本發(fā)明涉及車輛工程技術領域，尤其涉及一種車輛盲區(qū)的檢測系統(tǒng)和方法。

背景技術：

駕駛員在駕駛車輛時，需要實時地獲取路況信息，由于駕駛員可以直觀的看到車輛前部路況信息，對于車輛左右方和后方的路況信息，需要借助車輛盲區(qū)檢測技術來實時獲知路況信息，以保障車輛的安全駕駛。

現(xiàn)有技術中，可以利用安裝在車輛四周的傳感器，如超聲波傳感器，或者毫米波雷達，對待檢測的車輛盲區(qū)區(qū)域發(fā)射檢測信號，通過接收到的反射信號，來判斷車輛盲區(qū)區(qū)域的路況信息，或者，也可以利用車輛尾部的后視攝像頭，以及安裝在左右后視鏡上的后視攝像頭采集圖像，通過對采集到的圖像進行處理，來判斷車輛盲區(qū)區(qū)域的路況信息。

這兩種方式下，不能夠直觀的顯示出車輛盲區(qū)區(qū)域的路況信息，并且，車輛周圍的盲區(qū)的檢測能力不強，車輛盲區(qū)內(nèi)非道路物體的識別效果差。

技術實現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發(fā)明的一個目的在于提出一種車輛盲區(qū)的檢測系統(tǒng)，能夠無死角檢測車輛周圍的盲區(qū)，有效提升車輛盲區(qū)內(nèi)非道路物體的識別效果，提升車輛駕駛的安全性。

本發(fā)明的另一個目的在于提出一種車輛盲區(qū)的檢測方法。

為達到上述目的，本發(fā)明第一方面實施例提出的車輛盲區(qū)的檢測系統(tǒng)，包 括：攝像頭模塊，用于實時采集車輛周圍的圖像，并將所述車輛周圍的圖像發(fā)送至視頻處理模塊；所述視頻處理模塊，用于接收所述車輛周圍的圖像，并根據(jù)所述車輛周圍的圖像生成全景圖像，將所述全景圖像發(fā)送至盲區(qū)檢測模塊；所述盲區(qū)檢測模塊，用于接收所述全景圖像，并根據(jù)所述全景圖像和預設算法獲取盲區(qū)檢測結果，將所述全景圖像和所述盲區(qū)檢測結果發(fā)送至顯示模塊；所述顯示模塊，用于接收所述全景圖像和所述盲區(qū)檢測結果，并對所述全景圖像和所述盲區(qū)檢測結果進行顯示。

本發(fā)明第一方面實施例提出的車輛盲區(qū)的檢測系統(tǒng)，通過根據(jù)實時采集到的車輛周圍的圖像生成全景圖像，根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，并將全景圖像和盲區(qū)檢測結果進行顯示，能夠無死角檢測車輛周圍的盲區(qū)，有效提升車輛盲區(qū)內(nèi)非道路物體的識別效果，提升車輛駕駛的安全性。

為達到上述目的，本發(fā)明第二方面實施例提出的車輛盲區(qū)的檢測方法，包括：實時采集車輛周圍的圖像，并將所述車輛周圍的圖像發(fā)送至視頻處理模塊；接收所述車輛周圍的圖像，并根據(jù)所述車輛周圍的圖像生成全景圖像，將所述全景圖像發(fā)送至盲區(qū)檢測模塊；接收所述全景圖像，并根據(jù)所述全景圖像和預設算法獲取盲區(qū)檢測結果，將所述全景圖像和所述盲區(qū)檢測結果發(fā)送至顯示模塊；接收所述全景圖像和所述盲區(qū)檢測結果，并對所述全景圖像和所述盲區(qū)檢測結果進行顯示。

本發(fā)明第二方面實施例提出的車輛盲區(qū)的檢測方法，通過根據(jù)實時采集到的車輛周圍的圖像生成全景圖像，根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，并將全景圖像和盲區(qū)檢測結果進行顯示，能夠無死角檢測車輛周圍的盲區(qū)，有效提升車輛盲區(qū)內(nèi)非道路物體的識別效果，提升車輛駕駛的安全性。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1是本發(fā)明一實施例提出的車輛盲區(qū)的檢測系統(tǒng)的結構示意圖；

