CN109598256A - 进出坡道判断方法、装置、车辆、存储介质及电子设备 - Google Patents
进出坡道判断方法、装置、车辆、存储介质及电子设备 Download PDFInfo
- Publication number
- CN109598256A CN109598256A CN201811590165.3A CN201811590165A CN109598256A CN 109598256 A CN109598256 A CN 109598256A CN 201811590165 A CN201811590165 A CN 201811590165A CN 109598256 A CN109598256 A CN 109598256A
- Authority
- CN
- China
- Prior art keywords
- end point
- vehicle
- lane line
- ramp
- line feature
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种进出坡道判断方法、装置、车辆、存储介质及电子设备。本发明提供的进出坡道判断方法,包括:通过提取车辆行驶方向上的第一视频中每帧图像中的车道线特征,并根据车道线特征确定消失点在预设图像坐标系中的消失点坐标,然后通过统计在第一时长范围内所有消失点坐标中纵坐标的中位数值,并根据当前时刻的第一消失点的第一纵坐标与中位数值确定车辆的行驶状态。本发明提供的进出坡道判断方法,可以使得车辆即使在信号遮蔽区域,也可以通过分析行驶方向上所获取到的图像来预判车辆是否即将进入上下坡状态。
Description
技术领域
本发明涉及车辆导航技术领域,尤其涉及一种进出坡道判断方法、装置、车辆、存储介质及电子设备。
背景技术
随着汽车工业的发展以及人们生活水平的提高,汽车已经逐步成为人们外出的日常代步工具,近几年,汽车行业飞速发展,在汽车的销售量均超过2000万辆,截止2016年,国内汽车保有量19440万辆。开车出行已是工作或生活的高频活动。
在人们日常的车辆使用过程中,经常需要通过导航系统来将车辆引导至目的地。出行时,经常利用全球定位系统(Global Positioning System,简称GPS)辅助司机到达目的地,但是随着城市交通的发展,城市交通已变得“立体化”,例如建设有高架、隧道、地下通道等,这些“立体化”给出行带来了便利的同时也给GPS导航带来了难题。
由于在这些信号遮蔽区域,会使得GPS信号遭到障碍物的干扰,例如,行驶在隧道中和行驶在高架下,进而使得在GPS信号较弱的区域,车辆无法精确的判断当前行驶的位置。
发明内容
本发明提供一种进出坡道判断方法、装置、车辆、存储介质及电子设备,以使得车辆即使在信号遮蔽区域,也可以通过分析行驶方向上所获取到的图像来预判车辆是否即将进入上下坡状态。
第一方面,本发明还提供一种进出坡道判断方法,包括:
提取车辆行驶方向上的第一视频中每帧图像中的车道线特征,并根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,其中,所述第一视频为第一时长;
统计在所述第一时长范围内所有消失点坐标中纵坐标的中位数值;
根据当前时刻的第一消失点的第一纵坐标与所述中位数值确定所述车辆的行驶状态,其中,所述行驶状态为进出坡道状态或平路行驶状态。
在一种可能的设计中,所述根据当前时刻的第一消失点的第一纵坐标与所述中位数值确定所述车辆的进出坡道状态,包括:
统计在所述第一时长范围内所述第一纵坐标与所述中位数值的差值的绝对值大于预设统计阈值的第一次数;
若所述第一次数大于预设次数阈值,则所述行驶状态为所述进出坡道状态;
若所述第一次数小于或等于所述预设次数阈值,则所述行驶状态为所述平路行驶状态。
在一种可能的设计中,所述提取车辆行驶方向上的第一视频中每帧图像中的车道线特征,包括:
获取所述车辆在行驶方向上的所述第一视频;
提取所述第一视频中的第一图像,并利用角点检测方式获取所述第一图像中的所述车道线特征。
在一种可能的设计中,所述根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,包括:
获取所述车道线特征中任意两条车道线的交点坐标;
计算所有所述交点坐标的平均坐标,所述消失点坐标为所述平均坐标。
在一种可能的设计中,所述根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,包括:
