【技术实现步骤摘要】
本专利技术涉及汽车安全提醒，具体为基于鱼眼相机图像畸变修正的车门碰撞提醒系统及方法。
技术介绍
1、随着汽车工业的快速发展和城市化进程的加速，车辆在停车和乘客上下车的过程中所面临的安全问题愈加突出。在狭窄的停车位或人流密集的区域，车辆车门在开启时往往会与周围的障碍物（如墙壁、柱子、其他车辆或行人）发生碰撞。这样的碰撞不仅可能导致车辆损坏，还可能对乘客和行人造成严重的伤害。因此，如何提高车门开启时的安全性，防止与周围障碍物发生碰撞，已经成为亟待解决的技术难题。
2、目前，市面上大多数车门碰撞提醒系统依赖于雷达传感器或超声波传感器来监测车门开启过程中的障碍物。这些传统的传感器虽然能够提供一定的障碍物检测功能，但在实际应用中却存在诸多不足。首先，雷达传感器的检测性能容易受到环境因素的干扰，例如雨水、雾气等恶劣天气条件，导致其在复杂环境中的稳定性和准确性不足。其次，超声波传感器的检测范围较为有限，尤其在车门附近的小型障碍物检测方面，存在显著的盲区，这使得它们无法全面、准确地识别车门周围的所有潜在危险。
3、因此，现有车门碰撞提醒技术在检测精度、范围和稳定性方面存在显著不足，无法在多变的环境中提供足够的安全保障。为了解决这些问题，亟需一种更加高效、精准且稳定的车门碰撞提醒系统，能够在复杂环境下实现对车门开启过程中的潜在碰撞风险进行准确识别和有效提醒。
技术实现思路
1、本专利技术的目的在于提供基于鱼眼相机图像畸变修正的车门碰撞提醒系统及方法，以解决现有技术中的视角盲区
2、为了实现上述目的，本专利技术通过如下的技术方案来实现：
3、基于鱼眼相机图像畸变修正的车门碰撞提醒系统，包括：
4、影像采集模块，包括安装于汽车后视镜下方的鱼眼相机，用于实时采集车辆停车状态下的两侧场景图像；
5、标定模块，用于对鱼眼相机进行标定，并通过改进的harris角点检测算法确定像素坐标与车辆距离及目标高度之间的关系；
6、目标检测与识别模块，用于处理影像采集模块采集的两侧场景图像，检测障碍物的类别、位置、大小和高度范围，并结合卷积神经网络cnn的多任务学习模型，利用图像的rgb信息与深度感知信息，同时分析障碍物的运动轨迹、速度和加速度，实现车门状态与障碍物动态信息的联动评估；
7、信号处理模块，用于根据所述目标检测与识别模块的联动评估结果，计算障碍物与车辆的距离和障碍物的高度，并判断障碍物对车门开启的影响程度；
8、提醒模块，用于根据信号处理模块的判断结果，生成不同等级的提醒信号；
9、影像显示模块，用于在车辆显示设备上显示实时采集的两侧场景图像，并以实时标注的方式高亮显示危险区域及其对应的危险等级。
10、作为本专利技术的一种优选方案，所述标定模块包括：
11、棋盘格标定块，将棋盘格放置于车辆两侧，并与车辆平行放置；
12、图像采集单元，通过鱼眼相机采集标定块的图像，并将图像转化为灰度图；
13、特征点检测单元，基于harris角点检测算法提取标定块的特征点像素坐标；
14、像素区域划分单元，用于筛选出车门开启区域的角点坐标，并输入角点区域所对应车身坐标系的坐标及车身宽度信息，调整车门开启区域的标定位置，标定结果能够反映车门开启状态下的实际空间坐标；
15、映射关系拟合单元，利用最小二乘法拟合特征点像素坐标与车辆的距离，结合标定块不同高度角点的特征点像素坐标，拟合像素坐标与目标高度的映射关系。
16、作为本专利技术的一种优选方案，所述影像采集模块的鱼眼相机复用车辆的环视摄像系统功能，通过180°广角实现对车门区域的全面覆盖。
17、作为本专利技术的一种优选方案，所述特征点检测单元中采用改进的harris角点检测算法进行特征点检测，包括以下步骤：
18、通过引入尺度参数构建在不同尺度下的高斯核权重函数，对标定块图像的梯度信息进行加权计算，相关矩阵公式为：
19、;
20、其中，和分别是图像在和方向上的梯度；是梯度的平方，表示在方向上的强度；是梯度的平方，表示在方向上的强度；和是交叉项，表示和方向梯度的相关性；为尺度下的高斯核权重函数，用于确保角点检测对尺度变化的稳定性；
21、基于相关矩阵计算响应函数，公式为：
22、;
23、其中,为相关矩阵的行列式，为相关矩阵的迹，为正则化参数，用于避免分母为零，为调整角点强度的经验系数；
24、根据动态调整系数设置阈值筛选角点位置，公式为：
25、;
26、其中，为所有响应值的平均值，为经验调整系数，用于适应不同图像特性；
27、基于所述响应函数和阈值，筛选响应值大于的像素点作为角点，提取用于标定的特征点像素坐标。
28、作为本专利技术的一种优选方案，所述目标检测与识别模块包括：
29、图像输入单元，用于接收影像采集模块获取的两侧场景图像；
