圖像處理實時預警系統及方法與流程

本發明涉及一種交通安全預警系統，具體涉及一種圖像處理實時預警系統及方法。

背景技術：

隨著車輛數量的不斷增加，交通安全在日常生活中變得越來越重要，因此汽車危險預警系統變得非常重要，現有技術中，一般采用激光測距儀進行距離感應和預警，但專業級高精度三維激光測距儀價格昂貴，并且不適用于普通車輛識別車型、測距、預警；而普通大眾適用的激光測距儀精度不高，干擾因素很多，數據不可靠。

技術實現要素：

為了解決上述問題，提供一種結構簡單、使用方便、價格低廉、精確度較高的預警系統，本發明設計了一種圖像處理實時預警系統及方法。

本發明所采取的具體技術方案為：一種圖像處理實時預警系統，包括以下模塊，用于監測周圍車輛運行狀態及形狀的感測模塊；用于根據感測模塊監測信息進行計算的處理模塊；用于根據處理模塊所得出結果進行警示的報警模塊；用于對感測模塊、處理模塊和報警模塊提供電力供應的電源模塊；

感測模塊包括攝像頭和激光測距儀，感測模塊內設有定時發送單元；

處理模塊包括，用于對周圍車輛圖像進行邊緣化處理的圖像邊緣化處理單元；用于計算出單位時間內邊緣化圖像面積占比變化趨勢的面積計算單元；用于與速率計算單元同步得出本體車輛與周圍車輛相對距離變化趨勢的間距計算單元；用于將面積計算單元與間距計算單元得出數據進行計算得出周圍車輛單位時間內運動速率的速率計算單元；用于與本體車輛速度進行對比得出相對運動狀態的速率對比單元；用于根據速率計算單元與速率對比單元得出結果對危險系數進行預算的危險預算單元；用于存儲車型及各類車型信息的存儲單元；用于對邊緣化處理后的圖片與存儲單元內存儲信息的進行匹配的模型匹配單元。

優選地，報警模塊為揚聲器，處理模塊內設有將危險預算單元結果發送至報警模塊的語音驅動單元。

優選地，本裝置設置在汽車上，若干感測模塊對應設置在汽車周圍。激光測距儀包括激光發射端、激光接收端。

優選地，存儲單元內設有針對感測模塊的監測圖像的圖像存儲分區；處理模塊中設有針對圖像存儲分區的定時清理單元。

一種圖像處理實時預警方法，包括以下步驟，

a.通過感測模塊對周圍車輛進行監測，并將感測模塊所監測到的圖像及距離信息定時傳輸至處理模塊；

b.圖像邊緣化處理單元對接收到的圖像信息進行邊緣化處理，計算單位時間內邊緣化圖像相對圖像總面積占比大小的變化趨勢，并根據感測模塊監測數據同步得出本體車輛與周圍車輛的相對間距變化趨勢；

c.設置存儲車型及各類車型信息的數據庫，將邊緣化圖像得出的圖形與數據庫內數據進行對比得出周圍車輛所屬類型；

d.根據面積占變化趨勢與間距變化趨勢通過運算得出周圍車輛單位時間內的運動速率；

e.導入本體車輛運動狀態信息，結合步驟d所得出的本體與周圍車輛單位時間內的相對運動信息，根據相對運動關系進行危險系數及按照當前狀態運動可能發生的結果進行預算；

f.將危險系數及可能發生的結果發送至報警模塊。

優選地，數據庫內設有針對感測模塊的監測圖像的圖像存儲分區；對圖像存儲分區內存儲的圖片進行定時清理。

優選地，將本方法用于車輛預警，報警模塊為揚聲器。

進一步地，定時發送單元定時將監測到的距離信息與圖像信息進行傳輸，當發現周圍車輛與本體車輛距離小到一個固定值時，實時監測并傳輸。

進一步地，存儲單元中存儲有基本車型的各個角度的模型，包括二輪、三輪、四輪的車頭、車尾、斜視模型等；除此之外，包含有對應各車輛類型性能參數，比如動力性能參數(最高車速、制動時間等)、結構參數(車寬、車長等)。

