CN109398422A - 一种停车时车辆位置确定方法及对标停车方法 - Google Patents
一种停车时车辆位置确定方法及对标停车方法 Download PDFInfo
- Publication number
- CN109398422A CN109398422A CN201811251661.6A CN201811251661A CN109398422A CN 109398422 A CN109398422 A CN 109398422A CN 201811251661 A CN201811251661 A CN 201811251661A CN 109398422 A CN109398422 A CN 109398422A
- Authority
- CN
- China
- Prior art keywords
- parking
- vehicle
- information
- station
- image information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000004044 response Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 6
- 238000003708 edge detection Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000003032 molecular docking Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- PLAIAIKZKCZEQF-UHFFFAOYSA-N methyl 6-chloro-2-oxo-3h-1,2$l^{4},3-benzodithiazole-4-carboxylate Chemical compound COC(=O)C1=CC(Cl)=CC2=C1NS(=O)S2 PLAIAIKZKCZEQF-UHFFFAOYSA-N 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61C—LOCOMOTIVES; MOTOR RAILCARS
- B61C17/00—Arrangement or disposition of parts; Details or accessories not otherwise provided for; Use of control gear and control systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种停车时车辆位置确定方法及对标停车方法,其中停车时车辆位置确定方法包括:步骤A.停车前,在车辆进站路段,每间隔一段距离采集并处理得到进站路段图像信息P1,将进站路段图像信息P1与对应的车辆位置S1一一对应存储;步骤B.停车时,实时采集并处理得到进站路段图像信息P2;步骤C.对比停车时实时采集的进站路段图像信息P2与存储的停车前采集的进站路段图像信息P1,确定车辆实时位置信息S2。步骤A和B中,采集的进站路段图像信息还包括停车标志信息及背景信息。本发明基于机器视觉确定车辆进站停车时的位置,定位精度高,稳定性高,提高了进站停车位置的精度,缩短了系统响应时间且对不同的等级的车辆速度具有更好的适应性。
Description
技术领域
本发明属于交通控制技术领域,特别涉及一种停车时车辆位置确定方法及对标停车方法。
背景技术
随着自动驾驶车辆的发展,车辆自动根据当下驾驶环境做出判断和决定成了急需解决的问题,而进站停车是自动驾驶车辆自主识别判断一个非常重要的研究方向。
目前,自动驾驶车辆的停车过程依靠跟踪一条恒定制动率的推荐速度曲线实现,具体过程为:车辆控制系统根据实时车辆速度和无线通信设备实时反馈的车辆位置信息,计算车辆实时速度和推荐速度之间的差值,得到所需的制动指令值,传送给制动系统,制动系统根据制动指令值制动最终实现停车。