获取所述车道线特征中任意两条车道线的交点坐标;
对所述图像进行网格化;
确定第一网格,所述第一网格范围内的交点数量为所有网格中数量最多;
计算所述第一网格中的所有所述交点坐标的平均坐标,所述消失点坐标为所述平均坐标。
在一种可能的设计中,在所述提取车辆行驶方向上的第一视频中每帧图像中的车道线特征之前,还包括:
获取所述车辆的当前位置;
判断所述当前位置是否在坡道电子围栏范围内,判断结果为是。
第二方面,本发明还提供一种进出坡道判断装置,包括:
车道线提取模块,用于提取车辆行驶方向上的第一视频中每帧图像中的车道线特征;
消失点确定模块,用于根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,其中,所述第一视频为第一时长;
中位数统计模块,用于统计在所述第一时长范围内所有消失点坐标中纵坐标的中位数值;
状态确定模块,用于根据当前时刻的第一消失点的第一纵坐标与所述中位数值确定所述车辆的行驶状态,其中,所述行驶状态为进出坡道状态或平路行驶状态。
在一种可能的设计中,所述状态确定模块,具体用于:
统计在所述第一时长范围内所述第一纵坐标与所述中位数值的差值的绝对值大于预设统计阈值的第一次数;
若所述第一次数大于预设次数阈值,则所述行驶状态为所述进出坡道状态;
若所述第一次数小于或等于所述预设次数阈值,则所述行驶状态为所述平路行驶状态。
在一种可能的设计中,所述车道线提取模块,具体用于:
获取所述车辆在行驶方向上的所述第一视频;
提取所述第一视频中的第一图像,并利用角点检测方式获取所述第一图像中的所述车道线特征。
在一种可能的设计中,所述消失点确定模块,具体用于:
获取所述车道线特征中任意两条车道线的交点坐标;
计算所有所述交点坐标的平均坐标,所述消失点坐标为所述平均坐标。
在一种可能的设计中,所述消失点确定模块,具体用于:
获取所述车道线特征中任意两条车道线的交点坐标;
对所述图像进行网格化;
确定第一网格,所述第一网格范围内的交点数量为所有网格中数量最多;
计算所述第一网格中的所有所述交点坐标的平均坐标,所述消失点坐标为所述平均坐标。
在一种可能的设计中,所述进出坡道判断装置,还包括:
位置获取模块,用于获取所述车辆的当前位置;
位置判断模块,用于判断所述当前位置是否在坡道电子围栏范围内。
第三方面,本发明还提供一种车辆,包括:第二方面中任意一种所述的进出坡道判断装置。
第四方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面中任意一种可能的进出坡道判断方法。
第五方面,本发明还提供一种电子设备,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行第一方面中任意一种可能的进出坡道判断方法。
本发明提供的一种进出坡道判断方法、装置、车辆、存储介质及电子设备,通过提取车辆行驶方向上的第一视频中每帧图像中的车道线特征,并根据车道线特征确定消失点在预设图像坐标系中的消失点坐标,然后通过统计在第一时长范围内所有消失点坐标中纵坐标的中位数值,并根据当前时刻的第一消失点的第一纵坐标与中位数值确定车辆的行驶状态,以使得车辆即使在信号遮蔽区域,也可以通过分析行驶方向上所获取到的图像来预判车辆是否即将进入上下坡状态。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明根据一示例性实施例示出的车辆即将上坡的场景图;
图2是本发明根据另一示例性实施例示出的车辆即将下坡的场景图;
图3是本发明根据一示例性实施例示出的进出坡道判断方法的流程示意图;
图4是图3所示实施例的坡道消失点确定原理示意图;
图5是图3所示实施例的平地消失点确定原理示意图;
图6是本发明根据另一示例性实施例示出的进出坡道判断方法的流程示意图;
图7是本发明根据一示例性实施例示出的进出坡道判断装置的结构示意图;
图8是本发明根据另一示例性实施例示出的进出坡道判断装置的结构示意图;
图9是根据一示例性实施例示出的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明根据一示例性实施例示出的车辆即将上坡的场景图。如图1所示,当车辆即将行驶至高架入口或者是车辆行驶至地下车库出口时,经常由于信号的遮蔽,而导致GPS失效,进而使得车辆无法判断前方的具体路口。
图2是本发明根据另一示例性实施例示出的车辆即将下坡的场景图。如图2所示,当车辆即将行驶至高架出口或者是车辆行驶至地下车库入口时,同样经常由于信号的遮蔽,而导致GPS失效,进而使得车辆无法判断前方的具体路口。
