车辆盲区的监控方法、装置、计算机设备及存储介质与流程

本发明涉及车辆控制技术领域，尤其涉及一种车辆盲区的监控方法、装置、计算机设备及存储介质。

背景技术：

随着社会经济的发展以及人们生活水平的提供，越来越多的家庭拥有汽车，我国汽车的保有量迅速增长。汽车在给人们的生活带来便利的同时，也导致了交通事故的增多，从而使得用户对各种车载主动安全系统的需求提高。

现有的车载主动安全系统例如有电子稳定装置(electronicstablityprogram，esp)、车辆稳定性控制系统(vehiclestabilityassist，vsa)、变道盲区监测系统等。

变道盲区监测系统是车载主动安全系统中的一种重要系统，能够判断变道盲区的风险。然而，现有的变道盲区监测系统的判断依据单一，对于复杂路况的情形，风险判断的准确率低，盲区检测性能差。

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车辆盲区的监控方法，通过获取车辆周边障碍物信息和车辆的道路信息，并根据道路信息建立位置关系图，从障碍物信息中提取出动态目标并将其标记在位置关系图中，根据动态目标的状态信息和车辆的状态信息预测变道风险，当变道存在风险时控制车辆执行风险控制策略，能够融合车道线信息和动态目标的位置信息来进行变道风险评估，有效降低复杂路况下的误检测概率，从而提高变道风险判断的准确率，提升盲区监测系统的性能。

本发明的第二个目的在于提出一种车辆盲区的监控装置。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种车辆盲区的监控方法，包括：

获取车辆周边障碍物信息及所述车辆的道路信息；

根据所述道路信息，构建位置关系图；

从所述障碍物信息中提取动态目标，并将所述动态目标标记在所述位置关系图中；

根据所述动态目标的状态信息和所述车辆的状态信息，判断所述车辆当前变道是否存在风险，如果所述车辆当前变道存在风险，则控制所述车辆执行风险控制策略。

本发明实施例的车辆盲区的监控方法，通过获取车辆周边障碍物信息及车辆的道路信息，根据获取的道路信息构建位置关系图，并从障碍物信息中提取动态目标，将动态目标标记在位置关系图中，进而，根据动态目标的状态信息和车辆的状态信息判断车辆当前变道是否存在风险，并在存在风险时控制车辆执行风险控制策略。由此，通过获取障碍物信息来提取动态目标，通过获取车辆的道路信息构建位置关系图，并将动态目标标记在位置关系图中，能够融合道路信息和动态目标的位置信息来进行变道风险评估，有效降低复杂路况下的误检测概率，从而提高变道风险判断的准确率，提升盲区监测系统的性能。

为达上述目的，本发明第二方面实施例提出了一种车辆盲区的监控装置，包括：

获取模块，用于获取车辆周边障碍物信息及所述车辆的道路信息；

构建模块，用于根据所述道路信息，构建位置关系图；

标记模块，用于从障碍物信息中提取动态目标，并将所述动态目标标记在所述位置关系图中；

控制模块，用于根据所述动态目标的状态信息和所述车辆的状态信息，判断所述车辆当前变道是否存在风险，如果所述车辆当前变道存在风险，则控制所述车辆执行风险控制策略。

本发明实施例的车辆盲区的监控装置，通过获取车辆周边障碍物信息及车辆的道路信息，根据获取的道路信息构建位置关系图，并从障碍物信息中提取动态目标，将动态目标标记在位置关系图中，进而，根据动态目标的状态信息和车辆的状态信息判断车辆当前变道是否存在风险，并在存在风险时控制车辆执行风险控制策略。由此，通过获取障碍物信息来提取动态目标，通过获取车辆的道路信息构建位置关系图，并将动态目标标记在位置关系图中，能够融合道路信息和动态目标的位置信息来进行变道风险评估，有效降低复杂路况下的误检测概率，从而提高变道风险判断的准确率，提升盲区监测系统的性能。

为达上述目的，本发明第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如第一方面实施例所述的车辆盲区的监控方法。

为达上述目的，本发明第四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如第一方面实施例所述的车辆盲区的监控方法。

为达上述目的，本发明第五方面实施例提出了一种计算机程序成品，当所述计算机程序产品中的指令由处理器执行时，实现如第一方面实施例所述的车辆盲区的监控方法。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1示出了可以应用本发明的车辆盲区的监控方法或装置的实施例的示例性系统架构；

