CN116142174B - 一种用于斑马线道路场景下的车辆驾驶控制方法及装置 - Google Patents

Abstract

本发明提供了一种用于斑马线道路场景下的车辆驾驶控制方法及装置，通过在车辆行驶过程中，实时监测道路信息，并根据道路信息判断当前车辆前方是否存在斑马线道路；若是，则获取当前车辆与斑马线道路之间的距离，并判断距离是否低于预设距离；若是，则确定当前车辆的其他车道中，处于当前车辆前方的其他车辆，并根据其他车辆，确定其他车道中的每一车道中与斑马线道路最近的目标车辆；获取当前车辆和目标车辆的车辆信息，控制拍照设备拍摄斑马线道路的道路图像，并根据道路图像判断斑马线道路是否存在行人；若是，则更为智能的控制当前车辆减速，直至在斑马线前停止，以避免当行人突然从相邻车辆的前方窜出而引发的交通事故。

Description

一种用于斑马线道路场景下的车辆驾驶控制方法及装置

技术领域

本发明属于车辆的技术领域，具体涉及一种用于斑马线道路场景下的车辆驾驶控制方法及装置。

背景技术

随着社会的发展，人们对汽车智能化的要求也越来越高，越来越多的无人驾驶汽车在特定道路上运行，其中，一般的无人驾驶汽车上都安设有视频摄像头、雷达传感器、激光测距器以及定位装置等等监测设备，通过这些监测设备，可以预防，并避免一些交通事故的发生，但监测设备的测试精度以及反应时间是有限的，如发生突发状况，无人驾驶汽车很难在短时间内进行处理。

需要注意的是，发生在斑马线道路上的交通事故不计其数，其中，许多交通事故的发生不但与汽车的车速有关，还与行人的过马路行为有关，特别是车辆在通过没有交通信号灯的斑马线的时候，若行人突然从相邻车辆的前方窜出，虽然无人驾驶汽车安装有视频摄像头和雷达传感器，但当前车辆的视频摄像头的拍摄视野被相邻车辆遮挡，无法预测到行人突然出现的行为，同时，由于相邻车辆的存在，具有远距离探测的雷达传感器也只能感应到临近的车辆，另外，虽然无人驾驶汽车在雷达传感器感应到行人后会立即采取制动措施，但在具有一定车速的情况下，也无法立即将汽车停下，所以，仍然存在较大的安全隐患，为此，亟需一种用于斑马线道路场景下的车辆驾驶控制方法及系统，以避免上述问题的发生。

发明内容

基于此，本发明实施例当中提供了一种用于斑马线道路场景下的车辆驾驶控制方法及装置，旨在提前对行人可能突然从相邻车辆的前方窜出的情况采取措施，消除安全隐患。

本发明实施例的第一方面提供了一种用于斑马线道路场景下的车辆驾驶控制方法，应用于布设有图像采集装置的斑马线道路场景系统中，所述图像采集装置包括若干拍照设备，且各所述拍照设备按顺序依次安装于斑马线道路的正上方，每个所述拍照设备用于拍摄预设范围的斑马线道路图像，所述方法包括：

