CN106203341B - 一种无人车的车道线识别方法及装置 - Google Patents
一种无人车的车道线识别方法及装置 Download PDFInfo
- Publication number
- CN106203341B CN106203341B CN201610543320.0A CN201610543320A CN106203341B CN 106203341 B CN106203341 B CN 106203341B CN 201610543320 A CN201610543320 A CN 201610543320A CN 106203341 B CN106203341 B CN 106203341B
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- lane line
- posture information
- current time
- estimates
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002788 crimping Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
Abstract
本发明实施例公开了一种无人车的车道线识别方法及装置。该方法包括：依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定所述无人车在当前时刻的预估位姿信息；识别所述无人车在所述历史时刻采集的车道线图像；依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶。本发明实施例的技术方案，在无人车行驶过程中能够识别无人车是否沿车道线正确行驶，是无人车安全行驶的前提，提高了无人车的安全性能。
Description
技术领域
本发明涉及无人车技术领域，尤其涉及一种无人车的车道线识别方法及装置。
背景技术
无人车又称为智能移动机器人，是一个集环境感知、动态决策与规划以及行为控制与执行等多功能于一体的综合系统，是目前科学技术发展最活跃的领域之一。
在城市环境中，车辆行驶过程中要求车辆在车道线内沿标识方向正确行驶，不能压线或串道，反之若车辆在不同车道线混乱行驶则会存在安全隐患。因此无人车是否沿车道线正确行驶是影响无人车安全性能的重要因素。
发明内容
有鉴于此，本发明实施例提供一种无人车的车道线识别方法及装置，以通过确定无人车是否沿车道线正确行驶行来提高无人车的安全性能。
第一方面，本发明实施例提供了一种无人车的车道线识别方法，包括：
依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定所述无人车在当前时刻的预估位姿信息；
识别所述无人车在所述历史时刻采集的车道线图像；
依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶。
第二方面，本发明实施例提供了一种无人车的车道线识别装置，包括：
位姿预估模块，用于依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定所述无人车在当前时刻的预估位姿信息；
图像识别模块，用于识别所述无人车在所述历史时刻采集的车道线图像；
车道线识别模块，用于依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶。
本发明实施例提供的技术方案，通过依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定无人车在当前时刻的预估位姿信息，并识别无人车在历史时刻采集的车道线图像。随后，依据无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及预估位姿信息，识别无人车在当前时刻是否沿车道线正确行驶，即该方法在无人车行驶过程中能够识别无人车是否沿车道线正确行驶，是无人车安全行驶的前提，提高了无人车的安全性能。
附图说明
图1是本发明实施例一提供的一种无人车的车道线识别方法的流程图；
图2a是本发明实施例二提供的一种无人车的车道线识别方法的流程图；
图2b是本发明实施例二提供的一种无人车的车道线识别原理的示意图；
图3是本发明实施例三提供的一种无人车的车道线识别装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种无人车的车道线识别方法的流程图。本实施例的方法可以由无人车的车道线识别装置来执行，该装置可通过硬件和/或软件的方式实现，且本实施例提供的方法一般可适用于无人车沿车道线行驶正确性测试的情形。参考图1，本实施例提供的无人车的车道线识别方法具体可以包括如下：
S11、依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定所述无人车在当前时刻的预估位姿信息。
在本实施例中，无人车的位姿信息指的是无人车的位置信息和姿态信息，姿态信息可以是四元组(Orientation)，用于表征无人车的旋转角度。运动状态信息指的是无人车的三轴速度、三轴加速度、三轴角速度和三轴角度等信息。