图2为本发明实施例所提供的一种车辆盲区的监控方法的流程示意图；

图3为车辆坐标系xoy平面示意图；

图4为本发明实施例所提供的另一种变道盲区的监控方法的流程示意图；

图5为本发明实施例所提供的又一种变道盲区的监控方法的流程示意图；

图6为在位置关系图中标记动态目标的流程示意图；

图7(a)为标记动态目标的车道示意图一；

图7(b)为标记动态目标的车道示意图二；

图7(c)为标记动态目标的车道示意图三；

图7(d)为标记动态目标的车道示意图四；

图8为本发明实施例所提供的再一种变道盲区的监控方法的流程示意图；

图9为本发明实施例所提供的一种变道盲区的监控装置的结构示意图；

图10为本发明实施例所提供的另一种变道盲区的监控装置的结构示意图；

图11为本发明实施例所提供的又一种变道盲区的监控装置的结构示意图；以及

图12为本发明实施例所提供的一种计算机设备的结构示意图。

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。

下面参考附图描述本发明实施例的车辆盲区的监控方法、装置、计算机设备及存储介质。

现有的变道盲区监测系统多是基于单一的因素来判断变道是否存在风险。一种方案是在车辆的左后侧和右后侧各安装一个毫米波雷达，利用雷达来检测变道方向上是否存在车辆。这种方案无法识别车道线和道路交通标志，当车辆行驶在路况较复杂的道路上时，由于车道以外的物体反射等，容易造成误检测，影响盲区检测结果。一种方案是利用摄像头采集图像来进行盲区监测，但这种方案中，摄像头采集的图像仅用于显示，需要驾驶员根据显示的图像判断变道盲区的风险，主观性较强，对变道盲区监测系统自身性能的提升并不显著。

针对上述问题，本发明实施例提出了一种变道盲区的监控方法，以降低复杂路况下的误检测概率，从而提高变道风险判断的准确率，提升盲区监测系统的性能。

图1示出了可以应用本发明的车辆盲区的监控方法或装置的实施例的示例性系统架构。

如图1所示，系统架构可以包括左后侧盲区雷达110、右后侧盲区雷达120、摄像头130，以及盲区监测主控制器140。左后侧盲区雷达110和右后侧盲区雷达120之间通过控制器局域网总线(controllerareanetwork，can)接口相连，构成一个can子网，并由其中一个盲区雷达上的can接口连接至盲区监测主控制器140。其中，可以通过左后侧盲区雷达110的can接口连接至盲区监测主控制器140，也可以通过右后侧盲区雷达120的can接口连接至盲区监测主控制器140，图1中仅以通过左后侧盲区雷达110的can接口连接至盲区监测主控制器140作为示例，而不能作为对本发明的限制。

摄像头130为车辆的后视摄像头，采用720p的高清摄像头。摄像头130通过低电压差分信号(low-voltagedifferentialsignaling，lvds)线连接至盲区监测主控制器140，以30fps(每秒30帧)的传输速率向盲区监测主控制器140传输数字图像数据帧，其中，传输的数字图像数据帧的格式例如可以为rgb格式、yuv格式等。

盲区监测主控制器140采用数字信号处理(digitalsignalprocessor，dsp)处理器作为核心器件，dsp处理器芯片上集成有第一级片内存储器和第二级片内存储器。盲区监测主控制器140还包括can收发器、lvds信号解串器、双倍速率(doubledatarate，ddr)内存、flash程序存储器、电源芯片等。实现变道盲区监测系统性能提升的软件程序运行在dsp处理器上，盲区监测主控制器140通过执行dsp上的程序，实现本发明的变道盲区的监控方法。

图2为本发明实施例所提供的一种车辆盲区的监控方法的流程示意图，该方法可以由图1中所示的盲区监测主控制器140(以下简称控制器)执行。

如图2所示，该车辆盲区的监控方法可以包括以下步骤：

步骤101，获取车辆周边障碍物信息及车辆的道路信息。

本实施例中，如图1所示，在车辆的左后侧和右后侧各安装一个盲区雷达，由左后侧和右后侧的盲区雷达采集车辆周边障碍物信息，并通过can接口发送给控制器。同时，车辆上安装的后视摄像头采集车辆后方的后视图像，并通过lvds接口将后视图像发送给控制器，控制器可以根据后视摄像头采集的后视图像来获取车辆的道路信息。其中，车辆的道路信息可以是车辆所在车道的道路信息。

在本发明实施例一种可能的实现方式中，控制器获取了车辆周边障碍物信息及车辆所在车道的道路信息之后，可以对获取的障碍物信息和道路信息进行缓存，并对缓存的障碍物信息和道路信息在时间上进行同步。

具体实现时，dsp处理器通过执行芯片上的软件程序，可以将左后侧盲区雷达和右后侧盲区雷达探测到的检测数据(障碍物信息)缓存到雷达先进先出(firstinputfirstoutput，fifo)数据区，将后视图像(道路信息)缓存到图像fifo数据区。通常情况下，盲区雷达探测到的检测数据的更新速率低于高清的后视图像的更新速率，因此，设置雷达fifo数据区和图像fifo数据区分别缓存检测数据和后视图像，能够实现检测数据与后视图像之间的时间同步，也利于实现数据接收与数据计算在时间上的同步。也就是说，dsp在对后视图像的数据帧和检测数据进行计算和处理时，仍可以正常接收后续通过can接口传输的盲区雷达的检测数据，以及接收通过lvds接口传输的后视摄像头的后视图像数据帧，并保证新接收的数据不会覆盖和篡改正在计算和处理的数据。

步骤102，根据道路信息，构建位置关系图。

其中，道路信息可以是车辆所在车道的两条车道线，位置关系图可以是车辆与车道线之间的位置关系图。

控制器采用dsp处理器作为核心器件，dsp处理器芯片上集成有第一级片内存储器和第二级片内存储器，本实施例中，控制器获取了后视摄像头的后视图像后，可以利用dsp处理器上的第一级片内存储器或第二级片内存储器运行一种高效的图像检测算法，通过该图像检测算法对后视图像进行检测，以从后视图像中识别出车辆所在车道的两条车道线。

