CN118405170B - 列车后向碰撞预警方法、装置和电子设备 - Google Patents

Abstract

本申请提供一种列车后向碰撞预警方法、装置和电子设备，涉及交通安全技术领域。该方法包括：对列车后向碰撞预警时，可以先获取同一时刻，通过激光雷达采集的列车后方的三维点云数据，以及通过摄像头设备采集的列车后方的帧图像；并基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；基于帧图像和帧图像的前一帧图像确定第二预测碰撞值；基于第一预测碰撞值和第二预测碰撞值，输出预警信息。这样结合第一预测碰撞值和第二预测碰撞值共同衡量碰撞危急程度，能够更准确地评估碰撞的危险程度，为列车提供更为鲁棒的预警，实现列车后向碰撞检测，从而可以对前列车中的司机以及乘客/工作人员进行预警。

Description

列车后向碰撞预警方法、装置和电子设备

技术领域

本申请涉及交通安全技术领域，尤其涉及一种列车后向碰撞预警方法、装置和电子设备。

背景技术

为了提高轨道交通的安全性和效率，有必要加装相关的列车防碰撞系统，确保列车可以对前方出现的危险障碍物或前车进行及时的探测，对可能导致事故的情况做出预警或相应的列车控制，保障列车在全运营过程中的安全与稳定。

目前，列车防碰撞系统多将感知设备，例如激光雷达，摄像头等高精度传感器设备安装在列车的车头，实现列车对车前行驶区域的主动感知，在检测到轨道前方区域出现的障碍物或前车时，在应急状况下转化为预警信息，在驾驶室的显示屏上呈现预警信息，以对司机进行及时预警。

如何针对可能发生的列车间的追尾（后向碰撞）事故进行检测，以对前列车中的司机以及乘客/工作人员进行预警，是本领域技术人员亟待解决的问题。

发明内容

本申请提供一种列车后向碰撞预警方法、装置和电子设备，可以实现列车后向碰撞检测，从而可以对前列车中的司机以及乘客/工作人员进行预警。

本申请提供的一种列车后向碰撞预警方法，应用于列车，所述列车的车尾端安装有激光雷达和摄像头设备，所述方法包括：

获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，以及通过所述摄像头设备采集的所述列车后方的帧图像；

基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值；

基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息。

根据本申请提供的一种列车后向碰撞预警方法，所述基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，包括：

基于所述三维点云数据中的所述列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、正上方数据和反射率中的至少一种，对所述三维点云数据进行过滤，得到目标三维点云数据；

基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值。

根据本申请提供的一种列车后向碰撞预警方法，所述基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值，包括：

基于所述目标三维点云数据中所述列车的正后方向数据，确定所述三维点云数据对应的第一距离值；

基于所述第一距离值、所述三维点云数据与前一帧三维点云数据之间的时间间隔、以及所述前一帧三维点云数据对应的第二距离值，确定所述第一预测碰撞值。

根据本申请提供的一种列车后向碰撞预警方法，所述基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值，包括：

基于目标检测算法提取所述帧图像中的目标检测框，并基于预设尺寸对所述目标检测框进行缩减，得到缩减后的目标检测框；

对所述缩减后的目标检测框进行特征点检测，得到所述帧图像对应的多个第一特征点；

基于所述多个第一特征点和所述帧图像的前一帧图像对应的多个第二特征点，确定所述第二预测碰撞值。

根据本申请提供的一种列车后向碰撞预警方法，所述基于所述多个第一特征点和所述帧图像的前一帧图像对应的多个第二特征点，确定所述第二预测碰撞值，包括：

从所述多个第一特征点和所述多个第二特征点中，确定相同的多个目标特征点；

确定所述多个目标特征点中，两两目标特征点分别在所述帧图像中的像素距离，和在所述前一帧图像中的像素距离；

基于所述两两目标特征点分别在所述帧图像中的像素距离，和在所述前一帧图像中的像素距离，确定多个比值；

基于所述多个比值和所述帧图像与所述前一帧图像之间的时间间隔，确定所述第二预测碰撞值。

根据本申请提供的一种列车后向碰撞预警方法，所述获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，包括：

对通过所述摄像头设备采集的所述列车后方的历史帧图像进行目标检测和目标追踪；

在目标检测结果指示所述历史帧图像中存在其他对象，且目标追踪结果指示连续追踪到所述其他对象的情况下，获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据。