在车辆行驶过程中，实时监测道路信息，并根据所述道路信息判断当前车辆前方是否存在斑马线道路；

若是，则获取所述当前车辆与所述斑马线道路之间的距离，并判断所述距离是否小于预设距离；

若是，则确定所述当前车辆的其他车道中，处于所述当前车辆前方的其他车辆，并根据所述其他车辆，确定所述其他车道中的每一车道中与所述斑马线道路最近的目标车辆；

获取所述当前车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人；

若是，则控制所述当前车辆减速。

进一步的，所述获取所述车辆与所述斑马线道路之间的距离，并判断所述距离是否小于预设距离的步骤包括：

获取所述当前车辆的第一位置坐标和所述斑马线道路的目标位置坐标，并根据所述第一位置坐标和所述目标位置坐标，计算得到所述距离。

进一步的，所述获取所述其他车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人的步骤包括：

获取所述当前车辆和所述目标车辆的车辆信息，所述车辆信息至少包括车速子信息，其中，所述车速子信息包括所述当前车辆的第一车速值和所述目标车辆的第二车速值；

根据所述第一车速值和所述第二车速值，判断所述第一车速值是否大于所述第二车速值；

若是，则执行控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人的步骤。

进一步的，所述获取所述其他车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人的步骤还包括：

获取所述道路图像，将所述道路图像输入图像处理模型中，得到各特征区域及对应的标识；

判断各所述标识中是否存在目标标识；

若是，说明所述斑马线道路上有行人，则执行控制所述当前车辆减速的步骤。

进一步的，所述获取所述道路图像，将所述道路图像输入图像处理模型中，得到各特征标识的步骤之前包括：

获取历史道路图像，并将所述历史道路图像进行预处理，得到预处理图像；

通过手动标注的形式将所述预处理图像中的特征区域进行标识，得到训练集，其中，所述特征区域至少包括人体头部区域、人体肩部区域以及斑马线区域；

将所述训练集对神经网络模型进行训练，建立所述图像处理模型。

进一步的，根据所述道路图像判断所述斑马线道路存在行人，则控制所述当前车辆减速的步骤包括：

控制所述图像采集装置连续拍摄多张目标道路图像，并将多张所述目标道路图像输入所述图像处理模型，分别得到各所述目标道路图像中的目标人体头部区域和目标斑马线区域；

根据所述目标人体头部区域和斑马线区域，确定所述目标斑马线区域中，与所述目标人体头部区域重叠的目标斑马线子区域；

根据连续获取的所述目标斑马线子区域，确定行人的移动方向，并判断所述移动方向是否为远离所述车辆所在车道的方向；

若否，则控制所述当前车辆减速。

进一步的，所述根据连续获取的所述目标斑马线子区域，确定行人的移动方向，并判断所述移动方向是否为远离所述车辆所在车道的方向的步骤包括：

获取当前时刻的第一目标斑马线区域和预设时间内的第二目标斑马线区域，所述第一目标斑马线区域中至少包括与所述目标人体头部区域重叠的第一最左目标斑马线子区域和第一最右目标斑马线子区域，所述第二目标斑马线区域中至少包括与所述目标人体头部区域重叠的第二最左目标斑马线子区域和第二最右目标斑马线子区域；

判断所述第二最左目标斑马线子区域相比于所述第一最左目标斑马线子区域，以及所述第二最右目标斑马线子区域相比于所述第一最右目标斑马线子区域是否均在同一侧向；

若是，则根据所述侧向的方向，确定所述移动方向。

本发明实施例的第二方面提供了一种用于斑马线道路场景下的车辆驾驶控制装置，所述装置包括：

第一判断模块，用于在车辆行驶过程中，实时监测道路信息，并根据所述道路信息判断当前车辆前方是否存在斑马线道路；

第二判断模块，用于当判断所述当前车辆前方存在斑马线道路时，则获取所述当前车辆与所述斑马线道路之间的距离，并判断所述距离是否小于预设距离；

目标车辆确定模块，用于当判断所述距离低于预设距离时，则确定所述当前车辆的其他车道中，处于所述当前车辆前方的其他车辆，并根据所述其他车辆，确定所述其他车道中的每一车道中与所述斑马线道路最近的目标车辆；

第三判断模块，用于获取所述当前车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人；

控制模块，用于根据所述道路图像判断所述斑马线道路存在行人时，则控制所述当前车辆减速。

本发明实施例的第三方面提供了一种可读存储介质，包括：

所述可读存储介质存储一个或多个程序，该程序被处理器执行时实现上述的用于斑马线道路场景下的车辆驾驶控制方法。

本发明实施例的第四方面提供了一种车辆，其特征在于，所述车辆包括存储器和处理器，其中：

所述存储器用于存放计算机程序；

所述处理器用于执行所述存储器上所存放的计算机程序时，实现上述的用于斑马线道路场景下的车辆驾驶控制方法。

综上，本发明实施例通过在车辆行驶过程中，实时监测道路信息，并根据道路信息判断当前车辆前方是否存在斑马线道路；若是，则获取当前车辆与斑马线道路之间的距离，并判断距离是否低于预设距离；若是，则确定当前车辆的其他车道中，处于当前车辆前方的其他车辆，并根据其他车辆，确定其他车道中的每一车道中与斑马线道路最近的目标车辆；获取当前车辆和目标车辆的车辆信息，控制拍照设备拍摄斑马线道路的道路图像，并根据道路图像判断斑马线道路是否存在行人；若是，则更为智能的控制当前车辆减速，直至在斑马线前停止，以避免当行人突然从相邻车辆的前方窜出而引发的交通事故。

附图说明

图1是本发明第一实施例提供的一种用于斑马线道路场景下的车辆驾驶控制方法的实现流程图；

图2是本发明第二实施例提供的一种用于斑马线道路场景下的车辆驾驶控制装置的实现流程图；

图3是本发明第三实施例提供的一种车辆的结构框图。

以下具体实施方式将结合上述附图进一步说明。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。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。

