【技术领域】
本发明涉及数据处理领域，尤其涉及一种碰撞时间计算方法、装置、可读存储介质和计算机设备。
背景技术：
研究发现，驾驶员注意力不集中、疲劳驾驶和驾驶行为不成熟是造成交通事故的主要因素，在此背景下，碰撞预警技术得到了快速的发展。
相关技术中，碰撞时间计算方法主要有两种：基于毫米波雷达的方法和基于视觉的方法。其中，基于毫米波雷达的方法计算精度较高，但是造价比较昂贵。基于视觉的方法成本比较低廉，一般由车距检测和速度检测组成，用以计算碰撞时间。速度检测一般由全球定位系统(globalpositioningsystem，gps)提供。车距检测的方法包括两种：一种是通过目标物体的横向像素或纵向像素占比进行计算，该方法需要确立目标物体像素占比与实际距离的映射表；另一种是通过对相机位姿进行标定进行计算，该方法需要专门对相机进行位姿标定，确立相机的实际位姿，进而计算目标物体与车辆的实际距离。
但是，上述两种车距检测的方法都需要gps进行辅助和人工标定，比较费时费力，一旦相机位姿发生变化，相机的实际位姿或者映射表就需要重新进行人工标定，标定成本比较高。因此，相关技术中的碰撞时间计算方法需要gps进行辅助和人工标定，费时费力，操作复杂且成本较高。
技术实现要素：
有鉴于此，本发明实施例提供了一种碰撞时间计算方法、装置、可读存储介质和计算机设备，无需gps进行辅助和人工标定，当相机位姿发生较大变化时可以进行在线标定，省时省力，操作简单且成本低廉。
第一方面，本发明实施例提供了一种碰撞时间计算方法，所述方法包括：
通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图；
通过水平积分算法对所述鸟瞰图进行计算得到车辆的安全线；
通过目标检测算法识别所述车辆周围的目标物体；
通过碰撞时间模型对所述安全线和所述目标物体之间的纵坐标像素距离进行计算得出所述目标物体和所述车辆之间的碰撞时间。
可选地，所述通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图之前，还包括：
通过车载相机获取所述目标图像。
可选地，所述目标检测算法包括人工智能算法或者图像处理算法。
可选地，所述通过碰撞时间模型对所述安全线和所述目标物体之间的纵坐标像素距离进行计算得出所述目标物体和所述车辆之间的碰撞时间之后，还包括：
判断所述碰撞时间是否大于时间阈值；
若判断出所述碰撞时间大于所述时间阈值，继续执行所述通过车载相机获取所述目标图像的步骤；
若判断出所述碰撞时间小于或者等于所述时间阈值，生成报警信息。
可选地，所述目标图像至少包括第一帧图像和第二帧图像；
所述通过车载相机获取所述目标图像，具体包括：
通过所述车载相机获取所述第一帧图像，在预设时间后获取所述第二帧图像。
可选地，所述碰撞时间模型包括：
y0 v0t＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为像素移动速度。
可选地，所述碰撞时间模型包括：
y0 v0t (a0t2)/2＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度。
可选地，所述碰撞时间模型包括：
y0 v0t (a0t2)/2 (j0t3)/6＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度；j0为纵坐标像素移动的急动度。
另一方面，本发明实施例提供了一种碰撞时间计算装置，所述装置包括：
鸟瞰图生成模块，用于通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图；
安全线确定模块，用于通过水平积分算法对所述鸟瞰图进行计算得到车辆的安全线；
目标物体识别模块，用于通过目标检测算法识别所述车辆周围的目标物体；
碰撞时间计算模块，用于通过碰撞时间模型对所述安全线和所述目标物体之间的纵坐标像素距离进行计算得出所述目标物体和所述车辆之间的碰撞时间。
可选地，获取模块，用于通过车载相机获取所述目标图像。
可选地，判断模块，用于判断所述碰撞时间是否大于时间阈值；
所述判断模块还用于若判断出所述碰撞时间大于所述时间阈值，继续执行所述通过车载相机获取所述目标图像的步骤；
报警模块，用于若判断出所述碰撞时间小于或者等于所述时间阈值，生成报警信息。
可选地，所述目标图像至少包括第一帧图像和第二帧图像；
所述获取模块，具体用于通过所述车载相机获取所述第一帧图像，在预设时间后获取所述第二帧图像。
可选地，所述碰撞时间模型包括：
y0 v0t＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为像素移动速度。
