CN105928531B - 一种适用于无人驾驶汽车的行进路线精准生成方法 - Google Patents
一种适用于无人驾驶汽车的行进路线精准生成方法 Download PDFInfo
- Publication number
- CN105928531B CN105928531B CN201610226020.XA CN201610226020A CN105928531B CN 105928531 B CN105928531 B CN 105928531B CN 201610226020 A CN201610226020 A CN 201610226020A CN 105928531 B CN105928531 B CN 105928531B
- Authority
- CN
- China
- Prior art keywords
- data
- visual signature
- positioning device
- signature object
- pilotless automobile
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 68
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 230000004888 barrier function Effects 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 230000037361 pathway Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003716 rejuvenation Effects 0.000 description 1
- 238000000082 states acquisition Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及汽车自动控制领域，具体涉及一种适用于无人驾驶汽车的行进路线精准生成方法。本发明通过以下技术方案得以实现的：一种适用于无人驾驶汽车的行进路线精准生成方法，包含路线确定步骤，还包含首次路径辨别步骤；步骤二、定位装置信号检测步骤；步骤三、视觉特征物数据采集和驾驶信息数据记录步骤；步骤四、视觉特征坐标库生成步骤；步骤五、驾驶方案形成步骤。本发明的目的是提供一种适用于无人驾驶汽车的行进路线精准生成方法，能对路段的首次行径或非首次行径进行自动判断，保存特征物信息，在导航地图精度低或缺少GPS信号的环境下依然能完成自动驾驶。
Description
技术领域
本发明涉及汽车自动控制领域，具体涉及一种适用于无人驾驶汽车的行进路线精准生成方法。
背景技术
汽车作为人们的代步工具，随着物质生活水平的提高，近些年得到大范围的普及。在汽车行驶中，驾驶员的主观因素是导致许多交通事故的根本原因，为提供交通安全性和运输效率，自主驾驶、无人驾驶的智能车辆的研究受到许多国家的重视，并成为研究的重要内容。无人驾驶汽车也被称为自动驾驶汽车或轮式移动机器人，它在没有人类输入指令的情况下，通过车载传感器感知周围环境，并根据所获取的交互信息，依靠以车内计算机控制系统为主的智能驾驶模块实现无人驾驶。
如上文所述，无人驾驶汽车的实现至少包含三部分，即大量传感器、定位装置（如GPS）和智能驾驶模块，如公开号为100999202A的中国专利文件所公布的自动导航汽车，但是目前影响无人驾驶汽车，尤其是影响无人驾驶汽车的导航技术的难题集中在两方面，一为GPS导航的精准度问题，二为基于地图的循迹技术的智能度问题。具体的，由于汽车在行驶过程中会出现进入GPS信号弱或无信号的地区，自动驾驶无法实现，或者，在行驶过程中传感器采集信号减弱甚至丢失的情况，又或者，由于GPS的地图更新问题使得实际道路和电子地图的数据不符，这些情况都会影响无人驾驶的精准度。
发明内容
本发明的目的是提供一种适用于无人驾驶汽车的行进路线精准生成方法，能对路段的首次行径或非首次行径进行自动判断，保存特征物信息，在导航地图精度低或缺少GPS信号的环境下依然能完成自动驾驶。
本发明的上述技术目的是通过以下技术方案得以实现的：一种适用于无人驾驶汽车的行进路线精准生成方法，包含路线确定步骤，在所述路线确定步骤后，还包含如下步骤：
步骤一、 首次路径辨别步骤；
在本步骤中，控制系统来识别判定将要行进的路线是否是首次路径；
步骤二、定位装置信号检测步骤；
控制系统对定位装置的信号的强弱程度、有无程度进行识别检测；
步骤三、视觉特征物数据采集和驾驶信息数据记录步骤；
控制系统控制采集装置，对行径路线上的视觉特征物的数据进行采集，同时对车辆在行经路线上的驾驶信息数据进行记录和储存；
步骤四、视觉特征坐标库生成步骤；
