[发明专利]基于深度学习目标检测的变道方法及系统

权利要求书

1.一种基于深度学习目标检测的变道方法，其特征在于，包括：

获取表征本车后方环境的第一图像；

将所述第一图像输入至车辆检测模型进行模型推理，以得到推理结果；

当所述推理结果包括检测到他车时，统计所述第一图像中各个区域的他车环境；所述他车环境包括他车的运动方向和在所述第一图像中显示的部位；

根据所述第一图像中各个区域的他车环境确定所述本车的变道状态。

2.根据权利要求1所述基于深度学习目标检测的变道方法，其特征在于，

所述第一图像通过设置在所述本车尾部的后拉摄像头拍摄得到。

3.根据权利要求2所述基于深度学习目标检测的变道方法，其特征在于，

所述后拉摄像头的标定方法包括：

获取标定状态下所述后拉摄像头拍摄到的第二图像；

利用车道线检测算法检测所述第二图像中与所述本车相邻的两条车道线，并识别出所述两条车道线的消失点；

获取所述后拉摄像头距离地面的高度、所述后拉摄像头的像素焦距；

根据所述高度、像素焦距和消失点计算所述第二图像中任一个图像坐标对应的真实距离。

4.根据权利要求3所述基于深度学习目标检测的变道方法，其特征在于，

所述标定状态包括将所述本车停放在车道的正中间。

5.根据权利要求3所述基于深度学习目标检测的变道方法，其特征在于，

所述第二图像中任一个图像坐标对应的真实距离d的计算方法包括：

式中，θ为所述后拉摄像头的俯仰角，F_c为所述像素焦距，H_c为所述高度，y_b为所述第二图像中图像坐标在垂直方向上的分量，y_h为所述第二图像中消失点在垂直方向上的分量。

6.根据权利要求2所述基于深度学习目标检测的变道方法，其特征在于，

所述车辆检测模型的训练方法包括：

采集后拉摄像头拍摄到的第三图像；

对所述第三图像进行标注，标注内容包括相邻车道的他车；

采用目标检测模型训练标注好的第三图像，以得到所述车辆检测模型。

7.根据权利要求3所述基于深度学习目标检测的变道方法，其特征在于，所述根据所述第一图像中各个区域的他车环境确定所述本车的变道状态具体包括：

当所述第一图像中前半区域没有他车，后半区域有他车、且他车为前进方向，所述本车的变道状态为被超车状态；

当所述第一图像中前半区域有他车，且显示的部位为他车的车尾，所述本车的变道状态为会车状态；

当所述第一图像中前半区域有他车，且显示的部位为他车的车头，所述本车的变道状态为超车状态；

当所述本车的变道状态不是所述被超车状态、所述会车状态和所述超车状态时，确定所述本车的变道状态为安全状态。

8.根据权利要求7所述基于深度学习目标检测的变道方法，其特征在于，

所述前半区域和所述后半区域根据所述第二图像中任一个图像坐标对应的真实距离d划分。

9.一种基于深度学习目标检测的变道系统，其特征在于，包括：

采集单元：用于获取表征本车后方环境的第一图像；

模型推理单元：用于将所述第一图像输入至车辆检测模型进行模型推理，以得到推理结果；

检测单元：用于当所述推理结果包括检测到他车时，统计所述第一图像中各个区域的他车环境；所述他车环境包括他车的运动方向和在所述第一图像中显示的部位；根据所述第一图像中各个区域的他车环境确定所述本车的变道状态。

10.根据权利要求9所述基于深度学习目标检测的变道系统，其特征在于，

所述采集单元包括设置在所述本车尾部的后拉摄像头。