可选地，所述碰撞时间模型包括：
y0 v0t (a0t2)/2＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度。
可选地，所述碰撞时间模型包括：
y0 v0t (a0t2)/2 (j0t3)/6＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度；j0为纵坐标像素移动的急动度。
另一方面，本发明实施例提供了一种可读存储介质，所述可读存储介质包括存储的程序，其中，在所述程序运行时控制所述可读存储介质所在设备执行上述碰撞时间计算方法。
另一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现上述碰撞时间计算方法的步骤。
本发明实施例提供的碰撞时间计算方法、装置、可读存储介质和计算机设备的技术方案中，通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图，通过水平积分算法对所述鸟瞰图进行计算得到车辆的安全线，通过目标检测算法识别所述车辆周围的目标物体，通过碰撞时间模型对所述安全线和所述目标物体之间的纵坐标像素距离进行计算得出所述目标物体和所述车辆之间的碰撞时间，无需gps进行辅助和人工标定，当相机位姿发生较大变化时可以进行在线标定，省时省力，操作简单且成本低廉。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明一实施例提供的一种碰撞时间计算方法的流程图；
图2为本发明又一实施例提供的一种碰撞时间计算方法的流程图；
图3为本发明实施例提供的鸟瞰图；
图4为本发明一实施例提供的一种碰撞时间计算装置的结构示意图；
图5为本发明实施例提供的一种计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图1为本发明一实施例提供的一种碰撞时间计算方法的流程图，如图1所示，该方法包括：
步骤101、通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图。
步骤102、通过水平积分算法对鸟瞰图进行计算得到车辆的安全线。
步骤103、通过目标检测算法识别车辆周围的目标物体。
步骤104、通过碰撞时间模型对安全线和目标物体之间的纵坐标像素距离进行计算得出目标物体和车辆之间的碰撞时间。
本发明实施例提供的一种碰撞时间计算方法的技术方案中，通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图，通过水平积分算法对鸟瞰图进行计算得到车辆的安全线，通过目标检测算法识别车辆周围的目标物体，通过碰撞时间模型对安全线和目标物体之间的纵坐标像素距离进行计算得出目标物体和车辆之间的碰撞时间，无需gps进行辅助和人工标定，当相机位姿发生较大变化时可以进行在线标定，省时省力，操作简单且成本低廉。
图2为本发明又一实施例提供的一种碰撞时间计算方法的流程图，该方法应用于车载场景。如图2所示，该方法包括：
步骤201、通过车载相机获取目标图像。
本发明实施例中，目标图像至少包括第一帧图像和第二帧图像。步骤201具体包括：通过车载相机获取第一帧图像，在预设时间后获取第二帧图像。
步骤202、通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图。
本发明实施例中，在车道线清晰的情况下，利用车道线在真实道路中为平行线的特点，首先通过直线检测算法进行车道线检测以获取透视变换矩阵，将透视变换矩阵进行存储，然后利用透视变换算法对透视变换矩阵和目标图像进行透视变换以将目标图像转换成鸟瞰图。
具体地，检测到车道线后，在每条车道线上选取两个点，两条车道线一共选取四个点，四个点连线后是一个梯形，将该梯形的四个点变成矩形的四个点。其中，梯形的四个点和矩形的四个点之间的仿射关系就是透视变换矩阵。
本发明实施例通过车道线检测的方式获取透视变换矩阵，省去了人工标定摄像头的成本。
步骤203、通过水平积分算法对鸟瞰图进行计算得到车辆的安全线。
图3为本发明实施例提供的鸟瞰图，如图3所示，设车后方为正方向，通过水平积分算法对鸟瞰图上车辆的灰度的水平积分进行投影，投影曲线最靠近下方的突变位置即为车头所在位置，并将车头所在位置的纵坐标ycar确定为车辆的安全线。
本发明实施例中的安全线可由用户自己设置，也可选择合适的算法进行确定。其中，用户自己设置安全线可以根据风险偏好灵活设置安全线。
