CN104494598B - 一种用于智能车辆的路口行驶控制方法 - Google Patents
一种用于智能车辆的路口行驶控制方法 Download PDFInfo
- Publication number
- CN104494598B CN104494598B CN201410678135.3A CN201410678135A CN104494598B CN 104494598 B CN104494598 B CN 104494598B CN 201410678135 A CN201410678135 A CN 201410678135A CN 104494598 B CN104494598 B CN 104494598B
- Authority
- CN
- China
- Prior art keywords
- line
- image
- intelligent vehicle
- width
- straight line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000012360 testing method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000003708 edge detection Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 230000000737 periodic effect Effects 0.000 abstract 1
- 238000003786 synthesis reaction Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 7
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000334993 Parma Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18154—Approaching an intersection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/24—Direction of travel
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种用于智能车辆的路口行驶控制方法属于无人驾驶领域。首先通过安装在智能车内后视镜处的单目摄像机采集视频图像,进行车道线检测、停止线检测、停止线测距、行人检测以及红绿灯识别。然后根据车道线检测结果计算车道虚拟中心线,利用PD控制算法控制智能车辆沿着中心线前行。综合离停止线的距离、行人检测结果以及红绿灯识别结果进行驾驶行为决策,控制车辆前行或者停车。本发明仅利用一个摄像机使智能车辆平稳、安全地通过各种十字路口,并且当检测到有行人或者识别到红灯时,系统将控制智能车辆停在离停止线20厘米内,当识别到绿灯并且没有行人时,系统将控制智能车辆正常行驶或者转弯。本发明使执行周期控制在50ms内,满足100ms的驾驶控制周期。
Description
技术领域:
本发明是一种用于智能车辆的路口行驶控制方法,属于智能车无人驾驶技术领域和安全智能交通领域。
背景技术:
从20世纪70年代开始,美国、英国、德国等发达国家开始进行无人驾驶智能车的研究,在可行性和实用化方面都取得了突破性的进展。我国从20世纪80年代开始进行无人驾驶智能车的研究,国防科技大学在1992年成功研制出我国第一辆真正意义上的无人驾驶智能车。无人驾驶智能车在结构化道路、高速道路的研究趋于成熟,国内在高速道路上的测试页取得了很好成绩,如2013年有我国科研人员研究的无人驾驶智能车首次完成了京津高速公路测试项目,无人驾驶行程超百公里。目前,国内外开始将无人驾驶智能车的研究重点放在城市道路、乡村道路这种半结构化、非结构化道路的研究上。近来,德国自由大学的MIG无人驾驶智能车、意大利帕尔马大学的无人驾驶智能车和美国谷歌公司的无人驾驶智能车,都纷纷开始上路测试。路口行驶控制是城市道路无人驾驶研究的重要内容之一。
专利号为201120510142的一种智能交通灯控制系统、专利号为201010530886的种基于移动车载网的十字路口违章车辆检测方法以及专利号为200810035904的一种车辆路口左转违章检测系统都涉及到了城市道路路口问题并提出了一些很好的思路,但是都只属于智能交通领域,并没有结合无人驾驶技术。
发明内容:
本发明的目的在于解决智能车辆在城市道路路口的行驶问题,其中涉及到智能车辆通过路口时的各种技术难题,如车道线、停止线、行人的检测以及红绿灯识别等技术,一种用于智能车辆的路口行驶控制方法。
为了实现上述目的,本发明采取了如下技术方案:
步骤1:将单目摄像机安装在智能车辆内后视镜的正下方并与车体的纵向坐标轴平行,相对车体横坐标的位移为零;
步骤2:给摄像机安装滤光片,消除逆光带来的影响;
步骤3:获取摄像机的单应性矩阵H,所述的单应性矩阵H是指世界坐标与图像坐标的对应关系;
步骤4:对采集到的视频图像进行车道线检测;
