本申请涉及驾驶控制，且更为具体地，涉及一种盲区碰撞预警方法和系统。
背景技术：
1、随着汽车工业的发展和城市交通状况的日益复杂，车辆安全问题越来越受到重视。特别是在驾驶过程中，由于车辆结构的限制，存在许多驾驶员无法直接观察到的区域，这些区域被称为“盲区”。盲区的存在给驾驶员带来了极大的安全隐患，尤其是在变道、倒车和转弯等操作中，盲区内的障碍物（如行人、自行车或其他车辆）可能导致严重的交通事故。
2、现有技术中，已经有一些解决方案试图解决车辆盲区的问题。例如：传统的后视镜和广角镜可以帮助驾驶员扩大视野，但仍然存在视觉死角；通过超声波传感器检测车辆后方的障碍物，并发出警报，然而这种系统只能检测到一定距离内的障碍物，且无法提供具体的障碍物信息；一些车辆配备了单个后置摄像头，以帮助驾驶员在倒车时观察车后的环境，虽然这种方法可以提供直观的视觉信息，但覆盖范围有限，且无法提供全景视角。可见上述技术在一定程度上提高了行车安全性，但它们仍然存在不足。
3、因此，亟需一种更加全面、准确、实时的车辆盲区碰撞预警方法，以提高行车安全性，减少交通事故的发生。
技术实现思路
1、为了解决上述技术问题，提出了本申请，以提供一种盲区碰撞预警方法和系统，实现覆盖范围广、信息全面、实时性强、误报率低的车辆盲区碰撞预警。
2、第一方面，本申请提供了一种盲区碰撞预警方法，包括：通过安装在车辆外部的多个摄像头对所述车辆盲区拍摄的图像；对所述多个摄像头拍摄的图像进行合成，形成所述车辆盲区的全景图像；对所述车辆盲区的全景图像进行分析，并识别位于所述车辆盲区中的障碍物；检测所述障碍物的属性，并根据所述障碍物的属性计算所述车辆与所述障碍物碰撞的可能性；根据所述车辆与所述障碍物碰撞的可能性高低，对所述车辆的驾驶员发出预警信号。
3、可选地，前述的盲区碰撞预警方法，对所述多个摄像头拍摄的图像进行合成包括：检测所述车辆在所述多个摄像头轴线方向上的速度、加速度；计算所述车辆在所述多个摄像头轴线方向上的速度均值、速度方差、加速度均值、加速度方差；将所述多个摄像头拍摄的图像合成为所述车辆盲区的全景图像，其中，对于所述车辆盲区的全景图像中的任一点处的像素值，其中，为所述多个摄像头的数量，为所述多个摄像头中的第i个摄像头拍摄的图像，、为所述第i个摄像头轴线方向上的速度、加速度，、为所述第j个摄像头轴线方向上的速度、加速度，、、、为所述多个摄像头轴线方向上的速度均值、速度方差、加速度均值、加速度方差。
4、可选地，前述的盲区碰撞预警方法，对所述车辆盲区的全景图像进行分析，并识别位于所述车辆盲区中的障碍物，包括：通过预设的卷积神经网络，在多个尺度上提取所述车辆盲区的全景图像的特征图；对不同尺度对应的特征图进行融合得到多尺度特征图，所述多尺度特征图中的任一点的特征值，其中，为所述多个尺度的数量，、为在所述多个尺度中第k个、第m个尺度上提取的所述车辆盲区的全景图像的特征图，、为在所述第k个尺度上提取的所述车辆盲区的全景图像的特征图的偏值、峰值，、为在所述第m个尺度上提取的所述车辆盲区的全景图像的特征图的偏值、峰值，、为预设的权重系数；根据所述多尺度特征图，识别所述车辆盲区中的障碍物。
5、可选地，前述的盲区碰撞预警方法，在通过预设的卷积神经网络，在多个尺度上提取所述车辆盲区的全景图像的特征图之前，还包括：识别所述车辆盲区的全景图像的噪声区域；检测所述噪声区域的边缘；识别所述噪声区域的类型；在所述噪声区域为高斯噪声类型时，使用高斯滤波处理所述噪声区域的非边缘部分；在所述噪声区域为脉冲噪声类型时，使用中值滤波处理所述噪声区域的非边缘部分。
6、可选地，前述的盲区碰撞预警方法，在通过预设的卷积神经网络，在多个尺度上提取所述车辆盲区的全景图像的特征图之前，还包括：对所述车辆盲区的全景图像进行分块；对分块得到的每个小块进行直方图均衡化处理；合并经过直方图均衡化处理的每个小块重新得到所述全景图像；按照预设的策略调整合并后的全景图像的亮度分布。
