一种车辆视联网防碰撞系统和方法与流程

本发明涉及车辆防撞技术领域，特别涉及一种车辆视联网防碰撞系统和方法。

背景技术：

随着经济的快速发展，交通需求日益增长，但配套交通设施仍然不完善。同时人们的传统交通观念、出行习惯还未有较大改变，与道路交通发展不匹配，造成了一系列的交通事故。其中行人和电动车在每年的交通事故中占据很大一部分比例，如抢占机动车道、不走人行道、翻越护栏、闯红绿灯、任意横穿机动车道等。特别是俗称“鬼探头”的事故，即前方有车辆或障碍物阻挡视线时，从路边突然蹿出行人或非机动车，往往司机避让不及时，导致了交通事故的发生。

目前阶段，为了避免这些事故的发生，在车辆上配置一系列技术，比如v2v-vehicletovehicle(车对车的信息交换)、v2p-vehicletopedestrian(车辆与行人、非机动车)、aeb-autonomousemergencybraking(自动紧急制动)，在一定程度上提升了驾驶安全。

v2v-vehicletovehicle(车对车的信息交换)运用专用短程通信(dsrc-dedicatedshortrangecommunications)实时将本车的位置、速度和行进方向传递给300m范围内车辆，接收数据车辆对周围环境进行检测处理，从而对驾驶员发出视觉和听觉警告，甚至对车辆进行制动等避险操作。如图1。

v2p-vehicletopedestrian(车辆与行人、非机动车)运用专用短程通信(dsrc-dedicatedshortrangecommunications)实时将本车的位置、速度和行进方向传递给300m范围内车辆，接收数据的行人或非机动车主携带的手机对周围环境进行检测处理，从而同时对驾驶员和行人发出视觉和听觉警告，甚至对车辆进行制动等避险操作。如图2。

aeb-autonomousemergencybraking(自动紧急制动)通过毫米波雷达、摄像头等传感器监测前方车辆以及行人，探测到碰撞风险，系统采取相应的预警及制动措施，从而避免或减轻碰撞损害程度。如图3。

上述方案存在以下缺点：

缺点1：行人或者电动车主的身上没带手机或者手机定位功能关闭，或者路口出现宠物、建筑物、树等倒闭，会无法避免或减轻碰撞的损害程度。

缺点2：行人或者是电动车处于建筑物遮挡处，信号不稳定时，容易导致传输延迟，从而会无法避免或减轻碰撞的损害程度。

缺点3：aeb(自动紧急制动)系统的传感器摄像头和毫米波雷达探测范围有局限性，无法穿透遮挡物(墙壁、车辆等)，导致行人或电动车突然蹿出无法及时制动，进而无法避免或减轻碰撞的损害程度。

技术实现要素：

为此，需要提供一种车辆视联网防碰撞系统，用以解决现有车辆盲区行人或非机动车等误窜，导致驾驶员避让不及，导致交通事故发生的问题。具体技术方案如下：

一种车辆视联网防碰撞系统，包括：摄像头、ecu控制器、gpu图像处理器和通信模块；

所述gpu图像处理器分别连接所述摄像头和所述ecu控制器，所述gpu图像处理器通过所述通信模块与其它车辆的gpu图像处理器进行数据交互；

所述摄像头用于：实时获取摄像范围内的图像数据，并传输所述图像数据至gpu图像处理器；

所述gpu图像处理器用于：对本车摄像头拍摄的图像数据进行处理得第一结果，接收预设范围内其它车辆传输的数据并对其进行处理得第二结果，并发送所述第一结果和所述第二结果至所述ecu控制器；

所述ecu控制器用于：根据所述第一结果、所述第二结果和结合本车各传感器传递的数据进行环境模型建立；判断本车行驶路径中是否存在风险目标与本车存在碰撞风险，若存在，则发出告警提示。

