一种智能车辆的测距系统的制作方法

1.本发明涉及智能车辆的acc巡航辅助领域，更具体的说是涉及一种智能车辆的测距系统。


背景技术：

2.在自适应巡航模式下，汽车会在与前车保持相应的距离下按照想同车速行驶；在跟车行驶中需要知道行驶车辆与前车的距离，从而辅助acc的跟车控制，目前已有的测距技术有毫米波雷达测距，激光测距以及超声波测距，其中，毫米波雷达测距的缺点是精度受天气的影响，损耗大而且造价昂贵，激光测距的缺点是造假昂贵，容易受到声音干扰，超声波测距的缺点是探测距离短，有盲区且精度不高，因此现有的测距方法还未能实现距离的精准测得，且测得的距离未能得到有效的校验，而本发明设计的测距系统适应前提是：直道测距、同侧具有两条或两条以上的车道以及车道线清晰，且本发明中的分道线单元指的是一条白实线与一条间隔断线，其中的间隔断线指的是两条白实线之间的间隔。


技术实现要素：

3.针对现有技术存在的不足，本发明的目的在于提供一种能够精准测得两车之间间距以及对测得的距离进行校验的测距系统，用于克服现有技术中的上述缺陷。
4.为实现上述目的，本发明提供了如下技术方案：
5.一种智能车辆的测距系统，包括多个鱼眼摄像头，多个所述鱼眼摄像头分别设置在智能车辆的车头以及两侧反光镜上；
6.所述测距系统还包括若干车道线数据信息，不同的所述车道线数据信息对应不同的场景道路与同侧车道之间的分道线尺寸，不同的所述场景道路与分道线尺寸之间一一对应；
7.所述测距系统还包括图像处理模块、判断模块、分析模块、计算模块以及校验模块；
8.所述图像处理模块，获取车头处鱼眼摄像头拍摄前方车辆车尾与指定分道线任意一端平齐时的图像作为第一图像信息，获取任意一侧反光镜上鱼眼摄像头拍摄的本车一侧图像作为第二图像信息，根据第一图像信息和第二图像信息索引得到对应的车道线数据信息；获取车头处鱼眼摄像头拍摄的前方车辆行驶至车尾与指定分道线前方的分道线任意一端平齐时的图像作为第三图像信息，所述第一图像信息和第三图像信息均反映前方车辆车尾的车牌图像、前方车辆两侧车道线图像以及前方车辆车尾与车道线图像，获取任意一侧反光镜上鱼眼摄像头拍摄的前方车辆行驶至车尾与分道线前方任意一端平齐时本车一侧图像作为第四图像信息，所述第二图像信息和第四图像信息均反映本车一侧的车道线图像；
9.所述判断模块，获取所述图像处理模块中的第一图像信息，根据深度学习yolov3目标检测判断第一图像信息是否得到前方车辆车牌的虚拟宽度信息，若得到，则向本车发
出a策略命令，若未得到，则向本车发出b策略命令；
10.所述分析模块，获取所述判断模块中的b策略命令时，获取所述图像处理模块中的第一图像信息，根据所述第一图像信息分析得到本车任意一侧的分道线单元数量作为第一次计数单元信息，获取所述图像处理模块中的第二图像信息，根据所述第二图像信息分析得到本车任意一侧的分道线缺失长度作为第一次单元缺失信息，所述第一次单元缺失信息反映第二图像信息中本车车头与任意一侧分道线平齐后第一图像信息中缺失部分的分道线单元，获取所述图像处理模块中的第三图像信息，根据所述第三图像信息分析得到本车任意一侧的分道线单元数量作为第二次计数单元信息，获取所述图像处理模块中的第四图像信息，根据所述第四图像信息分析得到本车任意一侧的分道线缺失长度作为第二次单元缺失信息，所述第二次单元缺失信息反映第四图像信息中本车车头与任意一侧分道线平齐后第三图像信息中缺失部分的分道线单元；
11.所述计算模块，当获取到所述判断模块中的a策略命令时，获取图像处理模块中的第一图像信息，根据第一图像信息通过深度学习yolov3目标检测算式得到前方车辆车牌的虚拟宽度信息，根据虚拟宽度信息通过换算算法得到本车与前方车辆的第一实际距离信息；当获取到所述判断模块中的b策略命令时，获取所述分析模块中的第一次计数单元信息和第一次单元缺失信息，获取所述图像处理模块中的车道线数据信息，根据所述第一次计数单元信息、所述第一次单元缺失信息以及所述车道线数据信息通过车距算法得到第二实际距离信息，获取所述分析模块中的第二次计数单元信息和第二次单元缺失信息，根据所述第二次计数单元信息、所述第二次单元缺失信息以及所述车道线数据信息通过车距算法得到第三实际距离信息，获取所述图像处理模块中的第一图像信息和第三图像信息，根据所述第一图像信息和第三图像信息得到前方车辆行驶的第一位移信息，获取本车的行驶速度信息以及获取图像处理模块中拍摄第一图像信息与拍摄第三图像信息之间的间隔时间信息，根据行驶速度信息与间隔时间信息通过位移算式得到本车的第二位移信息；
12.所述校验模块，获取所述计算模块中的第二实际距离信息、第三实际距离信息、第一位移信息以及第三位移信息，根据所述第二实际距离信息与第三实际距离信息之间的差值作为计算距离差信息，根据所述第一位移信息和第二位移信息之间的差值作为参考距离差信息，根据计算距离差信息与参考距离差信息通过比较算式进行比较，若相同，则本车与前方车辆之间的车距为第二实际距离信息或第三实际距离信息，若不同，则对本车发出重新计算命令。
13.进一步的，所述判断模块未得到虚拟宽度信息时，所述判断模块获取图像处理模块中的第一图像信息，根据第一图像信息通过深度学习yolov3目标检测判断车牌上字母数字信息，若得到，则计算模块获取第一图像信息深度学习yolov3目标检测算式得到车牌字母数字的虚拟高度信息，获取本车记录的车牌字母数字高度信息与车牌宽度信息，根据虚拟高度信息、车牌字母数字高度信息以及车牌宽度信息通过缩比算法得到前方车辆车牌的虚拟宽度信息，根据虚拟宽度信息通过换算算法得到本车与前方车辆的真实距离信息。
14.进一步的，所述缩比算法配置为：
[0015][0016]
其中q
‑‑
虚拟高度信息，r
‑‑
车牌宽度信息，r
‑‑
车牌字母数字高度信息，y
‑‑
虚拟宽
度信息；
[0017]
所述换算算法配置为：
[0018]
d＝s
×
y
[0019]
其中d
‑‑
第一实际距离信息，s
‑‑
尺度系数，y
‑‑
虚拟宽度信息。
[0020]
进一步的，所述计算模块包括计算子模块，所述计算子模块获取所述图像处理模块中的第二图像信息，根据所述第二图像信息得到分道线单元缩比长度作为第一虚拟长度信息，根据所述第二图像信息得到分道线缺失单元缩比长度作为第二虚拟长度信息，获取所述计算模块中的车道线数据信息，根据所述车道线数据信息、第一虚拟长度信息以及第二虚拟长度信息通过比例算法得到第一次单元缺失信息，获取所述图像处理模块中的第四图像信息，根据所述第四图像信息得到分道线单元缩比长度作为第三虚拟长度信息，根据所述第四图像信息得到分道线缺失单元缩比长度作为第四虚拟长度信息，根据所述车道线数据信息、第一虚拟长度信息以及第二虚拟长度信息通过比例算法得到第二次单元缺失信息。
[0021]
进一步的，所述比例算法配置为：
[0022][0023]
其中u
‑‑
第一虚拟长度信息或第三虚拟长度信息，a
‑‑
车道线数据信息，f
‑‑
第二虚拟长度信息或第四虚拟长度信息，f
‑‑
第一次单元缺失信息或第二次单元缺失信息。
[0024]
进一步的，所述车距算法配置为：
[0025]
d1＝na
‑
f
[0026]
d2＝n'a
‑
f'
[0027]
其中d1
‑‑
第二实际距离信息，n
‑‑
第一次计算单元信息,a
‑‑
车道线数据信息,f
‑‑
第一次单元缺失信息；d2
‑‑
第三实际距离信息，n'
‑‑
第二次计数单元信息,f'
‑‑
第二次单元缺失信息。
[0028]
进一步的，所述比较算式配置为：
[0029]
xa＝va
×
t
[0030]
|xb
‑
xa|＝|d2
‑
d1|
[0031]
其中xa
‑‑
第二位移信息，va—行驶速度信息，t
‑‑
间隔时间信息，xb—第一位移信息，d1
‑‑
第二实际距离信息，d2
‑‑
第三实际距离信息。
[0032]
进一步的，所述测距系统还包括修订模块，获取所述校验模块中的重新计算命令，所述修订模块获取图片处理模块中的第三图像信息以及第四图像信息，根据第三图像信息和第四图像信息分别通过三维建模得到第一模型与第二模型，所述第一模型与第二模型均反映本车与两侧车道线的位置信息，根据第一模型得到第一分道线实际长度信息或第二分道线实际长度信息，根据第二模型得到第一断线间隔实际长度信息或第二断线间隔实际长度信息。
[0033]
与现有技术相比，本发明的有益效果：通过对前方车牌进行判断，若判得到车牌的四条边界清晰，则可根据深度学习得到车牌的宽度，无论前车与本车是否在同一直线上，车牌的横边会发生变形，但车牌的竖边即虚拟宽度信息是不变的，因此本车可以将得到的虚拟宽度信息计算得到实际车距，这样计算得到的实际车距相对精准，计算的时间快，且不会
受到天气以及其他因素的影响；其次若未判得到车牌的四条边界，则通过另一种计算方式计算，通过指定时间内计算前车与本车的位移值，在通过摄像得到两个时间点的两车之间分道线信息计算两车距离，根据两车的位移值与两个时间点的两车距离进行比较，判断通过分道线计算两车距离是否准确，通过校准的方式能够使得分道线计算出的车距更为可靠，且通过该种计算方式不受天气和其他因素的影响，相对于现有的测距技术更为精准。
附图说明
[0034]
图1是本发明的控制图；
[0035]
图2是本发明中两车平齐分道线后的第一种状态图；
[0036]
图3是本发明中两车平齐分道线后的第二种状态图；
[0037]
图4是本发明中两车平齐分道线后的第三种状态图；
[0038]
图5是本发明中两车平齐分道线后的第四种状态图；
[0039]
附图标记：1、图像处理模块；2、判断模块；3、分析模块；4、计算模块；5、校验模块。
具体实施方式
[0040]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0041]
需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0042]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0043]
以下结合附图对本发明实施例做进一步详述：
[0044]
由于目前已有的测距技术有毫米波雷达测距，激光测距以及超声波测距，其中，毫米波雷达测距的缺点是精度受天气的影响，损耗大而且造价昂贵，激光测距的缺点是造假昂贵，容易受到声音干扰，超声波测距的缺点是探测距离短，有盲区且精度不高，因此本发明设计这种智能车辆的测距系统，具体如图1
‑
2所示，包括多个鱼眼摄像头，多个鱼眼摄像头分别设置在智能车辆的车头以及两侧反光镜上(车头处的鱼眼摄像头能够180
°
拍摄前方图像，即拍摄后的图片能够将本车两侧的车道线均包含在内，且对于前车的图像也能拍摄，反光镜上的鱼眼摄像头朝向同侧的车道线一方，且该鱼眼摄像头的横向拍摄距离与反光镜至车头的距离相同，即如图2
‑
5所示，图中的c为横向拍摄距离)；
[0045]
测距系统还包括若干车道线数据信息，不同的车道线数据信息对应不同的场景道路与同侧车道之间的分道线尺寸，不同的场景道路与分道线尺寸之间一一对应(本发明中
适用场景有高速公路、一级公路和城市快速路，国家标准的高速公路、一级公路和城市快速路中每条分道线尺寸均是相同的，而该处的分道线为同侧车道之间的分隔线，且为实线，即两虚线之间的间距为断线间隔)；
[0046]
测距系统还包括图像处理模块1、判断模块2、分析模块3、计算模块4以及校验模块5；
[0047]
图像处理模块1，获取车头处鱼眼摄像头拍摄前方车辆车尾与指定分道线任意一端平齐时的图像作为第一图像信息(首先需要对前车的位置进行确定，而前车的车尾与分道线任意一端平齐时作为起始参考位置对后续计算最为合适，且鱼眼摄像头拍摄的照片本车自身就能够对照片进行分析，通过照片判断前车的车尾是否与分道线的任意一端平齐)，获取任意一侧反光镜上鱼眼摄像头拍摄的本车一侧图像作为第二图像信息，根据第一图像信息和第二图像信息索引得到对应的车道线数据信息(根据拍摄的图像以及道路上各个场景单元判断本车此时行驶的道路，索引到正确的道路后确定道路的分道线信息)；获取车头处鱼眼摄像头拍摄的前方车辆行驶至车尾与指定分道线前方的分道线任意一端平齐时的图像作为第三图像信息(该处指定的分道线为前车前方的任意一条，比如选取拍摄第一图像信息时的分道线向前预瞄2个分道线，当前方车辆向前行驶至车尾与预瞄到的分道线平齐时，本车的鱼眼摄像头将此画面拍摄下作为第三图像信息)，第一图像信息和第三图像信息均反映前方车辆车尾的车牌图像、前方车辆两侧车道线图像以及前方车辆车尾与车道线图像，获取任意一侧反光镜上鱼眼摄像头拍摄的前方车辆行驶至车尾与分道线前方任意一端平齐时本车一侧图像作为第四图像信息(在拍摄第三图像的同事，本车也是在向前行驶的，此时本车会通过反光镜上的鱼眼摄像头将本车与一侧的分道线位置进行截取拍摄)，第二图像信息和第四图像信息均反映本车一侧的车道线图像；
[0048]
判断模块2，获取图像处理模块1中的第一图像信息，根据深度学习yolov3目标检测判断第一图像信息是否得到前方车辆车牌的虚拟宽度信息，若得到，则向本车发出a策略命令，若未得到，则向本车发出b策略命令；
[0049]
分析模块3，获取判断模块2中的b策略命令时，获取图像处理模块1中的第一图像信息，根据第一图像信息分析得到本车任意一侧的分道线单元数量作为第一次计数单元信息，获取图像处理模块1中的第二图像信息，根据第二图像信息分析得到本车任意一侧的分道线缺失长度作为第一次单元缺失信息，第一次单元缺失信息反映第二图像信息中本车车头与任意一侧分道线平齐后第一图像信息中缺失部分的分道线单元，获取图像处理模块1中的第三图像信息，根据第三图像信息分析得到本车任意一侧的分道线单元数量作为第二次计数单元信息，获取图像处理模块1中的第四图像信息，根据第四图像信息分析得到本车任意一侧的分道线缺失长度作为第二次单元缺失信息，第二次单元缺失信息反映第四图像信息中本车车头与任意一侧分道线平齐后第三图像信息中缺失部分的分道线单元(如图2
‑
5所示，由于在拍摄第一图像信息时，本车的位置有两种情况，一种是本车车头与分道线任意一点平齐，另一种是本车车头与两分道线之间的断线间隔任意一点平齐，则判断模块2需要通过对第二图像进行判断，且两种情况计算的车距方式也不同，在拍摄第三图像信息时，本车的位置也为两种，与之前两种情况相同，因此判断模块2需要通过对第四图像信息进行判断)；
[0050]
计算模块4，当获取到判断模块2中的a策略命令时，获取图像处理模块1中的第一
图像信息，根据第一图像信息通过深度学习yolov3目标检测算式得到前方车辆车牌的虚拟宽度信息，根据虚拟宽度信息通过换算算法得到本车与前方车辆的第一实际距离信息(如果前方车辆车尾的车牌没有污渍遮挡严重，且车牌的四条边缘能够分辨出，则拍摄的第一图像信息通过深度学习能够确定车牌的四个顶端像素坐标，然后根据像素对应实际距离的映射表，将像素距离转换为与前车的实际距离；对于每一帧得到的实际距离进行卡尔曼滤波，精确的估算实际距离)；如果前方车辆车尾的车牌污渍遮挡严重，如前方车辆长时间未清洗，泥渍遮挡车牌，则拍摄的第一图像信息无法通过深度学习得到车牌四个顶点的坐标，则无法通过换算算式得到实际距