本發(fā)明涉及圖像處理的技術(shù)領(lǐng)域，特別是涉及一種橫向車輛預(yù)警方法、系統(tǒng)、存儲介質(zhì)及終端設(shè)備。

背景技術(shù)：

隨著經(jīng)濟的不斷發(fā)展，道路上的汽車保有量越來越多。對車輛進(jìn)行行車安全預(yù)警能夠有效地避免交通事故的發(fā)生?，F(xiàn)有技術(shù)中，通常采用微波雷達(dá)檢測車身周圍的橫向車輛，通過獲取橫向車輛相對于本車的車速來判斷橫向車輛與本車是否會相撞，并在判斷橫向車輛與本車將會相撞時及時發(fā)出警報以提醒駕駛員采取相應(yīng)的措施。然而，微波雷達(dá)無法區(qū)分物體的類別，當(dāng)多個物體距離較近時無法區(qū)分多個物體中哪些是橫向車輛哪些不是橫向車輛，從而導(dǎo)致一定概率的預(yù)警失誤，使得用戶體驗較差。

近年來，基于環(huán)視攝像頭的高級輔助駕駛系統(tǒng)(advanceddriverassistancesystems，adas)已經(jīng)被越來越多的用戶所接受。通過在汽車的前后左右安裝廣角攝像頭，采集車身四周的圖像，經(jīng)過算法分析處理，給駕駛員提供包括全景泊車輔助、車道偏離報警、盲區(qū)車輛檢測在內(nèi)的各種高級輔助駕駛功能，對于提高汽車的主動安全性具有重要的意義。

其中，環(huán)視攝像頭包括設(shè)置在汽車周圍、能覆蓋車輛周邊所有視場范圍的4到8個廣角攝像頭。將環(huán)視攝像頭同一時刻采集到的多路視頻影像進(jìn)行處理，便能得到車輛周邊360度的車身俯視圖。因此，如何基于環(huán)視攝像頭來實現(xiàn)橫向車輛預(yù)警將成為一個極有前景的研究課題。

技術(shù)實現(xiàn)要素：

鑒于以上所述現(xiàn)有技術(shù)的缺點，本發(fā)明的目的在于提供一種橫向車輛預(yù)警方法、系統(tǒng)、存儲介質(zhì)及終端設(shè)備，基于設(shè)置在車輛上的環(huán)視攝像頭所采集的圖像來進(jìn)行橫向車輛的檢測，以實現(xiàn)橫向車輛預(yù)警，從而極大地提高了橫向車輛的檢出率，提升了用戶體驗。

為實現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種橫向車輛預(yù)警方法，包括以下步驟：對設(shè)置在當(dāng)前車輛上的環(huán)視攝像頭中每個攝像頭所獲取的圖像進(jìn)行預(yù)處理，獲取車輛周邊圖像；基于環(huán)視攝像頭中每個攝像頭所獲取的車輛周邊圖像，提取車輛特征信息，并根據(jù)所提取的車輛特征信息獲取車輛可能位置；基于訓(xùn)練好的分類器對所述車輛可能位置進(jìn)行分類，獲取高于預(yù)設(shè)概率的車輛可能位置作為車輛判斷位置；基于環(huán)視攝像頭中每個攝像頭所獲取的車輛周邊圖像，根據(jù)所述車輛判斷位置計算出橫向車輛相對于當(dāng)前車輛的速度和方向；根據(jù)所述橫向車輛相對于當(dāng)前車輛的速度和方向判斷所述橫向車輛是否會與當(dāng)前車輛相撞，并在判斷所述橫向車輛會與當(dāng)前車輛相撞時發(fā)出警報。