30、障碍物检测单元，用于构建基于卷积神经网络cnn的多任务学习模型，对两侧场景图像中的障碍物进行检测，识别障碍物的类别、位置和大小，分析障碍物的运动轨迹、速度和加速度。
31、作为本专利技术的一种优选方案，所述构建基于卷积神经网络cnn的多任务学习模型过程如下：
32、数据采集与预处理：采集覆盖车门周围广角鱼眼静态停车位和动态行人接近的图像；通过鱼眼校正算法消除图像失真，将图像转化为标准透视视角；扩展数据集，增加雨天、雪天和低光照条件下的图像，提供多样化的环境数据，输出校正后的标准化图像，用于后续模型训练；
33、模型构建与多任务融合：基于校正后的图像生成深度图，设计兼容鱼眼图像和深度图的输入层；构建多任务模型，结合rgb图像与深度信息，完成障碍物的类别、位置、大小、距离检测；增加动态障碍物轨迹分析模块，预测运动目标的下一位置及可能风险，同时实现车门开关状态检测，输出车门状态、速度和加速度信息；
34、干涉与碰撞分析模块：分析车门与障碍物之间的空间关系，计算碰撞角度与力度，评估潜在碰撞风险；结合车门运动参数与障碍物位置，预测碰撞点；检测车门与车身、车顶、其他部件间的空间关系，判断是否存在物理干涉，并输出干涉状态和具体位置；
35、部署与优化：优化多任务学习模型的计算流程，并将其部署到嵌入式设备nvidia上，实现实时检测能力；调整软硬件运行参数，利用嵌入式设备计算资源，降低能耗，支持多任务并行处理，满足≥30fps的实时性能需求；
36、测试与验证：在静态场景停车位和动态场景行人接近中测试检测性能，包括检测精度和处理速度；在车辆移动与车门运动同步进行的复杂动态场景下，验证系统对多动态目标的适应性和稳定性，评估系统整体性能。
37、作为本专利技术的一种优选方案，所述信号处理模块包括本文档来自技高网...
【技术保护点】
1.基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，包括：
2.根据权利要求1所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述影像采集模块的鱼眼相机复用车辆的环视摄像系统功能，通过180°广角实现对车门区域的全面覆盖。
3.根据权利要求1所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述特征点检测单元中采用改进的Harris角点检测算法进行特征点检测，包括以下步骤：
4.根据权利要求1所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述目标检测与识别模块包括：
5.根据权利要求4所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述构建基于卷积神经网络CNN的多任务学习模型过程如下：
6.根据权利要求1所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述信号处理模块包括：
7.根据权利要求1所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述提醒模块包括：
8.根据权利要求1所述的基于鱼眼相机图像畸变修
9.基于权利要求1-8任一项所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统的提醒方法，其特征在于，包含以下步骤：
...【技术特征摘要】
1.基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，包括：
2.根据权利要求1所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述影像采集模块的鱼眼相机复用车辆的环视摄像系统功能，通过180°广角实现对车门区域的全面覆盖。
3.根据权利要求1所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述特征点检测单元中采用改进的harris角点检测算法进行特征点检测，包括以下步骤：
4.根据权利要求1所述的基于鱼眼相机图像畸变修正的车门碰撞提醒系统，其特征在于，所述目标检测与识别模块包括：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：黄海波，
申请(专利权)人：润芯微科技江苏有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。