CN106774306A - 应用于无人驾驶车辆的启动检测方法、装置和系统 - Google Patents
应用于无人驾驶车辆的启动检测方法、装置和系统 Download PDFInfo
- Publication number
- CN106774306A CN106774306A CN201611083941.1A CN201611083941A CN106774306A CN 106774306 A CN106774306 A CN 106774306A CN 201611083941 A CN201611083941 A CN 201611083941A CN 106774306 A CN106774306 A CN 106774306A
- Authority
- CN
- China
- Prior art keywords
- automatic driving
- bottom section
- driving vehicle
- characteristic information
- vehicle
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 17
- 238000003860 storage Methods 0.000 claims description 15
- 230000001143 conditioned effect Effects 0.000 claims description 10
- 238000002604 ultrasonography Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000006854 communication Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/005—Prospecting or detecting by optical means operating with millimetre waves, e.g. measuring the black losey radiation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- 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
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- 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
- B60W2554/00—Input parameters relating to objects
Abstract
本申请公开了应用于无人驾驶车辆的启动检测方法、装置和系统。该方法的一具体实施方式包括:响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息,底部区域包括无人驾驶车辆的底盘、被无人驾驶车辆遮挡的地面以及上述底盘和上述地面之间的空间区域;判断所获取的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息是否匹配;根据匹配结果,确定底部区域是否存在影响行驶的对象。该实施方式实现了启动无人驾驶车辆对车辆底部盲区的自动化检测,提升了无人驾驶车辆的安全性能。
Description
技术领域
本申请涉及无人驾驶车辆技术领域,具体涉及无人驾驶车辆的检测技术领域,尤其涉及应用于无人驾驶车辆的启动检测方法、装置和系统。
背景技术
无人驾驶车辆是一种新型的智能车辆,也称之为“轮式移动机器人”,主要通过ECU(Electronic Control Unit,电子控制单元)对车辆中各个部分进行精准的控制与计算分析实现车辆的全自动运行,达到车辆无人驾驶的目的。
通常,车辆在启动时驾驶员可以对周围环境进行判断,确定驾驶环境安全后启动车辆,但这种人工检测判断的手段不适用于无人驾驶车辆。通常无人驾驶车辆在车顶部和/或侧面具有用于采集行驶中的道路信息的传感器,但车辆底部仍然为检测盲区,由于车辆底部的障碍物等异常状况可能影响车辆正常启动,若对车辆底部的情况不作判断可能导致车辆启动时受损或故障,存在安全隐患。
发明内容
为了解决上述背景技术中的一个或多个技术问题,本申请提供了应用于无人驾驶车辆的启动检测方法、装置和系统。
一方面,本申请提供了一种应用于无人驾驶车辆的启动检测方法。该方法包括:响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息,底部区域包括无人驾驶车辆的底盘、被无人驾驶车辆遮挡的地面以及上述底盘和上述地面之间的空间区域;判断所获取的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息是否匹配;根据匹配结果,确定底部区域是否存在影响行驶的对象。
在一些实施例中,上述根据匹配结果,确定底部区域是否存在影响行驶的对象,包括:若所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息匹配,确定底部区域不存在影响行驶的对象。
在一些实施例中,上述根据匹配结果,确定底部区域是否存在影响行驶的对象,还包括:若所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息不匹配,执行以下操作:对所获取的特征信息进行目标识别,以确定所获取的特征信息中所包含的目标对象的属性信息和位置信息;判断目标对象的属性信息和位置信息是否满足影响行驶的预设条件;若是,确定底部区域存在影响行驶的对象。
在一些实施例中,上述方法还包括:响应于接收到停车指令或检测到预设时长内无人驾驶车辆的位置未发生变化,采集无人驾驶车辆底部区域的特征信息;存储所采集的特征信息。
在一些实施例中,上述方法还包括:当底部区域不存在影响行驶的对象时,启动无人驾驶车辆;当底部区域存在影响行驶的对象时,发出告警信息。
在一些实施例中,上述特征信息包括以下至少一项:图像信息、激光点云数据、毫米波数据以及超声波数据。
