BSD

随着汽车技术的快速发展和不断革新,汽车作为人们工作生活中的常用交通工具,已经对整个社会的发展产生了重要的影响。而伴随频繁发生的交通事故,人们对汽车安全的关注和要求也越来越高。一方面人们开始逐步提高安全驾驶意识,另一方面汽车相关企业也从主动安全和被动安全两个方面进行技术研发不断推出增加汽车驾驶安全系数的产品和应用。

技术展示

BSD功能

通过后视镜上的摄像头传来的数据,检测在监控画面出现超过目标可视部分10%且占据图像有效区域15%的汽车,电动车,三轮车,自行车,货/卡车、小汽车、客运车、常见异形车、电动自行车、摩托车。

检测在监控画面出现超过目标可视部分10%且占据图像有效区域15%的行人,以及附属物品,如:行李箱,婴儿车等。计算目标盲区位置(含距离信息)并给出预警。

当检测到BSD区域有目标物靠近时,可以通过CAN线发出点亮后视镜上的告警指示灯,当有目标进入BSD区域,且停留时间大于500ms:

1、当转向灯没有打开时,输出一级报警信息,报警灯亮起;

2、当转向灯打开时,输出二级报警信息,警示灯闪烁+声音提醒;

摄像头外壳设计

1.采用铝合金材质,产品强度高,抗冲击性能好。

2.耐受温度-40°~125°,能承受严酷的自然环境

3.热传导和热辐射性能好,散热性能好,保护内部元器件的工作环境。

摄像头防水设计

1.镜头同上壳螺纹配合中间涂螺纹胶,防水,防尘,防止镜头松动。

2.上下壳之间增加O形硅胶密封圈,防水防尘。

功能图

技术

BSD盲区监测

配置

BSD盲区监测

应用

BSD盲区监测

技术原理

BSD算法流程

算法简介

基本流程:

将图片分为S*S个网格(grid cell),对于图像中出现的物体(object),如果物体的中心出现在那个网格里,则那个网格负责检测出该物体。

每个网格生成B个bounding box(类似于不同比例的检测框)和对应于这些bounding box的confidence score(某种表征该框内是否含有物体的置信度),这样的话,每一个网格要输出的信息有物体中心点信息(x,y),该坐标为网格内的相对坐标;以及物体的宽高信息(w,h),和相应的confidence score。除此之外还有对应的物体类别标签信息,由于yolo采用的是softmax方式确定物体类别,所以类别信息的维度C于要判定的类别个数有关。这样就完成了某一个网格中的某一个bounding box的回归。因为有S*S个网格,所以YOLO最终的输出层一共含有的信息为S*S*(B*5+C)。

confidence的计算如下:

confidence = P(object)*IOU;

其中,若bounding box包含物体,则P(object) = 1;否则P(object) = 0;IOU(intersection over union)为预测bounding box与物体真实区域的交集面积(以像素为单位,用真实区域的像素面积归一化到[0,1]区间)。由于输出层为全连接层,因此在检测时,YOLO训练模型只支持与训练图像相同的输入尺寸。

自动化产线

传感器

TPMS

ADAS