用于车辆的自行车检测系统和方法以及车辆与流程

本公开涉及车辆领域，并且更具体地，涉及用于车辆的自行车检测系统和方法，以及装备有该系统的车辆。

背景技术：

车辆上已经有可以用于检测车辆周围的对象的设备或系统，以便有助于驾驶期间的操作。通常，检测是通过对由安装在车辆上的传感器(例如，照相机、或超声波传感器)采集的与车辆的周围环境有关的数据进行处理来完成的。基于这样的检测，对象的运动可以被预测，并且由此，驾驶者可以得到对可能的碰撞的警告，以使得可以采取合适的动作来确保安全驾驶。

对象的一个示例是骑行中的自行车，相比于其他对象(例如，车辆或行人)，要对自行车的运动进行预测，可能困难得多。

技术实现要素：

提供了本公开的实施例，以用于解决上面讨论的问题。事实上，本公开的实施例给出了一种自行车检测系统和方法，其可以提供对自行车的运动的更好地预测。下文给出了对本公开的一个或多个方面的简要概述，以便于提供对这些方面的基本理解。

在本公开的一个示例性实施例中，提供了一种用于车辆的自行车检测系统，包括：图像采集单元，被配置为采集车辆周围环境的图像；处理器，被配置为：从所采集的图像中识别出自行车；检测所述自行车的踩踏状态；以及至少部分基于所述踩踏状态来对所述自行车的运动进行预测。

可选地，处理进一步被配置为至少部分基于自行车的踩踏频率的变化来对所述自行车的运动进行预测。

可选地，处理器进一步被配置为：从所述图像中识别所述自行车的结构特征；基于识别的结构特征来确定所述自行车的基于齿轮的分类；以及基于所述踩踏频率的变化和所述分类来对所述自行车的运动进行预测。可选地，处理器进一步被配置为识别与所述自行车的齿轮、飞轮、刹车组件、或其任何组合相关联的结构特征。

可选地，自行车的基于齿轮的分类包括单速自行车、变速自行车、以及死飞自行车。

可选地，处理器进一步被配置为：如果识别到单个的后齿轮，则将所述自行车确定为单速自行车；如果识别到多个后齿轮，则将所述自行车确定为变速自行车；以及如果没有识别到飞轮和/或刹车组件，则将所述自行车识别为死飞自行车。

可选地，处理器进一步被配置为：如果检测到所述自行车的所述踩踏频率下降到零，则预测所述自行车的滑行状态。

可选地，处理器进一步被配置为：针对单速自行车，如果检测到所述踩踏频率正在下降，则预测该自行车的减速，并且如果检测到所述踩踏频率正在增加，则预测该自行车的加速；针对变速自行车，如果检测到所述踩踏频率的突然下降，则预测该自行车的加速，并且如果检测到所述踩踏频率的突然增加，则预测该自行车的减速。

可选地，处理器进一步被配置为通过计算时间窗内的多个图像的踩踏频率来检测所述踩踏频率的变化。

可选地，处理器进一步被配置为通过检测所述自行车的踏板、或所述自行车的骑行者的腿或脚的运动的变化来检测所述踩踏频率的变化。

可选地，系统还包括一个或多个传感器，用于获取与所述车辆和/或所述自行车的行驶相关联的数据；所述处理器进一步被配置为基于所述数据和对所述自行车的运动的预测来辅助所述车辆的驾驶。

可选地，处理器进一步被配置为基于所述数据和对所述自行车的运动的预测来估计潜在碰撞的可能性，并且基于所述估计来发出警报。

在另一个示例性实施例中，提供了一种车辆，配备有上述的系统。

在又一个示例性实施例中，提供了一种用户车辆的自行车检测方法，包括：从采集的所述车辆的周围环境的图像中识别出自行车；检测所述自行车的踩踏状态；以及至少部分基于所述踩踏状态来对所述自行车的运动进行预测。