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。

实施例一

请参阅图1，图1示出了本发明第一实施例提供的用于斑马线道路场景下的车辆驾驶控制方法，所述方法具体包括步骤S01至步骤S05。

步骤S01，在车辆行驶过程中，实时监测道路信息，并根据所述道路信息判断当前车辆前方是否存在斑马线道路，若是，则执行步骤S02。

其中，无人驾驶汽车在行驶过程中，由于无人进行操控干预，需要实时监测道路信息，以对路面情况进行分析，具体的，为了对路面情况进行检测和分析，通常需要配置道路信息识别模块，例如，视觉感知模块，主要包含安装于无人驾驶汽车前端或者前挡风玻璃后的高清摄像头模组，通过高清摄像头模组抓取到的道路图像上传至道路分析计算模块，以对道路图像中的车道线、交通标志物、目标车辆以及行人等进行实时在线识别；激光雷达感知模块，主要包括安装于无人驾驶汽车四周的激光雷达，通过千兆以太网与道路分析计算模块通讯连接，可对区域内的目标车辆的距离进行测量，同时，还可完成对障碍物的避让或制动；定位模块，主要包含安装于车顶的双天线和集成在车辆后轴上的惯导，能够在室外实时接收差分厘米级定位信息和高精度航向测量。

具体的，可以通过视觉感知模块拍摄的道路图像，并分析道路图像中是否包含目标参照物，该目标参照物可为斑马线黑白相间的条文，若识别到目标参照物，则说明车辆前方存在斑马线道路，示例而非限定，在无人驾驶汽车行驶的道路通常为特殊道路，在特殊道路上可安设用于告知前方斑马线道路距离的交通标志物，当通过视觉感知模块拍摄的道路图像中包含该交通标志物，则对该交通标志物进行识别，以知晓车辆前方是否存在斑马线道路以及车辆与斑马线道路的距离。

另外，由于车辆驾驶控制方法应用于布设有图像采集装置的斑马线道路场景系统中，图像采集装置包括若干拍照设备，且各拍照设备按顺序依次安装于斑马线道路的正上方，每个拍照设备用于拍摄预设范围的斑马线道路图像，还可预先建立斑马线道路和对应的拍照设备的位置坐标，其中，拍照设备可以为照相机、摄像机等，且斑马线道路的位置坐标可以和拍照设备的位置坐标一致。

步骤S02，则获取所述当前车辆与所述斑马线道路之间的距离，并判断所述距离是否小于预设距离，若是，则执行步骤S03。

在本实施例当中，由于斑马线道路的位置是固定的，那么，对应的位置坐标也是固定的，即目标位置坐标，可预先将该目标位置坐标输入至无人驾驶汽车的定位模块中，在之后的行驶过程中，通过定位模块，实时获取当前车辆的第一位置坐标，并与预设的目标位置坐标在待通行道路上进行距离计算，可确定当前车辆与待通行斑马线道路的第一距离，根据第一距离，与预设距离进行比较，若第一距离小于预设距离，则说明无人驾驶车辆进入待通行的斑马线道路的辐射范围内，应注意在通过斑马线道路时礼让行人，具体的，预设距离可根据斑马线道路路段的限速值进行设定，限速值越大，则预设距离越大，限速值越小，则预设距离越小，可以理解的，车速越快，需要预留的反应距离就越大。

步骤S03，则确定所述当前车辆的其他车道中，处于所述当前车辆前方的其他车辆，并根据所述其他车辆，确定所述其他车道中的每一车道中与所述斑马线道路最近的目标车辆。

具体的，获取其他车辆的第二位置坐标，并根据第二位置坐标和目标位置坐标，计算得到第二距离，再判断第二距离是否小于第一距离，若是，则说明其他车辆位于车辆的前方，即其他车辆与斑马线道路的距离比当前车辆与斑马线道路的距离近，则将各其他车道中最小的第二距离对应的其他车辆标记为目标车辆。

步骤S04，获取所述当前车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人，若是，则执行步骤S05。

其中，为了更为智能的控制拍照设备拍摄斑马线道路的道路图像，而不是一直让拍照设备处于拍摄状态，浪费资源，在本实施例当中，首先获取当前车辆和目标车辆的车辆信息，车辆信息至少包括车速子信息，其中，车速子信息包括当前车辆的第一车速值和目标车辆的第二车速值，再根据第一车速值和第二车速值，判断第一车速值是否大于第二车速值，若第一车速值大于第二车速值，则说明当前车辆预超过目标车辆，并无采取制动的意思，而此时若有行人从相邻车道窜出，当前车辆再采取制动，减速效果可能不理想，具有较大的安全隐患，此时控制拍照设备拍摄斑马线道路的道路图像具有较大的意义，另外，若能够预先知道有行人在斑马线上，则可以控制当前车辆匀速减速，不但使得行人的生命安全得到保证，车上乘客的驾乘体验感也会更佳。

