[发明专利]一种车辆距离探测方法、系统、设备及介质

说明书

本发明公开了一种车辆距离探测方法、系统、设备及介质，S1，在驾驶车辆行驶过程中，获取驾驶车辆正前方图像；S2，对获取的图像利用深度学习算法YOLOv4进行车辆检测，根据车辆横截面的大小将所有车辆分为小车、客车和货车三类；S3，确定小车、客车和货车三类分别对应的距离与像素点数的关系；S4，选取驾驶车辆当前车道中正前方的车辆；S5，对驾驶车辆正前方的车辆，判断该车辆的类别和像素点数，通过判断的类别与距离的关系，得到该车辆与驾驶车辆的距离。可以精确估计自身车辆与前方车辆的距离，为安全驾驶提供辅助。

技术领域

本发明属于汽车安全领域，涉及一种车辆距离探测方法、系统、设备及介质。

背景技术

根据最新数据，我国机动车保有量已经达到了3.6亿量，其中汽车保有量2.7亿量，由此导致了道路拥堵等一系列问题。由于车辆保有量大，在车辆的正常行驶中不可避免与其他车辆处于同一道路内，当紧急情况发生时若间隔距离太近容易发生事故。准确的估计自身与前方车辆的距离可以帮助驾驶员判断是否需要减速以保持安全距离，足够的安全距离能够在突发状况中给司机充分的动作时间，有效避免意外事故的发生。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种车辆距离探测方法、系统、设备及介质，可以精确估计自身车辆与前方车辆的距离，为安全驾驶提供辅助。

为达到上述目的，本发明采用以下技术方案予以实现：

一种车辆距离探测方法，包括以下过程：

S1，在驾驶车辆行驶过程中，获取驾驶车辆正前方图像；

S2，对获取的图像利用深度学习算法YOLOv4进行车辆检测，根据车辆横截面的大小将所有车辆分为小车、客车和货车三类；

S3，确定小车、客车和货车三类分别对应的距离与像素点数的关系；

S4，选取驾驶车辆当前车道中正前方的车辆；

S5，对驾驶车辆正前方的车辆，判断该车辆的类别和像素点数，通过判断的类别与距离的关系，得到该车辆与驾驶车辆的距离。

优选的，利用深度学习算法YOLOv4进行车辆检测的具体过程为：采集包含小车、客车、货车三类待检测目标的数据集，对数据集中的数据进行详细标注，利用此数据集训练YOLOv4算法；首先利用卷积神经网络进行特征提取，随后利用梯度下降算法训练模型，最后利用NMS算法消除同一目标的重叠边界框，获得可以精确检测上述三类目标的检测模型。

优选的，S3具体过程为：对小车、客车和货车三类分别多次采集距离与像素点数之间的对应数据，拟合出距离与像素点数之间的表达式。

优选的，S4具体过程为：根据预测框中心点横坐标与整体图像中心点横坐标的差值最小原则来选取当前车道中存在的车辆并排除其他相邻车道的车辆。

优选的，S5具体过程为：针对当前车道车辆，利用深度学习算法进行目标框生成，得到当前目标像素点数，另根据具体目标类别信息选择小车、客车或货车对应表达式推算当前距离。

优选的，得到驾驶车辆与正前方车辆的距离后，若距离小于安全距离，则向驾驶员发出预警信息。

进一步，确定车速与安全距离的相互关系，若距离小于当前车速下的最小安全距离，则向驾驶员发出预警信息。

一种车辆距离探测系统，包括以下过程：

图像获取模块，用于在驾驶车辆行驶过程中，获取驾驶车辆正前方图像；

车辆分类模块，用于对获取的图像利用深度学习算法YOLOv4进行车辆检测，根据车辆横截面的大小将所有车辆分为小车、客车和货车三类；

距离与像素点数关系确定模块，用于确定小车、客车和货车三类分别对应的距离与像素点数的关系；