根据步骤三中的所述视觉特征物的数据，自动生成视觉特征坐标库；
步骤五、驾驶方案形成步骤；
根据步骤四中的所述视觉特征坐标库和步骤三中记录的所述驾驶信息数据，所述控制系统生成驾驶方案。
在所述步骤一中，首先根据已确定的行车路线，在判定是否是首次经过这条路线，具体的方式是在汽车的控制系统中的存储装置的数据库进行比对，当判定是首次路径之后，自动进入所述步骤二，来检测所述定位装置的信号强度，所述定位装置可以为GPS定位装置，若是在GPS信号缺失的情况下，例如地下车库等，则自动进入所述步骤三、所述采集装置对行径路线上的视觉特征物的数据进行采集，同时对车辆在行经路线上的驾驶信息数据进行记录，这里的视觉特征物可以为台阶、墙面、立柱等，这些数据经过提取可以形成三维的、立体的所述视觉特征物坐标库，于此同时，所述采集装置还记录了车辆的驾驶信息，如车辆的速度，转弯半径等，所述驾驶信息数据和所述视觉特征物坐标库共同形成了驾驶方案，并且是无GPS信号条件下的驾驶方案，这些数据都会被系统保存，在首次进行操作的时候，是需要人工驾驶的，但是这些数据作为后期系统学习和精准行进路线的依据， 为之后的无人驾驶提供了基础。
作为本发明的优选，在所述步骤三和步骤四之间，包含过滤无效数据步骤，在所述过滤无效数据步骤中，所述控制系统过滤掉所述驾驶信息数据和/或所述视觉特征物数据中的无效数据。
在所述采集装置采集所述驾驶信息数据和所述视觉特征物数据中，容易产生无效数据，例如，受天气的影响，会形成阴影区，影响所述视觉特征物数据的精准性，再例如，车辆在低速行驶中，由于误差的存在，会对周边低速移动的障碍物和静止的障碍物区分不够精准，再例如，车辆行驶中由于其他原因产生的不必要的小范围转弯，速度改变等驾驶动作，也是非必要的驾驶信息，以上这些无效信息，可以根据软件设置来过滤剔除。
作为本发明的优选，所述采集装置包含摄像头和雷达。
所述摄像头可以为3D摄像头，用于采集所述视觉特征坐标库数据，具体除了前文所述的数据，还可以为大楼外形、红绿灯位置信息、限速标识等，所述雷达主要用于采集四周障碍物与汽车的距离，这些数据都会后期变成所述视觉数据坐标库里的重要信息。
作为本发明的优选，所述视觉特征物的数据包含周边环境的立体数据、障碍物与车辆距离数据和交通标识数据，所述周边环境的立体数据和所述交通标识数据由所述摄像头采集，所述障碍物与车辆距离数据由所述雷达采集。
作为本发明的优选，所述驾驶信息数据包含速度数据、方向盘转角数据和制动压力数据。
作为本发明的优选，当所述定位装置信号存在时，进入步骤六、特征信息库整合步骤，在特征信息库整合步骤中，所述控制系统将在步骤三中采集的所述视觉特征物数据与所述定位装置中自带的路径世界三维坐标信息库数据进行整合更新，形成新世界坐标路径系特征信息库。
在经过前文的步骤，系统已经采集到所述视觉特征物数据，与上文不同的是，在所述定位装置没有信号的时候，例如无GPS信号的情况下，所述驾驶方案是根据所述驾驶信息数据和所述视觉特征物数据共同形成的，而在所述定位装置有信号的时候，无论是正常或是GPS信号偏弱的情况下，系统就会载入所述定位装置中自带的路径世界三维坐标信息库，比如系统自带的GPS世界坐标地图，形成全新的所述新世界坐标路径系特征信息库，也就是形成全新的坐标地图和更精准，冗沉度更高的导航基准线，并对自带的地图数据缺失地段也可进行数据覆盖。
作为本发明的优选，还包含步骤七、误差判定步骤，在误差判定步骤中，当车辆再次通过同一路径，所述控制系统会调用所述定位装置自带的世界坐标系数据，将所述世界坐标系数据与再次经过该路径时实时采集的所述视觉特征物数据所形成的视觉坐标系数据进行比对，并读出误差值，若所述误差值在预设的允许范围内，则继续使用所述世界坐标系数据生成驾驶方案，若是在允许范围外，则使用实时采集的所述视觉特征物数据所形成的视觉坐标系数据生成驾驶方案。
在实际运用中，当车辆非首次通过同一路径，系统还是会依靠所述采集装置采集到所述视觉特征物数据和所述驾驶信息数据，同时，系统还会调取所述定位装置自带的世界坐标系数据，例如该路段的GPS坐标数据，并把两者作为对比，如果两者的误差很小，在允许范围内，则表示所述定位装置中的所述世界坐标系数据是正确的，无需更新，可以依靠所述世界坐标系数据生成驾驶方案供无人驾驶汽车行驶，若是在允许范围外，则表示所述定位装置中的所述世界坐标系数据有误，不适合当下的路况，需要开启无人驾驶汽车的自学习功能，即依靠所述采集装置当下采集到的所述视觉特征物数据和所述驾驶信息数据行程新的驾驶方案。
作为本发明的优选，在所述步骤七中，若所述误差值在允许范围外，则进入步骤八、更新步骤，在所述更新步骤中，将实时生成的所述视觉特征物数据所形成的所述视觉坐标系数据覆盖之前的数据。
从而达到更新和系统自学习的功能。
综上所述，本发明具有如下有益效果：