具体的，在当前时刻之前的历史时刻，通过无人车中的定位模块可以确定无人车在历史时刻的历史位置信息，通过无人车的陀螺仪或电子罗盘等传感器可以确定无人车在历史时刻的历史姿态信息。并且，依据无人车中车载控制系统的决策输出数据和控制输出数据，可以确定无人车在历史时刻的历史姿态信息。随后，依据无人车在历史时刻的历史位姿信息和历史运动状态信息，可以确定无人车在当前时刻的预估位姿信息。
S12、识别所述无人车在所述历史时刻采集的车道线图像。
其中，无人车上设置有图像采集器如摄像头和/或激光雷达。具体的，在历史时刻，还可以获取摄像头采集的2D车道线图像和/或激光雷达采集的3D车道线图像。并且，采用图像识别技术，识别获取的车道线图像中包含的车道线以及车道线的类型。
需要说明的是，为了便于后续结合车道线图像的识别结果确定无人车是否沿车道线正确行驶，历史时刻与当前时刻之间的时间间隔较短，以使历史时刻采集的车道线图像中不仅包含历史时刻无人车所在历史车道的历史车道线，还包括当前时刻无人车所在预估车道的预估车道线。
S13、依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶。
具体的，在当前时刻，通过无人车中的定位模块可以确定无人车在当前时刻的真实位置信息，通过无人车的陀螺仪或电子罗盘等传感器可以确定无人车在当前时刻的真实姿态信息。随后，依据无人车在当前时刻的真实位姿信息、车道线图像的识别结果以及无人车在当前时刻的预估位姿信息，确定无人车是否沿车道线正确行驶。例如，若真实位姿信息与预估位姿信息位于同一车道线，则可以确定无人车沿车道线正确行驶。
本实施例提供的技术方案，通过依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定无人车在当前时刻的预估位姿信息，并识别无人车在历史时刻采集的车道线图像。随后，依据无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及预估位姿信息，识别无人车在当前时刻是否沿车道线正确行驶，即该方法在无人车行驶过程中能够识别无人车是否沿车道线正确行驶，是无人车安全行驶的前提，提高了无人车的安全性能。
示例性的，依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶，可以包括：
A、依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻的预估位姿范围。
具体的，依据车道线图像的识别结果确定无人车在当前时刻可能的候选车道线，并结合预估位姿信息，从候选车道线中选择无人车在当前时刻的预估车道线，且依据预估车道线确定无人车在当前时刻的预估位姿范围。
B、依据所述无人车在当前时刻的真实位姿信息与所述预估位姿范围，识别所述无人车是否沿车道线正确行驶。
具体的，若无人车在当前时刻的真实位姿信息属于预估位姿范围，则确定无人车沿车道线正确行驶；否则，确定无人车偏离车道线行驶。
示例性的，识别所述无人车在所述历史时刻采集的车道线图像，可以包括：
获取所述无人车在所述历史时刻采集的车道线图像；
识别所述车道线图像中包含的车道线的形状、颜色、边缘亮度和虚实信息中的至少一种特征。
实施例二
本实施例在上述实施例一的基础上提供了一种新的无人车的车道线识别方法。在本实施例中具体提供了一种无人车是否沿车道线正确行驶的识别方式。图2a是本发明实施例二提供的一种无人车的车道线识别方法的流程图。参考图2a本实施例提供的无人车的车道线识别方法具体可以包括如下：
S21、依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定所述无人车在当前时刻的预估位姿信息。
S22、识别所述无人车在所述历史时刻采集的车道线图像。
参考图2b，t-i时刻是历史时刻，t时刻是当前时刻，其中i为正整数，且对i的值不作具体限定，如i可以是1s、2s或3s等。具体的，获取无人车在历史时刻采集的车道线图像，识别车道线图像中包含的车道线，并依据车道线识别结果确定无人车在历史时刻的历史位置A以及历史位置A所在历史车道的历史车道线，以及无人车在当前时刻可能行驶的预估车道两侧的预估车道线。
S23、依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻所在预估车道的预估车道线宽度。
参考图2b,确定经过无人车的预估位置B且垂直于预估车道线的辅助直线Lt，并依据辅助直线Lt与预估车道线的交点确定预估车道线宽度w。
S24、依据所述预估车道线宽度和所述无人车的宽度，确定所述无人车在当前时刻的预估位姿范围。
具体的，无人车在当前时刻的预估位姿范围可以是[-1/2(w-n),1/2(w-n)]，其中n是无人车的宽度。
S25、依据所述无人车在当前时刻的真实位姿信息与所述预估位姿范围，识别所述无人车是否沿车道线正确行驶。
本实施例提供的技术方案，通过依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定无人车在当前时刻的预估位姿信息，识别无人车在历史时刻采集的车道线图像，依据车道线的识别结果和预估位姿信息确定预估车道线宽度，并依据预估车道线宽度和无人车的宽度确定预估位姿范围，随后，依据无人车在当前时刻的真实位姿信息以及预估位姿范围，识别无人车在当前时刻是否沿车道线正确行驶，进一步提高了无人车是否沿车道线正确行驶的识别精度。
为了进一步提高预估位姿范围的精度，示例性的，依据所述预估车道线宽度和所述无人车的宽度，确定所述无人车在当前时刻的预估位姿范围，可以包括：
获取所述无人车中定位模块的定位误差长度；
依据所述预估车道线宽度和所述无人车的宽度以及获取的定位误差长度，确定所述无人车在当前时刻的预估位姿范围。
具体的，若定位模块的定位误差长度为k，则无人车在当前时刻的预估位姿范围可以是[-1/2(w-k-n),1/2(w-k-n)]。
实施例三
图3是本发明实施例三提供的一种无人车的车道线识别装置的结构图，且本实施例提供的装置可适用于无人车沿车道线行驶正确性测试的情形。参见图3，本实施例提供的无人车的车道线识别装置的具体结构可以如下：
位姿预估模块31，用于依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定所述无人车在当前时刻的预估位姿信息；
图像识别模块32，用于识别所述无人车在所述历史时刻采集的车道线图像；
车道线识别模块33，用于依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶。
示例性的，车道线识别模块33可以包括：
位姿范围预估子模块，用于依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻的预估位姿范围；
车道线识别子模块，用于依据所述无人车在当前时刻的真实位姿信息与所述预估位姿范围，识别所述无人车是否沿车道线正确行驶。
示例性的，位姿范围预估子模块可以包括：
车道线宽度预估单元，用于依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻所在预估车道的预估车道线宽度；
位姿范围预估单元，用于依据所述预估车道线宽度和所述无人车的宽度，确定所述无人车在当前时刻的预估位姿范围。
示例性的，位姿范围预估单元可以包括：
定位误差获取子单元，用于获取所述无人车中定位模块的定位误差长度；
位姿范围预估子单元，用于依据所述预估车道线宽度和所述无人车的宽度以及获取的定位误差长度，确定所述无人车在当前时刻的预估位姿范围。
示例性的，图像识别模块可以包括：
图像获取子模块，用于获取所述无人车在所述历史时刻采集的车道线图像；
车道线识别子模块，用于识别所述车道线图像中包含的车道线的形状、颜色、边缘亮度和虚实信息中的至少一种特征。
本实施例提供的无人车的车道线识别装置，与本发明任意实施例所提供的无人车的车道线识别方法属于同一发明构思，可执行本发明任意实施例所提供的无人车的车道线识别方法，具备执行无人车的车道线识别方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的无人车的车道线识别方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种无人车的车道线识别方法，其特征在于，包括：
依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定所述无人车在当前时刻的预估位姿信息；
识别所述无人车在所述历史时刻采集的车道线图像；
依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶；
其中，依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶，包括：
依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻的预估位姿范围；
依据所述无人车在当前时刻的真实位姿信息与所述预估位姿范围，识别所述无人车是否沿车道线正确行驶。
2.根据权利要求1所述的方法，其特征在于，依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻的预估位姿范围，包括：
依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻所在预估车道的预估车道线宽度；
依据所述预估车道线宽度和所述无人车的宽度，确定所述无人车在当前时刻的预估位姿范围。
3.根据权利要求2所述的方法，其特征在于，依据所述预估车道线宽度和所述无人车的宽度，确定所述无人车在当前时刻的预估位姿范围，包括：
获取所述无人车中定位模块的定位误差长度；
依据所述预估车道线宽度和所述无人车的宽度以及获取的定位误差长度，确定所述无人车在当前时刻的预估位姿范围。
4.根据权利要求1-3任一项所述的方法，其特征在于，识别所述无人车在所述历史时刻采集的车道线图像，包括：
获取所述无人车在所述历史时刻采集的车道线图像；
识别所述车道线图像中包含的车道线的形状、颜色、边缘亮度和虚实信息中的至少一种特征。
5.一种无人车的车道线识别装置，其特征在于，包括：
位姿预估模块，用于依据无人车在历史时刻的历史位姿信息和历史运动状态信息，确定所述无人车在当前时刻的预估位姿信息；
图像识别模块，用于识别所述无人车在所述历史时刻采集的车道线图像；
车道线识别模块，用于依据所述无人车在当前时刻的真实位姿信息、所述车道线图像的识别结果以及所述预估位姿信息，识别所述无人车是否沿车道线正确行驶；
其中，车道线识别模块包括：
位姿范围预估子模块，用于依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻的预估位姿范围；
车道线识别子模块，用于依据所述无人车在当前时刻的真实位姿信息与所述预估位姿范围，识别所述无人车是否沿车道线正确行驶。
6.根据权利要求5所述的装置，其特征在于，位姿范围预估子模块包括：
车道线宽度预估单元，用于依据所述车道线图像的识别结果和所述预估位姿信息，确定所述无人车在当前时刻所在预估车道的预估车道线宽度；
位姿范围预估单元，用于依据所述预估车道线宽度和所述无人车的宽度，确定所述无人车在当前时刻的预估位姿范围。
7.根据权利要求6所述的装置，其特征在于，位姿范围预估单元包括：
定位误差获取子单元，用于获取所述无人车中定位模块的定位误差长度；
位姿范围预估子单元，用于依据所述预估车道线宽度和所述无人车的宽度以及获取的定位误差长度，确定所述无人车在当前时刻的预估位姿范围。
8.根据权利要求5-7任一项所述的装置，其特征在于，图像识别模块包括：
图像获取子模块，用于获取所述无人车在所述历史时刻采集的车道线图像；
车道线识别子模块，用于识别所述车道线图像中包含的车道线的形状、颜色、边缘亮度和虚实信息中的至少一种特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610543320.0A CN106203341B (zh) | 2016-07-11 | 2016-07-11 | 一种无人车的车道线识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610543320.0A CN106203341B (zh) | 2016-07-11 | 2016-07-11 | 一种无人车的车道线识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106203341A CN106203341A (zh) | 2016-12-07 |
| CN106203341B true CN106203341B (zh) | 2019-05-21 |
Family
ID=57476929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610543320.0A Active CN106203341B (zh) | 2016-07-11 | 2016-07-11 | 一种无人车的车道线识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106203341B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909047B (zh) * | 2017-11-28 | 2021-07-06 | 上海信耀电子有限公司 | 一种汽车及其应用的车道检测方法及系统 |
| CN110044371A (zh) * | 2018-01-16 | 2019-07-23 | 华为技术有限公司 | 一种车辆定位的方法以及车辆定位装置 |
| CN109212572B (zh) * | 2018-08-31 | 2021-05-04 | 百度在线网络技术（北京）有限公司 | 定位漂移检测方法、装置、设备及计算机可读存储介质 |
| CN114847803B (zh) * | 2018-10-29 | 2024-04-16 | 北京石头创新科技有限公司 | 机器人的定位方法及装置、电子设备、存储介质 |
| CN111337010B (zh) | 2018-12-18 | 2022-05-03 | 北京地平线机器人技术研发有限公司 | 可移动设备的定位方法、定位装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6546118B1 (en) * | 1998-01-12 | 2003-04-08 | Matsushita Electronic Industrial Co., Ltd. | Image processing apparatus for vehicle |
| CN101393034A (zh) * | 2007-09-21 | 2009-03-25 | 财团法人工业技术研究院 | 车道线预估方法及车道偏移警示系统 |
| CN102819263A (zh) * | 2012-07-30 | 2012-12-12 | 中国航天科工集团第三研究院第八三五七研究所 | 多摄像头无人车视觉感知系统 |
| CN103942960A (zh) * | 2014-04-22 | 2014-07-23 | 深圳市宏电技术股份有限公司 | 一种车辆变道检测方法及装置 |
| CN104157160A (zh) * | 2014-08-08 | 2014-11-19 | 中国联合网络通信集团有限公司 | 车辆行驶控制方法、装置及车辆 |
-
2016
