CN109492566B - 车道位置信息获取方法、装置及存储介质 - Google Patents
车道位置信息获取方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109492566B CN109492566B CN201811288360.0A CN201811288360A CN109492566B CN 109492566 B CN109492566 B CN 109492566B CN 201811288360 A CN201811288360 A CN 201811288360A CN 109492566 B CN109492566 B CN 109492566B
- Authority
- CN
- China
- Prior art keywords
- position information
- lane position
- intelligent automobile
- lane
- millimeter wave
- 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
Images
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
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S13/00—Systems 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
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S13/00—Systems 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S13/00—Systems 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Abstract
本发明公开了一种车道位置信息获取方法、装置及存储介质,属于智能汽车技术领域。所述方法包括:获取智能汽车当前所处环境的光照强度;基于所述光照强度,通过所述智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息;将通过所述摄像头和/或所述成像毫米波雷达确定的车道位置信息进行融合处理,得到所述智能汽车当前所处环境的车道位置信息。本发明中,通过摄像头确定车道位置信息的方式与通过成像毫米波雷达确定车道位置信息的方式互为冗余,保证了任何情况下都能够准确地确定车道位置信息,从而提高了获取车道位置信息的准确性和可靠性。
Description
技术领域
本发明涉及智能汽车技术领域,特别涉及一种车道位置信息获取方法、装置及存储介质。
背景技术
随着技术的发展,智能汽车智能化的程度越来越高,智能汽车可以实现自动驾驶。其中,智能汽车在自动驾驶过程中,为了能够获知前进轨迹,智能汽车则需要通过获取所处环境的车道位置信息。
目前,智能汽车可以根据安装的摄像头、毫米波雷达或激光雷达等设备获取车道位置信息。但是,由于摄像头可能受到光线,或者雨雪天气的影响,导致无法准确地检测车道位置信息,且由于毫米波雷达在遇到大雨和大雾天气环境时,检测性能大大下降,同样无法准确地检测车道位置信息;而激光雷达虽然探测精度高,但是在大雪、大雨和大雾等极端天气下,检测性能同样较差,同样无法准确地检测车道位置信息,而且激光雷达的使用成本较高。当智能汽车通过摄像头、毫米波雷达或激光雷达等设备无法准确地检测车道位置信息时,可以会导致智能汽车不能进行自动驾驶,更严重可能导致危险事故的发生。
发明内容
本发明实施例提供了一种车道位置信息获取方法、装置及存储介质,用于解决相关技术中车道位置信息检测不准确,影响智能汽车自动驾驶的问题。所述技术方案如下:
第一方面,提供了一种车道位置信息获取方法,所述方法包括:
获取智能汽车当前所处环境的光照强度;
基于所述光照强度,通过所述智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息;
将通过所述摄像头和/或所述成像毫米波雷达确定的车道位置信息进行融合处理,得到所述智能汽车当前所处环境的车道位置信息。
可选地,所述基于所述光照强度,通过摄像头和/或成像毫米波雷达确定车道位置信息,包括:
当所述光照强度小于或等于光照强度阈值时,通过所述成像毫米波雷达确定车道位置信息;
当所述光照强度大于所述强度阈值,通过所述摄像头和/或所述成像毫米波雷达确定车道位置信息。
可选地,所述通过所述智能汽车安装的成像毫米波雷达确定车道位置信息,包括:
通过所述成像毫米波雷达采集雷达数据;
基于所述雷达数据和所述导航地图,通过成像雷达定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息,所述导航地图包括所述智能汽车行驶路径中各个车道的车道信息。
可选地,所述通过所述智能汽车安装的摄像头确定车道位置信息,包括:
通过所述摄像头采集智能汽车所处位置的视觉数据;
通过车道位置检测算法从所述视觉数据中识别所述车道位置信息,以及基于所述视觉数据和导航地图,通过视觉定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息,所述导航地图包括所述智能汽车行驶路径中各个车道的车道信息。
可选地,所述通过所述摄像头和/或所述成像毫米波雷达确定车道位置信息,包括:
当所述摄像头故障时,通过所述成像毫米波雷达确定所述智能汽车当前所处环境中的车道位置信息;
当所述成像毫米波雷达故障时,通过所述摄像头确定所述智能汽车当前所处环境中的车道位置信息。
第二方面,提供了一种车道位置信息获取装置,所述装置包括:
获取模块,用于获取智能汽车当前所处环境的光照强度;