离，因此会获取到判断模块2中的b策略命令，获取分析模块3中的第一次计数单元信息和第一次单元缺失信息，获取图像处理模块1中的车道线数据信息，根据第一次计数单元信息、第一次单元缺失信息以及车道线数据信息通过车距算法得到第二实际距离信息，获取分析模块3中的第二次计数单元信息和第二次单元缺失信息，根据第二次计数单元信息、第二次单元缺失信息以及车道线数据信息通过车距算法得到第三实际距离信息，获取图像处理模块1中的第一图像信息和第三图像信息，根据第一图像信息和第三图像信息得到前方车辆行驶的第一位移信息，获取本车的行驶速度信息以及获取图像处理模块1中拍摄第一图像信息与拍摄第三图像信息之间的间隔时间信息，根据行驶速度信息与间隔时间信息通过位移算式得到本车的第二位移信息；
[0051]
校验模块5，获取计算模块4中的第二实际距离信息、第三实际距离信息、第一位移信息以及第三位移信息，根据第二实际距离信息与第三实际距离信息之间的差值作为计算距离差信息，根据第一位移信息和第二位移信息之间的差值作为参考距离差信息，根据计算距离差信息与参考距离差信息通过比较算式进行比较，若相同，则本车与前方车辆之间的车距为第二实际距离信息或第三实际距离信息(若计算得到的第二实际距离与第三实际距离相同或偏差不大，且第一位移信息与第二位移信息也是相通或偏差不大时，则说明前方车辆与本车的速度相同或相差不大，则辆车实际距离可采用第二实际距离信息或第三实际距离信息，若第二实际距离与第三实际距离不同，第一位移信息与第二位移信息也不同，则说明前车速度大于本车速度，则实际距离在第一图像信息时采用第二实际距离，拍摄第三图像信息时采用第三实际距离，其他时间可以通过计算得到前车的速度，然后根据第二实际距离加上前车与本车的位移差即为两车实际距离)，若不同，则对本车发出重新计算命令；有益的效果为：首先通过对前方车牌进行判断，若判得到车牌的四条边界清晰，则可根据深度学习得到车牌的宽度，无论前车与本车是否在同一直线上，车牌的横边会发生变形，但车牌的竖边即虚拟宽度信息是不变的，因此本车可以将得到的虚拟宽度信息计算得到实际车距，这样计算得到的实际车距相对精准，计算的时间快，且不会受到天气以及其他因素的影响；其次若未判得到车牌的四条边界，则通过另一种计算方式计算，通过指定时间内计算前车与本车的位移值，在通过摄像得到两个时间点的两车之间分道线信息计算两车距离，根据两车的位移值与两个时间点的两车距离进行比较，判断通过分道线计算两车距离是否准确，通过校准的方式能够使得分道线计算出的车距更为可靠，且通过该种计算方式不受天气和其他因素的影响，相对于现有的测距技术更为精准。
[0052]
判断模块2未得到虚拟宽度信息时，判断模块2获取图像处理模块1中的第一图像信息，根据第一图像信息通过深度学习yolov3目标检测判断车牌上字母数字信息，若得到，则计算模块4获取第一图像信息深度学习yolov3目标检测算式得到车牌字母数字的虚拟高
度信息，获取本车记录的车牌字母数字高度信息与车牌宽度信息，根据虚拟高度信息、车牌字母数字高度信息以及车牌宽度信息通过缩比算法得到前方车辆车牌的虚拟宽度信息，根据虚拟宽度信息通过换算算法得到本车与前方车辆的真实距离信息；有益的效果：由于判断模块2未判断得到车牌的四边届，但车牌上的某一个数字或字母能够清晰判断时，可以根据深度学习将车牌上那个字母或数字进行定位，得到字母或数字的高度，然后根据实际车牌上的字母或数字与实际车牌的宽度比值关系可以得到虚拟的车牌宽度，再通过换算算式可以得到实际车距，这样能够使得该系统应用在特殊情况，适用范围更大，在前车车牌未能分辨边界时也能更快的计算出实际车距。
[0053]
缩比算法配置为：
[0054][0055]
其中q
‑‑
虚拟高度信息，r
‑‑
车牌宽度信息，r
‑‑