进而，识别出车辆所在车道的车道线之后，可以将识别出的车道线投影至预先建立的xoy平面内，以构建车辆与车道线之间的位置关系图。

其中，预先建立的xoy平面示意图如图3所示。在建立xoy平面时，xoy平面坐标系的坐标原点位于车辆后轴的中央；x轴沿车辆的后轴方向，并指向车辆右侧；y轴垂直于车辆的后轴，并指向车辆正后方。

基于建立的xoy平面，可以将识别出的车道线映射在xoy平面内，得到车辆与车道线之间的位置关系图。

步骤103，从障碍物信息中提取动态目标，并将动态目标标记在位置关系图中。

本实施例中，根据获取的障碍物信息，控制器可以从障碍物信息中提取出动态目标，并将动态目标标记在位置关系图中。其中，动态目标例如可以为除当前车辆之外的其他车辆。

此处需要说明的是，将动态目标标记在位置关系图中的具体实现过程将在后续内容中给出，此处不作详细描述。

步骤104，根据动态目标的状态信息和车辆的状态信息，判断车辆当前变道是否存在风险，如果车辆当前变道存在风险，则控制车辆执行风险控制策略。

其中，状态信息包括但不限于位置信息、速度信息、加速度信息等。

本实施例中，根据动态目标的状态信息和车辆的状态信息，可以判断车辆当前变道是否存在风险。

具体地，根据动态目标的状态信息和车辆的状态信息，可以确定动态目标与车辆的相对位置关系，例如，根据动态目标的位置信息和车辆的位置信息，可以确定动态目标与当前车辆之间的相对距离和相对位置，根据动态目标的速度信息和车辆的速度信息，可以确定动态目标相对于当前车辆的相对速度，根据动态目标的加速度信息和车辆的加速度信息，可以确定动态目标相对于当前车辆的相对加速度。进而，根据动态目标与当前车辆之间的相对位置、相对距离、相对速度和相对加速度中的一种或多种信息，可以判断出当前车辆进行变道时是否存在风险。

当判定变道存在风险时，可控制车辆执行风险控制策略。例如，可以根据风险评估结果向整车can网络发送相关的控制指令，由车辆上相关的执行器件执行控制指令，实现风险控制。

本实施例的车辆盲区的监控方法，通过获取车辆周边障碍物信息及车辆的道路信息，根据获取的道路信息构建位置关系图，并从障碍物信息中提取动态目标，将动态目标标记在位置关系图中，进而，根据动态目标的状态信息和车辆的状态信息判断车辆当前变道是否存在风险，并在存在风险时控制车辆执行风险控制策略。由此，通过获取障碍物信息来提取动态目标，通过获取车辆的道路信息构建位置关系图，并将动态目标标记在位置关系图中，能够融合道路信息和动态目标的位置信息来进行变道风险评估，有效降低复杂路况下的误检测概率，从而提高变道风险判断的准确率，提升盲区监测系统的性能。

为了更加清楚地描述前述实施例中根据道路信息构建位置关系图的具体实现过程，本发明实施例提出了另一种变道盲区的监控方法，图4为本发明实施例所提供的另一种变道盲区的监控方法的流程示意图。本实施例中，道路信息为后视摄像头的后视图像。

如图4所示，在如图2所示实施例的基础上，步骤102可以包括以下步骤：

步骤201，对后视图像进行灰度化，得到灰度后视图像。

本实施例中，从后视图像中识别车辆所在车道的车道线时，可以先对后视图像进行灰度化，得到灰度后视图像。

作为一种可能的实现方式，可以先确定后视图像的起始位置，再根据后视图像的格式，从起始位置开始，提取后视图像中每个像素点的亮度值作为像素点灰度值，生成灰度后视图像。

例如，对于数据帧格式为yuv420sp数据格式的后视图像而言，在一帧后视图像中，1280×720个y值排列在前，1280×180个u值和1280×180个v值排列在后，并且u值和v值交错排列。其中，y值表示明亮度，即灰阶值，u和v表示色度，描述图像的色彩及饱和度。因此，可以先确定一帧后视图像的起始位置即首地址，从首地址中提取出1280×720个y值构成灰度后视图像，实现彩色后视图像的灰度化处理。

通过直接从后视图像中提取亮度值作为像素点灰度值生成灰度后视图像，避免了对后视图像进行灰度化处理的过程，有效减少了数据的运算量和内存的访问次数，从而大大提升了图像处理的效率。

作为一种可能的实现方式，可以获取后视图像每个像素点的rgb值，对rgb值进行加权，得到每个像素点的亮度值作为像素点的灰度值，生成灰度后视图像。例如，针对某一像素点，可以利用公式p＝0.3r+0.59g+0.1b得到该像素点的灰度值，其中，p表示该像素点的灰度值。进而，利用所有像素点的灰度值生成灰度后视图像。