于本發(fā)明一實施例中，所述預(yù)處理包括去噪、標(biāo)定校正、裁剪以及視頻平滑處理。

于本發(fā)明一實施例中，計算出橫向車輛相對于當(dāng)前車輛的速度和方向包括以下步驟：

基于上一幀圖像中橫向車輛的速度和方向預(yù)測當(dāng)前幀圖像中橫向車輛的位置，得到當(dāng)前幀中橫向車輛預(yù)測位置；

在當(dāng)前幀中查找與所述橫向車輛預(yù)測位置相匹配的車輛判斷位置；

根據(jù)所匹配的車輛判斷位置，基于卡爾曼濾波器預(yù)估出下一幀圖像中橫向車輛的位置，并計算出所述橫向車輛相對于當(dāng)前車輛的速度和方向。

于本發(fā)明一實施例中，所述警報為語音警報、樂音警報、指示燈警報、蜂鳴警報中的一種或多種組合。

相應(yīng)地，本發(fā)明還提供一種橫向車輛預(yù)警系統(tǒng)，包括預(yù)處理模塊、第一獲取模塊、第二獲取模塊、計算模塊和判斷警報模塊；

所述預(yù)處理模塊用于對設(shè)置在當(dāng)前車輛上的環(huán)視攝像頭中每個攝像頭所獲取的圖像進(jìn)行預(yù)處理，獲取車輛周邊圖像；

所述第一獲取模塊用于基于環(huán)視攝像頭中每個攝像頭所獲取的車輛周邊圖像，提取車輛特征信息，并根據(jù)所提取的車輛特征信息獲取車輛可能位置；

所述第二獲取模塊用于基于訓(xùn)練好的分類器對所述車輛可能位置進(jìn)行分類，獲取高于預(yù)設(shè)概率的車輛可能位置作為車輛判斷位置；

所述計算模塊用于基于環(huán)視攝像頭中每個攝像頭所獲取的車輛周邊圖像，根據(jù)所述車輛判斷位置計算出橫向車輛相對于當(dāng)前車輛的速度和方向；

所述判斷警報模塊用于根據(jù)所述橫向車輛相對于當(dāng)前車輛的速度和方向判斷所述橫向車輛是否會與當(dāng)前車輛相撞，并在判斷所述橫向車輛會與當(dāng)前車輛相撞時發(fā)出警報。

于本發(fā)明一實施例中，所述預(yù)處理模塊中，所述預(yù)處理包括去噪、標(biāo)定校正、裁剪以及視頻平滑處理。

于本發(fā)明一實施例中，所述計算模塊執(zhí)行以下操作：

基于上一幀圖像中橫向車輛的速度和方向預(yù)測當(dāng)前幀圖像中橫向車輛的位置，得到當(dāng)前幀中橫向車輛預(yù)測位置；

在當(dāng)前幀中查找與所述橫向車輛預(yù)測位置相匹配的車輛判斷位置；

根據(jù)所匹配的車輛判斷位置，基于卡爾曼濾波器預(yù)估出下一幀圖像中橫向車輛的位置，并計算出所述橫向車輛相對于當(dāng)前車輛的速度和方向。

于本發(fā)明一實施例中，所述判斷警報模塊中，所述警報為語音警報、樂音警報、指示燈警報、蜂鳴警報中的一種或多種組合。

同時，本發(fā)明還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)上述任一項所述橫向車輛預(yù)警方法。

另外，本發(fā)明還提供一種終端設(shè)備，包括處理器及存儲器；

所述存儲器用于存儲計算機程序；

所述處理器用于執(zhí)行所述存儲器存儲的計算機程序，以使所述終端設(shè)備執(zhí)行上述任一項所述橫向車輛預(yù)警方法。

另外，本發(fā)明還提供一種橫向車輛預(yù)警系統(tǒng)，包括設(shè)置在車輛上的環(huán)視攝像頭以及上述的終端設(shè)備；

所述環(huán)視攝像頭用于采集車輛周邊的圖像，并傳送至所述終端設(shè)備。

如上所述，本發(fā)明的橫向車輛預(yù)警方法、系統(tǒng)、存儲介質(zhì)及終端設(shè)備，具有以下有益效果：

(1)基于設(shè)置在車輛上的環(huán)視攝像頭所采集的圖像來進(jìn)行橫向車輛的檢測，以實現(xiàn)橫向車輛預(yù)警；

(2)極大地提高了橫向車輛的檢出率，降低了橫向車輛預(yù)警的誤報率；

(3)為車輛安全行駛提供了輔助，提升了用戶體驗。

附圖說明

圖1顯示為本發(fā)明的橫向車輛預(yù)警方法的流程圖；

圖2顯示為本發(fā)明的橫向車輛預(yù)警系統(tǒng)的第一實施例的結(jié)構(gòu)示意圖；

圖3顯示為本發(fā)明的終端設(shè)備的結(jié)構(gòu)示意圖；

圖4顯示為本發(fā)明的橫向車輛預(yù)警系統(tǒng)的第二實施例的結(jié)構(gòu)示意圖。

元件標(biāo)號說明

11預(yù)處理模塊

12第一獲取模塊

13第二獲取模塊

14計算模塊

15判斷警報模塊

31處理器

32存儲器

41環(huán)視攝像頭

42終端設(shè)備

具體實施方式

以下通過特定的具體實例說明本發(fā)明的實施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點與功效。本發(fā)明還可以通過另外不同的具體實施方式加以實施或應(yīng)用，本說明書中的各項細(xì)節(jié)也可以基于不同觀點與應(yīng)用，在沒有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。需說明的是，在不沖突的情況下，以下實施例及實施例中的特征可以相互組合。