确定模块,用于基于所述光照强度,通过所述智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息;
处理模块,用于将通过所述摄像头和/或所述成像毫米波雷达确定的车道位置信息进行融合处理,得到所述智能汽车当前所处环境的车道位置信息。
可选地,所述确定模块包括:
第一确定子模块,用于当所述光照强度小于或等于光照强度阈值时,通过所述成像毫米波雷达确定车道位置信息;
第二确定子模块,用于当所述光照强度大于所述强度阈值,通过所述摄像头和/或所述成像毫米波雷达确定车道位置信息。
可选地,所述确定模块包括:
第一采集子模块,用于通过所述成像毫米波雷达采集雷达数据;
第一定位子模块,用于基于所述雷达数据和所述导航地图,通过成像雷达定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息,所述导航地图包括所述智能汽车行驶路径中各个车道的车道信息。
可选地,所述确定模块包括:
第二采集子模块,用于通过所述摄像头采集智能汽车所处位置的视觉数据;
第二定位子模块,用于通过车道位置检测算法从所述视觉数据中识别所述车道位置信息,以及基于所述视觉数据和导航地图,通过视觉定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息,所述导航地图包括所述智能汽车行驶路径中各个车道的车道信息。
可选地,所述第二确定子模块用于:
当所述摄像头故障时,通过所述成像毫米波雷达确定所述智能汽车当前所处环境中的车道位置信息;
当所述成像毫米波雷达故障时,通过所述摄像头确定所述智能汽车当前所处环境中的车道位置信息。
第三方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法。
本发明实施例提供的技术方案带来的有益效果至少包括:
在本发明实施例中,可以获取光照强度,并根据光照强度,通过摄像头和/或成像毫米波雷达确定车道位置信息,然后将通过摄像头和/或成像毫米波雷达确定车道位置信息进行融合处理,得到智能汽车当前所处环境的车道位置信息,从而使通过摄像头确定车道位置信息的方式与通过成像毫米波雷达确定车道位置信息的方式互为冗余,保证了任何情况下都能够准确地确定车道位置信息,从而提高了获取车道位置信息的准确性和可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种车道位置信息获取系统的架构示意图;
图2是本发明实施例提供的一种车道位置信息获取方法流程图;
图3是本发明实施例提供的另一种车道位置信息获取方法流程图;
图4是本发明实施例提供的一种车道位置信息获取装置结构示意图;
图5是本发明实施例提供的第一种确定模块的结构示意图;
图6是本发明实施例提供的第二种确定模块的结构示意图;
图7是本发明实施例提供的第三种确定模块的结构示意图;
图8是本发明实施例提供的一种智能汽车的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例进行详细的解释说明之前,先对本发明实施例中涉及到的应用场景及系统架构分别进行解释说明。
首先,对本发明实施例涉及的应用场景进行介绍。
随着技术的发展,智能汽车智能化的程度越来越高,智能汽车可以实现自动驾驶,在智能汽车进行自动驾驶的过程中,为了能够准确按照自动导航路径进行行驶,智能汽车根据安装的摄像头、毫米波雷达或激光雷达等设备获取车道位置信息。但是,由于摄像头可能受到光线,或者雨雪天气的影响,导致无法准确地检测车道位置信息,且由于毫米波雷达在遇到大雨和大雾天气环境时,检测性能大大下降,同样无法准确地检测车道位置信息;而激光雷达虽然探测精度高,但是在大雪、大雨和大雾等极端天气下,检测性能同样较差,同样无法准确地检测车道位置信息,而且激光雷达的使用成本较高。当智能汽车通过摄像头、毫米波雷达或激光雷达等设备无法准确地检测车道位置信息时,可以会导致智能汽车不能进行自动驾驶,更严重可能导致危险事故的发生。
基于这样的场景,本发明实施例提供了一种能够提高车道位置信息获取可靠性的车道位置信息获取方法。
接下来,对本发明实施例涉及的系统架构进行介绍。
图1为本发明实施例提供的一种车道位置信息获取系统的架构示意图,参见图1,该系统包括摄像头1、地图存储模块2、成像毫米波雷达3和中央处理器3。摄像头1和成像毫米波雷达3安装在智能汽车上的数量和安装位置不限制,比如,智能汽车可以安装9个摄像头1和6个成像毫米波雷达3,且9个摄像头1和6个成像毫米波雷达3可以安装在车辆四周,也即,可以在智能汽车前保正前方安装1个摄像头2,在前挡风玻璃内安装4个摄像头2,在左后视镜下方的左侧向安装一个前视的摄像头2和一个后视的摄像头2,在右后视镜下方的右侧向安装一个前视的摄像头2和一个后视的摄像头2,在后挡风玻璃内安装一个后视的摄像头2。在前保正前方安装一个远距离的成像毫米波雷达3和一个中距离的成像毫米波雷达3,在左前保和右前保内侧各安装一个中距离的成像毫米波雷达3,在左后保和右后保内侧各安装一个中距离的成像毫米波雷达3,在后保正中间内侧安装一个长中距的成像毫米波雷达3。
其中,摄像头1、地图存储模块2和毫米波雷达3可以分别与中央处理器4通过CAN总线连接。摄像头1用于获取智能汽车当前所处环境的视觉数据,并将获取的视觉数据发送至中央处理器4;地图存储模块2用于将存储导航地图发送至中央处理器4;成像毫米波雷达3由于采集雷达数据,并将采集的雷达数据发送至中央处理器4;中央处理器4用于从视觉数据中获取该智能汽车当前所处环境的车道位置信息,以及基于视觉数据和导航地图通过视觉定位算法确定该智能汽车当前所处环境中的车道位置信息,以及基于雷达数据和导航地图通过成像雷达定位算法确定该智能汽车当前所处环境中的车道位置信息。
