CN109416885B - 车辆识别方法和系统 - Google Patents

车辆识别方法和系统 Download PDF

Info

Publication number
CN109416885B
CN109416885B CN201680087324.0A CN201680087324A CN109416885B CN 109416885 B CN109416885 B CN 109416885B CN 201680087324 A CN201680087324 A CN 201680087324A CN 109416885 B CN109416885 B CN 109416885B
Authority
CN
China
Prior art keywords
vehicle
data
vehicles
sensor
time
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
Application number
CN201680087324.0A
Other languages
English (en)
Other versions
CN109416885A (zh
Inventor
张国霞
张青山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harman International Industries Inc
Original Assignee
Harman International Industries Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harman International Industries Inc filed Critical Harman International Industries Inc
Publication of CN109416885A publication Critical patent/CN109416885A/zh
Application granted granted Critical
Publication of CN109416885B publication Critical patent/CN109416885B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/017Detecting movement of traffic to be counted or controlled identifying vehicles
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/04Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30Services specially adapted for particular environments, situations or purposes
    • H04W4/40Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/93Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

提供一种车辆识别方法和系统。所述方法包括:基于第一组数据和第二组数据将第一车辆(V1'至V10')识别为第二车辆(V1至V10),所述第一组数据表示通过至少一个传感器获得的所述第一车辆(V1'至V10')的信息,并且所述第二组数据表示通过车辆间通信网络从所述第二车辆(V1至V10)接收的信息。通过所述方法,可以获知所述第一车辆(V1'至V10')在所述车辆间通信网络中的标识,所述第一组数据可以用于检查所述第二组数据的准确度,并且即使所述第二车辆(V1至V10)处于所述至少一个传感器的视野外,仍可以追踪所述第二车辆(V1至V10)。