需要說明的是，以下實施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構(gòu)想，遂圖式中僅顯示與本發(fā)明中有關(guān)的組件而非按照實際實施時的組件數(shù)目、形狀及尺寸繪制，其實際實施時各組件的型態(tài)、數(shù)量及比例可為一種隨意的改變，且其組件布局型態(tài)也可能更為復(fù)雜。

橫向車輛預(yù)警應(yīng)用于視線受限區(qū)域，通過檢測道路上行駛的橫向行駛車輛的速度和方向，以直觀的方式提醒駕駛員可能對本車存在危險的橫向車輛。

本發(fā)明的橫向車輛預(yù)警方法、系統(tǒng)、存儲介質(zhì)及終端設(shè)備基于設(shè)置在車輛上的環(huán)視攝像頭所采集的圖像來進(jìn)行橫向車輛的檢測，以實現(xiàn)橫向車輛預(yù)警，從而極大地提高了橫向車輛的檢出率，為車輛安全行駛提供了輔助，提升了用戶體驗。

如圖1所示，本發(fā)明的橫向車輛預(yù)警方法包括以下步驟：

步驟s1、對設(shè)置在當(dāng)前車輛上的環(huán)視攝像頭中每個攝像頭所獲取的圖像進(jìn)行預(yù)處理，獲取車輛周邊圖像。

環(huán)視攝像頭包括設(shè)置在車頭、車尾、左右兩側(cè)(左右后視鏡下)的四個攝像頭，從而能夠獲取車輛周邊360°的實時影像。本發(fā)明的橫向車輛預(yù)警方法正是基于環(huán)視攝像頭中各個攝像頭所獲取的圖像而實現(xiàn)的。

具體地，所述預(yù)處理包括去噪、標(biāo)定校正、裁剪以及視頻平滑處理。

由于受到攝像頭本身與外部環(huán)境噪聲干擾等影響，攝像頭直接獲取的圖像稱為含噪圖像或噪聲圖像，需要進(jìn)行去噪處理。通常地，去噪處理可以采用均值濾波器、自適應(yīng)維納濾波器、中值濾波器或形態(tài)學(xué)噪聲濾除器進(jìn)行濾波去噪，也可以采用小波分析進(jìn)行去噪。

在對環(huán)視攝像頭所獲取的圖像進(jìn)行應(yīng)用之前，需要建立圖像坐標(biāo)和物理坐標(biāo)之間的對應(yīng)關(guān)系。該對應(yīng)關(guān)系的建立過程即是標(biāo)定校正過程。

裁剪是指按照預(yù)設(shè)標(biāo)準(zhǔn)對將圖像進(jìn)行裁剪操作，以獲取滿足要求的裁剪后圖像。例如，對于設(shè)置在車頭和左右兩側(cè)的攝像頭所獲取的圖像，按照預(yù)設(shè)標(biāo)準(zhǔn)裁剪掉部分重合的圖像。再例如，對于設(shè)置在車尾和左右兩側(cè)的攝像頭所獲取的圖像，按照預(yù)設(shè)標(biāo)準(zhǔn)裁剪掉部分重合的圖像，從而為后續(xù)的圖像處理提供所需的車輛周邊圖像。