需要说明的是,参见图1,该中央处理器4可以包括车道线检测模块41、视觉定位模块42、成像雷达定位模块43和车道位置信息融合模块44。摄像头1可以分别与车道线检测模块41和视觉定位模块42连接,地图存储模块2可以分别与视觉定位模块42和成像雷达定位模块43连接,成像毫米波雷达3可以与成像雷达定位模块43连接,车道线检测模块41、视觉定位模块42、成像雷达定位模块43分别和车道位置信息融合模块44连接。
其中,车道线检测模块41用于从视觉数据中获取到该智能汽车当前所处环境的车道位置信息;视觉定位模块42用于基于视觉数据和导航地图通过视觉定位算法确定该智能汽车当前所处环境中的车道位置信息;成像雷达定位模块43用于基于雷达数据和导航地图通过成像雷达定位算法确定该智能汽车当前所处环境中的车道位置信息;车道位置信息融合模块44用于根据车道线检测模块41、视觉定位模块42、成像雷达定位模块43所确定的车道位置信息进行融合处理,得到智能汽车当前所处环境中的车道位置信息。
在对本发明实施例的应用场景及系统架构进行介绍之后,接下来将结合附图对本发明实施例提供的车道位置信息获取方法进行详细介绍。
图2为本发明实施例提供的一种车道位置信息获取方法的流程图,参见图2,该方法应用于智能汽车中,包括如下步骤。
步骤201:获取智能汽车当前所处环境的光照强度。
步骤202:基于该光照强度,通过该智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息。
步骤203:将通过该摄像头和/或该成像毫米波雷达确定的车道位置信息进行融合处理,得到该智能汽车当前所处环境的车道位置信息。
在本发明实施例中,可以获取光照强度,并根据光照强度,通过摄像头和/或成像毫米波雷达确定车道位置信息,然后将通过摄像头和/或成像毫米波雷达确定车道位置信息进行融合处理,得到智能汽车当前所处环境的车道位置信息,从而使通过摄像头确定车道位置信息的方式与通过成像毫米波雷达确定车道位置信息的方式互为冗余,保证了任何情况下都能够准确地确定车道位置信息,从而提高了获取车道位置信息的准确性和可靠性。
可选地,基于该光照强度,通过摄像头和/或成像毫米波雷达确定车道位置信息,包括:
当该光照强度小于或等于光照强度阈值时,通过该成像毫米波雷达确定车道位置信息;
当该光照强度大于该强度阈值,通过该摄像头和/或该成像毫米波雷达确定车道位置信息。
可选地,通过该智能汽车安装的成像毫米波雷达确定车道位置信息,包括:
通过该成像毫米波雷达采集雷达数据;
基于该雷达数据和该导航地图,通过成像雷达定位算法对该智能汽车当前所处环境的车道进行定位,得到该车道位置信息,该导航地图包括该智能汽车行驶路径中各个车道的车道信息。
可选地,通过该智能汽车安装的摄像头确定车道位置信息,包括:
通过该摄像头采集智能汽车所处位置的视觉数据;
通过车道位置检测算法从该视觉数据中识别该车道位置信息,以及基于该视觉数据和导航地图,通过视觉定位算法对该智能汽车当前所处环境的车道进行定位,得到该车道位置信息,该导航地图包括该智能汽车行驶路径中各个车道的车道信息。
可选地,通过该摄像头和/或该成像毫米波雷达确定车道位置信息,包括:
当该摄像头故障时,通过该成像毫米波雷达确定该智能汽车当前所处环境中的车道位置信息;
当该成像毫米波雷达故障时,通过该摄像头确定该智能汽车当前所处环境中的车道位置信息。
上述所有可选技术方案,均可按照任意结合形成本发明的可选实施例,本发明实施例对此不再一一赘述。
图3为本发明实施例提供的一种车道位置信息获取方法的流程图,参见图3,该方法包括如下步骤。
步骤301:智能汽车获取当前所处环境的光照强度。
由于智能汽车的行驶路径中,可能会出现不同的路况,对于不同路况,智能汽车行驶的车道需要发生变化,且为了安全的进行行驶,智能汽车也需要获取车道位置信息。同时,智能汽车可以同时通过摄像头和成像毫米波雷达获取车道位置信息,但是由于有时候智能汽车所处环境通过摄像头无法获取车道位置信息,比如,在光线较暗的隧道、夜晚,摄像头无法获取车道位置信息,因此,智能汽车需要获取当前所处环境的光照强度。
需要说明的是,智能汽车可以实时获取当前所处环境的光照强度,也可以是每隔指定时间间隔获取当前所处环境的光照强度。该指定时间间隔可以为5分钟、10分钟等等。
步骤302:智能汽车基于光照强度,通过智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息。
由于光照强度可能会大于或等于强度阈值,也可能会小于强度阈值,因此,智能汽车需要根据光照强度,通过智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息。
其中,智能汽车通过智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息的操作可以为:当光照强度小于或等于光照强度阈值时,通过成像毫米波雷达确定车道位置信息;当光照强度大于强度阈值,通过摄像头和/或成像毫米波雷达确定车道位置信息。
需要说明的是,该强度阈值可以事先设置,比如,该强度阈值可以为100坎德拉、200坎德拉等等。
由于摄像机可以在晴好天气等光线较好的环境下能够正常工作,但在较暗的地方无法获取准确的视觉数据,当光照强度小于或等于光照强度阈值,说明此时光线非常暗,智能汽车的摄像头无法获取清晰的视觉数据,从而无法识别车道位置信息,因此,智能汽车可以在光照强度阈值大于强度阈值时,通过摄像头和/或成像毫米波雷达确定车道位置信息,而在光照强度小于或等于强度阈值时,通过成像毫米波雷达确定车道位置信息。
下述分别对智能汽车通过摄像头和成像毫米波雷达确定车道位置信息的操作进行说明。
智能汽车通过摄像头确定车道位置信息
其中,智能汽车可以通过摄像头采集可视范围内的视觉数据,并通过车道位置检测算法从视觉数据识别车道位置信息。也即是,智能汽车可以对视觉数据进行图像识别,以确定当前所处环境的车道位置信息。以及基于视觉数据和导航地图,通过视觉定位算法对智能汽车当前所处环境的车道进行定位,得到车道位置信息,导航地图包括智能汽车行驶路径中各个车道的车道信息。