第二方面,本申请提供了一种应用于无人驾驶车辆的启动检测装置。该装置包括:获取单元,配置用于响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息,底部区域包括无人驾驶车辆的底盘、被上述无人驾驶车辆遮挡的地面以及上述底盘和上述地面之间的空间区域;匹配单元,配置用于判断所获取的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息是否匹配;确定单元,配置用于根据匹配结果,确定底部区域是否存在影响行驶的对象。
在一些实施例中,上述确定单元进一步配置用于按照如下方式确定底部区域是否存在影响行驶的对象:若所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息匹配,确定底部区域不存在影响行驶的对象。
在一些实施例中,上述确定单元进一步配置用于按照如下方式确定底部区域是否存在影响行驶的对象:若所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息不匹配,执行以下操作:对所获取的特征信息进行目标识别,以确定所获取的特征信息中所包含的目标对象的属性信息和位置信息;判断目标对象的属性信息和位置信息是否满足影响行驶的预设条件;若是,确定底部区域存在影响行驶的对象。
在一些实施例中,上述装置还包括:采集单元,配置用于响应于接收到停车指令或检测到预设时长内无人驾驶车辆的位置未发生变化,采集无人驾驶车辆底部区域的特征信息;存储单元,配置用于存储所采集的特征信息。
在一些实施例中,上述装置还包括:启动单元,配置用于当底部区域不存在影响行驶的对象时,启动无人驾驶车辆;告警单元,配置用于当底部区域存在影响行驶的对象时,发出告警信息。
在一些实施例中,上述特征信息包括以下至少一项:图像信息、激光点云数据、毫米波数据以及超声波数据。
第三方面,本申请提供了人一种应用于无人驾驶车辆的启动检测系统。该系统包括:传感器,用于采集无人驾驶车辆的底部区域的特征信息,底部区域包括无人驾驶车辆的底盘、被无人驾驶车辆遮挡的地面以及上述底盘和上述地面之间的空间区域;处理器,用于响应于接收到启动指令,获取传感器采集的无人驾驶车辆底部区域的特征信息,判断所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息是否匹配,根据匹配结果,确定底部区域是否存在影响行驶的对象。
在一些实施例中,上述系统还包括:控制器,配置用于控制上述传感器进行旋转、伸缩以及平移。
在一些实施例中,上述传感器包括以下至少一项:摄像头、激光雷达、毫米波雷达、超声波雷达。
本申请提供的应用于无人驾驶车辆的启动检测方法、装置和系统,通过在接收到启动指令时获取无人驾驶车辆的底部区域的特征信息,之后将获取的无人车辆的底部区域的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息进行比对,判断二者是否匹配,然后根据匹配结果,确定底部区域是否存在影响行驶的对象,实现了启动无人驾驶车辆对车辆底部盲区的自动化检测,提升了无人驾驶车辆的安全性能。
附图说明
通过阅读参照以下附图所作的对非限制性实施例详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的应用于无人驾驶车辆的启动检测方法的一个实施例的流程图;
图3是应用于无人驾驶车辆的启动检测方法的一个应用场景示意图;
图4是应用于无人驾驶车辆的启动检测方法的另一个应用场景示意图;
图5是根据本申请的应用于无人驾驶车辆的启动检测装置的一个实施例的结构示意图;
图6是根据本申请的应用于无人驾驶车辆的启动检测系统的一个实施例的结构示意图;
图7是适于用来实现本申请实施例的车载终端设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的无人驾驶车辆的启动检测方法或装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括车载终端设备101、网络102和云服务器103。网络102用以在车载终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如无线通信链路、全球定位系统或者光纤电缆等等。
车载终端设备101上安装有无人驾驶车辆的控制系统,其可以直接通过网络102与服务器103交互,车载终端设备101还可以连接到用于检测车辆工况的各个传感器、用于提供信息输入和显示的显示屏等。
服务器103可以是用于数据存储的服务器,例如对车载终端设备101发送的信息进行接收并存储的服务器。服务器103可以接收一个或多个车载终端设备101发送的信息,并将接收到的信息与车载终端设备101的标识信息关联地存储。
需要说明的是,本申请实施例所提供的应用于无人驾驶车辆的启动检测方法一般由车载终端设备101执行,相应地,应用于无人驾驶车辆的启动检测装置一般设置于车载终端设备101中。
应该理解,图1中的车载终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的应用于无人驾驶车辆的启动检测方法的一个实施例的流程200,其包括以下步骤:
步骤201,响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息。
在本实施例中,无人驾驶车辆的底部可以具有底部传感器,用于采集底部区域的特征信息。其中,底部区域可以是车辆底部的盲区,可以包括无人驾驶车辆的底盘、被无人驾驶车辆遮挡的地面以及无人驾驶车辆的底盘和被无人驾驶车辆遮挡的地面之间的空间区域。其中,被无人驾驶车辆遮挡的地面不限于包括在无人驾驶车辆的上方、与地面成90°视角观察时被遮挡的地面区域,还可以包括在无人驾驶车辆的上方或车体侧面、且与地面成一锐角的视角观察时被遮挡的地面区域。
通常,底盘位于无人驾驶车辆的底部,可以包括发动机、离合器、变速器、转向器、制动器、拉杆等用于承载车体和控制车辆状态的部件;被无人驾驶车辆遮挡的地面上可以具有与无人驾驶车辆相关的信息,例如在车辆发生漏油时地面上会有油迹;无人驾驶车辆遮挡的地面以及无人驾驶车辆的底盘和被无人驾驶车辆遮挡的地面之间的空间区域可以有影响车辆正常行驶的障碍物等。
上述应用于无人驾驶车辆的启动检测方法运行于其上的电子设备(如图1所示的车载终端设备101)可以与安装在无人驾驶车辆底部的底部传感器建立连接。在接收到启动指令之后,上述电子设备可以开始检测车辆的环境信息,这时可以开启底部传感器,并利用底部传感器采集当前的底部区域的特征信息。
