状态进行分析，识别出图像中的运动区域或静止区域。
根据本发明的一个实施例，摄像头为多个，第一图像获取单元11具体用于通过多个摄像头，获取周围环境的全景图像。
根据本发明的一个实施例，第一识别单元12具体用于对图像进行分块处理，得到多个区块图像；获取多个区块图像中每个区块图像的模糊尺度；根据模糊尺度，对多个区块图像进行聚类，并计算每类中模糊尺度的平均值；根据模糊尺度的平均值，确定出运动区域或静止区域。
根据本发明的一个实施例，第一识别单元12具体用于对区块图像进行频率域转化，得到区块图像的频谱图；根据频谱图中暗条纹的方向角度和暗条纹的间距，得到区块图像的模糊尺度。
根据本发明的一个实施例，第一识别单元12具体用于采用第一预设公式，计算得到模糊尺度，第一预设公式为：
其中，l为模糊尺度，m为区块图像的横向尺寸，d为暗条纹的间距，θ为暗条纹的方向角度，σ为区块图像的长宽比。
根据本发明的一个实施例，第一识别单元12具体用于获取摄像头的运动速度，并获取运动速度下的静止模糊尺度；判断模糊尺度的平均值与静止模糊尺度之间的差值是否大于预设阈值；如果是，则判断模糊尺度的平均值的类对应的区域为运动区域；如果否，则判断模糊尺度的平均值的类对应的区域为静止区域。
需要说明的是，本发明实施例的运动状态的识别装置中未披露的细节，请参照本发明实施例的运动状态的识别方法所披露的细节，这里不再赘述。
根据本发明实施例的运动状态的识别装置，通过第一图像获取单元获取周围环境的图像，并通过第一识别单元对图像的模糊状态进行分析，识别出图像中的运动区域或静止区域。由此，通过单帧图像即可识别出运动区域或静止区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率。
图8是根据本发明一个实施例的车辆预警装置的方框示意图。
如图8所示，本发明实施例的车辆预警装置可包括：第二图像获取单元21、第二识别单元22、距离获取单元23和报警单元24。
其中，第二图像获取单元21用于通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像；第二识别单元22用于对图像的模糊状态进行分析，识别出图像中的运动区域；距离获取单元23用于获取运动区域的第一地理位置坐标，并根据第一地理位置坐标和当前车辆的第二地理位置坐标，计算得到运动物体与当前车辆之间的距离；报警单元24用于若距离小于预设的安全距离阈值，则发出报警信号。
需要说明的是，本发明实施例的车辆预警装置中未披露的细节，请参照本发明实施例的车辆预警方法所披露的细节，这里不再赘述。
根据本发明实施例的车辆预警装置，通过第二图像获取单元获取当前车辆周围环境的图像，并通过第二识别单元对图像的模糊状态进行分析，识别出图像中的运动区域，以及通过距离获取单元获取运动区域的第一地理位置坐标，并根据第一地理位置坐标和当前车辆的第一地理位置坐标，计算得到运动物体与当前车辆之间的距离，其中，在距离小于预设的安全距离阈值时，通过报警单元发出报警信号。由此，通过单帧图像即可识别出运动区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率，并且识别出的运动区域可作为车辆行驶的有效数据，便于车辆的行驶判断，如进行提前预警，防止危险事故发生。
图9是根据本发明一个实施例的道路监测装置的方框示意图。
如图9所示，本发明实施例的道路监测装置可包括：第三图像获取单元31、第三识别单元32和判断单元33。
其中，第三图像获取单元31用于通过安装在道路上的至少一个摄像头，获取周围环境的图像；第三识别单元32用于对图像的模糊状态进行分析，识别出图像中的运动区域；判断单元33用于根据运动区域，确定出道路的交通拥堵情况。
需要说明的是，本发明实施例的道路监测装置中未披露的细节，请参照本发明实施例的道路监测方法所披露的细节，这里不再赘述。