1、在所述定位装置没有信号时，汽车能依靠所述采集装置收集所述视觉特征物数据和所述驾驶信息数据来完成无人驾驶。
2、所述驾驶信息包括速度数据、方向盘转角数据和制动压力数据，数据针对性强。
3、所述视觉特征物的数据包含周边环境的立体数据、障碍物与车辆距离数据和交通标识数据，数据采集范围广，信息处理全面。
4、在所述定位装置存在信号时，所述采集装置收集到的数据会和系统内的数据进行整合，达到系统实时学习的功能。
5、系统具备对所述视觉特征物数据和所述驾驶信息数据的过滤功能，过滤掉无效数据，提高数据的可信度。
6、当车辆再次行进同一路径，会进行误差判断，若是误差小，则以系统中存储的原数据为准，不需要更新，若是误差大，则以实时捕捉的现场情况为准，进行更新，达到无人驾驶方案的自学习功能。
具体实施方式
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
实施例1，一种适用于无人驾驶汽车的行进路线精准生成方法，包含路线确定步骤，在所述路线确定步骤后，还包含如下步骤：
步骤一、 首次路径辨别步骤；
在本步骤中，控制系统来识别判定将要行进的路线是否是首次路径；
步骤二、定位装置信号检测步骤；
控制系统对定位装置的信号的强弱程度、有无程度进行识别检测；
步骤三、视觉特征物数据采集和驾驶信息数据记录步骤；
控制系统控制采集装置，对行径路线上的视觉特征物的数据进行采集，同时对车辆在行经路线上的驾驶信息数据进行记录和储存；
步骤四、视觉特征坐标库生成步骤；
根据步骤三中的所述视觉特征物的数据，自动生成视觉特征坐标库；
步骤五、驾驶方案形成步骤；
根据步骤四中的所述视觉特征坐标库和步骤三中记录的所述驾驶信息数据，所述控制系统生成驾驶方案。
在所述步骤一中，首先根据已确定的行车路线，在判定是否是首次经过这条路线，具体的方式是在汽车的控制系统中的存储装置的数据库进行比对，当判定是首次路径之后，自动进入所述步骤二，来检测所述定位装置的信号强度，所述定位装置可以为GPS定位装置，若是在GPS信号缺失的情况下，例如地下车库等，则自动进入所述步骤三、所述采集装置对行径路线上的视觉特征物的数据进行采集，同时对车辆在行经路线上的驾驶信息数据进行记录，这里的视觉特征物可以为台阶、墙面、立柱等，这些数据经过提取可以形成三维的、立体的所述视觉特征物坐标库，于此同时，所述采集装置还记录了车辆的驾驶信息，如车辆的速度，转弯半径等，所述驾驶信息数据和所述视觉特征物坐标库共同形成了驾驶方案，并且是无GPS信号条件下的驾驶方案，这些数据都会被系统保存，在首次进行操作的时候，是需要人工驾驶的，但是这些数据作为后期系统学习和精准行进路线的依据， 为之后的无人驾驶提供了基础。
在所述步骤三和步骤四之间，包含过滤无效数据步骤，在所述过滤无效数据步骤中，所述控制系统过滤掉所述驾驶信息数据和/或所述视觉特征物数据中的无效数据。在所述采集装置采集所述驾驶信息数据和所述视觉特征物数据中，容易产生无效数据，例如，受天气的影响，会形成阴影区，影响所述视觉特征物数据的精准性，再例如，车辆在低速行驶中，由于误差的存在，会对周边低速移动的障碍物和静止的障碍物区分不够精准，再例如，车辆行驶中由于其他原因产生的不必要的小范围转弯，速度改变等驾驶动作，也是非必要的驾驶信息，以上这些无效信息，可以根据软件设置来过滤剔除。
所述采集装置包含摄像头和雷达。所述摄像头可以为3D摄像头，用于采集所述视觉特征坐标库数据，具体除了前文所述的数据，还可以为大楼外形、红绿灯位置信息、限速标识等，所述雷达主要用于采集四周障碍物与汽车的距离，这些数据都会后期变成所述视觉数据坐标库里的重要信息。
所述视觉特征物的数据包含周边环境的立体数据、障碍物与车辆距离数据和交通标识数据，所述周边环境的立体数据和所述交通标识数据由所述摄像头采集，所述障碍物与车辆距离数据由所述雷达采集。
所述驾驶信息数据包含速度数据、方向盘转角数据和制动压力数据。
以上是所述定位装置无信号，而当所述定位装置信号存在时，进入步骤六、特征信息库整合步骤，在特征信息库整合步骤中，所述控制系统将在步骤三中采集的所述视觉特征物数据与所述定位装置中自带的路径世界三维坐标信息库数据进行整合更新，形成新世界坐标路径系特征信息库。
在经过前文的步骤，系统已经采集到所述视觉特征物数据，与上文不同的是，在所述定位装置没有信号的时候，例如无GPS信号的情况下，所述驾驶方案是根据所述驾驶信息数据和所述视觉特征物数据共同形成的，而在所述定位装置有信号的时候，无论是正常或是GPS信号偏弱的情况下，系统就会载入所述定位装置中自带的路径世界三维坐标信息库，比如系统自带的GPS世界坐标地图，形成全新的所述新世界坐标路径系特征信息库，也就是形成全新的坐标地图和更精准，冗沉度更高的导航基准线，并对自带的地图数据缺失地段也可进行数据覆盖。