此处需要说明的是，还可以利用最大值法、平均值法、分量法等多种方法计算像素点的灰度值，本发明对此不作限制。

步骤202，根据预设的二值化阈值，对灰度后视图像进行二值化，得到二值化后视图像。

本实施例中，得到灰度后视图像之后，可以根据预设的二值化阈值，对灰度后视图像进行二值化，得到二值化后视图像。

由于对灰度后视图像进行二值化时需要已知的二值化阈值参与，从而，本实施例中，对灰度后视图像进行二值化处理之前，可以先确定二值化阈值。

作为一种可能的实现方式，可以根据最大类间差法，获取灰度后视图像的二值化阈值。

最大类间差法又叫大津法，简称otsu算法，由日本学者大津(nobuyukiotsu)于1979年提出，是一种自适应的阈值确定的方法。otus算法的原理是根据图像的灰度特性将图像分成前景和背景两部分，遍历不同的阈值，计算不同阈值下对应的前景与背景之间的类间方差，当类间方差取得极大值时，将该极大值对应的阈值确定为二值化阈值。

从而，本实施例中，利用otsu算法，可以确定出灰度后视图像的二值化阈值。

作为一种可能的实现方式，可以根据灰度后视图像上每个像素点的灰度值，计算灰度后视图像的平均灰度值，将平均灰度值作为二值化阈值。

本实施例中，确定了二值化阈值后，即可根据二值化阈值，对灰度后视图像进行二值化，得到二值化后视图像。

具体地，对灰度后视图像进行二值化时，可以先将灰度后视图像进行划分，得到灰度后视图像片段，再针对每个灰度后视图像片段，将灰度后视图像片段与预设的算子模板进行卷积运算，得到灰度后视图像片段的卷积结果。其中，预设的算子模板如公式(1)所示。

例如，对于包括1280×720个y值的灰度后视图像，可以将该灰度后视图像分割成18个片段，每个片段的数据量为1280×40个y值，每次使用直接存储器访问(directmemoryaccess，dma)搬运一个片段的数据至dsp处理器的第一级片内存储器或第二级片内存储器中，再利用如公式(1)所示的算子模板对该片段的数据进行卷积计算，得到灰度后视图像片段的卷积结果。

接着，根据灰度后视图像片段中的像素点的卷积结果和二值化阈值，确定像素点的取值，形成灰度后视图像片段的二值图。

具体地，在确定像素点的取值时，可以针对每个像素点，将像素点的卷积结果与由二值化阈值生成的第一数值进行比较，以及将像素点的灰度值与二值化阈值进行比较，如果像素点的卷积结果大于第一数值，且灰度值大于二值化阈值，则将像素点的灰度值更新为预设的第一灰度值，否则，更新为预设的第二灰度值。其中，第一灰度值为255，第二灰度值为0。确定像素点的取值的过程用公式表示为公式(2)所示。

其中，g(x,y)表示灰度后视图像片段中一个像素点的像素值，即y值；threshold表示二值化阈值；f(threshold)表示自变量为二值化阈值的一个函数，即第一数值，为经验值；conv(g(x,y))表示针对灰度后视图像片段中一个像素点的像素值g(x,y)求取的卷积结果。

针对灰度后视图像片段中的每一个像素点，当满足公式(2)时，将像素点的灰度值更新为255；当不满足公式(2)时，将像素点的灰度值更新为0。

对于一个灰度后视图像片段，该片段内所有像素点的灰度值更新完成后，利用更新后的像素点，可以形成灰度后视图像片段的二值图。

进而，利用灰度后视图像片段的二值图，合并得到二值化后视图像。

步骤203，对二值化后视图像进行边缘检测，获取属于车道线的边缘特征点。

本实施例中，得到二值化后视图像之后，可以对二值化后视图像进行边缘检测，以获取属于车道线的边缘特征点。

具体地，可以从二值化后视图像中提取连通区域，根据车道线的特征，从提取的连通区域中，筛选出车道线区域，进而，对筛选出的车道线区域进行边缘检测，得到边缘特征点。

二值化后视图像中存在较多的冗余信息，而车道线通常是两条较窄的直线，为了突出车道线信息，可以对二值化后视图像进行连通区域标记，将二值化后视图像中白色像素点的数量太多或太少的白色区域滤除，以提取出车道线区域。连通区域标记就是把连续区域作同一标记，常用的标记算法有四邻域标记算法和八邻域标记算法，这两种算法均为现有技术，本发明对这两种算法不作赘述。

通常，边缘点附近的像素灰度存在阶跃变换或屋顶状变换，道路图像中车道线边缘是车道线和路面之间像素灰度有屋顶变化或阶跃变化的像素集合，是车道线的基本特征之一。从而，本实施例中，可以采用相关算法对车道线区域进行边缘检测，得到边缘特征点。例如，可以采用roberts算子、sobel算子、laplace算子、krisch算子、prewitt算子、canny算子等，对车道线区域进行边缘检测得到边缘特征点。

步骤204，对提取出的边缘特征点进行霍夫变换，检测出候选直线，对候选直线进行跟踪，从候选直线中确定出车道线。

本实施例中，获取了车道线的边缘特征点之后，可以对检测出的边缘特征点进行霍夫变换，以检测出候选直线，进而，通过对候选直线进行跟踪，可以从候选直线中确定出车道线。

具体实现时，可以从候选直线中剔除明显不符合车道线属性的直线，并对候选直线中最有可能属于车道线的直线进行跟踪，进而根据跟踪结果最终确定出车道线以及车道线的类型，其中，车道线的类型包括实线和虚线。