根据本申请提供的一种列车后向碰撞预警方法，所述基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息，包括：

确定所述第一预测碰撞值和所述第二预测碰撞值中的较小值；

在所述较小值小于或等于预设碰撞值阈值的情况下，输出所述预警信息。

本申请还提供一种列车后向碰撞预警装置，应用于列车，所述列车的车尾端安装有激光雷达和摄像头设备，所述装置包括：

获取单元，用于获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，以及通过所述摄像头设备采集的所述列车后方的帧图像；

处理单元，用于基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值；

输出单元，用于基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息。

根据本申请提供的一种列车后向碰撞预警装置，所述处理单元，用于基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，包括：

基于所述三维点云数据中的所述列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、正上方数据和反射率中的至少一种，对所述三维点云数据进行过滤，得到目标三维点云数据；

基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值。

根据本申请提供的一种列车后向碰撞预警装置，所述处理单元，用于基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值，包括：

基于所述目标三维点云数据中所述列车的正后方向数据，确定所述三维点云数据对应的第一距离值；

基于所述第一距离值、所述三维点云数据与前一帧三维点云数据之间的时间间隔、以及所述前一帧三维点云数据对应的第二距离值，确定所述第一预测碰撞值。

根据本申请提供的一种列车后向碰撞预警装置，所述处理单元，用于基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值，包括：

基于目标检测算法提取所述帧图像中的目标检测框，并基于预设尺寸对所述目标检测框进行缩减，得到缩减后的目标检测框；

对所述缩减后的目标检测框进行特征点检测，得到所述帧图像对应的多个第一特征点；

基于所述多个第一特征点和所述帧图像的前一帧图像对应的多个第二特征点，确定所述第二预测碰撞值。

根据本申请提供的一种列车后向碰撞预警装置，所述处理单元，用于基于所述多个第一特征点和所述帧图像的前一帧图像对应的多个第二特征点，确定所述第二预测碰撞值，包括：

从所述多个第一特征点和所述多个第二特征点中，确定相同的多个目标特征点；

确定所述多个目标特征点中，两两目标特征点分别在所述帧图像中的像素距离，和在所述前一帧图像中的像素距离；

基于所述两两目标特征点分别在所述帧图像中的像素距离，和在所述前一帧图像中的像素距离，确定多个比值；

基于所述多个比值和所述帧图像与所述前一帧图像之间的时间间隔，确定所述第二预测碰撞值。

根据本申请提供的一种列车后向碰撞预警装置，所述获取单元，用于获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，包括：

对通过所述摄像头设备采集的所述列车后方的历史帧图像进行目标检测和目标追踪；

在目标检测结果指示所述历史帧图像中存在其他对象，且目标追踪结果指示连续追踪到所述其他对象的情况下，获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据。

根据本申请提供的一种列车后向碰撞预警装置，所述输出单元，用于基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息，包括：

确定所述第一预测碰撞值和所述第二预测碰撞值中的较小值；

在所述较小值小于或等于预设碰撞值阈值的情况下，输出所述预警信息。

本申请还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一项所述的列车后向碰撞预警方法。

本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的列车后向碰撞预警方法。

本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的列车后向碰撞预警方法。

本申请实施例提供的列车后向碰撞预警方法、装置和电子设备，对列车后向碰撞预警时，可以先获取同一时刻，通过激光雷达采集的列车后方的三维点云数据，以及通过摄像头设备采集的列车后方的帧图像；并基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；基于帧图像和帧图像的前一帧图像确定第二预测碰撞值；再基于第一预测碰撞值和第二预测碰撞值，输出预警信息。这样将三维点云数据与帧图像作为碰撞预警依据，不再依赖于强制的相对速度测量或距离测量，并结合第一预测碰撞值和第二预测碰撞值共同衡量碰撞危急程度，能够更准确地评估碰撞的危险程度，为列车提供更为鲁棒的预警，这样可以实现列车后向碰撞检测，从而可以对前列车中的司机以及乘客/工作人员进行预警。

附图说明

为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种列车后向碰撞预警方法的流程示意图；

图2为本申请实施例提供的一种基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值的方法流程示意图；

图3为本申请实施例提供的一种基于帧图像和帧图像的前一帧图像确定第二预测碰撞值的方法流程示意图；

图4为本申请实施例提供的一种列车后向碰撞预警装置的结构示意图；

图5为本申请实施例提供的一种电子设备的实体结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

在本申请的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。在本申请的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。

