[发明专利]车距检测方法、装置和系统

说明书

本发明提供了一种车距检测方法、装置和系统，所述方法包括：接收安装在本车上的RGB图像采集设备采集的关于所述本车的周边环境的图像；以及利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离。根据本发明实施例的车距检测方法、装置和系统利用车载RGB图像采集设备采集车辆周边的图像，并基于训练好的神经网络对该图像进行处理来检测车辆周边对象与该车辆的距离，不仅可以准确、快速且智能地实现车距检测，且无需采用造价昂贵的测距设备，仅利用传统的RGB相机即可实现车距检测，降低了成本。

技术领域

本发明涉及车距检测技术领域，更具体地涉及一种车距检测方法、装置和系统。

背景技术

交通事故的发生，很大程度上是由于驾驶员对周围环境判断失误，车距误判是其中的重要原因之一，因此，需要辅助驾驶的车距检测系统来检测车距，从而为驾驶员提供参考。

现有的车距检测系统主要依靠激光雷达或深度摄像机。激光雷达虽然检测精度高，但造价昂贵，可达数万元人民币；深度摄像机较为廉价，但检测精度不高，在距离较为接近时容易误判，无法直接应用于对精度有较高要求的短距预警系统。

发明内容

为了解决上述问题中的至少一个而提出了本发明。根据本发明一方面，提供了一种车距检测方法，所述方法包括：接收安装在本车上的RGB图像采集设备采集的关于所述本车的周边环境的图像；以及利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离。

在本发明的一个实施例中，所述方法还包括：确定所述目标对象距离所述本车的距离是否小于预定安全距离，如果是，则发出警报。

在本发明的一个实施例中，在确定所述目标对象距离所述本车的距离小于预定安全距离之后，发出警报之前，还包括步骤：基于所述RGB图像采集设备的位置确定所述目标对象相对于所述本车的方位。

在本发明的一个实施例中，所述利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离的步骤包括：获取所述图像的特征数据；基于所述特征数据检测所述图像中的目标对象；以及基于所述特征数据预测所述图像中的每个像素点的深度值，以用于确定所述目标对象距离所述本车的距离。

在本发明的一个实施例中，所述检测所述图像中的目标对象的步骤包括：生成所述目标对象在所述图像上的二维检测框。

在本发明的一个实施例中，在所述利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离的步骤之后，还包括：基于检测出的所述目标对象以及所述目标对象距离所述本车的距离，生成所述目标对象的三维信息，并基于所述目标对象的三维信息对所述本车的周边环境进行建模。

在本发明的一个实施例中，所述方法还包括：针对每个检测到的目标对象，生成对检测到该目标对象的置信度；以及针对所述置信度高于预定阈值的目标对象进行所述预测。

在本发明的一个实施例中，所述RGB图像采集设备为双目RGB相机。

在本发明的一个实施例中，对所述神经网络的训练包括：确定需要检测的目标对象的类别；以及采用包含下述各项的训练数据来训练所述神经网络：所述类别的目标对象、对所述类别的目标对象的类别标注和对所述类别的目标对象的深度标注。

在本发明的一个实施例中，所述对所述类别的目标对象的类别标注通过人工标注来完成。

在本发明的一个实施例中，所述对所述类别的目标对象的深度标注通过深度相机来完成。

在本发明的一个实施例中，所述目标对象包括所述图像中的运动目标。