进一步的，需要对拍照设备拍摄斑马线道路的道路图像进行识别，判断斑马线道路上是否存在行人，具体的，首先应建立图像处理模型，建立过程可以为，获取历史道路图像，并将历史道路图像进行预处理，得到预处理图像，其中，依次对历史道路图像进行灰度化和二值化处理，得到预处理图像，其中，灰度化处理的公式为：

I(x,y)＝0.31I_R(x，y)+0.6I_C(x，y)+0.11I_B(x，y)；

其中，I(x，y)表示为图片在坐标(x，y)处的强度值，I_R(x，y)表示为图片在坐标(x，y)处红色通道的强度值，I_G(x，y)表示为图片在坐标(x，y)处绿色通道的强度值，I_B(x，y)表示为图片在坐标(x，y)处蓝色通道的强度值。

更进一步的，通过手动标注的形式将预处理图像中的特征区域进行标识，得到训练集，其中，特征区域至少包括人体头部区域、人体肩部区域以及斑马线区域，最后将训练集对神经网络模型进行训练，建立图像处理模型。需要说明的是，可以通过人体头部区域和人体肩部区域的特征和组合关系，对行人进行标识，可以理解的，人体头部区域为一近似圆形，人体肩部区域为一矩形，具体的，根据人体头部区域的圆形可将人体肩部区域近似对称分为两个矩形，此为人体头部区域与人体肩部区域的关系，通过识别人体头部区域和人体肩部区域及其之间的关系，可以确定斑马线道路上的具有相同形状的物体是否为行人，可以有效提高行人的识别率，避免出现误判的情况发生(例如，可能出现除行人以外的异物对斑马线道路的遮挡)，同时，斑马线道路图案具有一定的辨识度，即由等距的白色条纹构成，便于对斑马线区域进行标识和识别。

在本实施例当中，在图像处理模型中引入位置注意机制和通道注意机制，以更迅速、更准确的把焦点聚焦需要识别的特征区域上。其中，位置注意机制(PositionAttention Mechanism，PAM)可以通过在局部特征上建立丰富的上下文链接，并从更大的视角对上下文信息进行特征表示，从而有效地增强特征表示能力，而网络模型中的要素通道图越深，它对特定类别的响应就越快。通道注意模块对通道之间的依赖关系进行显式建模，可以突出相互依赖的特征映射，改善特定语义的特征表示，增强对同一类别网络模型的整体识别。具体的，位置注意机制在图像处理模型中可以表示为：

其中，S_ji表示第(j，i)个格点的预测概率图，A_j表示尺寸为C×H×W的第j行的特征图，B_i表示由A_j经过变换得到尺寸为N×C的第i列的特征图，C_j表示由A_j经过变换得到尺寸为C×N的第j行的特征图，D_i表示由A_j经过变换得到尺寸为C×N的第i列的特征图，E表示位置特征图，α表示位置特征参数，C表示为特征图的路径数，H表示特征图的高度，W表示特征图的长度，N表示特征图中像素的总列数。

另外，通道注意机制在图像处理模型中可以表示为：

其中，X_ji表示第(j，i)个通道的权重值，A_j表示尺寸为C×H×W的第j行的特征图，B_i表示由A_j经过变换得到尺寸为N×C的第i列的特征图，C_j表示由A_j经过变换得到尺寸为C×N的第j行的特征图，D_i表示由A_j经过变换得到尺寸为C×N的第i列的特征图，F表示通道特征图，β表示通道特征参数，C表示为特征图的通道数，H表示特征图的高度，W表示特征图的长度。

当图像处理模型建立完成后，在实际运行过程中，将获取到的道路图像输入图像处理模型中，得到各特征区域及对应的标识，即人体头部区域、人体肩部区域以及斑马线区域，对应的标识可以为行人标识和斑马线标识，再判断各标识中是否存在目标标识，即是否存在行人标识，若是，说明斑马线道路上有行人，则需要控制当前车辆减速。

