基于汽车的路障检测方法、装置及汽车与流程

本发明实施例涉及车辆领域，具体涉及一种基于汽车的路障检测方法、装置及汽车。

背景技术：

目前，随着私家车的日益普及，交通状况日益复杂，车辆间的剐蹭、相撞等现象时有发生。一旦发生上述的交通事故，一方面，会带来生命财产方面的巨大损失；另一方面，为了保存现场，涉事车辆往往会暂时滞留在交通主干道上，虽然涉事车辆在滞留过程中通常会向后车发出警示标识，例如将车辆尾灯设置为双闪模式或者竖立故障指示牌等。

但是，在实现本发明的过程中，发明人发现现有技术中存在如下的问题：后车的驾驶员由于疲劳驾驶或注意力不集中等诸多因素的影响，非常容易忽视前车发出的警示标识，从而导致两车相撞，进而引发二次事故。

技术实现要素：

鉴于上述问题，提出了本发明实施例以便提供一种解决上述问题的基于汽车的路障检测方法、装置及汽车。

依据本发明实施例的一个方面，提供了一种基于汽车的路障检测方法，包括：获取汽车周围的图像；查询预设的路障模型库，判断所述图像是否与所述路障模型库中包含的至少一个路障模型匹配；当判断结果为是时，生成路障提示信息。

可选地，所述获取汽车周围的图像的步骤进一步包括：确定汽车的当前行驶状态，当确定所述汽车的当前行驶状态为前行状态时，获取汽车前方的图像；当确定所述汽车的当前行驶状态为倒车状态时，获取汽车后方的图像；当确定所述汽车的当前行驶状态为转弯状态时，获取汽车转弯侧的图像。

可选地，所述预设的路障模型库中包括：车辆尾灯闪烁模型、和/或故障指示牌模型。

可选地，所述车辆尾灯闪烁模型为动态模型，且所述动态模型进一步包括：所述车辆尾灯的闪烁频率、闪烁颜色、闪烁强度、以及所述车辆尾灯的数量和相邻尾灯之间的间距；所述故障指示牌模型为静态模型，且所述静态模型进一步包括：所述故障指示牌的形状、颜色和图案。

可选地，所述判断所述图像是否与所述路障模型库中包含的至少一个路障模型匹配的步骤具体包括：计算所述图像与所述路障模型之间的相似度，当计算结果大于预设阈值时确定所述图像与所述路障模型匹配；并且，所述方法进一步包括：获取所述汽车的当前车速，且所述预设阈值根据所述当前车速动态确定。

可选地，所述路障提示信息为声音提示信息、图像提示信息、和/或方向盘振动提示信息。

依据本发明实施例的又一个方面，提供了一种基于汽车的路障检测装置，包括：获取模块，用于获取汽车周围的图像；判断模块，用于查询预设的路障模型库，判断所述图像是否与所述路障模型库中包含的至少一个路障模型匹配；提示模块，用于当判断结果为是时，生成路障提示信息。

可选地，所述获取模块进一步包括：确定子模块、第一摄像头、第二摄像头和第三摄像头，其中，所述确定子模块用于确定汽车的当前行驶状态，当确定出所述汽车的当前行驶状态为前行状态时，通过所述第一摄像头获取汽车前方的图像；当确定出所述汽车的当前行驶状态为倒车状态时，通过所述第二摄像头获取汽车后方的图像；当确定出所述汽车的当前行驶状态为转弯状态时，通过所述第三摄像头获取汽车转弯侧的图像。

可选地，所述预设的路障模型库中包括：车辆尾灯闪烁模型、和/或故障指示牌模型。

可选地，所述车辆尾灯闪烁模型为动态模型，且所述动态模型进一步包括：所述车辆尾灯的闪烁频率、闪烁颜色、闪烁强度、以及所述车辆尾灯的数量和相邻尾灯之间的间距；

所述故障指示牌模型为静态模型，且所述静态模型进一步包括：所述故障指示牌的形状、颜色和图案。

可选地，所述判断模块具体用于：计算所述图像与所述路障模型之间的相似度，当计算结果大于预设阈值时确定所述图像与所述路障模型匹配；并且，所述预设阈值根据当前车速动态确定。

可选地，所述路障提示信息为声音提示信息、图像提示信息、和/或方向盘振动提示信息。

依据本发明实施例的再一个方面，提供了一种汽车，包括上述的路障检测装置。

在本发明实施例提供的基于汽车的路障检测方法、装置及汽车中，能够根据汽车周围的图像以及预设的路障模型库自动检测汽车周围是否存在路障，并在检测结果为是时自动提示驾驶员。由此可见，本发明实施例中的方式能够有效地提示驾驶员从而避免引发交通事故，大幅提高了驾车过程中的安全性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的基于汽车的路障检测方法的流程图；

