详情

原文传递大型车辆转弯时避免行人卷入车下的安全预警系统

专利名称：	大型车辆转弯时避免行人卷入车下的安全预警系统
摘要：	本发明涉及一种大型车辆转弯时避免行人卷入车下的安全预警系统，包括测距雷达传感器、摄像头、转角传感器、信息集成单元、道路危险区域划分单元和报警装置。测距雷达传感器采集车体周围物体距离信息，摄像头采集车辆两侧图像，运用卷积神经网络算法对图像进行识别。转角传感器采集车辆转向角信息，采用K均值聚类分析算法划分为危险区域、预警区域或安全区域。信息集成单元与道路危险区域划分单元对采集的数据信息进行信息融合、处理分析，判断危险区域内是否有行人存在，并将判断结果输出到报警装置进行预警。本发明对大型车辆的环境进行检测，判断危险区域内是否有行人存在，并将判断结果输送到报警装置进行预警，提高了道路交通的安全性。
专利类型：	发明专利
国家地区组织代码：	吉林;22
申请人：	吉林大学
发明人：	刘宏飞;周璐瑶;许洪国
专利状态：	有效
申请日期：	2019-06-10T00:00:00+0800
发布日期：	2019-09-13T00:00:00+0800
申请号：	CN201910494515.4
公开号：	CN110228413A
代理机构：	石家庄新世纪专利商标事务所有限公司
代理人：	董金国;张晓龙
分类号：	B60Q9/00(2006.01);B;B60;B60Q;B60Q9
申请人地址：	吉林省长春市前进大街2699号
主权项：	1.一种大型车辆转弯时避免行人卷入车下的安全预警系统，其特征是：所述装置包括测距雷达传感器(2)、摄像头(3)、转角传感器(1)、信息集成单元(5)、道路危险区域划分单元(4)和报警装置(6)；所述测距雷达传感器采集车体周围物体距离信息，采集到的目标距离信息输入到信息集成单元中进行分析处理；所述摄像头采集车辆两侧图像，运用卷积神经网络算法对图像进行识别，判断测距雷达传感器所识别的目标是否是行人，并获得识别图像中的行人的位置数据信息，传送到信息集成单元；所述转角传感器采集车辆转向角信息，所述道路危险区域划分单元根据转角传感器采集到的信息和汽车性能参数，采用K均值聚类分析算法将大型车辆两侧的区域划分为危险区域、预警区域或安全区域；所述信息集成单元与道路危险区域划分单元对采集的数据信息进行信息融合、处理分析，判断危险区域内是否有行人存在，并将判断结果输出到报警装置；判断结果若存在危险,报警装置报警，提醒驾驶员，若不存在危险，报警装置不动作。 2.根据权利要求1所述的大型车辆转弯时避免行人卷入车下的安全预警系统，其特征是：所述测距雷达传感器(2)安装在车辆的盲区范围内的车体上，测距雷达传感器通过车辆两边区域发射无线电波，利用接收到的目标反射信号与发射信号的时间延迟测量前方目标的位置信息；所述摄像头(3)安装在车辆的盲区范围的车体上方；所述转角传感器(1)安装在方向盘下方的方向柱内。 3.根据权利要求1所述的大型车辆转弯时避免行人卷入车下的安全预警系统，其特征是：所述信息集成单元(5)包括数据采集模块(7)，数据处理模块(8)、预警信息分析模块(9)和预警信息输出模块(10)；所述数据采集模块采集测距雷达传感器、转角传感器和摄像头的输出信息，信息包括危险区域内周围目标与车体之间的距离、车辆转向角和周围环境信息；所述数据处理模块将测距雷达传感器采集的周围目标位置信息与摄像头采集到的目标位置信息进行匹配，将转向角信息导入道路区域划分系统中进行区域划分；所述预警信息分析模块对车辆周围目标所在危险区域的判断结果以及目标是否为行人的判断结果进行分析，判定当前状态下报警装置响应等级；所述预警信息输出模块将响应等级结果输出给报警装置。 4.根据权利要求1所述的大型车辆转弯时避免行人卷入车下的安全预警系统，其特征是：所述汽车性能参数包括轮胎断面宽度、车轮外宽、轴距、前置距和前外轮转角。 5.根据权利要求1所述的大型车辆转弯时避免行人卷入车下的安全预警系统，其特征是：所述采用K均值聚类分析算法对车辆两侧的区域进行等级划分，分为危险区域、预警区域和安全区域三部分，通过离线聚类得到三个离线聚类质心；所述K均值聚类分析过程如下： 1)根据需要确定聚类个数K＝3； 2)初始化聚类质心，以等间距取点确定初始聚类质心； 3)设置最大迭代步数以及质心偏移量：△d＝0.0001，J＝1000；其中：△d为质心偏移量；J为最大迭代步数； 4)计算每个对象与聚类质心之间的欧式距离，根据欧氏距离的数值将这些对象分别划归到与之最为相似的簇内； 5)根据聚类结果，重新计算3个簇的各自质心，计算方法是每个聚类各自的算术平方数； 6)重复3、4步骤，直到聚类结果不在变化； 7)将结果输出。 6.根据权利要求5所述的大型车辆转弯时避免行人卷入车下的安全预警系统，其特征是：所述欧氏距离计算公式为：假设两个n维向量为A＝(a1，a2，a3……an)和B＝(b1、b2、b3、……bn)，则A和B之间的欧式距离为：式中：ρ(A,B)为欧式距离； a1，a2，a3……an为A的n个维度；利用上述方法确定车辆周围路面环境各等级区域的范围。 7.根据权利要求1所述的大型车辆转弯时避免行人卷入车下的安全预警系统，其特征是：所述摄像头应用卷积神经网络(CNN)算法对采集到的图像进行信息处理的过程由六层构成：第一层为输入层,输入的摄像头采集到的车两侧的图像；第二层包含两个独立的卷积层C1、C2，卷积核数均为40个；卷积层C1卷积核大小为3×3，大小为12×12×40；卷积层C2卷积核大小为7×7，大小为10×10×40；卷积层通过卷积操作对输入图像进行提取特征，卷积核相当于滤波器，第l层卷积公式为：式中：l为层数，xml-1为第l-1个隐层的输入，n、m为二维矩阵值，wn,ml为第l个隐层的映射权值矩阵，bil为第l个隐层的偏置矩阵，ynl为输入层的输入图像，f为激活函数，采用ReLU函数做非线性映射；表达式为： y＝max(0，x) 式中：y为输出，x为输入；每个卷积层后面一层是池化层，将图像中不同位置的特征聚合在一起，实现降低特征维度，以及对图像特征进行二次提取，选择最大池化的方式，最大池化把输入图像分割成不重叠的矩阵，每个子区域都输出最大值；第三层包含两个独立的卷积层C3、C4，卷积核数均为65个；卷积层C1卷积核大小为3×3，大小为5×5×65；卷积层C2卷积核大小为3×3，大小为4×4×65.四个卷积层步长为2；卷积公式、映射方法及池化公式与第二层相同；第四层为全连接层F1，该层设计有300个神经元，F1的输入来自C1、C2、C3、C4；全连接层可以增强网络非线性映射能力以及限制网络规模大小；F1全连接层的计算公式为：式中：l为层数，xil-1为第l-1个隐层的输入，i、j为二维矩阵值，wj,il为第l个隐层的映射权值矩阵，bjl为第l个隐层的偏置矩阵；第五层为全连接层F2，计算公式与F1相同；F1、F2采用全连接；第六层为输出层，由softmax函数判断分类，softmax函数计算公式为： Xi＝wix+b 式中：θ为参数向量，i、j为二维矩阵值，T为温度参数，当T很大时，即趋于正无穷时，所有的激活值对应的激活概率趋近于相同；T很低时，即趋于0时，不同的激活值对应的激活概率差异也就很大；完成卷积神经网络识别行人过程。 8.根据权利要求1所述的大型车辆转弯时避免行人卷入车下的安全预警系统，其特征是：所述报警装置(6)包括车内报警装置和车外报警装置，所述车内报警装置由警示灯(12)和车内报警器(11)组成，用于提醒驾驶员注意车外危险；所述车外报警装置为车外报警器(13)，用于提醒车外行人注意避让车辆；根据行人所在的危险区域等级，报警装置发出车不同等级报警信号，不同等级的报警信号，报警灯的亮度及报警器的声音强度不同。
所属类别：	发明专利