具体的，为了更为智能的完成对车辆减速的控制，还可通过控制图像采集装置连续拍摄多张目标道路图像，通过多张目标道路图像完成斑马线道路上行人移动方向的分析，示例而非限定，在其它一些可选实施例当中，若判断斑马线道路上没有行人时，还可再控制无人驾驶汽车的激光雷达感知模块进行前方道路的障碍物测试，以确保目标车辆前方的斑马线道路上没有行人。

在本实施例当中，获取图像采集装置连续拍摄多张目标道路图像，并将多张目标道路图像输入图像处理模型，分别得到各目标道路图像中的目标人体头部区域和目标斑马线区域，再根据目标人体头部区域和斑马线区域，确定目标斑马线区域中，与目标人体头部区域重叠的目标斑马线子区域，最后根据连续获取的目标斑马线子区域，确定行人的移动方向，并判断移动方向是否为远离车辆所在车道的方向，若否，则控制当前车辆减速。

需要说明的是，目标斑马线子区域可以为目标斑马线条纹，确定目标斑马线条纹与当前车辆所处车道之间的间隔斑马线条纹数量，同时，获取斑马线条纹宽度值和斑马线条纹间隔距离，根据间隔斑马线条纹数量，确定目标斑马线条纹与当前车辆所处车道之间的待行距离，根据待行距离，以及车辆与斑马线道路之间的距离，控制车辆减速，以斑马线道路上的斑马线条纹为白色条纹为例，可将白色条纹进行编号，并预先对斑马线条纹宽度值和斑马线条纹间隔距离进行人工测量，当通过识别道路图像，判断出斑马线道路上有行人时，还可根据行人所处的白色条纹，确定行人处于斑马线道路的具体位置，以更好的控制车辆进行反应，具体的，可根据行人所处位置与当前车辆所处车道之间的距离，以及当前车辆与斑马线道路的距离，控制当前车辆的制动能力，当车辆与斑马线道路的距离相同时，行人所处位置与当前车辆所处车道之间的距离越大，则降低当前车辆的制动能力，即控制当前车辆缓慢减速，行人所处位置与当前车辆所处车道之间的距离越小，则提高当前车辆的制动能力，即控制当前车辆快速减速。

另外，根据连续获取的目标斑马线子区域，确定行人的移动方向，并判断移动方向是否为远离车辆所在车道的方向，若否，则控制当前车辆减速，具体的，由于是控制图像采集装置连续拍摄多张目标道路图像，即可以每间隔一预设时间即获取一张道路图像，并输入图像处理模型，这样可以实时了解斑马线道路上行人的行进动向，以给后车进行反馈，反馈的目的在于，避免当行人突然从相邻车辆的前方窜出而引发的交通事故，需要说明的是，由于图像采集装置包括若干拍照设备，且各拍照设备按顺序依次安装于斑马线道路的正上方，每个拍照设备用于拍摄预设范围的斑马线道路图像，例如，斑马线道路中的白色条纹数量为15条，可以在斑马线道路的正上方安设3个拍照设备，每个拍照设备覆盖5条白色条纹数量的斑马线道路区域，同时，预先给拍照设备编号，编号顺序根据5条白色条纹数量的斑马线道路区域顺序制定，正常工作时，控制3个拍照设备同时拍摄，对同时拍摄的各道路图像进行拼接，形成目标道路图像，对最终的目标道路图像进行识别。

具体的，当行人的移动方向为远离车辆所在车道的方向，说明行人不会在车辆的前方出现，可以控制车辆减速通过，无需在斑马线前停下，使交通的管理更为有序、顺畅，具体的，获取当前时刻的第一目标斑马线区域和预设时间内的第二目标斑马线区域，第一目标斑马线区域中至少包括与目标人体头部区域重叠的第一最左目标斑马线子区域和第一最右目标斑马线子区域，第二目标斑马线区域中至少包括与目标人体头部区域重叠的第二最左目标斑马线子区域和第二最右目标斑马线子区域，根据连续获取的目标斑马线区域，确定行人的移动方向，并判断移动方向是否为远离车辆所在车道的方向，更为具体的，判断第二最左目标斑马线子区域相比于第一最左目标斑马线子区域，以及第二最右目标斑马线子区域相比于第一最右目标斑马线子区域是否均在同一侧向，若是，则根据侧向的方向，确定移动方向，并判断移动方向是否为远离车辆所在车道的方向，若否，则说明行人正在向车辆所在车道的方向移动，则控制车辆减速，直至在斑马线前停止。

