本發(fā)明涉及自動剎車控制技術(shù)，特別是涉及一種基于圖像識別和毫米波雷達(dá)融合的自動剎車方法和系統(tǒng)。

背景技術(shù)：

自動剎車系統(tǒng)主要由信息采集系統(tǒng)、數(shù)據(jù)分析系統(tǒng)和執(zhí)行機構(gòu)3大模塊構(gòu)成，自動剎車系統(tǒng)通過信息采集系統(tǒng)收集到車輛外部環(huán)境數(shù)據(jù)，然后利用數(shù)據(jù)分析系統(tǒng)將采集到的數(shù)據(jù)做進(jìn)一步處理，得出本車與前方目標(biāo)的距離、與前方目標(biāo)的預(yù)計碰撞時間。執(zhí)行機構(gòu)系統(tǒng)將數(shù)據(jù)分析系統(tǒng)的輸出結(jié)果與警示距離、安全距離進(jìn)行比較，當(dāng)距離小于警示距離時進(jìn)行警報提示，而當(dāng)小于安全距離時即使在駕駛員沒有來得及踩制動踏板的情況下，自動剎車系統(tǒng)系統(tǒng)也會啟動，對汽車進(jìn)行自動制動，即執(zhí)行機構(gòu)會自動在剎車系統(tǒng)上加力，以幫助駕駛員在做出動作前縮短剎車距離，最大限度避免碰撞事故的發(fā)生。

在實際行車中，由于駕駛員的疲勞，雨天霧天等惡劣天氣導(dǎo)致視線受阻等，很容易發(fā)生交通事故。通過對交通事故分析發(fā)現(xiàn)，配備自動剎車系統(tǒng)可以降低17％以上的追尾事故。在最新的美國保險協(xié)會與歐洲新車碰撞測試中心(e-ncap)的車輛安全評價標(biāo)準(zhǔn)中，均將自動剎車系統(tǒng)作為重要的評價對象。由此可見，自動剎車系統(tǒng)對行車安全以具有很大的幫助。

目前自動剎車系統(tǒng)的數(shù)據(jù)采集模塊，或使用雷達(dá)系統(tǒng)，或使用視頻系統(tǒng)。

雷達(dá)系統(tǒng)的主要問題是只能對縱向距離進(jìn)行準(zhǔn)確檢測，但是對于橫向距離以及垂直向信息無法識別，即對物體尺寸、運動等不能進(jìn)行良好的估計。由于雷達(dá)的發(fā)射角度小，距離過于近的物體可能測不到或者不準(zhǔn)(如波束從對方車正面穿過去、對方不是正好在正前方等等情況)?；趫D像的測距系統(tǒng)容易受到光照、天氣、等的影響，尤其在夜間以及極端天氣(如霧天，雪天)條件下，檢測性能大打折扣。

技術(shù)實現(xiàn)要素：

基于此，有必要提供一種安全性能高的基于圖像識別和毫米波雷達(dá)融合的自動剎車方法和系統(tǒng)。

一種基于圖像識別和毫米波雷達(dá)融合的自動剎車方法，包括以下步驟：

采用毫米波雷達(dá)采集本車前方的目標(biāo)雷達(dá)圖像及目標(biāo)距離本車的距離；

采用車載攝像頭獲取本車前方的環(huán)境圖像及目標(biāo)圖像；

采用基于深度學(xué)習(xí)語義分割對所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行處理；

將處理后的所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行加權(quán)融合，并根據(jù)加權(quán)融合的圖像信息計算出本車與目標(biāo)的距離、速度及加速度；

根據(jù)本車與目標(biāo)的距離、速度及加速度計算出本車與目標(biāo)的碰撞預(yù)計時間；

在碰撞預(yù)計時間達(dá)到碰撞制動臨界時間點時，控制本車進(jìn)行自動剎車。

在其中一個實施例中，所述采用基于深度學(xué)習(xí)語義分割對所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行處理的步驟包括：

采用fcn深度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測出圖像當(dāng)中每個像素屬于行駛區(qū)域或非行駛區(qū)域的概率；