进一步地,由于有时候智能汽车可能在大雾天、雨雪天等环境下通过安装的摄像头获取可视范围内的视觉数据,在这样的环境下获取的视觉数据可能会受雨雾影响,导致视距数据中车道位置信息的清晰度较差,导致智能汽车无法进行从视觉数据中识别车道位置信息,或者识别结果不准确,或者视觉定位不准确。同时,由于有时候智能汽车还可以在阳光较强的环境下通过安装的摄像头获取可视范围内的视觉数据,但是在这样的环境下获取视觉数据的曝光度较高,同样可能会导致智能汽车的识别的车道信息结果不准确,或者视觉定位不准确。因此,智能汽车通过摄像头获取视觉数据后,还可以确定视觉数据的清晰度和/或曝光度;当视觉数据的清晰度小于清晰度阈值,和/或视觉数据的曝光度大于或等于曝光度阈值时,确定通过摄像头无法获取车道位置信息;当视觉数据的清晰度大于清晰度阈值,和/或视觉数据的曝光度小于曝光度阈值时,从通过车道位置检测算法从视觉数据识别车道位置信息,以及基于视觉数据和导航地图,通过视觉定位算法对智能汽车当前所处环境的车道进行定位,得到车道位置信息。
需要说明的是,该清晰度阈值可以事先设置,比如,该清晰度阈值可以为512*768像素、512*384像素等等。曝光度阈值同样可以事先设置,比如,该曝光度阈值可以为3曝光值、2曝光值等等。
智能汽车通过成像毫米波雷达确定车道位置信息
其中,智能汽车可以通过安装的成像毫米波雷达采集雷达数据;基于雷达数据和导航地图,通过成像雷达定位算法对智能汽车当前所处环境的车道进行定位,得到车道位置信息。
需要说明的是,该雷达数据包括智能汽车距离周围物体的距离、相对速度、方位角等。
进一步地,由于有时候摄像头可能出现故障,导致无法采集视觉数据,从而无法使用视觉定位算法对车道进行定位,进而导致无法确定当前所处环境的车道位置信息。或者,由于智能汽车中的成像毫米波雷达出现故障,无法获取雷达数据,从而无法通过成像雷达定位算法对车道进行定位,进而导致无法确定当前所处环境的车道位置信息。因此,智能汽车也可以在摄像头故障时,通过成像毫米波雷达确定车道位置信息。当成像毫米波雷达故障时,可以通过摄像头确定车道位置信息。
值得说明的是,由于智能汽车既可以通过摄像头确定车道位置信息,又可以通过成像毫米波雷达确定车道位置信息,从而使摄像头确定车道位置信息的方式与成像毫米波雷达确定车道位置信息的方式互为冗余,当一种车道位置信息确定方式失效时,另外一种车道位置信息确定方式依然可以确定车道位置信息,从而提高了获取车道位置信息的可靠性和安全性。
步骤303:智能汽车将通过摄像头和/或成像毫米波雷达确定的车道位置信息进行融合处理,得到智能汽车当前所处环境的车道位置信息。
由上述可知,根据光线影响以及摄像头和成像毫米波雷达故障与否的影响,智能汽车有时可能仅通过摄像头获取车道位置信息,有时可能通过成像毫米波雷达获取车道位置信息,有时可能同时通过摄像头和成像毫米波雷达获取车道位置信息。因此,智能汽车可能会一次性获取同一车道的多个车道位置信息,为了准确地确定智能汽车当前所处位置的车道位置信息,智能汽车可以将通过摄像头和/或成像毫米波雷达确定的车道位置信息进行融合处理。
其中,当智能汽车仅通过成像毫米波雷达确定车道位置信息时,可以将成像毫米波雷达确定车道信息作为智能汽车当前所处环境的车道位置信息。当智能汽车仅通过摄像头确定车道位置信息时,由于摄像头采集视觉数据后,智能汽车可以直接从视觉数据中获取车道位置信息,以及通过视觉定位算法确定车道位置信息,而且智能汽车从视觉数据中可能识别到车道位置信息,也可能无法识别车道位置信息。因此,当智能汽车从视觉数据中识别到车道位置信息时,可以将识别得到的车道位置信息或视觉定位得到的车道位置信息作为智能汽车当前所处环境的车道位置信息;当智能汽车从视觉数据中未识别到车道位置信息时,可以将视觉定位得到的车道位置信息作为智能汽车当前所处环境的车道位置信息。当智能汽车同时通过摄像头和成像毫米波雷达确定车道位置信息时,如果智能汽车从视觉数据中识别到车道位置信息,则可以将识别得到的车道位置信息、视觉定位得到的车道位置信息或雷达定位得到的车道位置信息作为智能汽车当前所处环境的车道位置信息;当智能汽车从视觉数据中未识别到车道位置信息时,可以将视觉定位得到的车道位置信息或雷达定位得到的位置信息作为智能汽车当前所处环境的车道位置信息。
在本发明实施例中,智能汽车可以获取光照强度,并根据光照强度,通过摄像头和/或成像毫米波雷达确定车道位置信息,然后将通过摄像头和/或成像毫米波雷达确定车道位置信息进行融合处理,得到智能汽车当前所处环境的车道位置信息,从而使通过摄像头确定车道位置信息的方式与通过成像毫米波雷达确定车道位置信息的方式互为冗余,保证了任何情况下都能够准确地确定车道位置信息,从而提高了获取车道位置信息的准确性和可靠性。
在对本发明实施例提供的车道位置信息获取方法进行解释说明之后,接下来,对本发明实施例提供的车道位置信息获取装置进行介绍。
图4是本公开实施例提供的一种车道位置信息获取装置的框图,参见图4,该装置可以由软件、硬件或者两者的结合实现。该装置包括:获取模块401、确定模块402和处理模块403。
获取模块401,用于获取智能汽车当前所处环境的光照强度;
确定模块402,用于基于所述光照强度,通过所述智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息;
处理模块403,用于将通过所述摄像头和/或所述成像毫米波雷达确定的车道位置信息进行融合处理,得到所述智能汽车当前所处环境的车道位置信息。
可选地,参见图5,所述确定模块402包括:
第一确定子模块4021,用于当所述光照强度小于或等于光照强度阈值时,通过所述成像毫米波雷达确定车道位置信息;
第二确定子模块4022,用于当所述光照强度大于所述强度阈值,通过所述摄像头和/或所述成像毫米波雷达确定车道位置信息。
可选地,参见图6,所述确定模块402包括:
第一采集子模块4023,用于通过所述成像毫米波雷达采集雷达数据;