圖2是本發(fā)明實施例中車輛全景圖像示意圖；

圖3是本發(fā)明另一實施例提出的車輛盲區(qū)的檢測方法的流程示意圖；

圖4是本發(fā)明另一實施例提出的車輛盲區(qū)的檢測方法的流程示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。相反，本發(fā)明的實施例包括落入所附加權利要求書的精神和內(nèi)涵范圍內(nèi)的所有變化、修改和等同物。

圖1是本發(fā)明一實施例提出的車輛盲區(qū)的檢測系統(tǒng)的結構示意圖，該車輛盲區(qū)的檢測系統(tǒng)10包括攝像頭模塊101，用于實時采集車輛周圍的圖像，并將車輛周圍的圖像發(fā)送至視頻處理模塊102；視頻處理模塊102，用于接收車輛周圍的圖像，并根據(jù)車輛周圍的圖像生成全景圖像，將全景圖像發(fā)送至盲區(qū)檢測模塊103；盲區(qū)檢測模塊103，用于接收全景圖像，并根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，將全景圖像和盲區(qū)檢測結果發(fā)送至顯示模塊104；顯示模塊104，用于接收全景圖像和盲區(qū)檢測結果，并對全景圖像和盲區(qū)檢測結果進行顯示。

在本發(fā)明的一個實施例中，該車輛盲區(qū)的檢測系統(tǒng)10包括攝像頭模塊101，用于實時采集車輛周圍的圖像，并將車輛周圍的圖像發(fā)送至視頻處理模塊102。

在本實施例中，車輛周圍的圖像是攝像頭對車輛周圍的路況進行錄像拍照所獲取到的圖像，車輛周圍的圖像可以為一幀，或者多幀。

其中，攝像頭模塊包括四路攝像頭，車輛周圍的圖像的數(shù)量為四幅。

可選地，攝像頭模塊實時采集車輛周圍的圖像，并將車輛周圍的圖像發(fā)送至視頻處理模塊，包括：攝像頭模塊中的四路攝像頭分別實時采集車輛周圍的四幅圖像，并將分別實時采集到的車輛周圍的四幅圖像發(fā)送至視頻處理模塊。

在本實施例中，通過四路攝像頭分別實時采集車輛周圍的四幅圖像，可以直觀顯示出車輛盲區(qū)區(qū)域的路況信息，并且無死角檢測車輛周圍的盲區(qū)，提升車輛盲區(qū)的檢測能力。

例如，四路攝像頭分別安裝在車輛的前后左右四個方位，當啟動車輛盲區(qū)的檢測系統(tǒng)時，四路攝像頭分別對車輛的前后左右四個方位攝像處理，得到四幅車輛周圍的圖像，并將四幅車輛周圍的圖像發(fā)送至視頻處理模塊102。

在本發(fā)明的一個實施例中，該車輛盲區(qū)的檢測系統(tǒng)10還包括視頻處理模塊102，用于接收車輛周圍的圖像，并根據(jù)車輛周圍的圖像生成全景圖像，將全景圖像發(fā)送至盲區(qū)檢測模塊103。

例如，視頻處理模塊102接收攝像頭模塊發(fā)送的四幅車輛周圍的圖像，并根據(jù)預設的圖像處理技術，將四幅車輛周圍的圖像合成為具有俯視效果的一幀全景圖像A。

圖像處理技術可以例如圖像合成技術。

在本發(fā)明的一個實施例中，該車輛盲區(qū)的檢測系統(tǒng)10還包括盲區(qū)檢測模塊103，用于接收全景圖像，并根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，將全景圖像和盲區(qū)檢測結果發(fā)送至顯示模塊104。