進一步地，感測模塊設置在車輛室內能看清周圍的地方，或者感測模塊設在車輛的外側四周，一般為避雨的車沿下，安裝區域為人眼的盲點，比如車后、車左右兩側等。

有益技術效果：結構簡單，通過對周圍車輛的圖像變化趨勢及相對距離變化得出該車的速度，導入本體車輛的運動狀態，通過計算得出周圍車輛的相對運動狀態；將監測到的周圍車輛與存儲單元中所存儲的各種車輛信息進行比對確定該周圍車輛的性能，通過運算得出該車是否對本體車輛有危險，通過警示模塊將警示信息進行播放，有效提醒駕駛員注意駕駛盲區車輛，避免發生意外交通事故。

附圖說明

圖1為本系統結構簡圖；

圖2為本系統模塊簡圖；

圖3為本發明操作流程簡圖。

圖例說明：

設置本系統的本體車輛1

周圍車輛2

感測模塊3

具體實施方式

實施例一一種圖像處理實時預警系統，參見圖1-3：包括以下模塊，用于監測周圍車輛運行狀態及形狀的感測模塊；用于根據感測模塊監測信息進行計算的處理模塊；用于根據處理模塊所得出結果進行警示的報警模塊；用于對感測模塊、處理模塊和報警模塊提供電力供應的電源模塊；

所述感測模塊包括攝像頭和激光測距儀，感測模塊內設有定時發送單元；

所述處理模塊包括，用于對周圍車輛圖像進行邊緣化處理的圖像邊緣化處理單元；用于計算出單位時間內邊緣化圖像面積占比變化趨勢的面積計算單元；

用于與速率計算單元同步得出本體車輛與周圍車輛相對距離變化趨勢的間距計算單元；用于將面積計算單元與間距計算單元得出數據進行計算得出周圍車輛單位時間內運動速率的速率計算單元；用于與本體車輛速度進行對比得出相對運動狀態的速率對比單元；用于根據速率計算單元與速率對比單元得出結果對危險系數進行預算的危險預算單元；用于存儲車型及各類車型信息的存儲單元；

用于對邊緣化處理后的圖片與存儲單元內存儲信息的進行匹配的模型匹配單元。

進一步地，定時發送單元定時將監測到的距離信息與圖像信息進行傳輸，當發現周圍車輛與本體車輛距離小到一個固定值時，實時監測并傳輸。

進一步地，存儲單元中存儲有基本車型的各個角度的模型，包括二輪、三輪、四輪的車頭、車尾、斜視模型等；除此之外，包含有對應各車輛類型性能參數，比如動力性能參數(最高車速、制動時間等)、結構參數(車寬、車長等)。

進一步地，感測模塊設置在室內能看清周圍的地方，或者感測模塊設在車的外側四周，一般為避雨的車沿下，安裝區域為人眼的盲點，比如車后、車左右兩側等。

圖像邊緣處理單元對圖像進行邊緣檢測及提取，包括以下步驟：首先采用高斯函數對圖像進行濾波得到一個已平滑數據陣列，進行梯度計算，當知道了梯度的方向后，可以將邊緣方向以45°劃分八個方向，通過梯度方向，可以找到這個像素梯度方向的鄰接像素。為了確保邊緣定位準確，并且保持單一相應，對梯度幅值圖像中的屋脊帶進行細化，保留幅值局部變化最大的點，在非極大抑制過程中，對于圖像的每一個點以及上一步中得到的梯度方向，將其與梯度方向上的值進行比較，如果小于，說明該點不是局部最大值，則將對應的邊緣表示為0，即該點不是邊緣點。設定雙閾值方法檢測和連接邊緣需要的低閾值和高閾值，對梯度圖像進行雙閾值化處理，梯度幅值大于高閾值的是邊緣，梯度幅值小于低閾值的不是邊緣，梯度幅值介于兩者之間的，判斷該像素的八領域像素中是否存在大于高閾值的邊緣像素，若存在則它是邊緣像素，否則不是，確定一邊緣點后，不斷搜索跟蹤邊緣，邊緣點連接起來后；將整個圖像的邊緣提取，通過提取的邊緣化對圖像信息中的圖像進行劃分，實現目標物與背景的分割。

模型匹配單元將已邊緣化處理的圖像進行車輛類型的識別，具體步驟包括：對車輛圖像經過處理后能得到車輛對外邊界，顯示了車輛的形狀，呈一條封閉曲線。對一條封閉曲線按相等間隔取n個采樣點，得到坐標序列，該坐標序列是周期函數，以曲線的周長為周期。在一個周期內對坐標序列進行快速離散傅里葉變換，車輛的運動和攝像頭的視場會造成上述曲線的平移、放大和fft起始點的變化，因此需要提取曲線不隨上述因素變化的參數。結合存儲單元的數據，當離散度趨近于0時，表示兩輛車形狀基本一致；離散度越大，說明車輛形狀的差異越大。