采用cfr圖像語義分割進(jìn)一步確定每個像素所屬類標(biāo)。

在其中一個實施例中，所述將處理后的所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行加權(quán)融合的步驟包括：

動態(tài)調(diào)整所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重。

在其中一個實施例中，所述動態(tài)調(diào)整所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重的步驟包括：

在距離閾值范圍內(nèi)，調(diào)高所述目標(biāo)雷達(dá)圖像的權(quán)重，降低所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重；

在超過距離閾值范圍時，降低所述目標(biāo)雷達(dá)圖像的權(quán)重，調(diào)高所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重。

在其中一個實施例中，還包括以下步驟：

在碰撞預(yù)計時間超過安全時間臨界時間點時，向本車的駕駛?cè)藛T發(fā)出視覺報警信號；

在碰撞預(yù)計時間超過安全時間臨界時間點、而沒有達(dá)到碰撞制動臨界時間點時，向本車的駕駛?cè)藛T發(fā)出聲音報警信號且進(jìn)行自動剎車預(yù)制動；

在碰撞預(yù)計時間超過不可避免碰撞制動臨界時間點時，控制本車的安全帶預(yù)緊張。

一種基于圖像識別和毫米波雷達(dá)融合的自動剎車系統(tǒng)，包括毫米波雷達(dá)模塊、車載攝像頭模塊、語義分割處理模塊、加權(quán)融合模塊、計算模塊及控制模塊；

所述毫米波雷達(dá)模塊用于采集本車前方的目標(biāo)雷達(dá)圖像及目標(biāo)距離本車的距離；

所述車載攝像頭模塊用于獲取本車前方的環(huán)境圖像及目標(biāo)圖像；

所述語義分割處理模塊用于采用基于深度學(xué)習(xí)語義分割對所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行處理；

所述加權(quán)融合模塊用于將處理后的所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行加權(quán)融合，并根據(jù)加權(quán)融合的圖像信息計算出本車與目標(biāo)的距離、速度及加速度；

所述計算模塊用于根據(jù)本車與目標(biāo)的距離、速度及加速度計算出本車與目標(biāo)的碰撞預(yù)計時間；

在碰撞預(yù)計時間達(dá)到碰撞制動臨界時間點時，所述控制模塊用于控制本車進(jìn)行自動剎車。

在其中一個實施例中，所述語義分割處理模塊還用于采用fcn深度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測出圖像當(dāng)中每個像素屬于行駛區(qū)域或非行駛區(qū)域的概率；

所述語義分割處理模塊還用于采用cfr圖像語義分割進(jìn)一步確定每個像素所屬類標(biāo)。

在其中一個實施例中，所述加權(quán)融合模塊還用于動態(tài)調(diào)整所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重。

在其中一個實施例中，在距離閾值范圍內(nèi)，所述加權(quán)融合模塊還用于調(diào)高所述目標(biāo)雷達(dá)圖像的權(quán)重，降低所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重；

在超過距離閾值范圍時，所述加權(quán)融合模塊還用于降低所述目標(biāo)雷達(dá)圖像的權(quán)重，調(diào)高所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重。

在其中一個實施例中，在碰撞預(yù)計時間超過安全時間臨界時間點時，所述控制模塊還用于向本車的駕駛?cè)藛T發(fā)出視覺報警信號；

在碰撞預(yù)計時間超過安全時間臨界時間點、而沒有達(dá)到碰撞制動臨界時間點時，所述控制模塊還用于向本車的駕駛?cè)藛T發(fā)出聲音報警信號且進(jìn)行自動剎車預(yù)制動；