第一定位子模块4024,用于基于所述雷达数据和所述导航地图,通过成像雷达定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息,所述导航地图包括所述智能汽车行驶路径中各个车道的车道信息。
可选地,参见图7,所述确定模块402包括:
第二采集子模块4025,用于通过所述摄像头采集智能汽车所处位置的视觉数据;
第二定位子模块4026,用于通过车道位置检测算法从所述视觉数据中识别所述车道位置信息,以及基于所述视觉数据和导航地图,通过视觉定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息,所述导航地图包括所述智能汽车行驶路径中各个车道的车道信息。
综上所述,在本发明实施例中,可以获取光照强度,并根据光照强度,通过摄像头和/或成像毫米波雷达确定车道位置信息,然后将通过摄像头和/或成像毫米波雷达确定车道位置信息进行融合处理,得到智能汽车当前所处环境的车道位置信息,从而使通过摄像头确定车道位置信息的方式与通过成像毫米波雷达确定车道位置信息的方式互为冗余,保证了任何情况下都能够准确地确定车道位置信息,从而提高了获取车道位置信息的准确性和可靠性。
需要说明的是:上述实施例提供的车道位置信息获取装置在获取车道位置信息时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的车道位置信息获取装置与车道位置信息获取方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图8示出了本发明一个示例性实施例提供的智能汽车800的结构框图。通常,智能汽车800包括有:处理器801和存储器802。
处理器801可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器801可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器801还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的车道位置信息获取方法。
在一些实施例中,智能汽车800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、触摸显示屏805、摄像头806、音频电路807、定位组件808和电源809中的至少一种。
外围设备接口803可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上;在一些其他实施例中,处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路804包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路804还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏805用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时,显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时,显示屏805还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏805可以为一个,设置智能汽车800的前面板;在另一些实施例中,显示屏805可以为至少两个,分别设置在智能汽车800的不同表面或呈折叠设计;在再一些实施例中,显示屏805可以是柔性显示屏,设置在智能汽车800的弯曲表面上或折叠面上。甚至,显示屏805还可以设置成非矩形的不规则图形,也即异形屏。显示屏805可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件806用于采集图像或视频。可选地,摄像头组件806包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。
音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器801进行处理,或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在智能汽车800的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路807还可以包括耳机插孔。
定位组件808用于定位智能汽车800的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源809用于为智能汽车800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,智能汽车800还包括有一个或多个传感器810。该一个或多个传感器810包括但不限于:加速度传感器811。
加速度传感器811可以检测以智能汽车800建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器811可以用于检测重力加速度在三个坐标轴上的分量。处理器801可以根据加速度传感器811采集的重力加速度信号,控制触摸显示屏805以横向视图或纵向视图进行用户界面的显示。加速度传感器811还可以用于游戏或者用户的运动数据的采集。
也即是,本发明实施例不仅提供了一种智能汽车,包括处理器和用于存储处理器可执行指令的存储器,其中,处理器被配置为执行图2和图3所示的实施例中的方法,而且,本发明实施例还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,该计算机程序被处理器执行时可以实现图2和图3所示的实施例中的车道位置信息获取方法。