可選地，預設算法包括第一預設算法和第二預設算法，盲區(qū)檢測模塊根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，包括：對全景圖像進行預處理，以得到預處理后的全景圖像；根據(jù)預處理后的全景圖像和第一預設算法檢測全景圖像中的非道路物體，得到第一檢測結果；根據(jù)預處理后的全景圖像和第二預設算法檢測全景圖像中的非道路物體，得到第二檢測結果；根據(jù)第一檢測結果和第二檢測結果獲取盲區(qū)檢測結果。

其中，預處理后的全景圖像為灰度圖像，預處理后的全景圖像可以用全景 圖像B表示。

非道路物體例如行人、車輛，以及障礙物等。

例如，盲區(qū)檢測模塊103獲取到的全景圖像A中，同時包含有灰度信息和彩色信息，在對全景圖像A進行預處理時，可以消除全景圖像A中的彩色信息，保留全景圖像A中的灰度信息，以提取全景圖像A的灰度信息，并將預處理后的全景圖像A保存為全景圖像B，全景圖像B為灰度圖像。

可選地，第一預設算法為動態(tài)多幀求差值算法，根據(jù)全景圖像和第一預設算法檢測全景圖像中的非道路物體，得到第一檢測結果，包括：

根據(jù)動態(tài)多幀求差值算法將預處理后的全景圖像的像素特征與預先保存的圖像的像素特征做比對，以檢測全景圖像中的非道路物體，得到第一檢測結果。

其中，預先保存的圖像是做為比對標準的灰度圖像，預先保存的圖像可以是一幀或者多幀圖像，預先保存的圖像可以用全景圖像C表示，全景圖像C包含一幀或者多幀的全景圖像，例如，全景圖像C又可以表示為全景圖像C1、全景圖像C2，…，全景圖像Cn，其中，n＝1，…，N，N為正整數(shù)，可以將全景圖像C存儲在系統(tǒng)中的存儲介質中。

像素特征為像素點的像素值。

第一檢測結果可以標識全景圖像中非道路物體的大小、特性，以及所在的具體路面位置。

第二檢測結果也可以標識全景圖像中非道路物體的大小、特性，以及所在的具體路面位置。

例如，可以對盲區(qū)檢測模塊103獲取到的全景圖像A的前若干幀的全景圖像預處理，消除若干幀全景圖像中每幀全景圖像的彩色信息，保留每幀全景圖像中的灰度信息，以提取每幀全景圖像的灰度信息，并將預處理后的若干幀全景圖像保存在全景圖像C中，將全景圖像C存儲在系統(tǒng)中的存儲介質中。

具體地，可以分別獲取全景圖像B和全景圖像C中每幀全景圖像Cn的像素點，根據(jù)全景圖像B和每幀全景圖像Cn的像素點分別得到全景圖像B的像素點 的像素值和每幀全景圖像Cn的像素點的像素值，對全景圖像B和每幀全景圖像Cn的像素點的像素值進行逐個求差值，以得到差值結果D1，…，Dn，并將差值結果D1，…，Dn存儲在系統(tǒng)中的存儲介質中，其中，n＝1，…，N，N為正整數(shù)。

需要說明的是，在本實施例獲取差值結果的方案中，方案一：可以對每幀全景圖像Cn都按照動態(tài)多幀求差值計算，可以得出全景圖像A與每幀全景圖像Cn的差值結果Dn，但是，方案一需要計算n次的差值結果，計算量大，但是，可以有效保證對車輛盲區(qū)檢測的實時性。方案二：可以每間隔m幀做動態(tài)多幀求差值計算，方案二降低車輛盲區(qū)檢測的實時性，但是，可以控制系統(tǒng)的計算量，其中，m，n＝1，…，N，N為正整數(shù)。

在具體實施的過程中，可以根據(jù)實際情況權衡方案一和方案二的利弊，以選取合適的方案獲取差值結果。

進一步，獲取到差值結果D1，…，Dn后，可以將差值結果D1，…，Dn與預設差值閾值T做比對，根據(jù)比對結果獲取與差值結果D1，…，Dn對應的黑白圖像E1，…，En，再將預設長寬的矩形窗口在黑白圖像E上滑動，獲取矩形窗口滑動到的黑白圖像E的位置上，矩形窗口所框位置中白色像素點的數(shù)量，當矩形窗口所框位置中白色像素點的數(shù)量超過預設閾值時，判定在矩形窗口所框位置中檢測出非道路物體，其中，n＝1，…，N，N為正整數(shù)。