在碰撞預(yù)計時間超過不可避免碰撞制動臨界時間點時，所述控制模塊還用于控制本車的安全帶預(yù)緊張。

上述基于圖像識別和毫米波雷達(dá)融合的自動剎車方法和系統(tǒng)通過采用毫米波雷達(dá)采集本車前方的目標(biāo)雷達(dá)圖像及目標(biāo)距離本車的距離；采用車載攝像頭獲取本車前方的環(huán)境圖像及目標(biāo)圖像；采用基于深度學(xué)習(xí)語義分割對所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行處理；將處理后的所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行加權(quán)融合，并根據(jù)加權(quán)融合的圖像信息計算出本車與目標(biāo)的距離、速度及加速度；根據(jù)本車與目標(biāo)的距離、速度及加速度計算出本車與目標(biāo)的碰撞預(yù)計時間；在碰撞預(yù)計時間達(dá)到碰撞制動臨界時間點時，控制本車進(jìn)行自動剎車。由于將目標(biāo)雷達(dá)圖像、環(huán)境圖像及目標(biāo)圖像進(jìn)行了加權(quán)融合，進(jìn)而根據(jù)加權(quán)融合的圖像信息進(jìn)行剎車控制，使得自動剎車的準(zhǔn)確度更高，提高了駕駛的安全度。

附圖說明

圖1為基于圖像識別和毫米波雷達(dá)融合的自動剎車方法的流程圖；

圖2為條件隨機場圖像語義分割的類標(biāo)示意圖；

圖3為基于圖像識別和毫米波雷達(dá)融合的自動剎車系統(tǒng)的模塊圖。

具體實施方式

為了便于理解本發(fā)明，下面將參照相關(guān)附圖對本發(fā)明進(jìn)行更全面的描述。附圖中給出了本發(fā)明的較佳實施例。但是，本發(fā)明可以以許多不同的形式來實現(xiàn)，并不限于本文所描述的實施例。相反地，提供這些實施例的目的是使對本發(fā)明的公開內(nèi)容的理解更加透徹全面。

除非另有定義，本文所使用的所有的技術(shù)和科學(xué)術(shù)語與屬于本發(fā)明的技術(shù)領(lǐng)域的技術(shù)人員通常理解的含義相同。本文中在本發(fā)明的說明書中所使用的術(shù)語只是為了描述具體的實施例的目的，不是旨在限制本發(fā)明。本文所使用的術(shù)語“和/或”包括一個或多個相關(guān)的所列項目的任意的和所有的組合。

如圖1所示，為基于圖像識別和毫米波雷達(dá)融合的自動剎車方法的流程圖。

一種基于圖像識別和毫米波雷達(dá)融合的自動剎車方法，包括以下步驟：

步驟s110，采用毫米波雷達(dá)采集本車前方的目標(biāo)雷達(dá)圖像及目標(biāo)距離本車的距離。

毫米波雷達(dá)是指工作在毫米波波段的雷達(dá)。其特點是波長短，穿透能力強，幾乎不受外部氣象的條件影響，探測性能穩(wěn)定，實時性強。

步驟s120，采用車載攝像頭獲取本車前方的環(huán)境圖像及目標(biāo)圖像。

在本實施例中，車載攝像頭采用6層全玻璃鏡頭，水平視角(hfov)52°、垂直視角(vfov)38.4°，感光芯片為cmos數(shù)字圖像傳感器ar0132at。該系統(tǒng)具有集成度高、功耗低、成本低的優(yōu)點。當(dāng)然，車載攝像頭并限于上述鏡頭，拍攝視角也可根據(jù)實際需要進(jìn)行調(diào)節(jié)。

由于雷達(dá)的發(fā)射角度小，近距離物體可能測不到或者不準(zhǔn)。針對波束從對方車正面穿過去，目標(biāo)不是正好在正前方等一些很難檢測的情況。結(jié)合之前的雷達(dá)信息作出一個綜合判斷(因為近車不是憑空出現(xiàn)，肯定是前車?yán)蛘吲赃呠嚽腥朐斐?。之前的雷達(dá)肯定有記錄到一輛遠(yuǎn)車慢慢拉近，或者前方側(cè)面有個車)，因此，綜合車載攝像頭的圖像采集結(jié)果，可以檢測到這些特殊情況下的車輛。

步驟s130，采用基于深度學(xué)習(xí)語義分割對所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行處理。