进一步的，所述ecu控制器还用于：判断是否需对车辆进行强制操作，若需，则发出指令对车辆进行强制操作，所述强制操作包括但不限于：制动、变道。

进一步的，所述gpu图像处理器还用于：发送本车视频信息至预设范围内的其它车辆。

进一步的，所述本车各传感器包括以下中的一种或多种：全球定位系统、惯性测量单元、激光雷达、地图库单元；

所述摄像头为红外摄像头；

所述通信模块为dsrc/lte-v；

所述风险目标包括但不限于：行人、非机动车、宠物。

进一步的，所述ecu控制器还用于：计算碰撞时间。

为解决上述技术问题，还提供了一种车辆视联网防碰撞方法，具体技术方案如下：

一种车辆视联网防碰撞方法，包括步骤：

摄像头实时获取摄像范围内的图像数据，并传输所述图像数据至gpu图像处理器进行处理得第一结果；

所述gpu图像处理器接收预设范围内其它车辆传输的数据并对其进行处理得第二结果；

ecu控制器根据所述第一结果、所述第二结果和结合本车各传感器传递的数据进行环境模型建立；

判断本车行驶路径中是否存在风险目标与本车存在碰撞风险，若存在，则发出告警提示。

进一步的，还包括步骤：判断是否需对车辆进行强制操作，若需，则发出指令对车辆进行强制操作，所述强制操作包括但不限于：制动、变道。

进一步的，所述“并传输所述图像数据至gpu图像处理器进行处理得第一结果”后，还包括步骤：gpu图像处理器发送本车视频信息至预设范围内的其它车辆。

进一步的，所述本车各传感器包括以下中的一种或多种：全球定位系统、惯性测量单元、激光雷达、地图库单元；

所述摄像头为红外摄像头；

所述通信模块为dsrc/lte-v；

所述风险目标包括但不限于：行人、非机动车、宠物。

进一步的，所述“ecu控制器根据所述第一结果、所述第二结果和结合本车各传感器传递的数据进行环境模型建立”，具体还包括步骤：ecu控制器计算碰撞时间。

本发明的有益效果是：一种车辆视联网防碰撞系统，包括：摄像头、ecu控制器、gpu图像处理器和通信模块；所述gpu图像处理器分别连接所述摄像头和所述ecu控制器，所述gpu图像处理器通过所述通信模块与其它车辆的gpu图像处理器进行数据交互；所述摄像头用于：实时获取摄像范围内的图像数据，并传输所述图像数据至gpu图像处理器；所述gpu图像处理器用于：对本车摄像头拍摄的图像数据进行处理得第一结果，接收预设范围内其它车辆传输的数据并对其进行处理得第二结果，并发送所述第一结果和所述第二结果至所述ecu控制器；所述ecu控制器用于：根据所述第一结果、所述第二结果和结合本车各传感器传递的数据进行环境模型建立；判断本车行驶路径中是否存在风险目标与本车存在碰撞风险，若存在，则发出告警提示。以上车辆视联网防碰撞系统可实时综合本车和其它车辆获取的路况和行人信息，防止行人或者电动车主的身上没带手机或者手机定位功能关闭，或者路口出现宠物、建筑物、树等倒闭无法被识别，发生盲区车辆碰撞事件，大大提高车辆行驶安全，保障了驾驶员和行人的安全。

附图说明

图1为背景技术所述v2v示意图；

图2为背景技术所述v2p示意图；

图3为背景技术所述aeb示意图；

图4为具体实施方式所述一种车辆视联网防碰撞系统的模块示意图一；

图5为具体实施方式所述一种车辆视联网防碰撞系统的模块示意图二；

图6为具体实施方式所述一种车辆视联网防碰撞系统的模块示意图三；

图7为具体实施方式所述一种车辆视联网防碰撞系统的实际应用流程示意图；

图8为具体实施方式所述路况示意图一；

图9为具体实施方式所述路况示意图二；

图10为具体实施方式所述一种车辆视联网防碰撞方法的流程图。

附图标记说明：

400、一种车辆视联网防碰撞系统，

401、摄像头，

402、gpu图像处理器，

403、ecu控制器，

404、通信模块。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

请参阅图4至图9，在本实施方式中，一种车辆视联网防碰撞系统400的具体实施方式如下：

一种车辆视联网防碰撞系统400，包括：摄像头401、ecu控制器403、gpu图像处理器402和通信模块404；

所述gpu图像处理器402分别连接所述摄像头401和所述ecu控制器403，所述gpu图像处理器402通过所述通信模块404与其它车辆的gpu图像处理器402进行数据交互；

所述摄像头401用于：实时获取摄像范围内的图像数据，并传输所述图像数据至gpu图像处理器402；具体可为：获取关键特征信息，如车辆、行人、非机动车、交通设施、道路信息等。

所述gpu图像处理器402用于：对本车摄像头401拍摄的图像数据进行处理得第一结果，接收预设范围内其它车辆传输的数据并对其进行处理得第二结果，并发送所述第一结果和所述第二结果至所述ecu控制器403；

