專利名稱:探測車輛盲點區(qū)域內運動物體的方法及盲點探測裝置的制作方法
技術領域:
本發(fā)明涉及一種探測位于車輛盲點區(qū)域內運動物體的方法、 一種盲點探測
裝置以及一種計^t;n呈序產品。
背景技術:
對于車輛,眾所周知即使有后視鏡,也不能容易地觀察到位于 駕駛員 背后的某個區(qū)域,也就是盲點區(qū)域。在車輛變換車道的情況下,當位于盲點區(qū) 域中的運動物體,例如試圖在附近車道上通過的另一輛車輛,未被車輛駕駛員 觀察到時,危險狀況可育^發(fā)生。
因此,汽車制造商普mt也研究安全應用程序以便向車輛弓跑盲點信息系統(tǒng)。 這些盲點信息系統(tǒng)通常是基于諸如雷達、聲速和激光雷達(激光掃描儀)之類 主動式傳感器。通常使用紅外線的或立體攝像機,因為它們提供與深度相關的 信息。錄像也被考慮,但主要用于前視應用程序。
發(fā)明內容
本發(fā)明的目的是提供一種探測位于車輛盲點區(qū)域內運動物體的改進方法和 裝置。
分別ilil根據權利要求1 , 17和21的方法、盲點探測裝置和計算機,旨產
品可,u這個目的。
進一步的實施例由/AM權利要求限定出。
本發(fā)明更多的細節(jié)參考附圖和確定的說明將變得明顯。
圖1所示為本發(fā)明實施例的主要步驟;
圖2所示為根據包括錯誤警報探測和將圖像分割區(qū)域的本發(fā)明的更進一步 的實施例的步驟;
圖3所示為根據本發(fā)明一個實施例的盲點探測裝置;
圖4所示為具有錯誤警報探測單元的盲點探測裝置的另一個實施例;
圖5所示為具有分割區(qū)域單元的盲點探測裝置的,一步的實施例;圖6所示為裝備有根據本發(fā)明更進一步的實施例的盲點探測裝置的車輛的頂視圖;圖7所示為根據本發(fā)明另一個實施例的更詳細步驟;圖8所示為圖示錯誤警報的示例圖;圖9所示為錯誤警報探測單元的實施例的框圖;圖io所示為分割區(qū)域單元的實施例的框亂圖11所示為本發(fā)明更進一步的實施例的頂視圖,圖示了區(qū)域分割; 圖12所示為示意圖以在本發(fā)明更進一步的實施例中圖示區(qū)域分割; 圖13示意性ite出了根據本發(fā)明更進一步的實施例的不同區(qū)域中的不同比 例化過程;圖14所示為本發(fā)明另一個實施例的詳細框圖。
具體實施方式
以下描述本發(fā)明的實施例。值得注意的是以下所有描述的實施例可以以任何方式組合。也就是,并不限制某些描3^i的實施例可能不與其他實施例組合。圖1中,在步驟S100中,例如通過安裝在 上的攝像機拍攝序列圖像, 以便拍攝到位于車輛附近的盲點區(qū)域的所述序列圖像。所述圖像可以稱之為 "幀"或"半幀"。在步驟S102中,所述序列圖像被分割成圖塊,如各具有8X8像素的圖塊或 各具有16X 16像素的圖塊,但是不同的圖±央尺寸或圖塊形狀均在本發(fā)明的范圍 內。在步驟S104中,在連續(xù)的所述序列圖像之間運動的運動圖i央被識別。這可 以通過估算來自圖塊的像素值與所述序列中的序列圖像的相應圖塊比較的絕對 誤差的總和或估算其他已知的誤差量度標準比如互相關或平均平方誤差來實 現。在步驟si06中,運動的距離和方向是例如mt比較連續(xù)的圖像中運動圖塊的位置決定的。在步驟S108中,圖像中相鄰的圖i央分組在一起,以便確定其在預定方向間 隔內的方向和預定距離間隔內的距離。預定方向間隔和預定距離間隔被用來探 測在基本相同的方向經過基本相同的距離內的運動。預定間隔可以是固定的或, 也可以是例如根據所跪動圖塊的實際方向或距離調節(jié)的。這種運動可以通過計算在連續(xù)圖像的圖塊之間的運動向量和比I^M^動向量來確定。這些分組的相鄰圖±央被認為是在 所述盲點區(qū)域內的運動物體。在該說明書中也使用"分割"、"分段"或"聚類"替代"分組"用語。在一個實施例中,至少一W昔誤警報在所述運動物體之中被確定,并且警報僅當所述運動物體中的至少一個不是錯誤警報的時候才發(fā)生。