可以理解的，若行人为一群人时，则一群人将对斑马线道路进行遮挡，获取的图像为斑马线被人群遮挡的图像，即可以确定目标斑马线区域中，与目标人体头部区域重叠的目标斑马线子区域，其中，当人群向左移动时，前后拍摄的图像中的第二最左斑马线条纹位于第一最左斑马线条纹的左侧，第二最右斑马线条纹位于第一最右斑马线条纹的左侧，同样，当人群向右移动时，前后拍摄的图像中的第二最左斑马线条纹位于第一最左斑马线条纹的右侧，第二最右斑马线条纹位于第一最右斑马线条纹的右侧；若行人为一人时，则第一目标斑马线区域中可以只确定一条斑马线条纹，再与第二目标斑马线区域中确定的另一条斑马线条纹进行位置比对，从而确定行人的移动方向。需要说明的是，若预设时间内获取的目标斑马线道路图案中的被行人遮挡的目标斑马线区域，无法通过上述方法判断出行人的移动方向，则可以按照斑马线上有行人的要求进行车辆减速，直至在斑马线前停止进行控制。

步骤S05，则控制所述当前车辆减速。

其中，当判断斑马线道路上有行人时，则控制当前车辆减速，直至在抵达斑马线道路时停止。

综上，本发明实施例通过在车辆行驶过程中，实时监测道路信息，并根据道路信息判断当前车辆前方是否存在斑马线道路；若是，则获取当前车辆与斑马线道路之间的距离，并判断距离是否低于预设距离；若是，则确定当前车辆的其他车道中，处于当前车辆前方的其他车辆，并根据其他车辆，确定其他车道中的每一车道中与斑马线道路最近的目标车辆；获取当前车辆和目标车辆的车辆信息，控制拍照设备拍摄斑马线道路的道路图像，并根据道路图像判断斑马线道路是否存在行人；若是，则更为智能的控制当前车辆减速，直至在斑马线前停止，以避免当行人突然从相邻车辆的前方窜出而引发的交通事故。

实施例二

请参阅图2，图2是本发明实施例提供的用于斑马线道路场景下的车辆驾驶控制装置的结构框图。用于斑马线道路场景下的车辆驾驶控制装置200包括：第一判断模块21、第二判断模块22、目标车辆确定模块23、第三判断模块24以及控制模块25，其中：

第一判断模块21，用于在车辆行驶过程中，实时监测道路信息，并根据所述道路信息判断当前车辆前方是否存在斑马线道路；

第二判断模块22，用于当判断所述当前车辆前方存在斑马线道路时，则获取所述当前车辆与所述斑马线道路之间的距离，并判断所述距离是否小于预设距离；

目标车辆确定模块23，用于当判断所述距离低于预设距离时，则确定所述当前车辆的其他车道中，处于所述当前车辆前方的其他车辆，并根据所述其他车辆，确定所述其他车道中的每一车道中与所述斑马线道路最近的目标车辆；

第三判断模块24，用于获取所述当前车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人；

控制模块25，用于根据所述道路图像判断所述斑马线道路存在行人时，则控制所述当前车辆减速。

进一步的，在本发明一些可选实施例当中，第二判断模块22包括：

第一距离计算单元，用于获取所述当前车辆的第一位置坐标和所述斑马线道路的目标位置坐标，并根据所述第一位置坐标和所述目标位置坐标，计算得到所述距离。

进一步的，在本发明一些可选实施例当中，第三判断模块24：

第一获取单元，用于获取所述当前车辆和所述目标车辆的车辆信息，所述车辆信息至少包括车速子信息，其中，所述车速子信息包括所述当前车辆的第一车速值和所述目标车辆的第二车速值；

第一判断单元，用于根据所述第一车速值和所述第二车速值，判断所述第一车速值是否大于所述第二车速值。

进一步的，在本发明一些可选实施例当中，第三判断模块24还包括：

第二获取单元，用于获取所述道路图像，将所述道路图像输入图像处理模型中，得到各特征区域及对应的标识；

第二判断单元，用于判断各所述标识中是否存在目标标识。

进一步的，在本发明一些可选实施例当中，所述用于斑马线道路场景下的车辆驾驶控制装置200包括：

预处理模块，用于获取历史道路图像，并将所述历史道路图像进行预处理，得到预处理图像；

标识模块，用于通过手动标注的形式将所述预处理图像中的特征区域进行标识，得到训练集，其中，所述特征区域至少包括人体头部区域、人体肩部区域以及斑马线区域；

训练模块，用于将所述训练集对神经网络模型进行训练，建立所述图像处理模型。

进一步的，在本发明一些可选实施例当中，所述控制模块25包括：

输入单元，用于控制所述图像采集装置连续拍摄多张目标道路图像，并将多张所述目标道路图像输入所述图像处理模型，分别得到各所述目标道路图像中的目标人体头部区域和目标斑马线区域；