城轨车辆开始逐渐普及自动驾驶系统,依靠上述停车方法,其停车精度已经可以达到±0.3m,换句话说,按照理论,城轨车辆停在±0.3m精度范围的概率可达到99.99%。但是,实际上,在高峰期内,车辆停车精度往往达到了±0.5m甚至更大,这主要是由于车辆位置信息的无线信号传输延时导致的。此外,由于无线通信周期往往在几十毫秒到上百毫秒,加上单个无线通信设备的覆盖范围有限,因此在进站停车过程中,若存在无线通讯设备切换,则控制系统接收到的车辆位置信息可能存在几百毫秒的延迟,导致车辆位置定位不准,停车精度不足,稳定性低。由于无线传输设备存在传输延时,因而当车辆的进站速度超过120KM/h时车辆定位精度极低,从而存在巨大的风险,在一定程度上限制了车辆的速度。
发明内容
本发明的目的在于,针对上述现有技术的不足,提供一种停车时车辆位置确定方法及对标停车方法,基于机器视觉确定车辆进站停车时的位置,定位精度高,稳定性高,提高了进站停车位置的精度,缩短了响应时间且对不同的等级的车辆速度具有更好的适应性。
为解决上述技术问题,本发明所采用的技术方案是:
一种停车时车辆位置确定方法,其特点是包括以下步骤:
步骤A.停车前,在车辆进站路段,每间隔一段距离采集并处理得到进站路段图像信息P1,将进站路段图像信息P1与对应的车辆位置S1一一对应存储;
步骤B.停车时,实时采集并处理得到进站路段图像信息P2;
步骤C.对比停车时实时采集的进站路段图像信息P2与存储的停车前采集的进站路段图像信息P1,确定车辆实时位置信息S2。
进一步地,所述步骤A中,停车前采集的进站路段图像信息还包括停车标志信息P11及背景信息P12;
所述步骤B中,停车时采集的进站路段图像信息还包括停车标志信息P21及背景信息P22。
作为一种优选方式,所述步骤C包括:
步骤C11.找到背景信息P12中的特定几何特征T1,找到停车标志信息P11至特定几何特征T1之间的距离D1;
步骤C12.找到背景信息P22中的特定几何特征T2,找到停车标志信息P21至特定几何特征T2之间的距离D2;
步骤C13.当D1与D2匹配成功时,得到此时车辆车辆实时位置信息S2为对应的停车前存储的车辆位置。
作为另一种优选方式,所述步骤C包括:整体对比停车标志信息P11与停车标志信息P21,当P11与P21匹配成功时,得到此时车辆车辆实时位置信息S2为对应的停车前存储的车辆位置。
作为一种优选方式,所述特定几何特征为背景信息中的边缘点、边缘线或者整个特定平面。
作为一种优选方式,所述停车标志包括信号灯或停车车标。
基于同一个发明构思,本发明还提供了一种对标停车方法,其特点是:首先,获得车辆实时速度,并利用所述的停车时车辆位置确定方法确定车辆位置;然后,根据车辆位置信息得到推荐速度;最后,计算车辆实时速度和推荐速度之间的差值,根据该差值确定制动指令值,将制动指令值传送给制动系统,制动系统执行制动指令值,最终实现停车。
与现有技术相比,本发明基于机器视觉确定车辆进站停车时的位置,定位精度高,稳定性高,提高了进站停车位置的精度,缩短了响应时间且对不同的等级的车辆速度具有更好的适应性。。
附图说明
图1为车辆上摄像机的成像原理图。
具体实施方式
本发明用于全自动驾驶车辆,在车辆两端头罩分别设置摄像头,用于识别前方停车标志(包括信号灯,停车车标等等)。
车辆控制系统在列车进站停车时,通过安装在前部头罩的摄像头提取出车辆前部的图片,并将识别出来的图像转化为数据信息传输到车辆中央处理器中;在中央处理器通过对图像输入,图像的压缩,灰度转化,图像预处理,局部图像增强,边缘检测,杂波信号等方法提取车标及整个图像的数据信息。
考虑到进站停车过程中,特定的标识以及进站的场景不会有明显变化,因此可以预先将进站过程中的图像进行收集存储在控制器中。在进站停车的过程中,将处理器中存储着已有的图像数据信息和摄像头识别的图像信息进行对比,通过找寻现有图像的特定几何特征比如边缘点,边缘线或者整个特定的平面,也可直接对比整体图像数据信息(整体图像信息也是基于场景的相似性进行分析,需要有特定特征强化图形效果),从而确定车辆的位置。
停车时车辆位置确定方法包括以下步骤:
步骤A.停车前,在车辆进站路段,每间隔一段距离采集并处理得到进站路段图像信息P1,将进站路段图像信息P1与对应的车辆位置S1一一对应存储;
步骤B.停车时,实时采集并处理得到进站路段图像信息P2;
步骤C.对比停车时实时采集的进站路段图像信息P2与存储的停车前采集的进站路段图像信息P1,确定车辆实时位置信息S2。
所述步骤A中,停车前采集的进站路段图像信息还包括停车标志信息P11及背景信息P12;
