CN108628320A - 一种智能汽车无人驾驶系统 - Google Patents
一种智能汽车无人驾驶系统 Download PDFInfo
- Publication number
- CN108628320A CN108628320A CN201810726773.6A CN201810726773A CN108628320A CN 108628320 A CN108628320 A CN 108628320A CN 201810726773 A CN201810726773 A CN 201810726773A CN 108628320 A CN108628320 A CN 108628320A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- result
- segmentation
- pixel
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 230000004888 barrier function Effects 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical group [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 2
- 229910052744 lithium Inorganic materials 0.000 claims description 2
- 239000012491 analyte Substances 0.000 claims 1
- 238000000465 moulding Methods 0.000 claims 1
- 238000012372 quality testing Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0253—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 relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种智能汽车无人驾驶系统,包括处理器、车道线检测装置、障碍物检测装置、车辆控制模块、电源和电源管理模块,所述处理器分别与所述车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块连接,对所述车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块进行控制,所述车道线检测装置用于对车道线进行检测,所述障碍物检测装置用于对道路障碍物进行检测,所述车辆控制模块用于根据车道线检测结果和障碍物检测结果对电动汽车进行控制,所述电源用于向所述处理器、车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块供电。本发明的有益效果为:实现了电动汽车的准确无人驾驶。
Description
技术领域
本发明涉及电动汽车领域,具体涉及一种智能汽车无人驾驶系统。
背景技术
无人驾驶技术是当今前沿科学技术的重要发展项目,它对于社会和经济发展、国防建设以及科技发展等多个方面都具有重大的影响力。无人驾驶技术涉及认知科学、传感器技术、计算机技术、人工智能及车辆工程等交叉学科内容,既包含基础理论方法的研究与关键技术的突破,也涉及到大量的工程设计与实现问题。
在无人驾驶体系中,环境感知系统由众多传感器组成的。传感器负责采集无人车所需要的信息,包括道路环境里各类标识信息、障碍信息以及道路结构信息等,为无人车的安全行驶提供可靠的决策依据,是实现无人车安全行驶的前提。
近年来,随着环保要求越来越高,电动汽车成为人们的很好的选择。
发明内容
针对上述问题,本发明旨在提供一种智能汽车无人驾驶系统。
本发明的目的采用以下技术方案来实现:
提供了一种智能汽车无人驾驶系统,包括处理器、车道线检测装置、障碍物检测装置、车辆控制模块、电源和电源管理模块,所述处理器分别与所述车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块连接,对所述车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块进行控制,所述车道线检测装置用于对车道线进行检测,所述障碍物检测装置用于对道路障碍物进行检测,所述车辆控制模块用于根据车道线检测结果和障碍物检测结果对电动汽车进行控制,所述电源用于向所述处理器、车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块供电,所述电源管理模块用于对电源进行充放电管理。
本发明的有益效果为:实现了电动汽车的准确无人驾驶,有助于降低事故发生率,提高行车效率。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
处理器1、车道线检测装置2、障碍物检测装置3、车辆控制模块4、电源5、电源管理模块6。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种智能汽车无人驾驶系统,包括处理器1、车道线检测装置2、障碍物检测装置3、车辆控制模块4、电源5和电源管理模块6,所述处理器1分别与所述车道线检测装置2、障碍物检测装置3、车辆控制模块4和电源管理模块6连接,对所述车道线检测装置2、障碍物检测装置3、车辆控制模块4和电源管理模块6进行控制,所述车道线检测装置2用于对车道线进行检测,所述障碍物检测装置3用于对道路障碍物进行检测,所述车辆控制模块4用于根据车道线检测结果和障碍物检测结果对电动汽车进行控制,所述电源5用于向所述处理器1、车道线检测装置2、障碍物检测装置3、车辆控制模块4和电源管理模块6供电,所述电源管理模块6用于对电源5进行充放电管理。