7、可选地，前述的盲区碰撞预警方法，按照预设的策略调整合并后的全景图像的伽马值以调整所述车辆盲区的全景图像的亮度分布，包括：统计所述车辆盲区的全景图像中的每个点的亮度值；根据所述车辆盲区的全景图像中的每个点的亮度值，计算所述车辆盲区的全景图像的每个点的局部对比度和局部亮度；计算所述车辆盲区的全景图像的平均局部对比度和平均局部亮度；对所述车辆盲区的全景图像中的每个点的亮度值进行调整，其中，第q个点调整后的亮度值，其中c为预设的归一化因子，为所述第q个点初始的伽马值，为预设的基准伽马值，、为预设的权重系数，、为所述第q个点的局部对比度和局部亮度，、为所述车辆盲区的全景图像的平均局部对比度和平均局部亮度。
8、可选地，前述的盲区碰撞预警方法，检测所述障碍物的属性，包括：检测所述障碍物的速度；并根据所述障碍物的属性计算所述车辆与所述障碍物碰撞的可能性，包括：获取所述车辆的速度；检测所述车辆与所述障碍物之间的距离；计算所述车辆与所述障碍物碰撞的可能性，其中为所述车辆的速度，为所述障碍物的速度，为所述车辆与所述障碍物之间的距离，t为已知的所述车辆的系统反应时间，、为预设的权重系数。
9、可选地，前述的盲区碰撞预警方法，根据所述车辆与所述障碍物碰撞的可能性高低，对所述车辆的驾驶员发出预警信号，包括：通过所述车辆内部的摄像头拍摄所述驾驶员的图像；根据所述驾驶员的图像分析所述驾驶员的注意力集中程度；在所述驾驶员的注意力集中程度超过预设程度时，如果所述车辆与所述障碍物碰撞的可能性高于第一阈值，则发出所述预警信号；在所述驾驶员的注意力集中程度低于所述预设程度时，如果所述车辆与所述障碍物碰撞的可能性高于第二阈值，则发出所述预警信号，所述第二阈值低于所述第一阈值。
10、第二方面，本申请提供了一种盲区碰撞预警系统，包括：拍摄模块，通过安装在车辆外部的多个摄像头对所述车辆盲区拍摄的图像；合成模块，对所述多个摄像头拍摄的图像进行合成，形成所述车辆盲区的全景图像；分析模块，对所述车辆盲区的全景图像进行分析，并识别位于所述车辆盲区中的障碍物；碰撞计算模块，检测所述障碍物的属性，并根据所述障碍物的属性计算所述车辆与所述障碍物碰撞的可能性；预警模块，根据所述车辆与所述障碍物碰撞的可能性高低，对所述车辆的驾驶员发出预警信号。
11、本申请的上述一个或多个技术方案至少具有如下一种或多种有益效果：
12、根据本发明的技术方案，提出的一种盲区碰撞预警方法不仅解决了传统方案中存在的诸多问题，将来自多个摄像头的图像进行合成处理，形成车辆周围环境的全景图像，基于对障碍物属性（如大小、速度等）的检测结果，计算出车辆与障碍物之间发生碰撞的可能性，在提升行车安全性和舒适度方面展现了巨大潜力。
1.一种盲区碰撞预警方法，其特征在于，包括：
2.根据权利要求1所述的盲区碰撞预警方法，其特征在于，对所述多个摄像头拍摄的图像进行合成包括：
3.根据权利要求1所述的盲区碰撞预警方法，其特征在于，对所述车辆盲区的全景图像进行分析，并识别位于所述车辆盲区中的障碍物，包括：
4.根据权利要求3所述的盲区碰撞预警方法，其特征在于，在通过预设的卷积神经网络，在多个尺度上提取所述车辆盲区的全景图像的特征图之前，还包括：
5.根据权利要求3所述的盲区碰撞预警方法，其特征在于，在通过预设的卷积神经网络，在多个尺度上提取所述车辆盲区的全景图像的特征图之前，还包括：
6.根据权利要求5所述的盲区碰撞预警方法，其特征在于，按照预设的策略调整合并后的全景图像的伽马值以调整所述车辆盲区的全景图像的亮度分布，包括：
7.根据权利要求1所述的盲区碰撞预警方法，其特征在于，检测所述障碍物的属性，包括：
8.根据权利要求1所述的盲区碰撞预警方法，其特征在于，根据所述车辆与所述障碍物碰撞的可能性高低，对所述车辆的驾驶员发出预警信号，包括：
9.一种盲区碰撞预警系统，其特征在于，包括：