Description

车辆识别方法和系统
技术领域
本发明总体上涉及车辆识别方法和系统。
背景技术
为了辅助驾驶,使用通过车辆间通信网络从相邻车辆接收的信息或通过安装在主车辆上的传感器获得的信息。然而,通过车辆间通信网络从相邻车辆接收的位置信息是基于相邻车辆的全球定位系统(Global Positioning System,GPS)数据,并且由于GPS精度相对较低,位置信息可能不正确。此外,安装在主车辆上的传感器无法检测到被其它物体遮挡且传感器不可见的相邻车辆的信息。考虑到通过车辆间通信网络广播的信息以及从安装在主车辆上的传感器获得的信息的优点和缺点,提出一种结合两种类型的信息的方法。
发明内容
在实施方案中,提供一种车辆识别方法。所述方法包括:基于第一组数据和第二组数据将第一车辆识别为第二车辆,所述第一组数据表示通过至少一个传感器获得的所述第一车辆的信息,并且所述第二组数据表示通过车辆间通信网络从所述第二车辆接收的信息。
在一些实施方案中,所述至少一个传感器可以包括选自无线电探测和测距(雷达)、光探测和测距(激光雷达)和相机的组合中的至少一个传感器。
在一些实施方案中,如果确定所述第一组数据与所述第二组数据匹配,则可以将所述第一车辆识别为所述第二车辆。
在一些实施方案中,如果通过车辆间通信网络从包括所述第二车辆的多个相邻车辆接收的信息与所述第一组数据匹配,则所述方法还可以包括:在某一时间段内追踪多个相邻车辆,直到确定在所述时间段内通过所述车辆间通信网络从所述第二车辆接收的信息与在所述时间段内通过所述至少一个传感器获得的关于所述第一车辆的信息匹配。
在一些实施方案中,确定所述第一组数据与所述第二组数据匹配可以包括:基于所述第一组数据获得表示所述第一车辆的绝对信息的第三组数据;以及确定所述第二组数据与所述第三组数据相同或偏离所述第三组数据于预定阈值量内。
在一些实施方案中,所述第三组数据可以包括选自所述第一车辆的前进方向、速率、加速度、制动状态、尺寸、转弯信号、距离变化和偏航率的组合中的至少一个数据。
在一些实施方案中,所述第二组数据可以包括选自所述第二车辆的位置信息、前进方向、速率、加速度、制动状态、制动压力、转弯信号、偏航率和尺寸的组合中的至少一个数据。
在一些实施方案中,所述方法还可以包括:通过所述至少一个传感器在所述至少一个传感器的视野内从多个可检测车辆获得第一数据集,所述第一数据集包括所述第一组数据;通过所述车辆间通信网络从多个相邻车辆接收第二数据集,所述第二数据集包括所述第二组数据;以及基于所述第一数据集和所述第二数据集识别所述多个相邻车辆与所述多个可检测车辆中基本上相同的车辆。
在一些实施方案中,可以使用相似度估计方法识别所述基本上相同的车辆。
在一些实施方案中,所述方法还可以包括:将识别结果存储在服务器或存储装置中。
在实施方案中,提供一种安装在第一车辆上的车辆识别系统。所述系统包括:感测装置,所述感测装置被配置成获得表示第二车辆的信息的第一组数据;通信装置,所述通信装置被配置成通过车辆间通信网络从第三车辆接收第二组数据;以及处理装置,所述处理装置被配置成基于所述第一组数据和所述第二组数据将所述第二车辆识别为所述第三车辆。
在一些实施方案中,所述感测装置可以包括至少一个传感器。
在一些实施方案中,所述至少一个传感器可以包括选自雷达、激光雷达和相机的组合中的至少一个传感器。
在一些实施方案中,如果确定所述第一组数据与所述第二组数据匹配,则所述处理装置可以被配置成将所述第二车辆识别为所述第三车辆。
在一些实施方案中,如果通过所述车辆间通信网络从包括所述第三车辆的多个相邻车辆接收的信息与所述第一组数据匹配,则所述处理装置还可以被配置成:在某一时间段内追踪所述多个相邻车辆,直到确定在所述时间段内通过所述车辆间通信网络从所述第三车辆接收的信息与在所述时间段内通过所述感测装置获得的关于所述第二车辆的信息匹配。
在一些实施方案中,所述处理装置还可以被配置成:基于所述第一组数据获得表示所述第二车辆的绝对信息的第三组数据;以及确定所述第二组数据与所述第三组数据相同或偏离所述第三组数据于预定阈值量内。
在一些实施方案中,所述第三组数据可以包括选自所述第二车辆的前进方向、速率、加速度、制动状态、尺寸、转弯信号、距离变化和偏航率的组合中的至少一个数据。
在一些实施方案中,所述第二组数据可以包括选自所述第三车辆的位置信息、前进方向、速率、加速度、制动状态、制动压力、转弯信号、偏航率和尺寸的组合中的至少一个数据。
在一些实施方案中,所述感测装置还可以被配置成在所述感测装置的视野内从多个可检测车辆获得第一数据集,所述第一数据集包括所述第一组数据;所述通信装置还可以被配置成通过所述车辆间通信网络从多个相邻车辆接收第二数据集,所述第二数据集包括所述第二组数据;并且所述处理装置还可以被配置成基于所述第一数据集和所述第二数据集识别所述多个相邻车辆与所述多个可检测车辆中基本上相同的车辆。
在一些实施方案中,所述处理装置可以被配置成使用相似度估计方法识别所述基本上相同的车辆。
在一些实施方案中,所述处理装置还可以被配置成将识别结果存储在服务器中或所述车辆识别系统中包含的存储装置中。
附图说明
本发明的前述和其它特征将从结合附图的以下描述和所附权利要求中变得更加显而易见。应理解,这些附图仅描绘根据本发明的若干实施方案,且因此不应被视为限制本发明的范围,将通过使用附图以额外特征和细节描述本发明。
图1是示出根据实施方案的主车辆以及其相邻车辆的实际行驶位置的示意图;
图2是示出基于从相邻车辆接收的GPS数据识别图1中的相邻车辆的位置的情形的示意图;
图3是根据实施方案的车辆识别方法100的流程图;
图4和图5是根据实施方案的应用情形的示意图;以及
图6是根据实施方案的车辆识别系统200的示意性框图。
具体实施方式
在以下具体实施方式中,参考形成本发明的一部分的附图。在附图中,除非上下文另外指明,否则相似符号通常表示相似组件。在具体实施方式、附图和权利要求书中描述的说明性实施方案并不意图为限制性的。在不脱离本文所呈现的主题的精神或范围的情况下,可以利用其它实施方案并且可以作出其它改变。应容易地理解,如本文所描述和图中所示出的本发明的各方面可以用各种不同配置布置、替换、组合和设计,所有这些都是明确预期的并且形成本发明的一部分。
图1是示出根据实施方案的主车辆以及其相邻车辆的实际行驶位置的示意图,并且图2是示出基于从相邻车辆接收的GPS数据识别图1中的相邻车辆的位置的情形的示意图。
参考图1,实际上,车辆在图1中所示的状态下行驶。具体来说,车辆V0、V1和V2在第一车道中朝北行驶,车辆V3在与第一车道相邻的第二车道中朝南行驶,并且车辆V1位于车辆V0前方。然而,由于通过车辆间通信网络从车辆V1接收的消息中包含的GPS数据的错误,车辆V0将行驶情况识别为图2中所示的行驶情况。参考图2,车辆V1识别为位于车辆V0后方。由于错误地识别车辆V1的位置,因此无法确保驾驶安全性。例如,如果车辆V1打算急刹车,则车辆V0中不会产生警告,因为车辆V0未将车辆V1识别为前方车辆,这可能影响车辆V0的驾驶安全性。