本申请实施例提供的技术方案，可以适应于列车后向碰撞预警场景中。为了提高轨道交通的安全性和效率，有必要加装相关的列车防碰撞系统，确保列车可以对前方出现的危险障碍物或前车进行及时的探测，对可能导致事故的情况做出预警或相应的列车控制，保障列车在全运营过程中的安全与稳定。

目前，列车防碰撞系统多将感知设备，例如激光雷达，摄像头等高精度传感器设备安装在列车的车头，实现列车对车前行驶区域的主动感知，在检测到轨道前方区域出现的障碍物或前车时，在应急状况下转化为预警信息，在驾驶室的显示屏上呈现预警信息，以对司机进行及时预警。

为了实现列车后向碰撞检测，从而对前列车中的司机以及乘客/工作人员进行预警，本申请实施例提供了一种列车后向碰撞预警方法，应用于列车，列车的车尾端安装有激光雷达和摄像头设备，激光雷达和摄像头设备用于对列车后向的环境进行感知，尤其是在线路信号系统或列车相关通讯系统出现故障时，可以实现列车后向碰撞预警。

其中，激光雷达使用混合固态激光雷达安装在车尾端，可以实时采集列车后向的环境下的三维点云数据，激光雷达需要具有较小的视野范围（Field of View），但较大的探测距离。车尾端安装相同的摄像头设备，例如摄像头传感器，可以实时采集并解码得到列车后向的环境下的帧图像。由于本申请中的硬件配置与通用列车前向感知系统类似，因此，可实现硬件的复用。

下面，将通过下述几个具体的实施例对本申请提供的列车后向碰撞预警方法进行详细地说明。可以理解的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1为本申请实施例提供的一种列车后向碰撞预警方法的流程示意图，该方法可以由软件和/或硬件装置执行，应用于列车，列车的车尾端安装有激光雷达和摄像头设备，示例地，请参见图1所示，该列车后向碰撞预警方法可以包括：

S101、获取同一时刻，通过激光雷达采集的列车后方的三维点云数据，以及通过摄像头设备采集的列车后方的帧图像。

示例地，在本申请实施例中，获取通过激光雷达采集的列车后方的三维点云数据时，可以先获取通过激光雷达采集的列车后方的激光雷达数据；对采集的激光雷达数据进行预处理，得到列车后方的三维点云数据。

示例地，在本申请实施例中，预处理可以包括重叠区域处理、噪声点去除、点云滤波、点云匹配等处理，具体可以根据实际需要进行设置。

示例地，在本申请实施例中，获取通过摄像头设备采集的列车后方的帧图像时，可以先获取通过摄像头设备采集的列车后方的视频流，并对采集到的视频流进行解码，得到一帧一帧的帧图像。示例地，在本申请实施例中，任意相邻两帧帧图像之间的时间间隔可以记为。

可以理解的是，通过激光雷达采集的列车后方的三维点云数据，以及通过摄像头设备采集的列车后方的帧图像为同一时刻的数据，即时间上对齐的数据，保证相邻两个三维点云数据之间的时间间隔为，相邻两帧帧图像之间的时间间隔为。

示例地，在本申请实施例中，获取通过激光雷达采集的列车后方的三维点云数据时，可以包括下述至少两种可能的实现方式：

在一种可能的实现方式中，可以在列车启动运行后，控制激光雷达启动，并实时采集列车后方的三维点云数据，从而获取到通过激光雷达采集的列车后方的三维点云数据。

在另一种可能的实现方式中，可以在列车启动运行后，先控制摄像头设备启动，实时采集列车后方的历史帧图像；并对历史帧图像进行目标检测和目标追踪；在目标检测结果指示历史帧图像中存在其他对象，且目标追踪结果指示连续追踪到其他对象的情况下，控制激光雷达启动，从而获取通过激光雷达采集的列车后方的三维点云数据。

示例地，其他对象可以为其他列车或者障碍物等，具体可以根据实际需要进行设置。

示例地，在本申请实施例中，目标检测算法可以为基于传统方法的目标检测算法，例如可变形部件模型（Deformable Part Model，DPM）算法等；或者，基于深度学习的目标检测算法，例如，YOLO目标检测算法等，具体可以根据实际需要进行设置。