其中，將差值結果D1，…，Dn與預設差值閾值T做比對，根據(jù)比對結果獲取與差值結果D1，…，Dn對應的黑白圖像E1，…，En的過程可以例如：

將差值結果D1，…，Dn中每一位差值的絕對值與預設差值閾值T作比對，如果差值結果D1，…，Dn中每一位差值的絕對值大于預設差值閾值T，則將此位差值設置為1，如果差值結果D1，…，Dn中每一位差值的絕對值小于或者等于預設差值閾值T，則將此位差值設置為0，設置為1的差值對應的像素點表示黑色像素點，設置為0的差值對應的像素點表示黑色像素點，以得到黑白圖像E1，…，En，其中，n＝1，…，N，N為正整數(shù)。

在本實施例中，通過根據(jù)動態(tài)多幀求差值算法將預處理后的全景圖像的像 素特征與預先保存的圖像的像素特征做比對，以檢測全景圖像中的非道路物體，可以有效的識別出車輛盲區(qū)內(nèi)非道路物體。

可選地，第二預設算法為紋理分析比較算法，根據(jù)預處理后的全景圖像和第二預設算法檢測全景圖像中的非道路物體，得到第二檢測結果，包括：獲取全景圖像中的基準紋理提取區(qū)域和車輛盲區(qū)區(qū)域；根據(jù)圖像紋理提取算法提取基準紋理提取區(qū)域的紋理信息和車輛盲區(qū)區(qū)域的紋理信息；將基準紋理提取區(qū)域的紋理信息和車輛盲區(qū)區(qū)域的紋理信息做比對，以檢測全景圖像中的非道路物體，得到第二檢測結果。

其中，基準紋理提取區(qū)域可以為非駕駛員視線盲區(qū)的區(qū)域。

圖像紋理提取算法例如為小波變換算法。

如圖2所示，為本發(fā)明實施例中車輛全景圖像示意圖，其中，基準紋理提取區(qū)域21為非駕駛員視線盲區(qū)的區(qū)域，車輛盲區(qū)區(qū)域22為駕駛員視線盲區(qū)區(qū)域。

需要說明的是，本實施例示例中圈定預設個數(shù)的車輛盲區(qū)區(qū)域，其中，預設個數(shù)為4個，也可以圈定其它數(shù)量的車輛盲區(qū)區(qū)域，以及，可以自由選擇圈定車輛盲區(qū)區(qū)域，本發(fā)明對此不做限定。

在本發(fā)明中，如果路面中未出現(xiàn)非道路物體，則預處理后的全景圖像的紋理信息的特點為均勻的噪點狀紋理，如果出現(xiàn)非道路物體，則預處理后的全景圖像的紋理信息的特點為分布不均勻的噪點狀紋理，或者，為不是噪點狀的紋理，因此，根據(jù)紋理分析比較算法可以檢測出全景圖像中的非道路物體。

例如，如圖2所示，獲取全景圖像B中的基準紋理提取區(qū)域和四個車輛盲區(qū)區(qū)域，其中，全景圖像B是由全景圖像A預處理后得到的，對全景圖像B中的基準紋理提取區(qū)域和四個車輛盲區(qū)區(qū)域，采用小波變換算法進行紋理信息提取，得到基準紋理提取區(qū)域的紋理信息W_S，以及四個車輛盲區(qū)區(qū)域紋理信息W_1、W_2、W_3，以及W_4，將四個車輛盲區(qū)區(qū)域紋理信息W_1、W_2、W_3，以及W_4分別與W_S比對，得到比對差值1、比對差值2、比對差值3，以及比對 差值4，當某個車輛盲區(qū)區(qū)域紋理信息的比對差值大于預設比對差值閾值時，判定在該車輛盲區(qū)區(qū)域內(nèi)檢測出非道路物體。

