[发明专利]一种渣土车右转弯规范操作监管系统及监管方法

权利要求书

1.一种渣土车右转弯规范操作监管系统，其特征在于，包括：车载毫米波雷达(1)，红外摄像头(2)，CAN采集模块(3)，北斗定位系统(4)，电子地图(5)，车载处理器(6)；

所述车载毫米波雷达(1)安装在驾驶室后厢背部最右侧，用于采集渣土车右侧一定范围内的行人和非机动车信息；

所述红外摄像头(2)安装在驾驶员右前方中控台面板上，朝向驾驶员面部安装；

所述CAN采集模块(3)安装在驾驶室内，用来采集渣土车车内CAN总线数据；

所述北斗定位系统(4)安装在驾驶室内，用来获取渣土车的实时位置；

所述车载处理器(6)安装在驾驶室内；所述车载毫米波雷达(1)的输出端、红外摄像头(2)的输出端、CAN采集模块(3)的输出端以及北斗定位系统(4)的输出端连接车载处理器(6)的输入端；

所述电子地图(5)内置在车载处理器内。

2.根据权利要求1所述的渣土车右转弯规范操作监管系统，其特征在于，所述车载毫米波雷达1采集的行人和非机动车信息包括：相对角度、相对速度和相对距离。

3.根据权利要求2所述的渣土车右转弯规范操作监管系统，其特征在于，所述CAN采集模块3采集的渣土车车内CAN总线数据包括：车辆速度、方向盘转角和加速踏板信息。

4.一种渣土车右转弯规范操作的监管方法，其特征在于，包括以下步骤：

步骤1、制定渣土车右转弯操作规范，并将渣土车右转弯操作规范向驾驶员教育培训；

步骤2、根据北斗定位系统和CAN采集模块，判断驾驶员是否执行右转弯操作；

步骤3、根据CAN采集模块采集的车速信息、毫米波雷达采集的渣土车右侧一定区域内的行人和非机动车信息，判断渣土车右侧是否存在行人和非机动车；

步骤4、红外摄像头采集驾驶员头部图像，利用支持卷积神经网络深度学习算法将驾驶员头部状态进行分类，判断驾驶员是否观察右后视镜；

步骤5、当判定渣土车执行右转弯操作时，根据驾驶员控制加速踏板的行为以及观看右后视镜的行为，对驾驶员的操作行为进行评价。

5.根据权利要求4所述的渣土车右转弯规范操作的监管方法，其特征在于，步骤1中，所述渣土车右转弯操作规范具体为：

驾驶员执行右转操作前必须看右后视镜一次，且必须完全松开加速踏板；

右转弯操作开始后，驾驶员必须每隔设定的间隔时间观察右后视镜一次；

当渣土车右侧存在行人或非机动车时，观察右后视镜的时间间隔要缩短，且需保证设定的观察持续时间。

6.根据权利要求4所述的渣土车右转弯规范操作的监管方法，其特征在于，步骤2包括以下子步骤：

子步骤2.1，车辆启动行驶后，将北斗系统的定位信息在电子地图上显示，当渣土车距离路口设定距离后，启动北斗系统；

子步骤2.2，根据CAN采集模块采集的方向盘转角信息，判断驾驶员是否执行右转弯操作，当方向盘向右转动超过设定的角度阈值后，判定驾驶员执行右转弯操作。

7.根据权利要求4所述的渣土车右转弯规范操作的监管方法，其特征在于，步骤3具体为：判断渣土车右侧设定区域内是否存在行人或非机动车；

渣土车右侧设定区域内是否存在行人或非机动车的判断条件为：车载毫米波雷达探测渣土车右侧一定区域内是否存在目标时，当监测到存在目标时，根据渣土车速度和雷达测量的相对速度来计算监测到目标的速度，若监测目标的速度不为零，则判定渣土车右侧一定区域内存在行人或非机动车。

8.根据权利要求4所述的渣土车右转弯规范操作的监管方法，其特征在于，步骤4中，判断驾驶员是否观察右后视镜的判定模型为：红外摄像头采集驾驶员头部图像，利用支持卷积神经网络深度学习算法将驾驶员头部状态进行分类，分为观察右后视镜和未观察右后视镜两类；分别采集白天和晚上的驾驶员头部图像进行训练，当分类准确度高于设定精度时，可用于驾驶员注视点的判断，即驾驶员是否观察右后视镜。

9.根据权利要求4所述的渣土车右转弯规范操作的监管方法，其特征在于，步骤5中，对渣土车右转弯时驾驶员操作行为评价具体包括：

当驾驶员没有完全松开加速踏板或未按照规范观看右后视镜时，对驾驶员进行扣分，并记录每天、每周以及每个月的扣分情况，当驾驶员扣分总值超过设定扣分阈值时，将暂停该驾驶员的工作，并进行专项培训学习。