本实施例实现了电动汽车的准确无人驾驶,有助于降低事故发生率,提高行车效率。
优选的,所述电源5为锂电池电池组。
所述车道线检测装置2包括图像获取模块、图像分割模块、图像变换模块和车道线检测模块,所述图像获取模块用于采用相机获取道路图像,所述图像分割模块用于对道路图像进行分割,所述图像变换模块用于将分割的道路图像从图像坐标系变换到俯视图空间坐标系,所述车道线检测模块用于在俯视图空间坐标系对车道线进行检测。
本优选实施例通过对道路图像进行分割和图像变换,在俯视图空间坐标系对车道线进行检测,更加符合车道线的特征,提升了车道线检测的准确率和速度。
优选的,所述图像分割模块包括第一分割模块、第二分割模块和融合模块,所述第一分割模块用于对图像进行一次分割,获取一次分割结果,所述第二分割模块用于对图像进行二次分割,获取二次分割结果,所述融合模块用于对一次分割结果和二次分割结果进行融合,获取最终图像分割结果;
所述第一分割模块用于对图像进行一次分割,获取一次分割结果,具体为:
对道路图像进行灰度化处理,得到灰度图像I(x,y);
对于灰度图像,采用下式进行滤波处理:式中,p(x,y)表示滤波后的灰度图像,σ表示灰度图像I(x,y)的灰度标准差;
对于灰度图像中的像素(x,y),采用下式进行二值化处理:式中,p(x,y)表示像素(x,y)的灰度值,q(x,y)表示像素(x,y)的二值化结果,Z(x,y)表示像素(x,y)的二值化阈值;
像素(x,y)的二值化阈值Z(x,y)通过下式确定:Z(x,y)=E+ln(G+1),式中,E表示像素(x,y)的3×3邻域像素的灰度平均值,G表示像素(x,y)的3×3邻域像素灰度值的均方根;
将二值化结果q(x,y)作为图像一次分割结果;
本优选实施例通过灰度化、滤波和二值化处理,获得了图像细节丰富的一次分割结果,具体的,根据像素的邻域的灰度值大小情况来确定该像素位置上的二值化阈值,由于二值化阈值是不断变化的,亮度高的图像区域阈值会较大,而亮度低的图像区域的阈值较小。
优选的,所述第二分割模块用于对图像进行二次分割,获取二次分割结果,具体为:对道路图像进行灰度化处理,得到灰度图像I(x,y);采用canny算法对图像边缘进行检测,得到二次分割结果r(x,y)。
在车道线图像中,经常会有光照、阴彩及污溃等产生干扰,本优选实施例通过canny算法对图像边缘进行检测,得到了图像的二次分割结果r(x,y)。
优选的,所述融合模块用于对一次分割结果和二次分割结果进行融合,获取最终图像分割结果,具体为:采用下式对一次分割结果和二次分割结果融合:式中,k(x,y)表示图像最终分割结果;
本优选实施例通过对一次分割结果和二次分割结果进行融合,使得最终图像分割结果同时具备了一次分割结果和二次分割结果的优点,具体的,一次分割结果获得了良好的轮廓提取效果,二次分割结果获得了良好的边缘提取效果,很好的滤除了轮廓噪声和边缘噪声。
优选的,所述图像变换模块用于将分割的道路图像从图像坐标系变换到俯视图空间坐标系,具体为:
图像坐标系是图像以像素为单位的坐标系,像素的坐标(x,y)代表像素在图像中的列数和行数,假定道路是水平的,则变换到俯视图空间坐标系的像素点都在同一平面,在俯视图空间坐标系的位置(u,v)通过下式得到:
式中,h表示相机相对地面的高度,m表示道路图像行数,n表示道路图像列数,β0表示相机倾斜角,θx表示垂直相机半角,θy表示水平相机半角;
由于相机拍摄车道时,相机光轴与道路存在夹角,因此在相机平面中,无法直观的表达车道线的一些属性,如车道线之间相互平行,距离相对固定等,本优选实施例通过将道路图像变换到俯视图空间坐标系,能够更加直观的表达车道线信息,便于后续对车道线进行检测。
采用本发明智能汽车无人驾驶系统,选定出发地,选取5个目的地进行实验,分别为目的地1、目的地2、目的地3、目的地4、目的地5,对驾驶时间和出行成本进行统计,同有人驾驶电动汽车相比,产生的有益效果如下表所示:
驾驶时间缩短 | 出行成本降低 | |
目的地1 | 29% | 27% |
目的地2 | 27% | 26% |
目的地3 | 26% | 26% |
目的地4 | 25% | 24% |
目的地5 | 24% | 22% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种智能汽车无人驾驶系统,其特征在于,包括处理器、车道线检测装置、障碍物检测装置、车辆控制模块、电源和电源管理模块,所述处理器分别与所述车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块连接,对所述车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块进行控制,所述车道线检测装置用于对车道线进行检测,所述障碍物检测装置用于对道路障碍物进行检测,所述车辆控制模块用于根据车道线检测结果和障碍物检测结果对电动汽车进行控制,所述电源用于向所述处理器、车道线检测装置、障碍物检测装置、车辆控制模块和电源管理模块供电,所述电源管理模块用于对电源进行充放电管理。
