CN109991978A - 一种基于网络的智能自动驾驶的方法及装置 - Google Patents
一种基于网络的智能自动驾驶的方法及装置 Download PDFInfo
- Publication number
- CN109991978A CN109991978A CN201910210240.7A CN201910210240A CN109991978A CN 109991978 A CN109991978 A CN 109991978A CN 201910210240 A CN201910210240 A CN 201910210240A CN 109991978 A CN109991978 A CN 109991978A
- Authority
- CN
- China
- Prior art keywords
- side images
- vehicle
- driving
- images
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004927 fusion Effects 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 41
- 230000033001 locomotion Effects 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000002093 peripheral effect Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 19
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
Abstract
本发明提供一种基于网络的智能自动驾驶的方法及装置,该方法包括:预存与各种车辆速度梯度相对应的预存周边图像信息及图像频率信息;获取该路线上的预存周边图像;拍摄在车辆周围预定范围内的周边图像,将周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像;当标准化图像与预存周边图像一致时,按照对当前位置预设的驾驶策略控制车辆行驶;当标准化图像与预存周边图像不一致时,对比得到标准化图像中与预存周边图像的区别特征,根据预存的针对区别特征的具体内容类别的驾驶策略,控制车辆行驶通过区别特征所对应的道路区域。本发明实现了实时、准确且安全的车辆自动驾驶。
Description
技术领域
本申请涉及自动驾驶的技术领域,尤其涉及一种基于网络的智能自动驾驶的方法及装置。
背景技术
随着人们生活水平的提高,汽车已经进入千家万户并逐渐成为人们出行的首选方式。随着汽车保有量的持续增长和汽车使用频率的增加,如何保障行驶安全及增加智能化驾驶逐渐成为人们普遍关注的问题。尤其是近些年特别为人们所关注的车辆自动驾驶,自动驾驶不需要驾驶员人工操作,在人们用车期间可以利用这段时间做一些其它的事情或工作,另一方面,成熟的自动驾驶技术可以使得车辆的驾驶操作都经过数据化操作,在一定程度上可以提升车辆驾驶的安全性。
自动驾驶汽车在驾驶过程中,仅仅通过雷达系统或者监控装置采集路况的点云信息存在一定的局限性,例如,由于雷达系统或监控装置在拍摄范围上的局限性,造成自动驾驶汽车无法高速行驶,躲避障碍物的灵活性低,且当出现紧急状况的时候,如车祸、泥石流,自动驾驶汽车很容易出现危险驾驶的情况。而且,在同一道路上不同时间点的道路情况也可能不相同,如何准确采集车辆的行驶环境信息,及时转换为对车辆的行驶控制指令是对自动驾驶技术的一大考验。再者,车辆行驶是一个动态的过程,有加速、减速、过马路、等红绿灯等各种情况,对于车辆的控制是需要提前采集车辆前方的道路信息,并迅速地为车辆制定向前方道路行驶的控制指令。而随着网络的发展,尤其是5G网络时代的到来,为自动驾驶提供了坚实的网络速度基础。
因此,如何提供一种能够实时且准确安全的车辆自动驾驶方案是本领域亟待解决的技术问题。
发明内容
本申请的目的在于提供一种基于网络的智能自动驾驶的方法及装置,解决现有技术中没有实时且准确安全的车辆自动驾驶的技术问题。