上述底部传感器可以具有多种形式,包括但不限于摄像头、激光雷达、毫米波雷达、超声波雷达中的一项或多项。底部区域的特征信息可以是表征底部区域的状态特征的信息,相应地,特征信息可以包括但不限于图像信息、激光点云数据、毫米波数据以及超声波数据中的一项或多项。
在一些可选的实现方式中,无人驾驶车辆的底部传感器可以连接有控制部件,例如底部传感器可以与伸缩部件、旋转部件和平移部件连接,其中伸缩部件可以控制底部传感器在垂直于地面或垂直于底盘的方向伸缩,旋转部件可以控制底部传感器在底部区域内进行旋转,平移部件可以控制底部传感器沿与地面平行的方向或与底盘平行的方向进行平移。这些控制部件可以控制底部传感器采集底部区域内不同视角、不同位置的特征信息,从而可以得出全面、准确的检测结果。
上述电子设备可以通过与底部的传感器建立的连接从上述底部的传感器获取其所采集的底部区域的特征信息。可选地,上述无人驾驶车辆的底部具有多个传感器,则上述电子设备可以获取多个传感器采集到的特征信息。
步骤202,判断所获取的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息是否匹配。
在本实施例中,无人驾驶车辆在停车时可以采集停车位置的底部区域的特征信息。具体来说,在车辆停止行驶一段时间后,或者检测到停车指令后,上述电子设备可以控制底部传感器采集当前的底部区域的特征信息。之后可以将停车时采集到的底部区域的特征信息保存在本地或上传至服务器。
在步骤201检测到启动指令并采集到当前底部区域的特征信息之后,可以将当前获取的底部区域的特征信息与上一次停车时所采集到的底部区域的特征信息进行匹配。具体来说,若上述底部传感器包括多种类型的传感器,例如包括摄像头和激光雷达,则可以分别将对应型的传感器采集到的底部区域的特征信息进行匹配,例如可以将上一次停车时底部的摄像头采集的历史图像信息和底部的激光雷达采集的历史激光点云数据与当前检测到启动指令后底部的摄像头采集的当前图像信息和底部的激光雷达采集的当前激光雷达数据进行匹配。
可以采用多种匹配方法对步骤201所获取的底部区域的特征信息与上一次停车时采集的底部区域的特征信息进行匹配。例如,在对图像信息进行匹配时,可以对图像中各对应像素点的灰度数据进行匹配,或者可以从图像中提取出特征向量,若两幅图像提取出的特征向量匹配则确定两幅图像相匹配。在对激光点云数据进行匹配时,可以判断两组激光点云数据中对应三维坐标的点是否重合,若重合则认为两组激光点云数据相匹配。
步骤203,根据匹配结果,确定底部区域是否存在影响行驶的对象。
上述电子设备可以根据步骤203的匹配结果来确定无人驾驶车辆的底部区域是否存在影响行驶的对象。其中,影响行驶的对象可以为预先定义的对象,可以例如为体积较大的障碍物、车辆的零部件、地面的油迹等可能对车辆的安全状态造成影响的对象。
在一些实施例中,若步骤202中匹配结果为所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息相匹配,则可以确定无人驾驶车辆的底部区域不存在影响行驶的对象。一般情况下,若车辆可以正常停车,则可以认为停车时车辆的底部区域为安全状态。若启动车辆之前检测到当前车辆底部区域的状态与上一次停车时车辆底部区域的状态一致,可以认为车辆的底部区域处于安全状态。
在进一步的实施例中,还可以通过如下方式确定上述底部区域是否存在影响行驶的对象:在步骤201所获取的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息不匹配时,执行以下操作:对所获取的特征信息进行目标识别,以确定所获取的特征信息中所包含的目标对象的属性信息和位置信息;判断目标对象的属性信息和位置信息是否满足影响行驶的预设条件;若是,确定无人驾驶车辆的底部区域存在影响行驶的对象。
具体地,对于步骤201所获取的车辆的底部区域的多种类型的特征信息,可以分别采用对应的目标识别方法将其中的目标对象提取出来,并进一步对目标对象的属性信息和位置信息进行分析。其中属性信息为目标对象的类型、尺寸、功能等固有属性信息,位置信息可以为目标对象的地理位置,可以为绝对位置信息,例如坐标点,也可以为与车辆的相对位置信息。举例而言,对于步骤201所获取的图像信息,可以采用边缘提取等算法提取图像中的轮廓比较简单的目标对象,计算目标对象的尺寸、根据其颜色等特征确定目标对象的属性特征,并确定出目标对象在图像中的位置,进一步计算目标对象与车辆的相对位置;可以采用滤波器、SIFT(Scale-invariant Feature Transform,尺度不变特征变换)等方法提取图像中的特征,并将提取出的特征与预设的目标对象库的特征进行匹配,得出图像中包含的目标对象的属性信息,并且也可以根据目标对象在图像中的位置计算出目标对象与车辆的相对位置。可选地,在一些实施例中,可以利用多帧图像或多组雷达数据确定出目标对象的属性信息和位置信息。
上述电子设备中可以预先存储影响行驶的预设条件。在这里,这些预设条件与对象的属性信息和位置信息相关。例如预设条件可以为尺寸大于尺寸阈值,与车辆的相对距离小于距离阈值,位于车辆底部的预设区域内、属于预设类别的对象等。举例来说,预设条件可以为识别出的目标对象为动物、无人驾驶车辆的底盘有液体落至地面等。进一步地,上述电子设备可以判断目标对象的属性信息和位置信息是否满足上述预设条件。若满足,则可以确定无人驾驶车辆的底部区域存在影响行驶的对象,否则可以确定无人驾驶车辆的底部区域不存在影响行驶的对象。
此外,还可以根据步骤201获取的底部区域的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息之间的差异对底部区域的状况进行分析,例如可以将两幅图像的差值图像作为目标对象,对目标对象进行图像识别,由此可以减少需要计算的图像信息量,降低了目标对象识别的复杂度,有利于提升识别速度。
在本实施例的一些可选的实现方式中,上述应用于无人驾驶车辆的启动检测方法还可以包括:当上述无人驾驶车辆的底部区域不存在影响行驶的对象时,启动无人驾驶车辆;以及当底部区域存在影响行驶的对象时,发出告警信息。若步骤203确定上述底部区域不存在影响行驶的对象,即确定底部区域处于安全状态,上述电子设备可以向车辆的发送机发出点火指令,以启动车辆;若步骤203确定上述底部区域存在影响行驶的对象,上述电子设备可以禁止发动机点火,并发出报警提示声音,以警示乘客车辆底部状态异常。这样,可以保证车辆仅能在安全状态下启动,提升了无人驾驶车辆的安全性能。