根据本发明实施例的道路监测装置，通过第三图像获取单元获取周围环境的图像，并通过第三识别单元对图像的模糊状态进行分析，识别出图像中的运动区域，以及通过判断单元根据运动区域，确定出道路的交通拥堵情况。由此，通过单帧图像即可识别出运动区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率，并且识别出的运动区域可作为道路监测的有效数据，便于道路拥堵情况的判断。
图10是根据本发明一个实施例的车辆的方框示意图。
如图10所示，本发明实施例的车辆40，包括上述的车辆预警装置41。
根据本发明实施例的车辆，通过上述的车辆预警装置，通过单帧图像即可识别出运动区域，对数据量要求小，计算量小，对硬件的要求低，而且能够快速输出结果，有效提高检测速率，并且识别出的运动区域可作为车辆行驶的有效数据，便于车辆的行驶判断，如进行提前预警，防止危险事故发生。
图11是根据本发明一个实施例的车速的测量装置的方框示意图。
如图11所示，本发明实施例的车速的测量装置可包括：第一图像获取单元51、第二图像获取单元52、转换单元53和车速获取单元54。
其中，第一图像获取单元51用于通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像；第二图像获取单元52用于根据至少一个摄像头的位置，确定出图像中的地面区域图像；转换单元53用于对地面区域图像进行频率域转化，得到地面区域图像的频谱图；车速获取单元54用于根据频谱图，得到当前车辆的运动方向和当前车辆的运动速度值，并根据运动方向和运动速度值，得到当前车辆的运动速度矢量。
根据本发明的一个实施例，摄像头为多个，第一图像获取单元51具体用于通过安装在当前车辆上的多个摄像头，获取当前车辆周围环境的全景图像。
根据本发明的一个实施例，车速获取单元54具体用于根据频谱图中暗条纹的方向角度，得到运动方向。
根据本发明的一个实施例，车速获取单元54具体用于采用第一预设公式，计算得到运动方向，第一预设公式为：
其中，α为运动方向，θ为暗条纹的方向角度，n为地面区域图像的纵向尺寸，m为地面区域图像的横向尺寸。
根据本发明的一个实施例，车速获取单元54具体用于根据频谱图中暗条纹的方向角度和暗条纹的间距，得到地面区域图像的模糊尺度；根据模糊尺度，得到运动速度值。
根据本发明的一个实施例，车速获取单元54具体用于采用第二预设公式，计算得到模糊尺度，第二预设公式为：
其中，l为模糊尺度，m为地面区域图像的横向尺寸，d为暗条纹的间距，θ为暗条纹的方向角度，σ为地面区域图像的长宽比。
根据本发明的一个实施例，车速获取单元54具体用于，采用第三预设公式，计算得到运动速度值，第三预设公式为：
其中，v为运动速度值，h为地面相对摄像头的距离，f为摄像头的焦距，t为摄像头的曝光时间，l为模糊尺度，s为地面区域图像的像素大小。
需要说明的是，本发明实施例的车速的测量装置中未披露的细节，请参照本发明实施例的车速的测量方法中所披露的细节，具体这里不再赘述。
根据本发明实施例的车速的测量装置，通过第一图像获取单元获取当前车辆周围环境的图像，并通过第二图像获取单元确定出图像中的地面区域图像，以及通过转换单元对地面区域图像进行频率域转化，得到地面区域图像的频谱图。然后，通过车速获取单元根据频谱图，得到当前车辆的运动方向和当前车辆的运动速度值，并根据运动方向和所述运动速度值，得到当前车辆的运动速度矢量。由此，可实现车辆对自身车速的实时检测。
图12是根据本发明另一个实施例的车辆的方框示意图。
如图12所示，本发明实施例的车辆60包括上述的车速的测量装置61。
根据本发明实施例的车辆，通过上述的车速的测量装置，可实现车辆对自身车速的实时检测。
图13a是根据本发明一个实施例的运动物体速度的测量装置的方框示意图。
如图13a所示，本发明实施例的运动物体速度的测量装置可包括：第一图像获取单元71、转换单元72、第二图像获取单元73、第一速度获取单元74和第二速度获取单元75。
第一图像获取单元71用于通过安装在当前车辆上的至少一个摄像头，获取当前车辆周围环境的图像；转换单元72用于对图像进行频率域转化，得到图像的第一频谱图；第二图像获取单元73用于将第一频谱图中模糊尺度与静止模糊尺度之间的差值大于预设阈值的区域，确定为当前车辆周围的运动物体对应的第二频谱图；第一速度获取单元74用于根据第二频谱图，得到运动物体相对于当前车辆的相对运动方向和相对运动速度值，并根据相对运动方向和相对运动速度值，得到运动物体相对于当前车辆的相对运动速度矢量；第二速度获取单元75用于根据相对运动速度矢量和当前车辆的运动速度矢量，得到运动物体的运动速度矢量。
根据本发明的一个实施例，摄像头为多个，第一图像获取单元71具体用于通过安装在当前车辆上的多个摄像头，获取当前车辆周围环境的全景图像。
根据本发明的一个实施例，如图13b所示，上述的运动物体速度的测量装置还可包括：第三图像获取单元76，用于根据至少一个摄像头的位置，确定出图像中的地面区域图像；频率获取单元77，用于对地面区域图像进行频率域转化，得到地面区域图像的频谱图，并获取地面区域图像的频谱图的模糊尺度，获得静止模糊尺度。
根据本发明的一个实施例，第一速度获取单元74具体用于根据第二频谱图中暗条纹的方向角度，得到相对运动方向。
根据本发明的一个实施例，第一速度获取单元74具体用于采用第一预设公式，计算得到相对运动方向，第一预设公式为：
其中，α为相对运动方向，θ为暗条纹的方向角度，n为第二频谱图对应图像的纵向尺寸，m为第二频谱图对应图像的横向尺寸。
根据本发明的一个实施例，第一速度获取单元74具体用于根据第二频谱图中暗条纹的方向角度和暗条纹的间距，得到第二频谱图的模糊尺度；根据模糊尺度，得到相对运动速度值。
根据本发明的一个实施例，第一速度获取单元74具体用于采用第二预设公式，计算得到模糊尺度，第二预设公式为：
其中，l为模糊尺度，m为第二频谱图对应图像的横向尺寸，d为暗条纹的间距，θ为暗条纹的方向角度，σ为第二频谱图对应图像的长宽比。
根据本发明的一个实施例，第一速度获取单元74具体用于采用第三预设公式，计算得到相对运动速度值，第三预设公式为：
其中，v为相对运动速度值，h为运动物体至摄像头的距离，f为摄像头的焦距，t为摄像头的曝光时间，l为模糊尺度，s为第二频谱图对应图像的像素大小。
根据本发明的一个实施例，如图13b所示，上述的运动物体速度的测量装置还可包括：判断单元78，用于判断运动物体是否为运动车辆，其中，如果运动物体为运动车辆，则得到的运动物体的运动速度矢量为运动车辆的运动速度矢量。
需要说明的是，本发明实施例的运动物体速度的测量装置中未披露的细节，请参照本发明实施例的运动物体速度的测量方法中所披露的细节，具体这里不再赘述。
根据本发明实施例的运动物体速度的测量装置，通过第一图像获取单元获取当前车辆周围环境的图像，并通过转换单元对图像进行频率域转化，得到图像的第一频谱图，以及通过第二图像获取单元将第一频谱图中模糊尺度与静止模糊尺度之间的差值大于预设阈值的区域，确定为当前车辆周围的运动物体对应的第二频谱图。然后，通过第一速度获取单元根据第二频谱图，得到运动物体相对于当前车辆的相对运动方向和相对运动速度值，并根据相对运动方向和相对运动速度值，得到运动物体相对于当前车辆的相对运动速度矢量，以及通过第二速度获取单元根据相对运动速度矢量和当前车辆的运动速度矢量，得到运动物体的运动速度矢量。由此，能够实时、准确的感知周围运动物体的运动速度，其中当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速。
图14是根据本发明又一个实施例的车辆的方框示意图。
如图14所示，本发明实施例的车辆80包括上述的运动物体速度的测量装置81。
根据本发明实施例的车辆，通过上述的运动物体速度的测量装置，能够实时、准确的感知周围运动物体的运动速度，其中当运动物体为车辆时，能够实时、准确的感知当前车辆周围的运动车辆的车速。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
另外，在本发明的描述中，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
- 还没有人留言评论。精彩留言会获得点赞！