车牌字母数字高度信息，y
‑‑
虚拟宽度信息；
[0056]
换算算法配置为：
[0057]
d＝s
×
y
[0058]
其中d
‑‑
第一实际距离信息，s
‑‑
尺度系数，y
‑‑
虚拟宽度信息。
[0059]
计算模块4包括计算子模块，计算子模块获取图像处理模块1中的第二图像信息，根据第二图像信息得到分道线单元缩比长度作为第一虚拟长度信息，根据第二图像信息得到分道线缺失单元缩比长度作为第二虚拟长度信息，获取计算模块4中的车道线数据信息，根据车道线数据信息、第一虚拟长度信息以及第二虚拟长度信息通过比例算法得到第一次单元缺失信息，获取图像处理模块1中的第四图像信息，根据第四图像信息得到分道线单元缩比长度作为第三虚拟长度信息，根据第四图像信息得到分道线缺失单元缩比长度作为第四虚拟长度信息，根据车道线数据信息、第一虚拟长度信息以及第二虚拟长度信息通过比例算法得到第二次单元缺失信息(该过程为具体计算第一次单元缺失信息和第二次单元缺失信息的方式，通过反光镜上鱼眼摄像头拍摄的图像中对完整的分道线单元进行实际与虚拟的比，然后通过比值得到车头处上的鱼眼摄像头拍摄的缺失部分长度)。
[0060]
比例算法配置为：
[0061][0062]
其中u
‑‑
第一虚拟长度信息或第三虚拟长度信息，a
‑‑
车道线数据信息，f
‑‑
第二虚拟长度信息或第四虚拟长度信息，f
‑‑
第一次单元缺失信息或第二次单元缺失信息。
[0063]
车距算法配置为：
[0064]
d1＝na
‑
f
[0065]
d2＝n'a
‑
f'
[0066]
其中d1
‑‑
第二实际距离信息，n
‑‑
第一次计算单元信息,a
‑‑
车道线数据信息,f
‑‑
第一次单元缺失信息；d2
‑‑
第三实际距离信息，n'
‑‑
第二次计数单元信息,f'
‑‑
第二次单元缺失信息。
[0067]
比较算式配置为：
[0068]
xa＝va
×
t
[0069]
|xb
‑
xa|＝|d2
‑
d1|
[0070]
其中xa
‑‑
第二位移信息，va—行驶速度信息，t
‑‑
间隔时间信息，xb—第一位移信息，d1
‑‑
第二实际距离信息，d2
‑‑
第三实际距离信息。
[0071]
测距系统还包括修订模块，获取校验模块5中的重新计算命令，修订模块获取图片处理模块中的第三图像信息以及第四图像信息，根据第三图像信息和第四图像信息分别通过三维建模得到第一模型与第二模型，第一模型与第二模型均反映本车与两侧车道线的位置信息，根据第一模型得到第一分道线实际长度信息或第二分道线实际长度信息，根据第二模型得到第一断线间隔实际长度信息或第二断线间隔实际长度信息；有益的效果：当比较不同时，说明其中的某一个环节计算错误或有误，而本系统的计算环节中差错最大的还是对本车车头平齐后第一次单元缺失信息和第二次单元缺失信息的计算，因为通过图像分析计算的方式会存在误差，因此通过三维建模的方式建立模型，通过模型对其进行测量，该种方式更为精准。
[0072]
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种智能车辆的测距系统，其特征在于：包括多个鱼眼摄像头，多个所述鱼眼摄像头分别设置在智能车辆的车头以及两侧反光镜上；所述测距系统还包括若干车道线数据信息，不同的所述车道线数据信息对应不同的场景道路与同侧车道之间的分道线尺寸，不同的所述场景道路与分道线尺寸之间一一对应；所述测距系统还包括图像处理模块(1)、判断模块(2)、分析模块(3)、计算模块(4)以及校验模块(5)；；所述图像处理模块(1)，获取车头处鱼眼摄像头拍摄前方车辆车尾与指定分道线任意一端平齐时的图像作为第一图像信息，获取任意一侧反光镜上鱼眼摄像头拍摄的本车一侧图像作为第二图像信息，根据第一图像信息和第二图像信息索引得到对应的车