所述步骤B中,停车时采集的进站路段图像信息还包括停车标志信息P21及背景信息P22。
所述停车标志包括信号灯或停车车标等。
在一种实施方式中,所述步骤C包括:
步骤C11.找到背景信息P12中的特定几何特征T1,找到停车标志信息P11至特定几何特征T1之间的距离D1;所述特定几何特征为背景信息中的边缘点、边缘线或者整个特定平面。
步骤C12.找到背景信息P22中的特定几何特征T2,找到停车标志信息P21至特定几何特征T2之间的距离D2;所述特定几何特征为背景信息中的边缘点、边缘线或者整个特定平面。
步骤C13.当D1与D2匹配成功时,得到此时车辆车辆实时位置信息S2为对应的停车前存储的车辆位置。
在另一种实施方式中,所述步骤C包括:整体对比停车标志信息P11与停车标志信息P21,当P11与P21匹配成功时,得到此时车辆车辆实时位置信息S2为对应的停车前存储的车辆位置。
对标停车方法包括:
首先,获得车辆实时速度,并利用所述的停车时车辆位置确定方法确定车辆位置;
然后,根据车辆位置信息得到推荐速度;
最后,计算车辆实时速度和推荐速度之间的差值,根据该差值确定制动指令值,将制动指令值传送给制动系统,制动系统执行制动指令值,最终实现停车。
本发明适用于多模式城轨车辆,有轨电车,无轨电车等自动驾驶车辆,实现了以下技术效果:
1)实现停车过程中,当追踪算法及地面系统出现障碍时的辅助驾驶及自动驾驶。
辅助驾驶模式:当有人驾驶的情况下,考虑到人为驾驶存在一定的误差,可通过屏幕或语音播报,提示驾驶员信息,协助司机对标停车。
无人驾驶模式:基于机器视觉的自动驾驶系统对于车辆的主动防撞功能和非接触式检测功能具有较高的要求,运用双目摄像机可以完成对车标的识别,通过图像处理及机器学习,完成对标停车功能,提高了车辆自动驾驶的精确性,稳定性和安全性。
2)提高车辆自主驾驶的能力,为实现真正意义上的自主驾驶列车做准备。
机器视觉是通过传感器及相机来代替人类双眼的功能进行测量和判断,而这也是未来车辆发展的趋势,对标停车是机器视觉可以完成的一个功能,并在车辆进站过程中实现车辆自动停车功能,代替人类手动停车的过程。在未来,随着主控器的存储能力提升以及算法的改进,完全可以通过安装在车辆上的摄像头可以实现车辆的机器视觉,实时掌握路面信息,如同人类的双眼,感知周围环境,而且更加可靠,更加稳定,从而为实现真正意义上的自主驾驶车辆做准备。
3)减少人类在停车过程中的操作,减轻因为人为因素产生的干扰,从而提高处理车辆相关各项事宜的效率,同时也可以在未来代替地面应答器实现停车功能,完成车辆的自主停车。
人类驾驶存在人为因素导致的停车不准确的问题,而基于地面应答器存在信号延迟,速度限制,信号传输不稳定以及高峰期制动不稳定等多个问题。基于机器视觉的对标停车系统可以在一定程度上解决这些问题,当车辆距离车站一定位置时可以通过探测降速标识实现降速,考虑到这个过程不存在传输过程,也不存在AP切换过程,可直接通过机器学习在车上控制器内完成分析。目前控制器主流算法处理时间也优于目前CBTC对标停车方案,而且减少了通信的过程,直接通过网线传输,简化了流程,在实际中效果更好。而在标线上,车辆可直接通过车辆标识确定车辆位置,不断对车辆位置校正,再结合控制算法,对车辆的制动力进行调整,从而避免因为信号响应,延迟等问题导致对标不准确的问题。所以基于机器视觉的对标停车系统完全有能力代替人类及地面应答器成实现车辆停车。
城市交通车辆自主视觉识别目前处在空白状态,随着自动驾驶系统的普及,势必要求车辆具备自主驾驶能力,通过机器视觉,自动实现进站停车,从而实现真正意义上的无人驾驶。通过本发明可以提高进站停车的精确性和冗余性、减少因为人为操作的失误导致的误差,通过机器视觉的运用,可以将图像的视觉信号传递给车辆的处理器转化为位置数据,提供了一种新的人机界面,增加人员了解车辆的信息渠道,并为最终实现完全自动驾驶做准备。
具体而言,本发明车辆位置确定方法包括:
一.图像处理
图像采集设备获取的停车标志质量往往不符合要求,因此需要对图像进行预处理,具体操作如下:
RGB彩色图像
RGB彩色模型,需同时考虑三个维度的矩阵
图像模糊与简化运算
考虑到目前采集设备分辨率较高,为保证实时性,提高运算速度,可适当缩小图像尺寸。同时,考虑到隧道内部混合光较少,需要识别的色彩较为单一,可以将图像转化为HSL或者HSV图形进行识别,或者直接转化为灰度图。
二.识别
1.停车车标识别
(1)边缘检测