示例地，在本申请实施例中，目标追踪算法可以为基于多目标的追踪算法，例如多目标DeepSort算法等，具体可以根据实际需要进行设置。

可以看出，与上述可能的实现方式不同的是，在该种可能的实现方式中，是先控制摄像头设备启动，并在目标检测结果指示历史帧图像中存在其他对象，且目标追踪结果指示连续追踪到其他对象的情况下，说明列车后方有潜在发生的碰撞可能性，在该种情况下，再控制激光雷达启动，通过激光雷达采集的列车后方的三维点云数据，这样可以有效地避免在列车后方没有其他对象时，通过激光雷达执行不必要的三维点云数据采集操作和后续的列车后向碰撞检测和预警操作，从而在一定程度上节省了处理资源。

示例地，在本申请实施例中，以YOLO目标检测算法和多目标追踪DeepSort算法为例，对历史帧图像进行目标检测并追踪，在检测过程中，可以忽略历史帧图像边缘出现的检测对象，只关注历史帧图像中央区域出现的其他对象。

需要说明的是，在本申请实施例中，默认列车所在的轨道的曲率较大，“其他对象”只能出现在帧图像中央区域。

可以理解的是，在本申请实施例中，若采用YOLO目标检测算法未检测到有效的“其他对象”，说明列车后方没有潜在发生的碰撞可能性，则无需通过激光雷达执行不必要的三维点云数据采集操作和后续的列车后向碰撞检测和预警操作；若采用YOLO目标检测算法检测到有效的“其他对象”，但采用多目标追踪DeepSort算法，没有连续在历史帧图像中追踪到“其他对象”，说明追踪较不稳定，可能是因为误检测的原因，也可能是因为物体仍距离较远无法清晰识别的原因，则无需通过激光雷达执行不必要的三维点云数据采集操作和后续的列车后向碰撞检测和预警操作；但是，若采用多目标追踪DeepSort算法，连续在历史帧图像中追踪到了“其他对象”，说明列车后方有潜在发生的碰撞可能性，在该种情况下，再控制激光雷达启动，通过激光雷达采集的列车后方的三维点云数据，这样可以有效地避免在列车后方没有其他对象时，通过激光雷达执行不必要的三维点云数据采集操作和后续的列车后向碰撞检测和预警操作，从而在一定程度上节省了处理资源。

在分别获取到通过激光雷达采集的列车后方的三维点云数据，以及通过摄像头设备采集的列车后方的帧图像后，就可以执行下述S102：

S102、基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于帧图像和帧图像的前一帧图像确定第二预测碰撞值。

其中，预测碰撞值可以通过TTC（Time to Collision）表示，TTC通常指的是两个物体或实体在保持当前的速度和轨迹的情况下，预计将在何时发生碰撞的时间。

示例地，在本申请实施例中，第一预测碰撞值可记为，第二预测碰撞值可记为，具体可以根据实际需要进行设置。

需要说明的是，在本申请实施例中，基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，与基于帧图像和帧图像的前一帧图像确定第二预测碰撞值之间并无先后顺序，可以先基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，再基于帧图像和帧图像的前一帧图像确定第二预测碰撞值；也可以先基于帧图像和帧图像的前一帧图像确定第二预测碰撞值，再基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；当然，也可以同时基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，并基于帧图像和帧图像的前一帧图像确定第二预测碰撞值，具体可以根据实际需要进行设置。

在基于三维点云数据和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，并基于帧图像和帧图像的前一帧图像确定第二预测碰撞值后，就可以执行下述S103：

S103、基于第一预测碰撞值和第二预测碰撞值，输出预警信息。

其中，预警信息用于对前列车，即列车的司机以及乘客/工作人员进行预警。

在对列车的司机以及乘客/工作人员进行预警时，即预警信号一方面包含对可能的后向碰撞向列车的司机进行实时预警，另一方面，在紧急情况下（即碰撞无法避免的情况下）将通过车载广播系统向列车的全车乘客/工作人员发送即将发生碰撞的预警，提示全车乘客/工作人员各自抓稳扶好做好自身保护，将事故可能导致的后果最小化。

可以看出，本申请实施例中，对列车后向碰撞预警时，可以先获取同一时刻，通过激光雷达采集的列车后方的三维点云数据，以及通过摄像头设备采集的列车后方的帧图像；并基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；基于帧图像和帧图像的前一帧图像确定第二预测碰撞值；再基于第一预测碰撞值和第二预测碰撞值，输出预警信息。这样将三维点云数据与帧图像作为碰撞预警依据，不再依赖于强制的相对速度测量或距离测量，并结合第一预测碰撞值和第二预测碰撞值共同衡量碰撞危急程度，能够更准确地评估碰撞的危险程度，为列车提供更为鲁棒的预警，这样可以实现列车后向碰撞检测，从而可以对前列车中的司机以及乘客/工作人员进行预警。