继续参照图1与图2,本实施例提供的进出坡道判断方法可以使得车辆即使在信号遮蔽区域,也可以通过分析行驶方向上所获取到的图像来预判车辆前方的具体路况,进而确定车辆是否即将进入上下坡状态。
值得说明地,在本实施例中,并不对坡道的形式进行具体限定,此外,也不对车辆是否具有GPS功能进行限定。
图3是本发明根据一示例性实施例示出的进出坡道判断方法的流程示意图。如图3所示,本实施例提供的进出坡道判断方法,包括:
步骤101、提取车辆行驶方向上的第一视频中每帧图像中的车道线特征。
具体地,可以车载摄像头获取车辆在行驶方向上的第一视频,其中,第一视频为第一时长,然后,提取第一视频中的第一图像,并从第一图像中获取车道线特征。可选地,对于从第一图像中获取车道线特征的方式可以是利用角点检测方式,但是,在本实施例中并不对获取方式进行具体限定,其他任意可以从图像中获取车道线特征的图像处理方法同样属于本实施例的保护范围。
步骤102、根据车道线特征确定消失点在预设图像坐标系中的消失点坐标。
在提取车辆行驶方向上的第一视频中每帧图像中的车道线特征之后,根据车道线特征确定消失点在预设图像坐标系中的消失点坐标,值得理解地,消失点为图像中车道线的交点,即道路车道线在无穷处的相交点在图像中的成像。
在一种可能的实现方式中,对于消失点坐标的确定,可以是获取车道线特征中任意两条车道线的交点坐标,然后计算所有交点坐标的平均坐标,其中,消失点坐标为平均坐标。
而在另一种可能的实现方式中,由于车道上经常会存在一些干扰线,这些干扰线通常无规则,但是,由于这些干扰线存在,会导致存在许多干扰交点。为了排除这些干扰线所带来的干扰点对最后消失点确定的影响,还可可以先获取车道线特征中任意两条车道线的交点坐标,然后对图像进行网格化,例如可以以5个像素为步长进行网格话,从而将图像划分为多个5*5像素大小的图块,然后,确定第一网格,第一网格范围内的交点数量为所有网格中数量最多。最后,计算第一网格中的所有交点坐标的平均坐标,其中,消失点坐标为平均坐标。在本实施例中,通过划分网格,然后对交点数量最多的网格中的所有交点求平均的方式来确定消失点,可以大大排除干扰点对最后消失点确定的影响。
步骤103、统计在第一时长范围内所有消失点坐标中纵坐标的中位数值。
具体地,在确定第一视频中每帧图像的消失点坐标之后,统计在第一时长范围内所有消失点坐标中纵坐标的中位数值,值得理解的,中位数值代表一个样本、种群或概率分布中的一个数值,其可将数值集合划分为相等的上下两部分,对于有限的数集,可以通过把所有观察值高低排序后找出正中间的一个作为中位数。
步骤104、根据当前时刻的第一消失点的第一纵坐标与中位数值确定车辆的行驶状态。
然后,根据当前时刻的第一消失点的第一纵坐标与中位数值确定车辆的行驶状态,其中,行驶状态为进出坡道状态或平路行驶状态。
在一种可能的设计中,可以先统计在第一时长范围内第一纵坐标与中位数值的差值的绝对值大于预设统计阈值的第一次数,若第一次数大于预设次数阈值,则行驶状态为进出坡道状态,若第一次数小于或等于预设次数阈值,则行驶状态为平路行驶状态。
值得说明地,上述预设统计阈值以及预设次数阈值可以是通过机器学习的方式获得,也可以是通过实现标定的车辆控制系统中,在本实施例中,并不对其具体数值进行限定。
下面结合本实施提供的进出坡道判断方法在即将上坡的场景中的应用,;来能够更加清楚地说明本实施提供的进出坡道判断方法的具体原理:
图4是图3所示实施例的坡道消失点确定原理示意图,如图4所示,车辆所在的车道前方为上坡路段,并且两侧车道线相交于远处A点,由于前方的坡道的两侧的车道线在空间上是向上抬起,进而会导致在消失点在图像坐标系OXY中沿着Y轴正方向抬起。为了能够对其原理进行进一步说明,还可以结合在平地上的情况进行对比说明,其中,图5是图3所示实施例的平地消失点确定原理示意图。如图5所示,当车辆行驶在平地上时,消失点即为两侧车道线在远处的交点,并且在车辆的前进过程中,基本不会发生变化。相比而言,当车道前方为上坡路段时,由于前方的坡道的两侧的车道线在空间上是向上抬起,在图像上体现地就是在坡道起点位置,坡道的两侧车道线相比平直道路部分的车道线存在一个外扩的变化,进而导致消失点在图像坐标系OXY中同样沿着Y轴正方向抬起,而在前进过程中,随着车辆离坡道之间的距离缩小,消失点位置的纵坐标会发生较大的变化,进而可以通过判断当前时刻的第一消失点的第一纵坐标与中位数值的比较来确定车辆前方是否为上下坡路段。此外,对于若车辆所在的车道前方为下坡路段,其具体原理类似,在本实施例中,不再进行赘述。