否則這些錯誤警報可育誠舌L不再相信盲點探測裝置的車輛駕駛員或可能導致事故和受傷。在MiS—步的實施例中,所述運動物體的物體尺寸被確定并且與預定尺寸比較。如果所述物體尺寸小于預定尺寸時產生錯誤警報。運動如果僅有這種小物 體位于車輛的盲點區(qū)域中,小物體是不會被認為是運動車輛的危險的,以致于沒有警報產生。預定尺寸之下的小物體也許是沒有車輛。在,一步的實施例中,所述圖像內的消失點被確定,所述預定尺寸取決于 所述運動物體離所述消失點的距離。圖像內的消失點通常被作為透視圖內平行 線會聚的一點。而且在成像過程中,這一點可以被確定。在圖像消失點附近的 物體比更,車輛的物體在圖象中具有更小的尺寸。M消失點的物體更小,因此成像不同。在,一步的實施例中,圖像內的消失點被識別,確定運動物體的物體尺寸 和確定運動物體離消失點的垂直距離。在車輛盲點區(qū)域內消失點之上又小又高 的物體通常沒有危險,因為這,體不在車道附近而是在空中某處。在更進一步的實施例中,計算、估算至少一個所述運動物體的直方圖和/或 纖型統(tǒng)計方法,并且基于所述估算步驟產生錯誤警報。這種直方圖和/或 型統(tǒng)計方法可能包括方差、四分位數間距(IQR)、平均值、中間數、能量、邊 緣能、均勻性、光順性、第三勢差和/或熵。這些統(tǒng)計方法可從描述圖像得知, 并且可以用來將運動物體分類。例如,路標通常在直方圖中顯示兩個峰值,一 個在低亮度值而另一個在高亮度值。路標不會被認為是車輛的威脅,導致產生 相應的錯誤警報。在魏一步的實施例中,估算所述運動物體的軌跡并基于所述估算步驟產生 錯誤警報。通常噪聲僅在短時間情況下出現,并且這種噪聲沒有軌跡。如果最 后幀的軌跡點的數量已經被探測為運動物體并且這些幀的平均運動是正的,可 以僅考慮運動物體的探測。在魏一步的實施例中,確定運動物體的尺寸,如果所述尺寸大于預定尺寸,貝U計算所述運動物體在區(qū)域表面和凸包之間的差值。如果所述差值在預定差值 之上,重新定義運動物體。如果運動物體的區(qū)域太大并具有太多凹入部分,就 必須做進一步考慮,例如,可以劃分為多個運動物體。根據魏一步的實施例,所游歹啲所述圖像被分割為至少兩個區(qū)域。通常在消失點附近有很小且具有低^ii動的物體,而在另一方面,在圖像前部或更誕的位置剤艮大且具有高速的運動物體。因此圖像的不同范圍具有不同特性。 通過將圖像分割為至少兩個區(qū)域而對每個區(qū)域進行適當地處理。分割位置分別 依賴于攝像機安裝角度或消失點。例如,當圖像被分割成兩個區(qū)域時,該位置 可在圖像寬度的中間與三分之一處之間的某個位置。這些區(qū)域可以稍微重疊, 以避免邊界問題和獲得在區(qū)域之間更少的急劇變化。如圖2所描述的,在步驟S200中圖像被分割成區(qū)域,在步驟S202中圖塊 在區(qū)域內分組并在步驟S204中根據不同的區(qū)域調節(jié)錯誤警報探測。在該實施例 中,運動的估算和使用的算法可更好i腿應于區(qū)域內不同特性。運動估算的搜 索范圍可以適應于該區(qū)域以及匹配的圖i央尺寸。例如,具有消失點的區(qū)域內的 搜索范圍和匹配圖塊尺寸比沒有消失點的區(qū)域內更低。在Mit—步的實施例中,因為觀察點是變化的,在所有區(qū)域內分類的訓練數 據是不同的。具有消失點的區(qū)域內的障礙物可從前面觀察,而右邊區(qū)域,艮P, 沒有消失點的區(qū)域的障礙物可從側面觀察。根據更進一步的實施例,不同區(qū)域可以修剪或重新采樣為不同的分辨率,因 此,在降低比例的情況下,即,f頓樹氐的像素,可減少計算時間;并且在升 高比例盼斷兄下,艮P,計算像素值之間額外的像素值,允許亞像素精度。圖3描繪盲點探測裝置300的實施例,其包括攝像機302, M器304和指 示器306。攝像機302隨為拍攝盲點區(qū)域的圖像序列。單目攝像機可作為攝像 機302用于提出的方法和系統(tǒng)。