[发明专利]基于溜车检测的自动刹车系统在审
申请号: | 202011336650.5 | 申请日: | 2020-11-25 |
公开(公告)号: | CN113044007A | 公开(公告)日: | 2021-06-29 |
发明(设计)人: | 不公告发明人 | 申请(专利权)人: | 泰州锐比特智能科技有限公司 |
主分类号: | B60T7/12 | 分类号: | B60T7/12 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 225300 江苏省泰州*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 车检 自动 刹车 系统 | ||
1.一种基于溜车检测的自动刹车系统,其特征在于,包括:
定向捕获设备,设置在车辆的驾驶座的对面,用于对驾驶座附近环境执行定向捕获操作,以获得相应的座位周围图像。
2.如权利要求1所述的基于溜车检测的自动刹车系统,其特征在于,所述系统还包括:
倾斜校正设备,与所述定向捕获设备连接,用于对接收到的座位周围图像执行倾斜校正处理,以获得并输出相应的倾斜校正图像。
3.如权利要求2所述的基于溜车检测的自动刹车系统,其特征在于,所述系统还包括:
自动刹车机构,与嵌入式处理器连接,用于在接收到慢速溜车报警信号或超速溜车报警信号时,执行不同强度的刹车操作;
所述自动刹车机构在接收到慢速溜车报警信号时执行的刹车操作的强度低于在接收到超速溜车报警信号时执行的刹车操作的强度;
内容增强设备,设置在车辆的驾驶座的对面,与所述倾斜校正设备连接,用于对接收到的倾斜校正图像执行图像SVD增强处理,以获得并输出相应的内容增强图像;
锐化处理机构,与所述内容增强设备连接,用于对接收到的内容增强图像执行边缘锐化处理,以获得对应的锐化处理图像;
第一辨别设备,设置在车辆的中控台内,与所述锐化处理机构连接,用于对接收到的锐化处理图像是否存在景深浅于预设景深阈值的人体对象进行实时辨别,并在辨别存在景深浅于预设景深阈值的人体对象时,发出第一控制指令;
所述第一辨别设备还用于在辨别不存在景深浅于预设景深阈值的人体对象时,发出第二控制指令;
第二辨别设备,与车辆的某一车轮的车轴连接,用于在所述车轴的旋转速度在溜车速度范围内时,发出第三控制指令;
所述第二辨别设备还用于在所述车轴的旋转速度在溜车速度范围之外时,发出第四控制指令;
嵌入式处理器,分别与所述第一辨别设备和所述第二辨别设备连接,用于在接收到所述第二控制指令且接收到所述第三控制指令时,发出慢速溜车报警信号;
其中,所述嵌入式处理器还用于在接收到所述第二控制指令且接收到所述第四控制指令时,发出超速溜车报警信号;
其中,所述嵌入式处理器还用于在接收到所述第一控制指令时,发出溜车安全信号;
其中,在所述第二辨别设备中,所述溜车速度范围由溜车上限速度和溜车下限速度设定数值范围;
其中,所述溜车上限速度大于所述溜车下限速度且所述溜车上限速度和所述溜车下限速度都小于等于每秒钟2转。
4.如权利要求3所述的基于溜车检测的自动刹车系统,其特征在于:
对接收到的锐化处理图像是否存在景深浅于预设景深阈值的人体对象进行实时辨别包括:实时辨别接收到的锐化处理图像中的各个人体对象分别对应的各个成像区域。
5.如权利要求4所述的基于溜车检测的自动刹车系统,其特征在于:
对接收到的锐化处理图像是否存在景深浅于预设景深阈值的人体对象进行实时辨别包括:识别每一个成像区域对应的人体对象的景深,并将最浅景深与预设景深阈值进行比较以判断接收到的锐化处理图像是否存在景深浅于预设景深阈值的人体对象。
6.如权利要求5所述的基于溜车检测的自动刹车系统,其特征在于,所述系统还包括:
SD存储卡,与所述第二辨别设备连接,用于存储所述溜车上限速度和所述溜车下限速度;
其中,所述SD存储卡还与所述第一辨别设备连接,用于存储用于识别人体对象的人体成像特征。
7.如权利要求6所述的基于溜车检测的自动刹车系统,其特征在于,所述系统还包括:
数据存储卡,设置在所述第一辨别设备和所述第二辨别设备的中间,用于存储所述第一辨别设备和所述第二辨别设备的输入信号和输出信号;
其中,所述数据存储卡为SD存储卡、FLASH存储卡、MMC存储卡以及TF存储卡中的一种。
8.如权利要求7所述的基于溜车检测的自动刹车系统,其特征在于:
所述数据存储卡的选型包括:所述数据存储卡的最大容量基于所述第一辨别设备和所述第二辨别设备的输入信号和输出信号中出现的峰值信号的数据量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于泰州锐比特智能科技有限公司,未经泰州锐比特智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011336650.5/1.html,转载请声明来源钻瓜专利网。