在本实施例中,通过提取车辆行驶方向上的第一视频中每帧图像中的车道线特征,并根据车道线特征确定消失点在预设图像坐标系中的消失点坐标,然后通过统计在第一时长范围内所有消失点坐标中纵坐标的中位数值,并根据当前时刻的第一消失点的第一纵坐标与中位数值确定车辆的行驶状态,以使得车辆即使在信号遮蔽区域,也可以通过分析行驶方向上所获取到的图像来预判车辆是否即将进入上下坡状态。
图6是本发明根据另一示例性实施例示出的进出坡道判断方法的流程示意图。如图6所示,本实施例提供的进出坡道判断方法,包括:
步骤201、获取车辆的当前位置。
步骤202、判断当前位置是否在坡道电子围栏范围内。若判断结果为是,则执行步骤203,若判断结果为否,则流程结束。
由于车辆只有在即将进行坡道,例如高架或者地库时,才需要触发进出坡道判断方法。因此,可以在地图中的高架和隧道口附近设置虚拟地理围栏,例如,此虚拟围栏可设置为半径为50米的圆,然后,实时同过车载GPS来判断车辆是否进入地理围栏,若进入则触发进出坡道判断方法,否者,则不触发。
步骤203、提取车辆行驶方向上的第一视频中每帧图像中的车道线特征。
步骤204、根据车道线特征确定消失点在预设图像坐标系中的消失点坐标。
步骤205、统计在第一时长范围内所有消失点坐标中纵坐标的中位数值。
步骤206、根据当前时刻的第一消失点的第一纵坐标与中位数值确定车辆的行驶状态。
步骤203-206的具体实现方式参照实施例一中步骤101-104的描述,这里不再赘述。
图7是本发明根据一示例性实施例示出的进出坡道判断装置的结构示意图。如图7所示,本实施例提供的进出坡道判断装置,包括:
车道线提取模块301,用于提取车辆行驶方向上的第一视频中每帧图像中的车道线特征;
消失点确定模块302,用于根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,其中,所述第一视频为第一时长;
中位数统计模块303,用于统计在所述第一时长范围内所有消失点坐标中纵坐标的中位数值;
状态确定模块304,用于根据当前时刻的第一消失点的第一纵坐标与所述中位数值确定所述车辆的行驶状态,其中,所述行驶状态为进出坡道状态或平路行驶状态。
在一种可能的设计中,所述状态确定模块304,具体用于:
统计在所述第一时长范围内所述第一纵坐标与所述中位数值的差值的绝对值大于预设统计阈值的第一次数;
若所述第一次数大于预设次数阈值,则所述行驶状态为所述进出坡道状态;
若所述第一次数小于或等于所述预设次数阈值,则所述行驶状态为所述平路行驶状态。
在一种可能的设计中,所述车道线提取模块301,具体用于:
获取所述车辆在行驶方向上的所述第一视频;
提取所述第一视频中的第一图像,并利用角点检测方式获取所述第一图像中的所述车道线特征。
在一种可能的设计中,所述消失点确定模块302,具体用于:
获取所述车道线特征中任意两条车道线的交点坐标;
计算所有所述交点坐标的平均坐标,所述消失点坐标为所述平均坐标。
在一种可能的设计中,所述消失点确定模块302,具体用于:
获取所述车道线特征中任意两条车道线的交点坐标;
对所述图像进行网格化;
确定第一网格,所述第一网格范围内的交点数量为所有网格中数量最多;计算所述第一网格中的所有所述交点坐标的平均坐标,所述消失点坐标为所述平均坐标。
在图7所述实施例的基础上,图8是本发明根据另一示例性实施例示出的进出坡道判断装置的结构示意图。如图8所示,本实施例提供的进出坡道判断装置,还包括:
位置获取模块305,用于获取所述车辆的当前位置;
位置判断模块306,用于判断所述当前位置是否在坡道电子围栏范围内。
值得说明地,图7-图8所示实施例中的进出坡道判断装置,可用于执行上述图3-图6所示实施例中的方法,具体实现方式和技术效果类似,这里不再进行赘述。
另一方面,本发明提供一种车辆,包括:图7或图8所示实施例中的进出坡道判断装置。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述任一项方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图9是根据一示例性实施例示出的电子设备的结构示意图。如图9所示,本实施例提供的电子设备40,包括:
处理器401;
存储器402,用于存储所述处理器的计算机程序;
其中,所述处理器401被配置为通过执行所述计算机程序来实现前述方法实施例中任一实现方式提供的自动驾驶控制方法。