仍参考图1,车辆V0上的传感器可以获得相对准确的关于车辆V1和V3的一些信息。然而,车辆V0无法获得车辆V2的相关信息,因为由于被车辆V1遮挡,车辆V2不在传感器的视野内。
考虑到通过传感器获得的信息以及通过车辆间通信网络广播的广泛范围消息的准确性,通过传感器获得的信息可以与通过车辆间通信网络广播的消息结合以增强驾驶安全性。通过车辆间通信网络获得的信息以及通过传感器获得的信息在现有技术中是独立的。基于创造性努力,发明人发现,将主车辆通过网络从其接收消息的相邻车辆以及可以通过安装在主车辆上的传感器检测的可检测车辆识别为相同的车辆可以有助于主车辆在通过不同方式获得的两种类型的信息之间形成映射关系。映射关系可以有助于车辆主动安全性。
图3是根据实施方案的车辆识别方法100的流程图。
参考图3,在S101中,第一车辆通过车辆间通信网络从其相邻车辆接收消息。
在一些实施方案中,相邻车辆表示在第一车辆的通信范围内的车辆。在一些实施方案中,车辆间通信网络可以是专用短程通信(Dedicated Short Range Communication,DSRC)网络,即,车辆到车辆(Vehicle-to-Vehicle,V2V)网络。
本领域中众所周知为信标(Beacon)消息或合作意识消息(CooperativeAwareness Messages,CAM)的消息可以通过相邻车辆周期性地广播。在本领域中众所周知,车辆通过V2V通信系统交换其信标消息(或称为CAM),以获得相邻车辆的信息。
在一些实施方案中,来自特定相邻车辆的每个消息携载所述车辆的状态信息,所述状态信息包括但不限于特定相邻车辆的位置信息、前进方向信息、速率、加速度、制动状态、制动压力、转弯信号、偏航率或尺寸。位置信息一般通过安装在相邻车辆上的GPS装置获得并且有时可能不准确。
在一些实施方案中,S101可以通过例如无线收发器的安装在第一车辆上的通信装置执行。
在S103中,第一车辆通过安装在第一车辆上的传感器获得可检测车辆的信息。
在一些实施方案中,可检测车辆表示可以通过安装在第一车辆上的传感器检测到的车辆。通常,可检测车辆对传感器可见。在一些实施方案中,传感器可以是雷达、激光雷达或相机。雷达或激光雷达能够获得可检测车辆相对于第一车辆的相对参数,例如距离或角度,并且通过控域网(Controller Area Network,CAN)总线将所获得的相对参数传输到安装在车辆上的信息收集系统或处理装置。
在一些实施方案中,安装在第一车辆上的多个传感器可以用于检测周围车辆,以获得可检测车辆的相关参数。例如,安装在第一车辆上的雷达或相机用于检测可检测车辆的信息。
在一些实施方案中,S103可以周期性地执行。
在一些实施方案中,传感器可以包括允许输出原始数据的雷达。这种雷达提供测量分辨单元数据,包括所有空间分辨单元的接收信号强度值,以及每个分辨单元中的反射中心的相对角度、相对距离和相对速率。
在一些实施方案中,传感器可以包括不允许输出原始数据的雷达。这种雷达提供可检测车辆相对于第一车辆的相对角度、相对距离和相对速率。
在一些实施方案中,传感器可以包括允许输出原始数据的激光雷达。这种激光雷达提供测量扫描点数据,每个点类似于原始雷达数据的分辨单元。
对于允许输出原始数据的雷达或激光雷达,可以通过安装在第一车辆上的处理装置基于原始数据计算可检测车辆相对于第一车辆的相对角度、相对距离和相对速率。
在一些实施方案中,传感器可以包括相机,所述相机能够捕获其上呈现可检测车辆的图像。
如上所述,可以通过传感器直接地或间接地获得可检测车辆相对于第一车辆的相对角度、相对距离和相对速率。
应注意,S101和S103的执行次序不限于此。在一些实施方案中,在第一车辆的通信范围内可以仅存在一个车辆,或仅一个车辆对安装在第一车辆上的传感器可见,因此,第一车辆通过车辆间通信网络从仅一个车辆接收消息,或通过传感器获得仅一个车辆的信息。
参考图1,主车辆V0在其行驶期间通过V2V网络从其相邻车辆V1至V3获得消息,使得主车辆V0知道车辆V1至V3的状态。这有助于驾驶主车辆V0。此外,安装在主车辆V0上的传感器在所述传感器的视野内检测车辆V1和V3,以获得车辆V1和V3相对于主车辆V0的相对距离、相对角度、相对速率,而车辆V2无法通过主车辆V0检测到,因为车辆V2在主车辆V0的视野外。
在S105中,第一车辆基于可检测车辆的信息获得可检测车辆的绝对参数。
如在S103中所描述,通过安装在第一车辆上的雷达或激光雷达获得的信息是相对的。此外,通过相机捕获的图像还需要使用图像处理技术进行处理。为了在相邻车辆与可检测车辆之间建立映射关系,即,为了将相邻车辆之中的车辆以及可检测车辆之中的车辆识别为相同车辆,还可以处理通过传感器获得的可检测车辆的信息。
在一些实施方案中,可检测车辆的绝对参数可以包括可检测车辆的前进方向、速率、加速度、制动状态、尺寸、转弯信号、距离变化或偏航率。
在一些实施方案中,可以基于特定可检测车辆相对于第一车辆的相对位置以及第一车辆的前进方向来获得特定可检测车辆的前进方向。显然,可以基于通过安装在第一车辆上的雷达或激光雷达获得的特定可检测车辆相对于第一车辆的相对距离和相对角度来确定特定可检测车辆相对于第一车辆的相对位置。
在一些实施方案中,可以基于特定可检测车辆相对于第一车辆的相对速率以及第一车辆的速率来获得特定可检测车辆的速率。在一些实施方案中,可以通过雷达或激光雷达直接地获得特定可检测车辆的速率。例如,雷达可以使用多普勒效应提供特定可检测车辆的速率。第一车辆需要将通过雷达或激光雷达获得的速率转换至坐标系中,所述坐标系与通过车辆间通信网络接收的数据所处的坐标系相同。
在一些实施方案中,可以基于特定可检测车辆的所计算速率来计算特定可检测车辆的加速度。
在一些实施方案中,可以基于特定可检测车辆的所计算加速度来获得特定可检测车辆的制动状态。
在一些实施方案中,可以基于雷达或激光雷达的原始数据来获得特定可检测车辆的尺寸。具体来说,通过对由雷达输出的测量分辨单元数据中的单元数目或由激光雷达输出的测量扫描点数据中的点数目进行计数,获得特定可检测车辆的尺寸。
在一些实施方案中,可以使用追踪算法基于雷达或激光雷达的原始数据来获得特定可检测车辆的距离变化。
在一些实施方案中,可以基于特定可检测车辆相对于第一车辆的相对角度来获得特定可检测车辆的偏航率。
在一些实施方案中,可以基于通过相机捕获的图像来获得特定可检测车辆的转弯信号。具体来说,可以使用图像处理技术处理通过相机捕获的图像,以检测图像中呈现的特定可检测车辆的灯闪烁。特定可检测车辆的灯闪烁指示特定可检测信号的转弯信号。