所述ecu控制器403用于：根据所述第一结果、所述第二结果和结合本车各传感器传递的数据进行环境模型建立；判断本车行驶路径中是否存在风险目标与本车存在碰撞风险，若存在，则发出告警提示。具体可如下：ecu-electroniccontrolunit控制器综合本车各传感器(gps、惯导、高精地图)和其他车辆传输的图像信息，对本车和关键物体进行空间定位、分析、建模(将环境中的综合目标信息映射到实时定位的地图中去，形成环境模型)和计算(碰撞时间等)，判断本车行驶路径中是否存在行人或者是电动车与本车存在碰撞风险，若存在，则立即对驾驶员进行声、光、触觉的告警。整个的流程可参阅图7。

如图5和图6所示，在本实施方式中，所述本车各传感器包括以下中的一种或多种：全球定位系统、惯性测量单元、激光雷达、地图库单元；

所述摄像头401为红外摄像头401，红外摄像头401在夜晚、雾霾和眩光等条件下探测的效果优于人眼，能够更加快速和及时发现行人或非机动车，避免或减轻碰撞的损害程度；

所述通信模块404为dsrc/lte-v(longtermevolution-vehicle长期演进技术-车辆)双兼容技术；

运用gnss、imu、lidar和高精度地图能够快速定位本车和行人、非机动车的位置、速度和方向，建立空间虚拟模型用于控制器的处理、分析和计算。

所述风险目标包括但不限于：行人、非机动车、宠物。

进一步的，所述gpu图像处理器402还用于：发送本车视频信息至预设范围内的其它车辆。优选地为了保持视频的实时性，可适当降低传输图像的质量。

进一步的，所述ecu控制器403还用于：判断是否需对车辆进行强制操作，若需，则发出指令对车辆进行强制操作，所述强制操作包括但不限于：制动、变道。具体可如下：根据当前车辆的行驶情况，比如图8所示，这个时候本车的速度过快，经过计算本车如果此刻不马上制动，撞上行人的概率将非常大，则可发出指令对车辆进行强制操作，对其进行制动，以确保驾驶员无法及时反应导致事故发生。

进一步的，所述ecu控制器403还用于：计算碰撞时间。具体可如下：通过所建立的环境模型，可获取到本车与环境中各个可能的风险目标的距离，再获取本车的行驶速度，及风险目标的大概速度，来计算大概的碰撞时间，可依据所述碰撞时间对本车的驾驶员发出不同的提醒。

一种车辆视联网防碰撞系统400，包括：摄像头401、ecu控制器403、gpu图像处理器402和通信模块404；所述gpu图像处理器402分别连接所述红外摄像头401和所述ecu控制器403，所述gpu图像处理器402通过所述通信模块404与其它车辆的gpu图像处理器402进行数据交互；所述摄像头401用于：实时获取摄像范围内的图像数据，并传输所述图像数据至gpu图像处理器402；所述gpu图像处理器402用于：对本车摄像头401拍摄的图像数据进行处理得第一结果，接收预设范围内其它车辆传输的数据并对其进行处理得第二结果，并发送所述第一结果和所述第二结果至所述ecu控制器403；所述ecu控制器403用于：根据所述第一结果、所述第二结果和结合本车各传感器传递的数据进行环境模型建立；判断本车行驶路径中是否存在风险目标与本车存在碰撞风险，若存在，则发出告警提示。以上车辆视联网防碰撞系统可实时综合本车和其它车辆获取的路况和行人信息，防止行人或者电动车主的身上没带手机或者手机定位功能关闭，或者路口出现宠物、建筑物、树等倒闭无法被识别，发生盲区车辆碰撞事件，大大提高车辆行驶安全，保障了驾驶员和行人的安全。

以下以两个具体的实施例进行说明，如图8所示为第一种典型“鬼探头”情况，行人或者非机动车出现闯红灯或者没注意右拐本车的情况下，很容易发生交通事故，行人行走的前段路线为本车的视野盲区。但是运用本申请的技术后，其他车辆①②③均可以提供视频等图像信息，做到路口几乎无盲区，用于本车分析，系统发出告警或者控制车辆进行制动，防止碰撞事故的发生。

如图9所示为第二种典型“鬼探头”情况，行人或者电动车出现在没有红绿灯的斑马线路口，快速横穿马路时，由于公交车或者大巴车遮挡了本车的视线，很容易发生交通事故。但是运用本申请的技术后，其他车辆①②均可以提供视频等图像信息，做到斑马线路口可视化无盲区，用于本车分析，系统发出告警或者控制车辆进行制动，防止碰撞事故的发生。