步骤205，根据车道线，构建车辆与车道线之间的位置关系图。

本实施例中，确定了车辆所在车道的两条车道线之后，可以将确定的车道线投影至预先建立的xoy平面内，得到车辆与车道线之间的位置关系图。

本实施例的变道盲区的监控方法，通过对后视图像进行灰度化得到灰度后视图像，进而根据预设的二值化阈值对灰度后视图像进行二值化，得到二值化后视图像，并对二值化后视图像进行边缘检测，获取属于车道线的边缘特征点，进而对边缘特征点进行霍夫变换，检测出候选直线，对候选直线进行跟踪，从候选直线中确定出车道线，进而构建车辆与车道线的位置关系图，由此，大大减少了参与霍夫变换的像素点的个数，从而极大地提升了霍夫变换检测直线的效率。

为了更加清楚地描述前述实施例中构建车辆与车道线之间的位置关系图的具体实现过程，本发明实施例提出了另一种变道盲区的监控方法的流程示意图，图5为本发明实施例所提供的又一种变道盲区的监控方法的流程示意图。

如图5所示，在如图4所示实施例的基础上，步骤205可以包括以下步骤：

步骤301，确定车辆所在车道的两条车道线的类型，以及每条车道线与车辆的方位关系。

本实施例中，可以在确定车道线时，确定车辆所在车道的两条车道线的类型和车道线与车辆的方位关系。例如，确定每条车道线与车辆的方位关系时，如果确定出的车道线靠近二值化后视图像的左侧，则可确定该车道线位于车辆的左侧；如果确定出的车道线靠近二值化后视图像的右侧，则可确定该车道线位于车辆的右侧。

步骤302，根据每条车道线的类型和方位关系，构建车辆与车道线之间的位置关系图。

本实施例中，确定了车道线的类型和车道线与车辆的方位关系后，可以根据每条车道线的类型和方位关系，构建车辆与车道线之间的位置关系图。

具体实现时，可以根据实际检测到的车道线的条数、以及当前车辆所在车道检测得到的左右两条车道线的类型来进行车道线拟合，并将车道线投影到xoy平面，得到车辆与车道线之间的位置关系图。

需要说明的是，最多拟合和投影3条车道的共4条车道线，即只关注当前车辆所在车道、以及与本车道相邻的左、右各一个车道。如果通过车道线的检测结果判断出车辆当前行驶在单向2个车道的道路上，则只对车辆当前所在车道、以及与本车道相邻的另一个车道的车道线进行拟合，并投影到xoy平面；如果通过车道线的检测结果判断出车辆当前行驶在单向1个车道的道路上，则只对车辆当前所在车道的左右两条车道线进行拟合，并投影到xoy平面。

基于上述实施例，如图5所示，步骤103可以包括以下步骤：

步骤303，从障碍物信息中，获取动态目标。

步骤304，根据每条车道线的类型、盲区雷达的安装位置以及动态目标与车辆之间的距离，在位置关系图中标记动态目标。

其中，所述类型包括虚线和实线。

具体地，图6为在位置关系图中标记动态目标的流程示意图。如图6所示，步骤304可以包括以下步骤：

步骤401，判断车辆所在车道的两条车道线的类型是否均为实线。

本实施例中，当车辆所在车道的两条车道线的类型均为实线时，执行步骤402；否则，执行步骤403。

步骤402，根据盲区雷达的安装位置以及动态目标与车辆之间的距离，在位置关系图中标记处于车辆所在车道内的动态目标。

当车辆所在车道的两条车道线的类型均为实线时，根据每个动态目标的距离中的横向距离，从所有的动态目标确定出处于车辆所在车道内的动态目标；其中，车辆所在车道的通行方向为水平方向，与通行方向垂直的方向为横向方向；将处于车辆所在车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的车辆所在车道内；其中，动态目标是从所对应的盲区雷达的检测数据中识别出的。标记动态目标的车道如图7(a)所示。

步骤403，判断是否车辆所在车道的左侧车道线的类型为虚线，且右侧车道线的类型为实线。

本实施例中，当车辆所在车道的左侧车道线的类型为虚线，且右侧车道线的类型为实线时，执行步骤404和步骤402，即在位置关系图中标记处于车辆所在车道内和左车道内的动态目标；否则，执行步骤405。

步骤404，根据盲区雷达的安装位置以及动态目标与车辆之间的距离，在位置关系图中标记处于车辆所在车道左侧的左车道内的动态目标。

当车辆所在车道的左侧车道线的类型为虚线且右侧车道线的类型为实线时，获取位于左侧车道线的另一边的第一边界车道线，并在位置关系图中标记第一边界车道线；其中，左侧车道线与第一边界车道线构成位于车辆所在车道左侧的左车道。其中，当检测到车辆所在车道左侧的一个车道的另一边车道线时，则将该车道线作为第一边界车道线，否则，拟合一条车道线作为第一边界车道线。进而，根据每个动态目标的距离中的横向距离，从所有动态目标中，分别确定出处于左车道内的动态目标以及处于车辆所处车道内的动态目标；将处于左车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的左车道内；将处于车辆所在车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的车辆所在车道内。标记动态目标的车道如图7(b)所示。

步骤405，判断是否车辆所在车道的左侧车道线的类型为实线，且右侧车道线的类型为虚线。

本实施例中，当车辆所在车道的左侧车道线的类型为实线，且右侧车道线的类型为虚线时，执行步骤406和步骤402，即在位置关系图中标记处于车辆所在车道内和右车道内的动态目标；否则，执行步骤407和步骤402。

步骤406，根据盲区雷达的安装位置以及动态目标与车辆之间的距离，在位置关系图中标记处于车辆所在车道右侧的右车道内的动态目标。

当车辆所在车道的左侧车道线的类型为实线且右侧车道线的类型为虚线时，获取位于右侧车道线的另一边的第二边界车道线，并在位置关系图中标记第二边界车道线；其中，右侧车道线与第二边界车道线构成位于车辆所在车道右侧的右车道。其中，当检测到车辆所在车道右侧的一个车道的另一边车道线时，则将该车道线作为第二边界车道线，否则，拟合一条车道线作为第二边界车道线。进而，根据每个动态目标的距离中的横向距离，从所有动态目标中，分别确定出处于右车道内的动态目标以及处于车辆所处车道内的动态目标；将处于右车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的右车道内；将处于车辆所在车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的车辆所在车道内。标记动态目标的车道如图7(c)所示。

步骤407，当车辆所在车道的两条车道线的类型均为虚线时，根据盲区雷达的安装位置以及动态目标与车辆之间的距离，在位置关系图中标记处于左车道内和右车道内的动态目标。

当车辆所在车道的左侧车道线和右侧车道线的类型均为虚线时，获取位于左侧车道线的另一边的第一边界车道线和位于右侧车道线的另一边的第二边界车道线，并在位置关系图中标记第一边界车道线和第二边界车道线；其中，左侧车道线与第一边界车道线构成位于车辆所在车道左侧的左车道；右侧车道线与第二边界车道线构成位于车辆所在车道右侧的右车道。其中，当检测到车辆所在车道左侧的一个车道的另一边车道线时，则将该车道线作为第一边界车道线，否则，拟合一条车道线作为第一边界车道线；当检测到车辆所在车道右侧的一个车道的另一边车道线时，则将该车道线作为第二边界车道线，否则，拟合一条车道线作为第二边界车道线。进而，根据每个动态目标的距离中的横向距离，从所有动态目标中，分别确定出处于左车道内的动态目标、处于右车道内的动态目标以及处于车辆所处车道内的动态目标；将处于左车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的左车道内；将处于右车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的右车道内；将处于车辆所在车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的车辆所在车道内。标记动态目标的车道如图7(d)所示。

对于未标记在位置关系图中的其他动态目标，进行滤除处理，这部分动态目标不参与后续的变道风险评估。

本实施例的变道盲区的监控方法，通过确定车辆所在车道的两条车道线的类型和每条车道线与车辆的方位关系，进而根据车道线的类型和方位关系构建车辆与车道线之间的位置关系图，并根据车道线的类型、盲区雷达的安装位置以及动态目标与车辆之间的距离，在位置关系图中标记动态目标，能够将动态目标和车道投射在一个平面内，为变道风险评估奠定基础。

图8为本发明实施例所提供的再一种变道盲区的监控方法的流程示意图。

如图8所示，该变道盲区的监控方法可以包括以下步骤：

步骤501，获取车辆周边障碍物信息及车辆的道路信息。

步骤502，根据道路信息，构建位置关系图。

步骤503，从障碍物信息中提取动态目标，并将动态目标标记在位置关系图中。

需要说明的是，本实施例中对步骤501-步骤503的描述。可以参见前述实施例中相关内容的说明，此处不再赘述。

步骤504，根据动态目标的状态信息和车辆的状态信息，获取动态目标与车辆之间的相对位置信息、相对速度和相对加速度。

其中，状态信息包括但不限于位置信息、速度信息和加速度信息。

具体地，根据动态目标的位置信息和车辆的位置信息，可以确定动态目标与当前车辆之间的相对位置信息；根据动态目标的速度信息和车辆的速度信息，可以确定动态目标相对于当前车辆的相对速度；根据动态目标的加速度信息和车辆的加速度信息，可以确定动态目标相对于当前车辆的相对加速度。

步骤505，根据相对位置信息、相对速度和相对加速度，计算车辆当前变道的风险系数。

作为一种示例，可以根据相对位置信息、相对速度和相对加速度对变道风险的影响程度设置对应的权重，进而进行加权求和，将所得结果作为车辆当期变道的风险系数。

步骤506，如果风险系数超出预设的阈值，则确定车辆存在变道风险。

本实施例中，可以预先设置并存储风险系数阈值，进而将计算所得的风险系数与风险系数阈值进行比较，当风险系数达到风险系数阈值时，确定车辆存在变道风险。

步骤507，获取与风险系数匹配的控制策略，并执行控制策略。

本实施例中，可以针对不同等级的风险系数设置匹配的控制策略，当确定车辆存在变道风险时，根据风险系数所处的等级，确定对应的控制策略，并执行控制策略，以避免变道风险。

例如，控制策略可以包括不同种类的声、光组合报警提醒、安全带预先勒紧，当变道风险系数的等级最高且驾驶员执行变道操作时，向电动助力转向系统(electricpowersteering，eps)发送纠正方向盘的指令。

具体实现时，可以将确定的控制策略转换为can报文，并通过控制器的can接口将can报文发送给整车can网络，由车辆相关的执行器件执行控制策略。

本实施例的变道盲区的监控方法，通过确定动态目标与车辆之间的相对位置信息、相对速度和相对加速度，并根据相对位置信息、相对速度和相对加速度计算车辆当前变道的风险系数，当风险系数超出预设的阈值时，确定车辆存在变道风险，获取并执行与风险系数匹配的控制策略，由此，能够自动识别出变道风险，并提供相应的控制策略，避免用户变道时发生危险，保证用户的行车安全。

为了实现上述实施例，本发明还提出一种变道盲区的监控装置。

图9为本发明实施例所提供的一种变道盲区的监控装置的结构示意图。

如图9所示，该变道盲区的监控装置50包括：获取模块510、构建模块520、标记模块530，以及控制模块540。其中，

获取模块510，用于获取车辆周边障碍物信息及车辆的道路信息。

其中，车辆的道路信息可以是车辆所在车道的道路信息。

在本发明实施例一种可能的实现方式中，获取模块510获取了车辆周边障碍物信息及车辆所在车道的道路信息之后，还可以缓存障碍物信息和道路信息，对缓存的障碍物信息和道路信息在时间上进行同步。

构建模块520，用于根据道路信息，构建位置关系图。

标记模块530，用于从障碍物信息中提取动态目标，并将动态目标标记在位置关系图中。

控制模块540，用于根据动态目标的状态信息和车辆的状态信息，判断车辆当前变道是否存在风险，如果车辆当前变道存在风险，则控制车辆执行风险控制策略。

进一步地，在本发明实施例一种可能的实现方式中，道路信息为后视摄像头的后视图像，此时，如图10所示，在如图9所示实施例的基础上，构建模块520包括：

灰度化单元521，用于对后视图像进行灰度化，得到灰度后视图像。

具体地，灰度化单元521用于确定后视图像的起始位置，根据后视图像的格式，从起始位置开始，提取后视图像中每个像素点的亮度值作为像素点灰度值，生成灰度后视图像；或者，获取后视图像每个像素点的rgb值，对rgb值进行加权，得到每个像素点的亮度值作为像素点的灰度值，生成灰度后视图像。

二值化单元522，用于根据预设的二值化阈值，对灰度后视图像进行二值化，得到二值化后视图像。

二值化单元522对灰度后视图像进行二值化之前，可以先确定二值化阈值。具体地，二值化单元522可以根据最大类间差法，获取灰度后视图像的二值化阈值；或者，根据灰度后视图像上每个像素点的灰度值，计算灰度后视图像的平均灰度值，将平均灰度值作为二值化阈值。

二值化单元522获取二值化后视图像时，具体用于将灰度后视图像进行划分，得到灰度后视图像片段；针对每个灰度后视图像片段，将灰度后视图像片段与预设的算子模板进行卷积运算，得到灰度后视图像片段的卷积结果；根据灰度后视图像片段中的像素点的卷积结果和二值化阈值，确定像素点的取值，形成灰度后视图像片段的二值图；利用灰度后视图像片段的二值图，合并得到二值化后视图像。

二值化单元522确定像素点的取值时，可以针对每个像素点，将像素点的卷积结果与由二值化阈值生成的第一数值进行比较，以及将像素点的灰度值与二值化阈值进行比较；如果像素点的卷积结果大于第一数值，且灰度值大于二值化阈值，则将像素点的灰度值更新为预设的第一灰度值，否则，更新为预设的第二灰度值。

边缘检测单元523，用于对二值化后视图像进行边缘检测，获取属于车道线的边缘特征点。

具体地，边缘检测单元523用于从二值化后视图像中提取连通区域；根据车道线的特征，从提取的连通区域中，筛选出车道线区域；对筛选出的车道线区域进行边缘检测，得到边缘特征点。

确定单元524，用于对提取出的边缘特征点进行霍夫变换，检测出候选直线，对候选直线进行跟踪，从候选直线中确定出车道线。

构建单元525，用于根据车道线，构建车辆与车道线之间的位置关系图。

具体地，构建单元525用于确定车辆所在车道的两条车道线的类型，以及每条车道线与车辆的方位关系；根据每条车道线的类型和方位关系，构建车辆与车道线之间的位置关系图。

通过对后视图像进行灰度化得到灰度后视图像，进而根据预设的二值化阈值对灰度后视图像进行二值化，得到二值化后视图像，并对二值化后视图像进行边缘检测，获取属于车道线的边缘特征点，进而对边缘特征点进行霍夫变换，检测出候选直线，对候选直线进行跟踪，从候选直线中确定出车道线，进而构建车辆与车道线之间的位置关系图，由此，大大减少了参与霍夫变换的像素点的个数，从而极大地提升了霍夫变换检测直线的效率。

标记模块530包括：

获取单元531，用于从障碍物信息中，获取动态目标。

目标标记单元532，用于根据每条车道线的类型、盲区雷达的安装位置以及动态目标与车辆之间的距离，在位置关系图中标记动态目标；其中，类型包括虚线和实线。

具体地，目标标记单元532用于当车辆所在车道的两条车道线的类型均为实线时，根据每个动态目标的所述距离中的横向距离，从所有的动态目标确定出处于车辆所在车道内的动态目标；其中，车辆所在车道的通行方向为水平方向，与通行方向垂直的方向为横向方向；将处于车辆所在车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的所述车辆所在车道内；其中，动态目标是从所对应的盲区雷达的检测数据中识别出的。当车辆所在车道的左侧车道线的类型为虚线且右侧车道线的类型为实线时，获取位于左侧车道线的另一边的第一边界车道线，并在位置关系图中标记第一边界车道线；其中，左侧车道线与第一边界车道线构成位于车辆所在车道左侧的左车道；根据每个动态目标的距离中的横向距离，从所有动态目标中，分别确定出处于左车道内的动态目标以及处于车辆所处车道内的动态目标；将处于左车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的左车道内；将处于车辆所在车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的车辆所在车道内。当车辆所在车道的左侧车道线的类型为实线且右侧车道线的类型为虚线时，获取位于右侧车道线的另一边的第二边界车道线，并在位置关系图中标记第二边界车道线；其中，右侧车道线与第二边界车道线构成位于车辆所在车道右侧的右车道；根据每个动态目标的距离中的横向距离，从所有动态目标中，分别确定出处于右车道内的动态目标以及处于车辆所处车道内的动态目标；将处于右车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的右车道内；将处于车辆所在车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的车辆所在车道内。当车辆所在车道的左侧车道线和右侧车道线的类型均为虚线时，获取位于左侧车道线的另一边的第一边界车道线和位于右侧车道线的另一边的第二边界车道线，并在位置关系图中标记第一边界车道线和第二边界车道线；其中，左侧车道线与第一边界车道线构成位于车辆所在车道左侧的左车道；右侧车道线与第二边界车道线构成位于车辆所在车道右侧的右车道；根据每个动态目标的距离中的横向距离，从所有动态目标中，分别确定出处于左车道内的动态目标、处于右车道内的动态目标以及处于车辆所处车道内的动态目标；将处于左车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的左车道内；将处于右车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的右车道内；将处于车辆所在车道内的动态目标，按照距离和动态目标所对应盲区雷达的安装位置，标记在位置关系图中的车辆所在车道内。

通过根据车道线的类型、盲区雷达的安装位置以及动态目标与车辆之间的距离，在位置关系图中标记动态目标，能够将动态目标和车道投射在一个平面内，为变道风险评估奠定基础。

在本发明实施例一种可能的实现方式中，如图11所示，在如图9所示实施例的基础上，控制模块540包括：

信息获取单元541，用于根据动态目标的状态信息和车辆的状态信息，获取动态目标与车辆之间的相对位置信息、相对速度和相对加速度。

计算单元542，用于根据相对位置信息、相对速度和相对加速度，计算车辆当前变道的风险系数。

风险确定单元543，用于在风险系数超出预设的阈值时，确定车辆存在变道风险。

控制单元544，用于获取与风险系数匹配的控制策略，并执行控制策略。

通过确定动态目标与车辆之间的相对位置信息、相对速度和相对加速度，并根据相对位置信息、相对速度和相对加速度计算车辆当前变道的风险系数，当风险系数超出预设的阈值时，确定车辆存在变道风险，获取并执行与风险系数匹配的控制策略，由此，能够自动识别出变道风险，并提供相应的控制策略，避免用户变道时发生危险，保证用户的行车安全。

需要说明的是，前述对变道盲区的监控方法实施例的解释说明也适用于本实施例的变道盲区的监控装置，其实现原理类似，此处不再赘述。

本实施例的车辆盲区的监控装置，通过获取周边障碍物信息及车辆的道路信息，根据获取的道路信息构建位置关系图，并从障碍物信息中提取动态目标，将动态目标标记在位置关系图中，进而，根据动态目标的状态信息和车辆的状态信息判断车辆当前变道是否存在风险，并在存在风险时控制车辆执行风险控制策略。由此，通过获取障碍物信息来提取动态目标，通过获取车辆的道路信息构建位置关系图，并将动态目标标记在位置关系图中，能够融合道路信息和动态目标的位置信息来进行变道风险评估，有效降低复杂路况下的误检测概率，从而提高变道风险判断的准确率，提升盲区监测系统的性能。

为了实现上述实施例，本发明还提出一种计算机设备。

图12为本发明实施例所提供的一种计算机设备的结构示意图。

如图12所示，该计算机设备60包括：存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序603，处理器602执行计算机程序603时，实现如前述实施例所述的车辆盲区的监控方法。

为了实现上述实施例，本发明还提出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如前述实施例所述的车辆盲区的监控方法。

为了实现上述实施例，本发明还提出一种计算机程序产品，当计算机程序产品中的指令由处理器执行时，实现如前述实施例所述的车辆盲区的监控方法。

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。

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。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

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。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。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。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。