2.根据权利要求1所述的智能汽车无人驾驶系统,其特征在于,所述电源为锂电池电池组。
3.根据权利要求2所述的智能汽车无人驾驶系统,其特征在于,所述车道线检测装置包括图像获取模块、图像分割模块、图像变换模块和车道线检测模块,所述图像获取模块用于采用相机获取道路图像,所述图像分割模块用于对道路图像进行分割,所述图像变换模块用于将分割的道路图像从图像坐标系变换到俯视图空间坐标系,所述车道线检测模块用于在俯视图空间坐标系对车道线进行检测。
4.根据权利要求3所述的智能汽车无人驾驶系统,其特征在于,所述图像分割模块包括第一分割模块、第二分割模块和融合模块,所述第一分割模块用于对图像进行一次分割,获取一次分割结果,所述第二分割模块用于对图像进行二次分割,获取二次分割结果,所述融合模块用于对一次分割结果和二次分割结果进行融合,获取最终图像分割结果。
5.根据权利要求4所述的智能汽车无人驾驶系统,其特征在于,所述第一分割模块用于对图像进行一次分割,获取一次分割结果,具体为:
对道路图像进行灰度化处理,得到灰度图像I(x,y);
对于灰度图像,采用下式进行滤波处理:式中,p(x,y)表示滤波后的灰度图像,σ表示灰度图像I(x,y)的灰度标准差;
对于灰度图像中的像素(x,y),采用下式进行二值化处理:式中,p(x,y)表示像素(x,y)的灰度值,q(x,y)表示像素(x,y)的二值化结果,Z(x,y)表示像素(x,y)的二值化阈值;
像素(x,y)的二值化阈值Z(x,y)通过下式确定:Z(x,y)=E+ln(G+1),式中,E表示像素(x,y)的3×3邻域像素的灰度平均值,G表示像素(x,y)的3×3邻域像素灰度值的均方根;
将二值化结果q(x,y)作为图像一次分割结果。
6.根据权利要求5所述的智能汽车无人驾驶系统,其特征在于,所述第二分割模块用于对图像进行二次分割,获取二次分割结果,具体为:对道路图像进行灰度化处理,得到灰度图像I(x,y);采用canny算法对图像边缘进行检测,得到二次分割结果r(x,y)。
7.根据权利要求6所述的智能汽车无人驾驶系统,其特征在于,所述融合模块用于对一次分割结果和二次分割结果进行融合,获取最终图像分割结果,具体为:采用下式对一次分割结果和二次分割结果融合:式中,k(x,y)表示图像最终分割结果。
8.根据权利要求7所述的智能汽车无人驾驶系统,其特征在于,所述图像变换模块用于将分割的道路图像从图像坐标系变换到俯视图空间坐标系,具体为:
图像坐标系是图像以像素为单位的坐标系,像素的坐标(x,y)代表像素在图像中的列数和行数,假定道路是水平的,则变换到俯视图空间坐标系的像素点都在同一平面,在俯视图空间坐标系的位置(u,v)通过下式得到:
式中,h表示相机相对地面的高度,表示道路图像行数,n表示道路图像列数,β0表示相机倾斜角,θx表示垂直相机半角,θy表示水平相机半角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726773.6A CN108628320A (zh) | 2018-07-04 | 2018-07-04 | 一种智能汽车无人驾驶系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726773.6A CN108628320A (zh) | 2018-07-04 | 2018-07-04 | 一种智能汽车无人驾驶系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108628320A true CN108628320A (zh) | 2018-10-09 |
Family
ID=63688760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810726773.6A Withdrawn CN108628320A (zh) | 2018-07-04 | 2018-07-04 | 一种智能汽车无人驾驶系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108628320A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033005A (zh) * | 2019-04-08 | 2019-07-19 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN114724116A (zh) * | 2022-05-23 | 2022-07-08 | 禾多科技(北京)有限公司 | 车辆通行信息生成方法、装置、设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101804813A (zh) * | 2010-02-04 | 2010-08-18 | 南京航空航天大学 | 一种基于图像传感器的辅助驾驶装置及其工作方法 |
CN102156979A (zh) * | 2010-12-31 | 2011-08-17 | 上海电机学院 | 基于GrowCut的车道线快速检测方法及系统 |
CN202815590U (zh) * | 2012-07-30 | 2013-03-20 | 中国航天科工集团第三研究院第八三五七研究所 | 一种自主驾驶微型无人车的控制系统 |
CN107161141A (zh) * | 2017-03-08 | 2017-09-15 | 深圳市速腾聚创科技有限公司 | 无人驾驶汽车系统及汽车 |