進一步，例如，可以將根據(jù)動態(tài)多幀求差值算法獲取到的第一檢測結果，和根據(jù)紋理分析比較算法獲取到的第二檢測結果相結合，獲取盲區(qū)檢測結果，通過結合兩種算法獲取到的盲區(qū)檢測結果，可以精確地檢測出車輛盲區(qū)的非道路物體，進一步提升車輛盲區(qū)內(nèi)非道路物體的識別效果。

在本發(fā)明的一個實施例中，該車輛盲區(qū)的檢測系統(tǒng)10還包括顯示模塊104，用于接收全景圖像和盲區(qū)檢測結果，并對全景圖像和盲區(qū)檢測結果進行顯示。

例如，顯示模塊104接收到全景圖像和盲區(qū)檢測結果后，將全景圖像和盲區(qū)檢測結果顯示給駕駛員。

本實施例中，通過根據(jù)實時采集到的車輛周圍的圖像生成全景圖像，根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，并將全景圖像和盲區(qū)檢測結果進行顯示，能夠無死角檢測車輛周圍的盲區(qū)，有效提升車輛盲區(qū)內(nèi)非道路物體的識別效果，提升車輛駕駛的安全性。

圖3是本發(fā)明另一實施例提出的車輛盲區(qū)的檢測方法的流程示意圖，該車輛盲區(qū)的檢測方法包括：

S31：實時采集車輛周圍的圖像，并將車輛周圍的圖像發(fā)送至視頻處理模塊。

在本實施例中，車輛周圍的圖像是攝像頭對車輛周圍的路況進行錄像拍照所獲取到的圖像，車輛周圍的圖像可以為一幀，或者多幀。

其中，攝像頭模塊包括四路攝像頭，車輛周圍的圖像的數(shù)量為四幅。

可選地，攝像頭模塊實時采集車輛周圍的圖像，并將車輛周圍的圖像發(fā)送至視頻處理模塊，包括：攝像頭模塊中的四路攝像頭分別實時采集車輛周圍的四幅圖像，并將分別實時采集到的車輛周圍的四幅圖像發(fā)送至視頻處理模塊。

在本實施例中，通過四路攝像頭分別實時采集車輛周圍的四幅圖像，可以直觀顯示出車輛盲區(qū)區(qū)域的路況信息，并且無死角檢測車輛周圍的盲區(qū)，提升車輛盲區(qū)的檢測能力。

例如，四路攝像頭分別安裝在車輛的前后左右四個方位，當啟動車輛盲區(qū)的檢測系統(tǒng)時，四路攝像頭分別對車輛的前后左右四個方位攝像處理，得到四幅車輛周圍的圖像，并將四幅車輛周圍的圖像發(fā)送至視頻處理模塊。

S32：接收車輛周圍的圖像，并根據(jù)車輛周圍的圖像生成全景圖像，將全景圖像發(fā)送至盲區(qū)檢測模塊。

例如，視頻處理模塊接收攝像頭模塊發(fā)送的四幅車輛周圍的圖像，并根據(jù)預設的圖像處理技術，將四幅車輛周圍的圖像合成為具有俯視效果的一幀全景圖像A。

圖像處理技術可以例如圖像合成技術。

S33：接收全景圖像，并根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，將全景圖像和盲區(qū)檢測結果發(fā)送至顯示模塊。

可選地，預設算法包括第一預設算法和第二預設算法，根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，包括：對全景圖像進行預處理，以得到預處理后的全景圖像；根據(jù)預處理后的全景圖像和第一預設算法檢測全景圖像中的非道路物體，得到第一檢測結果；根據(jù)預處理后的全景圖像和第二預設算法檢測全景圖像中的非道路物體，得到第二檢測結果；根據(jù)第一檢測結果和第二檢測結果獲取盲區(qū)檢測結果。

其中，預處理后的全景圖像為灰度圖像，預處理后的全景圖像可以用全景圖像B表示。

非道路物體例如行人、車輛，以及障礙物等。

例如，盲區(qū)檢測模塊103獲取到的全景圖像A中，同時包含有灰度信息和彩色信息，在對全景圖像A進行預處理時，可以消除全景圖像A中的彩色信息，保留全景圖像A中的灰度信息，以提取全景圖像A的灰度信息，并將預處理后的全景圖像A保存為全景圖像B，全景圖像B為灰度圖像。

S34：接收全景圖像和盲區(qū)檢測結果，并對全景圖像和盲區(qū)檢測結果進行顯示。

例如，顯示模塊接收到全景圖像和盲區(qū)檢測結果后，將全景圖像和盲區(qū)檢測結果顯示給駕駛員。

本實施例中，通過根據(jù)實時采集到的車輛周圍的圖像生成全景圖像，根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，并將全景圖像和盲區(qū)檢測結果進行顯示，能夠無死角檢測車輛周圍的盲區(qū)，有效提升車輛盲區(qū)內(nèi)非道路物體的識別效果，提升車輛駕駛的安全性。

圖4是本發(fā)明另一實施例提出的車輛盲區(qū)的檢測方法的流程示意圖，該車輛盲區(qū)的檢測方法包括：

S401：分別實時采集車輛周圍的四幅圖像，并將分別實時采集到的車輛周圍的四幅圖像發(fā)送至視頻處理模塊。

在本實施例中，車輛周圍的圖像是攝像頭對車輛周圍的路況進行錄像拍照所獲取到的圖像，車輛周圍的圖像可以為一幀，或者多幀。

通過四路攝像頭分別實時采集車輛周圍的四幅圖像，可以直觀顯示出車輛盲區(qū)區(qū)域的路況信息，并且無死角檢測車輛周圍的盲區(qū)，提升車輛盲區(qū)的檢測能力。

例如，四路攝像頭分別安裝在車輛的前后左右四個方位，當啟動車輛盲區(qū)的檢測系統(tǒng)時，四路攝像頭分別對車輛的前后左右四個方位攝像處理，得到四幅車輛周圍的圖像，并將四幅車輛周圍的圖像發(fā)送至視頻處理模塊。

S402：接收車輛周圍的圖像，并根據(jù)車輛周圍的圖像生成全景圖像，將全景圖像發(fā)送至盲區(qū)檢測模塊。

例如，視頻處理模塊接收攝像頭模塊發(fā)送的四幅車輛周圍的圖像，并根據(jù)預設的圖像處理技術，將四幅車輛周圍的圖像合成為具有俯視效果的一幀全景圖像A。

圖像處理技術可以例如圖像合成技術。

S403：對全景圖像進行預處理，以得到預處理后的全景圖像。

其中，預處理后的全景圖像為灰度圖像，預處理后的全景圖像可以用全景 圖像B表示。

非道路物體例如行人、車輛，以及障礙物等。

例如，盲區(qū)檢測模塊103獲取到的全景圖像A中，同時包含有灰度信息和彩色信息，在對全景圖像A進行預處理時，可以消除全景圖像A中的彩色信息，保留全景圖像A中的灰度信息，以提取全景圖像A的灰度信息，并將預處理后的全景圖像A保存為全景圖像B，全景圖像B為灰度圖像。

S404：根據(jù)動態(tài)多幀求差值算法將預處理后的全景圖像的像素特征與預先保存的圖像的像素特征做比對，以檢測全景圖像中的非道路物體，得到第一檢測結果。

其中，預先保存的圖像是做為比對標準的灰度圖像，預先保存的圖像可以是一幀或者多幀圖像，預先保存的圖像可以用全景圖像C表示，全景圖像C包含一幀或者多幀的全景圖像，例如，全景圖像C又可以表示為全景圖像C1、全景圖像C2，…，全景圖像Cn，其中，n＝1，…，N，N為正整數(shù)，可以將全景圖像C存儲在系統(tǒng)中的存儲介質中。