请参考图3,其示出了应用于无人驾驶车辆的启动检测方法的一个应用场景示意图。如图3所示,在启动无人驾驶车辆31之前,车载终端设备312利用车辆底部的传感器311获取底部区域的特征信息A+B,然后向服务器32发出请求以获取上一次停车时底部的传感器311所采集的底部区域的特征信息A,然后将上一次停车时底部的传感器311所采集的底部区域的特征信息A与当前底部传感器311获取的底部区域的特征信息A+B进行比对。比对结果为当前底部区域存在目标对象B,之后可以对目标对象B的属性和位置进行分析,然后判断目标对象B是否影响行驶,若影响行驶则发出告警信息,例如车底具有体积较大的石头时可以提醒乘客车辆不能安全启动,以便乘客采取相应的措施;若目标对象B不影响行驶则车载终端设备可以控制点火系统启动车辆。
本申请上述实施例提供的应用于无人驾驶车辆的启动检测方法,通过在接收到启动指令时获取无人驾驶车辆的底部区域的特征信息,之后将获取的无人车辆的底部区域的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息进行比对,判断二者是否匹配,然后根据匹配结果,确定底部区域是否存在影响行驶的对象,实现了启动无人驾驶车辆对车辆底部盲区的自动化检测,提升了无人驾驶车辆的安全性能。
在一些可选的实现方式中,上述无人驾驶车辆的启动检测方法还可以包括如下步骤:响应于接收到停车指令或检测到预设时长内无人驾驶车辆的位置未发生变化,采集无人驾驶车辆底部区域的特征信息;存储所采集的特征信息。在检测到无人驾驶车辆接收到停车指令时,可以检测当前底部区域的特征信息,作为下一次车辆启动时的匹配基准,并保存至上述电子设备本地。在检测到预设时长内无人驾驶车辆的地理位置未发生变化时,可以确定车辆处于停车状态,这时也可以通过底部传感器采集底部区域的特征信息并存储至本地。上述预设时长可以为检测到停车指令后的一段时间,例如5分钟。可选地,在无人驾驶车辆启动后可以删除保存的底部区域的特征信息。这样,当无人驾驶车辆启动时无需联网也可以获取上次停车时所采集的底部区域的特征信息,用以与当前的底部特征信息作比对,从而自动化地检测底部区域是否处于安全状态。
请参考图4,其示出了应用于无人驾驶车辆的启动检测方法的另一个应用场景示意图。
如图4所示,与图3所示场景不同的是,在检测到停车指令后,车载终端设备412可以开启底部传感器411,以采集停车时底部区域的特征信息,并将采集到的特征信息A存储至车载终端设备。在接收到启动指令后,无人驾驶车辆41可以将车载终端设备存储的底部区域的特征信息与当前底部传感器411所采集的底部区域的特征信息A+B进行比对。在车载终端设备412的非联网状态下也可以检测底部区域是否存在影响行驶的对象,进一步保证检测结果的准确性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种应用于无人驾驶车辆的启动检测装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于车载终端设备(例如“车载大脑”)中。
如图5所示,上述应用于无人驾驶车辆的启动检测装置500包括获取单元501、匹配单元502以及确定单元503。其中,获取单元501配置用于响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息,其中,底部区域包括无人驾驶车辆的底盘、被无人驾驶车辆遮挡的地面以及上述底盘和上述地面之间的空间区域。匹配单元502配置用于判断所获取的特征信息与最近一次停车时所采集的无人驾驶车辆的底部区域的特征信息是否匹配。确定单元503配置用于根据匹配结果,确定底部区域是否存在影响行驶的对象。
在本实施例中,无人驾驶车辆的底部区域可以安装有底部传感器,该底部传感器可以为摄像头、激光雷达、毫米波雷达、超声波雷达等。获取单元501可以与车辆的各底部传感器连接,并向各传感器发出请求,各传感器可以将采集到的底部区域的特征信息传送至获取单元501。相应地,底部区域的特征信息可以包括但不限于图像信息、激光点云数据、毫米波数据以及超声波数据中的一项或多项。
匹配单元502可以将获取单元501获取的特征信息与预先存储或从服务器接收的最近一次停车时车辆的底部特征信息进行匹配,具体的匹配方法可以例如为特征点匹配、相似度计算等。
确定单元503可以根据匹配单元502的匹配结果来分析确定车辆底部区域是否存在影响行驶的对象。具体地,若匹配单元502的匹配结果为获取单元501所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息相匹配,则确定单元503可以确定底部区域不存在影响行驶的对象。若匹配单元502的匹配结果为获取单元501所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息不匹配,则可以进一步采用目标识别等方式对底部特征区域内的目标对象进行提取和识别。
在一些实施例中,确定单元503进一步配置用于按照如下方式确定底部区域是否存在影响行驶的对象:若所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息不匹配,执行以下操作:对所获取的特征信息进行目标识别,以确定所获取的特征信息中所包含的目标对象的属性信息和位置信息;判断目标对象的属性信息和位置信息是否满足影响行驶的预设条件;若是,确定底部区域存在影响行驶的对象。其中,影响行驶的对象可以为障碍物、汽车故障相关的对象(例如汽油)等。
在一些实施例中,上述装置500还包括采集单元和存储单元。其中采集单元配置用于响应于接收到停车指令或检测到预设时长内无人驾驶车辆的位置未发生变化,采集无人驾驶车辆底部区域的特征信息,存储单元配置用于存储采集单元所采集的特征信息。即采集单元用于在车辆停车时采集底部区域的特征信息,存储单元则用于将该特征信息存储。
在一些实施例中,上述装置500还包括启动单元和告警单元。其中,启动单元配置用于当确定单元503确定底部区域不存在影响行驶的对象时,启动无人驾驶车辆,告警单元则配置用于当确定单元503确定底部区域存在影响行驶的对象时,发出告警信息。