为达到上述目的,本申请提供一种基于网络的智能自动驾驶的方法,包括:
预先在数据库中存储与各种车辆速度梯度相对应的预存周边图像信息及对应的图像频率信息;
根据车辆的导航路线顺序从数据库中获取该路线上的预存周边图像;
实时获取所述车辆的当前位置,拍摄在所述车辆周围预定范围内的周边图像,将所述周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像;
根据所述车辆的当前位置及当前速度获取对应的目标图像频率信息,并以所述目标图像频率信息获取所述当前位置的预存周边图像,当所述标准化图像与所述预存周边图像一致时,按照对所述当前位置预设的驾驶策略控制所述车辆行驶;
当所述标准化图像与所述预存周边图像不一致时,对比得到所述标准化图像中与所述预存周边图像的区别特征,基于网络中道路相关的分类内容对比得到所述区别特征的具体内容类别,再根据预存的针对所述区别特征的具体内容类别的驾驶策略,控制所述车辆行驶通过所述区别特征所对应的道路区域。
可选地,其中,该方法还包括:
根据所述当前位置获取对应的预设雷达发射指令,根据所述雷达发射指令朝着该指令中设定的方位发射雷达信号;
根据所发射的雷达信号监测周围的移动物体、该移动物体的实时速度及与本车辆的实时距离,并与预设的移动物体相对本车辆的预测移动轨迹对照表对比得到所述移动物体的预测移动轨迹;
根据所述预测移动轨迹及当前道路类型信息与行车应对控制指令对照表得到预测应对指令,并根据所述预测应对指令控制所述车辆行驶。
可选地,其中,该方法还包括:
根据所述当前位置将与所述预存周边图像不一致的异常周边图像的所述区别特征上传至网络;
从网络上获取距离所述当前位置预定范围内且在预设时间段内的所述异常周边图像作为参考周边图像;分析所述参考周边图像得到参考区别特征;
基于网络中道路相关的分类内容对比得到所述参考区别特征的具体内容类别,根据预存的针对所述参考区别特征的具体内容类别的驾驶策略控制所述车辆行驶通过所述参考区别特征对应的道路区域。
可选地,其中,实时获取所述车辆的当前位置,拍摄在所述车辆周围预定范围内的周边图像,为:
实时获取所述车辆的当前位置及速度的车辆行驶状态,与车辆行驶状态和拍摄无人机飞行状态对照表对比得到所述车辆对应无人机的飞行状态及拍摄策略;
根据所述飞行状态控制所述无人机飞行并以所述拍摄策略拍摄在所述车辆周围预定范围内的周边图像。
可选地,其中,实时获取车辆的当前位置,拍摄在所述车辆周围预定范围内的周边图像,将所述周边图像按照预设的标准化处理策略进行处理得到标准化图像为:
实时获取车辆的当前位置,根据所述当前位置获取所述当前位置的实时环境信息,根据所述实时环境信息与拍摄条件信息对照关系获取当前的拍摄条件信息;
根据所述当前的拍摄条件信息拍摄在所述车辆周围预定范围内的周边图像,根据所述拍摄条件信息将所述周边图像按照预设的处理策略进行标准化处理得到标准化图像。
另一方面,本发明还提供一种基于网络的智能自动驾驶的装置,包括:周边信息存储器、预存周边图像接收器、标准化周边图像处理器及驾驶控制处理器;其中,
所述周边信息存储器,与所述预存周边图像接收器相连接,预先在数据库中存储与各种车辆速度梯度相对应的预存周边图像信息及对应的图像频率信息;
所述预存周边图像接收器,与所述周边信息存储器及标准化周边图像处理器相连接,根据车辆的导航路线顺序从数据库中获取该路线上的预存周边图像;
所述标准化周边图像处理器,与所述预存周边图像接收器及驾驶控制处理器相连接,实时获取所述车辆的当前位置,拍摄在所述车辆周围预定范围内的周边图像,将所述周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像;
所述驾驶控制处理器,与所述标准化周边图像处理器相连接,根据所述车辆的当前位置及当前速度获取对应的目标图像频率信息,并以所述目标图像频率信息获取所述当前位置的预存周边图像,当所述标准化图像与所述预存周边图像一致时,按对所述当前位置预设的驾驶策略控制所述车辆行驶;
当所述标准化图像与所述预存周边图像不一致时,对比得到所述标准化图像中与所述预存周边图像的区别特征,基于网络中道路相关的分类内容对比得到所述区别特征的具体内容类别,再根据预存的针对所述区别特征的具体内容类别的驾驶策略,控制所述车辆行驶通过所述区别特征所对应的道路区域。
