CN119479362A 一种车辆碰撞风险预警方法、系统、设备及介质 （浪潮智慧科技有限公司）

所述方法包括：通过车辆内置传感器和GPS模块和障碍物；利用基于深度学习模型进行行为预2通过车辆内置传感器和GPS模块实时采集车辆的周围环境信息；所述周围环境信息包基于环境感知模型，利用基于卷积神经网络的计算机视觉技术进行目标识通过摄像头、路面状态传感器采集交通标志信息、红绿灯状态通过V2V通信采集前方车辆的加速度、速度和方向变化信息，通过V2I采器技术对车辆的周围环境信息进行综合处理，经过数据整合后生成统一的环境感知模型，对车辆的周围环境信息进行滤波处理和数据采用卡尔曼滤波算法对相对位置与距离数据进行采用粒子滤波算法根据车辆的周围环境信息跟踪行人或车辆的采用卷积神经网络对道路图像进行特征提取，与相对位置与距离数据进行融采用贝叶斯融合算法对天气与环境数据进行概率推断和融合，以3在车辆的周围环境信息中提取出前方和周围环境使用高斯滤波算法或双边滤波算法对实时图像数据进行去通过长短期记忆网络LSTM构建行为预测模型，使用模型训练集进行将环境感知模型输入到行为预测模型中，进行实时预测，得到前方将目标识别结果与预测结果进行整合，形成一个包含所有关键动态信息的综合场景基于综合场景图和分析结果，运用碰撞风险评估算法对每根据碰撞风险等级，从应急措施信息库中查询相应的应急措施8.一种车辆碰撞风险预警系统，其特征在于，所述多传感器感知模块，用于通过车辆内置传感器和GPS模块实时采集车辆的周围环境信数据处理与融合模块，用于利用多传感器融合器技术对车辆的智能评估模块，用于基于环境感知模型，利用基于卷49.一种电子设备，包括存储器、处理器及存储在行时实现如权利要求1至7任一项所述车辆碰撞风险预警方5[0003]传统的车辆防撞系统主要依赖于驾驶员的反应速度和车辆上安装的简单传感器通过车辆内置传感器和GPS模块实时采集车辆的周围环境信息；所述周围环境信6[0009]在一个可选的实施方式中，所述通过车辆内置传感器和GPS模块实时采集车辆的对车辆的周围环境信息进行滤波处理和数据采用卡尔曼滤波算法对相对位置与距离数据进行采用粒子滤波算法根据车辆的周围环境信息跟踪行人或车辆的采用卷积神经网络对道路图像进行特征提取，与相对位置与距离数据进行融合，7在车辆的周围环境信息中提取出前方和周围环境多传感器感知模块，用于通过车辆内置传感器和GPS模块实时采集车辆的周围环8算机程序被处理器执行时实现如上文任一项所述碰撞风[0019]本申请通过车辆内置传感器和GPS模块的实时数据采集，以及多传感器融合器技[0020]本申请利用基于卷积神经网络的计算机视觉技术和基于深度学习模型的行为预[0021]本申请能够根据目标识别和行为预测的结果，评估当前并根据风险等级采取相应的应急措施。这不仅可以有效避免或减轻车辆碰撞事故的发生，9[0029]请参阅图1所示是一具体实施例中一种车辆碰撞风险预警方法的方法流程图，方[0037]在步骤S1中，通过车辆内置传感器和GPS模块实时采集车辆的周围环境信息，包[0064]横摆角与侧倾角检测：通过IMU检测车辆的姿态状态，特别在高速行驶或急转弯[0066]侧向车辆与盲区检测：通过侧向毫米波雷达或超声波传感器监测相邻车道的车[0089]数据处理与融合模块2，用于利用多传感器融合器技术对车辆的周围环境信息进[0091]预警与主动安全模块4，用于当检测到潜在的碰撞风险时，向驾驶员发出预警信[0096]处理器可以包括一个或多个处理单元，比如：处理器可以包括中央处理器（imagesignalprocessor，ISP）、控制器、存储器、视频编解码器、数字信号处理器（digitalsignalprocessor，DSP）、基带处理器、和/或神经网络处理器（neural_一个或多个处理器中。[0108]上述电子设备实现了本申请车辆碰撞风险预警方法的通过实时采集车辆的周围的综合处理，以及采用先进的计算机视觉技术和深度学习模型进行目标识别和行为预测，[0109]在本申请提供的存储介质中，存储有能够实现车辆碰撞风险预警方法的程序产[0110]车辆碰撞风险预警方法包括：通过车辆内置传感器和