視頻平滑處理用于減少連續(xù)圖像之間的抖動現(xiàn)象，從而為實現(xiàn)后續(xù)的橫向車輛預(yù)警提供基礎(chǔ)。

步驟s2、基于環(huán)視攝像頭中每個攝像頭所獲取的車輛周邊圖像，提取車輛特征信息，并根據(jù)所提取的車輛特征信息獲取車輛可能位置。

其中，車輛特征信息包括車輛的陰影、尺寸參數(shù)、水平特征、垂直特征等等。車輛特征信息所對應(yīng)的車輛位置即為車輛可能位置。

步驟s3、基于訓(xùn)練好的分類器對車輛可能位置進(jìn)行分類，獲取高于預(yù)設(shè)概率的車輛可能位置作為車輛判斷位置。

分類是數(shù)據(jù)挖掘的一種非常重要的方法。分類的概念是在已有數(shù)據(jù)的基礎(chǔ)上構(gòu)造出一個分類器。該分類器能夠?qū)?shù)據(jù)庫中的數(shù)據(jù)紀(jì)錄映射到給定類別中的某一個，從而可以應(yīng)用于數(shù)據(jù)預(yù)測。因此，分類器是數(shù)據(jù)挖掘中對樣本進(jìn)行分類的方法的統(tǒng)稱，包含決策樹、邏輯回歸、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)等算法。

在本發(fā)明中，在車輛可能位置的樣本數(shù)據(jù)上執(zhí)行分類器算法，生成訓(xùn)練好的分類器。在訓(xùn)練好的分類器上輸入所獲取的車輛可能位置數(shù)據(jù)，進(jìn)而得到對應(yīng)的分類結(jié)果，并選擇其中高于預(yù)設(shè)概率的車輛可能位置作為車輛判斷位置，作為后續(xù)橫向車輛預(yù)警的基礎(chǔ)。

步驟s4、基于環(huán)視攝像頭中每個攝像頭所獲取的車輛周邊圖像，根據(jù)車輛判斷位置計算出橫向車輛相對于當(dāng)前車輛的速度和方向。

其中，根據(jù)連續(xù)多幀車輛周邊圖像中的車輛判斷位置，可以將車輛分為沿當(dāng)前車輛橫向移動的橫向車輛和沿當(dāng)前車輛縱向移動的縱向車輛。本發(fā)明中，僅針對橫向車輛進(jìn)行預(yù)警，故僅需計算出橫向車輛相對應(yīng)當(dāng)前車輛的實時速度和方向。

具體地，步驟s4包括以下步驟：

41)基于上一幀圖像中橫向車輛的速度和方向預(yù)測當(dāng)前幀圖像中橫向車輛的位置，得到當(dāng)前幀中橫向車輛預(yù)測位置。

42)在當(dāng)前幀中查找與橫向車輛預(yù)測位置相匹配的車輛判斷位置。

其中，當(dāng)橫向車輛預(yù)測位置與某一車輛判斷位置的差值在預(yù)設(shè)閾值內(nèi)時，則判斷該車輛判斷位置與橫向車輛預(yù)測位置相匹配。

43)根據(jù)所匹配的車輛判斷位置，基于卡爾曼濾波器預(yù)估出下一幀圖像中橫向車輛的位置，并計算出橫向車輛相對于當(dāng)前車輛的速度和方向。

具體地，根據(jù)所獲得的橫向車輛的位置坐標(biāo)，利用橫向車輛在相鄰兩幀上的相對移動距離，通過公式s＝v*t計算橫向車輛相對于當(dāng)前車輛的速度和方向，再通過多幀之間的平滑可以推算出更為準(zhǔn)確的相對速度和方向。

需要說明的是，上一幀圖像中橫向車輛的速度和方向也是通過上述方法計算得到的。設(shè)定初始幀中，橫向車輛的速度為0，則可根據(jù)上述方法不停迭代，計算中每個當(dāng)前幀所對應(yīng)的橫向車輛的實時速度和方向。

步驟s5、根據(jù)橫向車輛相對于當(dāng)前車輛的車速和方向判斷橫向車輛是否會與當(dāng)前車輛相撞，并在判斷橫向車輛會與當(dāng)前車輛相撞時發(fā)出警報。

具體地，根據(jù)橫向車輛相對于當(dāng)前車輛的車速和方向以及橫向車輛與當(dāng)前車輛之間的距離，可以計算出橫向車輛與當(dāng)前車輛發(fā)生碰撞所需的時間；若該時間低于預(yù)設(shè)長度，則可判斷橫向車輛會與當(dāng)前車輛相撞。

優(yōu)選地，所述警報為語音警報、樂音警報、指示燈警報、蜂鳴警報中的一種或多種組合。

如圖2所示，本發(fā)明的橫向車輛預(yù)警系統(tǒng)的第一實施例中，包括預(yù)處理模塊11、第一獲取模塊12、第二獲取模塊13、計算模塊14和判斷警報模塊15。