应当理解,装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对应用于无人驾驶车辆的启动检测方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。装置500中的相应单元可以与车载终端设备中的单元相互配合以实现本申请实施例的方案。
本申请上述实施例提供的应用于无人驾驶车辆的启动检测装置,可以在接收到启动指令后、启动无人驾驶车辆之前,对车辆的底部盲区进行安全检测,从而提升了无人驾驶车辆的安全性能。
图6是根据本申请的应用于无人驾驶车辆的启动检测系统的一个实施例的结构示意图。
如图6所示,本申请提供的应用于无人驾驶车辆的启动检测系统600包括传感器601和处理器602,其中传感器601可以安装在无人驾驶车辆的底部区域,用于采集无人驾驶车辆的底部区域的特征信息,底部区域包括无人驾驶车辆的底盘、被无人驾驶车辆遮挡的地面以及上述底盘和上述地面之间的空间区域。处理器602可以用于执行上述结合图2所描述的方法流程200,具体用于响应于接收到启动指令,获取传感器采集的无人驾驶车辆底部区域的特征信息,判断所获取的特征信息与最近一次停车时所采集的无人驾驶车辆底部区域的特征信息是否匹配,根据匹配结果,确定无人驾驶车辆的底部区域是否存在影响行驶的对象。
上述传感器601可以固定安装在车辆的底盘上。可选地,上述传感器601可以为微型的传感器,可以安装在车辆的轮胎上。传感器601可以包括但不限于以下任意一项:摄像头、激光雷达、毫米波雷达以及超声波雷达。
在一些实施例中,上述系统600还包括控制器603,配置用于控制传感器601进行旋转、伸缩以及平移。控制器603可以控制与传感器连接的机械控制部件,该机械控制部件可以包括伸缩杆、旋转部件以及平移部件。控制器603可以向这些机械控制部件发出指令,以控制传感器601在底部区域内采集各个位置和各个角度的特征信息。
本申请实施例提供的上述应用于无人驾驶车辆的启动检测系统600,,结合车辆底部的传感器和可设置于车载终端设备中的处理器,能够实现对车辆底部盲区的安全检测,能够避免车辆启动时底部存在障碍物等影响行驶的对象所带来的安全隐患。
下面参考图7,其示出了适于用来实现本申请实施例的车载终端设备的计算机系统700的结构示意图。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括触控屏、麦克风等的输入部分706;包括诸如阴极射线管(CRT)、扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、匹配单元以及确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息的单元”。
作为另一方面,本申请还提供了一种非易失性计算机存储介质,该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质;也可以是单独存在,未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序,当所述一个或者多个程序被一个设备执行时,使得所述设备:响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息,所述底部区域包括所述无人驾驶车辆的底盘、被所述无人驾驶车辆遮挡的地面以及所述底盘和所述地面之间的空间区域;判断所获取的特征信息与最近一次停车时所采集的所述无人驾驶车辆的底部区域的特征信息是否匹配;根据匹配结果,确定所述底部区域是否存在影响行驶的对象。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (15)
1.一种应用于无人驾驶车辆的启动检测方法,其特征在于,所述方法包括:
响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息,所述底部区域包括所述无人驾驶车辆的底盘、被所述无人驾驶车辆遮挡的地面以及所述底盘和所述地面之间的空间区域;
判断所获取的特征信息与最近一次停车时所采集的所述无人驾驶车辆的底部区域的特征信息是否匹配;
根据匹配结果,确定所述底部区域是否存在影响行驶的对象。
2.根据权利要求1所述的方法,其特征在于,所述根据匹配结果,确定所述底部区域是否存在影响行驶的对象,包括:
若所获取的特征信息与最近一次停车时所采集的所述无人驾驶车辆底部区域的特征信息匹配,确定所述底部区域不存在影响行驶的对象。
3.根据权利要求2所述的方法,其特征在于,所述根据匹配结果,确定所述底部区域是否存在影响行驶的对象,还包括:
若所获取的特征信息与最近一次停车时所采集的所述无人驾驶车辆底部区域的特征信息不匹配,执行以下操作:
对所获取的特征信息进行目标识别,以确定所获取的特征信息中所包含的目标对象的属性信息和位置信息;
判断所述目标对象的属性信息和位置信息是否满足影响行驶的预设条件;
若是,确定所述底部区域存在影响行驶的对象。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于接收到停车指令或检测到预设时长内所述无人驾驶车辆的位置未发生变化,采集所述无人驾驶车辆底部区域的特征信息;
存储所采集的特征信息。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述底部区域不存在影响行驶的对象时,启动所述无人驾驶车辆;
当所述底部区域存在影响行驶的对象时,发出告警信息。
6.根据权利要求1所述的方法,其特征在于,所述特征信息包括以下至少一项:图像信息、激光点云数据、毫米波数据以及超声波数据。
7.一种应用于无人驾驶车辆的启动检测装置,其特征在于,所述装置包括:
获取单元,配置用于响应于接收到启动指令,获取无人驾驶车辆的底部区域的特征信息,所述底部区域包括所述无人驾驶车辆的底盘、被所述无人驾驶车辆遮挡的地面以及所述底盘和所述地面之间的空间区域;
匹配单元,配置用于判断所获取的特征信息与最近一次停车时所采集的所述无人驾驶车辆的底部区域的特征信息是否匹配;
确定单元,配置用于根据匹配结果,确定所述底部区域是否存在影响行驶的对象。
8.根据权利要求7所述的装置,其特征在于,所述确定单元进一步配置用于按照如下方式确定所述底部区域是否存在影响行驶的对象:
若所获取的特征信息与最近一次停车时所采集的所述无人驾驶车辆底部区域的特征信息匹配,确定所述底部区域不存在影响行驶的对象。
9.根据权利要求8所述的装置,其特征在于,所述确定单元进一步配置用于按照如下方式确定所述底部区域是否存在影响行驶的对象:
若所获取的特征信息与最近一次停车时所采集的所述无人驾驶车辆底部区域的特征信息不匹配,执行以下操作:
对所获取的特征信息进行目标识别,以确定所获取的特征信息中所包含的目标对象的属性信息和位置信息;
判断所述目标对象的属性信息和位置信息是否满足影响行驶的预设条件;
若是,确定所述底部区域存在影响行驶的对象。
10.根据权利要求7所述的装置,其特征在于,所述装置还包括:
采集单元,配置用于响应于接收到停车指令或检测到预设时长内所述无人驾驶车辆的位置未发生变化,采集所述无人驾驶车辆底部区域的特征信息;
存储单元,配置用于存储所采集的特征信息。
11.根据权利要求7所述的装置,其特征在于,所述装置还包括:
启动单元,配置用于当所述底部区域不存在影响行驶的对象时,启动所述无人驾驶车辆;
告警单元,配置用于当所述底部区域存在影响行驶的对象时,发出告警信息。
12.根据权利要求7所述的装置,其特征在于,所述特征信息包括以下至少一项:图像信息、激光点云数据、毫米波数据以及超声波数据。
13.一种应用于无人驾驶车辆的启动检测系统,其特征在于,所述系统包括:
传感器,用于采集所述无人驾驶车辆的底部区域的特征信息,所述底部区域包括所述无人驾驶车辆的底盘、被所述无人驾驶车辆遮挡的地面以及所述底盘和所述地面之间的空间区域;
处理器,用于响应于接收到启动指令,获取所述传感器采集的无人驾驶车辆底部区域的特征信息,判断所获取的特征信息与最近一次停车时所采集的所述无人驾驶车辆底部区域的特征信息是否匹配,根据匹配结果,确定所述底部区域是否存在影响行驶的对象。
14.根据权利要求13所述的系统,其特征在于,所述系统还包括:
控制器,配置用于控制所述传感器进行旋转、伸缩以及平移。
15.根据权利要求13所述的系统,其特征在于,所述传感器包括以下至少一项:摄像头、激光雷达、毫米波雷达、超声波雷达。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611083941.1A CN106774306B (zh) | 2016-11-30 | 2016-11-30 | 应用于无人驾驶车辆的启动检测方法、装置和系统 |
US15/615,676 US10664710B2 (en) | 2016-11-30 | 2017-06-06 | Start inspection method, apparatus and system applied to unmanned vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611083941.1A CN106774306B (zh) | 2016-11-30 | 2016-11-30 | 应用于无人驾驶车辆的启动检测方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106774306A true CN106774306A (zh) | 2017-05-31 |
CN106774306B CN106774306B (zh) | 2018-09-11 |
Family
ID=58913513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611083941.1A Active CN106774306B (zh) | 2016-11-30 | 2016-11-30 | 应用于无人驾驶车辆的启动检测方法、装置和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10664710B2 (zh) |
CN (1) | CN106774306B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985171A (zh) * | 2018-06-15 | 2018-12-11 | 上海仙途智能科技有限公司 | 运动状态估计方法和运动状态估计装置 |
CN109255302A (zh) * | 2018-08-15 | 2019-01-22 | 广州极飞科技有限公司 | 目标物识别方法及终端、移动装置控制方法及终端 |
CN109633688A (zh) * | 2018-12-14 | 2019-04-16 | 北京百度网讯科技有限公司 | 一种激光雷达障碍物识别方法和装置 |
CN110135358A (zh) * | 2019-05-17 | 2019-08-16 | 奇瑞汽车股份有限公司 | 汽车控制装置及方法 |
CN110412595A (zh) * | 2019-06-04 | 2019-11-05 | 深圳市速腾聚创科技有限公司 | 路基感知方法、系统、车辆、设备和存储介质 |
CN110440749A (zh) * | 2019-07-22 | 2019-11-12 | 西安米克跨界信息科技有限公司 | 一种获取地面图像识别输出地面高程的方法 |
CN111067431A (zh) * | 2019-12-31 | 2020-04-28 | 佛山市云米电器科技有限公司 | 一种扫地机及其检测控制清扫的方法 |
CN113212427A (zh) * | 2020-02-03 | 2021-08-06 | 通用汽车环球科技运作有限责任公司 | 带有用于车底危险和外来物体检测的先进车辆相机系统的智能车辆 |
CN113661526A (zh) * | 2020-02-12 | 2021-11-16 | 深圳元戎启行科技有限公司 | 车辆检测方法、系统和电子设备 |
CN113917923A (zh) * | 2021-10-11 | 2022-01-11 | 上海安吉星信息服务有限公司 | 一种自动驾驶启动方法及装置 |
CN113985417A (zh) * | 2021-09-18 | 2022-01-28 | 武汉未来幻影科技有限公司 | 一种绕车一周检测方法以及设备 |