基于上述图1所示的实施例，为了便于理解在上述S102中，如何基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，下面，将通过下述图2所示的实施例进行详细描述。

图2为本申请实施例提供的一种基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值的方法流程示意图，示例地，可参见图2所示，该方法可以包括：

S201、基于三维点云数据中的列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、正上方数据和反射率中的至少一种，对三维点云数据进行过滤，得到目标三维点云数据。

示例地，在本申请实施例中，可以以列车的车尾端安装的激光雷达位置为基准，建立车辆坐标系，坐标系中的x方向为列车的正后方向，坐标系中的y方向为列车的正后方向左侧方向，坐标系中的z方向为列车正上方。

示例地，在本申请实施例中，基于三维点云数据中列车的正后方向数据，对三维点云数据进行过滤时，可以将三维点云数据中，的数据过滤掉，得到基于正后方向数据执行过滤操作后的三维点云数据。其中，表示三维点云数据中，列车的正后方向数据。

示例地，在本申请实施例中，基于三维点云数据中列车的正后方向左侧数据或者正后方向右侧数据，对三维点云数据进行过滤时，可以将三维点云数据中，或者的数据过滤掉，得到基于正后方向左侧数据执行过滤操作后的三维点云数据。其中，表示三维点云数据中的列车的正后方向左侧数据或者正后方向右侧数据，表示在y方向上进行预留的尺寸，表示列车所在的轨道的宽度。

可以理解的是，在本申请实施例中，考虑到列车所在的轨道的曲率较大，“其他对象”在有效感知探测范围内的弯道情况可以被忽略，通常只会出现位置为：与之间，因此，可以将三维点云数据中，或者的数据过滤掉。

示例地，在本申请实施例中，基于三维点云数据中列车正上方数据，对三维点云数据进行过滤时，可以将三维点云数据中，的数据过滤掉，得到基于正上方数据执行过滤操作后的三维点云数据。其中，表示三维点云数据中列车的正上方数据，表示在z方向上进行预留的尺寸，表示激光雷达距离地面的安装高度。

示例地，在本申请实施例中，基于三维点云数据中反射率，对三维点云数据进行过滤时，可以将三维点云数据中，的数据过滤掉，得到基于反射率执行过滤操作后的三维点云数据。其中，表示三维点云数据中数据的反射率，表示预先设置的一个反射率阈值。

示例地，在本申请实施例中，可以基于三维点云数据中，列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、列车正上方数据、和反射率，共同对三维点云数据进行过滤，其具体实现与上述基于三维点云数据中，列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、列车正上方数据、和反射率单独对三维点云数据进行过滤的方法类似，可参见上述相关描述，在此，本申请实施例中不再进行赘述，这样可以在最大程度上减少无效三维点云数据的数据量，为后续基于目标三维点云数据，确定第一预测碰撞值提供了便利。

S202、基于目标三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔，确定第一预测碰撞值。

示例地，在本申请实施例中，基于目标三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔，确定第一预测碰撞值时，可以先基于目标三维点云数据中列车的正后方向数据，确定三维点云数据对应的第一距离值；并基于第一距离值、三维点云数据与前一帧三维点云数据之间的时间间隔、以及前一帧三维点云数据对应的第二距离值，确定第一预测碰撞值。

示例地，在本申请实施例中，基于目标三维点云数据中正后方向数据，确定当前时刻对应的第一距离值时，可以将目标三维点云数据中，正后方向数据中的中位数确定为第一距离值，即目标三维点云数据中在x方向上坐标的中位数，从而得到当前时刻对应的第一距离值。

示例地，在本申请实施例中，基于第一距离值、三维点云数据与前一帧三维点云数据之间的时间间隔、以及前一帧三维点云数据对应的第二距离值，确定第一预测碰撞值时，可参见下述公式1所示：

公式1

其中，表示第一预测碰撞值，表示三维点云数据对应的第一距离值，表示三维点云数据与前一帧三维点云数据之间的时间间隔，表示前一帧三维点云数据对应的第二距离值。

需要说明的是，在本申请实施例中，确定前一帧三维点云数据对应的第二距离值时，其具体实现与上述确定三维点云数据对应的第一距离值的方法类似，具体可参见上述确定三维点云数据对应的第一距离值的相关描述，在此，本申请实施例不再进行赘述。