本发明实施例中，由于固定在车辆的车载相机的位姿并不会一直变化，因此透视变换矩阵的获取和安全线的确定不需要实时计算更新，用户可以自行设定更新频率，用户也可以在有车道线及其类似场景时通过手动设置的方式进行更新。本发明实施例更新透视变换矩阵和安全线的目的是为了防止因为车载相机位姿发生改变引起的测量不准确的问题，设定更新频率是为了降低占用内存，提高计算速度。
步骤204、通过目标检测算法识别车辆周围的目标物体。
本发明实施例中，目标检测算法包括人工智能算法或者图像处理算法。
需要说明的是，在识别出目标物体后需要确定目标物体的纵坐标像素yob，然后根据纵坐标像素距离公式计算出目标物体和安全性之间的纵坐标像素距离y。
其中，纵坐标像素距离公式包括：
ycar-yob＝y
本发明实施例中，当ycar＝yob，即y＝ycar-yob＝0时，目标物体和车辆发生碰撞。
需要说明的是，将目标图像转换为鸟瞰图后，纵坐标的像素距离和实际距离是成正比关系的，因此可以利用纵坐标像素来代替实际距离，进行碰撞时间的计算。
假设安全线的纵坐标ycar保持不变，并等时间间隔提取图像帧进行计算，设第一帧图像中，目标物体的纵坐标为yob0，则纵坐标像素距离
y0＝ycar-yob0
同理，第二帧图像中纵坐标像素距离
y1＝y0ar-yob1
步骤205、通过碰撞时间模型对安全线和目标物体之间的纵坐标像素距离进行计算得出目标物体和车辆之间的碰撞时间。
本发明实施例中，碰撞时间模型包括：
y0 v0t＝y1
y0为第一帧图像中安全线和目标物体之间的纵坐标像素距离；y1为第二帧图像中安全线和目标物体之间的纵坐标像素距离；t为碰撞时间；v0为像素移动速度。
进一步的，为了提升碰撞时间模型的精度，碰撞时间模型还可以包括：
y0 v0t (a0t2)/2＝y1
y0为第一帧图像中安全线和目标物体之间的纵坐标像素距离；y1为第二帧图像中安全线和目标物体之间的纵坐标像素距离；t为碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度。
一般情况下，使用该碰撞模型即可比较准确的估算碰撞时间。
进一步的，为了提升碰撞时间模型的精度，碰撞时间模型还可以包括：
y0 v0t (a0t2)/2 (j0t3)/6＝y1
y0为第一帧图像中安全线和目标物体之间的纵坐标像素距离；y1为第二帧图像中安全线和目标物体之间的纵坐标像素距离；t为碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度；j0为纵坐标像素移动的急动度。
本发明实施例提供上述三种碰撞时间模型，实际应用中可以根据实际需要选择合适的碰撞时间模型以获取对应的精度。
步骤206、判断碰撞时间是否大于时间阈值，若是，继续执行步骤201；若否，执行步骤207。
步骤207、生成报警信息。
在实际应用中，还可以依据紧急程度设置分级阈值以实现不同程度的碰撞时间预警。
本发明实施例仅采用车载相机并加以相关算法的配合即可计算出目标物体和车辆之间的碰撞时间，无需其他辅助设备，方法简单便于实现，成本低廉；也不依赖于车载相机的位姿，在相机位姿发生较大变化时，也可以进行准确的检测。
本发明实施例提供的一种碰撞时间计算方法的技术方案中，通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图，通过水平积分算法对鸟瞰图进行计算得到车辆的安全线，通过目标检测算法识别车辆周围的目标物体，通过碰撞时间模型对安全线和目标物体之间的纵坐标像素距离进行计算得出目标物体和车辆之间的碰撞时间，无需gps进行辅助和人工标定，当相机位姿发生较大变化时可以进行在线标定，省时省力，操作简单且成本低廉。
图4为本发明一实施例提供的一种碰撞时间计算装置的结构示意图，如图4所示，所述装置包括：鸟瞰图生成模块31、安全线确定模块32、目标物体识别模块33和碰撞时间计算模块34。
鸟瞰图生成模块31，用于通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图。
本发明实施例中，目标图像至少包括第一帧图像和第二帧图像。
安全线确定模块32，用于通过水平积分算法对鸟瞰图进行计算得到车辆的安全线。
目标物体识别模块33，用于通过目标检测算法识别车辆周围的目标物体。
碰撞时间计算模块34，用于通过碰撞时间模型对安全线和目标物体之间的纵坐标像素距离进行计算得出目标物体和车辆之间的碰撞时间。
本发明实施例中，碰撞时间模型包括：
y0 v0t＝y1
y0为第一帧图像中安全线和目标物体之间的纵坐标像素距离；y1为第二帧图像中安全线和目标物体之间的纵坐标像素距离；t为碰撞时间；v0为像素移动速度。
进一步的，为了提升碰撞时间模型的精度，碰撞时间模型还可以包括：
y0 v0t (a0t2)/2＝y1