在S107中,基于从相邻车辆接收的消息中包含的信息以及可检测车辆的绝对参数,第一车辆识别相邻车辆与可检测车辆中基本上相同的车辆。
如上所述,在S101中,第一车辆通过车辆间通信网络获得相邻车辆的信息,包括相邻车辆的位置信息、前进方向信息、速率、加速度、制动状态、制动压力、转弯信号、偏航率或尺寸。在S105中,第一车辆获得可检测车辆的绝对参数,包括可检测车辆的前进方向、速率、加速度、制动状态、尺寸、转弯信号、距离变化或偏航率。
通过车辆间通信网络接收的数据以及通过传感器接收的数据是独立的。对于第一车辆,所述数据是两个独立的数据集。为了找到两个数据集之间的关系,第一车辆可以比较两个数据集。
如上所述,第一车辆的相邻车辆是在第一车辆的通信范围内(例如,距第一车辆1000米)的车辆,并且第一车辆的可检测车辆是不被其它物体遮挡的在第一车辆的视野内的车辆。本领域技术人员可以理解,可检测车辆通常是相邻车辆的至少一部分。通过将从相邻车辆接收的消息中包含的信息与可检测车辆的绝对参数相比较,第一车辆可以建立相邻车辆与可检测车辆之间的映射关系。也就是说,第一车辆可以将可检测车辆之中的第一特定车辆识别为相邻车辆之中的第二特定车辆。也就是说,第一特定车辆和第二特定车辆是基本上相同的车辆。以此方式,第一车辆仍可以追踪第一特定车辆,即使所述第一特定车辆在第一车辆的视野外。
在一些实施方案中,第一车辆可以将相邻车辆的速率和前进方向与可检测车辆的速率相比较。如果第一特定车辆的速率和前进方向与第二特定车辆的速率和前进方向相同或相似,则第一车辆可以确定第一和第二特定车辆是基本上相同的车辆。在一些实施方案中,一个值类似于另一值表示一个值处于另一值的预定阈值量内,即仅偏离另一值于预定阈值量内。
在一些实施方案中,为了提高识别准确度,例如加速度、尺寸、转弯信号、制动状态或偏航率的更多参数可以用于识别。
在一些实施方案中,距离变化还用于识别特定车辆。由于通过车辆间通信网络接收的消息不包含距离变化,因此所述方法还可以包括基于消息中包含的位置信息使用方位推估法计算距离变化。
在一些实施方案中,如果确定可检测车辆之中的第一特定车辆在多个参数方面与多个相邻车辆之中的不止一个车辆匹配,所述多个参数包括例如速率、前进方向、加速度、转弯信号和偏航率,则第一车辆还可以比较例如尺寸或制动状态的其它参数,以将第一特定车辆识别为所述不止一个车辆中的一个车辆。也就是说,第一特定车辆可以被识别为第二特定车辆,所述第二特定车辆在相邻车辆之中具有与第一特定车辆的参数相同或相似的最多参数。
在一些实施方案中,如果确定可检测车辆之中的第一特定车辆在所有参数方面匹配多个相邻车辆之中的不止一个车辆,则所述方法还可以包括:在某一时间段内追踪所述不止一个车辆,直到第一特定车辆可以被识别为所述不止一个车辆中良好地匹配第一特定车辆的一个车辆。
在一些实施方案中,第一车辆可以通过多种方式识别相邻车辆与可检测车辆中基本上相同的车辆。例如,可以使用数据融合和数据挖掘域中的各种方法。基于从相邻车辆接收的消息中包含的信息以及可检测车辆的绝对参数,可以使用余弦相似度算法、马氏距离算法、主成分分析(Principal Component Analysis,PCA)算法或自适应权重(AdaptiveWeight,AW)算法来识别相邻车辆与可检测车辆中基本上相同的车辆。
在一些实施方案中,S105和S107可以通过安装在第一车辆上的处理装置执行。
在识别基本上相同的车辆之后,可检测车辆与相邻车辆的一部分映射,并且因此第一车辆可以知道可检测车辆在车辆间通信网络中的标识,并且可检测车辆相对于第一车辆的相对位置信息可以用于检查通过车辆间通信网络接收的相邻车辆的位置信息的准确度。当识别可检测车辆时,即使第一时刻的可检测车辆处于第二时刻的第一车辆的视野外,第一车辆仍可以追踪可检测车辆,因为可以在第二时刻通过车辆间通信网络从可检测车辆接收消息。例如,在第一时刻,基于从第一时刻的特定相邻装置接收的消息以及通过车辆间通信网络从第二时刻的特定相邻车辆接收的消息,第一车辆可以计算第一时刻与第二时刻之间的特定相邻车辆的距离变化。此外,基于第一和第二时刻之间的所计算距离变化以及特定相邻车辆相对于第一时刻的第一车辆的相对位置,第一车辆可以获得特定相邻车辆相对于第二时刻的第一车辆的相对位置。与从第二时刻的特定相邻车辆接收的消息中包含的GPS数据相比较,特定相邻车辆相对于第一车辆的所获得相对位置可以更准确,以增强驾驶安全性。
在一些实施方案中,所述方法还可以包括:第一车辆将识别结果存储在服务器中或存储在安装于第一车辆上的存储装置中,例如存储器中。通常,通过车辆间网络从相邻车辆接收的消息中包含的信息包括相邻车辆的第一标识集,并且通过传感器获得的可检测车辆的信息还包括可检测车辆的第二标识集。在识别之后,第一车辆可以设定第一标识集与第二标识集之间的映射关系,即第一集中的匹配车辆的标识与第二集中的匹配车辆的标识之间的映射关系。例如,可以建立第三集以携载第一集中的匹配车辆的标识,并且可以建立第四集以携载第二集中的匹配车辆的标识,其中第三集中的每个匹配车辆的标识的序列号与第四集中的对应匹配车辆的标识的序列号相同。以此方式,建立第一标识集与第二标识集之间的映射关系,以明确地指示相邻车辆之中的哪些车辆和可检测车辆之中的哪些车辆基本上相同。
下文结合图4描述详细实例,图4是根据实施方案的应用情形的示意图。
参考图4,车辆V0至V10在十字路口附近行驶,其中车辆V1至V10是处于主车辆V0的通信范围内的主车辆V0的相邻车辆,也就是说,主车辆V0可以通过车辆间通信网络从车辆V1至V10接收包括第一数据集的消息。安装在主车辆V0上的传感器可以检测在所述传感器的视野内的车辆。在图4中,车辆V1’和V10’被车辆V2’遮挡,因此主车辆V0通过传感器获得关于车辆V2’至V9’的信息。通过传感器获得的信息可以包括相对于主车辆V0的相对参数。主车辆V0处理相对参数,以获得车辆V2’至V9’的对应绝对信息(称为第二数据集)。应注意,当接收两个数据集时,主车辆V0不知道车辆V1至V10与车辆V2’至V9’之间的对应性,因为两个数据集通过不同方法获得。此处,参考标号V1’至V10’用于方便描述,但不表示实际上存在除了在道路上行驶的车辆V1至V10之外的十个车辆。
主车辆V0将从车辆V1至V10接收的第一数据集与关于车辆V2’至V9’的第二数据集相比较。如果车辆V1至V10之中的一个车辆具有与车辆V2’至V9’之中的另一车辆的参数值相同或相似的参数值,则主车辆V0可以确定所述一个车辆和所述另一车辆是基本上相同的车辆。以此方式,确定第一数据集与第二数据集之间的映射关系,并且车辆V2’至V9’被识别为车辆V2至V9。所述识别可以在车辆主动安全性方面带来各种优点。