图2示出了本发明另一个具体实施例提供的基于汽车的路障检测方法的流程图；

图3示出了本发明另一实施例提供的基于汽车的路障检测装置的结构图；

图4示出了本发明另一实施例提供的基于汽车的路障检测装置的结构图；

图5示出了本发明另一实施例提供的汽车的结构图；

图6示出了本发明另一实施例提供的汽车的结构图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种基于汽车的路障检测方法、装置及汽车，至少能够解决现有技术中的汽车因为无法自动检测前方是否存在警示标识等路障信息而容易引发交通事故的技术问题。

图1示出了本发明实施例提供的基于汽车的路障检测方法的流程图。如图1所示，该方法包括以下步骤：

步骤S110：获取汽车周围的图像。

其中，汽车周围的图像可以通过设置在汽车外部的一个或多个摄像头实时获取。例如，可以在汽车前端设置一个摄像头，用于在汽车前行时获取汽车前方的图像；可以在汽车后端设置另一个摄像头，用于在汽车倒车时获取汽车后方的图像；还可以在汽车两侧各设置两个摄像头，用于在汽车转弯时获取汽车转弯侧的图像。

步骤S120：查询预设的路障模型库，判断所述图像是否与所述路障模型库中包含的至少一个路障模型匹配。

其中，在路障模型库中存储了各种类型的路障所对应的模型，例如，可以包括车辆尾灯闪烁模型、和/或故障指示牌模型等。其中，车辆尾灯闪烁模型通常为动态模型，该模型中包括：所述车辆尾灯的闪烁频率、闪烁颜色、闪烁强度、以及所述车辆尾灯的数量和相邻尾灯之间的间距等；故障指示牌模型通常为静态模型，该模型中包括：所述故障指示牌的形状、颜色和图案等。又如，路障模型库中还可以包括行人模型、动物模型等，以防止因突然出现的人、物而引发事故。

具体地，在判断图像是否与路障模型库中包含的至少一个路障模型匹配时，可以首先对图像进行去噪、滤波等预处理操作，然后，通过预设的相似度比较算法等方式判断图像是否与路障模型匹配。

步骤S130：当判断结果为是时，生成路障提示信息。

其中，路障提示信息可以灵活通过多种方式实现，例如，可以是声音提示信息、图像提示信息、和/或方向盘振动提示信息等。

由此可见，本发明实施例中的方式能够有效地提示驾驶员从而避免引发交通事故，大幅提高了驾车过程中的安全性。

图2示出了本发明另一个具体实施例提供的基于汽车的路障检测方法的流程图。如图2所示，该方法包括以下步骤：

步骤S210：确定汽车的当前行驶状态，根据当前行驶状态获取汽车周围的图像。

其中，步骤S210可以在汽车行驶过程中实时执行。具体地，当确定汽车的当前行驶状态为前行状态时，获取汽车前方的图像，以确保汽车在前行过程中的安全性；当确定汽车的当前行驶状态为倒车状态时，获取汽车后方的图像，以确保汽车倒车时的安全性；当确定汽车的当前行驶状态为转弯状态时，获取汽车转弯侧的图像。例如，当确定汽车的当前行驶状态为向左转弯时，获取汽车左侧的图像；当确定汽车的当前行驶状态为向右转弯时，获取汽车右侧的图像。

具体实现时，可以分别在汽车的不同位置处设置摄像头，例如，在汽车前端设置第一摄像头，用于拍摄汽车前方的图像；在汽车后端设置第二摄像头，用于拍摄汽车后方的图像；在汽车两侧设置第三摄像头，用于拍摄汽车两侧的图像，其中，第三摄像头具体包括分别设置在汽车左右两侧的两个摄像头。相应地，通过控制不同的摄像头工作，可以获取到汽车的不同角度的图像，当然，也可以同时获取汽车的各个角度的图像，并将各个角度的图像拼接为一幅全景图像，以达到全面了解汽车周边路况的目的，这样，当汽车突然急转弯时可以更好地避免交通事故。

步骤S220：对获取到的图像进行预处理。

其中，预处理主要用于去噪。由于车辆颠簸、光线变化等外界因素的影响，导致车载摄像头实时获取的图像可能会因车辆振动而模糊，对此，可以通过滤波处理等方式滤除图像中的噪点，以提高后续处理的准确性。具体的滤波算法可以根据需要灵活选择，本发明对此不作限定。

步骤S230：对预处理后的图像进行分析计算，以提取图像中包含的待识别区域。

其中，可以灵活通过各种图像分析算法实现对图像的分析计算，分析计算的目的在于：去除图像中的无关区域，进而提取出图像中的待识别区域。例如，当汽车处于前行状态时，摄像头拍摄的图像中可能会包含背景区域，如天空、公路两侧的绿地等，这些区域均不属于汽车的预定行驶区域，因此，归属于无关区域；相应地，图像中包含前车以及前车与本车之前的路段的区域均属于汽车的预定行驶区域，因此，归属于待识别区域。