預(yù)處理模塊11用于對設(shè)置在當(dāng)前車輛上的環(huán)視攝像頭中每個攝像頭所獲取的圖像進(jìn)行預(yù)處理，獲取車輛周邊圖像。

環(huán)視攝像頭包括設(shè)置在車頭、車尾、左右兩側(cè)(左右后視鏡下)的四個攝像頭，從而能夠獲取車輛周邊360°的實時影像。本發(fā)明的橫向車輛預(yù)警方法正是基于環(huán)視攝像頭中各個攝像頭所獲取的圖像而實現(xiàn)的。

具體地，所述預(yù)處理包括去噪、標(biāo)定校正、裁剪以及視頻平滑處理。

由于受到攝像頭本身與外部環(huán)境噪聲干擾等影響，攝像頭直接獲取的圖像稱為含噪圖像或噪聲圖像，需要進(jìn)行去噪處理。通常地，去噪處理可以采用均值濾波器、自適應(yīng)維納濾波器、中值濾波器或形態(tài)學(xué)噪聲濾除器進(jìn)行濾波去噪，也可以采用小波分析進(jìn)行去噪。

在對環(huán)視攝像頭所獲取的圖像進(jìn)行應(yīng)用之前，需要建立圖像坐標(biāo)和物理坐標(biāo)之間的對應(yīng)關(guān)系。該對應(yīng)關(guān)系的建立過程即是標(biāo)定校正過程。

裁剪是指按照預(yù)設(shè)標(biāo)準(zhǔn)對將圖像進(jìn)行裁剪操作，以獲取滿足要求的裁剪后圖像。例如，對于設(shè)置在車頭和左右兩側(cè)的攝像頭所獲取的圖像，按照預(yù)設(shè)標(biāo)準(zhǔn)裁剪掉部分重合的圖像。再例如，對于設(shè)置在車尾和左右兩側(cè)的攝像頭所獲取的圖像，按照預(yù)設(shè)標(biāo)準(zhǔn)裁剪掉部分重合的圖像，從而為后續(xù)的圖像處理提供所需的車輛周邊圖像。

視頻平滑處理用于減少連續(xù)圖像之間的抖動現(xiàn)象，從而為實現(xiàn)后續(xù)的橫向車輛預(yù)警提供基礎(chǔ)。

第一獲取模塊12與預(yù)處理模塊11相連，用基于環(huán)視攝像頭中每個攝像頭所獲取的車輛周邊圖像，提取車輛特征信息，并根據(jù)所提取的車輛特征信息獲取車輛可能位置。

其中，車輛特征信息包括車輛的陰影、尺寸參數(shù)、水平特征、垂直特征等等。車輛特征信息所對應(yīng)的車輛位置即為車輛可能位置。

第二獲取模塊13與第一獲取模塊12相連，用于基于訓(xùn)練好的分類器對車輛可能位置進(jìn)行分類，獲取高于預(yù)設(shè)概率的車輛可能位置作為車輛判斷位置。

分類是數(shù)據(jù)挖掘的一種非常重要的方法。分類的概念是在已有數(shù)據(jù)的基礎(chǔ)上構(gòu)造出一個分類器。該分類器能夠?qū)?shù)據(jù)庫中的數(shù)據(jù)紀(jì)錄映射到給定類別中的某一個，從而可以應(yīng)用于數(shù)據(jù)預(yù)測。因此，分類器是數(shù)據(jù)挖掘中對樣本進(jìn)行分類的方法的統(tǒng)稱，包含決策樹、邏輯回歸、樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)等算法。

在本發(fā)明中，在車輛可能位置的樣本數(shù)據(jù)上執(zhí)行分類器算法，生成訓(xùn)練好的分類器。在訓(xùn)練好的分類器上輸入所獲取的車輛可能位置數(shù)據(jù)，進(jìn)而得到對應(yīng)的分類結(jié)果，并選擇其中高于預(yù)設(shè)概率的車輛可能位置作為車輛判斷位置，作為后續(xù)橫向車輛預(yù)警的基礎(chǔ)。

計算模塊14與預(yù)處理模塊11和第二獲取模塊13相連，用于基于環(huán)視攝像頭中每個攝像頭所獲取的車輛周邊圖像，根據(jù)車輛判斷位置計算出橫向車輛相對于當(dāng)前車輛的實時速度和方向。

