[发明专利]一种主动预警型交通道路感知辅助驾驶预警系统

说明书

一种主动预警型交通道路感知辅助驾驶预警系统、方法及装置，该方法包括：实时采集道路图像，将采集的道路图像发送给Nvidia TX2开发板；所述Nvidia TX2开发板对接收的图像进行处理；根据处理后的图像利用测距算法测算本车与目标物的距离；根据处理后的图像利用红绿灯检测算法判断前方是否为红绿灯；根据处理后的图像利用车道检测算法识别出本车所在的车道；将所述测算或识别的结果发送给显示器和语音预警装置；所述显示器，对所述测算或识别的结果进行显示；所述语音预警装置，在所述测算或识别的结果满足预设条件时进行语音预警提示。本发明利用压缩的深度学习的识别模型，提升了识别的计算速度和准确度，同时能够在无法接收GPS信号的情况下完成红绿灯检测，提高了用户体验。

技术领域

本发明涉及智能交通技术领域，尤其涉及一种主动预警型交通道路感知辅助驾驶预警系统。

背景技术

前车预警是一项主动安全技术，在检测到本车有危险行为是进行提醒，防止汽车偏离轨道、闯红灯和追尾等常见交通事故的发生。一般预警的方式有声音、视觉等。

前车预警中，一般根据TTC(Time To collision)时间作为报警依据，测距方式一般基于雷达传感器或者视觉传感器。目前已有的辅助驾驶产品，往往基于GPS和预先采集的道路信息提供红绿灯预警，在信号不好的山区无法完成红绿灯检测。

现有的前方交通物体识别系统多是基于传统的计算机视觉方案的目标检测，传统方案由于运算资源小，能都达到实时的要求，但产品效果较差。而目前采用深度学习模型的产品能够解决能够更精准的提供预警信息，但计算资源高，速度上有着很大的局限性，实时性较差。相对于传统的基于视觉的技术，基于深度学习的方法在不同的场景下有着更好的识别能力，唯一的不足在于模型往往很大，难以在嵌入式系统上运作。

发明内容

针对现有技术的缺陷，本发明提出一种主动预警型交通道路感知辅助驾驶预警系统、方法及装置，与传统方式相比，由于本装置采用了深度学习的识别模型，所以在道路物体检测方面的准确率大大提高。同时，对深度学习模型的性能优化也使得本装置检测效率大大提高，从而满足了驾驶的实时性需求。

本发明提供了一种主动预警型交通道路感知辅助驾驶预警系统，其特征在于，该系统包括：

车载单目摄像机，用于实时采集道路图像，将采集的道路图像发送给Nvidia TX2开发板；

所述Nvidia TX2开发板包括图像处理模块、目标测距模块、红绿灯检测模块、车道线识别模块和输出模块，所述图像处理模块对接收的图像进行处理后，分别发送给目标测距模块、红绿灯检测模块和车道线识别模块；

所述目标测距模块根据处理后的图像利用测距算法测算本车与目标物的距离；

所述红绿灯检测模块根据处理后的图像利用红绿灯检测算法判断前方是否为红绿灯；

所述车道线识别模块根据处理后的图像利用车道检测算法识别出本车所在的车道；

输出模块，接收目标测距模块、红绿灯检测模块、车道线识别模块的处理结果，将所述处理结果发送给显示器和语音预警装置；

所述显示器，对目标测距模块、红绿灯检测模块、车道线识别模块的处理结果进行显示；

所述语音预警装置，在目标测距模块或红绿灯检测模块或车道线识别模块的处理结果满足预设条件时进行语音预警提示。

根据本发明的一个方面，所述图像处理模块对接收的图像进行处理包括：所述图像处理模块采用采用压缩的神经网络模型对图像进行处理，将标准卷积网络分解成Depthwise Convolution和Pointwise Convolution两部分。