CN105022987B - 用于车道感测传感器的偏差纠正和诊断功能的方法 - Google Patents

用于车道感测传感器的偏差纠正和诊断功能的方法 Download PDF

Info

Publication number
CN105022987B
CN105022987B CN201510195775.3A CN201510195775A CN105022987B CN 105022987 B CN105022987 B CN 105022987B CN 201510195775 A CN201510195775 A CN 201510195775A CN 105022987 B CN105022987 B CN 105022987B
Authority
CN
China
Prior art keywords
deviation factors
probability
vehicle
track
health status
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.)
Active
Application number
CN201510195775.3A
Other languages
English (en)
Other versions
CN105022987A (zh
Inventor
S.曾
X.F.宋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN105022987A publication Critical patent/CN105022987A/zh
Application granted granted Critical
Publication of CN105022987B publication Critical patent/CN105022987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及用于车道感测传感器的偏差纠正和诊断功能的方法。一种诊断基于视觉的车道传感系统的健康状态的方法。计算作为车辆侧向偏移和车辆航向的函数的第一偏差因子。计算作为车辆速度、预计行驶路径的估计曲率、车道曲率和车辆航向的函数的第二偏差因子。生成用于第一和第二偏差因子的直方图。确定健康状态的概率。判断健康状态的概率是否在预定的阈值内。估计视觉系统的角偏差。响应于健康状态的概率在预定阈值内的判断，纠正视觉系统的角偏差；否则启动故障的车道传感系统的报警。

Description

用于车道感测传感器的偏差纠正和诊断功能的方法
技术领域
本发明的实施例涉及用于车道传感系统的视觉传感器的车道传感校准。
车道偏离警告系统和车道居中系统是被设计用于当车辆开始无意地移出其车道时警告驾驶员或者用于将车辆保持在其车道中的车辆系统的两个实例。视觉系统是通常用于感测行驶道路的车道的装置中的一种装置。视觉传感器要求正确的对准，否则会使来自车道传感系统的结果发生偏移。例如，前向的图像捕获装置在前进方向上采集车辆外部的场景。通常，如果被安装在车辆的中心线上，那么前向的采集装置将会与车辆中心线对准。视觉图像装置中的任何角偏差将会导致车辆在车道中的不准确定位，这最终将会阻碍车辆正确地检测车道的偏离从而阻碍将车辆保持在车道中心的尝试。
存在其中通过将车辆带入维修站而手动地纠正车辆视觉捕获装置的系统，在所述维修站中维修人员判断是否存在角偏差并且维修人员手动地纠正该偏差。将会有利的是具有一种自主地检测偏差并且可以自主地纠正偏差的自动化系统。
发明内容
本发明实施例的优点是对车道传感系统中的图像捕获装置的偏差的自主检测、以及对角偏差（angle misalignment）的自主纠正。所述系统利用有关于车辆和道路的参数，诸如车辆横摆角速度、车辆侧向偏移、车辆航向、车辆速度、车道曲率和预计行驶路径的估计曲率,用于检测角偏差。基于所确定的概率而确定角偏差，如果偏差在各自的公差内，那么自主地纠正该角偏差。如果偏差在各自的公差之外，那么启动报警以使车道传感系统进行维修。
本发明的实施例构想一种对车辆的基于视觉的车道传感系统的健康状态进行诊断的方法。计算作为车辆侧向偏移和车辆航向的函数的第一偏差因子。计算作为车辆速度、预计车辆行驶路径的估计曲率、行驶道路的车道曲率和车辆航向的函数的第二偏差因子。生成用于第一偏差因子的直方图和用于第二偏差因子的直方图。基于第一偏差因子的直方图和第二偏差因子的直方图，确定健康状态的概率。判断健康状态的概率是否在预定的阈值内。估计视觉系统的角偏差。响应于健康状态的概率是在预定阈值内的判断而纠正视觉系统的角偏差，否则启动有故障的车道传感系统的报警。
本发明提供以下技术方案：
1. 一种对车辆的基于视觉的车道传感系统的健康状态进行诊断的方法，所述方法包括以下步骤：
计算作为车辆侧向偏移和车辆航向的函数的第一偏差因子；
计算作为车辆速度、车辆的预计行驶路径的估计曲率、行驶道路的车道曲率和车辆航向的函数的第二偏差因子；
生成用于所述第一偏差因子的直方图和用于所述第二偏差因子的直方图；
基于所述第一偏差因子的直方图和所述第二偏差因子的直方图，确定健康状态的概率；
确定所述健康状态的概率是否在预定阈值内；
估计所述视觉系统的角偏差；和
响应于所述健康状态的概率在所述预定阈值内的确定，纠正所述视觉系统的角偏差；否则启动有故障的车道传感系统的报警。
2. 如方案1所述的方法，其中确定健康状态的概率包括以下步骤：
确定所述第一偏差因子的概率；
判断所述第一偏差因子的概率是否小于第一分布阈值；
确定所述第二偏差因子的概率；
判断所述第二偏差因子的概率是否小于第二分布阈值；
确定作为所述第一偏差因子的概率小于所述第一分布阈值和所述第二偏差因子的概率小于所述第二分布阈值的函数的所述健康状态的概率。
3. 如方案1所述的方法，其中用以下公式来确定所述第一偏差因子：
其中是车辆侧向偏移的导数，是车辆速度，是关于行驶车道的车辆航向。
4. 如方案3所述的方法，其中所述第一偏差因子基本上等于零表明没有视觉系统的角偏差。
5. 如方案3所述的方法，其中用以下公式来确定所述第二偏差因子：
其中是关于行驶车道的车辆航向的导数，是车辆的预计行驶路径的估计曲率，是行驶道路的车道曲率，是车辆速度。
6. 如方案5所述的方法，其中所述第一偏差因子和所述第二偏差因子存储在缓冲器中。
7. 如方案5所述的方法，其中所述第二偏差因子基本上等于零表明没有视觉系统的角偏差。
8. 如方案5所述的方法，还包括以下步骤：递归地估计用于所述第一偏差因子和所述第二偏差因子的各自直方图。
9. 如方案1所述的方法，其中判断所述健康状态的概率是否在预定阈值内包括判断所述健康状态的概率是否在0.8内。
10. 如方案1所述的方法，还包括以下步骤：
响应于对所述视觉系统的角偏差的纠正，获得新的传感器数据。
11. 如方案1所述的方法，其中仅响应于意外车道变化运动的确定，确定所述第一偏差因子和所述第二偏差因子。
12. 如方案11所述的方法，其中至少基于所述车辆速度大于预定速度，确定所述意外车道变化运动。
13. 如方案11所述的方法，其中至少基于转向信号不被启动，确定所述意外车道变化运动。
14. 如方案9所述的方法，其中至少基于检测到在预定量的时间内没有车道穿越，确定所述意外车道变化运动。
附图说明
图1是视角偏差系统的方框图。
图2是示出侧向偏移和车辆航向的图示说明。
图3是检测作为侧向偏移和车辆航向的函数的角偏差的数学函数的方框图。
图4是示出估计的路径曲率、车道曲率和车辆航向的图示说明。
图5是用于检测作为车道曲率、横摆角速度和车辆速度的函数的角偏差的数学函数的方框图。
图6是利用所确定的偏差数据而生成的示例性直方图。
图7是用于确定车道传感系统中的角偏差的流程图。
具体实施方式
图1中示出了用于检测基于视觉的车道传感系统的健康状态的视角偏差系统10。车辆系统10对车辆所使用的视觉系统（例如但不限于车道偏离警告系统或者车道居中系统）进行分析，以便判断关于视觉系统是否出现了任何偏差。车辆系统10包括用于捕获车辆外部图像的基于视觉的捕获装置12。处理器14接收由基于视觉的捕获装置12所获得的数据，并且对数据进行分析以便确定车道传感系统中的任何重大的违背。基于视觉的捕获装置12可用于检测车辆航向、车辆侧向偏移y、预计车辆行驶路径的估计曲率、行驶道路的车道曲率。
横摆角速度传感器16或者类似装置可用于确定车辆的横摆角速度。包括、但不限于车轮速度传感器、PCM、节气门传感器、加速踏板传感器的车辆速度传感器18可用于确定车辆的速度。缓冲器20，优选为环形缓冲器，可用于存储包含可用于确定基于视觉的捕获装置12中的偏差的历史数据在内的数据。
处理器14对来自各种装置的数据进行分析以判断是否存在相当大的误差，该相当大的误差表明基于视觉的车道传感系统中的异常。如果确定角偏差没有从标准值的相当大的变化，那么可以通过校准模块22自动地校准参数以便纠正较小的偏差。校准模块22可以是独立的单元或者可以合并成为处理器或基于视觉的捕获装置的一部分。如果确定存在从标准值的相当大的变化，那么启动报警装置24从而告知驾驶员有故障并且需将车辆带到车辆维修站。
图2是车辆侧向偏移与车辆航向之间的相互关系的图示说明，用于检测基于视觉的成像装置的角偏差。图中显示车辆30正在以一车辆速度沿行驶道路32行驶。用车辆航向标示车辆10正在驾驶的方向。图中示出了车辆侧向偏移y，该车辆侧向偏移y是从车辆到行驶道路的车道边缘的距离。
图3中示出了说明被应用于各种输入数据的数学函数的方框图，用于检测车道传感系统中的角度测量。将侧向偏移、车辆速度、和车辆航向各自作为输入参数而应用于模型。在方框40中获得车辆侧向偏移y的导数。将车辆侧向偏移y的导数和主车辆速度数据作为输入应用于除法数学函数42，其中将车辆侧向偏移y除以主车辆速度数据。用于除法函数的数学模型被表示为。
然后将该结果输入到通常在44处所表示的减法数学函数。基于减法数学函数的数学模型被表示为 。
在方框46中，可以确定航向测量偏差，并且该航向测量偏差被表示为相对于车道的车辆航向中的变化。
在方框48中，也将航向测量偏差应用于分布估计器，其中对异常的检测统计进行分析以便确定车道传感系统中的重大的违背。这可用概率来表示，其中是从均值的分布极限并且表示角偏差是否在极限内的概率。
图4是车辆航向、车辆横摆角速度和车道曲率之间的相互关系的图示说明，用于检测车道传感系统中的角偏差。图中显示车辆30正沿着具有车道曲率的行驶道路32行驶。车辆正在以车辆速度和车辆航向行驶。图中示出了车辆侧向偏移y，并且该车辆侧向偏移y是从车辆到行驶道路的车道边缘的距离。
图5示出了应用于各种输入数据的数学函数的方框图。将车辆航向、车辆速度、横摆角速度和车道曲率各自作为输入参数应用于模型。
将车辆横摆角速度和车辆速度数据作为输入应用于除法数学函数50，其中将横摆角速度除以主车辆速度数据，用于生成由所代表的预计车辆行驶路径的估计曲率。用于预计行驶路径的估计曲率的数学模型被表示为。
将来自方框50的结果连同车道曲率应用于通常在52处所示的减法数学函数。用于差值数学函数52的数学模型被表示为（）。
在数学函数54中确定曲率差值（）与车辆速度的乘积。然后，将该乘积的结果连同车辆航向的导数应用于减法数学函数56。用以下公式表示所得到的数学函数：
其中是相对于行驶车道的车辆航向的导数，是车辆的预计行驶路径的估计曲率，是行驶道路的车道曲率，是车辆速度。
在方框58中，确定航向测量偏差。将分布估计器用于判断是否存在异常检测统计。这可用概率来表示，其中是从平均值的确定的分布极限并且表示角偏差是否在极限内的概率。
图6表示为各组数据而生成的直方图，用于判断角偏差数据是否在可纠正的极限内。在图6中，水平轴线表示各自的角度测量，而垂直轴线表示各个角度的计数数量。将极限（阈值）标示为和，其中代表分布极限并且代表从直方图数据的均值偏移的角度偏差。基于直方图，可以确定概率和。
图7示出了用于确定车道传感系统中的角偏差的流程图。
在方框60中，开始例行程序。在方框61中，判断是否获得新的传感器数据。如果获得新的传感器数据，那么例行程序进入方框62; 否则，例行程序等待新的数据。
在方框62中，判断是否检测到车道穿越事件。可通过监测车辆速度以判断车辆速度是否大于预定速度、转向信号是否没被启动、以及在预定量的时间内是否没有车道穿越事件发生，由视觉车道传感系统，判断车道穿越事件。
如果判断出现了预期的车道变化，那么例行程序返回到步骤61以等待新的传感器数据。如果出现意外的车道变化，那么例行程序进入步骤63。
在步骤63，确定视觉未对准中的偏差。如果将视觉传感器正确地对准，那么并且。如果比较不是相等的，那么由来确定第一偏差因子并且由来确定第二偏差因子。
在方框64中，对于和递归地估算直方图。
在方框65中，判断各组数据的概率是否在偏差阈值内。这些概率由和来表示。
在方框66中，确定视觉车道传感系统的健康状态的概率。可用以下公式来确定健康状态的概率：
在方框67中，判断健康状态（SOH）是否小于预定的SOH阈值（例如，0.8）。如果确定SOH的概率小于预定的阈值，那么例行程序前进到方框68，其中启动故障从而向车辆驾驶员指出有故障的车道传感系统；否则例行程序前进到方框69。SOH意味着概率越大则仅需要较小的对准即可将传感器正确地对准的可能性越高。因此，当SOH小于阈值时，将报告传感系统故障。
在方框69中，确定偏差估计。该偏差估计被车辆用于纠正角偏差。然后例行程序进入方框61并等待下一组的数据。
虽然已详细描述了本发明的某些实施例，但本发明相关领域的技术人员将认识到由所附权利要求所限定的用于实施本发明的各种替代的设计和实施例。

Claims (14)

1.一种对车辆的基于视觉的车道传感系统的健康状态进行诊断的方法，所述方法包括以下步骤：
计算作为车辆侧向偏移和车辆航向的函数的第一偏差因子；
计算作为车辆速度、车辆的预计行驶路径的估计曲率、行驶道路的车道曲率和车辆航向的函数的第二偏差因子；
生成用于所述第一偏差因子的直方图和用于所述第二偏差因子的直方图；
基于所述第一偏差因子的直方图和所述第二偏差因子的直方图，确定健康状态的概率；
确定所述健康状态的概率是否在预定阈值内；
估计所述基于视觉的车道传感系统的角偏差；和
响应于所述健康状态的概率在所述预定阈值内的确定，纠正所述基于视觉的车道传感系统的角偏差；否则启动有故障的车道传感系统的报警。
2.如权利要求1所述的方法，其中确定健康状态的概率包括以下步骤：
确定所述第一偏差因子的概率；
判断所述第一偏差因子的概率是否小于第一分布阈值；
确定所述第二偏差因子的概率；
判断所述第二偏差因子的概率是否小于第二分布阈值；
确定作为所述第一偏差因子的概率小于所述第一分布阈值和所述第二偏差因子的概率小于所述第二分布阈值的函数的所述健康状态的概率。
3.如权利要求1所述的方法，其中用以下公式来确定所述第一偏差因子：
其中是车辆侧向偏移的导数，是车辆速度，是关于行驶车道的车辆航向。
4.如权利要求3所述的方法，其中所述第一偏差因子等于零表明没有基于视觉的车道传感系统的角偏差。
5.如权利要求3所述的方法，其中用以下公式来确定所述第二偏差因子：
其中是关于行驶车道的车辆航向的导数，是车辆的预计行驶路径的估计曲率，是行驶道路的车道曲率，是车辆速度。
6.如权利要求5所述的方法，其中所述第一偏差因子和所述第二偏差因子存储在缓冲器中。
7.如权利要求5所述的方法，其中所述第二偏差因子等于零表明没有基于视觉的车道传感系统的角偏差。
8.如权利要求5所述的方法，还包括以下步骤：递归地估计用于所述第一偏差因子和所述第二偏差因子的各自直方图。
9.如权利要求1所述的方法，其中判断所述健康状态的概率是否在预定阈值内包括判断所述健康状态的概率是否在0.8内。
10.如权利要求1所述的方法，还包括以下步骤：
响应于对所述基于视觉的车道传感系统的角偏差的纠正，获得新的传感器数据。
11.如权利要求1所述的方法，其中仅响应于意外车道变化运动的确定，确定所述第一偏差因子和所述第二偏差因子。
12.如权利要求11所述的方法，其中至少基于所述车辆速度大于预定速度，确定所述意外车道变化运动。
13.如权利要求11所述的方法，其中至少基于转向信号不被启动，确定所述意外车道变化运动。
14.如权利要求11所述的方法，其中至少基于检测到在预定量的时间内没有车道穿越，确定所述意外车道变化运动。
CN201510195775.3A 2014-04-23 2015-04-23 用于车道感测传感器的偏差纠正和诊断功能的方法 Active CN105022987B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/259,470 US9930323B2 (en) 2014-04-23 2014-04-23 Method of misalignment correction and diagnostic function for lane sensing sensor
US14/259470 2014-04-23

Publications (2)

Publication Number Publication Date
CN105022987A CN105022987A (zh) 2015-11-04
CN105022987B true CN105022987B (zh) 2018-10-19

Family

ID=54261861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510195775.3A Active CN105022987B (zh) 2014-04-23 2015-04-23 用于车道感测传感器的偏差纠正和诊断功能的方法

Country Status (3)

Country Link
US (1) US9930323B2 (zh)
CN (1) CN105022987B (zh)
DE (1) DE102015105278B4 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105718872B (zh) * 2016-01-15 2020-02-04 武汉光庭科技有限公司 两侧车道快速定位及检测车辆偏转角度的辅助方法及系统
DE102016226312A1 (de) * 2016-12-29 2018-07-05 Robert Bosch Gmbh Verfahren zum Betrieb eines Fahrerassistenzsystems für Kraftfahrzeuge
CN107082049A (zh) * 2017-01-16 2017-08-22 王忠亮 车辆车窗控制装置
EP3486871B1 (en) * 2017-11-16 2021-05-05 Veoneer Sweden AB A vision system and method for autonomous driving and/or driver assistance in a motor vehicle
US20210179115A1 (en) * 2019-12-16 2021-06-17 GM Global Technology Operations LLC Method and apparatus for monitoring a yaw sensor

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013158A (zh) * 2006-02-03 2007-08-08 通用汽车环球科技运作公司 用于车载对象跟踪系统的校准和定向的方法和设备
CN101041355A (zh) * 2006-01-19 2007-09-26 通用汽车环球科技运作公司 具有报警修正标准的车道偏离报警和避免系统
CN102649430A (zh) * 2011-02-28 2012-08-29 通用汽车环球科技运作有限责任公司 用于容错车辆侧向控制器的冗余车道感测系统
CN103287358A (zh) * 2012-02-22 2013-09-11 通用汽车环球科技运作有限责任公司 用于确定物体传感器未对准的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09142236A (ja) * 1995-11-17 1997-06-03 Mitsubishi Electric Corp 車両の周辺監視方法と周辺監視装置及び周辺監視装置の故障判定方法と周辺監視装置の故障判定装置
US7720580B2 (en) * 2004-12-23 2010-05-18 Donnelly Corporation Object detection system for vehicle
KR102058001B1 (ko) * 2012-09-03 2020-01-22 엘지이노텍 주식회사 차선 보정 시스템, 차선 보정 장치 및 이의 차선 보정 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101041355A (zh) * 2006-01-19 2007-09-26 通用汽车环球科技运作公司 具有报警修正标准的车道偏离报警和避免系统
CN101013158A (zh) * 2006-02-03 2007-08-08 通用汽车环球科技运作公司 用于车载对象跟踪系统的校准和定向的方法和设备
CN102649430A (zh) * 2011-02-28 2012-08-29 通用汽车环球科技运作有限责任公司 用于容错车辆侧向控制器的冗余车道感测系统
CN103287358A (zh) * 2012-02-22 2013-09-11 通用汽车环球科技运作有限责任公司 用于确定物体传感器未对准的方法

Also Published As

Publication number Publication date
US20150312564A1 (en) 2015-10-29
CN105022987A (zh) 2015-11-04
DE102015105278B4 (de) 2019-11-07
DE102015105278A1 (de) 2015-10-29
US9930323B2 (en) 2018-03-27

Similar Documents

Publication Publication Date Title
CN105022987B (zh) 用于车道感测传感器的偏差纠正和诊断功能的方法
CN106485949B (zh) 针对车辆的摄像机和v2v数据的传感器融合
US20110320163A1 (en) Method and system for determining road data
US9222789B2 (en) Wayfinding method and device
JP4962581B2 (ja) 区画線検出装置
US9183463B2 (en) Orientation model for a sensor system
JP3922194B2 (ja) 車線逸脱警報装置
US9912933B2 (en) Road surface detection device and road surface detection system
CN107804226A (zh) 拖车车道偏离警告和摇摆警报
US20140142800A1 (en) Method and apparatus for state of health estimation of object sensing fusion system
US20080291276A1 (en) Method for Driver Assistance and Driver Assistance Device on the Basis of Lane Information
CN112577526B (zh) 一种多传感器融合定位的置信度计算方法及系统
KR20220115796A (ko) 정상 상태 횡방향 편차 제거 방법, 장치 및 저장 매체
US20220264081A1 (en) Sensing performance evaluation and diagnosis system and sensing performance evaluation and diagnosis method for external-environment recognition sensor
CN104937648A (zh) 道路环境识别系统
JP5149658B2 (ja) 運転評価装置
CN105313893A (zh) 用于车道管理融合功能的未对准校正和健康状态估计
KR101490905B1 (ko) 차량의 자율 주행 시스템 및 그 방법
JP2009175929A (ja) ドライバ状態推定装置及びプログラム
KR101979422B1 (ko) 카메라 시스템 및 카메라 시스템의 캘리브레이션정보 조정방법
US20210240991A1 (en) Information processing method, information processing device, non-transitory computer-readable recording medium recording information processing program, and information processing system
EP2472270B1 (en) Method and system for speed verification
CN103914889A (zh) 一种对车辆速度的采集行为进行异常检测的系统及方法
CN103473925A (zh) 一种道路车辆检测系统的验证方法
CN117746357A (zh) 一种车道线识别方法、装置及电子设备

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