步骤4-1:图像二值化;首先将采集到的彩色图像转换成灰度图像,然后使用OTSU方法进行二值化;
步骤4-2:根据步骤3获得单应性矩阵H,对步骤4-1后得到的图像进行逆透视变换,得到鸟瞰图像;
步骤4-3:对鸟瞰图像进行平行线霍夫直线变换,将倾角相同的平行线归为一组,然后对每一组平行线做线宽和距离约束,所述的线宽约束是指候选线条的宽度应该符合车道线宽度范围,所述的距离约束是指线与线之间的垂直距离符合车道宽度范围;符合约束条件的直线则是车道线;
步骤5:计算车道虚拟中心线;所述的车道虚拟中心线是指两相邻车道线的垂直中点的连线,即两相邻车道线的之间的平行于车道线的中线;
步骤6:智能车辆方向控制;
步骤6-1:根据步骤5计算出的车道虚拟中心线,利用PD控制算法计算方向盘的角度;首先通过车道虚拟中心线可以计算出倾斜角度Δθ和偏移距离Δd,然后通过以下公式计算出方向盘的角度ω:
ω=kp·Δd+kd·Δθ 公式1
其中,Δd的单位是厘米(cm),Δθ的单位是度(°),kp是偏差比例,其单位是度每厘米(°/cm),kd是偏差微分。
步骤:6-2:根据步骤6-1计算出的角度,控制智能车辆的方向;所述智能车辆的时速保持在5km/h-30km/h;
步骤7:停止线检测;
步骤7-1:根据步骤4-2中获得的鸟瞰图像,对鸟瞰图像进行霍夫直线变换检测,并计算每条直线的水平夹角θ,其单位是度(°),满足0≤θ≤30或150≤θ≤180的直线则是停止线的初次候选直线;
步骤7-2:对步骤7-1得到的候选直线进行长度计算,若长度l满足范围100<l<115则是停止线的二次候选直线;所述的长度单位是像素,其满足的范围是一个车道的宽度范围;
步骤7-3:对停止线的二次候选直线区域进行上升沿和下降沿检测,目的是检测出停止线候选直线的上下边界,然后计算停止线候选直线的宽度w,当宽度满足范围5≤w≤15时则认为该候选直线是停止线;所述w的单位是像素,其满足的范围是停止线上下边沿的宽度范围;
步骤8:停止线测距;
步骤8-1:根据步骤7检测到停止线,然后计算出停止线下边界的中心点P(x,y);设鸟瞰图像大小是(width,height),则根据公式2可以计算出中心点P(x,y)离图像下边界中心点(width/2,height/2)的像素欧式距离d:
公式2
步骤8-2:根据鸟瞰图像的特性可知,图像中任意两像素点间的像素欧式距离与世界坐标系中的实际距离呈线性关系,即图像中每个像素点的边长在世界坐标平面上的长度是一样的;那么中心点P(x,y)离图像下边界中心点的实际距离dis的计算公式如下:
dis=k·d 公式3
其中,k代表图像中每个像素边长在世界坐标平面的实际距离,单位为厘米;
步骤8-3:步骤8-2中的k的计算方法如下:首先在车道平面上水平方向选取两个点做好标记A、B,并测量出A、B间的距离L,单位是厘米(cm);然后在鸟瞰图像中找到A、B的对应点,并计出两点间的像素个数M;则根据下公式计算出k:
公式4
其中,k的单位是厘米每像素(cm/pix),可以通过调整鸟瞰图像的大小将k尽量保持整数,以便降低误差;
步骤8-4:通过实际测量,测出车头离图像最低端位置的距离为D,单位为厘米;则停止线离车头的距离S可以通过以下公式计算:
S=D+dis 公式5
或S=D+k·d 公式6
步骤9:行人检测;利用开源的跨平台计算机视觉库(OpenCV)自带的行人检测HOG(方向梯度直方图)进行行人检测;
步骤10:红绿灯识别;
步骤10-1:根据步骤8计算得到的停止线离车头的距离S,当300≤S≤8000时开始识别红绿灯;
步骤10-2:红绿灯识别采用基于HOG特征的红绿灯识别方法;所述的识别方法只识别圆形的红绿灯;
步骤11:决策控制;
步骤11-1:决策控制的依据是行人状况和红绿灯状态;行人状况只有两种:有人和无人;红绿灯状态只有两种:红灯和绿灯,黄灯当做红灯处理;决策结果只有两个:车辆前行和车辆停止;
步骤11-2:决策控制的逻辑表达式如下:
根据检测结果,按照决策逻辑进行决策控制,最终使无人驾驶智能车安全正确地通过十字路口。
本发明的有益效果是:
本发明通过可行的技术方案,很好地解决了智能车通过十字路口的问题。本发明的检测顺序可以极大的提高检测的准确性和实时性的同时避免了计算机资源的浪费、减少了计算开销、节约了系统的成本。
附图说明
图1本发明的流程图;
图2本发明实例所用到的车道图像;
图3本发明实例所用到的有行人的图像;
图4本发明实例所用到的交通灯为绿灯时的图像;
图5本发明实例所用到的交通灯为红灯时的图像;
图6对图2进行逆透视变换得到的鸟瞰图;
图7车道线检测结果图
图8车道虚拟中心线计算结果图
图9停止线检测及测距结果图
图10行人检测的结果图
图11红绿灯识别是检测到绿灯的结果图
图12红绿灯识别是检测到红灯的结果图
具体实施方式:
采用本发明的方法,给出一个非限定性的实例,结合图1进一步对本发明的具体实施过程进行说明。本发明在智能车辆平台、智能车测试场地进行实现,为了保证无人驾驶智能汽车以及人员安全,所用平台和场地均为无人驾驶技术专业实验平台和测试场地。所使用的一些通用技术如图像采集、图像变换等不在详细叙述。
本发明的实施方式如下:
1.按照步骤1、2要求安装单目摄像机,本实例所用平台已安装,只需要稍作调整便可以进行实验。