参考图5,在相对较短时间段之后,车辆V4’超过车辆V2’,安装在主车辆V0上的传感器此时无法获得车辆V4’的信息,因为车辆V4’在传感器的视野外。然而,由于已经验证车辆V4’是车辆V4,因此主车辆V0可以使用此时通过车辆间通信网络从车辆V4接收的信息。例如,基于通过图4和图5中的车辆间通信网络接收的GPS数据,主车辆V0可以计算车辆V4的位置变化。此外,结合通过图4中的传感器获得的车辆V4相对于主车辆V0的所计算位置变化和相对信息,主车辆V0可以获得车辆V4相对于图5中的主车辆V0的相对信息。以此方式,主车辆V0获得受遮挡车辆V4的相对准确的位置信息。
因此,在实施方案中,提供一种车辆识别系统。图6是安装在第一车辆上的车辆识别系统200的示意性框图。
参考图6,车辆识别系统200包括通信装置201、感测装置203和处理装置205。
在一些实施方案中,通信装置201可以被配置成通过车辆间通信网络从其相邻车辆接收消息。在一些实施方案中,相邻车辆表示在第一车辆的通信范围内的车辆。在一些实施方案中,车辆间通信网络可以是DSRC网络,即V2V网络。车辆通过V2V通信系统交换其信标消息(或称为CAM),以获得相邻车辆的信息。
在一些实施方案中,来自特定相邻车辆的每个消息携载所述车辆的状态信息,所述状态信息包括但不限于特定相邻车辆的位置信息、前进方向信息、速率、加速度、制动状态、制动压力、转弯信号、偏航率或尺寸。通过安装在相邻车辆上的GPS装置获得的位置信息通常称为GPS数据并且有时可能不准确。
在一些实施方案中,通信装置201可以是安装在第一车辆上的无线收发器。
在一些实施方案中,感测装置203可以包括安装在第一车辆上的至少一个传感器,例如雷达、激光雷达或相机。在一些实施方案中,感测装置203可以被配置成检测可检测车辆的信息。在一些实施方案中,可检测车辆表示可以通过感测装置203检测到的车辆。通常,可检测车辆在感测装置203的视野内。感测装置203能够获得可检测车辆相对于第一车辆的相对参数,例如距离或角度,并且通过CAN总线将所获得的相对参数传输到处理装置205。
在一些实施方案中,感测装置203可以包括允许输出原始数据的雷达。这种雷达提供测量分辨单元数据,包括所有空间分辨单元的接收信号强度值,以及每个分辨单元中的反射中心的相对角度、相对距离和相对速率。
在一些实施方案中,感测装置203可以包括不允许输出原始数据的雷达。这种雷达提供可检测车辆相对于第一车辆的相对角度、相对距离和相对速率。
在一些实施方案中,感测装置203可以包括允许输出原始数据的激光雷达。这种激光雷达提供测量扫描点数据,每个点类似于原始雷达数据的分辨单元。
无论感测装置203是雷达还是激光雷达,都可以通过感测装置203直接地或间接地获得可检测车辆相对于第一车辆的相对角度、相对距离和相对速率。
在一些实施方案中,感测装置203可以包括相机,所述相机能够捕获其上呈现可检测车辆的图像。
处理装置205可以被配置成基于通过感测装置203获得的可检测车辆的信息来获得可检测车辆的绝对参数;以及基于从相邻车辆接收的消息中包含的信息和可检测车辆的绝对参数识别相邻车辆与可检测车辆中基本上相同的车辆。
在一些实施方案中,可检测车辆的绝对参数可以包括可检测车辆的前进方向、速率、加速度、制动状态、尺寸、转弯信号、距离变化或偏航率。可以在上述S105中找到关于基于通过感测装置203获得的可检测车辆的信息来获得这些绝对参数的更多细节。
处理装置205将从相邻车辆接收的消息中包含的信息与可检测车辆的绝对参数相比较,以建立相邻车辆与可检测车辆之间的映射关系。也就是说,处理装置205可以将可检测车辆之中的第一特定车辆识别为相邻车辆之中的第二特定车辆。也就是说,第一特定车辆和第二特定车辆是基本上相同的车辆。以此方式,即使第一特定车辆在感测装置203的视野外,第一车辆仍可以追踪所述第一特定车辆。
在一些实施方案中,处理装置205可以将相邻车辆的速率和前进方向与可检测车辆的速率和前进方向相比较。如果第一特定车辆的速率和前进方向与第二特定车辆的速率和前进方向相同或相似,则第一车辆可以确定第一和第二特定车辆是基本上相同的车辆。在一些实施方案中,一个值类似于另一值表示所述一个值处于所述另一值的预定阈值量内,即仅偏离另一值于预定阈值量内。
在一些实施方案中,为了提高识别准确度,可以在识别时使用例如加速度、尺寸、转弯信号、制动状态或偏航率的更多参数。
在一些实施方案中,距离变化也用于识别特定车辆。由于通过车辆间通信网络接收的消息不包含距离变化,因此处理装置205还可以被配置成基于消息中包含的位置信息使用方位推估法计算距离变化。
在一些实施方案中,如果确定可检测车辆之中的第一特定车辆在多个参数方面与多个相邻车辆之中的不止一个车辆匹配,所述多个参数包括例如,速率、前进方向、转弯信号、加速度和偏航率,则处理装置205还可以被配置成比较例如尺寸或制动状态的其它参数,以将第一特定车辆识别为所述不止一个车辆中的一个车辆。也就是说,第一特定车辆可以被识别为第二特定车辆,所述第二特定车辆在相邻车辆之中具有与第一特定车辆的参数相同或相似的最多参数。
在一些实施方案中,如果确定可检测车辆之中的第一特定车辆在所有参数方面匹配多个相邻车辆之中的不止一个车辆,则处理装置205还可以被配置成:在某一时间段内追踪所述不止一个车辆,直到第一特定车辆可以被识别为所述不止一个车辆中良好地匹配第一特定车辆的一个车辆。
在一些实施方案中,处理装置205可以通过多种方式识别相邻车辆与可检测车辆中基本上相同的车辆。例如,可以使用数据融合和数据挖掘域中的各种方法。基于从相邻车辆接收的消息中包含的信息以及可检测车辆的绝对参数,可以使用余弦相似度算法、马氏距离算法、PCA算法或AW算法来识别相邻车辆与可检测车辆中基本上相同的车辆。
在一些实施方案中,处理装置205可以是CPU、MCU或DSP等,或其任何组合。
在一些实施方案中,车辆识别系统200还可以包括例如存储器的存储装置,以存储通过处理装置205获得的识别结果。
根据一个实施方案,提供一种包含用于噪声消除的计算机程序的非暂时性计算机可读介质。当计算机程序通过处理器执行时,所述计算机程序将指导处理器:基于第一组数据和第二组数据将第一车辆识别为第二车辆,所述第一组数据表示通过至少一个传感器获得的所述第一车辆的信息,并且所述第二组数据表示通过车辆间通信网络从所述第二车辆接收的信息。
系统的各方面的硬件和软件实施之间几乎没有区别;硬件或软件的使用通常是表示成本与效率折衷的设计选择。例如,如果实施者确定速度和准确度是主要的,则实施者可以选择主要硬件和/或固件车辆;如果灵活性是主要的,则实施者可以选择主要软件实施;或作为又一种选择,实施者可以选择硬件、软件和/或固件的某种组合。
尽管本文已公开各个方面和实施方案,但是其它方面和实施方案将对本领域技术人员显而易见。本文所公开的各个方面和实施方案出于说明的目的且并不意图为限制性的,其中真正的范围和精神由所附权利要求书指示。