运用边缘检测算子,找到停车车标轮廓纹理,提取出停车车标边缘。
(2)提取停车车标
在提取出停车车标边缘后,锁定停车车标位置,最后提取停车车标。
2.信号灯识别
(1)信号灯颜色检测
根据地铁隧道内的线路信号灯条件,设置光强的阈值的算子。记录高于阈值的区域,提取信号灯的图像信息,锁定信号灯的位置。
(2)强化图形效果
在提取信号灯位置后,锁定信号灯位置,考虑到可能存在信号牌等一些杂波信号,通过滤波器将杂波信号去除。
(3)提取信号灯
在去除杂波信号后,锁定唯一的信号灯位置,即可提取信号灯的信号。
三.图像位置比对确定车辆位置信息
1.图像采集
由安装在车辆前的前置摄像机可以同步采集实时图像数据,而数据将传到处理器中,转化为具有多个像素点的图像。
2.成像原理
摄像机可以同步捕捉到车辆前部的信息,然后显示在图像上,其原理图如图1所示。
如图1所示,P1,P2是物点,在图像上的点P1’和P2’是像点,O是摄像头的位置点。当车辆行驶到图1(b)位置时,P2’的位置向图像中心线的位置移动,L2的长度增加,因此可以通过判断P2的位置来判断车辆的位置。
3.比对信息。
(1)寻找特定点或边缘对比
前期需要采集列车进站停车信息从而对应位置信息和图像信息。在车辆进站的的路段,选取一定的间隔(取决于隧道条件,进站速度,摄像机的精度等等),采集图像数据,将图像的像素信息转化为已识别车标的二值信息图,并根据识别算法识别出诸如信号灯,车标等车辆标识。同时,对应起每一个位置的图像信息和位置信息。从而可以根据列车进站时的信息,将车辆位置信息和采集的图像信息一一对应。
当列车控制系统在列车进站时,通过安装在前部的摄像头提取出车辆前部的图片,并将识别出来的图像转化为数据信息传输到车辆中央处理器中;在中央处理器通过对图像输入,图像的压缩,灰度转化,图像预处理,局部图像增强,边缘检测,杂波信号等方法提取车标及整个图像的数据信息。考虑到前面的方法已经可以锁定车标或信号灯等车辆标识,因此可以通过寻找特定的点,比如边缘点或通过找到特定的边,即整个边缘进行对比。考虑到进站停车过程中,特定的标识以及进站的场景不会有明显变化,因此可以将进站过程中的图像进行收集存储在控制器中。在进站停车的过程中,将处理器中存储着已有的图像数据信息中的和摄像头识别的图像信息进行对比,通过找寻现有图像的特定几何特征比如边缘点,边缘线,因为设备存储的图像信息可以直接和进站过程中车辆的位置一一对应,从而确定车辆的位置。也就是通过找到存储在数据库里的图像及当前图像对比,找到边缘点信息即可根据边缘特征找到车辆位置特征。具体算法如下:
通过判断距离的公式,找到车辆到车标的距离D2e。
D2O=f(L2O)
即
L2O-采集的P2到图像边缘的位置
L2E-入站时P2到图像边缘的位置
D2o-采集的车辆到车标的距离
D2e-入站时车辆到车标的距离
(2)通过对比整体图像信息
前期需要采集列车进站停车信息从而对应位置信息和图像信息。在车辆进站的的路段,选取一定的间隔(取决于线路条件,进站速度,摄像机的精度等等),采集图像数据,将图像的像素信息转化为已识别车标的二值信息图,并根据识别算法识别出诸如信号灯,车标等车辆标识。同时,对应起每一个位置的图像信息和位置信息。从而可以根据列车进站时的信息,将车辆位置信息和采集的图像信息一一对应。
当列车控制系统在列车进站时,通过安装在前部头罩的摄像头提取出车辆前部的图片,并将识别出来的图像转化为数据信息传输到车辆中央处理器中;在中央处理器通过对图像输入,图像的压缩,灰度转化,图像预处理,局部图像增强,边缘检测,杂波信号等方法提取车标及整个图像的数据信息。考虑到前面的方法已经可以锁定车标或信号灯等车辆标识,因此可以通过直接对比整个车标和信号灯,对整个整体进行对比或者直接对比进站停车过程中整个的图像(考虑到整个图像的计算量过大,图像噪音过大,实现较难,因此通常需要强化车标等车辆标识的图像信息,识别算法仍然具有意义)。考虑到进站停车过程中,特定的标识以及进站的场景不会有明显变化,因此可以将进站过程中的图像进行收集存储在控制器中。在进站停车的过程中,将处理器中存储着已有的图像数据信息中的和摄像头识别的图像信息进行对比,通过找寻现有图像的特定整体几何特征比如信号灯,车标等或直接对比车辆整体信息的相似性,寻找到最相似的图像。因为设备存储的图像信息可以直接和进站过程中车辆的位置一一对应,从而确定车辆的位置。也就是通过找到存储在数据库里的图像及当前图像对比,通过比对整体特征,即可根据整体特征找到车辆位置特征具体算法如下:
采集列车进站时的信息,并将车辆位置信息和采集的图像信息一一对应。在车辆进站的的路段,选取一定的间隔(取决于隧道条件,进站速度,摄像机的精度等等),采集图像数据,并将图像的像素信息转化为已识别车标的二值信息图,并记做Ie。Iie则表示在第i个位置已识别的车标的二值信息图。在整个车辆进站过程中,实时采集车辆进站的图像数据,并转化为已识别车标的二值信息图,并记做Io。
Ii=┐(Io⊕Iie)
Ii在在车辆进站的第i个位置,摄像机所摄图像与已采集的二值图取异或得出数值信息图。
累加所有Ii里的值,记做Idi。
Imax=find(max(Idi)
find函数表示找到Idi的序数。
然后距离公式即可通过下述公式确定:
D=Di
D表示车辆到车标的距离
Di在第i个位置上车辆到车标的距离
通过上述方法确定车辆到车标的距离信息,从而明确车辆位置信息。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是局限性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护范围之内。
Claims (7)
1.一种停车时车辆位置确定方法,其特征在于,包括以下步骤:
步骤A.停车前,在车辆进站路段,每间隔一段距离采集并处理得到进站路段图像信息P1,将进站路段图像信息P1与对应的车辆位置S1一一对应存储;
步骤B.停车时,实时采集并处理得到进站路段图像信息P2;
步骤C.对比停车时实时采集的进站路段图像信息P2与存储的停车前采集的进站路段图像信息P1,确定车辆实时位置信息S2。
2.如权利要求1所述的停车时车辆位置确定方法,其特征在于,
所述步骤A中,停车前采集的进站路段图像信息还包括停车标志信息P11及背景信息P12;
所述步骤B中,停车时采集的进站路段图像信息还包括停车标志信息P21及背景信息P22。
3.如权利要求2所述的停车时车辆位置确定方法,其特征在于,
所述步骤C包括:
步骤C11.找到背景信息P12中的特定几何特征T1,找到停车标志信息P11至特定几何特征T1之间的距离D1;
步骤C12.找到背景信息P22中的特定几何特征T2,找到停车标志信息P21至特定几何特征T2之间的距离D2;
步骤C13.当D1与D2匹配成功时,得到此时车辆车辆实时位置信息S2为对应的停车前存储的车辆位置。
4.如权利要求2所述的停车时车辆位置确定方法,其特征在于,
所述步骤C包括:整体对比停车标志信息P11与停车标志信息P21,当P11与P21匹配成功时,得到此时车辆车辆实时位置信息S2为对应的停车前存储的车辆位置。
5.如权利要求3所述的停车时车辆位置确定方法,其特征在于,所述特定几何特征为背景信息中的边缘点、边缘线或者整个特定平面。
6.如权利要求2至5任一项所述的停车时车辆位置确定方法,其特征在于,所述停车标志包括信号灯或停车车标。
7.一种对标停车方法,其特征在于,
首先,获得车辆实时速度,并利用如权利要求1至6任一项所述的停车时车辆位置确定方法确定车辆位置;
然后,根据车辆位置信息得到推荐速度;
最后,计算车辆实时速度和推荐速度之间的差值,根据该差值确定制动指令值,将制动指令值传送给制动系统,制动系统执行制动指令值,最终实现停车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811251661.6A CN109398422A (zh) | 2018-10-25 | 2018-10-25 | 一种停车时车辆位置确定方法及对标停车方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811251661.6A CN109398422A (zh) | 2018-10-25 | 2018-10-25 | 一种停车时车辆位置确定方法及对标停车方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109398422A true CN109398422A (zh) | 2019-03-01 |
Family