2.按照步骤3、4、5、6、7、8、9、10的详细步骤进行实现,其中所涉及到的参数如下:智能车辆行驶速度10km/h;车道宽度是3m,车道线宽度是12cm;停止线长3m,停止线宽度40cm;车头离图像最低端位置的距离为D=300cm;摄像机获取的原始图像大小为1000×1000,逆透视的鸟瞰图像大小是140×180;单应性比值k=5;水平夹角范围0≤rho≤20或160≤rho≤180;长度范围50≤length≤70,其范围计算依据是停止线长度除于比值k,即300/5=60,加上误差范围得50≤length≤70,同理平行线间距离范围5≤s≤10;
3.根据以上步骤获得的结果进行步骤11的决策控制。
4.实例过程中,图像处理速度能满足车辆控制周期,并且能够很安全地通过不同时刻的十字路口。
Claims (1)
1.一种用于智能车辆的路口行驶控制方法,其特征在于,包含下述步骤:
步骤1:将单目摄像机安装在智能车辆内后视镜的正下方并与车体的纵向坐标轴平行,相对车体横坐标的位移为零;
步骤2:给摄像机安装滤光片,消除逆光带来的影响;
步骤3:获取摄像机的单应性矩阵H,所述的单应性矩阵H是指世界坐标与图像坐标的对应关系;
步骤4:对采集到的视频图像进行车道线检测;
步骤4-1:图像二值化;首先将采集到的彩色图像转换成灰度图像,然后使用OTSU方法进行二值化;
步骤4-2:根据步骤3获得单应性矩阵H,对步骤4-1后得到的图像进行逆透视变换,得到鸟瞰图像;
步骤4-3:对鸟瞰图像进行平行线霍夫直线变换,将倾角相同的平行线归为一组,然后对每一组平行线做线宽和距离约束,所述的线宽约束是指候选线条的宽度应该符合车道线宽度范围,所述的距离约束是指线与线之间的垂直距离符合车道线宽度范围;符合约束条件的直线则是车道线;
步骤5:计算车道虚拟中心线;所述的车道虚拟中心线是指两相邻车道线的之间的平行于车道线的中线;
步骤6:智能车辆方向控制;
步骤6-1:根据步骤5计算出的车道虚拟中心线,利用PD控制算法计算方向盘的角度;首先通过车道虚拟中心线计算出倾斜角度Δθ和偏移距离Δd,然后通过以下公式计算出方向盘的角度ω:
ω=kp·Δd+kd·Δθ 公式1
其中,Δd的单位是厘米,Δθ的单位是度,kp是偏差比例,其单位是度每厘米,kd是偏差微分;
步骤:6-2:根据步骤6-1计算出的角度,控制智能车辆的方向;所述智能车辆的时速保持在5km/h-30km/h;
步骤7:停止线检测;
步骤7-1:根据步骤4-2中获得的鸟瞰图像,对鸟瞰图像进行霍夫直线变换检测,并计算每条直线的水平夹角θ,其单位是度,满足0≤θ≤30或150≤θ≤180的直线则是停止线的初次候选直线;
步骤7-2:对步骤7-1得到的候选直线进行长度计算,若长度l满足范围50<l<150则是停止线的二次候选直线;所述的长度单位是像素,其满足的范围是一个车道的宽度范围或者停止线长度的范围;
步骤7-3:对停止线的二次候选直线区域进行上升沿和下降沿检测,目的是检测出停止线候选直线的上下边界,然后计算停止线候选直线的宽度w,当宽度满足范围5≤w≤15时则认为该候选直线是停止线;所述w的单位是像素,其满足的范围是停止线上下边沿的宽度范围;
步骤8:停止线测距;
步骤8-1:根据步骤7检测到停止线,然后计算出停止线下边界的中心点P(x,y);设鸟瞰图像大小是(width,height),则根据公式2计算出中心点P(x,y)离图像下边界中心点(width/2,height/2)的像素欧式距离d:
步骤8-2:根据鸟瞰图像的特性可知,图像中任意两像素点间的像素欧式距离与世界坐标系中的实际距离呈线性关系,即图像中每个像素点的边长在世界坐标平面上的长度是一样的;那么中心点P(x,y)离图像下边界中心点的实际距离dis的计算公式如下:
dis=k·d 公式3
其中,k代表图像中每个像素边长在世界坐标平面的实际距离,单位为厘米;
步骤8-3:步骤8-2中的k的计算方法如下:首先在车道平面上水平方向选取两个点做好标记A、B,并测量出A、B间的距离L,单位是厘米;然后在鸟瞰图像中找到A、B的对应点,并计出两点间的像素个数M;则根据下公式计算出k:
其中,k的单位是厘米每像素,通过调整鸟瞰图像的大小将k尽量保持整数,以便降低误差;
步骤8-4:通过实际测量,测出车头离图像最低端位置的距离为D,单位为厘米;则停止线离车头的距离S通过以下公式计算:
S=D+dis 公式5
或S=D+k·d 公式6
步骤9:行人检测;利用开源的跨平台计算机视觉库自带的行人检测方向梯度直方图进行行人检测;
步骤10:红绿灯识别;
步骤10-1:根据步骤8计算得到的停止线离车头的距离S,当300≤S≤8000时开始识别红绿灯;
步骤10-2:红绿灯识别采用基于HOG特征的红绿灯识别方法;所述的识别方法只识别圆形的红绿灯;
步骤11:决策控制;
步骤11-1:决策控制的依据是行人状况和红绿灯状态;行人状况只有两种:有人和无人;红绿灯状态只有两种:红灯和绿灯,黄灯当做红灯处理;决策结果只有两个:车辆前行和车辆停止;
步骤11-2:决策控制的逻辑表达式如下:
根据检测结果,按照决策逻辑进行决策控制,最终使无人驾驶智能车安全正确地通过十字路口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410678135.3A CN104494598B (zh) | 2014-11-23 | 2014-11-23 | 一种用于智能车辆的路口行驶控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410678135.3A CN104494598B (zh) | 2014-11-23 | 2014-11-23 | 一种用于智能车辆的路口行驶控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104494598A CN104494598A (zh) | 2015-04-08 |
CN104494598B true CN104494598B (zh) | 2017-03-29 |
Family
ID=52936085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410678135.3A Expired - Fee Related CN104494598B (zh) | 2014-11-23 | 2014-11-23 | 一种用于智能车辆的路口行驶控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104494598B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485663A (zh) * | 2015-08-26 | 2017-03-08 | 腾讯科技(深圳)有限公司 | 一种车道线图像增强方法及系统 |
CN105260713B (zh) * | 2015-10-09 | 2019-06-28 | 东方网力科技股份有限公司 | 一种车道线检测方法和装置 |
US10176634B2 (en) * | 2015-10-16 | 2019-01-08 | Ford Global Technologies, Llc | Lane boundary detection data generation in virtual environment |
CN105629785A (zh) * | 2015-12-30 | 2016-06-01 | 小米科技有限责任公司 | 智能汽车行驶控制方法及装置 |
CN105718916A (zh) * | 2016-01-27 | 2016-06-29 | 大连楼兰科技股份有限公司 | 一种基于霍夫变换的车道线检测方法 |
CN107543726B (zh) * | 2016-07-28 | 2019-05-31 | 北京百度网讯科技有限公司 | 一种无人车驾驶控制系统操控精度的测试方法及装置 |
CN106128115B (zh) * | 2016-08-01 | 2018-11-30 | 青岛理工大学 | 一种基于双摄像机检测道路交通信息的融合方法 |
CN106205170B (zh) * | 2016-08-30 | 2020-06-12 | 上海交通大学 | 一种用于自动驾驶的路口精确停车装置与方法 |
CN107891808B (zh) * | 2016-09-30 | 2020-06-19 | 比亚迪股份有限公司 | 行车提醒方法、装置及车辆 |
CN106373416A (zh) * | 2016-11-30 | 2017-02-01 | 百度在线网络技术(北京)有限公司 | 用于测试无人驾驶车辆的交通灯识别耗时的方法和装置 |
WO2019037125A1 (zh) * | 2017-08-25 | 2019-02-28 | 深圳市得道健康管理有限公司 | 人工智能终端及其行为控制方法 |
US10198002B2 (en) * | 2017-11-21 | 2019-02-05 | GM Global Technology Operations LLC | Systems and methods for unprotected left turns in high traffic situations in autonomous vehicles |
CN109241798A (zh) * | 2018-08-28 | 2019-01-18 | 江苏博睿通智能装备有限公司 | 一种行车上的智能识别系统 |
CN109159733B (zh) * | 2018-09-10 | 2021-01-05 | 百度在线网络技术(北京)有限公司 | 无人车路口通行的方法、装置、设备及存储介质 |
CN110647850A (zh) * | 2019-09-27 | 2020-01-03 | 福建农林大学 | 一种基于逆透视原理的车道偏移自动测量方法 |
CN111002984A (zh) * | 2019-12-24 | 2020-04-14 | 北京汽车集团越野车有限公司 | 一种自动驾驶方法、装置、车辆及自动驾驶设备 |
CN112382085A (zh) * | 2020-10-20 | 2021-02-19 | 华南理工大学 | 适用于智能车辆交通场景理解与超视距感知系统及方法 |