本领域技术人员可以理解,图8中示出的结构并不构成对智能汽车800的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种车道位置信息获取方法,其特征在于,所述方法包括:
获取智能汽车当前所处环境的光照强度;
当所述光照强度小于或等于光照强度阈值时,通过所述智能汽车安装的成像毫米波雷达确定车道位置信息;
当所述光照强度大于所述光照强度阈值时,通过所述智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息;
将通过所述摄像头和/或所述成像毫米波雷达确定的车道位置信息进行融合处理,得到所述智能汽车当前所处环境的车道位置信息;
所述通过所述智能汽车安装的摄像头确定车道位置信息,包括:
通过所述摄像头采集智能汽车所处位置的视觉数据;
确定所述视觉数据的清晰度和/或曝光度;
当所述视觉数据的清晰度小于清晰度阈值,和/或所述视觉数据的曝光度大于或等于曝光度阈值时,通过所述智能汽车安装的成像毫米波雷达确定车道位置信息;
当所述视觉数据的清晰度大于所述清晰度阈值,且所述视觉数据的曝光度小于所述曝光度阈值时,通过车道位置检测算法从所述视觉数据中识别所述车道位置信息,以及基于所述视觉数据和导航地图,通过视觉定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息,所述导航地图包括所述智能汽车行驶路径中各个车道的车道信息。
2.如权利要求1所述的方法,其特征在于,所述通过所述智能汽车安装的成像毫米波雷达确定车道位置信息,包括:
通过所述成像毫米波雷达采集雷达数据;
基于所述雷达数据和所述导航地图,通过成像雷达定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息。
3.如权利要求1所述的方法,其特征在于,所述通过所述智能汽车安装的摄像头和/或成像毫米波雷达确定车道位置信息,包括:
当所述摄像头故障时,通过所述成像毫米波雷达确定所述智能汽车当前所处环境中的车道位置信息;
当所述成像毫米波雷达故障时,通过所述摄像头确定所述智能汽车当前所处环境中的车道位置信息。
4.一种车道位置信息获取装置,其特征在于,所述装置包括:
获取模块,用于获取智能汽车当前所处环境的光照强度;
确定模块,用于当所述光照强度小于或等于光照强度阈值时,通过所述智能汽车安装的成像毫米波雷达确定车道位置信息;当所述光照强度大于所述光照强度阈值时,通过所述智能汽车安装的摄像头和/或所述成像毫米波雷达确定车道位置信息;
处理模块,用于将通过所述摄像头和/或所述成像毫米波雷达确定的车道位置信息进行融合处理,得到所述智能汽车当前所处环境的车道位置信息;
所述确定模块包括:
第二采集子模块,用于通过所述摄像头采集智能汽车所处位置的视觉数据;
第二定位子模块,用于确定所述视觉数据的清晰度和/或曝光度;当所述视觉数据的清晰度小于清晰度阈值,和/或所述视觉数据的曝光度大于或等于曝光度阈值时,通过所述智能汽车安装的成像毫米波雷达确定车道位置信息;当所述视觉数据的清晰度大于所述清晰度阈值,且所述视觉数据的曝光度小于所述曝光度阈值时,通过车道位置检测算法从所述视觉数据中识别所述车道位置信息,以及基于所述视觉数据和导航地图,通过视觉定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息,所述导航地图包括所述智能汽车行驶路径中各个车道的车道信息。
5.如权利要求4所述的装置,其特征在于,所述确定模块包括:
第一采集子模块,用于通过所述成像毫米波雷达采集雷达数据;
第一定位子模块,用于基于所述雷达数据和所述导航地图,通过成像雷达定位算法对所述智能汽车当前所处环境的车道进行定位,得到所述车道位置信息。
6.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288360.0A CN109492566B (zh) | 2018-10-31 | 2018-10-31 | 车道位置信息获取方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288360.0A CN109492566B (zh) | 2018-10-31 | 2018-10-31 | 车道位置信息获取方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109492566A CN109492566A (zh) | 2019-03-19 |
CN109492566B true CN109492566B (zh) | 2022-09-16 |
Family
ID=65693511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811288360.0A Active CN109492566B (zh) | 2018-10-31 | 2018-10-31 | 车道位置信息获取方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492566B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862654A (zh) * | 2019-04-26 | 2020-10-30 | 罗伯特·博世有限公司 | 智能领航方法、应用、智能领航系统和车辆 |
CN110241769A (zh) * | 2019-06-21 | 2019-09-17 | 山东浪潮人工智能研究院有限公司 | 一种自动驾驶除雪车及除雪方法 |
CN110422168B (zh) * | 2019-08-08 | 2020-06-16 | 智邮开源通信研究院(北京)有限公司 | 车道识别系统、方法及自动驾驶汽车 |
CN110865366B (zh) * | 2019-10-12 | 2023-04-18 | 深圳市布谷鸟科技有限公司 | 一种智能驾驶雷达和图像融合的人机交互方法 |