面積計算單元計算單位時間內每幀圖像已邊緣化處理的周圍車輛圖像的面積x在整張圖像面積y中所占的面積比，進而統計該單位時間內該面積比f(x,y)，分析該面積比f(x,y)的大小變化趨勢f’(x,y)。

間距計算單元統計單位時間內的車距數據g(z)，分析該車距數據的大小變化趨勢g’(z)。

速率計算單元用于得到周圍車輛與本體車輛的相對速率，比較該面積比的大小變化趨勢f’(x,y)和該車距數據的大小變化趨g’(z)，若兩者在單位時間內相差在0～10％以內，則任取一值，求得在單位時間內的速率值v。若兩者在單位時間內相差超過10％以內，取兩者的平均值v＝[f’(x,y)+g’(z)]/2，求得在單位時間內的速率值v；

速率對比單元用于得到周圍車輛的速度，導入本車在該單位時間內的速度值f(v)，若v值大于1，則表示對方為靠近,且速率為v1＝f(v)+v值，方向按具體感測模塊布置的位置而定。若v值小于1，則表示對方為遠離,且速率為v2＝f(v)-v值，方向按具體感測模塊布置的位置而定。若v值等于1，則表示b車與a車速度相同。

危險預算單元結合模型匹配單元對比成功的車型的性能參數與監測到的該車的速率、該車的行駛方向，計算得到剎車距離，將該剎車距離與該速度對應的正常車距進行對比，以及計算按照此速度行駛未來多長時間內可能發生事故等數據結果。將有可能發生事故的計算結果、與本車的運動狀態結合進行語音播報預警。計算結果包括：車輛類型、與本車行駛方向、車速、預計按該車運動狀態可能發生的事故。

本發明結構簡單，通過對周圍車輛的圖像變化趨勢及相對距離變化得出該車的速率值，引入本體車輛的速率，通過計算得出周圍車輛的相對運動方向；將監測到的周圍車輛與存儲單元中所存儲的各種車輛信息進行比對確定該周圍車輛的性能，通過運算得出該車是否對本體車輛有危險，通過警示模塊將警示信息進行播放，有效提醒駕駛員注意駕駛盲區車輛，避免發生意外交通事故。

實施例二一種圖像處理實時預警系統，參見圖1-3：包括以下模塊，用于監測周圍車輛運行狀態及形狀的感測模塊；用于根據感測模塊監測信息進行計算的處理模塊；用于根據處理模塊所得出結果進行警示的報警模塊；用于對感測模塊、處理模塊和報警模塊提供電力供應的電源模塊；

所述感測模塊包括攝像頭和激光測距儀，感測模塊內設有定時發送單元；

所述處理模塊包括，用于對周圍車輛圖像進行邊緣化處理的圖像邊緣化處理單元；用于計算出單位時間內邊緣化圖像面積占比變化趨勢的面積計算單元；

用于與速率計算單元同步得出本體車輛與周圍車輛相對距離變化趨勢的間距計算單元；用于將面積計算單元與間距計算單元得出數據進行計算得出周圍車輛單位時間內運動速率的速率計算單元；用于與本體車輛速度進行對比得出相對運動狀態的速率對比單元；用于根據速率計算單元與速率對比單元得出結果對危險系數進行預算的危險預算單元；用于存儲車型及各類車型信息的存儲單元；用于對邊緣化處理后的圖片與存儲單元內存儲信息的進行匹配的模型匹配單元。

報警模塊為揚聲器，處理模塊內設有將危險預算單元結果發送至報警模塊的語音驅動單元。

本裝置設置在汽車上，若干感測模塊對應設置在汽車周圍。激光測距儀包括激光發射端、激光接收端。

存儲單元內設有針對感測模塊的監測圖像的圖像存儲分區；處理模塊中設有針對圖像存儲分區的定時清理單元。

定時發送單元定時將監測到的距離信息與圖像信息進行傳輸，當發現周圍車輛與本體車輛距離小到一個固定值時，實時監測并傳輸。

存儲單元中存儲有基本車型的各個角度的模型，包括二輪、三輪、四輪的車頭、車尾、斜視模型等；除此之外，包含有對應各車輛類型性能參數，比如動力性能參數(最高車速、制動時間等)、結構參數(車寬、車長等)。