CN112849144B (zh) * | 2021-02-01 | 2022-05-20 | 知行汽车科技(苏州)有限公司 | 车辆控制方法、装置及存储介质 |
CN113554874B (zh) * | 2021-07-30 | 2022-06-28 | 新石器慧通(北京)科技有限公司 | 无人车控制方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61262903A (ja) * | 1985-05-17 | 1986-11-20 | Komatsu Ltd | 無人車両の交通管制方法 |
US8559673B2 (en) * | 2010-01-22 | 2013-10-15 | Google Inc. | Traffic signal mapping and detection |
CN103389733A (zh) * | 2013-08-02 | 2013-11-13 | 重庆市科学技术研究院 | 一种基于机器视觉的车辆巡线方法及系统 |
CN103489324B (zh) * | 2013-09-22 | 2015-09-09 | 北京联合大学 | 一种基于无人驾驶的实时动态红绿灯检测识别方法 |
CN103577809B (zh) * | 2013-11-12 | 2016-08-17 | 北京联合大学 | 一种基于智能驾驶的地面交通标志实时检测的方法 |
-
2014
- 2014-11-23 CN CN201410678135.3A patent/CN104494598B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104494598A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104494598B (zh) | 一种用于智能车辆的路口行驶控制方法 | |
CN103177246B (zh) | 基于动态区域划分的双模型车道线识别方法 | |
EP3176541B1 (de) | Neigungserkennung bei zweirädern | |
CN105678316B (zh) | 基于多信息融合的主动驾驶方法 | |
CN107933686B (zh) | 一种多轴转向车辆跟踪中央车道线转向控制方法及系统 | |
CN104008645B (zh) | 一种适用于城市道路车道线预测及预警方法 | |
US10239539B2 (en) | Vehicle travel control method and vehicle travel control device | |
CN207301793U (zh) | 一种图像识别处理无人驾驶智能车 | |
US20140320644A1 (en) | Determination of a height profile of the surroundings of a vehicle by means of a 3d camera | |
CN104217615A (zh) | 一种基于车路协同的行人防碰撞系统和方法 | |
CN108189838A (zh) | 一种融合型自适应巡航弯道控制方法及装置 | |
CN109435945A (zh) | 车辆控制系统、车辆控制方法及存储介质 | |
BR112017002421B1 (pt) | Dispositivo de controle de percurso e método de controle de percurso | |
CN106275066A (zh) | 一种智能车的转向控制方法及装置 | |
CN107161075A (zh) | 一种基于自动驾驶的转向信号灯自动控制方法及系统 | |
CN106156723A (zh) | 一种基于视觉的路口精定位方法 | |
CN108447305B (zh) | 一种礼让行人预警方法及预警系统 | |
CN104504364B (zh) | 基于时空关联的停止线实时识别与测距方法 | |
CN104537834A (zh) | 一种智能车在城市道路行驶中的路口识别与路口轨迹规划的方法 | |
CN103192758B (zh) | 基于机器视觉的前照灯随动转向控制方法 | |
CN105159291A (zh) | 一种基于信息物理网的车队智能避障装置及避障方法 | |
CN106946049A (zh) | 集装箱码头流动设备自动化行走方法 | |
CN104951790B (zh) | 基于多源逆透视图像无缝拼接的车道线识别方法 | |
CN109606361A (zh) | 车辆控制装置 | |
CN106864458A (zh) | 一种自动绕障系统及方法、智能汽车 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170329 Termination date: 20181123 |
|
CF01 | Termination of patent right due to non-payment of annual fee |