通过提取待识别区域，能够缩减后续匹配过程中的计算量，提高后续的处理速度。另外，本领域技术人员也可以通过其他方式划分无关区域和待识别区域，总之，只要能够将可能包含路障的图像位置包含在待识别区域内即可。

另外，上述的步骤S220和步骤S230均为可选步骤，在本发明其他的实施例中，也可以省略步骤S220和步骤S230，或者，也可以将步骤S220和步骤S230合并为一个步骤。

步骤S240：查询预设的路障模型库，判断图像是否与路障模型库中包含的至少一个路障模型匹配。

其中，主要是判断步骤S230中得到的待识别区域是否与路障模型库中包含的至少一个路障模型匹配。具体判断时，可以通过相似度算法计算图像中的待识别区域与路障模型之间的相似度，当相似度高于预设阈值时确定图像与路障模型匹配，进而确定图像中包含路障，应该对驾驶员进行提示。本领域技术人员可以灵活选择各种类型的相似度算法进行计算，本发明不限定具体的算法类型。

优选地，由于汽车是否会与前方的路障相撞很大程度上取决于汽车的当前行驶速度以及汽车与路障之间的距离：汽车行驶速度越快，越容易因来不及刹车而相撞；与路障之间的距离越近，越容易相撞。因此，在本发明中可以综合汽车的当前车速以及汽车与路障间的距离来综合确定何时对驾驶员进行提示。汽车与路障之间的距离可以通过待识别区域与路障模型之间的相似度估算：通常情况下，汽车与路障之间的距离越远，由于图像模糊，导致待识别区域与路障模型之间的相似度越低；汽车与路障之间的距离越近，由于图像清晰，导致待识别区域与路障模型之间的相似度越高。因此，上文提到的预设阈值可以动态确定：汽车的当前车速越高，该预设阈值的数值越低，以防止因车速过快来不及刹车而出现故障；汽车的当前车速越低，该预设阈值的数值越高，以防止因识别不准确而出现误判。具体实施时，可以将汽车车速范围划分为多个区间，相应地，将预设阈值设定为多个不同的阈值数值，每一阈值数值分别对应于一个车速区间。例如，将车速范围(0,50km/h]划分为第一区间，该区间对应的阈值数值为N1；将车速范围(50km/h,80km/h)划分为第二区间，该区间对应的阈值数值为N2；将车速范围(80km/h,120km/h)划分为第三区间，该区间对应的阈值数值为N3。其中，N1大于N2，且N2大于N3。通过上述方式能够根据当前车速范围动态确定预设阈值的数值，从而兼顾安全性与准确性。

另外，在上述实现方式中，由于汽车是否会与前方的路障相撞还与汽车的刹车性能有关，刹车性能越好的汽车越不容易出现事故，而刹车性能越差的汽车显然更容易出现事故，因此，在本实施例中，还可以预先获取汽车的车型信息及该款车型对应的刹车性能，在设置预设阈值时，分别针对不同款车型设置不同的阈值数值，例如，刹车性能越好的车型对应的预设阈值的数值越高，以达到清晰识别、防止误判的效果；刹车性能越差的车型对应的预设阈值的数值越低，以达到尽早提示、避免事故的效果。

另外，除了预设阈值的合理选择之外，路障模型的种类和精确度也会影响判别结果。在本实施例中，路障模型库种类可以包括多种，例如，可以包括车辆尾灯闪烁模型、故障指示牌模型、行人模型、小动物模型、其他障碍物模型等各类模型，只要是能够对汽车行驶路线造成影响的物体模型都可以存储到上述的路障模型库中。

其中，车辆尾灯闪烁模型可以为动态模型，且该动态模型进一步包括：车辆尾灯的闪烁频率、闪烁颜色、闪烁强度、以及车辆尾灯的数量和相邻尾灯之间的间距。例如，通常车辆因故障停靠在公路上时，双侧尾灯会以预设频率交替闪烁红色和黄色，通过预先收集红灯和黄灯的闪烁时间、闪烁频率、闪烁颜色以及闪烁强度等信息能够准确判断前方是否存在故障车辆。其中，闪烁频率，变化颜色等可通过预设的动态参数表示，例如，可以设置参数一用于表示闪烁频率，参数二用于表示变化颜色等。另外，模型中设定的车辆尾灯的数量可以是两个，两个尾灯之前的间距由汽车上的两个灯之间的实际距离决定。