可以看出，本申请实施例中，基于三维点云数据，和三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值时，可以先基于三维点云数据中，列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、列车正上方数据、和反射率中的至少一种，对三维点云数据进行过滤，得到目标三维点云数据；并基于目标三维点云数据中列车的正后方向数据，确定三维点云数据对应的第一距离值，这样通过对三维点云数据进行过滤，可以有效地减少无效三维点云数据的数据量，从而为后续基于目标三维点云数据，确定第一预测碰撞值提供了便利。

基于上述图1或图2所示的实施例，为了便于理解在上述S102中，如何基于帧图像和帧图像的前一帧图像确定第二预测碰撞值，下面，将通过下述图3所示的实施例进行详细描述。

图3为本申请实施例提供的一种基于帧图像和帧图像的前一帧图像确定第二预测碰撞值的方法流程示意图，示例地，可参见图3所示，该方法可以包括：

S301、基于目标检测算法提取帧图像中的目标检测框，并基于预设尺寸对目标检测框进行缩减，得到缩减后的目标检测框。

其中，预设尺寸的取值可以根据实际需要进行设置，例如，可以为目标检测框的0.8倍，或者，为目标检测框的0.9倍等，具体可以根据实际需要进行设置。

示例地，在本申请实施例中，目标检测算法可以为YOLO目标检测算法，当然，也可以为其他目标检测算法，具体可以根据实际需要进行设置。

在基于目标检测算法提取帧图像中的目标检测框后，考虑到目标检测框可能存在其尺寸与“目标对象”在帧图像中的实际占据尺寸存在偏差，因此，可以基于预设尺寸对目标检测框进行缩减，得到缩减后的目标检测框，缩减后的目标检测框的宽度为，高度为。

通过对目标检测框进行缩减，得到缩减后的目标检测框后，就可以执行下述S302：

S302、对缩减后的目标检测框进行特征点检测，得到帧图像对应的多个第一特征点。

示例地，在本申请实施例中，可以采用特征点检测算法，对缩减后的目标检测框进行特征点检测，得到多个第一特征点，每个特征点包含其像素坐标信息以及其描述子向量，具体可以根据实际需要进行设置。

示例地，在本申请实施例中，第一特征点可以为Shi-Tomasi特征点，也可以为定向FAST和旋转BRIEF（Oriented FAST and Rotated BRIEF，ORB）特征点等，具体可以根据实际需要进行设置，在此，本申请实施例不做具体限制。

通过特征点检测算法，确定出帧图像对应的多个第一特征点后，可以结合帧图像的前一帧图像对应的多个第二特征点，共同确定第二预测碰撞值，即执行下述S303：

S303、基于多个第一特征点和帧图像的前一帧图像对应的多个第二特征点，确定第二预测碰撞值。

示例地，在本申请实施例中，基于多个第一特征点和前一帧图像对应的多个第二特征点，共同确定第二预测碰撞值时，可以先从多个第一特征点和多个第二特征点中，确定相同的多个目标特征点；并确定多个目标特征点中，两两目标特征点分别在帧图像中的像素距离，和在前一帧图像中的像素距离；基于两两目标特征点分别在帧图像中的像素距离，和在前一帧图像中的像素距离，确定多个比值；再基于多个比值和帧图像与前一帧图像之间的时间间隔，确定第二预测碰撞值。

示例地，在本申请实施例中，基于两两目标特征点分别在帧图像中的像素距离，和在前一帧图像中的像素距离，确定多个比值时，针对两两目标特征点，可以计算该两两目标特征点在帧图像中的像素距离与在前一帧图像中的像素距离的比值，得到该两两目标特征点对应的比值，以此类推，从而可以得到多个比值。

示例地，在本申请实施例中，基于多个比值和帧图像与前一帧图像之间的时间间隔，确定第二预测碰撞值时，可以先从多个比值中确定为中位数的目标比值，并基于目标比值、和帧图像与前一帧图像之间的时间间隔，确定第二预测碰撞值，具体可参见下述公式2所示：