Claims (16)

1.一种车辆识别方法,其特征在于,所述方法包括:
在第一时刻,如果确定第一组数据与第二组数据匹配,则将第一车辆识别为第二车辆,所述第一组数据表示通过至少一个传感器获得的所述第一车辆的信息,并且所述第二组数据表示通过车辆间通信网络从所述第二车辆接收的信息;
将识别结果存储在服务器或存储装置中;以及
在所述第一时刻之后的第二时刻,当无法获得所述第二时刻的第一组数据时,基于所述第二时刻的第二组数据、所述识别结果以及在所述第一时刻通过所述至少一个传感器获得的所述第一车辆相对于主车辆的位置变化和相对信息计算所述第一车辆的位置。
2.根据权利要求1所述的方法,其特征在于,所述至少一个传感器包括选自雷达、激光雷达和相机的组合中的至少一个传感器。
3.根据权利要求1所述的方法,其特征在于,如果通过所述车辆间通信网络从包括所述第二车辆的多个相邻车辆接收的信息与所述第一组数据匹配,所述方法还包括:在某一时间段内追踪所述多个相邻车辆,直到确定在所述时间段内通过所述车辆间通信网络从所述第二车辆接收的信息与在所述时间段内通过所述至少一个传感器获得的关于所述第一车辆的信息匹配。
4.根据权利要求1所述的方法,其特征在于,确定所述第一组数据与所述第二组数据匹配包括:基于所述第一组数据获得表示所述第一车辆的绝对信息的第三组数据;以及确定所述第二组数据与所述第三组数据相同或偏离所述第三组数据于预定阈值量内。
5.根据权利要求1所述的方法,其特征在于,所述第二组数据包括选自
所述第二车辆的位置信息、前进方向、速率、加速度、制动状态、制动压力、转弯信号、偏航率和尺寸的组合中的至少一个数据。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述至少一个传感器在所述至少一个传感器的视野内从多个可检测车辆获得第一数据集,所述第一数据集包括所述第一组数据;
通过所述车辆间通信网络从多个相邻车辆接收第二数据集,所述第二数据集包括所述第二组数据;以及
基于所述第一数据集和所述第二数据集识别所述多个相邻车辆与所述多个可检测车辆中相同的车辆。
7.根据权利要求6所述的方法,其特征在于,使用相似度估计方法识别所述相同的车辆。
8.根据权利要求4所述的方法,其特征在于,所述第三组数据包括选自所述第一车辆的前进方向、速率、加速度、制动状态、尺寸、转弯信号、距离变化和偏航率的组合中的至少一个数据。
9.一种安装在主车辆上的车辆识别系统,其特征在于,所述系统包括:
感测装置,所述感测装置被配置成通过至少一个传感器获得表示第一车辆的信息的第一组数据;
通信装置,所述通信装置被配置成通过车辆间通信网络从第二车辆接收第二组数据;以及
处理装置,所述处理装置被配置成:
在第一时刻,如果确定所述第一组数据和所述第二组数据匹配,将所述第一车辆识别为所述第二车辆;将识别结果存储在服务器或存储装置中;以及在所述第一时刻之后的第二时刻,当无法获得所述第二时刻的第一组数据时,基于所述第二时刻的第二组数据、所述识别结果以及在所述第一时刻通过所述至少一个传感器获得的所述第一车辆相对于所述主车辆的位置变化和相对信息计算所述第一车辆的位置。
10.根据权利要求9所述的车辆识别系统,其特征在于,所述至少一个传感器包括选自雷达、激光雷达和相机的组合中的至少一个传感器。
11.根据权利要求9所述的车辆识别系统,其特征在于,如果通过所述车辆间通信网络从包括所述第二车辆的多个相邻车辆接收的信息与所述第一组数据匹配,则所述处理装置还被配置成:在某一时间段内追踪所述多个相邻车辆,直到确定在所述时间段内通过所述车辆间通信网络从所述第二车辆接收的信息与在所述时间段内通过所述至少一个传感器获得的关于所述第一车辆的信息匹配。
12.根据权利要求9所述的车辆识别系统,其特征在于,所述处理装置还被配置成:基于所述第一组数据获得表示所述第一车辆的绝对信息的第三组数据;以及确定所述第二组数据与所述第三组数据相同或偏离所述第三组数据于预定阈值量内。
13.根据权利要求9所述的车辆识别系统,其特征在于,所述第二组数据包括选自所述第二车辆的位置信息、前进方向、速率、加速度、制动状态、制动压力、转弯信号、偏航率和尺寸的组合中的至少一个数据。
14.根据权利要求9所述的车辆识别系统,其特征在于,所述感测装置还被配置成在所述至少一个传感器的视野内从多个可检测车辆获得第一数据集,所述第一数据集包括所述第一组数据;
所述通信装置还被配置成通过所述车辆间通信网络从多个相邻车辆接收第二数据集,所述第二数据集包括所述第二组数据;并且
所述处理装置还被配置成基于所述第一数据集和所述第二数据集识别所述多个相邻车辆与所述多个可检测车辆中相同的车辆。
15.根据权利要求14所述的车辆识别系统,其特征在于,所述处理装置被配置成使用相似度估计方法识别所述相同的车辆。
16.根据权利要求12所述的车辆识别系统,其特征在于,所述第三组数据包括选自所述第一车辆的前进方向、速率、加速度、制动状态、尺寸、转弯信号、距离变化和偏航率的组合中的至少一个数据。
CN201680087324.0A 2016-07-15 2016-07-15 车辆识别方法和系统 Active CN109416885B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2016/090197 WO2018010172A1 (en) 2016-07-15 2016-07-15 Vehicle identification method and system