y0为第一帧图像中安全线和目标物体之间的纵坐标像素距离；y1为第二帧图像中安全线和目标物体之间的纵坐标像素距离；t为碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度。
进一步的，为了提升碰撞时间模型的精度，碰撞时间模型还可以包括：
y0 v0t (a0t2)/2 (j0t3)/6＝y1
y0为第一帧图像中安全线和目标物体之间的纵坐标像素距离；y1为第二帧图像中安全线和目标物体之间的纵坐标像素距离；t为碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度；j0为纵坐标像素移动的急动度。
本发明实施例中，所述装置还包括：获取模块30。
获取模块30，用于通过车载相机获取目标图像。
本发明实施例中，获取模块30，具体用于通过车载相机获取第一帧图像，在预设时间后获取第二帧图像。
本发明实施例中，所述装置还包括：判断模块35和报警模块36。
判断模块35，用于判断碰撞时间是否大于时间阈值；
判断模块35还用于若判断模块35判断出碰撞时间大于时间阈值，继续执行通过车载相机获取目标图像的操作；
报警模块36，用于若判断模块35判断出碰撞时间小于或者等于时间阈值，生成报警信息。
本发明实施例提供的碰撞时间计算装置可用于实现上述图1至图2中的碰撞时间计算方法，具体描述可参见上述碰撞时间计算方法的实施例，此处不再重复描述。
本发明实施例提供的一种碰撞时间计算装置的技术方案中，通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图，通过水平积分算法对鸟瞰图进行计算得到车辆的安全线，通过目标检测算法识别车辆周围的目标物体，通过碰撞时间模型对安全线和目标物体之间的纵坐标像素距离进行计算得出目标物体和车辆之间的碰撞时间，无需gps进行辅助和人工标定，当相机位姿发生较大变化时可以进行在线标定，省时省力，操作简单且成本低廉。
图5为本发明实施例提供的一种计算机设备的示意图。如图5所示，该实施例的计算机设备20包括：处理器21、存储器22以及存储在存储22中并可在处理器21上运行的计算机程序23，该计算机程序23被处理器21执行时实现实施例中的应用于碰撞时间计算方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器21执行时实现实施例中应用于碰撞时间计算装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备20包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，图5仅仅是计算机设备20的示例，并不构成对计算机设备20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器21可以是中央处理单元(centralprocessingunit，简称cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(field-programmablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器22可以是计算机设备20的内部存储单元，例如计算机设备20的硬盘或内存。存储器22也可以是计算机设备20的外部存储设备，例如计算机设备20上配备的插接式硬盘，智能存储卡(smartmediacard,简称smc)，安全数字(securedigital,简称sd)卡，闪存卡(flashcard)等。进一步地，存储器22还可以既包括计算机设备20的内部存储单元也包括外部存储设备。存储器22用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器22还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取可读存储介质中。上述软件功能单元存储在一个可读存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的可读存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，简称rom)、随机存取存储器(randomaccessmemory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
1.一种碰撞时间计算方法，其特征在于，所述方法包括：
通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图；
通过水平积分算法对所述鸟瞰图进行计算得到车辆的安全线；
通过目标检测算法识别所述车辆周围的目标物体；