具體的，步驟s130包括：

采用fcn(fullyconvolutionalnetworks全卷積網(wǎng)絡(luò))深度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測出圖像當(dāng)中每個像素屬于行駛區(qū)域或非行駛區(qū)域的概率；

采用cfr(conditionalrandomfields條件隨機場)圖像語義分割進(jìn)一步確定每個像素所屬類標(biāo)。

在本實施例中，利用fcn深度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測出圖像當(dāng)中每個像素屬于行駛區(qū)域或非行駛區(qū)域概率，得出每個像素的類標(biāo)概率后，使用cfr進(jìn)一步確定出每個像素所屬類標(biāo)，其中全連接條件隨機場crf的能量函數(shù)是：

e表示邊集合，xi為像素點i的分類標(biāo)簽，能量方程的第一項ψu(xi)，稱之為一元勢函數(shù)，用于衡量當(dāng)像素點i的顏色值為yi時，該像素點屬于類別標(biāo)簽xi的概率。能量方程的第二項成對勢函數(shù)ψp(xi，xj)，用于衡量兩事件同時發(fā)生的概率p(xi，xj)。

通過優(yōu)化求解可得該能量函數(shù)的解為：

下標(biāo)i表示第i張?zhí)卣鲌D，q(l)是一張概率圖片，對應(yīng)著原始圖像每個像素點屬于類別l的概率，k(fi，fj)是一個高斯核權(quán)重。qi是概率分布，l表示類別，下標(biāo)i表示第i張?zhí)卣鲌D，qi(l)表示第i張?zhí)卣鲌D每個像素點屬于類別l的概率分布，(fi，fj)是像素點i和j的特征向量，k(fi，fj)是一個高斯核權(quán)重。

crf圖像語義分割的目標(biāo)就是：通過觀測變量yi，推理出潛變量xi的對應(yīng)類別標(biāo)簽。具體如圖2所示。

在深度學(xué)習(xí)語義分割出可行駛區(qū)域基礎(chǔ)上，再利用圖像和毫米波雷達(dá)系融合系統(tǒng)進(jìn)行信息采集，極大地提高了檢測性能，避免了一些可能的誤判，提高了系統(tǒng)的魯棒性。

步驟s140，將處理后的所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行加權(quán)融合，并根據(jù)加權(quán)融合的圖像信息計算出本車與目標(biāo)的距離、速度及加速度。

具體的，步驟s140包括：動態(tài)調(diào)整所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重。

在本實施例中，通過毫米波雷達(dá)檢測出本車前方的目標(biāo)及目標(biāo)距離本車的距離(如目標(biāo)1距離200m)。

通過車載攝像頭，獲取到外部環(huán)境的圖像信息，使用ldcf(localdecorrelationchannelfeatures，物體檢測算法)算法檢測出本車前方的物體(如檢測到的目標(biāo)有人、車輛)。再結(jié)合相機成像原理，計算出物體距離本車的距離。

加權(quán)融合并非簡單的對目標(biāo)雷達(dá)圖像、環(huán)境圖像及目標(biāo)圖像進(jìn)行加和，而是通過動態(tài)調(diào)整雷達(dá)系統(tǒng)和圖像采集系統(tǒng)的權(quán)重，使得兩種信息得到相互驗證或者糾正，最終獲得更可靠的外部信息。

通常，對于較近物體的檢測，由雷達(dá)系統(tǒng)獲取的信息較為可靠。而對于較遠(yuǎn)的物體，視覺系統(tǒng)傳遞的信息相對更為可靠。

在本實施例中，所述動態(tài)調(diào)整所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重的步驟包括：

在距離閾值范圍內(nèi)，調(diào)高所述目標(biāo)雷達(dá)圖像的權(quán)重，降低所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重；

在超過距離閾值范圍時，降低所述目標(biāo)雷達(dá)圖像的權(quán)重，調(diào)高所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重。