CN206493897U (zh) * | 2017-02-06 | 2017-09-15 | 宿迁学院 | 车辆环境感知系统及自动驾驶汽车 |
-
2018
- 2018-07-04 CN CN201810726773.6A patent/CN108628320A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101804813A (zh) * | 2010-02-04 | 2010-08-18 | 南京航空航天大学 | 一种基于图像传感器的辅助驾驶装置及其工作方法 |
CN102156979A (zh) * | 2010-12-31 | 2011-08-17 | 上海电机学院 | 基于GrowCut的车道线快速检测方法及系统 |
CN202815590U (zh) * | 2012-07-30 | 2013-03-20 | 中国航天科工集团第三研究院第八三五七研究所 | 一种自主驾驶微型无人车的控制系统 |
CN206493897U (zh) * | 2017-02-06 | 2017-09-15 | 宿迁学院 | 车辆环境感知系统及自动驾驶汽车 |
CN107161141A (zh) * | 2017-03-08 | 2017-09-15 | 深圳市速腾聚创科技有限公司 | 无人驾驶汽车系统及汽车 |
Non-Patent Citations (2)
Title |
---|
杨建荣等: "基于单目视觉的障碍物检测方法研究", 《计算机仿真》 * |
王俊: "无人驾驶车辆环境感知系统关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033005A (zh) * | 2019-04-08 | 2019-07-19 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN114724116A (zh) * | 2022-05-23 | 2022-07-08 | 禾多科技(北京)有限公司 | 车辆通行信息生成方法、装置、设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846874B2 (en) | Method and apparatus for processing point cloud data and storage medium | |
CN107167811B (zh) | 基于单目视觉与激光雷达融合的道路可行驶区域检测方法 | |
CN108959321B (zh) | 停车场地图构建方法、系统、移动终端及存储介质 | |
CN114842438B (zh) | 用于自动驾驶汽车的地形检测方法、系统及可读存储介质 | |
Li et al. | A sensor-fusion drivable-region and lane-detection system for autonomous vehicle navigation in challenging road scenarios | |
CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
CN102867417B (zh) | 一种出租车防伪系统及方法 | |
Perrollaz et al. | Probabilistic representation of the uncertainty of stereo-vision and application to obstacle detection | |
CN107576960A (zh) | 视觉雷达时空信息融合的目标检测方法及系统 | |
CN104902261B (zh) | 用于低清晰度视频流中的路面识别的装置和方法 | |
CN103268471A (zh) | 一种车辆非法占道检测方法及装置 | |
CN111209780A (zh) | 车道线属性检测方法、装置、电子设备及可读存储介质 | |
CN111461048B (zh) | 基于视觉的停车场可行驶区域检测与局部地图构建方法 | |
CN113658441A (zh) | 一种面向自动驾驶的高灵活性可变视角路侧感知装置及超视距感知方法 | |
CN115273028B (zh) | 一种基于全域感知的智慧停车场语义地图构建方法及系统 | |
CN114089786A (zh) | 一种基于无人机视觉的沿山区公路自主巡检系统 | |
CN112001226A (zh) | 一种无人驾驶3d目标检测方法、装置及存储介质 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN104574993A (zh) | 一种道路监控的方法及装置 | |
CN109241855A (zh) | 基于立体视觉的智能车辆可行驶区域探测方法 | |
CN115424263A (zh) | 交通灯的标注方法、车载设备和存储介质 | |
WO2022166606A1 (zh) | 一种目标检测方法及装置 | |
CN108628320A (zh) | 一种智能汽车无人驾驶系统 | |
CN105809108A (zh) | 基于分布式视觉的行人定位方法和系统 | |
CN111783690A (zh) | 基于车辆密度感知的城市可行驶区域cim信息处理方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181009 |