其中,所述处理器401配置为经由执行所述可执行指令来执行前述任一项方法实施例所述的技术方案,其实现原理和技术效果类似,此处不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种进出坡道判断方法,其特征在于,包括:
提取车辆行驶方向上的第一视频中每帧图像中的车道线特征,并根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,其中,所述第一视频为第一时长;
统计在所述第一时长范围内所有消失点坐标中纵坐标的中位数值;
根据当前时刻的第一消失点的第一纵坐标与所述中位数值确定所述车辆的行驶状态,其中,所述行驶状态为进出坡道状态或平路行驶状态。
2.根据权利要求1所述的进出坡道判断方法,其特征在于,所述根据当前时刻的第一消失点的第一纵坐标与所述中位数值确定所述车辆的进出坡道状态,包括:
统计在所述第一时长范围内所述第一纵坐标与所述中位数值的差值的绝对值大于预设统计阈值的第一次数;
若所述第一次数大于预设次数阈值,则所述行驶状态为所述进出坡道状态;
若所述第一次数小于或等于所述预设次数阈值,则所述行驶状态为所述平路行驶状态。
3.根据权利要求1所述的进出坡道判断方法,其特征在于,所述提取车辆行驶方向上的第一视频中每帧图像中的车道线特征,包括:
获取所述车辆在行驶方向上的所述第一视频;
提取所述第一视频中的第一图像,并利用角点检测方式获取所述第一图像中的所述车道线特征。
4.根据权利要求3所述的进出坡道判断方法,其特征在于,所述根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,包括:
获取所述车道线特征中任意两条车道线的交点坐标;
计算所有所述交点坐标的平均坐标,所述消失点坐标为所述平均坐标。
5.根据权利要求3所述的进出坡道判断方法,其特征在于,所述根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,包括:
获取所述车道线特征中任意两条车道线的交点坐标;
对所述图像进行网格化;
确定第一网格,所述第一网格范围内的交点数量为所有网格中数量最多;
计算所述第一网格中的所有所述交点坐标的平均坐标,所述消失点坐标为所述平均坐标。
6.根据权利要求1-5中任意一项所述的进出坡道判断方法,其特征在于,在所述提取车辆行驶方向上的第一视频中每帧图像中的车道线特征之前,还包括:
获取所述车辆的当前位置;
判断所述当前位置是否在坡道电子围栏范围内,判断结果为是。
7.一种进出坡道判断装置,其特征在于,包括:
车道线提取模块,用于提取车辆行驶方向上的第一视频中每帧图像中的车道线特征;
消失点确定模块,用于根据所述车道线特征确定消失点在预设图像坐标系中的消失点坐标,其中,所述第一视频为第一时长;
中位数统计模块,用于统计在所述第一时长范围内所有消失点坐标中纵坐标的中位数值;
状态确定模块,用于根据当前时刻的第一消失点的第一纵坐标与所述中位数值确定所述车辆的行驶状态,其中,所述行驶状态为进出坡道状态或平路行驶状态。
8.一种车辆,其特征在于,包括:如权利要求7中所述的进出坡道判断装置。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-6任一项所述的进出坡道判断方法。
10.一种电子设备,其特征在于,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-6任一项所述的进出坡道判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811590165.3A CN109598256B (zh) | 2018-12-25 | 2018-12-25 | 进出坡道判断方法、装置、车辆、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811590165.3A CN109598256B (zh) | 2018-12-25 | 2018-12-25 | 进出坡道判断方法、装置、车辆、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109598256A true CN109598256A (zh) | 2019-04-09 |
CN109598256B CN109598256B (zh) | 2021-03-30 |
Family