具體的，設(shè)定一個距離閾值d，在d以內(nèi)，認(rèn)為毫米波雷達(dá)的可靠性更高，即調(diào)整毫米波雷達(dá)的權(quán)重高于車載攝像頭。根據(jù)毫米波雷達(dá)所檢測到的目標(biāo)去匹配車載攝像頭所檢測到的目標(biāo)，如果車載攝像頭檢測出某位置某個物體，而毫米波雷達(dá)也檢測到了此距離的某個目標(biāo)，此時毫米波雷達(dá)與車載攝像頭實現(xiàn)了相互驗證，此信息的可靠度得到提升；如果車載攝像頭檢測到的目標(biāo)沒有與毫米波雷達(dá)檢測的目標(biāo)相匹配，此時，認(rèn)為車載攝像頭未匹配到的目標(biāo)是誤檢，糾正了車載攝像頭檢測的誤檢。

當(dāng)超出設(shè)定閾值d時，交換兩個毫米波雷達(dá)與車載攝像頭的權(quán)重，再次進(jìn)行信息的驗證與糾正。獲得更為可靠的信息。

步驟s150，根據(jù)本車與目標(biāo)的距離、速度及加速度計算出本車與目標(biāo)的碰撞預(yù)計時間。

依據(jù)本車與目標(biāo)的距離、速度及加速度等信息，計算本車與前方目標(biāo)的碰撞預(yù)計時間。

步驟s160，在碰撞預(yù)計時間達(dá)到碰撞制動臨界時間點時，控制本車進(jìn)行自動剎車。

在本實施例中，基于圖像識別和毫米波雷達(dá)融合的自動剎車方法，還包括以下步驟：

在碰撞預(yù)計時間超過安全時間臨界時間點時，向本車的駕駛?cè)藛T發(fā)出視覺報警信號；

在碰撞預(yù)計時間超過安全時間臨界時間點、而沒有達(dá)到碰撞制動臨界時間點時，向本車的駕駛?cè)藛T發(fā)出聲音報警信號且進(jìn)行自動剎車預(yù)制動；

在碰撞預(yù)計時間超過不可避免碰撞制動臨界時間點時，控制本車的安全帶預(yù)緊張。

具體的，如果本車與目標(biāo)之間的距離處在安全距離(未超過安全時間臨界時間點)以內(nèi)，則不做響應(yīng)；如果本車與目標(biāo)車之間從安全距離進(jìn)入到較危險距離，或者前方碰撞預(yù)計時間超過安全時間臨界時間點，會發(fā)出視覺警報以提醒駕駛員注意安全。當(dāng)處于較危險距離(超過安全時間臨界時間點、而沒有達(dá)到碰撞制動臨界時間點時)，會通過聲音報警、震動等方式預(yù)警，并啟動制動器，開始預(yù)壓。當(dāng)處于危險距離，即碰撞預(yù)計時間達(dá)到碰撞制動臨界時間點時，制動器完全施壓即控制自動剎車。如果車處于避免碰撞距離以內(nèi)(超過不可避免碰撞制動臨界時間點時)，碰撞不可避免，執(zhí)行提前給予安全帶預(yù)緊張。

上述方法利用深度學(xué)習(xí)語義分割從背景圖中把可行駛區(qū)域分離出來，然后結(jié)合基于車載攝像頭獲取的圖像和毫米波雷達(dá)獲取的圖像進(jìn)行加權(quán)融合，避免了一些可能的誤檢，提高了系統(tǒng)的魯棒性，基于圖像識別和毫米波雷達(dá)融合的自動剎車方法又很好的將兩種互補的信息進(jìn)行融合，根據(jù)距離閾值動態(tài)設(shè)定毫米波雷達(dá)和車載攝像頭的權(quán)重，使得信息的融合更為靈活合理，獲得了更詳細(xì)、更可靠、精度更高的環(huán)境信息；從而使自動剎車更加的敏銳和可靠，實現(xiàn)了更好的駕駛安全性、舒適性和燃油經(jīng)濟(jì)性。