其中，根據(jù)連續(xù)多幀車輛周邊圖像中的車輛判斷位置，可以將車輛分為沿當(dāng)前車輛橫向移動的橫向車輛和沿當(dāng)前車輛縱向移動的縱向車輛。本發(fā)明中，僅針對橫向車輛進(jìn)行預(yù)警，故僅需計算出橫向車輛相對應(yīng)當(dāng)前車輛的速度和方向。

具體地，計算模塊執(zhí)行以下操作：

41)基于上一幀圖像中橫向車輛的速度和方向預(yù)測當(dāng)前幀圖像中橫向車輛的位置，得到當(dāng)前幀中橫向車輛預(yù)測位置。

42)在當(dāng)前幀中查找與橫向車輛預(yù)測位置相匹配的車輛判斷位置。

其中，當(dāng)橫向車輛預(yù)測位置與某一車輛判斷位置的差值在預(yù)設(shè)閾值內(nèi)時，則判斷該車輛判斷位置與橫向車輛預(yù)測位置相匹配。

43)根據(jù)所匹配的車輛判斷位置，基于卡爾曼濾波器預(yù)估出下一幀圖像中橫向車輛的位置，并計算出橫向車輛相對于當(dāng)前車輛的速度和方向。

具體地，根據(jù)所獲得的橫向車輛的位置坐標(biāo)，利用橫向車輛在相鄰兩幀上的相對移動距離，通過公式s＝v*t計算橫向車輛相對于當(dāng)前車輛的速度和方向，再通過多幀之間的平滑可以推算出更為準(zhǔn)確的相對速度和方向。

需要說明的是，上一幀圖像中橫向車輛的速度和方向也是通過上述方法計算得到的。設(shè)定初始幀中，橫向車輛的速度為0，則可根據(jù)上述方法不停迭代，計算中每個當(dāng)前幀所對應(yīng)的橫向車輛的實時速度和方向。

判斷警報模塊15與計算模塊14相連，用于根據(jù)橫向車輛相對于當(dāng)前車輛的車速和方向判斷橫向車輛是否會與當(dāng)前車輛相撞，并在判斷橫向車輛會與當(dāng)前車輛相撞時發(fā)出警報。

具體地，根據(jù)橫向車輛相對于當(dāng)前車輛的車速和方向以及橫向車輛與當(dāng)前車輛之間的距離，可以計算出橫向車輛與當(dāng)前車輛發(fā)生碰撞所需的時間；若該時間低于預(yù)設(shè)長度，則可判斷橫向車輛會與當(dāng)前車輛相撞。

優(yōu)選地，所述警報為語音警報、樂音警報、指示燈警報、蜂鳴警報中的一種或多種組合。

本發(fā)明還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)上述任一項所述橫向車輛預(yù)警方法。

如圖3所示，本發(fā)明的終端設(shè)備包括處理器31及存儲器32；

存儲器32用于存儲計算機程序；

處理器31用于執(zhí)行存儲器32存儲的計算機程序，以使終端設(shè)備執(zhí)行上述任一項所述橫向車輛預(yù)警方法。

如圖4所示，本發(fā)明的橫向車輛預(yù)警系統(tǒng)第二實施例中，包括設(shè)置在車輛上的環(huán)視攝像頭41以及上述的終端設(shè)備42；

環(huán)視攝像頭41用于采集車輛周邊的圖像，并傳送至終端設(shè)備42。其中，環(huán)視攝像頭41與終端設(shè)備42通過有線或者無線的方式實現(xiàn)數(shù)據(jù)通信。

綜上所述，本發(fā)明的橫向車輛預(yù)警方法、系統(tǒng)、存儲介質(zhì)及終端設(shè)備基于設(shè)置在車輛上的環(huán)視攝像頭所采集的圖像來進(jìn)行橫向車輛的檢測，以實現(xiàn)橫向車輛預(yù)警；極大地提高了橫向車輛的檢出率，降低了橫向車輛預(yù)警的誤報率；為車輛安全行駛提供了輔助，提升了用戶體驗。所以，本發(fā)明有效克服了現(xiàn)有技術(shù)中的種種缺點而具高度產(chǎn)業(yè)利用價值。

上述實施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對上述實施例進(jìn)行修飾或改變。因此，舉凡所屬技術(shù)領(lǐng)域中具有通常知識者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應(yīng)由本發(fā)明的權(quán)利要求所涵蓋。