障碍物与所述运动装置的相对速度，得到在所述当前采样时刻所述障碍物到所述运动装置的碰撞时间。8.根据权利要求1所述的方法，其特征在于，所述方法还包括: 根据所述障碍物在所述当前采样时刻的第二相对距离图和所述轮廓、与所述运动装置的所述相对速度以及所述障碍物从所述当前采样时刻到所述前一采样时刻的运动矢量，预判在下一采样时刻所述障碍物的位置及该障碍物与运动装置的相对距离。9.根据权利要求7所述的方法，其特征在于，所述预判在下一采样时刻所述障碍物的位置及该障碍物与运动装置的相对距离具体包括: 对所述障碍物从所述当前采样时刻到所述前一采样时刻的运动矢量进行加权平均，得到所述障碍物在所述当前采样时刻的运动矢量； 根据所述障碍物在所述当前采样时刻的运动矢量，预判所述障碍物在所述下一采样时刻的位置； 根据所述障碍物在所述当前采样时刻的第二相对距离图、与所述运动装置的所述相对速度以及所述当前采样时间与所述前一采样时间之间的时间间隔，预判在所述下一采样时刻所述障碍物与所述运动装置的第二相对距离。10.—种障碍物预警装置，应用于运动装置障碍物规避和路径规划系统，其特征在于，所述装置至少包括: 第一获取模块，被配置为分别获取当前采样时刻和前一采样时刻的场景图像，以及视场范围内各视点到运动装置的第一相对距离图； 处理模块，被配置为根据所述当前采样时刻的所述第一相对距离图，对障碍物进行分割和标定，得到所述障碍物的轮廓、标定信息，并将所述轮廓内的第一距离值进行加权平均，得到在所述当前采样时刻所述障碍物到所述运动装置的第二相对距离图； 第一计算模块，被配置为根据所述当前采样时刻和所述前一采样时刻的场景图像对，利用运动估计算法，计算所述障碍物从所述当前采样时刻到所述前一采样时刻的运动矢量； 第二计算模块，被配置为根据所述障碍物的所述轮廓和所述标定信息以及所述障碍物从所述当前采样时刻到所述前一采样时刻的所述运动矢量，匹配前一采样时刻对应的被标定障碍物，根据所述前一采样时刻所述障碍物轮廓和前一采样时刻第一相对距离图，计算在所述前一采样时刻所述障碍物到所述运动装置的第二相对距离图； 第三计算模块，被配置为根据所述障碍物在所述当前采样时刻和所述前一采样时刻的所述第二相对距离图，计算所述障碍物在所述当前采样时刻和所述前一采样时刻的第二相对距离变化值，并根据该第二相对距离变化值以及所述当前采样时刻和所述前一采样时刻之间的时间间隔，计算在所述当前采样时刻所述障碍物与所述运动装置的相对速度； 第一预判模块，被配置为根据所述障碍物在所述当前采样时刻的第二相对距离图以及与所述运动装置的相对速度，预判在所述当前采样时刻所述障碍物到所述运动装置的碰撞时间。11.根据权利要求10所述的装置，其特征在于，所述第一获取模块具体包括: 第一获取子模块，被配置为根据双目测距原理，由双目摄像机成像，并结合同一物体在所述双目摄像机的两幅同时刻所成的场景图像里的视觉差异以及所述双目摄像机的结构参数，获取所述当前采样时刻和所述前一采样时刻的场景图像，以及所述视场范围内各视点到运动装置的第一相对距离图；或者， 第二获取子模块，被配置为根据所述单目测距原理，对所述当前采样时刻的图像和所述前一采样时刻的图像进行几何变换分析，获取所述当前采样时刻和所述前一采样时刻的场景图像，以及所述视场范围内各视点到运动装置的第一相对距离图；或者， 第三获取子模块，被配置为根据雷达测距原理，对雷达视场内的范围进行扫描，获得所述当前采样时刻和所述前一采样时刻的场景图像，以及所述视场范围内各视点到运动装置的第一相对距离图。12.根据权利要求10所述的装置，其特征在于，所述第二计算模块还包括: 第二获取模块，被配置为根据所述单目测距原理，对相机的成像做基于模板的训练，进行特征点标定或机器学习的目标识别，直接提取出所述识别目标的轮廓，将所述轮廓与所存储模板的尺寸进行标定，从而直接获取所述当前采样时刻所述障碍物到运动装置的第二相对距离图。13.