公式2

其中，表示第二预测碰撞值，帧图像与前一帧图像之间的时间间隔，表示目标比值。

可以看出，本申请实施例中，基于帧图像和帧图像的前一帧图像确定第二预测碰撞值时，可以先基于目标检测算法提取帧图像中的目标检测框，并基于预设尺寸对目标检测框进行缩减，得到缩减后的目标检测框；并对缩减后的目标检测框进行特征点检测，得到多个第一特征点；再基于多个第一特征点和帧图像的前一帧图像对应的多个第二特征点，确定第二预测碰撞值，这样将帧图像作为碰撞预警依据，确定第二预测碰撞值，后续结合第一预测碰撞值共同衡量碰撞危急程度，能够更准确地评估碰撞的危险程度，为列车提供更为鲁棒的预警，这样可以实现列车后向碰撞检测，从而可以对前列车中的司机以及乘客/工作人员进行预警。

基于上述任一实施例，在基于三维点云数据确定第一预测碰撞值，并基于帧图像确定第二预测碰撞值后，就可以基于第一预测碰撞值和第二预测碰撞值，输出预警信息。

示例地，在本申请实施例中，基于第一预测碰撞值和第二预测碰撞值，输出预警信息时，可以先确定第一预测碰撞值和第二预测碰撞值中的较小值；并判断该较小值是否小于或等于预设碰撞值阈值，在该较小值大于预设碰撞值阈值的情况下，说明列车后方暂时不会发生的碰撞；相反的，在较小值小于或等于预设碰撞值阈值的情况下，说明列车后方可能会发生的碰撞，则可以输出预警信息，从而可以对前列车中的司机以及乘客/工作人员进行预警。

下面对本申请提供的列车后向碰撞预警装置进行描述，下文描述的列车后向碰撞预警装置与上文描述的列车后向碰撞预警方法可相互对应参照。

图4为本申请实施例提供的一种列车后向碰撞预警装置的结构示意图，应用于列车，所述列车的车尾端安装有激光雷达和摄像头设备，示例地，请参见图4所示，该列车后向碰撞预警装置40可以包括：

获取单元401，用于获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，以及通过所述摄像头设备采集的所述列车后方的帧图像；

处理单元402，用于基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值；

输出单元403，用于基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息。

示例地，在本申请实施例中，所述处理单元402，用于基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，包括：

基于所述三维点云数据中的所述列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、正上方数据和反射率中的至少一种，对所述三维点云数据进行过滤，得到目标三维点云数据；

基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值。

示例地，在本申请实施例中，所述处理单元402，用于基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值，包括：

基于所述目标三维点云数据中所述列车的正后方向数据，确定所述三维点云数据对应的第一距离值；

基于所述第一距离值、所述三维点云数据与前一帧三维点云数据之间的时间间隔、以及所述前一帧三维点云数据对应的第二距离值，确定所述第一预测碰撞值。

示例地，在本申请实施例中，所述处理单元402，用于基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值，包括：

基于目标检测算法提取所述帧图像中的目标检测框，并基于预设尺寸对所述目标检测框进行缩减，得到缩减后的目标检测框；

对所述缩减后的目标检测框进行特征点检测，得到所述帧图像对应的多个第一特征点；

基于所述多个第一特征点和所述帧图像的前一帧图像对应的多个第二特征点，确定所述第二预测碰撞值。

示例地，在本申请实施例中，所述处理单元402，用于基于所述多个第一特征点和所述帧图像的前一帧图像对应的多个第二特征点，确定所述第二预测碰撞值，包括：

从所述多个第一特征点和所述多个第二特征点中，确定相同的多个目标特征点；

确定所述多个目标特征点中，两两目标特征点分别在所述帧图像中的像素距离，和在所述前一帧图像中的像素距离；

基于所述两两目标特征点分别在所述帧图像中的像素距离，和在所述前一帧图像中的像素距离，确定多个比值；

基于所述多个比值和所述帧图像与所述前一帧图像之间的时间间隔，确定所述第二预测碰撞值。

示例地，在本申请实施例中，所述获取单元401，用于获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，包括：

对通过所述摄像头设备采集的所述列车后方的历史帧图像进行目标检测和目标追踪；

在目标检测结果指示所述历史帧图像中存在其他对象，且目标追踪结果指示连续追踪到所述其他对象的情况下，获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据。

示例地，在本申请实施例中，所述输出单元403，用于基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息，包括：