可选地，检测所述自行车的踩踏状态包括检测所述自行车的踩踏频率的变化。

可选地，方法还包括：从所述图像中识别所述自行车的结构特征；以及基于识别的结构特征来确定所述自行车的基于齿轮的分类；对自行车的运动的预测进一步包括：基于踩踏频率的变化和分类来对所述自行车的运动进行预测。

可选地，识别所述自行车的机构特征包括识别与所述自行车的齿轮、飞轮、刹车组件、或其任何组合相关联的结构特征。

在本公开的进一步的示例性实施例中，提供了一种自行车检测装置，包括：识别单元，用于从采集的车辆的周围环境的图像中识别出自行车；检测单元，用于检测所述自行车的踩踏状态；以及预测单元，用于至少部分基于所述踩踏状态来对所述自行车的运动进行预测。

根据本公开的一些实施例，基于识别出的自行车的踩踏状态来对自行车的运动进行预测，以使得可以获得更准确的预测并且可以由此减少与自行车的碰撞。

附图说明

为了清楚地示出本公开的实施例中的技术方案，下面给出在对实施例的描述中所需要的附图的简要介绍。显而易见地，下文描述的附图是本公开的一些实施例，基于这些附图，本领域普通技术人员可以获得其他的附图，而不需要任何创造性的劳动。

图1是示出了根据本公开的实施例的示例性自行车检测系统的示意图。

图2是示出了根据本公开的另一个实施例的示例性自行车检测系统的示意图。

图3是示出了根据本公开的实施例的自行车检测方法的示意流程图。

图4是示出了根据本公开的一些实施例的自行车检测装置的框图。

具体实施方式

下文结合附图阐述的具体实施方式旨在作为对各种配置的描述而不是要表示本文描述的概念和特征仅能在其中实现的配置。下文的描述包括具体的细节，以用于提供对各种概念的充分理解。然而，对本领域技术人员显而易见的是，这些概念可以在没有这些具体细节的情况下实现。

驾驶辅助系统(das)能够例如从由照相机捕获的车辆的周围环境的图像中识别出位于车辆附近的对象(例如，行人、其他车辆、以及障碍物)。此外，通过安装在车辆上的各种传感器，与这些对象相关联的各种数据(例如，位置、尺寸、以及速度)可以被获取，并且因此能够对这些对象的运动进行预测。进一步地，基于该预测，可以提供警报或引导以避免诸如碰撞或刮擦等的事故。对于诸如车辆等的对象，该方案可以很好地工作，但是，当应用于对骑行中的自行车的预测时，可能存在挑战。

一般地，如交通规则所要求的，车辆在道路上的某个车道上行驶，并且其运动和行为是规则和稳定的。此外，在必要时，车辆可以鸣笛或打开车灯，以给出对其接下来的动作的指示。结合上文所描述的图像以及各种传感器数据，车辆的行为是容易预测的。然而，自行车的行为并不能如此容易地被确定。例如，在骑行中，骑行者可能随意地改变其路线或速度，有时甚至忽略交通规则。对诸如距离和位置等的数据的简单收集可能不足以准确地预测自行车的行为。

实施例旨在提供对自行车的运动的预测，这样的预测至少部分基于自行车的踩踏状态。

在整个本公开中给出的各种概念可以在各种车辆中实现，包括运动型汽车、客车、多功能车(suv)、混合动力车辆(hev)、电瓶车、卡车等。然而，本领域技术人员将理解，这些仅出于例示目的被提供，并且本公开的一个或多个方面可以实现或包括在一个或多个其他类型的车辆中。

图1示出了根据本公开的一个实施例的用于车辆的自行车检测系统。该系统可以作为车辆上的驾驶辅助系统(das)的一部分。如图1中所示，系统包括由车载网络13耦合在一起的图像采集单元11和处理器12。车载网络13的示例可以包括can或flexray。

图像采集单元11可以被配置为采集车辆周围环境的图像。在本公开的一些实施例中，图像采集单元11可以是安装在车辆上的照相机，例如，rgb或红外照相机。

处理器12可以是诸如中央处理单元(cpu)、微控制单元(mcu)、数字信号处理器(dsp)等的通用处理器，其被配置为通过执行存储在数据存储介质中的程序指令来实现本文所描述的功能的部分或全部。此外或可替代地，处理器12还可以包括可编程的硬件元件，例如专用集成电路(asic)、现场可编程门阵列(fpga)等。

