[发明专利]一种基于视觉感知技术的车辆感知方法及装置

说明书

本发明公开了一种基于视觉感知技术的车辆感知方法及装置，所述方法包括：1)、获取当前车辆周围的视频图像；2)、利用预先训练的卷积神经网络，识别出所述视频图像中所包含的目标车辆；3)、根据所述当前车辆的所处车道的车道线以及所述当前车辆前方的设定距离，获取所述当前车辆前方的安全区域；4)、根据所述目标车辆的在视频图像中的位置，获取所述目标车辆的轨迹，进而判断所述目标车辆是否进入所述安全区域，若是执行预设操作，其中，所述预设操作包括：发出提醒、主动制动中的一种或组合。应用本发明实施例提高了行车安全性。

技术领域

本发明涉及一种车辆感知方法及装置，更具体涉及一种基于视觉感知技术的车辆感知方法及装置。

背景技术

随着人工智能技术的发展，无人驾驶技术也越来越多的应用于实际的车辆工业中。

目前，预警系统大多仅仅通过估算当前车辆与前方车辆之间的相对距离，以及相对速度，进而估算碰撞时间；在碰撞时间较小时进行预警，如果碰撞时间较大，则进行持续性的检测。

但是，发明人发现，现有技术中利用碰撞时间进行预警，只能针对当前车辆正前方的目标车辆进行碰撞预警，对于其他行车情况如，并线、超车等无法进行预警，导致现有技术应用范围较小，进而导致现有技术条件下行车安全性不足的缺点，

发明内容

本发明所要解决的技术问题在于提供了一种基于视觉感知技术的车辆感知方法及装置，以提高行车安全性。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了一种基于视觉感知技术的车辆感知方法，所述方法包括：

1)、获取当前车辆周围的视频图像；

2)、利用预先训练的卷积神经网络，识别出所述视频图像中所包含的目标车辆；

3)、根据所述当前车辆的所处车道的车道线以及所述当前车辆前方的设定距离，获取所述当前车辆前方的安全区域；

4)、根据所述目标车辆的在视频图像中的位置，获取所述目标车辆的轨迹，进而判断所述目标车辆是否进入所述安全区域，若是执行预设操作，其中，所述预设操作包括：发出提醒、主动制动中的一种或组合。

可选的，所述卷积神经网络的训练过程包括：

利用含有目标车辆的图像和对应的含有目标车辆的标签，以及未含有目标车辆的图像和对应的未含有目标车辆的标签的集合生成训练样本，其中，所述目标车辆包括：机动车、非机动车以及行人中的一种或者组合；

在卷积神经网络的第一设定输出层引出第一检测分支，在卷积神经网络的第二设定输出层引出第二检测分支，第一检测分支输出的目标的尺度大于第二检测分支输出的目标的尺度；

利用所述训练样本训练卷积神经网络，并利用公式，

计算当前次迭代时所述卷积神经网络的定位误差损失，其中，

loc_loss1为检测结果的定位误差损失；S²为第一检测分支对应的输出层待扫描的锚点数量；B为每一个锚点对应的检测框数量；为第i个锚点对应的第j个检测框内是否含有对应于第一检测分支的目标车辆；x_i为检测框的中心坐标的横坐标值；y_i为检测框的中心坐标的纵坐标值；为真值检测框的中心坐标的横坐标值；为真值检测框的中心坐标的纵坐标值；∑为求和函数；i为锚点序号；j为检测框序号；w_i为检测框的宽；为真值检测框的宽；h_i为检测框的高；为真值检测框的高；loc_loss2为标注的检测结果的定位误差损失；

利用公式，计算当前次迭代的卷积神经网络的分类误差损失，其中，