车辆盲区监测方法及系统技术方案

本发明专利技术提供车辆盲区监测方法及系统。该方法包括：获取驾驶员当前的头面部特征和注意力状态；头面部特征和注意力状态通过对当前的驾驶员头像数据识别得到，驾驶员头像数据由车内设置的驾驶员监控摄像头采集得到；根据注意力状态决策驾驶员当前的行车意图；根据头面部特征和当前的行车意图确定当前的视觉盲区；通过多源传感器实时检测障碍物，得到融合障碍物信息集合；多源传感器包括毫米波雷达、车外摄像头和激光雷达中的至少两种；根据车辆当前的定位信息、高精地图信息，以及融合障碍物信息集合，判断视觉盲区内是否存在障碍物；若判定存在障碍物，进行报警。

【技术实现步骤摘要】
车辆盲区监测方法及系统
本专利技术涉及汽车电子
，特别涉及车辆盲区监测方法及系统。
技术介绍
由于汽车车身结构的遮挡，在行车过程中，存在视觉盲区，通常车辆的盲区示意图如图1所示。盲区内的车辆、行人等，将无法被驾驶员发现。存在安全风险。因此，如何进行盲区监测，是目前研究的热门。
技术实现思路
有鉴于此，本专利技术实施例提供车辆盲区监测方法及系统，以在行车过程中进行盲区监测，提高行车安全性。为实现上述目的，本专利技术实施例提供如下技术方案：一种车辆盲区监测方法，包括：获取驾驶员当前的头面部特征和注意力状态；所述头面部特征和所述注意力状态通过对当前的驾驶员头像数据识别得到，所述驾驶员头像数据由车内设置的驾驶员监控摄像头采集得到；根据所述注意力状态决策驾驶员当前的行车意图；根据所述头面部特征和所述当前的行车意图确定当前的视觉盲区；通过多源传感器实时检测障碍物，得到融合障碍物信息集合；所述多源传感器包括毫米波雷达、车外摄像头和激光雷达中的至少两种；根据车辆当前的定位信息、高精地图信息，以及所述融合障碍物信息集合，判断所述视觉盲区内是否存在障碍物；若判定存在障碍物，进行报警。一种车辆盲区监测系统，包括：识别单元，用于：获取驾驶员的头面部特征和注意力状态；所述头面部特征和注意力状态通过对当前的驾驶员头像数据识别得到，所述驾驶员头像数据由车内设置的驾驶员监控摄像头采集得到；根据所述注意力状态决策驾驶员当前的行车意图；盲区计算单元，用于：根据所述头面部特征和所述行车意图确定当前的视觉盲区；盲区障碍物检测单元，用于：通过多源传感器实时检测障碍物，得到融合障碍物信息集合；所述多源传感器包括毫米波雷达、摄像头和激光雷达中的至少两种；根据车辆当前的定位信息、高精地图信息，以及所述融合障碍物信息集合，判断所述视觉盲区内是否存在障碍物；若判定存在障碍物，进行报警。可见，在本专利技术实施例中，会基于注意力状态决定其行车意图，根据行车意图确定视觉盲区。同时，融合多种传感器的探测信息得到融合障碍物信息集合，最后根据多种信息(定位信息、高精地图信息，融合障碍物信息集合等)综合判断视觉盲区内是否存在障碍物，若存在，予以报警，从而实现了在行车过程中进行盲区监测，提高了行车安全性。附图说明图1为通常的车辆盲区示意图；图2为本专利技术实施例提供的盲区监测报警示意图；图3为本专利技术实施例提供的车辆盲区监测系统综合利用其他系统信息的示意图；图4为本专利技术实施例提供的车辆盲区监测方法的一种示例性的交互流程；图5为本专利技术实施例提供的车辆盲区监测方法的另一种示例性的交互流程；图6为本专利技术实施例提供的将全局坐标系下的盲区投到高精地图中的示意图；图7为本专利技术实施例提供的环境感知系统的示例性结构；图8为本专利技术实施例提供的道路元素剔除示意图；图9为本专利技术实施例提供的HMI系统的示例性结构；图10为本专利技术实施例提供的车道类型为直道类型时，后向盲区的示意图；图11为本专利技术实施例提供的车道类型为弯道类型时