ID=65469246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811251661.6A Pending CN109398422A (zh) | 2018-10-25 | 2018-10-25 | 一种停车时车辆位置确定方法及对标停车方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109398422A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110281983A (zh) * | 2019-06-28 | 2019-09-27 | 清华大学 | 一种基于视觉场景识别的轨道列车精准停车系统 |
CN110758472A (zh) * | 2019-10-08 | 2020-02-07 | 北京市地铁运营有限公司地铁运营技术研发中心 | 一种列车的定位方法、装置、系统和存储介质 |
CN112141171A (zh) * | 2019-06-27 | 2020-12-29 | 比亚迪股份有限公司 | 列车停车控制方法、装置、存储介质、列车及电子设备 |
CN112441074A (zh) * | 2019-08-28 | 2021-03-05 | 比亚迪股份有限公司 | 用于轨道交通的停车方法、装置、车辆及电子设备 |
CN112441078A (zh) * | 2019-08-30 | 2021-03-05 | 比亚迪股份有限公司 | 列车及其自动停车的控制方法和装置 |
CN114789744A (zh) * | 2022-06-22 | 2022-07-26 | 卡斯柯信号(北京)有限公司 | 一种列车到站显示停准状态的方法及装置 |
CN114954567A (zh) * | 2022-06-13 | 2022-08-30 | 中交机电工程局有限公司 | 一种城市轨道在线列车的停车控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101484346A (zh) * | 2006-06-30 | 2009-07-15 | 通用电气公司 | 使用捕获的图像导航的系统和方法 |
CN105593103A (zh) * | 2013-09-30 | 2016-05-18 | 西门子公司 | 用于在轨道侧对停放的轨道引导的车辆的位置进行监控的设备和方法 |
CN105722742A (zh) * | 2013-11-11 | 2016-06-29 | 株式会社明电舍 | 电车的自身位置推测装置 |
CN105857280A (zh) * | 2016-05-12 | 2016-08-17 | 中车青岛四方机车车辆股份有限公司 | 控制车辆对标停车的方法、装置和系统 |
-
2018
- 2018-10-25 CN CN201811251661.6A patent/CN109398422A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101484346A (zh) * | 2006-06-30 | 2009-07-15 | 通用电气公司 | 使用捕获的图像导航的系统和方法 |
CN105593103A (zh) * | 2013-09-30 | 2016-05-18 | 西门子公司 | 用于在轨道侧对停放的轨道引导的车辆的位置进行监控的设备和方法 |
CN105722742A (zh) * | 2013-11-11 | 2016-06-29 | 株式会社明电舍 | 电车的自身位置推测装置 |
CN105857280A (zh) * | 2016-05-12 | 2016-08-17 | 中车青岛四方机车车辆股份有限公司 | 控制车辆对标停车的方法、装置和系统 |
Non-Patent Citations (1)
Title |
---|
魏晓婷: "广州地铁3号线列车ATO模式对标原理及异常故障分析", 《铁道机车车辆》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112141171A (zh) * | 2019-06-27 | 2020-12-29 | 比亚迪股份有限公司 | 列车停车控制方法、装置、存储介质、列车及电子设备 |