请参阅图5至图10，在本实施方式中，一种车辆视联网防碰撞方法的具体实施方式如下：

步骤s1001：摄像头实时获取摄像范围内的图像数据，并传输所述图像数据至gpu图像处理器进行处理得第一结果。具体可为：获取关键特征信息，如车辆、行人、非机动车、交通设施、道路信息等。

步骤s1002：所述gpu图像处理器接收预设范围内其它车辆传输的数据并对其进行处理得第二结果。

步骤s1003：ecu控制器根据所述第一结果、所述第二结果和结合本车各传感器传递的数据进行环境模型建立。

步骤s1004：本车行驶路径中是否存在风险目标与本车存在碰撞风险，若存在碰撞风险，则执行步骤s1005：发出告警提示。具体可如下：ecu-electroniccontrolunit控制器综合本车各传感器(gps、惯导、高精地图)和其他车辆传输的图像信息，对本车和关键物体进行空间定位、分析、建模(将环境中的综合目标信息映射到实时定位的地图中去，形成环境模型)和计算(碰撞时间等)，判断本车行驶路径中是否存在行人或者是电动车与本车存在碰撞风险，若存在，则立即对驾驶员进行声、光、触觉的告警。整个的流程可参阅图7。

如图5和图6所示，在本实施方式中，所述本车各传感器包括以下中的一种或多种：全球定位系统、惯性测量单元、激光雷达、地图库单元；

所述摄像头为红外摄像头；红外摄像头在夜晚、雾霾和眩光等条件下探测的效果优于人眼，能够更加快速和及时发现行人或非机动车，避免或减轻碰撞的损害程度；

所述通信模块为dsrc/lte-v(longtermevolution-vehicle长期演进技术-车辆)双兼容技术；

运用gnss、imu、lidar和高精度地图能够快速定位本车和行人、非机动车的位置、速度和方向，建立空间虚拟模型用于控制器的处理、分析和计算。

所述风险目标包括但不限于：行人、非机动车、宠物。

进一步的，所述“并传输所述图像数据至gpu图像处理器进行处理得第一结果”后，还包括步骤：gpu图像处理器发送本车视频信息至预设范围内的其它车辆。优选地为了保持视频的实时性，可适当降低传输图像的质量。

进一步的，还包括步骤：判断是否需对车辆进行强制操作，若需，则发出指令对车辆进行强制操作，所述强制操作包括但不限于：制动、变道。具体可如下：根据当前车辆的行驶情况，比如图8所示，这个时候本车的速度过快，经过计算本车如果此刻不马上制动，撞上行人的概率将非常大，则可发出指令对车辆进行强制操作，对其进行制动，以确保驾驶员无法及时反应导致事故发生。

进一步的，所述“ecu控制器根据所述第一结果、所述第二结果和结合本车各传感器传递的数据进行环境模型建立”，具体还包括步骤：ecu控制器计算碰撞时间。具体可如下：通过所建立的环境模型，可获取到本车与环境中各个可能的风险目标的距离，再获取本车的行驶速度，及风险目标的大概速度，来计算大概的碰撞时间，可依据所述碰撞时间对本车的驾驶员发出不同的提醒。

通过以上车辆视联网防碰撞方法可实时综合本车和其它车辆获取的路况和行人信息，防止行人或者电动车主的身上没带手机或者手机定位功能关闭，或者路口出现宠物、建筑物、树等倒闭无法被识别，发生盲区车辆碰撞事件，大大提高车辆行驶安全，保障了驾驶员和行人的安全。

以下以两个具体的实施例进行说明，如图8所示为第一种典型“鬼探头”情况，行人或者非机动车出现闯红灯或者没注意右拐本车的情况下，很容易发生交通事故，行人行走的前段路线为本车的视野盲区。但是运用本申请的技术后，其他车辆①②③均可以提供视频等图像信息，做到路口几乎无盲区，用于本车分析，系统发出告警或者控制车辆进行制动，防止碰撞事故的发生。

如图9所示为第二种典型“鬼探头”情况，行人或者电动车出现在没有红绿灯的斑马线路口，快速横穿马路时，由于公交车或者大巴车遮挡了本车的视线，很容易发生交通事故。但是运用本申请的技术后，其他车辆①②均可以提供视频等图像信息，做到斑马线路口可视化无盲区，用于本车分析，系统发出告警或者控制车辆进行制动，防止碰撞事故的发生。

需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。