Publications (2)

Publication Number Publication Date
CN109416885A CN109416885A (zh) 2019-03-01
CN109416885B true CN109416885B (zh) 2022-06-17

Family

ID=60952696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680087324.0A Active CN109416885B (zh) 2016-07-15 2016-07-15 车辆识别方法和系统

Country Status (4)

Country Link
US (1) US11417204B2 (zh)
EP (1) EP3485478A4 (zh)
CN (1) CN109416885B (zh)
WO (1) WO2018010172A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020136894A1 (ja) * 2018-12-28 2020-07-02 本田技研工業株式会社 車両、通信装置及び方法
CN110103953B (zh) * 2019-04-30 2021-01-01 北京百度网讯科技有限公司 用于辅助车辆的驾驶控制的方法、设备、介质和系统
CN110208739B (zh) * 2019-05-29 2022-10-11 阿波罗智能技术(北京)有限公司 基于路侧设备利用v2x的辅助车辆定位的方法、装置、设备
CN110867132B (zh) * 2019-10-15 2022-03-01 阿波罗智能技术(北京)有限公司 环境感知的方法、装置、电子设备和计算机可读存储介质
CN116168546B (zh) * 2023-02-20 2024-05-31 烽火通信科技股份有限公司 车辆标识信息归属判定方法、装置、设备及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004145479A (ja) * 2002-10-22 2004-05-20 Aisin Seiki Co Ltd 周辺車両情報提供装置
EP1862988A1 (en) * 2006-05-30 2007-12-05 Mazda Motor Corporation A driving assist for a vehicle
JP2010231358A (ja) * 2009-03-26 2010-10-14 Toyota Motor Corp 車両特定装置

