[发明专利]一种基于深度学习的狭窄区域交汇车安全辅助方法和系统

权利要求书

1.一种基于深度学习的狭窄区域交汇车安全辅助方法，其特征在于，包括步骤：

对车道边缘进行识别，根据识别到的车道边缘计算车道宽度，根据所述车道宽度标记交汇点，记录交汇点相关信息并上传所述交汇点相关信息至云平台，所述相关信息包括但不限于：交汇点位置信息、交汇点处的车道宽度；

当两车进行交汇时，从云平台获取交汇点相关信息；

根据所述交汇点相关信息对两车汇车进行指导。

2.根据权利要求1所述的一种基于深度学习的狭窄区域交汇车安全辅助方法，其特征在于，“根据所述交汇点相关信息对两车汇车进行指导”，具体还包括步骤：

计算车道宽度与双方车辆的宽度和的差值，若差值大于预设阈值，则发出引导信息引导两车至对应交汇点并进行汇车操作；

若差值小于预设阈值，则通过云平台获取其它的交汇点相关信息，计算得到一个合适的交汇点。

3.根据权利要求1所述的一种基于深度学习的狭窄区域交汇车安全辅助方法，其特征在于，所述“对车道边缘进行识别”，具体还包括步骤：

在无结构化道路行驶时，对车道边缘进行识别，根据识别到的车道边缘自行定位车道线，行驶过程中，判断车辆是否触碰到车道线，若触碰到，则发出预警提示。

4.根据权利要求1所述的一种基于深度学习的狭窄区域交汇车安全辅助方法，其特征在于，还包括步骤：

获取不同车辆的行驶轨迹，根据所述行驶轨迹对部分路段的边界进行重新定位，根据重新定位的结果判断是否有新的交汇点生成，若有，则对应添加交汇点相关信息至云平台。

5.根据权利要求2所述的一种基于深度学习的狭窄区域交汇车安全辅助方法，其特征在于，所述“则发出引导信息引导两车至交汇点并进行会车操作”，具体还包括步骤：

获取并计算对向来车的驾驶信息，所述驾驶信息包括但不限于：速度、加速度方向、角度、姿态；

根据所述驾驶信息预估对向来车预设时间内的行驶路径；

结合本车的驾驶信息与对向来车的预设时间内的行驶路径进行路径规划。

6.一种基于深度学习的狭窄区域交汇车安全辅助系统，其特征在于，包括：摄像装置和云平台，所述摄像装置设置于车上，所述摄像装置用于采集车辆周围图像，所述摄像装置通信连接所述云平台；

所述摄像装置发送采集的车辆周围图像数据至所述云平台；

所述云平台对车道边缘进行识别，根据识别到的车道边缘计算车道宽度，根据所述车道宽度标记交汇点，记录交汇点相关信息并上传所述交汇点相关信息至云平台，所述相关信息包括但不限于：交汇点位置信息、交汇点处的车道宽度；当两车进行交汇时，发送交汇点相关信息给对应车辆；根据所述交汇点相关信息对两车汇车进行指导。

7.根据权利要求6所述的一种基于深度学习的狭窄区域交汇车安全辅助系统，其特征在于，

所述云平台还用于：“根据所述交汇点相关信息对两车汇车进行指导”，具体还包括步骤：

计算车道宽度与双方车辆的宽度和的差值，若差值大于预设阈值，则发出引导信息引导两车至对应交汇点并进行汇车操作；

若差值小于预设阈值，则通过云平台获取其它的交汇点相关信息，计算得到一个合适的交汇点。

8.根据权利要求6所述的一种基于深度学习的狭窄区域交汇车安全辅助系统，其特征在于，还包括：车身控制器，所述车身控制器连接所述摄像装置；

所述车身控制器获取摄像装置上传的图像数据；

所述车身控制器用于：在无结构化道路行驶时，对车道边缘进行识别，根据识别到的车道边缘自行定位车道线，行驶过程中，判断车辆是否触碰到车道线，若触碰到，则发出预警提示。

9.根据权利要求6所述的一种基于深度学习的狭窄区域交汇车安全辅助系统，其特征在于，所述云平台还用于：获取不同车辆的行驶轨迹，根据所述行驶轨迹对部分路段的边界进行重新定位，根据重新定位的结果判断是否有新的交汇点生成，若有，则对应添加交汇点相关信息至云平台。

10.根据权利要求7所述的一种基于深度学习的狭窄区域交汇车安全辅助系统，其特征在于，所述云平台还用于：获取并计算对向来车的驾驶信息，所述驾驶信息包括但不限于：速度、加速度方向、角度、姿态；

根据所述驾驶信息预估对向来车预设时间内的行驶路径；

结合本车的驾驶信息与对向来车的预设时间内的行驶路径进行路径规划。