感測模塊設置在室內能看清周圍的地方，或者感測模塊設在車的外側四周，一般為避雨的車沿下，安裝區域為人眼的盲點，比如車后、車左右兩側等。

結構簡單，通過對周圍車輛的圖像變化趨勢及相對距離變化得出該車的速率值，引入本體車輛的速率，通過計算得出周圍車輛的相對運動方向；將監測到的周圍車輛與存儲單元中所存儲的各種車輛信息進行比對確定該周圍車輛的性能，通過運算得出該車是否對本體車輛有危險，通過警示模塊將警示信息進行播放，有效提醒駕駛員注意駕駛盲區車輛，避免發生意外交通事故。

設置圖像存儲分區，能夠對圖像或錄像進行保存，使本裝置具有行車距離儀的作用；設置定時清理單元，定時清理無用視頻或圖像，減少內存占用率。

實施例三一種圖像處理實時預警系統，參見圖1-3：包括以下模塊，用于監測周圍車輛運行狀態及形狀的感測模塊；

用于根據感測模塊監測信息進行計算的處理模塊；

用于根據處理模塊所得出結果進行警示的報警模塊；

用于對感測模塊、處理模塊和報警模塊提供電力供應的電源模塊；

感測模塊包括攝像頭和激光測距儀，感測模塊內設有定時發送單元；

處理模塊包括，

用于對周圍車輛圖像進行邊緣化處理的圖像邊緣化處理單元；

用于計算出單位時間內邊緣化圖像面積占比變化趨勢的面積計算單元；

用于與速率計算單元同步得出本體車輛與周圍車輛相對距離變化趨勢的間距計算單元；

用于將面積計算單元與間距計算單元得出數據進行計算得出周圍車輛單位時間內運動速率的速率計算單元；

用于與本體車輛速度進行對比得出相對運動狀態的速率對比單元；

用于根據速率計算單元與速率對比單元得出結果對危險系數進行預算的危險預算單元；

用于存儲車型及各類車型信息的存儲單元；

用于對邊緣化處理后的圖片與存儲單元內存儲信息的進行匹配的模型匹配單元。

報警模塊為揚聲器，所述處理模塊內設有將危險預算單元結果發送至報警模塊的語音驅動單元。

本裝置設置在汽車上，所述若干感測模塊對應設置在汽車周圍。所述激光測距儀包括激光發射端、激光接收端。

存儲單元內設有針對感測模塊的監測圖像的圖像存儲分區；所述處理模塊中設有針對圖像存儲分區的定時清理單元。

一種圖像處理實時預警方法，包括一下步驟，

a.通過感測模塊對周圍車輛進行監測，并將感測模塊所監測到的圖像及距離信息定時傳輸至處理模塊；

b.圖像邊緣化處理單元對接收到的圖像信息進行邊緣化處理，計算單位時間內邊緣化圖像相對總面積占比大小的變化趨勢，并根據感測模塊監測數據同步得出本體車輛與周圍車輛的相對間距變化趨勢；

c.設置存儲車型及各類車型速度的數據庫，將邊緣化圖像得出的圖形與數據庫內數據進行對比得出周圍車輛所屬類型；

d.根據面積占變化趨勢與間距變化趨勢通過運算得出周圍車輛單位時間內的運動速率；

e.導入本體車輛運動，結合步驟d所得出的本體與周圍車輛單位時間內的相對運動信息，根據相對運動關系進行危險系數及按照當前狀態運動可能發生的結果進行預算；

f.將危險系數及可能發生的結果發送至報警模塊。

數據庫內設有針對感測模塊的監測圖像的圖像存儲分區；對圖像存儲分區內存儲的圖片進行定時清理。

將本方法用于車輛預警，所述報警模塊為揚聲器。

定時發送單元定時將監測到的距離信息與圖像信息進行傳輸，當發現周圍車輛與本體車輛距離小到一個固定值時，不間斷監測并傳輸。

存儲單元中存儲有基本車型的各個角度的模型，包括二輪、三輪、四輪的車頭、車尾、斜視模型等；除此之外，包含有對應各車輛類型性能參數，比如動力性能參數(最高車速、制動時間等)、結構參數(車寬、車長等)。