，后向盲区的示意图；图12为本专利技术实施例提供的迟滞判断的示例性流程；图13a为本专利技术实施例提供的前向盲区的示意图；图13b为本专利技术实施例提供的根据弯道确实前向盲区的示意图；图14为本专利技术实施例提供的剔除初始障碍物集合得到关键障碍物集合；图15为本专利技术实施例提供的剔除初始障碍物集合得到关键障碍物集合的示例性流程；图16为本专利技术实施例提供的预盲区检测的示例性流程；图17为本专利技术实施例提供的对障碍物的盲区检测的示例性流程；图18为本专利技术实施例提供的车辆盲区监测系统的一种示例性结构。具体实施方式现有盲区监测系统又叫并线辅助系统(BSD，BlindSpotDetection)，是汽车上驾驶员辅助系统(AdvancedDrivingAssistanceSystem，ADAS)的细分系统。其主要功能之一是扫除后视镜盲区，通过毫米波雷达(通常采用24GHz毫米波雷达Radar，目前也有采用77-79GHz的Radar)探测车辆两侧的后视镜盲区中的超车车辆，给驾驶者以提醒，从而避免在变道过程中由于未关注后视镜盲区而发生交通事故。具体请参见图2，BSD系统在车辆行驶速度大于一定速度时(通常为15km/h，取决于配置的毫米波雷达性能)自动启动，并通过在汽车后保检杠内安装的左右两个毫米波雷达，实时向左右一定距离(通常为3-5米)以及后方一定距离(8-15米)范围发出探测信号，BSD系统对反射回的信号进行分析处理，识别后面车辆的距离、速度和运动方向等信息，通过盲区监测算法，排除静止物体和远离的物体，当探测到后视镜盲区内有车辆靠近时，相应侧后视镜的指示灯闪烁，此时即使驾驶员看不到后视镜盲区内的车辆，但是也能通过指示灯知道后方有车辆驶来，变道存在碰撞的危险；如果此时驾驶员仍然没有注意到指示灯闪烁，打了转向灯，准备变道，那么BSD系统就会发出语音警报声，再次提醒驾驶员此时变道有危险，不宜变道。现有盲区监测系统采用的传感器主要是毫米波雷达，也有采用摄像头的方案，然而，无论是毫米波雷达还是摄像头都是单一传感器方案，均存在一定的问题：例如毫米波雷达角分辨率比较低，障碍物横向探测精度较低，对于静止物体和非金属尤其是低反射率的物体识别较差，存在漏识别问题；而摄像头识别容易受到环境的影响，例如光照(逆光、低光照等)、雨雪等影响。此外，盲区监测算法及系统没有融合其它系统的信息，不仅存在较多漏识别和误识别，而且未充分识别和配合驾驶员的行车意图，影响驾乘体验和安全性。为此，本专利技术提供车辆盲区监测方法及系统，以解决上述问题。本专利技术实施例提供的车辆盲区监测系统可为硬件架构，至少包括控制器。具体的可为BSD控制器，或ADAS域控制器(自动驾驶域控制器)，或其他独立的控制器。或者，整个车辆盲区监测系统可为软件形态，部署在BSD控制器、ADAS域控制器或其他独立的控制器上。当然，也可由不同的控制器实现系统内不同单元的功能，在此不作赘述。在本专利技术技术方案中，请参见图3，车辆盲区监测系统可综合利用车内驾驶员状态监测系统(例如车内摄像头)、环境感知系统(包括车外摄像头、毫米波雷达、超声波雷达、激光雷达等中的至少两种)、定位系统、高精地图、车身传感器采集的车身信息(例如车速)、HMI系统(人机交互系统)，实现车辆盲区监测，帮助驾驶员提高行车安全。图4示出了由车辆盲区监测系统(以下称为控制器)所执行的车辆盲区监测方法的一种示例性的交互流程，其可包括：S40：启动盲区监测功能。在一些实施例中，盲区监测功能是可选择开启状态的，使用者可通过HMI选择是否关闭该功能。当然，在其他一些实施例中，盲区监测功能也可以是固定配置，不能关闭。在一个示例中，在选择本文档来自技高网...