确定单元，用于根据所述目标人体头部区域和斑马线区域，确定所述目标斑马线区域中，与所述目标人体头部区域重叠的目标斑马线子区域；

第三判断单元，用于根据连续获取的所述目标斑马线子区域，确定行人的移动方向，并判断所述移动方向是否为远离所述车辆所在车道的方向。

进一步的，在本发明一些可选实施例当中，所述第三判断单元包括：

目标斑马线区域获取子单元，用于获取当前时刻的第一目标斑马线区域和预设时间内的第二目标斑马线区域，所述第一目标斑马线区域中至少包括与所述目标人体头部区域重叠的第一最左目标斑马线子区域和第一最右目标斑马线子区域，所述第二目标斑马线区域中至少包括与所述目标人体头部区域重叠的第二最左目标斑马线子区域和第二最右目标斑马线子区域；

第一判断子单元，用于判断所述第二最左目标斑马线子区域相比于所述第一最左目标斑马线子区域，以及所述第二最右目标斑马线子区域相比于所述第一最右目标斑马线子区域是否均在同一侧向；

移动方向确定子单元，用于当判断所述第二最左目标斑马线子区域相比于所述第一最左目标斑马线子区域，以及所述第二最右目标斑马线子区域相比于所述第一最右目标斑马线子区域均在同一侧向时，则根据所述侧向的方向，确定所述移动方向。

实施例三

本发明另一方面还提出一种车辆，请参阅图3，所示为本发明第三实施例当中的车辆的结构框图，包括存储器20、处理器10以及存储在存储器上并可在处理器上运行的计算机程序30，处理器10执行计算机程序30时实现如上述的用于斑马线道路场景下的车辆驾驶控制方法。

其中，处理器10在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据，例如执行访问限制程序等。

其中，存储器20至少包括一种类型的可读存储介质，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器20在一些实施例中可以是车辆的内部存储单元，例如该车辆的硬盘。存储器20在另一些实施例中也可以是车辆的外部存储装置，例如车辆上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器20还可以既包括车辆的内部存储单元也包括外部存储装置。存储器20不仅可以用于存储车辆的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

需要指出的是，图3示出的结构并不构成对车辆的限定，在其它实施例当中，该车辆可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

本发明实施例还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的用于斑马线道路场景下的车辆驾驶控制方法。

本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据状态实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种用于斑马线道路场景下的车辆驾驶控制方法，应用于布设有图像采集装置的斑马线道路场景系统中，所述图像采集装置包括若干拍照设备，且各所述拍照设备按顺序依次安装于斑马线道路的正上方，每个所述拍照设备用于拍摄预设范围的斑马线道路图像，其特征在于，所述方法包括：

在车辆行驶过程中，实时监测道路信息，并根据所述道路信息判断当前车辆前方是否存在斑马线道路，其中，所述当前车辆为无人驾驶车辆；

若是，则获取所述当前车辆与所述斑马线道路之间的距离，并判断所述距离是否小于预设距离，其中，所述斑马线道路的限速值越大，所述预设距离越大；

若是，则确定所述当前车辆的其他车道中，处于所述当前车辆前方的其他车辆，并根据所述其他车辆，确定所述其他车道中的每一车道中与所述斑马线道路最近的目标车辆；

获取所述当前车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人；

若是，则控制所述当前车辆减速；

其中，所述获取所述其他车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人的步骤包括：

获取所述当前车辆和所述目标车辆的车辆信息，所述车辆信息至少包括车速子信息，其中，所述车速子信息包括所述当前车辆的第一车速值和所述目标车辆的第二车速值；

根据所述第一车速值和所述第二车速值，判断所述第一车速值是否大于所述第二车速值；

若是，则执行控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人的步骤。

2.根据权利要求1所述的用于斑马线道路场景下的车辆驾驶控制方法，其特征在于，所述获取所述当前车辆与所述斑马线道路之间的距离，并判断所述距离是否小于预设距离的步骤包括：

获取所述当前车辆的第一位置坐标和所述斑马线道路的目标位置坐标，并根据所述第一位置坐标和所述目标位置坐标，计算得到所述距离。

3.根据权利要求1所述的用于斑马线道路场景下的车辆驾驶控制方法，其特征在于，所述获取所述其他车辆和所述目标车辆的车辆信息，控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人的步骤还包括：