CN110281983A (zh) * | 2019-06-28 | 2019-09-27 | 清华大学 | 一种基于视觉场景识别的轨道列车精准停车系统 |
CN110281983B (zh) * | 2019-06-28 | 2020-07-31 | 清华大学 | 一种基于视觉场景识别的轨道列车精准停车系统 |
CN112441074A (zh) * | 2019-08-28 | 2021-03-05 | 比亚迪股份有限公司 | 用于轨道交通的停车方法、装置、车辆及电子设备 |
CN112441078A (zh) * | 2019-08-30 | 2021-03-05 | 比亚迪股份有限公司 | 列车及其自动停车的控制方法和装置 |
CN110758472A (zh) * | 2019-10-08 | 2020-02-07 | 北京市地铁运营有限公司地铁运营技术研发中心 | 一种列车的定位方法、装置、系统和存储介质 |
CN114954567A (zh) * | 2022-06-13 | 2022-08-30 | 中交机电工程局有限公司 | 一种城市轨道在线列车的停车控制方法及系统 |
CN114954567B (zh) * | 2022-06-13 | 2023-09-12 | 中交机电工程局有限公司 | 一种城市轨道在线列车的停车控制方法及系统 |
CN114789744A (zh) * | 2022-06-22 | 2022-07-26 | 卡斯柯信号(北京)有限公司 | 一种列车到站显示停准状态的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109398422A (zh) | 一种停车时车辆位置确定方法及对标停车方法 | |
CN111081064B (zh) | 一种车载以太网的自动泊车系统及自动代客泊车方法 | |
CN110689761B (zh) | 一种自动泊车方法 | |
CN106541968B (zh) | 基于视觉分析的地铁车厢实时提示系统的识别方法 | |
JP6570731B2 (ja) | 乗客の混雑度の算出方法及びそのシステム | |
CN109948416A (zh) | 一种基于深度学习的违法占用公交车道自动审核方法 | |
CN103824037B (zh) | 车用防跟踪报警装置 | |
CN110782673A (zh) | 一种基于无人机拍摄云端计算的车辆违章识别检测系统 | |
CN105488453A (zh) | 一种基于图像处理的驾驶员未系安全带检测识别方法 | |
CN112364707B (zh) | 一种智能车对复杂路况进行超视距感知的系统及方法 | |
CN104778444A (zh) | 道路场景下车辆图像的表观特征分析方法 | |
CN102862574A (zh) | 基于智能手机实现车辆主动安全的方法 | |
CN102306293A (zh) | 基于面部图像识别技术的评判实际道路驾驶员考试的方法 | |
CN106250816A (zh) | 一种基于双摄像头的车道线识别方法及系统 | |
CN107240299A (zh) | 自主驾驶车辆对移动物体识别以及车辆避障的方法 | |
CN102509090A (zh) | 一种基于天网工程中公共安全视频图像的车辆特征识别装置 | |
CN109522847A (zh) | 一种基于深度图的轨道和道路障碍物检测方法 | |
CN102298693A (zh) | 基于计算机视觉的高速公路弯道检测方法 | |
CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
CN103324958B (zh) | 一种复杂背景下基于投影法和svm的车牌定位方法 | |
CN104063882A (zh) | 一种基于双目的车辆视频测速方法 | |
CN109614957A (zh) | 一种铁路调车信号安全预警系统 | |
CN110969131A (zh) | 一种基于场景流的地铁人流计数方法 | |
CN107909012A (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
CN103927548A (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |