预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112951000A(43)申请公布日2021.06.11(21)申请号202110359428.5G06N3/04(2006.01)(22)申请日2021.04.02G06N3/08(2006.01)(71)申请人华设设计集团股份有限公司地址210014江苏省南京市秦淮区紫云大道9号(72)发明人崔志伟何碧娟储轶钢华茹玥钮昊天万俊杰(74)专利代理机构南京纵横知识产权代理有限公司32224代理人朱远枫(51)Int.Cl.G08G1/16(2006.01)H04L29/08(2006.01)G06K9/00(2006.01)G06K9/32(2006.01)权利要求书2页说明书11页附图5页(54)发明名称大型车辆盲区双向预警系统(57)摘要本发明提供了大型车辆盲区双向预警系统,包括:前端感知模块利用传感器采集车辆盲区设定范围内图像、视频以及车辆转弯信号;前端分析模块利用AI模型识别障碍物,并跟踪障碍物的运动轨迹;对障碍物测速测距,并预判障碍物运动轨迹,若判断障碍物的轨迹经过内轮差危险区范围,则将危险信号传输至双向预警模块来发出双向预警;云端管控平台,对采集到车辆盲区内的数据以及预警事件进行存储并分析获得AI模型并下发边缘侧的前端分析模块。本发明将无人驾驶领域的多传感器融合、机器视觉等技术创新引入大车盲区场景,归纳总结出普适性安装方案,从驾驶员与障碍物两个角度提升警示效果,预防事故,实现双向的预警机制。CN112951000ACN112951000A权利要求书1/2页1.大型车辆盲区双向预警系统,其特征在于,包括边缘侧和云测,所述边缘侧包括前端感知模块、前端分析模块和双向预警模块,所述云测包括云端管控平台;所述前端感知模块用于利用传感器采集车辆盲区设定范围内图像、视频以及车辆转弯信号;所述前端分析模块用于利用云侧下发的AI模型根据前端感知模块获取的图像和视频识别障碍物,并跟踪障碍物的运动轨迹;对障碍物测速测距,并预判障碍物运动轨迹,若判断障碍物的轨迹经过内轮差危险区范围,则将危险信号传输至双向预警模块;所述前端分析模块还用于将获取的车辆转弯信号传输至所述双向预警模块,以及将采集到信息以及预警事件传输至所述云端管控平台;所述双向预警模块用于根据接收到所述前端分析模块传输的危险信号和车辆转弯信号从驾驶员和障碍物的角度发出双向预警;所述云端管控平台,用于对采集到车辆盲区内的数据以及预警事件进行存储并汇总全时域、全局性数据进行分析获得AI模型并下发边缘侧的前端分析模块。2.根据权利要求1所述的大型车辆盲区双向预警系统,其特征在于,所述前端感知模块包括红外视频传感器和转弯感知模块,所述红外视频传感器用于采集车辆盲区设定范围内图像和视频,所述转弯感知模块连接至大型车辆右转向灯电路,用于接收车辆的右转向信号。3.根据权利要求1所述的大型车辆盲区双向预警系统,其特征在于,AI模型根据前端感知模块获取的图像和视频识别障碍物具体包括:将传感器采集车辆盲区设定范围内图像和视频进行融合,融合步骤包括:将各传感器所在坐标系的转换,将各传感器在时间上融合;基于Inception‑v4特征抽取网络抽取特征,采用SDD模型实现基于Inception‑v4的目标检测。4.根据权利要求3所述的大型车辆盲区双向预警系统,其特征在于,构建所述Inception‑v4特征抽取网络包括:1)构建卷积块CB,其中所有激活层神经元使用不同的激活函数;激活层被定义为神经元层,激活层将m个特征映射转换为新的m个特征映射;通过激活函数f将卷积特征θn变为新特征,即f(θn);AL(X)表示新的卷积在每个卷积层CONV之后和池化层POOL之前使用激活层AL,括号内X表示使用的激活函数;2)构建全连接隐藏层,全连接隐藏层同样使用不同的激活函数;在卷积中构建n个FC隐藏神经元,每个神经元使用从一组k个激活函数中选择的激活函数;3)使用构建的卷积块CB和全连接隐藏层组建改进的Inception‑V4。5.根据权利要求3所述的大型车辆盲区双向预警系统,其特征在于,选用RMSProp算法更新Inception‑v4特征抽取网络权重。6.根据权利要求3所述的大型车辆盲区双向预警系统,其特征在于,SSD算法置信度损失函数如下:损失函数为:2CN112951000A权利要求书2/2页其中,α为权重因子N是匹配的默认框的数量,pi为预测输入实例xi属于该类别的概率,γ为权重因子。7.根据权利要求3所述的大型车辆盲区双向预警系统,其特征在于,结合AdaBoost算法训练SSD模型。8.根据权利要求3所述的大型车辆盲区双向预警系统,其特征在于,所述双向预警模块获取的车辆转弯信号后开启车外的扬声器,对车外行人车辆进行鸣笛预警;