若是当车辆再次通过同一路径，则会进入步骤七，误差判定步骤，在误差判定步骤中，当车辆再次通过同一路径，所述控制系统会调用所述定位装置自带的世界坐标系数据，将所述世界坐标系数据与再次经过该路径时实时采集的所述视觉特征物数据所形成的视觉坐标系数据进行比对，并读出误差值，若所述误差值在预设的允许范围内，则继续使用所述世界坐标系数据生成驾驶方案，若是在允许范围外，则使用实时采集的所述视觉特征物数据所形成的视觉坐标系数据生成驾驶方案。
在实际运用中，当车辆非首次通过同一路径，系统还是会依靠所述采集装置采集到所述视觉特征物数据和所述驾驶信息数据，同时，系统还会调取所述定位装置自带的世界坐标系数据，例如该路段的GPS坐标数据，并把两者作为对比，如果两者的误差很小，在允许范围内，则表示所述定位装置中的所述世界坐标系数据是正确的，无需更新，可以依靠所述世界坐标系数据生成驾驶方案供无人驾驶汽车行驶，若是在允许范围外，则表示所述定位装置中的所述世界坐标系数据有误，不适合当下的路况，需要开启无人驾驶汽车的自学习功能，即依靠所述采集装置当下采集到的所述视觉特征物数据和所述驾驶信息数据行程新的驾驶方案。
在所述步骤七中，若所述误差值在允许范围外，则进入步骤八、更新步骤，在所述更新步骤中，将实时生成的所述视觉特征物数据所形成的所述视觉坐标系数据覆盖之前的数据。从而达到更新和系统自学习的功能。
Claims (6)
1.一种适用于无人驾驶汽车的行进路线精准生成方法，包含路线确定步骤，其特征在于，在所述路线确定步骤后，还包含如下步骤：
步骤一、 首次路径辨别步骤；
在本步骤中，控制系统来识别判定将要行进的路线是否是首次路径；
步骤二、定位装置信号检测步骤；
当被判定为首次路径后，进入该步骤；
在该步骤中，控制系统对定位装置的信号的强弱程度、有无程度进行识别检测；
步骤三、视觉特征物数据采集和驾驶信息数据记录步骤；
当定位装置信号弱或信号无，则进入该步骤，
在该步骤中，控制系统控制采集装置，对行径路线上的视觉特征物的数据进行采集，同时对车辆在行经路线上的驾驶信息数据进行记录和储存；
步骤四、视觉特征坐标库生成步骤；
根据步骤三中的所述视觉特征物的数据，自动生成视觉特征坐标库；
步骤五、驾驶方案形成步骤；
根据步骤四中的所述视觉特征坐标库和步骤三中记录的所述驾驶信息数据，所述控制系统生成驾驶方案；在所述步骤三和步骤四之间，包含过滤无效数据步骤，在所述过滤无效数据步骤中，所述控制系统过滤掉所述驾驶信息数据和/或所述视觉特征物数据中的无效数据；当所述定位装置信号存在时，进入步骤六、特征信息库整合步骤，在特征信息库整合步骤中，所述控制系统将在步骤三中采集的所述视觉特征物数据与所述定位装置中自带的路径世界三维坐标信息库数据进行整合更新，形成新世界坐标路径系特征信息库。
2.根据权利要求1所述的一种适用于无人驾驶汽车的行进路线精准生成方法，其特征在于：所述采集装置包含摄像头和雷达。
3.根据权利要求2所述的一种适用于无人驾驶汽车的行进路线精准生成方法，其特征在于：所述视觉特征物的数据包含周边环境的立体数据、障碍物与车辆距离数据和交通标识数据，所述周边环境的立体数据和所述交通标识数据由所述摄像头采集，所述障碍物与车辆距离数据由所述雷达采集。
4.根据权利要求1所述的一种适用于无人驾驶汽车的行进路线精准生成方法，其特征在于：所述驾驶信息数据包含速度数据、方向盘转角数据和制动压力数据。
5.根据权利要求1所述的一种适用于无人驾驶汽车的行进路线精准生成方法，其特征在于：还包含步骤七、误差判定步骤，在误差判定步骤中，当车辆再次通过同一路径，所述控制系统会调用所述定位装置自带的世界坐标系数据，将所述世界坐标系数据与再次经过该路径时实时采集的所述视觉特征物数据所形成的视觉坐标系数据进行比对，并读出误差值，若所述误差值在预设的允许范围内，则继续使用所述世界坐标系数据生成驾驶方案，若是在允许范围外，则使用实时采集的所述视觉特征物数据所形成的视觉坐标系数据生成驾驶方案。
6.根据权利要求5所述的一种适用于无人驾驶汽车的行进路线精准生成方法，其特征在于：在所述步骤七中，若所述误差值在允许范围外，则进入步骤八、更新步骤，在所述更新步骤中，将实时生成的所述视觉特征物数据所形成的所述视觉坐标系数据覆盖之前的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610226020.XA CN105928531B (zh) | 2016-04-13 | 2016-04-13 | 一种适用于无人驾驶汽车的行进路线精准生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610226020.XA CN105928531B (zh) | 2016-04-13 | 2016-04-13 | 一种适用于无人驾驶汽车的行进路线精准生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105928531A CN105928531A (zh) | 2016-09-07 |
| CN105928531B true CN105928531B (zh) | 2019-04-26 |
Family
ID=56838796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610226020.XA Active CN105928531B (zh) | 2016-04-13 | 2016-04-13 | 一种适用于无人驾驶汽车的行进路线精准生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105928531B (zh) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107730965A (zh) * | 2016-12-14 | 2018-02-23 | 西安艾润物联网技术服务有限责任公司 | 基于智能无人机器的车辆管理方法及车辆管理系统 |
| CN108279016B (zh) * | 2017-01-06 | 2021-06-18 | 北京四维图新科技股份有限公司 | Had地图的平滑处理方法和装置、导航系统及自动驾驶系统 |
| CN106525063A (zh) * | 2017-01-11 | 2017-03-22 | 奇瑞汽车股份有限公司 | 一种自动驾驶汽车自主加油方法和智能车 |
| CN106681328B (zh) * | 2017-01-13 | 2021-02-09 | 深圳市元征科技股份有限公司 | 基于智能穿戴设备的自动驾驶方法及智能穿戴设备 |
| JP6558393B2 (ja) * | 2017-04-06 | 2019-08-14 | トヨタ自動車株式会社 | 進路設定装置及び進路設定方法 |
| US10606273B2 (en) * | 2017-04-20 | 2020-03-31 | Baidu Usa Llc | System and method for trajectory re-planning of autonomous driving vehicles |
| CN108955670B (zh) * | 2017-05-25 | 2021-02-09 | 百度在线网络技术（北京）有限公司 | 信息获取方法和装置 |
| CN109683598A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种电动汽车智能化无人驾驶系统 |
| CN109683603A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种无人驾驶汽车自主控制系统 |
| CN109683602A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种智能化无人驾驶电动汽车 |
| CN109683597A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种基于太阳能的无人驾驶公共电动汽车系统 |
| CN109683600A (zh) * | 2017-10-18 | 2019-04-26 | 江苏卡威汽车工业集团股份有限公司 | 一种无人驾驶汽车行进路线自主控制系统 |
| CN109343049B (zh) * | 2017-11-10 | 2022-04-26 | 毫末智行科技有限公司 | 跟踪可移动目标的方法和装置 |
| CN109831736B (zh) * | 2017-11-23 | 2022-01-18 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、服务器及客户端 |
| CN108010360A (zh) * | 2017-12-27 | 2018-05-08 | 中电海康集团有限公司 | 一种基于车路协同的自动驾驶环境感知系统 |
| CN108416257A (zh) * | 2018-01-19 | 2018-08-17 | 北京交通大学 | 融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法 |
| CN110293994A (zh) * | 2018-03-21 | 2019-10-01 | 中车株洲电力机车研究所有限公司 | 一种控制检修设备运行的方法和控制系统 |
| US11260880B2 (en) * | 2018-04-18 | 2022-03-01 | Baidu Usa Llc | Map-less and localization-less lane following method for autonomous driving of autonomous driving vehicles on highway |
| CN109739225B (zh) | 2018-12-18 | 2021-04-20 | 北京百度网讯科技有限公司 | 定位数据处理方法、装置、设备、存储介质及车辆 |
| CN109752017B (zh) * | 2018-12-29 | 2021-02-02 | 同济大学 | 一种用于无人低速车的行驶航线轨迹生成系统 |
| CN111149536A (zh) * | 2019-12-31 | 2020-05-15 | 广西大学 | 一种无人绿篱修剪机及其控制方法 |
| CN112698655A (zh) * | 2020-12-28 | 2021-04-23 | 江苏北斗卫星导航检测中心有限公司 | 一种拖拉机自动驾驶路径判别准确率测试方法及系统 |
| CN113830107A (zh) * | 2021-10-18 | 2021-12-24 | 启东达普电子有限公司 | 一种汽车自适应动力智能驾驶系统及方法 |
| CN116972870B (zh) * | 2023-09-21 | 2023-12-15 | 南京遇简信息科技有限公司 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2827065B1 (fr) * | 2001-07-09 | 2005-12-23 | Louis Jobert | Aide a la conduite automobile par assistance radio/radar, pour eviter les accidents, simplifier le guidage routier, respect du code de la route |
| CN101650891A (zh) * | 2008-08-12 | 2010-02-17 | 三星电子株式会社 | 创建3维网络地图的方法和控制自动行进设备的方法 |
| CN103389103A (zh) * | 2013-07-03 | 2013-11-13 | 北京理工大学 | 一种基于数据挖掘的地理环境特征地图构建与导航方法 |
| CN103646298A (zh) * | 2013-12-13 | 2014-03-19 | 中国科学院深圳先进技术研究院 | 一种自动驾驶方法及系统 |
| CN104267721A (zh) * | 2014-08-29 | 2015-01-07 | 陈业军 | 一种智能汽车的无人驾驶系统 |
-
2016
- 2016-04-13 CN CN201610226020.XA patent/CN105928531B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2827065B1 (fr) * | 2001-07-09 | 2005-12-23 | Louis Jobert | Aide a la conduite automobile par assistance radio/radar, pour eviter les accidents, simplifier le guidage routier, respect du code de la route |
| CN101650891A (zh) * | 2008-08-12 | 2010-02-17 | 三星电子株式会社 | 创建3维网络地图的方法和控制自动行进设备的方法 |
| CN103389103A (zh) * | 2013-07-03 | 2013-11-13 | 北京理工大学 | 一种基于数据挖掘的地理环境特征地图构建与导航方法 |
| CN103646298A (zh) * | 2013-12-13 | 2014-03-19 | 中国科学院深圳先进技术研究院 | 一种自动驾驶方法及系统 |
| CN104267721A (zh) * | 2014-08-29 | 2015-01-07 | 陈业军 | 一种智能汽车的无人驾驶系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105928531A (zh) | 2016-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105928531B (zh) | 一种适用于无人驾驶汽车的行进路线精准生成方法 | |