感測模塊設置在室內能看清周圍的地方，或者感測模塊設在車的外側四周，一般為避雨的車沿下，安裝區域為人眼的盲點，比如車后、車左右兩側等。

圖像邊緣化處理算法如下：其中所述圖像邊緣化處理單元對圖像信息的圖像進行邊緣檢測及提取；

邊緣檢測及提取包括以下步驟：首先采用高斯函數作對圖像f(x，y)進行濾波得到一個已平滑數據陣列：

s(x，y)＝f(x，y)*g(x，y，σ)

其中σ是高斯函數的散步參數，它反映平滑程度。

其次，進行梯度計算，已平滑數據陣列s(x，y)的梯度可用2×2一階有限差分近似式來計算x與y偏導數的兩個陣列p(x，y)與q(x，y)。

在2×2正方形內求有限差分的均值，計算在圖像中的同一點x和y的偏導數梯度，幅值和方位角分別如下式所示。

θ(x，y)＝arctan(q(x，y)/p(x，y))

式中，反正切函數含有兩個參量，計算結果是一個角度，取值方式為圓周范圍。

當知道了梯度的方向θ(x，y)后，可以將邊緣方向以45°劃分八個方向，通過梯度方向，可以找到這個像素梯度方向的鄰接像素。

為了確保邊緣定位準確，并且保持單一相應，對梯度幅值圖像m(x，y)中的屋脊帶進行細化，保留幅值局部變化最大的點，在非極大抑制過程中，對于圖像的每一個點m(x，y)以及上一步中得到的梯度方向，將其與梯度方向上的2個值進行比較，如果m(x，y)小于梯度方向上的2個梯度幅值，說明該點不是局部最大值，則將m(x，y)對應的邊緣表示為0，即該點不是邊緣點。

設定雙閾值方法檢測和連接邊緣需要的低閾值lth和高閾值hth，對梯度圖像進行雙閾值化處理，梯度幅值大于高閾值hth的是邊緣，梯度幅值小于低閾值lth的不是邊緣，梯度幅值介于兩者之間的，判斷該像素的八領域像素中是否存在大于高閾值hth的邊緣像素，若存在則它是邊緣像素，否則不是，確定一邊緣點后，不斷搜索跟蹤邊緣，邊緣點連接起來后；將整個圖像的邊緣提取，通過提取的邊緣化對圖像信息中的圖像進行劃分，實現目標物與背景的分割。

模型匹配單元的具體算法為：對車輛圖像經過處理后能得到車輛對外邊界，顯示了車輛的形狀，呈一條封閉曲線。對一條封閉曲線按相等間隔取n個采樣點，在xy平面上從任意點(x0,y0)開始，沿逆時針方向得到n個邊界點(x0,y0),(x1,y1),(x2,y2),…,(xk,yk)，k＝0,1,2,…,n-1，用復變量表示為s(k)＝xk+jyk，該坐標序列是周期函數，以曲線的周長為周期。在一個周期內對坐標序列進行快速離散傅里葉變換fft:

復系數f(u)即邊界的傅里葉描述子，該數組描述了邊界的變化。當該曲線旋轉θ角、平移(δx,δy)和放大r倍，fft變換邊界起始點沿著封閉曲線移動了a個采樣點后，復系數為：

f′(u)＝fft[(x′+y′)r·e^jθ+(δx+iδy)]

＝r·e^jθfft(x′+y′)+fft(δx+iδy)

＝r·e^iθ·e^-j2πk/ns(k)+fft(δx+iδy)

式中，xk′+iyk′＝xk+a+iyk+a，車輛的運動和攝像頭的視場會造成上述曲線的平移、放大和fft起始點的變化，因此需要提取曲線不隨上述因素的參數。觀察發現，當曲線平移時，只有k＝0分量的fft(δx+iδy)值發生改變。k＝0為低頻系數，對應于u＝n/2。因此把每一個復系數(u＝n/2除外)的幅值除以f(n/2)，得到歸一化傅里葉描述子d(u)：

d(u)＝||f(u)||/||f(n/2)||，u＝0，1，2，…，n-1

歸一化后的傅里葉描述子d(u)可以計算任意2個車輛i和j間的相似程度，定義為離散度：

當de趨近于0時，表示兩輛車形狀基本一致；de越大，說明車輛形狀的差異越大。

計算單位時間內每幀圖像的該模型的面積x在整張圖像面積y中所占的面積比，進而統計該單位時間內該面積比f(x，y)，分析該面積比f(x，y)的大小變化趨勢f’(x，y)。