CN111516703B (zh) * | 2020-04-30 | 2021-09-03 | 国网电力科学研究院有限公司 | 消防车辆自动行驶方法、装置、计算机设备及存储介质 |
CN111640020B (zh) | 2020-05-22 | 2023-09-19 | 百度在线网络技术(北京)有限公司 | 区块链中事务请求处理方法、装置、设备和介质 |
CN111899513A (zh) * | 2020-08-11 | 2020-11-06 | 东风汽车集团有限公司 | 一种基于车辆周围物体感知的行驶车道判断方法 |
CN112373474B (zh) * | 2020-11-23 | 2022-05-17 | 重庆长安汽车股份有限公司 | 车道线融合及横向控制方法、系统、车辆及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1834578A (zh) * | 2005-03-15 | 2006-09-20 | 欧姆龙株式会社 | 车辆用物体识别装置 |
CN1987357A (zh) * | 2006-12-26 | 2007-06-27 | 浙江工业大学 | 基于全方位计算机视觉的智能停车辅助装置 |
CN105376485A (zh) * | 2015-11-09 | 2016-03-02 | 南京大学 | 基于线阵式摄像机的双向实时车辆底盘图像合成方法 |
CN106101590A (zh) * | 2016-06-23 | 2016-11-09 | 上海无线电设备研究所 | 雷达视频复合数据探测与处理系统及探测与处理方法 |
WO2017041396A1 (zh) * | 2015-09-10 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法、装置、存储介质及设备 |
CN107807355A (zh) * | 2017-10-18 | 2018-03-16 | 轩辕智驾科技(深圳)有限公司 | 一种基于红外和毫米波雷达技术的车辆避障预警系统 |
CN107972585A (zh) * | 2017-11-30 | 2018-05-01 | 惠州市德赛西威汽车电子股份有限公司 | 结合雷达信息的自适应3d环视场景重建系统与方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130131907A1 (en) * | 2011-11-17 | 2013-05-23 | GM Global Technology Operations LLC | System and method for managing misuse of autonomous driving |
CN103754156B (zh) * | 2013-12-25 | 2016-05-25 | 浙江吉利控股集团有限公司 | 车辆转向灯的自动控制方法及系统 |
US9892296B2 (en) * | 2014-11-12 | 2018-02-13 | Joseph E. Kovarik | Method and system for autonomous vehicles |
CN104608772B (zh) * | 2014-12-25 | 2017-04-12 | 财团法人车辆研究测试中心 | 自动辅助驾驶的环境失效判断系统及方法 |
CN104627078B (zh) * | 2015-02-04 | 2017-03-08 | 上海咔酷咔新能源科技有限公司 | 基于柔性透明oled的汽车驾驶虚拟系统及其控制方法 |
CN104908734A (zh) * | 2015-05-19 | 2015-09-16 | 奇瑞汽车股份有限公司 | 一种智能车控制方法及系统 |
US10336326B2 (en) * | 2016-06-24 | 2019-07-02 | Ford Global Technologies, Llc | Lane detection systems and methods |
CN106225789A (zh) * | 2016-07-12 | 2016-12-14 | 武汉理工大学 | 一种具有高安全性的车载导航系统及其引导方法 |
CN108169765B (zh) * | 2016-12-07 | 2020-08-21 | 法法汽车(中国)有限公司 | 提高自动驾驶可靠性的方法及电子设备 |
CN106910347A (zh) * | 2017-04-13 | 2017-06-30 | 合肥圣博瑞科技有限公司 | 电子警察智能补光系统 |
CN107422730A (zh) * | 2017-06-09 | 2017-12-01 | 武汉市众向科技有限公司 | 基于视觉导引的agv运输系统及其驾驶控制方法 |
CN107609522B (zh) * | 2017-09-19 | 2021-04-13 | 东华大学 | 一种基于激光雷达和机器视觉的信息融合车辆检测系统 |
CN108010360A (zh) * | 2017-12-27 | 2018-05-08 | 中电海康集团有限公司 | 一种基于车路协同的自动驾驶环境感知系统 |
CN108639048B (zh) * | 2018-05-15 | 2020-03-03 | 智车优行科技(北京)有限公司 | 汽车变道辅助方法、系统以及汽车 |
-
2018
- 2018-10-31 CN CN201811288360.0A patent/CN109492566B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1834578A (zh) * | 2005-03-15 | 2006-09-20 | 欧姆龙株式会社 | 车辆用物体识别装置 |