處理器304配置為將每個所述序列的所述圖像分害喊為圖i央,以便識別在所 列的連續(xù)圖像之間的進行運動的運動圖±央,從而確定所述運動圖塊的所述 運動的方向和距離,并分組相鄰的運動圖塊,以便確定其在預定方向間隔內的 方向和預定距離間隔內的距離并確定所,動物體。如果在所述盲點區(qū)域內的運動物體被探測,指示器306配置為指示危險瞎 況。該指示器可以是警報聲^信號,例如,發(fā)光二極管(LED),其閃爍或連續(xù)發(fā)光。盲點探測裝置可以包括基于雷達、激光雷達,GPS (全球定位系統(tǒng))^聲波的有源傳感器308(圖3中示意地)以使用所述有源傳自識別盲點探測裝置。 圖4所示為盲點探測裝置300更進一步的實施例,其中錯誤警報探測單元 400附加地與M器304和指示器306連接。錯誤警報探測單元配置為在所述運 動物體中識別錯誤警報,指示器306進一步配置為如果至少一個所述運動物體 不是錯誤警報時產生警報。圖5所示為盲點探測^g更進一步的實施例,其還包括與攝像機302和處理 器304連接的分割區(qū)域單元500。該分割區(qū)域單元500配置為將所,列圖像分 割成至少兩個區(qū)域。圖6所示為車輛602的盲點區(qū)域600的頂視圖,該車輛行駛在與左車道604 以及右車道606 —起的三車道路面的中間車道603上。左攝像機610安裝拉 后視鏡612上,右攝像機613安裝在右后卑見鏡614上。左攝像機610具有左視 角620,右攝像機613具有右視角622。第一$^ 630和在所述第一車輛630后 的第二車輛632行駛在左車道604。在右車道606上,第三車輛640接近盲點區(qū) 600。還示出了 "可探測區(qū)域"640。盲點區(qū)600和可探測區(qū)域640為左視角620 和右視角640的部分。當車輛,如第一車輛630,進入盲點區(qū)域600內時,不管 它速度如何都被視為一種威脅。 一旦車輛,如第三車輛634,進入可探測區(qū)域 640,其可il31盲點探測裝置探測。第三車輛634如果其速度太高也會被視為一 種劍辦。在可探測區(qū)域640之外的車輛,如第二車輛632,不會被歸為一種威脅,但 是也可以被跟蹤。盲點探測裝置使用安裝在本車602上的單個攝像機傳感:K測處于盲點區(qū) 域600中的車輛630, 632, 634。拉側和右側的盲點區(qū)域600操作相似。如果 ^如第一車輛630在盲點區(qū)域600內或其他,如第二, 634以高速將要 進入盲點區(qū)域600,如果駕駛員試圖變換車道,ffiil光信號(例如發(fā)光二極管 LED)或聲信號向本車602的駕駛員發(fā)出警報。圖7中的框圖所示為所提出的方法的處理步驟。攝像機610, 612拍攝序列 圖像,其隨后在步驟S702中預鵬,例如ffiil濾波。在步驟S704中執(zhí)行基于 圖塊運動的估算,其為步驟S706的后處理。在相同方向上或具有相同運動矢量的圖±央在步驟S708中分割或分組成運動物體。在步驟S710中探測在運動物體 中的錯誤警報。然后,箱式擬合(boxfitting)步驟S712的方i央執(zhí)行為適合的車 輛的抽象模型以便為在步驟S714執(zhí)行的角獻距離/皿估算查找與路面的接觸 點。然后,在步驟S716識別綳辦或危險并發(fā)出相應的警報例如給出聲信號。角 獻距離/速度估算步驟S714幫助在不危險的距離內識別物體。圖8所示為具有分組的圖塊的圖像。具有相同運動矢量的相鄰的圖塊使用相 同的數字標記(1, 2, 3)。不同區(qū)域各標記相應的數字。在該分組或分割步驟 后,不知該區(qū)域是對于車輛802成功的探測,還,于具有路標804的支柱840 或人行橫道標記806的錯誤警報。圖9所示為錯誤警報排除原理的框圖。在包括正確或錯誤的分割的區(qū)域原始 分割后,,基于區(qū)域尺寸和位置執(zhí)行可能的檢測900,其中閾值取決于到消失點 的距離。