根据权利要求10所述的装置，其特征在于，所述处理模块具体包括: 过滤模块，被配置为对所述当前采样时刻的所述第一相对距离图进行过滤，去除路面和虚假障碍物； 融合模块，被配置为通过所述当前采样时刻的所述第一相对距离图获得所述当前采样时刻的第二相对距离，并将所述第二相对距离值相似的视点融合成联通的轮廓； 处理子模块，被配置为对所述联通的障碍物轮廓进行标记和所述障碍物第二相对距离值的标定。14.根据权利要求10所述的装置，其特征在于，所述第一计算模块具体包括: 划分模块，被配置为将所述当前采样时刻的场景图像和所述前一采样时刻的场景图像划分成N个子块;其中，所述N取正整数； 第一计算子模块，被配置为利用快速块匹配算法或频域计算法，计算所述当前采样时刻的场景图像和所述前一采样时刻的场景图像中所述各子块的对应关系，得到所述各子块的运动矢量场;或者， 第一计算子模块被配置为利用光流法或所述频域计算法，计算所述当前采样时刻和所述前一采样时刻的所述第一相对距离图中各关键点的对应关系，得到所述各关键点的运动矢量场； 第二计算子模块，被配置为对所述运动矢量场进行分配或插值，计算得到所述障碍物从所述当前采样时刻到所述前一采样时刻的运动矢量。15.根据权利要求10所述的装置，其特征在于，所述第三计算模块具体包括: 第三计算子模块，被配置为用所述第二相对距离变化值除以所述当前采样时刻和所述前一采样时刻之间的时间间隔，得到在所述当前采样时刻所述障碍物与所述运动装置的相对速度。16.根据权利要求10所述的装置，其特征在于，所述第一预判模块具体包括: 第三获取模块，被配置为根据所述障碍物在所述当前采样时刻的第一相对距离图和所述轮廓，对所述轮廓内的第一距离值进行加权平均，获取所述障碍物在所述当前采样时刻的第二相对距离； 第四计算模块，被配置为用所述障碍物在所述当前采样时刻的第二相对距离除以在所述当前采样时刻所述障碍物与所述运动装置的相对速度，得到在所述当前采样时刻所述障碍物到所述运动装置的碰撞时间。17.根据权利要求10所述的装置，其特征在于，所述装置还包括: 第二预判模块，被配置为根据所述障碍物在所述当前采样时刻的第二相对距离图和所述轮廓、与所述运动装置的所述相对速度以及所述障碍物从所述当前采样时刻到所述前一采样时刻的运动矢量，预判在下一采样时刻所述障碍物的位置及该障碍物与运动装置的相对距离。18.根据权利要求17所述的装置，其特征在于，所述第二预判模块具体包括: 加权平均模块，被配置为对所述障碍物从所述当前采样时刻到所述前一采样时刻的运动矢量进行加权平均，得到所述障碍物在所述当前采样时刻的运动矢量； 第一预判子模块，被配置为根据所述障碍物在所述当前采样时刻的运动矢量，预判所述障碍物在所述下一采样时刻的位置； 第二预判子模块，被配置为根据所述障碍物在所述当前采样时刻的第二相对距离图、与所述运动装置的所述相对速度以及所述当前采样时间与所述下一采样时间之间的时间间隔，预判在所述下一采样时刻所述障碍物与所述运动装置的第二相对距离。
【专利摘要】本发明公开了一种障碍物预警方法和装置，其中，该方法包括分别获取当前采样时刻和前一采样时刻的场景图像，以及视场范围内各视点到运动装置的第一相对距离图，据此，得到障碍物的轮廓、标定信息以及在当前采样时刻障碍物到运动装置的第二相对距离图，根据前一采样时刻的第一相对距离图、当前采样时刻障碍物的轮廓和标定信息以及当前采样时刻障碍物到前一采样时刻对应障碍物的运动矢量，计算在前一采样时刻障碍物到运动装置的第二相对距离图；据此，计算在当前采样时刻障碍物与运动装置的相对速度；进而，预判在当前采样时刻障碍物到运动装置的碰撞时间。通过本发明实施例解决了如何快速准确地对障碍物做出预判的技术问题。
【IPC分类】G06K9/00
【公开号】CN105718888
【申请号】CN201610044507
【发明人】崔峰, 朱海涛, 孟然, 谢启伟, 姜安
【申请人】北京中科慧眼科技有限公司
【公开日】2016年6月29日
【申请日】2016年1月22日