| AU2021203221B2 (en) | An autonomous vehicle system configured to respond to temporary speed limit signs | |
| CN105678316B (zh) | 基于多信息融合的主动驾驶方法 | |
| US11327493B1 (en) | Change detection using curve alignment | |
| US9939815B1 (en) | Stop sign detection and response | |
| CN106080744B (zh) | 自动驾驶车辆系统 | |
| US10740630B1 (en) | Plane estimation for contextual awareness | |
| CN105988467A (zh) | 自动驾驶装置 | |
| CN110307850A (zh) | 航迹推算定位方法及自动泊车系统 | |
| CN108445503A (zh) | 基于激光雷达与高精度地图融合的无人驾驶路径规划算法 | |
| CN107992829A (zh) | 一种交通信号灯车道级控制关系提取方法及装置 | |
| US20210034914A1 (en) | Detection of emergency vehicles | |
| CN108961811A (zh) | 停车场车辆定位方法、系统、移动终端及存储介质 | |
| CN107657825A (zh) | 泊车方法及装置 | |
| CN105225478B (zh) | 智能车辆行为记录及评价方法 | |
| US20220253066A1 (en) | Object localization for autonomous driving by visual tracking and image reprojection | |
| KR101510745B1 (ko) | 차량의 무인 자율주행 시스템 | |
| CN109632333A (zh) | 自动驾驶车辆性能测试方法、装置、设备及可读存储介质 | |
| CN105205805A (zh) | 基于视觉的智能车辆横向控制方法 | |
| CN113581206A (zh) | 一种基于v2v的前车意图识别系统及识别方法 | |
| CN111208820A (zh) | 人工智能大数据下粒子化无人车组、控制方法及介质 | |
| CN114944073B (zh) | 地图生成装置和车辆控制装置 | |
| CN111127923B (zh) | 一种指示标识的解析设备和方法 | |
| Park et al. | Implementation of Autonomous Driving Vehicle at an Intersection with Traffic Light Recognition and Vehicle Controls. | |
| CN115701400A (zh) | 一种无人驾驶框架车系统 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 314599 988 Tong Tong Road, Wutong street, Tongxiang, Jiaxing, Zhejiang Patentee after: Hozon New Energy Automobile Co., Ltd. Address before: 314599 room 206, No. 888, Qingfeng South Road, Tongxiang Economic Development Zone, Jiaxing City, Zhejiang Province Patentee before: Hozon New Energy Automobile Co., Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 314599 988 Tong Tong Road, Wutong street, Tongxiang, Jiaxing, Zhejiang Patentee after: United New Energy Automobile Co.,Ltd. Address before: 314599 988 Tong Tong Road, Wutong street, Tongxiang, Jiaxing, Zhejiang Patentee before: Hozon New Energy Automobile Co., Ltd. |
|
| CP01 | Change in the name or title of a patent holder |