ID=65964441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811590165.3A Active CN109598256B (zh) | 2018-12-25 | 2018-12-25 | 进出坡道判断方法、装置、车辆、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598256B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414425A (zh) * | 2019-07-26 | 2019-11-05 | 清华大学 | 一种基于灭点检测的宽度自适应车道线检测方法及系统 |
CN111595253A (zh) * | 2020-05-13 | 2020-08-28 | 北京三快在线科技有限公司 | 车辆与车道线的距离确定方法、装置、设备及存储介质 |
CN112639814A (zh) * | 2020-05-29 | 2021-04-09 | 华为技术有限公司 | 一种路况检测方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070165909A1 (en) * | 2006-01-19 | 2007-07-19 | Valeo Vision | Method for adjusting the orientation of a camera installed in a vehicle and system for carrying out this method |
CN101922929A (zh) * | 2009-06-09 | 2010-12-22 | 财团法人车辆研究测试中心 | 车辆倾斜感测方法及应用该方法的头灯自动水平系统 |
CN104011737A (zh) * | 2011-11-16 | 2014-08-27 | 宝马股份公司 | 用于探测雾的方法 |
CN107025432A (zh) * | 2017-02-28 | 2017-08-08 | 合肥工业大学 | 一种高效的车道线检测跟踪方法及系统 |
CN108106613A (zh) * | 2017-11-06 | 2018-06-01 | 上海交通大学 | 基于视觉辅助的定位方法与系统 |
US20180293447A1 (en) * | 2017-04-05 | 2018-10-11 | Denso Corporation | Road parameter calculator |
-
2018
- 2018-12-25 CN CN201811590165.3A patent/CN109598256B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070165909A1 (en) * | 2006-01-19 | 2007-07-19 | Valeo Vision | Method for adjusting the orientation of a camera installed in a vehicle and system for carrying out this method |
CN101922929A (zh) * | 2009-06-09 | 2010-12-22 | 财团法人车辆研究测试中心 | 车辆倾斜感测方法及应用该方法的头灯自动水平系统 |
CN104011737A (zh) * | 2011-11-16 | 2014-08-27 | 宝马股份公司 | 用于探测雾的方法 |
CN107025432A (zh) * | 2017-02-28 | 2017-08-08 | 合肥工业大学 | 一种高效的车道线检测跟踪方法及系统 |
US20180293447A1 (en) * | 2017-04-05 | 2018-10-11 | Denso Corporation | Road parameter calculator |
CN108106613A (zh) * | 2017-11-06 | 2018-06-01 | 上海交通大学 | 基于视觉辅助的定位方法与系统 |
Non-Patent Citations (1)
Title |
---|
谭方勇: "基于消失点的坐标校准算法", 《计算机应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414425A (zh) * | 2019-07-26 | 2019-11-05 | 清华大学 | 一种基于灭点检测的宽度自适应车道线检测方法及系统 |