数据存储介质可以是如将在图2中示出的存储器23。存储器23可以是诸如随机存取存储器(ram)、静态ram(sram)、动态ram(dram)等的易失性存储器，或者是诸如只读存储器(rom)、闪速存储器、磁、光电存储装置等的非易失性存储器，或两者的某种组合。存储器23可以用于存储能够由处理器12的程序指令。

在本公开的实施例中，处理器12被配置为从由图像采集单元11采集的图像中识别具有骑行者的自行车。可选地，处理器12还可以从图像中识别出与自行车的一个或多个部件相关联的结构特征。对自行车以及其结构特征的识别可以通过使用计算机视觉或模式识别技术来实现，这些技术的过程对于本领域技术人员是公知的，并且由此在本文中省略了这些技术的细节，以便于不必要地是本公开难以理解。

在本公开的实施例中，识别出的结构特征可以由处理器12用来确定自行车的基于齿轮的分类。

自行车的基于齿轮的分类可以包括单速、变速、和死飞。下面给出了对每个分类的结构特征的简要描述以便于提供对本公开的概念的充分理解。

死飞自行车(或固定轮自行车，在一些情况下也被称为“固齿(fixie)”是具有没有飞轮机制的传动系的自行车。死飞自行车的一个可感知的主要吸引在于低重量。没有诸如变速器、拨把、闸线、线架、多个、飞轮毂等附加零件，死飞自行车的重量比其他自行车轻。

此外，死飞自行车通常是没有刹车的。换言之，在死飞自行车上不存在诸如各种类型的车闸、闸线、或缆等的刹车组件。其结果是，死飞自行车可能比其他类型的自行车具有更长的刹车距离，并且因此可能更加危险。

单速自行车是这样类型的自行车，其具有单一的齿轮比并且不具有变速器。换言之，在骑行中，骑行者不能改变齿轮比。一般地，由于不具有变速器或其他变速系统，单速自行车在机械上比变速自行车更简单。特别地，单速自行车在其后车轮上仅具有单一的后齿轮。

变速自行车是具有多个齿轮比的类型的自行车。在骑行中，骑行者可以通过一个或多个变速器来来切换齿轮比。为了使得能够在不同的齿轮比之间进行切换，后车轮上有多个(例如，7到10个)后齿轮和至少一个变速器。通常，自行车上还可能有多个(例如，3个)前齿轮。

此外，单速自行车和变速自行车一般在其上具有刹车组件和飞轮。

总之，每种类型具有能够使其区别于其他类型的唯一的结构特征。基于对这样的结构特征中的一个或多个的识别，处理器12可以确定自行车的基于齿轮的分类。

在一些实施例中，处理器12被配置为基于与自行车的后齿轮相关联的结构特征来确定自行车的分类。后齿轮指的是在自行车的后轮的轮毂处的一个或多个齿轮。特别地，如果识别到单个的后齿轮，则处理器可以将该自行车确定为单速自行车，并且，如果识别到多个后齿轮，则可以将该自行车识别为变速自行车。

可替代地或除此之外，处理器还可以基于与变速器相关联的特征来确定自行车的分类。例如，如果在自行车上识别到了变速器，则可以将该自行车确定为变速自行车。在另一个示例中，如果自行车不具有变速器，则其可以被确定为单速自行车或死飞自行车。

在一些其他实施例中，处理器12被配置为基于与飞轮相关联的结构特征来识别死飞类型的自行车。具体地，如果没有在自行车上识别到飞轮，则处理器12可以将该自行车确定为死飞自行车。

可替代地或除此之外，处理器可以基于与刹车组件相关联的结构特征来确定死飞自行车。刹车组件可以包括各种零件，例如碟刹/v-刹、闸柄、闸线或缆等。例如，如果没有检测到这些组件中的任何一个，则处理器12可以将该自行车确定为死飞自行车。