像素特征為像素點的像素值。

第一檢測結果可以標識全景圖像中非道路物體的大小、特性，以及所在的具體路面位置。

第二檢測結果也可以標識全景圖像中非道路物體的大小、特性，以及所在的具體路面位置。

例如，可以對盲區(qū)檢測模塊103獲取到的全景圖像A的前若干幀的全景圖像預處理，消除若干幀全景圖像中每幀全景圖像的彩色信息，保留每幀全景圖像中的灰度信息，以提取每幀全景圖像的灰度信息，并將預處理后的若干幀全景圖像保存在全景圖像C中，將全景圖像C存儲在系統(tǒng)中的存儲介質中。

具體地，可以分別獲取全景圖像B和全景圖像C中每幀全景圖像Cn的像素點，根據(jù)全景圖像B和每幀全景圖像Cn的像素點分別得到全景圖像B的像素點的像素值和每幀全景圖像Cn的像素點的像素值，對全景圖像B和每幀全景圖像 Cn的像素點的像素值進行逐個求差值，以得到差值結果D1，…，Dn，并將差值結果D1，…，Dn存儲在系統(tǒng)中的存儲介質中，其中，n＝1，…，N，N為正整數(shù)。

需要說明的是，在本實施例獲取差值結果的方案中，方案一：可以對每幀全景圖像Cn都按照動態(tài)多幀求差值計算，可以得出全景圖像A與每幀全景圖像Cn的差值結果Dn，但是，方案一需要計算n次的差值結果，計算量大，但是，可以有效保證對車輛盲區(qū)檢測的實時性。方案二：可以每間隔m幀做動態(tài)多幀求差值計算，方案二降低車輛盲區(qū)檢測的實時性，但是，可以控制系統(tǒng)的計算量，其中，m，n＝1，…，N，N為正整數(shù)。

在具體實施的過程中，可以根據(jù)實際情況權衡方案一和方案二的利弊，以選取合適的方案獲取差值結果。

進一步，獲取到差值結果D1，…，Dn后，可以將差值結果D1，…，Dn與預設差值閾值T做比對，根據(jù)比對結果獲取與差值結果D1，…，Dn對應的黑白圖像E1，…，En，再將預設長寬的矩形窗口在黑白圖像E上滑動，獲取矩形窗口滑動到的黑白圖像E的位置上，矩形窗口所框位置中白色像素點的數(shù)量，當矩形窗口所框位置中白色像素點的數(shù)量超過預設閾值時，判定在矩形窗口所框位置中檢測出非道路物體，其中，n＝1，…，N，N為正整數(shù)。

其中，將差值結果D1，…，Dn與預設差值閾值T做比對，根據(jù)比對結果獲取與差值結果D1，…，Dn對應的黑白圖像E1，…，En的過程可以例如：

將差值結果D1，…，Dn中每一位差值的絕對值與預設差值閾值T作比對，如果差值結果D1，…，Dn中每一位差值的絕對值大于預設差值閾值T，則將此位差值設置為1，如果差值結果D1，…，Dn中每一位差值的絕對值小于或者等于預設差值閾值T，則將此位差值設置為0，設置為1的差值對應的像素點表示黑色像素點，設置為0的差值對應的像素點表示黑色像素點，以得到黑白圖像E1，…，En，其中，n＝1，…，N，N為正整數(shù)。

在本實施例中，通過根據(jù)動態(tài)多幀求差值算法將預處理后的全景圖像的像素特征與預先保存的圖像的像素特征做比對，以檢測全景圖像中的非道路物體， 可以有效的識別出車輛盲區(qū)內(nèi)非道路物體。

S405：獲取全景圖像中的基準紋理提取區(qū)域和車輛盲區(qū)區(qū)域。

其中，基準紋理提取區(qū)域可以為非駕駛員視線盲區(qū)的區(qū)域。

如圖2所示，為本發(fā)明實施例中車輛全景圖像示意圖，其中，基準紋理提取區(qū)域21為非駕駛員視線盲區(qū)的區(qū)域，車輛盲區(qū)區(qū)域22為駕駛員視線盲區(qū)區(qū)域。