CN111595253A (zh) * | 2020-05-13 | 2020-08-28 | 北京三快在线科技有限公司 | 车辆与车道线的距离确定方法、装置、设备及存储介质 |
CN111595253B (zh) * | 2020-05-13 | 2022-08-16 | 北京三快在线科技有限公司 | 车辆与车道线的距离确定方法、装置、设备及存储介质 |
CN112639814A (zh) * | 2020-05-29 | 2021-04-09 | 华为技术有限公司 | 一种路况检测方法和装置 |
WO2021237754A1 (zh) * | 2020-05-29 | 2021-12-02 | 华为技术有限公司 | 一种路况检测方法和装置 |
CN112639814B (zh) * | 2020-05-29 | 2022-02-11 | 华为技术有限公司 | 一种路况检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109598256B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
US10552689B2 (en) | Automatic occlusion detection in road network data | |
CN105488243B (zh) | 交叉口结构的联合概率建模及推断 | |
CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
KR102595897B1 (ko) | 차선 결정 방법 및 장치 | |
Zhao et al. | On-road vehicle trajectory collection and scene-based lane change analysis: Part i | |
US10621861B2 (en) | Method and system for creating a lane-accurate occupancy grid map for lanes | |
GB2596940A (en) | Systems and methods for vehicle navigation | |
CN111837014A (zh) | 用于匿名化导航信息的系统和方法 | |
CN102222236A (zh) | 图像处理系统及位置测量系统 | |
JP5941091B2 (ja) | 車線ベースの位置特定 | |
CN109598256A (zh) | 进出坡道判断方法、装置、车辆、存储介质及电子设备 | |
US11280630B2 (en) | Updating map data | |
US20220363263A1 (en) | Automated bump and/or depression detection in a roadway | |
CN107657825A (zh) | 泊车方法及装置 | |
CN104157160A (zh) | 车辆行驶控制方法、装置及车辆 | |
CN105225478A (zh) | 智能车辆行为记录及评价方法 | |
GB2556427A (en) | Vehicle with environmental context analysis | |
CN115342821A (zh) | 一种复杂未知环境下的无人车导航代价地图构建方法 | |
CN116859413A (zh) | 一种用于露天矿车车辆的感知模型建立方法 | |
CN112418081B (zh) | 一种空地联合快速勘察交通事故的方法及系统 | |
JP2023101774A (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
WO2023126680A1 (en) | Systems and methods for analyzing and resolving image blockages | |
CN114771510A (zh) | 基于路线图的泊车方法、泊车系统及电子设备 | |
WO2021138372A1 (en) | Feature coverage analysis |
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 |