确定所述第一预测碰撞值和所述第二预测碰撞值中的较小值；

在所述较小值小于或等于预设碰撞值阈值的情况下，输出所述预警信息。

本申请实施例提供的列车后向碰撞预警装置40，可以执行上述任一实施例中列车后向碰撞预警方法的技术方案，其实现原理及有益效果与列车后向碰撞预警方法的实现原理及有益效果类似，可参见列车后向碰撞预警方法的实现原理及有益效果，此处不再进行赘述。

图5为本申请实施例提供的一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行上述列车后向碰撞预警方法，该方法包括：获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，以及通过所述摄像头设备采集的所述列车后方的帧图像；基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值；基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息。

此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述列车后向碰撞预警方法，该方法包括：获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，以及通过所述摄像头设备采集的所述列车后方的帧图像；基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值；基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息。

又一方面，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述列车后向碰撞预警方法，该方法包括：获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，以及通过所述摄像头设备采集的所述列车后方的帧图像；基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值；基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种列车后向碰撞预警方法，其特征在于，应用于列车，所述列车的车尾端安装有激光雷达和摄像头设备，所述方法包括：

获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，以及通过所述摄像头设备采集的所述列车后方的帧图像；

基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值；

基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息；

其中，所述基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，包括：

基于所述三维点云数据中的所述列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、正上方数据和反射率中的至少一种，对所述三维点云数据进行过滤，得到目标三维点云数据；

基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值，包括：

基于所述目标三维点云数据中所述列车的正后方向数据，确定所述三维点云数据对应的第一距离值；

基于所述第一距离值、所述三维点云数据与前一帧三维点云数据之间的时间间隔、以及所述前一帧三维点云数据对应的第二距离值，确定所述第一预测碰撞值。

3.根据权利要求1或2所述的方法，其特征在于，所述基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值，包括：

基于目标检测算法提取所述帧图像中的目标检测框，并基于预设尺寸对所述目标检测框进行缩减，得到缩减后的目标检测框；

对所述缩减后的目标检测框进行特征点检测，得到所述帧图像对应的多个第一特征点；

基于所述多个第一特征点和所述帧图像的前一帧图像对应的多个第二特征点，确定所述第二预测碰撞值。

4.根据权利要求3所述的方法，其特征在于，所述基于所述多个第一特征点和所述帧图像的前一帧图像对应的多个第二特征点，确定所述第二预测碰撞值，包括：

从所述多个第一特征点和所述多个第二特征点中，确定相同的多个目标特征点；

确定所述多个目标特征点中，两两目标特征点分别在所述帧图像中的像素距离，和在所述前一帧图像中的像素距离；

基于所述两两目标特征点分别在所述帧图像中的像素距离，和在所述前一帧图像中的像素距离，确定多个比值；

基于所述多个比值和所述帧图像与所述前一帧图像之间的时间间隔，确定所述第二预测碰撞值。

5.根据权利要求1或2所述的方法，其特征在于，所述获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，包括：

对通过所述摄像头设备采集的所述列车后方的历史帧图像进行目标检测和目标追踪；

在目标检测结果指示所述历史帧图像中存在其他对象，且目标追踪结果指示连续追踪到所述其他对象的情况下，获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据。

6.根据权利要求1或2所述的方法，其特征在于，所述基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息，包括：

确定所述第一预测碰撞值和所述第二预测碰撞值中的较小值；

在所述较小值小于或等于预设碰撞值阈值的情况下，输出所述预警信息。

7.一种列车后向碰撞预警装置，其特征在于，应用于列车，所述列车的车尾端安装有激光雷达和摄像头设备，所述装置包括：

获取单元，用于获取同一时刻，通过所述激光雷达采集的所述列车后方的三维点云数据，以及通过所述摄像头设备采集的所述列车后方的帧图像；

处理单元，用于基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值；并基于所述帧图像和所述帧图像的前一帧图像确定第二预测碰撞值；

输出单元，用于基于所述第一预测碰撞值和所述第二预测碰撞值，输出预警信息；

其中，所述处理单元，用于基于所述三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔确定第一预测碰撞值，包括：

基于所述三维点云数据中的所述列车的正后方向数据、正后方向左侧数据、正后方向右侧数据、正上方数据和反射率中的至少一种，对所述三维点云数据进行过滤，得到目标三维点云数据；

基于所述目标三维点云数据，和所述三维点云数据与前一帧三维点云数据之间的时间间隔，确定所述第一预测碰撞值。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的列车后向碰撞预警方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的列车后向碰撞预警方法。