CN109835333B - 一种保持车辆在车道中间行驶的控制系统及控制方法 - Google Patents
一种保持车辆在车道中间行驶的控制系统及控制方法 Download PDFInfo
- Publication number
- CN109835333B CN109835333B CN201910170481.3A CN201910170481A CN109835333B CN 109835333 B CN109835333 B CN 109835333B CN 201910170481 A CN201910170481 A CN 201910170481A CN 109835333 B CN109835333 B CN 109835333B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- alarm
- distance
- steering wheel
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开了一种保持车辆在车道中间行驶的控制系统,包括:条件检测装置,其用于检测所述车辆与车道线距离;仪表控制器,其控制单元通过CAN总线与所述条件检测装置连接;电动助力转向装置,其控制单元通过CAN总线与所述条件检测装置连接;两个摄像头,其对称安装在所述车辆的两侧,并且通过CAN总线与所述条件检测装置连接。本发明公开了一种保持车辆在车道中间行驶的控制方法。
Description
技术领域
本发明涉及汽车主动安全技术领域,具体涉及一种保持车辆在车道中间行驶的控制系统及控制方法。
背景技术
专家指出,高速公路上许多的汽车事故是偏离正常行驶的车道引起的,而偏离的前提的条件是车辆在行驶过程中离两边的车道线过近,从而使车道偏离时驾驶员的反应时间过短,造成危险。而本系统可以是驾驶员尽量的车道中间行驶,当车道偏离时可以为驾驶员提供更多的反应时间,大大减少了因车道偏离造成的碰撞事故。
一般的车道偏离预警系统,当预警时,已经离车道线比较近了,给驾驶员的反应时间减少,而且使驾驶员感到紧张,可能使驾驶员在调整偏离车辆的过程中出现错误,或者调整过度的行为,这不利于行驶安全。
发明内容
针对现有技术中的缺陷与不足,本发明设计开发了一种保持车辆在车道中间行驶的控制系统,本发明解决了当车道偏离时,可以为驾驶员提供更多的反应时间,同时减少反应过程的错误,提高行驶安全性。
本发明设计开发了一种保持车辆在车道中间行驶的控制方法,本发明的发明目的之一是解决了当车道偏离时,可以为驾驶员提供更多的反应时间,同时减少反应过程的错误的问题。
本发明的发明目的之二是通过计算预警评估指数后基于BP神经网络对车辆偏离车道时,更好的为驾驶员提供反应时间进行预警调整车辆到车道中间行驶。
本发明提供的技术方案为:
一种保持车辆在车道中间行驶的控制系统,包括:
条件检测装置,其用于检测所述车辆与车道线距离;
仪表控制器,其控制单元通过CAN总线与所述条件检测装置连接;
电动助力转向装置,其控制单元通过CAN总线与所述条件检测装置连接;
两个摄像头,其对称安装在所述车辆的两侧,并且通过CAN总线与所述条件检测装置连接。
一种保持车辆在车道中间行驶的控制方法,使用所述的控制系统,包括如下步骤:
步骤一、分别通过两侧的摄像头检测车辆到两侧车道线的距离,同时监测车速和方向盘转角,并且将检测到的距离信息结果通过CAN总线发送到条件检测装置;
步骤二、当所述条件检测装置检测达到报警条件时,检测结果通过CAN总线同时发送到仪表控制器进行报警、发送到电动助力转向装置产生方向盘抖动进行报警或者发送到电动助力转向装置施加转矩将车辆调整到车道中间安全位置。
优选的是,在所述步骤二中还包括:
当所述条件检测装置首次检测达到报警条件时,检测结果通过CAN总线同时发送到仪表控制器进行报警和发送到电动助力转向装置产生方向盘抖动进行报警;
再次通过两侧的摄像头检测车辆到两侧车道线的距离,并且将检测到的距离信息结果通过CAN总线发送到条件检测装置;
当所述条件检测装置再次检测达到报警条件时,检测结果通过CAN总线发送到电动助力转向装置施加转矩将车辆调整到车道中间安全位置。
优选的是,再次检测与首次检测的时间相隔3秒;以及
在所述步骤二中的报警条件为车辆到两侧车道线的相对距离小于0.3米。
优选的是,在所述步骤二中还包括计算预警评估指数ξ:
式中,κ为校正系数,取值范围为0.76~1.12,ai为车辆到车道线的距离,a0为车辆到车道线的标准比较距离,βi为车辆向一侧方向的方向盘转角,β0为车辆向一侧方向的标准比较方向盘转角,V为车速,V0为标准比较车速;
其中,a1为车辆到左侧车道线的距离,a2为车辆到右侧车道线的距离,β1为车辆向左侧方向的方向盘转角,β2为车辆向右侧方向的方向盘转角。
优选的是,当ξ≥1.45时,在所述步骤二中的报警条件为车辆到两侧车道线的相对距离小于0.3米。
优选的是,当ξ<1.45时,在所述步骤二中的报警条件采用BP神经网络进行判断,包括如下步骤:
步骤1、按照采样周期,采集车速V、车辆向左侧方向的方向盘转角β1、车辆向右侧方向的方向盘转角β2、车辆到左侧车道线的距离a1、车辆到右侧车道线的距离a2、预警评估指数ξ;
步骤2、依次将上述参数进行规格化,确定三层BP神经网络的输入层神经元向量x={x1,x2,x3,x4,x5,x6},其中,x1为车速系数、x2为车辆向左侧方向的方向盘转角系数、x3为车辆向右侧方向的方向盘转角系数、x4为车辆到左侧车道线的距离系数、x5为车辆到右侧车道线的距离系数,x6为预警评估指数系数;
步骤3、所述输入层向量映射到隐层,所述隐层向量y={y1,y2,…,ym},m为隐层节点个数;
步骤4、得到输出层神经元向量o={o1,o2,o3,o4};其中,o1为设定的第1报警等级,o2为设定的第2报警等级,o3为设定的第3报警等级,o4为设定的第4报警等级,所述输出层神经元值为k为输出层神经元序列号,k={1,2,3,4},i为设定的第i个报警等级,i={1,2,3,4},当ok为1时,此时,车辆处于ok对应的报警等级;
步骤5、根据输出的报警判断,分别进行不同的报警:
当达到设定的第1报警等级时,检测结果通过CAN总线发送到仪表控制器进行报警;
当达到设定的第2报警等级时,检测结果通过CAN总线发送到电动助力转向装置产生方向盘抖动进行报警;
当达到设定的第3报警等级时,检测结果通过CAN总线同时发送到仪表控制器进行报警和发送到电动助力转向装置产生方向盘抖动进行报警;
当达到设定的第4报警等级时,检测结果通过CAN总线发送到电动助力转向装置施加转矩将车辆调整到车道中间安全位置。
优选的是,在所述步骤2中,将车速V、方向盘转角β、车辆到左侧车道线的距离a1、车辆到右侧车道线的距离a2进行规格化的公式为:
其中,xj为输入层向量中的参数,Xj分别为测量参数V、β1、β2、a1、a2、ξ,j=1,2,3,4,5,6;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
优选的是,κ取值为0.87。
本发明与现有技术相比较所具有的有益效果:当车道偏离时,可以为驾驶员提供更多的反应时间,减少反应过程中的错误,提高行驶安全性;同时,通过计算预警评估指数后基于BP神经网络对车辆偏离车道时,更好的为驾驶员提供反应时间进行预警调整车辆到车道中间行驶。
附图说明
图1为本发明所述的结构示意图。
图2是本发明所述的本车道保持系统的工作流程图。
图3是本发明所述的本车道保持系统中报警条件为0.3米的工作流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供一种保持车辆在车道中间行驶的控制系统,包括:安装在车辆的仪表,车辆左右两侧的两个摄像头,仪表控制器,电动助力转向模块,CAN总线和条件检测装置;条件检测装置通过CAN总线分别与仪表控制器和电动助力转向模块的控制单元连接,条件检测装置检测车辆与车道线距离是否小于设定值,如果是,则通过CAN总线对仪表进行报警和电动助力转向模块的控制单元使方向盘抖动报警而且使车辆调整到中间位置。
在另一种实施例中,控制系统中设有系统开关,系统开关输出系统开关信号至仪表控制器,仪表控制器将系统开关信号经CAN总线输送至摄像头模块。
在另一种实施例中,与控制单元电连接的控制开关,控制单元在接收到控制开关信号后,方向盘开始抖动预警,提示驾驶员车辆离车道线过近;若驾驶员没有反应,通过条件检测装置再次检测车道线的距离,判断是仍然否小于设定值,若是,则通过助力转向模块调整车辆位置到车道的中间。
在另一种实施例中,两个摄像头对称安装在车辆的两侧,并且通过CAN总线与条件检测装置连接。
本发明提供一种保持车辆在车道中间行驶的控制方法,包括如下步骤:
步骤一、分别通过两侧的摄像头检测车辆到两侧车道线的距离,同时监测车速和方向盘转角,并且将检测到的距离信息结果通过CAN总线发送到条件检测装置;
步骤二、当所述条件检测装置检测达到报警条件时,检测结果通过CAN总线同时发送到仪表控制器进行报警、发送到电动助力转向装置产生方向盘抖动进行报警或者发送到电动助力转向装置施加转矩将车辆调整到车道中间安全位置。
如图2所示,在另一种实施例中,本发明提供的控制方法具体包括如下步骤:
步骤一、通过摄像头获取车到两侧车道线的距离a1,a2;
步骤二、摄像头将测量结果通过CAN总线送到条件检测模块,判断所得距离小于设定值的条件包括:a1小于设定值,a2小于设定值;
步骤三、所述步骤二中的两个条件满足其中一个,将条件检测模块中的判断结果将通过CAN总线送到仪表中进行报警,同时条件检测模块将信号通过CAN总线将报警信号输送至电动助力模块中,电动助力模块产生方向盘抖动来对驾驶员报警;
步骤四、三秒钟后再次检测摄像头所测得距离;将所得距离送到条件检测模块中,判断是否小于设定值,如果是,则说明,驾驶员对报警没有反应,则需要主动调整车辆到安全的中间位置,条件检测模块将信号通过CAN总线输送至电动助力模块施加转矩,调整车辆的位置,使车辆的位置向中间移动,之后不断检测车离车道线的距离,重复上述过程,直到所测距离大于设定值为止。
如图3所示,在另一种实施例中,本发明提供的控制方法具体包括如下步骤:
步骤一、摄像头测量车到两边车道线的相对距离a1,a2;
步骤二、将测量的结果由CAN总线送到条件检测模块中,判断a1,a2是否小于0.3米;若是,则将检测结果通过CAN总线送到仪表中进行报警,并将信号送到电动助力模块,使方向盘振动来预警;
其中,a1小于0.3m,则仪表提示车辆靠左侧车道线过近,a2小于0.3m,则仪表提示车辆靠右侧车道线过近;
当电动助力转向模块收到来自条件检测系统的信号后,电动助力模块控制相关电机正负双向规律转动,则将产生的振动经过车辆转向管柱传递给方向盘,从而使方向盘产生振动预警;
步骤三、三秒钟后,再次通过摄像头获取车辆到两边车道线的距离;
将所测距离再次输送到条件检测模块中,再次判断a1,a2是否小于0.3m;若条件检测模块的结果仍然是小于0.3m,则说明驾驶员没有对车辆调整干预;
将检测结果通过CAN总线送到电动转向模块中,施加转矩,调整车辆的位置,使车辆向车道中间移动;
当a1小于0.3m时,则车偏向左边车道线,施加转矩,使车辆向右调整到车道中间;当a2小于0.3m时,则车偏向右边车道线,施加转矩,使车辆向左调整到车道中间;
不断获取车到两边车道线的距离,并送到条件检测模块中判断是否小于0.3m,若是则重复上述步骤;当检测结果为,a1大于0.3m且a2大于0.3m时,说明车在车道中间行驶,无需调整。
在另一种实施例中,在所述步骤二中还包括计算预警评估指数ξ:
式中,κ为校正系数,取值范围为0.76~1.12,ai为车辆到车道线的距离,单位为m,a0为车辆到车道线的标准比较距离,单位为m,βi为车辆向一侧方向的方向盘转角,β0为车辆向一侧方向的标准比较方向盘转角,V为车速,单位为km/h,V0为标准比较车速,单位为km/h;其中,a1为车辆到左侧车道线的距离,单位为m,a2为车辆到右侧车道线的距离,单位为m,β1为车辆向左侧方向的方向盘转角,β2为车辆向右侧方向的方向盘转角。
在另一种实施例中,κ取值为0.87。
在另一种实施例中,当ξ≥1.45时,在所述步骤二中的报警条件为车辆到两侧车道线的相对距离小于0.3米。
在另一种实施例中,当ξ<1.45时,本发明提供的控制方法中的报警条件采用BP神经网络进行控制,具体包括如下步骤:
步骤一、建立BP神经网络模型。
BP模型上各层次的神经元之间形成全互连连接,各层次内的神经元之间没有连接,输入层神经元的输出与输入相同,即oi=xi。中间隐含层和输出层的神经元的操作特性为
opj=fj(netpj)
其中p表示当前的输入样本,ωji为从神经元i到神经元j的连接权值,opi为神经元j的当前输入,opj为其输出;fj为非线性可微非递减函数,一般取为S型函数,即fj(x)=1/(1+e-x)。
本发明采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示设备工作状态的n个检测信号,这些信号参数由数据预处理模块给出;第二层为隐层,共m个节点,由网络的训练过程以自适应的方式确定;第三层为输出层,共p个节点,由系统实际需要输出的响应确定。
该网络的数学模型为:
输入向量:x=(x1,x2,...,xn)T
中间层向量:y=(y1,y2,...,ym)T
输出向量:o=(o1,o2,...,op)T
输入层5个参数分别表示为:x1为车速系数、x2为车辆向左侧方向的方向盘转角系数、x3为车辆向右侧方向的方向盘转角系数、x4为车辆到左侧车道线的距离系数、x5为车辆到右侧车道线的距离系数,x6为预警评估指数系数。
具体而言,监测车辆的行驶车速V,进行规格化后,得到行驶车速系数x1:
其中,Vmin和Vmax分别为监测的最小车速和最大车速。
同样的,监测车辆向左侧方向的方向盘转角β1通过下式进行规格化,得到方向盘转角系数x2:
其中,β1_min和β1_max分别为监测的车辆向左侧方向的最小方向盘转角和最大方向盘转角。
监测车辆向右侧方向的方向盘转角β2通过下式进行规格化,得到方向盘转角系数x3:
其中,β2_min和β2_max分别为监测的车辆向右侧方向的最小方向盘转角和最大方向盘转角。
使用左侧摄像头测量得到车辆到左侧车道线的距离a1,进行规格化后,得到车辆到左侧车道线的距离系数x4:
其中,a1_min和a1_max分别为摄像头测量的车辆到左侧车道线的最小距离和车辆到左侧车道线的最大距离。
使用右侧摄像头测量得到车辆到右侧车道线的距离a2,进行规格化后,得到车辆到右侧车道线的距离系数x5:
其中,a2_min和a2_max分别为摄像头测量的车辆到右侧车道线的最小距离和车辆到右侧车道线的最大距离。
根据计算得到的预警评估指数ξ,进行规格化后,得到预警评估指数系数x6:
其中,ξmin和ξmax分别为通过计算能够得到的最小预警评估指数和最大预警评估指数。
得到输出层神经元向量o={o1,o2,o3,o4};其中,o1为设定的第1报警等级,o2为设定的第2报警等级,o3为设定的第3报警等级,o4为设定的第4报警等级,所述输出层神经元值为k为输出层神经元序列号,k={1,2,3,4},i为设定的第i个报警等级,i={1,2,3,4},当ok为1时,此时,车辆处于ok对应的报警等级。
步骤2、进行BP神经网络的训练。
建立好BP神经网络节点模型后,即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本,并给定输入节点i和隐含层节点j之间的连接权值wij,隐层节点j和输出层节点k之间的连接权值wjk,隐层节点j的阈值θj,输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。
在训练过程中,不断修正wij和wjk的值,直至系统误差小于等于期望误差时,完成神经网络的训练过程。
如表1所示,给定了一组训练样本以及训练过程中各节点的值。
(1)训练方法
各子网采用单独训练的方法;训练时,首先要提供一组训练样本,其中的每一个样本由输入样本和理想输出对组成,当网络的所有实际输出与其理想输出一致时,表明训练结束;否则,通过修正权值,使网络的理想输出与实际输出一致;各子网训练时的输出样本如表2所示。
表2 网络训练用的输出样本
(2)训练算法
BP网络采用误差反向传播(Backward Propagation)算法进行训练,其步骤可归纳如下:
第一步:选定一结构合理的网络,设置所有节点阈值和连接权值的初值。
第二步:对每个输入样本作如下计算:
(a)前向计算:对l层的j单元
式中,为第n次计算时l层的j单元信息加权和,为l层的j单元与前一层(即l-1层)的单元i之间的连接权值,为前一层(即l-1层,节点数为nl-1)的单元i送来的工作信号;i=0时,令 为l层的j单元的阈值。
若单元j的激活函数为sigmoid函数,则
且
若神经元j属于第一隐层(l=1),则有
若神经元j属于输出层(l=L),则有
(b)反向计算误差:
对于输出单元
对隐单元
(c)修正权值:
第三步:输入新的样本或新一周期样本,直到网络收敛,在训练时各周期中样本的输入顺序要重新随机排序。
BP算法采用梯度下降法求非线性函数极值,存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法,它使得网络学习时间更短,能有效地抑制网络陷于局部极小。其权值调整率选为
Δω=(JTJ+μI)-1JTe
其中J为误差对权值微分的雅可比(Jacobian)矩阵,I为输入向量,e为误差向量,变量μ是一个自适应调整的标量,用来确定学习是根据牛顿法还是梯度法来完成。
在系统设计时,系统模型是一个仅经过初始化了的网络,权值需要根据在使用过程中获得的数据样本进行学习调整,为此设计了系统的自学习功能。在指定了学习样本及数量的情况下,系统可以进行自学习,以不断完善网络性能。
步骤3、根据输出的报警判断,分别进行不同的报警:
当达到设定的第1报警等级时,检测结果通过CAN总线发送到仪表控制器进行报警;
当达到设定的第2报警等级时,检测结果通过CAN总线发送到电动助力转向装置产生方向盘抖动进行报警;
当达到设定的第3报警等级时,检测结果通过CAN总线同时发送到仪表控制器进行报警和发送到电动助力转向装置产生方向盘抖动进行报警;
当达到设定的第4报警等级时,检测结果通过CAN总线发送到电动助力转向装置施加转矩将车辆调整到车道中间安全位置。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.一种保持车辆在车道中间行驶的控制方法,其特征在于,使用的控制系统包括:条件检测装置,其用于检测所述车辆与车道线距离;仪表控制器,其控制单元通过CAN总线与所述条件检测装置连接;电动助力转向装置,其控制单元通过CAN总线与所述条件检测装置连接;两个摄像头,其对称安装在所述车辆的两侧,并且通过CAN总线与所述条件检测装置连接;
包括如下步骤:
步骤一、分别通过两侧的摄像头检测车辆到两侧车道线的距离,同时监测车速和方向盘转角,并且将检测到的距离信息结果通过CAN总线发送到条件检测装置;
步骤二、当所述条件检测装置检测达到报警条件时,检测结果通过CAN总线同时发送到仪表控制器进行报警、发送到电动助力转向装置产生方向盘抖动进行报警或者发送到电动助力转向装置施加转矩将车辆调整到车道中间安全位置;
在所述步骤二中还包括计算预警评估指数ξ:
式中,κ为校正系数,取值范围为0.76~1.12,ai为车辆到车道线的距离,a0为车辆到车道线的标准比较距离,βi为车辆向一侧方向的方向盘转角,β0为车辆向一侧方向的标准比较方向盘转角,V为车速,V0为标准比较车速;
其中,a1为车辆到左侧车道线的距离,a2为车辆到右侧车道线的距离,β1为车辆向左侧方向的方向盘转角,β2为车辆向右侧方向的方向盘转角。
2.如权利要求1所述的保持车辆在车道中间行驶的控制方法,其特征在于,在所述步骤二中还包括:
当所述条件检测装置首次检测达到报警条件时,检测结果通过CAN总线同时发送到仪表控制器进行报警和发送到电动助力转向装置产生方向盘抖动进行报警;
再次通过两侧的摄像头检测车辆到两侧车道线的距离,并且将检测到的距离信息结果通过CAN总线发送到条件检测装置;
当所述条件检测装置再次检测达到报警条件时,检测结果通过CAN总线发送到电动助力转向装置施加转矩将车辆调整到车道中间安全位置。
3.如权利要求2所述的保持车辆在车道中间行驶的控制方法,其特征在于,再次检测与首次检测的时间相隔3秒;以及
在所述步骤二中的报警条件为车辆到两侧车道线的相对距离小于0.3米。
4.如权利要求3所述的保持车辆在车道中间行驶的控制方法,其特征在于,当ξ≥1.45时,在所述步骤二中的报警条件为车辆到两侧车道线的相对距离小于0.3米。
5.如权利要求4所述的保持车辆在车道中间行驶的控制方法,其特征在于,当ξ<1.45时,在所述步骤二中的报警条件采用BP神经网络进行判断,包括如下步骤:
步骤1、按照采样周期,采集车速V、车辆向左侧方向的方向盘转角β1、车辆向右侧方向的方向盘转角β2、车辆到左侧车道线的距离a1、车辆到右侧车道线的距离a2、预警评估指数ξ;
步骤2、依次将步骤1的参数进行规格化,确定三层BP神经网络的输入层神经元向量x={x1,x2,x3,x4,x5,x6},其中,x1为车速系数、x2为车辆向左侧方向的方向盘转角系数、x3为车辆向右侧方向的方向盘转角系数、x4为车辆到左侧车道线的距离系数、x5为车辆到右侧车道线的距离系数,x6为预警评估指数系数;
步骤3、所述输入层向量映射到隐层,所述隐层向量y={y1,y2,…,ym},m为隐层节点个数;
步骤4、得到输出层神经元向量o={o1,o2,o3,o4};其中,o1为设定的第1报警等级,o2为设定的第2报警等级,o3为设定的第3报警等级,o4为设定的第4报警等级,所述输出层神经元值为k为输出层神经元序列号,k={1,2,3,4},i为设定的第i个报警等级,i={1,2,3,4},当ok为1时,此时,车辆处于ok对应的报警等级;
步骤5、根据输出的报警判断,分别进行不同的报警:
当达到设定的第1报警等级时,检测结果通过CAN总线发送到仪表控制器进行报警;
当达到设定的第2报警等级时,检测结果通过CAN总线发送到电动助力转向装置产生方向盘抖动进行报警;
当达到设定的第3报警等级时,检测结果通过CAN总线同时发送到仪表控制器进行报警和发送到电动助力转向装置产生方向盘抖动进行报警;
当达到设定的第4报警等级时,检测结果通过CAN总线发送到电动助力转向装置施加转矩将车辆调整到车道中间安全位置。
8.如权利要求7所述的保持车辆在车道中间行驶的控制方法,其特征在于,κ取值为0.87。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910170481.3A CN109835333B (zh) | 2019-03-07 | 2019-03-07 | 一种保持车辆在车道中间行驶的控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910170481.3A CN109835333B (zh) | 2019-03-07 | 2019-03-07 | 一种保持车辆在车道中间行驶的控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109835333A CN109835333A (zh) | 2019-06-04 |
CN109835333B true CN109835333B (zh) | 2020-07-31 |
Family
ID=66885424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910170481.3A Expired - Fee Related CN109835333B (zh) | 2019-03-07 | 2019-03-07 | 一种保持车辆在车道中间行驶的控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109835333B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111613092B (zh) * | 2020-05-09 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 车辆碰撞预警方法、装置、设备及计算机可读存储介质 |
CN112776886B (zh) * | 2021-01-29 | 2022-06-21 | 清华大学 | 智能电动车辆视觉车道居中辅助系统失效安全控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1504276B1 (en) * | 2002-05-03 | 2012-08-08 | Donnelly Corporation | Object detection system for vehicle |
CN100486845C (zh) * | 2004-12-27 | 2009-05-13 | 日产自动车株式会社 | 车道偏离防止系统 |
JP4507976B2 (ja) * | 2005-05-11 | 2010-07-21 | トヨタ自動車株式会社 | 車両用走行制御装置 |
DE102006051930B4 (de) * | 2006-11-03 | 2017-04-06 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Fahrerzustandserkennung |
CN102717825A (zh) * | 2012-06-20 | 2012-10-10 | 清华大学 | 一种协同式车道保持控制方法 |
CN108501959A (zh) * | 2018-03-26 | 2018-09-07 | 奇瑞汽车股份有限公司 | 一种车道偏离预警系统及其控制方法 |
-
2019
- 2019-03-07 CN CN201910170481.3A patent/CN109835333B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN109835333A (zh) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumarawadu et al. | Neuroadaptive combined lateral and longitudinal control of highway vehicles using RBF networks | |
CN109835333B (zh) | 一种保持车辆在车道中间行驶的控制系统及控制方法 | |
CN108545082B (zh) | 一种汽车变道预警方法 | |
CN107458482B (zh) | 一种汽车质心位置调整装置及其控制方法 | |
JP4510739B2 (ja) | 車両挙動推定予測装置および車両安定化制御システム | |
CN109552289B (zh) | 一种汽车自适应辅助制动系统及其控制方法 | |
CN109263654B (zh) | 一种汽车过减速带自适应调速系统及调速方法 | |
CN111338385A (zh) | 一种基于GRU网络模型与Gipps模型融合的车辆跟驰方法 | |
CN108482481B (zh) | 四轮独立驱动与转向电动汽车的四轮转向控制方法 | |
CN110682903B (zh) | 一种基于视觉感知的安全超车预警系统及方法 | |
CN108622101A (zh) | 一种汽车转向工况下的路面附着系数估计方法 | |
CN110758413B (zh) | 一种基于系统参数辨识的列车速度自适应控制方法 | |
CN108335457B (zh) | 一种基于驾驶人手环的驾驶安全监测方法 | |
US20210331663A1 (en) | Electric vehicle control system | |
CN109712424B (zh) | 一种基于物联网的车辆导航方法 | |
CN109886439B (zh) | 电控车辆远程诊断系统及其诊断方法 | |
CN109584630B (zh) | 一种基于车联网的车辆变道预警方法 | |
CN109191788B (zh) | 驾驶员疲劳驾驶判断方法、存储介质及电子设备 | |
CN110103960A (zh) | 车辆自适应巡航控制方法、系统及车辆 | |
CN109572692B (zh) | 一种电控车辆防冲撞系统的控制方法 | |
CN110154893B (zh) | 一种基于驾驶员特性的汽车安全驾驶预警方法 | |
CN109910865B (zh) | 一种基于物联网的车辆预警刹车方法 | |
CN113002527A (zh) | 一种自主电动汽车横向稳定性鲁棒容错控制方法 | |
CN113705865B (zh) | 一种基于深度神经网络的汽车稳定性因数预测方法 | |
CN110816531A (zh) | 一种无人驾驶汽车车辆间安全距离的控制系统及控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200731 Termination date: 20210307 |