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7209221B2 (en) * 1994-05-23 2007-04-24 Automotive Technologies International, Inc. Method for obtaining and displaying information about objects in a vehicular blind spot
WO2001085491A1 (en) * 2000-05-08 2001-11-15 Automotive Technologies International, Inc. Vehicular blind spot identification and monitoring system
JP4752669B2 (ja) * 2006-08-16 2011-08-17 トヨタ自動車株式会社 車両同定装置、位置算出装置
US8229663B2 (en) * 2009-02-03 2012-07-24 GM Global Technology Operations LLC Combined vehicle-to-vehicle communication and object detection sensing
IES20100609A2 (en) 2009-09-22 2011-03-02 Kenneth Christopher Fogarty Electronic toll charge payment system and method
JP5152244B2 (ja) * 2010-04-06 2013-02-27 トヨタ自動車株式会社 追従対象車特定装置
JP5585177B2 (ja) * 2010-04-12 2014-09-10 トヨタ自動車株式会社 先行車位置判定装置
JP2012145374A (ja) * 2011-01-07 2012-08-02 Isuzu Motors Ltd 相対位置同定装置
KR20140024930A (ko) * 2011-07-26 2014-03-03 도요타 지도샤(주) 차량 특정 시스템 및 차량 특정 장치
US9495870B2 (en) * 2011-10-20 2016-11-15 At&T Intellectual Property I, L.P. Vehicular communications using a scalable ad hoc geographic routing protocol
JP5895943B2 (ja) * 2011-11-21 2016-03-30 トヨタ自動車株式会社 車両特定装置
US9187117B2 (en) * 2012-01-17 2015-11-17 Ford Global Technologies, Llc Autonomous lane control system
US9253753B2 (en) * 2012-04-24 2016-02-02 Zetta Research And Development Llc-Forc Series Vehicle-to-vehicle safety transceiver using time slots
US9117371B2 (en) * 2012-06-22 2015-08-25 Harman International Industries, Inc. Mobile autonomous surveillance
US8704679B2 (en) * 2012-06-27 2014-04-22 GM Global Technology Operations LLC Framework for packet processing for secure V2V applications on resource-constrained platforms
KR102075110B1 (ko) * 2012-09-07 2020-02-10 주식회사 만도 V2v 통신 기반 차량 식별 장치 및 그 식별 방법
US20140164582A1 (en) * 2012-12-06 2014-06-12 SXCVS XM Connected Vehicle Services Inc. Method and system for providing configurable communication network routing
US9327693B2 (en) * 2013-04-10 2016-05-03 Magna Electronics Inc. Rear collision avoidance system for vehicle
EP2851886B1 (en) * 2013-09-19 2018-04-11 Volvo Car Corporation Arrangement in a vehicle for providing vehicle driver support, a vehicle, and a method for providing vehicle driver support
JP6214995B2 (ja) * 2013-10-11 2017-10-18 株式会社東芝 駐車車両検出装置、車両管理システム、制御方法及び制御プログラム
JP6205316B2 (ja) * 2014-07-11 2017-09-27 株式会社デンソー 車両制御装置
CN104200688A (zh) 2014-09-19 2014-12-10 杜东平 一种双向广播式车辆间通信系统及方法
KR102263731B1 (ko) * 2014-11-11 2021-06-11 현대모비스 주식회사 주변차량의 위치정보 보정 시스템 및 방법
CN105679093B (zh) * 2016-02-23 2018-10-09 江苏大学 一种基于车车通信的多车协同避撞系统及其方法
EP3348293A1 (en) * 2017-01-17 2018-07-18 Carebay Europe Ltd. Medicament delivery device

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004145479A (ja) * 2002-10-22 2004-05-20 Aisin Seiki Co Ltd 周辺車両情報提供装置
EP1862988A1 (en) * 2006-05-30 2007-12-05 Mazda Motor Corporation A driving assist for a vehicle
JP2010231358A (ja) * 2009-03-26 2010-10-14 Toyota Motor Corp 車両特定装置

Also Published As

Publication number Publication date
EP3485478A4 (en) 2020-04-08
EP3485478A1 (en) 2019-05-22
CN109416885A (zh) 2019-03-01
US11417204B2 (en) 2022-08-16
US20210241611A1 (en) 2021-08-05
WO2018010172A1 (en) 2018-01-18

Similar Documents

Publication Publication Date Title
CN109416885B (zh) 车辆识别方法和系统
CN107430819B (zh) 车辆信息处理装置及车辆信息处理方法
JP5152244B2 (ja) 追従対象車特定装置
JP4752669B2 (ja) 車両同定装置、位置算出装置
US8510027B2 (en) Method for judging vehicle traveling position and vehicle traveling position judgment device
JP4650508B2 (ja) 認識システム
CN109752741B (zh) 车辆定位设备
WO2013014755A1 (ja) 車両特定システム及び車両特定装置
KR102166512B1 (ko) 주변 환경에서 자동차를 정밀 위치 추적하기 위한 방법, 디바이스, 맵 관리 장치 및 시스템
US11092442B2 (en) Host vehicle position estimation device
WO2019061311A1 (zh) 自动驾驶车辆的控制方法、控制终端及机器可读存储介质
EP3121760A1 (en) System and method for generating and communicating lane information from a host vehicle to a vehicle-to-vehicle network
US11125575B2 (en) Method and apparatus for estimating a location of a vehicle
CN109839636B (zh) 物体识别装置
US11292481B2 (en) Method and apparatus for multi vehicle sensor suite diagnosis
JP2017146724A (ja) 地図情報出力装置
EP3218888B1 (en) Trajectory detection
US20220055660A1 (en) Stationary object detection
US10970870B2 (en) Object detection apparatus
US11919544B2 (en) Method and device for operating an automated vehicle
CN113179303A (zh) 用于上报交通事件的方法、设备和程序载体
US20210223409A1 (en) Method and device for determining a position of a vehicle
US20210039658A1 (en) Object identification device
US20180326978A1 (en) Method and device for generating an environment model for a vehicle
JP2017218115A (ja) 車両回転角推定装置

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