CN114212103A (zh) * | 2021-12-09 | 2022-03-22 | 广州小鹏自动驾驶科技有限公司 | 一种安全启动方法、装置和远程驾驶系统 |
CN114844764A (zh) * | 2021-01-30 | 2022-08-02 | 华为技术有限公司 | 一种网络安全功能检测的方法及相关设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920611A (zh) * | 2021-10-11 | 2022-01-11 | 国网智能科技股份有限公司 | 一种配电线路杆塔巡检方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103129482A (zh) * | 2011-11-21 | 2013-06-05 | 索尼公司 | 成像系统和成像装置 |
US20140098230A1 (en) * | 2012-10-08 | 2014-04-10 | Magna Mirrors Of America, Inc. | Blind zone detection and alert system for vehicle |
CN203698110U (zh) * | 2013-06-27 | 2014-07-09 | 北京信息科技大学 | 一种汽车启动安全检测预警系统 |
CN104149729A (zh) * | 2013-05-13 | 2014-11-19 | 上海汽车集团股份有限公司 | 识别行驶车辆周围障碍物的方法及系统 |
CN104787044A (zh) * | 2014-01-16 | 2015-07-22 | 沃尔沃汽车公司 | 适于自动驾驶的车辆和用于检测障碍物的方法 |
CN105109408A (zh) * | 2015-08-19 | 2015-12-02 | 天津中环创新科技有限公司 | 一种驾驶辅助方法及系统 |
CN105791687A (zh) * | 2016-03-04 | 2016-07-20 | 苏州卓视蓝电子科技有限公司 | 一种蛙眼仿生检测方法及蛙眼仿生摄像机 |
CN105774585A (zh) * | 2016-03-06 | 2016-07-20 | 王涛 | 智能型全自动无人驾驶电动汽车 |
CN105828028A (zh) * | 2016-03-04 | 2016-08-03 | 乐卡汽车智能科技(北京)有限公司 | 一种对车辆底部进行安全检测的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170313332A1 (en) * | 2002-06-04 | 2017-11-02 | General Electric Company | Autonomous vehicle system and method |
CN103465908B (zh) * | 2013-09-13 | 2017-02-08 | 广汽吉奥汽车有限公司 | 一种路面探测方法、装置及车辆 |
-
2016
- 2016-11-30 CN CN201611083941.1A patent/CN106774306B/zh active Active
-
2017
- 2017-06-06 US US15/615,676 patent/US10664710B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103129482A (zh) * | 2011-11-21 | 2013-06-05 | 索尼公司 | 成像系统和成像装置 |
JP2013110571A (ja) * | 2011-11-21 | 2013-06-06 | Sony Corp | 撮像システムおよび撮像装置 |
US20140098230A1 (en) * | 2012-10-08 | 2014-04-10 | Magna Mirrors Of America, Inc. | Blind zone detection and alert system for vehicle |
CN104149729A (zh) * | 2013-05-13 | 2014-11-19 | 上海汽车集团股份有限公司 | 识别行驶车辆周围障碍物的方法及系统 |
CN203698110U (zh) * | 2013-06-27 | 2014-07-09 | 北京信息科技大学 | 一种汽车启动安全检测预警系统 |
CN104787044A (zh) * | 2014-01-16 | 2015-07-22 | 沃尔沃汽车公司 | 适于自动驾驶的车辆和用于检测障碍物的方法 |
CN105109408A (zh) * | 2015-08-19 | 2015-12-02 | 天津中环创新科技有限公司 | 一种驾驶辅助方法及系统 |
CN105791687A (zh) * | 2016-03-04 | 2016-07-20 | 苏州卓视蓝电子科技有限公司 | 一种蛙眼仿生检测方法及蛙眼仿生摄像机 |
CN105828028A (zh) * | 2016-03-04 | 2016-08-03 | 乐卡汽车智能科技(北京)有限公司 | 一种对车辆底部进行安全检测的方法及装置 |
CN105774585A (zh) * | 2016-03-06 | 2016-07-20 | 王涛 | 智能型全自动无人驾驶电动汽车 |
Non-Patent Citations (1)
Title |
---|
辛煜 等: "基于激光传感器的无人驾驶汽车动态障碍物检测及表示方法", 《机器人》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985171B (zh) * | 2018-06-15 | 2023-04-07 | 上海仙途智能科技有限公司 | 运动状态估计方法和运动状态估计装置 |
CN108985171A (zh) * | 2018-06-15 | 2018-12-11 | 上海仙途智能科技有限公司 | 运动状态估计方法和运动状态估计装置 |
CN109255302A (zh) * | 2018-08-15 | 2019-01-22 | 广州极飞科技有限公司 | 目标物识别方法及终端、移动装置控制方法及终端 |