此外，各种结构特征可以以任何组合被采用。例如，具有飞轮而不具有变速器的自行车可以由处理器12识别为单速自行车，而既不具有飞轮也不具有变速气的自行车将被识别为死飞自行车。

应该理解的是，上文的各种结构特征被提供用于例示目的而非限制目的。还可以基于与其他部件(例如，前齿轮、车把、拨把、或其任何组合)相关联的结构特征来确定自行车的分类。

在一些实施例中，处理器12可以被配置为从由图像采集单元11采集的图像中识别自行车的踩踏状态。

本文中的“踩踏状态”指的是踏板的运动状态。例如，在行驶中，踏板通常由骑行者的脚向前踩动，然而，有时踏板也可以被向后踩动，或者在自行车的滑行状态中保持静止。此外，踏板状态还可以包括反映踏板的运动的某些物理表示，例如踏板的频率或角速度。

在示例性的实施例中，处理器12进一步被配置为从由图像采集单元11采集的图像中检测踩踏频率的变化。踏板一般由骑行者的腿或脚驱动，并且因此，踩踏频率的变化可以由腿或脚的运动变化所反映。

特别地，处理器12可以进一步被配置为通过根据时间窗内的多个连续图像计算踩踏频率来检测踩踏频率的变化。

已经根据上文描述对自行车的基于齿轮的分类和踩踏状态进行了识别。在示例性的实施例中，处理器12进一步被配置为基于分类和踩踏状态来对自行车的运动进行预测。

例如，考虑变速自行车。当切换到较高的齿轮比时，可以从多个连续图像检测到踩踏频率的突然下降，这可能反映了骑行者的加速意图。相反，当切换到较低的齿轮比时，可以检测到踩踏频率的突然增加，这可能反映了减速的意图。然而，频率的逐渐下降或增加通常不指示切换，而分别反映了减速或加速的意图。

针对单速自行车或死飞自行车，由于仅有一个齿轮比，因此，踩踏频率的下降(或增加)，不论是突然的还是逐渐的，仅表示骑行者正在减速(加速)。

在一些实施例中，处理器12可以进一步被配置为：针对单速自行车，如果检测到踩踏频率正在下降，则预测该自行车的减速，并且如果检测到踩踏频率正在增加，则预测该自行车的加速；针对变速自行车，如果检测到踩踏频率的突然下降，则预测该自行车的加速，并且如果检测到踩踏频率的突然增加，则预测该自行车的减速。

对任何分类，如果在时间窗内检测到踏板保持静止，则自行车将处于滑行状态。处理器12由此可以被配置为，如果检测到踏板频率为零，则预测自行车的滑行状态。

现在参照图2，其中示出了根据本公开的另一个实施例的示例性自行车检测系统。如图2中所示的，系统200包括图像采集单元21、处理器22、存储器23、以及一个或多个传感器。

图像采集单元21被配置为采集车辆的周围环境的图像，并且处理器22被配置为根据参照图1中的处理器12描述的操作来获取对自行车的运动的预测。为简洁起见，此处不再赘述其细节。

一个或多个传感器24可以包括用于获取车辆的各种行驶数据的传感器(例如，加速度传感器、速度传感器和/或安装在转向杆上的转向角度传感器)。处理器22可以被配置为基于由这些传感器获取的数据来确定车辆的驾驶状态或意图。

此外或可替代地，一个或多个传感器24可以包括用于获取与自行车的行驶相关联的运动数据(例如，位置、距离、速度等)的传感器。这样的传感器可以包括激光传感器、雷达传感器、或声学传感器中的一个或多个。

在该实施例中，处理器22可以进一步被配置为基于对自行车的运动的预测、车辆的驾驶意图、以及与自行车相关联的运动数据来辅助车辆的驾驶。在进一步的实施例中，处理器22可以基于预测和各种传感器数据来估计自行车与车辆之间的潜在碰撞的可能性。在进一步的实施例中，处理器22可以通过屏幕、音频、获取他交互设备发出视觉、听觉、或触觉警报。此外或可替代地，在一些实例中，处理器22可以响应于估计的碰撞的可能性来激活驾驶辅助系统(das)的自动驾驶操作。