通过碰撞时间模型对所述安全线和所述目标物体之间的纵坐标像素距离进行计算得出所述目标物体和所述车辆之间的碰撞时间。
2.根据权利要求1所述的碰撞时间计算方法，其特征在于，所述通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图之前，还包括：
通过车载相机获取所述目标图像。
3.根据权利要求1所述的碰撞时间计算方法，其特征在于，所述目标检测算法包括人工智能算法或者图像处理算法。
4.根据权利要求2所述的碰撞时间计算方法，其特征在于，所述通过碰撞时间模型对所述安全线和所述目标物体之间的纵坐标像素距离进行计算得出所述目标物体和所述车辆之间的碰撞时间之后，还包括：
判断所述碰撞时间是否大于时间阈值；
若判断出所述碰撞时间大于所述时间阈值，继续执行所述通过车载相机获取所述目标图像的步骤；
若判断出所述碰撞时间小于或者等于所述时间阈值，生成报警信息。
5.根据权利要求2所述的碰撞时间计算方法，其特征在于，所述目标图像至少包括第一帧图像和第二帧图像；
所述通过车载相机获取所述目标图像，具体包括：
通过所述车载相机获取所述第一帧图像，在预设时间后获取所述第二帧图像。
6.根据权利要求5所述的碰撞时间计算方法，其特征在于，所述碰撞时间模型包括：
y0 v0t＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为像素移动速度。
7.根据权利要求5所述的碰撞时间计算方法，其特征在于，所述碰撞时间模型包括：
y0 v0t (a0t2)/2＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度。
8.根据权利要求5所述的碰撞时间计算方法，其特征在于，所述碰撞时间模型包括：
y0 v0t (a0t2)/2 (j0t3)/6＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度；j0为纵坐标像素移动的急动度。
9.一种碰撞时间计算装置，其特征在于，所述装置包括：
鸟瞰图生成模块，用于通过直线检测算法和透视变换算法对目标图像进行计算生成鸟瞰图；
安全线确定模块，用于通过水平积分算法对所述鸟瞰图进行计算得到车辆的安全线；
目标物体识别模块，用于通过目标检测算法识别所述车辆周围的目标物体；
碰撞时间计算模块，用于通过碰撞时间模型对所述安全线和所述目标物体之间的纵坐标像素距离进行计算得出所述目标物体和所述车辆之间的碰撞时间。
10.根据权利要求9所述的装置，其特征在于，还包括：
获取模块，用于通过车载相机获取所述目标图像。
11.根据权利要求9所述的装置，其特征在于，所述目标检测算法包括人工智能算法或者图像处理算法。
12.根据权利要求10所述的装置，其特征在于，还包括：
判断模块，用于判断所述碰撞时间是否大于时间阈值；
所述判断模块还用于若判断出所述碰撞时间大于所述时间阈值，继续执行所述通过车载相机获取所述目标图像的步骤；
报警模块，用于若判断出所述碰撞时间小于或者等于所述时间阈值，生成报警信息。
13.根据权利要求10所述的装置，其特征在于，所述目标图像至少包括第一帧图像和第二帧图像；
所述获取模块，具体用于通过所述车载相机获取所述第一帧图像，在预设时间后获取所述第二帧图像。
14.根据权利要求13所述的装置，其特征在于，所述碰撞时间模型包括：
y0 v0t＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为像素移动速度。
15.根据权利要求13所述的装置，其特征在于，所述碰撞时间模型包括：
y0 v0t (a0t2)/2＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度。
16.根据权利要求13所述的装置，其特征在于，所述碰撞时间模型包括：
y0 v0t (a0t2)/2 (j0t3)/6＝y1
y0为所述第一帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；y1为所述第二帧图像中所述安全线和所述目标物体之间的纵坐标像素距离；t为所述碰撞时间；v0为纵坐标像素移动的初始速度；a0为纵坐标像素移动的初始加速度；j0为纵坐标像素移动的急动度。
17.一种可读存储介质，其特征在于，所述可读存储介质包括存储的程序，其中，在所述程序运行时控制所述可读存储介质所在设备执行权利要求1-8任意一项所述的碰撞时间计算方法。
18.一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现权利要求1-8任意一项所述的碰撞时间计算方法的步骤。
技术总结