道线数据信息；获取车头处鱼眼摄像头拍摄的前方车辆行驶至车尾与指定分道线前方的分道线任意一端平齐时的图像作为第三图像信息，所述第一图像信息和第三图像信息均反映前方车辆车尾的车牌图像、前方车辆两侧车道线图像以及前方车辆车尾与车道线图像，获取任意一侧反光镜上鱼眼摄像头拍摄的前方车辆行驶至车尾与分道线前方任意一端平齐时本车一侧图像作为第四图像信息，所述第二图像信息和第四图像信息均反映本车一侧的车道线图像；所述判断模块(2)，获取所述图像处理模块(1)中的第一图像信息，根据深度学习yolov3目标检测判断第一图像信息是否得到前方车辆车牌的虚拟宽度信息，若得到，则向本车发出a策略命令，若未得到，则向本车发出b策略命令；所述分析模块(3)，获取所述判断模块(2)中的b策略命令时，获取所述图像处理模块(1)中的第一图像信息，根据所述第一图像信息分析得到本车任意一侧的分道线单元数量作为第一次计数单元信息，获取所述图像处理模块(1)中的第二图像信息，根据所述第二图像信息分析得到本车任意一侧的分道线缺失长度作为第一次单元缺失信息，所述第一次单元缺失信息反映第二图像信息中本车车头与任意一侧分道线平齐后第一图像信息中缺失部分的分道线单元，获取所述图像处理模块(1)中的第三图像信息，根据所述第三图像信息分析得到本车任意一侧的分道线单元数量作为第二次计数单元信息，获取所述图像处理模块(1)中的第四图像信息，根据所述第四图像信息分析得到本车任意一侧的分道线缺失长度作为第二次单元缺失信息，所述第二次单元缺失信息反映第四图像信息中本车车头与任意一侧分道线平齐后第三图像信息中缺失部分的分道线单元；所述计算模块(4)，当获取到所述判断模块(2)中的a策略命令时，获取图像处理模块(1)中的第一图像信息，根据第一图像信息通过深度学习yolov3目标检测算式得到前方车辆车牌的虚拟宽度信息，根据虚拟宽度信息通过换算算法得到本车与前方车辆的第一实际距离信息；当获取到所述判断模块(2)中的b策略命令时，获取所述分析模块(3)中的第一次计数单元信息和第一次单元缺失信息，获取所述图像处理模块(1)中的车道线数据信息，根据所述第一次计数单元信息、所述第一次单元缺失信息以及所述车道线数据信息通过车距算法得到第二实际距离信息，获取所述分析模块(3)中的第二次计数单元信息和第二次单元缺失信息，根据所述第二次计数单元信息、所述第二次单元缺失信息以及所述车道线数据信息通过车距算法得到第三实际距离信息，获取所述图像处理模块(1)中的第一图像信息和第三图像信息，根据所述第一图像信息和第三图像信息得到前方车辆行驶的第一位移信息，获取本车的行驶速度信息以及获取图像处理模块(1)中拍摄第一图像信息与拍摄第
三图像信息之间的间隔时间信息，根据行驶速度信息与间隔时间信息通过位移算式得到本车的第二位移信息；所述校验模块(5)，获取所述计算模块(4)中的第二实际距离信息、第三实际距离信息、第一位移信息以及第三位移信息，根据所述第二实际距离信息与第三实际距离信息之间的差值作为计算距离差信息，根据所述第一位移信息和第二位移信息之间的差值作为参考距离差信息，根据计算距离差信息与参考距离差信息通过比较算式进行比较，若相同，则本车与前方车辆之间的车距为第二实际距离信息或第三实际距离信息，若不同，则对本车发出重新计算命令。2.根据权利要求1所述一种智能车辆的测距系统，其特征在于：所述判断模块(2)未得到虚拟宽度信息时，所述判断模块(2)获取图像处理模块(1)中的第一图像信息，根据第一图像信息通过深度学习yolov3目标检测判断车牌上字母数字信息，若得到，则计算模块(4)获取第一图像信息深度学习yolov3目标检测算式得到车牌字母数字的虚拟高度信息，获取本车记录的车牌字母数字高度信息与车牌宽度信息，根据虚拟高度信息、车牌字母数字高度信息以及车牌宽度信息通过缩比算法得到前方车辆车牌的虚拟宽度信息，根据虚拟宽度信息通过换算算法得到本车与前方车辆的真实距离信息。3.根据权利要求2所述一种智能车辆的测距系统，其特征在于：所述缩比算法配置为：其中q