获取所述道路图像，将所述道路图像输入图像处理模型中，得到各特征区域及对应的标识；

判断各所述标识中是否存在目标标识；

若是，说明所述斑马线道路上有行人，则执行控制所述当前车辆减速的步骤。

4.根据权利要求3所述的用于斑马线道路场景下的车辆驾驶控制方法，其特征在于，所述获取所述道路图像，将所述道路图像输入图像处理模型中，得到各特征标识的步骤之前包括：

获取历史道路图像，并将所述历史道路图像进行预处理，得到预处理图像；

通过手动标注的形式将所述预处理图像中的特征区域进行标识，得到训练集，其中，所述特征区域至少包括人体头部区域、人体肩部区域以及斑马线区域；

将所述训练集对神经网络模型进行训练，建立所述图像处理模型。

5.根据权利要求4所述的用于斑马线道路场景下的车辆驾驶控制方法，其特征在于，根据所述道路图像判断所述斑马线道路存在行人，则控制所述当前车辆减速的步骤包括：

控制所述图像采集装置连续拍摄多张目标道路图像，并将多张所述目标道路图像输入所述图像处理模型，分别得到各所述目标道路图像中的目标人体头部区域和目标斑马线区域；

根据所述目标人体头部区域和斑马线区域，确定所述目标斑马线区域中，与所述目标人体头部区域重叠的目标斑马线子区域；

根据连续获取的所述目标斑马线子区域，确定行人的移动方向，并判断所述移动方向是否为远离所述车辆所在车道的方向；

若否，则控制所述当前车辆减速。

6.根据权利要求5所述的用于斑马线道路场景下的车辆驾驶控制方法，其特征在于，所述根据连续获取的所述目标斑马线子区域，确定行人的移动方向，并判断所述移动方向是否为远离所述车辆所在车道的方向的步骤包括：

获取当前时刻的第一目标斑马线区域和预设时间内的第二目标斑马线区域，所述第一目标斑马线区域中至少包括与所述目标人体头部区域重叠的第一最左目标斑马线子区域和第一最右目标斑马线子区域，所述第二目标斑马线区域中至少包括与所述目标人体头部区域重叠的第二最左目标斑马线子区域和第二最右目标斑马线子区域；

判断所述第二最左目标斑马线子区域相比于所述第一最左目标斑马线子区域，以及所述第二最右目标斑马线子区域相比于所述第一最右目标斑马线子区域是否均在同一侧向；

若是，则根据所述侧向的方向，确定所述移动方向。

7.一种用于斑马线道路场景下的车辆驾驶控制装置，其特征在于，所述装置包括：

第一判断模块，用于在车辆行驶过程中，实时监测道路信息，并根据所述道路信息判断当前车辆前方是否存在斑马线道路，其中，所述当前车辆为无人驾驶车辆；

第二判断模块，用于当判断所述当前车辆前方存在斑马线道路时，则获取所述当前车辆与所述斑马线道路之间的距离，并判断所述距离是否小于预设距离，其中，所述斑马线道路的限速值越大，所述预设距离越大；

目标车辆确定模块，用于当判断所述距离低于预设距离时，则确定所述当前车辆的其他车道中，处于所述当前车辆前方的其他车辆，并根据所述其他车辆，确定所述其他车道中的每一车道中与所述斑马线道路最近的目标车辆；

第三判断模块，用于获取所述当前车辆和所述目标车辆的车辆信息，控制拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人；

控制模块，用于根据所述道路图像判断所述斑马线道路存在行人时，则控制所述当前车辆减速；

其中，所述第三判断模块还用于：

获取所述当前车辆和所述目标车辆的车辆信息，所述车辆信息至少包括车速子信息，其中，所述车速子信息包括所述当前车辆的第一车速值和所述目标车辆的第二车速值；

根据所述第一车速值和所述第二车速值，判断所述第一车速值是否大于所述第二车速值；

若是，则执行控制所述拍照设备拍摄斑马线道路的道路图像，并根据所述道路图像判断所述斑马线道路是否存在行人的步骤。

8.一种可读存储介质，其特征在于，包括：

所述可读存储介质存储一个或多个程序，该程序被处理器执行时实现如权利要求1-6任一所述的用于斑马线道路场景下的车辆驾驶控制方法。

9.一种车辆，其特征在于，所述车辆包括存储器和处理器，其中：

所述存储器用于存放计算机程序；

所述处理器用于执行所述存储器上所存放的计算机程序时，实现权利要求

1-6任一所述的用于斑马线道路场景下的车辆驾驶控制方法。