統計單位時間內的車距數據g(z)，分析該車距數據的大小變化趨勢g’(z)。

比較該面積比的大小變化趨勢f’(x，y)和該車距數據的大小變化趨g’(z)，若兩者在單位時間內相差在0～10％以內，則任取一值，求得在單位時間內的速率值v。若兩者在單位時間內相差超過10％以內，取兩者的平均值v＝[f’(x，y)+g’(z)]/2，求得在單位時間內的速率值v；

導入本車在該單位時間內的速度值f(v)，若v值大于1，則表示對方為靠近，且速率為v1＝f(v)+v值，方向按具體感測模塊布置的位置而定。若v值小于1，則表示對方為遠離,且速率為v2＝f(v)-v值，方向按具體感測模塊布置的位置而定。若v值等于1，則表示b車與a車速度相同。

結合模型匹配單元對比成功的車型的性能參數與監測到的該車的速率、該車的行駛方向，計算得到剎車距離，將該剎車距離與該速度對應的正常車距進行對比，以及計算按照此速度行駛未來多長時間內可能發生事故等數據結果。將有可能發生事故的計算結果、與本車的運動狀態結合進行語音播報預警。計算結果包括：車輛類型、與本車行駛方向、車速、預計按該車運動狀態可能發生的事故。

在確定了周圍車輛的速度(速率、行駛方向)、車型、用激光測距儀得到兩車之間的車距之后，處理模塊結合該車的性能參數進行分析：

1.二輪車，若對方的速度在10km/h-30km/h，則為普通自行車；若對方的速度在30km/h以上則認為摩托車。若行駛方向為遠離，則不必計算；若行駛方向為靠近，則根據v值，根據b車的性能得到剎車距離。比較剎車距離和此時兩者的車距s，若剎車距離小于或等于車距s，則報警；若剎車距離大于車距s不報警。

2.三輪車，若對方的速度在10km/h-20km/h，則為人力三輪車；若對方的速度在20km/h以上則認為三輪摩托車。若行駛方向為遠離，則不必計算；若行駛方向為靠近，則根據v值，根據周圍車輛的性能得到剎車距離。比較剎車距離和此時兩者的車距s，若剎車距離小于或等于車距s，則報警；若剎車距離大于車距s不報警。

3.四輪車，若行駛方向為遠離，則不必計算；若行駛方向為靠近，則根據v值，根據b車的性能得到剎車距離。比較剎車距離和此時兩者的車距s，若剎車距離小于或等于車距s，則報警；若剎車距離大于車距s不報警。

第3點中的四輪車可分為：

1、微型車(a00)

(1)車長小于3.7m；

(2)軸距小于：2.35m；

(3)代表車型：qq、bydf0；

2、小型車(a0)

(1)車長小于4.3m；

(2)軸距小于：2.5m；

(3)代表車型：206、polo；

3、緊湊型車(a)

(1)車長小于4.6m；

(2)軸距小于：2.7m；

(3)代表車型：focus、sagitar、307；

4、中型車(b)

(1)車長小于4.9m；

(2)軸距小于：2.8m；

(3)代表車型：passat、magton、audia4；

5、中大型車(c)

(1)車長小于5.1m；

(2)軸距小于：2.9m；

(3)代表車型：audia6、bmw5；

6、豪華車(d)

(1)車長大于5.1m；

(2)軸距大于：2.9m；

(3)代表車型：audia8、bmw7；

7.大貨車等。

根據不同車型得到該車型的慣性系數、該車的行駛速度v值得到剎車距離，比較剎車距離和此時兩者的車距s，若剎車距離小于或等于車距s，則報警；若剎車距離大于車距s不報警。

在上述實施例中，若周圍車輛與本體車輛在平行直線上行駛，則分為2種情況：一是前后行駛，二是不在同一條直線的左右行駛。第二種情況不產生危險，若前后行駛時為相反方向也不產生危險。

若周圍車輛與本體車輛不在平行直線上行駛，則行駛方向具有一個角度a,該角度可由激光測距儀測出，則周圍車輛在該a角度按一定速率行駛，則算出的周圍車輛速率值也是按a角度行駛的。若按相反方向行駛，也不產生危險。