‑‑
虚拟高度信息，r
‑‑
车牌宽度信息，r
‑‑
车牌字母数字高度信息，y
‑‑ꢀ
虚拟宽度信息；所述换算算法配置为：d＝s
×
y其中d
‑‑
第一实际距离信息，s
‑‑
尺度系数，y
‑‑
虚拟宽度信息。4.根据权利要求1所述一种智能车辆的测距系统，其特征在于：所述计算模块(4)包括计算子模块，所述计算子模块获取所述图像处理模块(1)中的第二图像信息，根据所述第二图像信息得到分道线单元缩比长度作为第一虚拟长度信息，根据所述第二图像信息得到分道线缺失单元缩比长度作为第二虚拟长度信息，获取所述计算模块(4)中的车道线数据信息，根据所述车道线数据信息、第一虚拟长度信息以及第二虚拟长度信息通过比例算法得到第一次单元缺失信息，获取所述图像处理模块(1)中的第四图像信息，根据所述第四图像信息得到分道线单元缩比长度作为第三虚拟长度信息，根据所述第四图像信息得到分道线缺失单元缩比长度作为第四虚拟长度信息，根据所述车道线数据信息、第一虚拟长度信息以及第二虚拟长度信息通过比例算法得到第二次单元缺失信息。5.根据权利要求1所述一种智能车辆的测距系统，其特征在于：所述比例算法配置为：其中u
‑‑
第一虚拟长度信息或第三虚拟长度信息，a
‑‑
车道线数据信息，f
‑‑
第二虚拟长度信息或第四虚拟长度信息，f
‑‑
第一次单元缺失信息或第二次单元缺失信息。6.根据权利要求1所述一种智能车辆的测距系统，其特征在于：所述车距算法配置为：
d1＝na
‑
fd2＝n'a
‑
f'其中d1
‑‑
第二实际距离信息，n
‑‑
第一次计算单元信息,a
‑‑
车道线数据信息,f
‑‑
第一次单元缺失信息；d2
‑‑
第三实际距离信息，n'
‑‑
第二次计数单元信息,f'
‑‑
第二次单元缺失信息。7.根据权利要求1所述一种智能车辆的测距系统，其特征在于：所述比较算式配置为：xa＝va
×
t|xb
‑
xa|＝|d2
‑
d1|其中xa
‑‑
第二位移信息，va—行驶速度信息，t
‑‑
间隔时间信息，xb—第一位移信息，d1
‑‑
第二实际距离信息，d2
‑‑
第三实际距离信息。8.根据权利要求1所述一种智能车辆的测距系统，其特征在于：所述测距系统还包括修订模块，获取所述校验模块(5)中的重新计算命令，所述修订模块获取图片处理模块中的第三图像信息以及第四图像信息，根据第三图像信息和第四图像信息分别通过三维建模得到第一模型与第二模型，所述第一模型与第二模型均反映本车与两侧车道线的位置信息，根据第一模型得到第一分道线实际长度信息或第二分道线实际长度信息，根据第二模型得到第一断线间隔实际长度信息或第二断线间隔实际长度信息。
技术总结
本发明创新提供了一种智能车辆的测距系统，包括多个鱼眼摄像头，测距系统还包括若干车道线数据信息、图像处理模块、判断模块、分析模块、计算模块以及校验模块；图像处理模块获取第一图像信息、第二图像信息、第三图像信息以及第四图像信息，判断模块向本车发出A策略命令或B策略命令，分析模块得到第一次计数单元信息、第一次单元缺失信息、第二次计数单元信息以及第二次单元缺失信息，计算模块得到第一实际距离信息、第二实际距离信息、第三实际距离信息、第一位移信息以及第二位移信息；校验模块根据计算距离差信息与参考距离差信息通过比较算式进行比较；本发明的其优点在于能够精准测得两车之间间距以及对测得的距离进行校验。行校验。行校验。


技术研发人员：黄悦 田锋 景永年
受保护的技术使用者：英博超算(南京）科技有限公司
技术研发日：2021.03.25
技术公布日：2021/6/29