需要說明的是，本實施例示例中圈定預設個數(shù)的車輛盲區(qū)區(qū)域，其中，預設個數(shù)為4個，也可以圈定其它數(shù)量的車輛盲區(qū)區(qū)域，以及，可以自由選擇圈定車輛盲區(qū)區(qū)域，本發(fā)明對此不做限定。

S406：根據(jù)圖像紋理提取算法提取基準紋理提取區(qū)域的紋理信息和車輛盲區(qū)區(qū)域的紋理信息。

圖像紋理提取算法例如為小波變換算法。

S407：將基準紋理提取區(qū)域的紋理信息和車輛盲區(qū)區(qū)域的紋理信息做比對，以檢測全景圖像中的非道路物體，得到第二檢測結果。

在本發(fā)明中，如果路面中未出現(xiàn)非道路物體，則預處理后的全景圖像的紋理信息的特點為均勻的噪點狀紋理，如果出現(xiàn)非道路物體，則預處理后的全景圖像的紋理信息的特點為分布不均勻的噪點狀紋理，或者，為不是噪點狀的紋理，因此，根據(jù)紋理分析比較算法可以檢測出全景圖像中的非道路物體。

例如，如圖2所示，獲取全景圖像B中的基準紋理提取區(qū)域和四個車輛盲區(qū)區(qū)域，其中，全景圖像B是由全景圖像A預處理后得到的，對全景圖像B中的基準紋理提取區(qū)域和四個車輛盲區(qū)區(qū)域，采用小波變換算法進行紋理信息提取，得到基準紋理提取區(qū)域的紋理信息W_S，以及四個車輛盲區(qū)區(qū)域紋理信息W_1、W_2、W_3，以及W_4，將四個車輛盲區(qū)區(qū)域紋理信息W_1、W_2、W_3，以及W_4分別與W_S比對，得到比對差值1、比對差值2、比對差值3，以及比對差值4，當某個車輛盲區(qū)區(qū)域紋理信息的比對差值大于預設比對差值閾值時，判定在該車輛盲區(qū)區(qū)域內(nèi)檢測出非道路物體。

S408：根據(jù)第一檢測結果和第二檢測結果獲取盲區(qū)檢測結果。

例如，可以將根據(jù)動態(tài)多幀求差值算法獲取到的第一檢測結果，和根據(jù)紋理分析比較算法獲取到的第二檢測結果相結合，獲取盲區(qū)檢測結果，通過結合兩種算法獲取到的盲區(qū)檢測結果，可以精確地檢測出車輛盲區(qū)的非道路物體，進一步提升車輛盲區(qū)內(nèi)非道路物體的識別效果。

S409：對全景圖像和盲區(qū)檢測結果進行顯示。

例如，顯示模塊接收到全景圖像和盲區(qū)檢測結果后，將全景圖像和盲區(qū)檢測結果顯示給駕駛員。

本實施例中，通過四路攝像頭分別實時采集車輛周圍的四幅圖像，可以直觀顯示出車輛盲區(qū)區(qū)域的路況信息，通過根據(jù)實時采集到的車輛周圍的圖像生成全景圖像，根據(jù)全景圖像和預設算法獲取盲區(qū)檢測結果，并將全景圖像和盲區(qū)檢測結果進行顯示，能夠無死角檢測車輛周圍的盲區(qū)，有效提升車輛盲區(qū)內(nèi)非道路物體的識別效果，提升車輛駕駛的安全性。通過結合兩種算法獲取到的盲區(qū)檢測結果，可以精確地檢測出車輛盲區(qū)的非道路物體，進一步提升車輛盲區(qū)內(nèi)非道路物體的識別效果。

需要說明的是，在本發(fā)明的描述中，術語“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對重要性。此外，在本發(fā)明的描述中，除非另有說明，“多個”的含義是兩個或兩個以上。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應被本發(fā)明的實施例所屬技術領域的技術人員所理解。

應當理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí) 行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領域公知的下列技術中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。

本技術領域的普通技術人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。

此外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質中。

上述提到的存儲介質可以是只讀存儲器，磁盤或光盤等。

在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結合該實施例或示例描述的具體特征、結構、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結構、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結合。

盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領域的普通技術人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。