根据本公开的一些实施例，基于自行车的踩踏状态来对自行车的运动进行预测。这样的方式可以允许对自行车的运动的更准确的预测，并且由此，可以减少与自行车的碰撞。

在本公开的另一个方面中，提供了一种车辆，配备有上文描述的自行车检测系统100或200。

图3是示出了根据本公开的实施例的自行车检测方法的示意流程图。方法300可以在图1中示出的系统100中执行。方法300包括以下步骤。

在步骤301中，从车辆的周围环境的图像中识别出自行车。

在一些实施例中，可以从图像中识别出自行车的结构特征，并且可以基于识别的结构特征来确定自行车的基于齿轮的分类。

在一些实施例中，结构特征可以与自行车的一个或多个部件相关联，所述部件包括但不限于齿轮、飞轮、以及刹车组件。

在本公开的实施例中，基于齿轮的分类可以包括单速自行车、变速自行车、或死飞自行车。

在该实施例的一个实现中，如果识别到单个的后齿轮，则将所述自行车确定为单速自行车。在另一个实现中，如果识别到多个后齿轮，则将所述自行车确定为变速自行车。在又一个实现中，如果没有识别到飞轮，则将所述自行车识别为死飞自行车。

在步骤302中，检测自行车的踩踏状态。

在一些实施例中，通过从图像中检测踩踏频率的变化来检测踩踏状态。具体地，对踩踏频率的变化的识别可以通过根据时间窗内的多个图像来计算踩踏频率来实现。

在步骤303中，至少基于踩踏状态来对自行车的运动进行预测。

例如，如果检测到踩踏频率逐渐下降，则可以预测自行车的加速，并且如果检测到逐渐下降，则可以预测自行车的减速。在另一个示例中，当检测到下降到零的踩踏频率时，可以预测自行车的滑行状态。

在一些实施例中，为了使预测更加准确，基于踩踏状态，结合自行车的类别来对自行车的运动进行预测。具体地，针对单速自行车，如果检测到所述踩踏频率正在下降，则预测该自行车的减速，并且如果检测到所述踩踏频率正在增加，则预测该自行车的加速；而针对变速自行车，如果检测到所述踩踏频率的突然下降，则预测该自行车的加速，并且如果检测到所述踩踏频率的突然增加，则预测该自行车的减速。

图4是示出了根据本公开的一些实施例的自行车检测装置的框图。如图4中所示的，装置400包括识别单元41、检测单元42、以及预测单元43。装置400可以是软件实体、硬件实体、或其组合。其可以被包括在参照图1描述的系统100中。可替代地或除此之外，装置400可以是由处理器12执行的实体或应用。

识别单元41可以适于从采集的车辆的周围环境的图像中识别出自行车。

在进一步的实施例中，识别单元41可以适于识别自行车的结构特征。

检测单元42可以适于检测自行车的踩踏状态。

具体地，如上文描述的，检测单元42可以检测自行车的踩踏频率的变化。

在进一步的实施例中，检测单元42可以进一步适于基于由识别单元41识别的结构特征来确定自行车的基于齿轮的分类。

预测单元43可以适于至少部分基于踩踏状态来对自行车的运动进行预测。

在进一步的实施例中，预测单元43可以适于基于踩踏状态和所述分类来对自行车的运动进行预测。

本领域技术人员可以理解，本文公开的设备中的单元可以分布在实施例的设备中，并且还可以变化地位于与实施例中的那些设备不同的一个或多个设备中。上文实施例的单元可以被集成到一个单元中或者可以被进一步划分到多个子单元中。

尽管已经结合被考虑为最实际和优选的实施例描述了本公开，但本领域技术人员应该理解的是，这样的限制不限于所公开的实施例，而是旨在覆盖所包括的各种布置，而不偏离最广泛的理解范围，以便于涵盖所有这样的修改和等效布置。