基于結構測量或基于直方圖特征的特征提取902和相應的分類904被 用來探測錯誤警報,以僅獲得作為運動物體的正確的分割區(qū)域,所述錯誤警報 隨后被排除?;诰植繄D塊的運動估算被用作運動物體的探測。探測至啲運動物體被分割 成描畫物體的區(qū)域。由連接的圖塊組成的每個鄰近的區(qū)域用不同的數字標記, 其中,如果區(qū)域與4個(或8個)直接鄰近的圖塊中的至少一個接觸,則將圖 塊與區(qū)域連起來。然后,穿過所有區(qū)域的回路被用來單獨地考慮^鄰近的區(qū) 域。然后決定這些區(qū)域中的哪個是錯誤警報。該決定是基于不同的可行性因素 的。具有少于某個閾值的圖塊的標記區(qū)域被排除。該閾值取決于到消失點的距 離,該消失點處,汽車或車輛通常在自身障礙物之后沒有被覆蓋。由于如客車 或貨車的車輛具有最小的尺寸,在消失點上(背獻天空)又小又高的探測區(qū)域 也被排除。在矢量場的后處理中,昂貴的濾波ffiil這種方法可被減少。itl^卜,對于這些區(qū)域計算直方圖和基于邊緣的統(tǒng)計紋理測度?;谶@些觀岐, 決定是否排除該區(qū)域皿一步考慮它。分類器被用于做決定。例如,皿方圖 中路標通常表示為兩個峰值, 一個以高亮度值,另一個以低亮度值。也可以使 用Haar變換(通常用于人臉識別)或其他特征如方差、四分位數間距(IQR)、 平均值、中間數、育g量、邊緣能量以及在所有直方圖中的方差或平均值被用到。此外,還用到了統(tǒng)計紋理測度的一致性、光順性、第三勢差和熵。光譜紋理特征可被用來探測周期并且FFT (快速傅里葉變換)不需要通過使用相位修正 運動估算來再次不被計算。^m方圖的統(tǒng)計動差可以被用來描述圖像紋理。如果z表示在范圍[O, L~l] 內f^度的離散隨機M,以及如果p(Zi), i=0, 1 L4是標準iffi方圖,那么可應用以下方程平均值m為<formula>formula see original document page 11</formula>方差O為光順性R為.-<formula>formula see original document page 11</formula>其中R接近0代表具有恒定亮度的區(qū)域(方差接近0), R接近1代表具有 大的亮度變化的區(qū)域(方差值較大) 第三勢差h為并表示直方圖的偏斜。一致性U為 熵E為<formula>formula see original document page 11</formula>大多數其他錯誤警JM過保持其軌跡可以被抑制。通常噪聲僅在短時間內發(fā)生并且沒有軌跡。例如,如果最后幀的許多軌跡點己經被探測為障礙物并且?guī)倪@些數量的平均運動是正的,貝U運動物體不會被認為是錯誤警報。在每秒30 幀(扭)時,例如可觀賦最后三^)貞的兩個軌跡點是否已知。較長的歷程可能 會產生更好的決定但也會導致更低的系統(tǒng)反應時間。如果區(qū)JitUca具有太多凹部,就得作進一步考慮。這很容易被觀懂為區(qū)域運行和凸包表面的不同。運動矢量的直方圖被認為是這個區(qū)域并且調節(jié)閾值。圖10所示為區(qū)域分割原理的框圖。通常序列圖像是相似的。在消失點附近 有低速運動的小汽車。亞像素精度在這里有很大的幫助,因為運動通常在零像素和一像素之間。在另一方面,在圖像右手側有大的快3Iit動的物體。因為所有物體隨著距離變高(在消失點左側)變得越小,所以方差增加。更近汽車的 金屬薄片具有更小的方差因為它們變得更大(#^塊)。另外在圖像左邊的盲點附近有更多的紋理。因此圖像被分割成至少兩個區(qū)域,例如左區(qū)域1202和右區(qū) 域1204,如圖12所示。因此圖像被分害喊兩個區(qū)域(遠區(qū)域和近區(qū)域)。圖11所示為具有些M疊區(qū)域1102和1104的交向攝像機的頂視圖。分割 位置(參見圖12的線1206)分另陬決于攝像機的安裝角度或消失點1210。例 如,可以是在圖像中間寬度和三分之一寬度之間的某個位置。為了避免邊界問 題和獲得較少的急劇變化,區(qū)域可以些M疊。