CN109633688A (zh) * | 2018-12-14 | 2019-04-16 | 北京百度网讯科技有限公司 | 一种激光雷达障碍物识别方法和装置 |
CN110135358A (zh) * | 2019-05-17 | 2019-08-16 | 奇瑞汽车股份有限公司 | 汽车控制装置及方法 |
CN110135358B (zh) * | 2019-05-17 | 2023-09-29 | 奇瑞汽车股份有限公司 | 汽车控制装置及方法 |
CN110412595A (zh) * | 2019-06-04 | 2019-11-05 | 深圳市速腾聚创科技有限公司 | 路基感知方法、系统、车辆、设备和存储介质 |
CN110440749A (zh) * | 2019-07-22 | 2019-11-12 | 西安米克跨界信息科技有限公司 | 一种获取地面图像识别输出地面高程的方法 |
CN111067431A (zh) * | 2019-12-31 | 2020-04-28 | 佛山市云米电器科技有限公司 | 一种扫地机及其检测控制清扫的方法 |
CN111067431B (zh) * | 2019-12-31 | 2023-08-15 | 佛山市云米电器科技有限公司 | 一种扫地机及其检测控制清扫的方法 |
CN113212427A (zh) * | 2020-02-03 | 2021-08-06 | 通用汽车环球科技运作有限责任公司 | 带有用于车底危险和外来物体检测的先进车辆相机系统的智能车辆 |
CN113661526A (zh) * | 2020-02-12 | 2021-11-16 | 深圳元戎启行科技有限公司 | 车辆检测方法、系统和电子设备 |
CN113661526B (zh) * | 2020-02-12 | 2023-09-19 | 深圳元戎启行科技有限公司 | 车辆检测方法、系统和电子设备 |
CN114844764A (zh) * | 2021-01-30 | 2022-08-02 | 华为技术有限公司 | 一种网络安全功能检测的方法及相关设备 |
CN114844764B (zh) * | 2021-01-30 | 2023-12-08 | 华为技术有限公司 | 一种网络安全功能检测的方法及相关设备 |
CN113985417A (zh) * | 2021-09-18 | 2022-01-28 | 武汉未来幻影科技有限公司 | 一种绕车一周检测方法以及设备 |
CN113917923A (zh) * | 2021-10-11 | 2022-01-11 | 上海安吉星信息服务有限公司 | 一种自动驾驶启动方法及装置 |
CN114212103A (zh) * | 2021-12-09 | 2022-03-22 | 广州小鹏自动驾驶科技有限公司 | 一种安全启动方法、装置和远程驾驶系统 |
Also Published As
Publication number | Publication date |
---|---|
US20180150702A1 (en) | 2018-05-31 |
CN106774306B (zh) | 2018-09-11 |
US10664710B2 (en) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106774306A (zh) | 应用于无人驾驶车辆的启动检测方法、装置和系统 | |
US11670173B2 (en) | Lane line reconstruction using future scenes and trajectory | |
Yang et al. | Deep concrete inspection using unmanned aerial vehicle towards cssc database | |
US10867403B2 (en) | Vehicle external recognition apparatus | |
CN106485233A (zh) | 可行驶区域检测方法、装置和电子设备 | |
CN107305627A (zh) | 一种车辆视频监控方法、服务器及系统 | |
CN112466141A (zh) | 一种面向车路协同的智能网联路端设备交互方法、系统及存储介质 | |
Liu et al. | Vision-based real-time lane marking detection and tracking | |
CN113378741B (zh) | 一种基于多源传感器的飞机牵引车辅助感知方法及其系统 | |
CN107408304A (zh) | 挂车追踪装置和方法 | |
JP3288566B2 (ja) | 走行レーン認識装置 | |
CN109002797A (zh) | 车辆变道检测方法、装置、存储介质和计算机设备 | |
CN111222441A (zh) | 基于车路协同的点云目标检测和盲区目标检测方法及系统 | |
CN109446926A (zh) | 一种交通监控方法及装置、电子设备和存储介质 | |
CN115083199B (zh) | 一种车位信息确定方法及其相关设备 | |
CN109720353A (zh) | 一种基于智能手机的驾驶行为检测方法 | |
CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
CN111881322B (zh) | 一种目标搜索方法、装置、电子设备及存储介质 | |
KR101738425B1 (ko) | 다차선 검출을 위한 관심 영역 설정 장치 및 방법 | |
CN110053554B (zh) | 辅助驾驶方法、辅助驾驶装置及车载无人机 | |
CN112319486A (zh) | 一种基于驾驶数据采集的驾驶检测方法及相关装置 | |
CN113298044B (zh) | 基于定位补偿的障碍物检测方法、系统、设备及存储介质 | |
CN106874928A (zh) | 跟踪目标突发关键事件自动判决方法及系统 | |
CN115402347A (zh) | 用于识别车辆的可行驶区域的方法及辅助驾驶方法 | |
CN117494029B (zh) | 一种道路抛洒物事件识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |