[发明专利]基于车载摄像头的汽车碰撞预测系统和方法

说明书

本发明提供基于车载摄像头的汽车碰撞预测系统和方法，该系统包括：视频数据获取模块获取车载摄像头采集的视频数据；运动尺度变化模块根据获取的视频数据的光流变化和前景尺度变化，获取视频数据的尺度变化特征；LGMD脉冲神经网络模块根据获取的尺度变化特征，基于LGMD脉冲神经网络模型获取运动靠近特征；运动方向交叉模块根据获取的视频数据获取自身与前景物体的运动交叉特征；碰撞预测模块根据获取的运动靠近特征和运动交叉特征，基于碰撞预测神经网络模型进行碰撞预测处理，输出碰撞时间预测结果和碰撞位置预测结果。本发明能够实现车辆对危险运动目标的碰撞预测，有助于提高自动驾驶技术的安全性。

技术领域

本发明涉及自动驾驶技术领域，特别是基于车载摄像头的汽车碰撞预测系统和方法。

背景技术

现有的自动驾驶技术主要处于L3～L4阶段，向L5完全自动化的阶段迈进是当前自动驾驶发展的迫切需求之一。在车辆驾驶智能化的浪潮下，保证驾驶的安全性，避免潜在的碰撞是自动驾驶核心技术之一。当前自动驾驶技术中，车辆运动的信号通常由多个部分组成，同时车辆将在不同自然条件、不同的道路环境类型、不同的交通状况等场景下行驶，导致对复杂多变的道路场景中的危险运动目标进行碰撞预测依然非常困难。

当前自动驾驶中提前预测可能发生的碰撞所采取的技术手段主要通过雷达技术融合高清地图的方式实现，其主要分为毫米波雷达和激光雷达两种。毫米波雷达利用波长介于1～10mm的电磁波来工作，其波长介于厘米波和光波之间，换算成频率后，毫米波的频率位于30GHz到300GHz之间，目前国内外主流汽车毫米波雷达频段为24GHz(用于中短距离雷达，15-30米)和77GHz(用于长距离雷达，100-200米)。激光雷达是激光与雷达的集合，一般分为脉冲式和连续波式两种。脉冲式激光雷达利用时间间隔来计算相对车距；而连续波激光雷达则通过计算反射光与反射光之间的相位差得到目标距离。当雷达发射激光以后，在遇到障碍物时会发生折返，返回的光束通过雷达内部接收器进行分析，最终通过折返时间和测量信号在处理器进行处理，从而生成精准的3D地图，对周围的环境特征进行再还原，从而进一步对危险进行预测。除此之外，雷达技术还包括超声波雷达和红外雷达等。总的来说，雷达技术都是通过对回波的检测，与发射信号相比较，得到脉冲或相位的差值，从而计算出发射与接收信号的时间差，结合测量信号来实现危险预测。但是，目前基于雷达技术的碰撞预测技术存在以下不足：1.无法对检测到的目标进行高精度识别；2.激光雷达在雨雪以及大雾天气的识别能力会降低；3.雷达有效地工作离不开高精度3D地图，创建高清地图需要预先测绘环境，收集、构建和更新3D数据和地理信息，这导致高清地图成本高昂，使得雷达技术应用环境大大受限。更重要的是若高清地图外泄，有可能导致国家地理信息安全问题，需要进行有效限制。

除雷达技术外，还有较少部分单纯使用摄像头的基于计算机视觉的技术，如Ustring等论文提及的贝叶斯深度学习方法通过计算每帧的异常概率来进行预测。但是现有的纯视觉碰撞预测方法的不足：1.Ustring等方法实际只对单个驾驶视频数据进行二分类检测，并不是实际意义的碰撞预测，而且不能用于判断单个物体的碰撞危险，因此不能应用于实际驾驶场景中；2.模型难以做出因果推理，无法对未见过的新情况有效处理，需要大量的训练数据训练。

因此，提出一种能够实现车辆对危险运动目标的碰撞预测的技术方案，以提高自动驾驶技术的安全性，推动自动驾驶技术向L5阶段迈进，对于自动驾驶技术领域亟具价值。

发明内容

针对上述问题，本发明旨在提供基于车载摄像头的汽车碰撞预测系统和方法。

第一方面，本发明提出基于车载摄像头的汽车碰撞预测系统，包括：

视频数据获取模块，用于获取车载摄像头采集的视频数据，将视频数据分别传输至运动尺度变化模块和运动方向交叉模块；