- 2016-07-11 CN CN201610543320.0A patent/CN106203341B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6546118B1 (en) * | 1998-01-12 | 2003-04-08 | Matsushita Electronic Industrial Co., Ltd. | Image processing apparatus for vehicle |
| CN101393034A (zh) * | 2007-09-21 | 2009-03-25 | 财团法人工业技术研究院 | 车道线预估方法及车道偏移警示系统 |
| CN102819263A (zh) * | 2012-07-30 | 2012-12-12 | 中国航天科工集团第三研究院第八三五七研究所 | 多摄像头无人车视觉感知系统 |
| CN103942960A (zh) * | 2014-04-22 | 2014-07-23 | 深圳市宏电技术股份有限公司 | 一种车辆变道检测方法及装置 |
| CN104157160A (zh) * | 2014-08-08 | 2014-11-19 | 中国联合网络通信集团有限公司 | 车辆行驶控制方法、装置及车辆 |
Non-Patent Citations (1)
| Title |
|---|
| "基于单目视觉反馈的智能车导航研究";郑烨;《万方》;20111031;第1-15页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106203341A (zh) | 2016-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106203341B (zh) | 一种无人车的车道线识别方法及装置 | |
| US10990099B2 (en) | Motion planning methods and systems for autonomous vehicle | |
| RU2692097C1 (ru) | Устройство и способ задания позиции остановки транспортного средства | |
| JP6323473B2 (ja) | 走行制御装置 | |
| Li et al. | Springrobot: A prototype autonomous vehicle and its algorithms for lane detection | |
| CN108196535A (zh) | 基于增强学习和多传感器融合的自动驾驶系统 | |
| CN108688660B (zh) | 运行范围确定装置 | |
| CN109946732A (zh) | 一种基于多传感器数据融合的无人车定位方法 | |
| CN109975792A (zh) | 基于多传感器融合矫正多线激光雷达点云运动畸变的方法 | |
| JP2021504825A (ja) | 自律走行車両運行管理計画 | |
| CN109443368A (zh) | 无人驾驶机器人的导航方法、装置、机器人及存储介质 | |
| CN108919810A (zh) | 基于视觉示教的移动机器人定位与导航系统 | |
| CN112567264A (zh) | 用于获取坐标变换信息的装置和方法 | |
| Miyamoto et al. | Visual navigation based on semantic segmentation using only a monocular camera as an external sensor | |
| CN115038934A (zh) | 车辆定位方法和装置、存储介质及电子设备 | |
| JP2020087191A (ja) | 車線境界設定装置、車線境界設定方法 | |
| CN108107897A (zh) | 实时传感器控制方法及装置 | |
| US20230256991A1 (en) | Method and system for conditional operation of an autonomous agent | |
| CN105151044A (zh) | 车辆辅助驾驶方法及装置 | |
| Hara et al. | Vehicle localization based on the detection of line segments from multi-camera images | |
| CN114879704A (zh) | 一种机器人绕障控制方法及系统 | |
| WO2022188333A1 (zh) | 一种行走方法、装置和计算机存储介质 | |
| Cremean et al. | Model-based estimation of off-highway road geometry using single-axis ladar and inertial sensing | |
| JP6610601B2 (ja) | 車両識別装置 | |
| US20220266824A1 (en) | Road information generation apparatus |
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 |