因此,運動估算和所有算法可以更好i腿應兩個區(qū)域的不同特性。例如,運 動估算的搜索范圍可適應于該區(qū)域。搜索區(qū)域和匹配的圖塊尺寸在右區(qū)域1204 中小于在左區(qū)域1202中。由于觀察的變化,用于分類的訓練數據在區(qū)域內是不同的。在左區(qū)域1202 內的作為運動物體的障礙物可從前面觀察,而在右區(qū)域1204內的障礙物可從側 面觀察。如圖13所示,被分割成兩個區(qū)域1302和1304的圖像1300可Mii超抽樣或 亞抽樣像素的數目而進一步處理。因此右區(qū)域1304的結構相當大,執(zhí)行亞抽樣 以M4H十算時間。而在左區(qū)域1302,執(zhí)行升高比例以允許亞像素精度。這些區(qū) 域的結果隨后可以再次合并。單目被動盲點探測裝置是基于運動估算的(基于圖i央的),而傳統(tǒng)方法通常 存在問題。通過提出的方法和體,肯,基于上述標準成功地排除錯誤報警, 并且大范圍搜索和與運動模型相關的問題可使用區(qū)域的分割來操控。因此可改 善系統(tǒng)性能、精度和可信度。除了改善性能,區(qū)域的分割還能減少計算成本(搜 索范圍)。單目攝像機只需要一個攝像機,而立體方法需要一個昂貴的第二攝像機和復 雜的深度估算。提出的裝置和方法是完全被動的,這使得其非常便宜并且與其 他有源傳^l沒有干涉。該系統(tǒng)即可操控單色也可操控彩色圖像。圖14所示為提出的方法的概括圖。攝像機傳繊S1402拍攝的序列圖像隨 后在步驟S1404中預處理,例如滄波步驟。隨后在步驟S1406中執(zhí)行基于圖土央 的運動估算,其中在步驟S1408中j頓向前/向后的運動矢量組合,在下一步驟 S1410中應用中值濾波器。邊界運動矢量在下一步驟S1412中得到抑制,并且 在下一步驟S1414中執(zhí)行笛卡爾坐標到極坐標的變換。在下一步驟S1416中不 可信的運動矢量被抑制且隨后在下一步驟S1418中執(zhí)行具有相似運動矢量的圖 塊的分割或分組。在步驟S1420中物體關閉且在步驟S1422中標記相應的區(qū)域。 在步驟S1424中執(zhí)行在由攝像機S1402拍攝的序列圖像上的特征提取,并且在 下一步驟S1426中借助于訓練數據對特征進行分類。在步驟S1426分類的結果 和在步驟S1422標記區(qū)域的結果結合在一起,所以對于所有標記,執(zhí)行在錯誤 警報排除步驟S1432,并且因此在步驟S1430中考慮區(qū)域$爐。然后為所有標 記執(zhí)行步驟S1430中的箱式擬合和步驟S1432中的距離計算,以便隨后在步驟 S1434中可執(zhí)行正確的決定。
權利要求
1.一種探測車輛盲點區(qū)域內運動物體的方法,包括拍攝所述盲點區(qū)域的序列圖像;將每個所述序列的所述圖像分割成圖塊;識別在連續(xù)的所述序列圖像之間進行運動的運動圖塊;確定所述運動圖塊的所述運動的方向和距離;分組相鄰的運動圖塊,對于這些運動圖塊,其在預定方向間隔內的方向以及在預定距離間隔內的距離已經被確定;和基于所述分組步驟確定所述運動物體。
2. 如權利要求l所述的方法,其特征在于,還包括 確定所述運動物體中的至少一^!昔誤報警;禾口 如果所述運動物體的至少一^昔誤警報不是錯誤警報,產生警報。
3. 如權利要求2所述的方法,其特征在于,包括 確定所述運動物體的物體尺寸; 將所述物體尺寸和預定尺寸進行比較;禾口 如果所述物體尺寸小于預定尺寸,產生所述錯誤警報。
4. 如權利要求3所述的方法,其特征在于,還包括確定所述圖像內的消失點,其中所述預定尺寸取決于所述運動物體離所述 消失點的距離。
5. 如權利要求2所述的方法,其特征在于,還包括識別在所述圖像內的消失點, 確定所述運動物體的物體尺寸; 確定所述運動物體離所述消失點的垂鼓巨離;禾口如果所述物體尺寸在預定尺寸之下和所述垂直距離在預定距離之上,產生 所述錯誤警報。