CN1987357A (zh) * | 2006-12-26 | 2007-06-27 | 浙江工业大学 | 基于全方位计算机视觉的智能停车辅助装置 |
WO2017041396A1 (zh) * | 2015-09-10 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法、装置、存储介质及设备 |
CN105376485A (zh) * | 2015-11-09 | 2016-03-02 | 南京大学 | 基于线阵式摄像机的双向实时车辆底盘图像合成方法 |
CN106101590A (zh) * | 2016-06-23 | 2016-11-09 | 上海无线电设备研究所 | 雷达视频复合数据探测与处理系统及探测与处理方法 |
CN107807355A (zh) * | 2017-10-18 | 2018-03-16 | 轩辕智驾科技(深圳)有限公司 | 一种基于红外和毫米波雷达技术的车辆避障预警系统 |
CN107972585A (zh) * | 2017-11-30 | 2018-05-01 | 惠州市德赛西威汽车电子股份有限公司 | 结合雷达信息的自适应3d环视场景重建系统与方法 |
Non-Patent Citations (5)
Title |
---|
"Millimeter-Wave Radar and Machine Vision-Based Lane Recognition";Li, W (Li, Wei) 等;《INTERNATIONAL JOURNAL OF PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE》;20180116(第32期);1850015-1 * |
"Road Marking Detection Using LIDAR Reflective Intensity Data and its Application to Vehicle Localization";Hata, A (Hata, Alberto) 等;《2014 IEEE 17TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)》;20150813;584-589 * |
"一种自动驾驶车的环境感知系统";姜灏;《电子制作》;20180801(第15期);70-73 * |
"基于多传感融合的车道线检测与跟踪方法的研究";吴彦文 等;《计算机应用研究》;20170315;第35卷(第02期);600-603+607 * |
"基于电动助力转向系统的车道偏离辅助系统的研究";黄杨成;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;20170715(第(2017)07期);C035-99 * |
Also Published As
Publication number | Publication date |
---|---|
CN109492566A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492566B (zh) | 车道位置信息获取方法、装置及存储介质 | |
CN111257866B (zh) | 车载摄像头和车载雷达联动的目标检测方法、装置及系统 | |
CN108860141B (zh) | 泊车方法、装置及存储介质 | |
CN109532845B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN109409301B (zh) | 交通信号灯的信息获取方法、装置及存储介质 | |
CN109298719B (zh) | 智能汽车的接管方法、装置及存储介质 | |
CN109445425B (zh) | 自动驾驶系统的性能检测方法、装置及存储介质 | |
CN110077402B (zh) | 目标物体的追踪方法、装置及存储介质 | |
CN109581358B (zh) | 障碍物的识别方法、装置及存储介质 | |
CN110751854B (zh) | 汽车的停车指引方法、装置及存储介质 | |
CN110979332B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN111016888A (zh) | 汽车的泊车控制方法、装置及存储介质 | |
CN110956847B (zh) | 车位的识别方法、装置及存储介质 | |
CN110044638B (zh) | 车道保持功能的测试方法、装置及存储介质 | |
CN110751127B (zh) | 距离的确定方法、装置及存储介质 | |
CN109130854B (zh) | 限速提醒方法、装置及存储介质 | |
CN112793586B (zh) | 汽车的自动驾驶控制方法、装置及计算机存储介质 | |
CN109334641B (zh) | 智能汽车的驻车制动方法、装置及存储介质 | |
CN110962596B (zh) | 汽车的车速控制方法、装置及存储介质 | |
CN111854780A (zh) | 车辆导航方法、装置、车辆、电子设备及存储介质 | |
CN111361550A (zh) | 车位的识别方法、装置及存储介质 | |
CN112700647B (zh) | 监测车辆行驶信息的方法及装置 | |
CN112874301A (zh) | 汽车的信息显示方法、装置及计算机存储介质 | |
CN111010537B (zh) | 车辆控制方法、装置、终端及存储介质 | |
CN109484480B (zh) | 汽车的控制方法、装置及存储介质 |
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 |