【技术保护点】
1.一种车辆盲区监测方法，其特征在于，包括：/n获取驾驶员当前的头面部特征和注意力状态；所述头面部特征和所述注意力状态通过对当前的驾驶员头像数据识别得到，所述驾驶员头像数据由车内设置的驾驶员监控摄像头采集得到；/n根据所述注意力状态决策驾驶员当前的行车意图；/n根据所述头面部特征和所述当前的行车意图确定当前的视觉盲区；/n通过多源传感器实时检测障碍物，得到融合障碍物信息集合；所述多源传感器包括毫米波雷达、车外摄像头和激光雷达中的至少两种；/n根据车辆当前的定位信息、高精地图信息，以及所述融合障碍物信息集合，判断所述视觉盲区内是否存在障碍物；/n若判定存在障碍物，进行报警。/n

【技术特征摘要】
1.一种车辆盲区监测方法，其特征在于，包括：
获取驾驶员当前的头面部特征和注意力状态；所述头面部特征和所述注意力状态通过对当前的驾驶员头像数据识别得到，所述驾驶员头像数据由车内设置的驾驶员监控摄像头采集得到；
根据所述注意力状态决策驾驶员当前的行车意图；
根据所述头面部特征和所述当前的行车意图确定当前的视觉盲区；
通过多源传感器实时检测障碍物，得到融合障碍物信息集合；所述多源传感器包括毫米波雷达、车外摄像头和激光雷达中的至少两种；
根据车辆当前的定位信息、高精地图信息，以及所述融合障碍物信息集合，判断所述视觉盲区内是否存在障碍物；
若判定存在障碍物，进行报警。


2.如权利要求1所述的方法，其特征在于，
所述头面部特征包括：当前的头部姿态和当前的眼睛位置；
所述注意力状态包括：表征驾驶员注意力集中的第一状态信息，或表征驾驶员注意力不集中的第二状态信息；
所述根据注意力状态决策驾驶员当前的行车意图包括：
若所述注意力状态包括所述第一状态信息，并且识别出的当前的头部姿态与参考头部姿态的偏离值不大于第一阈值，判定所述当前的行车意图为沿车道行驶；
若所述注意力状态包括所述第一状态信息，并且识别出的当前的头部姿态与参考头部姿态的偏离值大于所述第一阈值，判定所述当前的行车意图为换道。


3.如权利要求2的方法，其特征在于，所述根据所述头面部特征和所述当前的行车意图确定驾驶员当前的视觉盲区包括：
若所述当前的行车意图为沿车道行驶，根据当前的眼睛位置以及车辆两侧A柱的位置计算前向盲区；
若所述当前的行车意图为换道，根据当前的车速、所在车道的车道类型计算后向盲区；
其中，所述车速由车身传感器采集；
所述车道类型根据定位信息和高精地图的道路信息确定，或者根据前向摄像头拍摄的车道线确定，或者，根据所述定位信息、所述高精地图的道路信息和所述前向摄像头拍摄的车道线综合确定；所述定位信息由定位系统采集。


4.如权利要求3所述的方法，其特征在于，
所述车道类型为直道类型；
所述根据当前的车速、所在车道的车道类型计算后向盲区包括：
确定第一边界线L1；L1平行于车辆中心线，与车身左侧外缘间的最小距离为S1；
确定第二边界线L2；L2平行于车辆中心线，与车身左侧外缘间的最小距离为S2；S2小于S1；
确定第三边界线L3；L3平行于车辆中心线，与车身右侧外缘间的最小距离为S3；
确定第四边界线L4；L4平行于车辆中心线，与车身右侧外缘间的最小距离为S4；S3小于S4；
确定第五边界线L5；L5垂直于所述车辆中心线，并位于后视镜的位置；
确定第六边界线L6；L6垂直于所述车辆中心线，并位于车辆后缘的位置；
确定第七边界线L7；L7平行于L6，位于L6的后方，与L6的距离为S7；其中，S7＝Ssafe+V*t，Ssafe表示安全距离，V表示车速，t为时间常数；S1、S2、S3、S4和Ssafe根据路况标定确定；
所述后向盲区包括：
由L1、L2、L5和L7围成的车辆左侧盲区区域；
由L3、L4、L5和L7围成的车辆右侧盲区区域；
由L2、L3、L6和L7围成的车辆后侧盲区区域。


5.如权利要求3所述的方法，其特征在于，
所述车道类型为弯道类型；
所述根据当前的车速、所在车道的车道类型计算后向盲区包括：
确定第一参考边界线Q1；Q1的变化函数为：yQ1＝W/2+D1+f(s)；f(s)为车道线变化函数；s表示在预设坐标系下在第一方向上的自变量；yQ1表示Q1上的任一点在第二方向上与坐标系原点间的距离；所述第一方向为行驶方向；第二方向为与所述行驶方向相垂直的方向；
确定第二参考边界线Q2；Q2的变化函数为：yQ2＝W/2+D2+f(s)；yQ2表示Q2上的任一点在第二方向上与坐标系原点间的距离；
确定第三参考边界线Q3；Q3的变化函数为：yQ3＝-W/2-D3+f(s)；yQ3表示Q3上的任一点在第二方向上与坐标系原点间的距离；
确定第四参考边界线Q4；Q4的变化函数为：yQ4＝-W/2-D4+f(s)；yQ4表示Q4上的任一点在第二方向上与坐标系原点间的距离；
确定第五参考边界线Q5；Q5平行于车辆前缘上预设两点的连线，并位于后视镜的位置；
确定第六参考边界线Q6；Q6为车辆后缘上预设两点的连线的延长线；
确定第七参考边界线...

【专利技术属性】
技术研发人员：万国强，张斯怡，
申请(专利权)人：北京经纬恒润科技有限公司，
类型：发明
国别省市：北京;11