[发明专利]基于深度学习目标检测的变道方法及系统

说明书

本发明提供了基于深度学习目标检测的变道方法及系统，方法包括：获取表征本车后方环境的第一图像；将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；当推理结果包括检测到他车时，统计第一图像中各个区域的他车环境；他车环境包括他车的运动方向和在第一图像中显示的部位；根据第一图像中各个区域的他车环境确定本车的变道状态。该方法通过第一图像中各个区域的他车环境确定本车的变道状态，从而判断本车是否可以正常变道，提高了相邻车道中车辆检测和变道提醒的准确度。该变道方法适用于在弱标定场景下判定本车与相邻车道车辆的状态，降低了客户安装调试的难度，提升了用户体验。

技术领域

本发明属于车载驾驶辅助技术领域，具体涉及基于深度学习目标检测的变道方法及系统。

背景技术

汽车变道是最容易引发交通事故的驾驶操作之一。所以在汽车变道之前，司机必须提前观察路况，选择合适的时间变道。目前大多数还是依靠司机的经验完成汽车变道。

随着车载电子设备的快速发展，目前市面上存在一种车载辅助变道系统，能够在变道时判断相邻车道是否存在车辆，从而提醒司机是否可以变道。但是目前的车载辅助变道系统由于对车道线的分割不准确，会出现相邻车道的车辆漏报误报，提醒不准确的问题。

发明内容

针对现有技术中的缺陷，本发明提供一种基于深度学习目标检测的变道方法及系统，提高了相邻车道中车辆检测和变道提醒的准确度。

第一方面，一种基于深度学习目标检测的变道方法，包括：

获取表征本车后方环境的第一图像；

将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；

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

根据第一图像中各个区域的他车环境确定本车的变道状态。

优选地，第一图像通过设置在本车尾部的后拉摄像头拍摄得到。

优选地，后拉摄像头的标定方法包括：

获取标定状态下后拉摄像头拍摄到的第二图像；

利用车道线检测算法检测第二图像中与本车相邻的两条车道线，并识别出两条车道线的消失点；

获取后拉摄像头距离地面的高度、后拉摄像头的像素焦距；

根据高度、像素焦距和消失点计算第二图像中任一个图像坐标对应的真实距离。

优选地，标定状态包括将本车停放在车道的正中间。

优选地，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为后拉摄像头的俯仰角，F_c为像素焦距，H_c为高度，y_b为第二图像中图像坐标在垂直方向上的分量，y_h为第二图像中消失点在垂直方向上的分量。

优选地，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，以得到车辆检测模型。

优选地，根据第一图像中各个区域的他车环境确定本车的变道状态具体包括：

当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，本车的变道状态为被超车状态；