如圖3所示，為基于圖像識別和毫米波雷達(dá)融合的自動剎車系統(tǒng)的模塊圖。

一種基于圖像識別和毫米波雷達(dá)融合的自動剎車系統(tǒng)，包括毫米波雷達(dá)模塊101、車載攝像頭模塊102、語義分割處理模塊103、加權(quán)融合模塊104、計算模塊105及控制模塊106；

所述毫米波雷達(dá)模塊101用于采集本車前方的目標(biāo)雷達(dá)圖像及目標(biāo)距離本車的距離；

所述車載攝像頭模塊102用于獲取本車前方的環(huán)境圖像及目標(biāo)圖像；

所述語義分割處理模塊103用于采用基于深度學(xué)習(xí)語義分割對所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行處理；

所述加權(quán)融合模塊104用于將處理后的所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行加權(quán)融合，并根據(jù)加權(quán)融合的圖像信息計算出本車與目標(biāo)的距離、速度及加速度；

所述計算模塊105用于根據(jù)本車與目標(biāo)的距離、速度及加速度計算出本車與目標(biāo)的碰撞預(yù)計時間；

在碰撞預(yù)計時間達(dá)到碰撞制動臨界時間點時，所述控制模塊106用于控制本車進(jìn)行自動剎車。

所述語義分割處理模塊103還用于采用fcn深度學(xué)習(xí)網(wǎng)絡(luò)預(yù)測出圖像當(dāng)中每個像素屬于行駛區(qū)域或非行駛區(qū)域的概率；

所述語義分割處理模塊103還用于采用cfr圖像語義分割進(jìn)一步確定每個像素所屬類標(biāo)。

所述加權(quán)融合模塊104還用于動態(tài)調(diào)整所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重。

在距離閾值范圍內(nèi)，所述加權(quán)融合模塊104還用于調(diào)高所述目標(biāo)雷達(dá)圖像的權(quán)重，降低所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重；

在超過距離閾值范圍時，所述加權(quán)融合模塊104還用于降低所述目標(biāo)雷達(dá)圖像的權(quán)重，調(diào)高所述環(huán)境圖像及所述目標(biāo)圖像的權(quán)重。

在碰撞預(yù)計時間超過安全時間臨界時間點時，所述控制模塊106還用于向本車的駕駛?cè)藛T發(fā)出視覺報警信號；

在碰撞預(yù)計時間超過安全時間臨界時間點、而沒有達(dá)到碰撞制動臨界時間點時，所述控制模塊106還用于向本車的駕駛?cè)藛T發(fā)出聲音報警信號且進(jìn)行自動剎車預(yù)制動；

在碰撞預(yù)計時間超過不可避免碰撞制動臨界時間點時，所述控制模塊106還用于控制本車的安全帶預(yù)緊張。

上述基于圖像識別和毫米波雷達(dá)融合的自動剎車方法和系統(tǒng)通過采用毫米波雷達(dá)采集本車前方的目標(biāo)雷達(dá)圖像及目標(biāo)距離本車的距離；采用車載攝像頭獲取本車前方的環(huán)境圖像及目標(biāo)圖像；采用基于深度學(xué)習(xí)語義分割對所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行處理；將處理后的所述目標(biāo)雷達(dá)圖像、所述環(huán)境圖像及所述目標(biāo)圖像進(jìn)行加權(quán)融合，并根據(jù)加權(quán)融合的圖像信息計算出本車與目標(biāo)的距離、速度及加速度；根據(jù)本車與目標(biāo)的距離、速度及加速度計算出本車與目標(biāo)的碰撞預(yù)計時間；在碰撞預(yù)計時間達(dá)到碰撞制動臨界時間點時，控制本車進(jìn)行自動剎車。由于將目標(biāo)雷達(dá)圖像、環(huán)境圖像及目標(biāo)圖像進(jìn)行了加權(quán)融合，進(jìn)而根據(jù)加權(quán)融合的圖像信息進(jìn)行剎車控制，使得自動剎車的準(zhǔn)確度更高，提高了駕駛的安全度。

以上所述實施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。

以上所述實施例僅表達(dá)了本發(fā)明的幾種實施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。