6. 如權利要求2至5中任一項所述的方法,其特征在于,還包括 計算至少一個所跪動物體的直方圖禾口/或基于纖的統(tǒng)計測度; 估算所述直方圖和M^于邊界的統(tǒng)計觀岐;禾口 基于所述估算步驟產生所述錯誤警報。
7. 如權利要求6所述的方法,其特征在于,所述統(tǒng)計測度是方差、四分位 數間距、平均值、中間數、能量、纖能、 一致性、光順性、第三勢差和/娜。
8. 如權利要求2至7中任一項所述的方法,其特征在于,還包括 估算所述運動物體的軌跡;和 基于所述估算步驟產生所述錯誤警報。
9. 如權利要求2至8中任一項所述的方法,其特征在于,還包括 確定所述運動物體的尺寸;如果所述尺寸大于預定尺寸,計算區(qū)域表面和凸包之間的差值;禾口 如果所述差值在預定差值之上,重新確定所述運動物體。
10. 如權利要求1至9中任一項所述的方法,其特征在于,還包括 將所游列的所述圖像分割成至少兩個區(qū)域。
11. 如權利要求10所述的方法,其特征在于,還包括在分組所述相鄰圖塊的所述步驟中在所述至少兩個區(qū)域內使用不同的標準。
12. 如權利要求ll所述的方法,其特征在于,不同的搜索區(qū)域和/或不同的 匹配圖塊尺寸被用作不同的標準。
13. 如權利要求10至12中任一項所述的方法,其特征在于,還包括{頓不同的訓練 以便在所超少兩個區(qū)域內識別運動物體。
14. 如權利要求10至13中任一項所述的方法,其特征在于,還包括在所述至少兩個區(qū)域內不同地粗化或細化圖像。
15. 如權利要求2至9中任一項所述的方法,其特征在于,還包括 將所游列的所述圖像分割成至少兩個區(qū)域;禾口 頓不同的閾值以便在不同的區(qū)域識別錯誤警報。
16. 如權利要求10至15中任一項所述的方法,其特征在于,還包括 將所游列的所述圖像分害喊兩個區(qū)域。
17. 用于^的盲點^^測裝置,包括 攝像機,配置為拍MM述盲點區(qū)域的序列圖像;處理器,配置為將每個所述序列的所述圖像分害喊圖±央;識別在連續(xù)的所 述序列圖像之間進行運動的運動圖±央;確定所述運動圖塊的所述運動的方向和 距離,對已經確定其在預定方向間隔內的方向和預定距離間隔內的距離的運動圖塊,分組相鄰的運動圖塊,;且還配置為確定所述運動物體;禾口指示器,其隨為在探測到所述盲點內的運動物體盼瞎況下指就險狀況。
18. 如權利要求17所述的盲點探測裝置,其特征在于,還包括 連接到所述處理器和所述指示器的錯誤警報排除單元,所述錯誤警報排除單元配置為識別在所述運動物體中的錯誤警報;其中所述指示器進一步配置為 如果至少一個所,動物^^是錯誤警報,產生警報。
19. 如權利要求17至18中任一項所述的盲點探測體,其特征在于,還包括分割區(qū)域單元,配置為將所述序列的所述圖像分割成至少兩個區(qū)域。
20. 如禾又利要求17至19中任一項所述的盲點探測裝置,其特征在于,還包括有源傳感器,配置為確定至少所,動物體的距離。
21. 計^t幾禾聘產品,包括計算機禾將代碼,當將該代碼駄M器時,可 執(zhí)行如權利要求1至16中任一項所述的方法。
全文摘要
本發(fā)明涉及探測車輛盲點區(qū)域內運動物體的方法及盲點探測裝置。具體地,提供一種探測車輛盲點區(qū)域內運動物體的方法,包括拍攝所述盲點區(qū)域的序列圖像,將每個所述序列的所述圖像分割成圖塊,識別在連續(xù)的所述序列圖像之間進行運動的運動圖塊,確定所述運動圖塊的所述運動的方向和距離;分組相鄰的運動圖塊,對于這些運動圖塊,其在預定方向間隔內的方向以及在預定距離間隔內的距離已經被確定,并且基于所述分組步驟確定所述運動物體。同時還提供一種相應的盲點探測裝置。
文檔編號G06K9/62GK101303735SQ20081012584
公開日2008年11月12日 申請日期2008年4月30日 優(yōu)先權日2007年5月3日
發(fā)明者F·弗里德里克斯, K·齊默曼, M·西迪奎 申請人:索尼德國有限責任公司