故障指示牌模型可以为静态模型，且静态模型进一步包括：故障指示牌的形状、颜色和图案。其中，故障指示牌通常是三角形、带有黄色标记的警示牌，因此，可以根据该警示牌的颜色、形状和图案和设定对应的模型。

步骤S250：当判断结果为是时，生成路障提示信息。

其中，若步骤S240的判断结果为否，则不做处理，继续对后续获取到的图像实时进行分析判断。若步骤S240的判断结果为是，说明汽车前方存在路障，需要生成路障提示信息，以提醒驾驶员小心驾驶。

具体地，路障提示信息可以通过多种方式实现。在本实施例中，给出下述的三种实现方式：

在第一种实现方式中，路障提示信息为声音提示信息。此时，可以在汽车内部设置声音报警模块，该报警模块可以根据设置发出“前方存在路障，请小心驾驶”之类的语音提示；或者，该报警模块也可以根据设置发出“嘟嘟嘟-”之类的蜂鸣音。通过声音报警模块能够从听觉角度给予驾驶员提示。

在第二种实现方式中，路障提示信息为图像提示信息。此时，可以在仪表盘上设置图像报警模块，该图像报警模块可以根据设置显示预设的报警图案，例如，可以显示醒目的红色警示标志灯。通过图像报警模块能够从视觉角度给予驾驶员提示。

在第三种实现方式中，路障提示信息为方向盘振动提示信息。此时，可以在方向盘内部加装振动电机，通过该振动电机控制方向盘发生振动，进而提示驾驶员存在异常情况。通过方向盘振动方式能够从触觉角度给予驾驶员提示。

上述的三种方式既可以单独使用，也可以结合使用。例如，将上述三种实现方式结合起来能够同时从听觉、视觉和触觉多个角度给予驾驶员全方位地提示，从而最大程度地避免车祸。

图3示出了本发明另一实施例提供的基于汽车的路障检测装置的结构图。如图3所示，该装置包括：获取模块31、判断模块32和提示模块33。其中，获取模块31用于获取汽车周围的图像。判断模块32用于查询预设的路障模型库，判断所述图像是否与所述路障模型库中包含的至少一个路障模型匹配。提示模块33用于当判断结果为是时，生成路障提示信息。

上述各个模块的具体结构和工作原理可参照方法实施例中相应部分的描述，此处不再赘述。

图4示出了本发明另一实施例提供的基于汽车的路障检测装置的结构图。如图4所示，该装置包括：获取模块41、判断模块42和提示模块43。其中，获取模块41进一步包括：确定子模块411、第一摄像头412、第二摄像头413和第三摄像头414。

其中，获取模块41用于获取汽车周围的图像。所述确定子模块411用于确定汽车的当前行驶状态，当确定出所述汽车的当前行驶状态为前行状态时，通过所述第一摄像头412获取汽车前方的图像；当确定出所述汽车的当前行驶状态为倒车状态时，通过所述第二摄像头413获取汽车后方的图像；当确定出所述汽车的当前行驶状态为转弯状态时，通过所述第三摄像头414获取汽车转弯侧的图像。

其中，所述预设的路障模型库中包括：车辆尾灯闪烁模型、和/或故障指示牌模型。所述车辆尾灯闪烁模型为动态模型，且所述动态模型进一步包括：所述车辆尾灯的闪烁频率、闪烁颜色、闪烁强度、以及所述车辆尾灯的数量和相邻尾灯之间的间距；所述故障指示牌模型为静态模型，且所述静态模型进一步包括：所述故障指示牌的形状、颜色和图案。

可选地，所述判断模块具体用于：计算所述图像与所述路障模型之间的相似度，当计算结果大于预设阈值时确定所述图像与所述路障模型匹配；并且，所述预设阈值根据当前车速动态确定。

其中，所述路障提示信息为声音提示信息、图像提示信息、和/或方向盘振动提示信息。

上述各个模块的具体结构和工作原理可参照方法实施例中相应部分的描述，此处不再赘述。

图5示出了本发明另一实施例提供的汽车500的结构图，该汽车500包括上述图3所示的路障检测装置，具体包括：获取模块31、判断模块32和提示模块33。

图6示出了本发明另一实施例提供的汽车600的结构图，该汽车600包括上述图4所示的路障检测装置，具体包括：获取模块41、判断模块42和提示模块43。其中，获取模块41进一步包括：确定子模块411、第一摄像头412、第二摄像头413和第三摄像头414。

在本发明实施例提供的基于汽车的路障检测方法、装置及汽车中，能够根据汽车周围的图像以及预设的路障模型库自动检测汽车周围是否存在路障，并在检测结果为是时自动提示驾驶员。由此可见，本发明实施例中的方式能够有效地提示驾驶员从而避免引发交通事故，大幅提高了驾车过程中的安全性。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。