可选地,其中,该装置还包括:驾驶应急处理器,与所述驾驶控制处理器相连接,根据所述当前位置获取对应的预设雷达发射指令,根据所述雷达发射指令朝着该指令中设定的方位发射雷达信号;
根据所发射的雷达信号监测周围的移动物体、该移动物体的实时速度及与本车辆的实时距离,并与预设的移动物体相对本车辆的预测移动轨迹对照表对比得到所述移动物体的预测移动轨迹;
根据所述预测移动轨迹及当前道路类型信息与行车应对控制指令对照表得到预测应对指令,并根据所述预测应对指令控制所述车辆行驶。
可选地,其中,该装置还包括:驾驶信息共享处理器,与所述驾驶控制处理器相连接,根据所述当前位置将与所述预存周边图像不一致的异常周边图像的所述区别特征上传至网络;
从网络上获取距离所述当前位置预定范围内且在预设时间段内的所述异常周边图像作为参考周边图像;分析所述参考周边图像得到参考区别特征;
基于网络中道路相关的分类内容对比得到所述参考区别特征的具体内容类别,根据预存的针对所述参考区别特征的具体内容类别的驾驶策略控制所述车辆行驶通过所述参考区别特征对应的道路区域。
可选地,其中,所述标准化周边图像处理器,包括:无人机拍摄状态获取单元及驾驶周边图像拍摄处理单元;其中,
所述无人机拍摄状态获取单元,与所述预存周边图像接收器及驾驶周边图像拍摄处理单元相连接,实时获取所述车辆的当前位置及速度的车辆行驶状态,与车辆行驶状态和拍摄无人机飞行状态对照表对比得到所述车辆对应无人机的飞行状态及拍摄策略;
所述驾驶周边图像拍摄处理单元,与所述无人机拍摄状态获取单元及驾驶控制处理器,根据所述飞行状态控制所述无人机飞行并以所述拍摄策略拍摄在所述车辆周围预定范围内的周边图像;将所述周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像。
可选地,其中,所述标准化周边图像处理器,包括:拍摄条件信息获取单元及驾驶周边图像拍摄处理单元;其中,
所述拍摄条件信息获取单元,与所述预存周边图像接收器及驾驶周边图像拍摄处理单元相连接,实时获取车辆的当前位置,根据所述当前位置获取所述当前位置的实时环境信息,根据所述实时环境信息与拍摄条件信息对照关系获取当前的拍摄条件信息;
所述驾驶周边图像拍摄处理单元,与所述拍摄条件信息获取单元及驾驶控制处理器,根据所述当前的拍摄条件信息拍摄在所述车辆周围预定范围内的周边图像,根据所述拍摄条件信息将所述周边图像按照预设的处理策略进行标准化处理得到标准化图像。
本申请所述的基于网络的智能自动驾驶的方法及装置,实现的有益效果如下:
(1)本申请的基于网络的智能自动驾驶的方法及装置,利用网络快速传输车辆当前道路的周边图像信息,并根据车辆行驶状态实时拍摄前方预设范围内的道路信息图像,与预存的周边图像信息对比预测该车辆即将经过的道路状态信息,并根据预测道路状态信息及当前的道路类型信息与驾驶控制指令对应关系得到经过前方道路的驾驶控制指令,据此控制车辆通过前方道路,实现了实时、准确且安全的车辆自动驾驶。
(2)本申请的基于网络的智能自动驾驶的方法及装置,通过雷达实时监控接近本车辆的移动物体状态,将移动物体的状态信息与预存的移动物体移动情况与移动物体类型对照关系对比预测移动物体的移动轨迹,并根据移动物体的预估移动轨迹控制本车辆进行对应性的驾驶控制,以防突发情况的出现,提升了自动驾驶的安全性。
(3)本申请的基于网络的智能自动驾驶的方法及装置,根据当前道路位置的环境条件选取合适的拍摄条件,以本环境下最好的方式展现当前即将经过的道路周边环境图像,并预先制定各个拍摄条件下拍摄照片的处理形式,经过去除常规的图像内容,保留与自动驾驶相关的图像内容的标准化处理,得到当前最真实的当前道路状态,为自动驾驶提供了准确的图像信息。
附图说明
为了更清楚地说明本申请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简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例中第一种基于网络的智能自动驾驶的方法的流程示意图;
图2为本发明实施例中第二种基于网络的智能自动驾驶的方法的流程示意图;
图3为本发明实施例中第三种基于网络的智能自动驾驶的方法的流程示意图;
图4为本发明实施例中第四种基于网络的智能自动驾驶的方法的流程示意图;
图5为本发明实施例中第五种基于网络的智能自动驾驶的方法的流程示意图;
图6为本发明实施例中第一种基于网络的智能自动驾驶的装置的结构示意图;
图7为本发明实施例中第二种基于网络的智能自动驾驶的装置的结构示意图;
图8为本发明实施例中第三种基于网络的智能自动驾驶的装置的结构示意图;
图9为本发明实施例中第四种基于网络的智能自动驾驶的装置的结构示意图;
图10为本发明实施例中第五种基于网络的智能自动驾驶的装置的结构示意图。
具体实施方式
下面结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例
本实施例中提供一种基于网络的智能自动驾驶的方法,通过预先将道路状态信息存储在数据库中,并制定各个道路类型下的车辆驾驶的控制策略,在车辆经过该道路时以预设的控制策略控制车辆行驶通过,结合车辆雷达监测周围行驶车辆的实时状态,控制与周围车辆的行驶距离,实现了车辆在常规状态下的自动驾驶。而根据当前车辆行驶速度实时拍摄前方道路周边图像信息,与预存的周边图像对比看前方道路是否出现异常,如坑洼、障碍物,甚至突然跑出的行人等。在前方出现异常时,通过网络的快速传输及处理功能确认道路异常的异常道路特征,并结合预先设置的异常道路特征处理措施控制车辆行驶通过该异常道路区域,或提前减速,甚至在停下等待。如在本侧车道前方有障碍物影响行驶时,在车辆通过雷达确认前后左右均无车辆影响的情况下,自动控制车辆变换车道绕行该障碍物。由此,本实施例中通过网络提前预存道路信息,结合车辆现场实施拍摄前方道路情况,得到车辆行驶的道路状态,据此以对应预设的驾驶策略驾驶车辆行驶,实现了安全、准确的车辆自动驾驶功能。
本实施的基于网络的智能自动驾驶的方法包括如下步骤:
步骤101、预先在数据库中存储与各种车辆速度梯度相对应的预存周边图像信息及对应的图像频率信息。
在实际生活中,道路的种类与车辆的形式控制方式是可以对应的,比如,在直线行驶时,控制车速和车在道路中的位置及周边车辆间距可保证车辆安全行驶;而对于拐弯道路,根据不同车型及弯道特征也有相应的行车控制;对于上坡路、下坡路等都可以根据坡道大小、长短实时控制车辆的行驶速度,保证车辆准确地通过。而车辆行驶的速度与需要预估前方道路的范围相对应,在车辆速度相对较快时,需要加快当前道路周边图像的展现频率,以便与高速的形式车辆相一致,由此能够准确合理地获取车辆当前所需要的前方道路信息。
步骤102、根据车辆的导航路线顺序从数据库中获取该路线上的预存周边图像。
当车辆的行驶路线确定后,在该路线上的周边行驶状态图像都可以从数据库中调取,再按照顺序,结合车辆行驶速度实时地发送至车辆驾驶控制系统,同时还可以根据该路线上道路周边信息预估通过该道路的驾驶策略(将该道路上各段路线的预存行驶策略综合起来得到),为后续的自动驾驶提供指导策略。
可选地,车辆的网络系统还实时监测车辆的网络状态,在网络状态处于预设的自动驾驶网络范围内时,按照原定的自动驾驶策略控制车辆行驶;在网络状态处于预设的自动驾驶网络范围之外时,根据当前的道路类型及周围车辆状态控制车辆减速行驶并安全地靠边停至道路旁边的安全停放处。
步骤103、实时获取车辆的当前位置,拍摄在车辆周围预定范围内的周边图像,将周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像。
在平常的日常生活中,车辆周边的环境条件是影响车辆驾驶的主要因素,通过提前拍摄车辆周边一定范围内(可以是50米至1000米范围内,如300米)的图像,并根据预设的图像提取处理策略提取图像中的相关特征,进行标准化处理,如处理为标准事物的线条图像(结合网络上事物与线条图像对应关系),得到的标准化图像既方便描述道路环境,又便于对图像上事物特征尺寸数据的测量,使得驾驶系统能够快速、准确地获取前方道路状态信息,为自动驾驶提供了准确的参数支持。
步骤104、根据车辆的当前位置及当前速度获取对应的目标图像频率信息,并以目标图像频率信息获取当前位置的预存周边图像,当标准化图像与预存周边图像一致时,按照对当前位置预设的驾驶策略控制车辆行驶。
步骤105、当标准化图像与预存周边图像不一致时,对比得到标准化图像中与预存周边图像的区别特征,基于网络中道路相关的分类内容对比得到区别特征的具体内容类别,再根据预存的针对区别特征的具体内容类别的驾驶策略,控制车辆行驶通过区别特征所对应的道路区域。
基于网络的图像分析可得到区别特征的具体内容类别,例如,一条狗或猫突然跑到道路上,通过拍摄图像中区别特征提取后获取区别特征轮毂后与网络中相似轮廓的事物对比初步筛选相似事物,再进一步扫描对比筛选得到区别特征的具体内容类别,进而根据该区别特征的具体内容类别选取对应的自动驾驶策略控制车辆行驶,增强了车辆自动驾驶的机动性,保证车辆对于异常道路情况能够准确、快速地采取驾驶控制措施。
在一些可选的实施例中,如图2所示,为本实施例中第二种基于网络的智能自动驾驶的方法的流程示意图,与图1中不同的是,该方法还包括:
步骤201、根据当前位置获取对应的预设雷达发射指令,根据雷达发射指令朝着该指令中设定的方位发射雷达信号。
步骤202、根据所发射的雷达信号监测周围的移动物体、该移动物体的实时速度及与本车辆的实时距离,并与预设的移动物体相对本车辆的预测移动轨迹对照表对比得到移动物体的预测移动轨迹;
步骤203、根据预测移动轨迹及当前道路类型信息与行车应对控制指令对照表得到预测应对指令,并根据预测应对指令控制车辆行驶。
利用预存的道路图像行驶策略结合实时拍摄图像,进一步结合雷达监测周边移动物体移动状态预估周围物体的移动轨迹,为车辆行驶过程中规避与周围移动物体发生意外提供了预先驾驶控制参考,能够有效地避免意外情况的发生,提升了自动驾驶控制系统的安全性。
在一些可选的实施例中,如图3所示,为本实施例中第三种基于网络的智能自动驾驶的方法的流程示意图,与图1中不同的是,该方法还包括:
步骤301、根据当前位置将与预存周边图像不一致的异常周边图像的区别特征上传至网络。
步骤302、从网络上获取距离当前位置预定范围内且在预设时间段内的异常周边图像作为参考周边图像;分析参考周边图像得到参考区别特征。
步骤303、基于网络中道路相关的分类内容对比得到参考区别特征的具体内容类别,根据预存的针对参考区别特征的具体内容类别的驾驶策略控制车辆行驶通过参考区别特征对应的道路区域。
在一些可选的实施例中,如图4所示,为本实施例中第四种基于网络的智能自动驾驶的方法的流程示意图,与图1中不同的是,实时获取车辆的当前位置,拍摄在车辆周围预定范围内的周边图像,为:
步骤401、实时获取车辆的当前位置及速度的车辆行驶状态,与车辆行驶状态和拍摄无人机飞行状态对照表对比得到车辆对应无人机的飞行状态及拍摄策略。
步骤402、根据飞行状态控制无人机飞行并以拍摄策略拍摄在车辆周围预定范围内的周边图像。
在一些可选的实施例中,如图5所示,为本实施例中第五种基于网络的智能自动驾驶的方法的流程示意图,与图1中不同的是,实时获取车辆的当前位置,拍摄在车辆周围预定范围内的周边图像,将周边图像按照预设的标准化处理策略进行处理得到标准化图像,为:
步骤501、实时获取车辆的当前位置,根据当前位置获取当前位置的实时环境信息,根据实时环境信息与拍摄条件信息对照关系获取当前的拍摄条件信息。
步骤502、根据当前的拍摄条件信息拍摄在车辆周围预定范围内的周边图像,根据拍摄条件信息将周边图像按照预设的处理策略进行标准化处理得到标准化图像。
在另一些可选的实施例中,如图6所示,为本实施中一种基于网络的智能自动驾驶的装置600的结构示意图,该装置可用于实施上述的基于网络的智能自动驾驶的方法,该装置600包括:周边信息存储器601、预存周边图像接收器602、标准化周边图像处理器603及驾驶控制处理器604。
其中,周边信息存储器601,与预存周边图像接收器602相连接,用于预先在数据库中存储与各种车辆速度梯度相对应的预存周边图像信息及对应的图像频率信息。
预存周边图像接收器602,与周边信息存储器601及标准化周边图像处理器603相连接,用于根据车辆的导航路线顺序从数据库中获取该路线上的预存周边图像。
标准化周边图像处理器603,与预存周边图像接收器602及驾驶控制处理器604相连接,用于实时获取车辆的当前位置,拍摄在车辆周围预定范围内的周边图像,将周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像。
驾驶控制处理器604,与标准化周边图像处理器603相连接,用于根据车辆的当前位置及当前速度获取对应的目标图像频率信息,并以目标图像频率信息获取当前位置的预存周边图像,当标准化图像与预存周边图像一致时,按照对当前位置预设的驾驶策略控制车辆行驶。当标准化图像与预存周边图像不一致时,对比得到标准化图像中与预存周边图像的区别特征,基于网络中道路相关的分类内容对比得到区别特征的具体内容类别,再根据预存的针对区别特征的具体内容类别的驾驶策略,控制车辆行驶通过区别特征所对应的道路区域。
在另一些可选的实施例中,如图7所示,为本实施中第二种基于网络的智能自动驾驶的装置700的结构示意图,与图6中不同的是,还包括:驾驶应急处理器701,与驾驶控制处理器604相连接,用于根据当前位置获取对应的预设雷达发射指令,根据雷达发射指令朝着该指令中设定的方位发射雷达信号。
根据所发射的雷达信号监测周围的移动物体、该移动物体的实时速度及与本车辆的实时距离,并与预设的移动物体相对本车辆的预测移动轨迹对照表对比得到移动物体的预测移动轨迹。
根据预测移动轨迹及当前道路类型信息与行车应对控制指令对照表得到预测应对指令,并根据预测应对指令控制车辆行驶。
在另一些可选的实施例中,如图8所示,为本实施中第三种基于网络的智能自动驾驶的装置800的结构示意图,与图6中不同的是,驾驶信息共享处理器801,与驾驶控制处理器604相连接,用于根据当前位置将与预存周边图像不一致的异常周边图像的区别特征上传至网络。
从网络上获取距离当前位置预定范围内且在预设时间段内的异常周边图像作为参考周边图像;分析参考周边图像得到参考区别特征。
基于网络中道路相关的分类内容对比得到参考区别特征的具体内容类别,根据预存的针对参考区别特征的具体内容类别的驾驶策略控制车辆行驶通过参考区别特征对应的道路区域。
在另一些可选的实施例中,如图9所示,为本实施中第四种基于网络的智能自动驾驶的装置900的结构示意图,与图6中不同的是,标准化周边图像处理器603,包括:无人机拍摄状态获取单元631及驾驶周边图像拍摄处理单元632。
其中,无人机拍摄状态获取单元631,与预存周边图像接收器602及驾驶周边图像拍摄处理单元632相连接,实时获取车辆的当前位置及速度的车辆行驶状态,与车辆行驶状态和拍摄无人机飞行状态对照表对比得到车辆对应无人机的飞行状态及拍摄策略。
驾驶周边图像拍摄处理单元632,与无人机拍摄状态获取单元631及驾驶控制处理器604,根据飞行状态控制无人机飞行并以拍摄策略拍摄在车辆周围预定范围内的周边图像;将周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像。
在另一些可选的实施例中,如图10所示,为本实施中第五种基于网络的智能自动驾驶的装置1000的结构示意图,与图6中不同的是,标准化周边图像处理器603,包括:拍摄条件信息获取单元633及驾驶周边图像拍摄处理单元632。
其中,拍摄条件信息获取单元633,与预存周边图像接收器602及驾驶周边图像拍摄处理单元632相连接,实时获取车辆的当前位置,根据当前位置获取当前位置的实时环境信息,根据实时环境信息与拍摄条件信息对照关系获取当前的拍摄条件信息。
驾驶周边图像拍摄处理单元632,与拍摄条件信息获取单元633及驾驶控制处理器604,根据当前的拍摄条件信息拍摄在车辆周围预定范围内的周边图像,根据拍摄条件信息将周边图像按照预设的处理策略进行标准化处理得到标准化图像。
本实施例中基于网络的智能自动驾驶的方法及装置,根据预测道路状态信息及当前的道路类型信息与驾驶控制指令对应关系得到经过前方道路的驾驶控制指令,据此控制车辆通过前方道路,实现了实时、准确且安全的车辆自动驾驶。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种基于网络的智能自动驾驶的方法,其特征在于,包括:
预先在数据库中存储与各种车辆速度梯度相对应的预存周边图像信息及对应的图像频率信息;
根据车辆的导航路线顺序从数据库中获取该路线上的预存周边图像;
实时获取所述车辆的当前位置,拍摄在所述车辆周围预定范围内的周边图像,将所述周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像;
根据所述车辆的当前位置及当前速度获取对应的目标图像频率信息,并以所述目标图像频率信息获取所述当前位置的预存周边图像,当所述标准化图像与所述预存周边图像一致时,按照对所述当前位置预设的驾驶策略控制所述车辆行驶;
当所述标准化图像与所述预存周边图像不一致时,对比得到所述标准化图像中与所述预存周边图像的区别特征,基于网络中道路相关的分类内容对比得到所述区别特征的具体内容类别,再根据预存的针对所述区别特征的具体内容类别的驾驶策略,控制所述车辆行驶通过所述区别特征所对应的道路区域。
2.根据权利要求1所述的基于网络的智能自动驾驶的方法,其特征在于,还包括:
根据所述当前位置获取对应的预设雷达发射指令,根据所述雷达发射指令朝着该指令中设定的方位发射雷达信号;
根据所发射的雷达信号监测周围的移动物体、该移动物体的实时速度及与本车辆的实时距离,并与预设的移动物体相对本车辆的预测移动轨迹对照表对比得到所述移动物体的预测移动轨迹;
根据所述预测移动轨迹及当前道路类型信息与行车应对控制指令对照表得到预测应对指令,并根据所述预测应对指令控制所述车辆行驶。
3.根据权利要求1所述的基于网络的智能自动驾驶的方法,其特征在于,还包括:
根据所述当前位置将与所述预存周边图像不一致的异常周边图像的所述区别特征上传至网络;
从网络上获取距离所述当前位置预定范围内且在预设时间段内的所述异常周边图像作为参考周边图像;分析所述参考周边图像得到参考区别特征;
基于网络中道路相关的分类内容对比得到所述参考区别特征的具体内容类别,根据预存的针对所述参考区别特征的具体内容类别的驾驶策略控制所述车辆行驶通过所述参考区别特征对应的道路区域。
4.根据权利要求1所述的基于网络的智能自动驾驶的方法,其特征在于,实时获取所述车辆的当前位置,拍摄在所述车辆周围预定范围内的周边图像,为:
实时获取所述车辆的当前位置及速度的车辆行驶状态,与车辆行驶状态和拍摄无人机飞行状态对照表对比得到所述车辆对应无人机的飞行状态及拍摄策略;
根据所述飞行状态控制所述无人机飞行并以所述拍摄策略拍摄在所述车辆周围预定范围内的周边图像。
5.根据权利要求1至4中任意一项所述的基于网络的智能自动驾驶的方法,其特征在于,实时获取车辆的当前位置,拍摄在所述车辆周围预定范围内的周边图像,将所述周边图像按照预设的标准化处理策略进行处理得到标准化图像为:
实时获取车辆的当前位置,根据所述当前位置获取所述当前位置的实时环境信息,根据所述实时环境信息与拍摄条件信息对照关系获取当前的拍摄条件信息;
根据所述当前的拍摄条件信息拍摄在所述车辆周围预定范围内的周边图像,根据所述拍摄条件信息将所述周边图像按照预设的处理策略进行标准化处理得到标准化图像。
6.一种基于网络的智能自动驾驶的装置,其特征在于,包括:周边信息存储器、预存周边图像接收器、标准化周边图像处理器及驾驶控制处理器;其中,
所述周边信息存储器,与所述预存周边图像接收器相连接,预先在数据库中存储与各种车辆速度梯度相对应的预存周边图像信息及对应的图像频率信息;
所述预存周边图像接收器,与所述周边信息存储器及标准化周边图像处理器相连接,根据车辆的导航路线顺序从数据库中获取该路线上的预存周边图像;
所述标准化周边图像处理器,与所述预存周边图像接收器及驾驶控制处理器相连接,实时获取所述车辆的当前位置,拍摄在所述车辆周围预定范围内的周边图像,将所述周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像;
所述驾驶控制处理器,与所述标准化周边图像处理器相连接,根据所述车辆的当前位置及当前速度获取对应的目标图像频率信息,并以所述目标图像频率信息获取所述当前位置的预存周边图像,当所述标准化图像与所述预存周边图像一致时,按对所述当前位置预设的驾驶策略控制所述车辆行驶;
当所述标准化图像与所述预存周边图像不一致时,对比得到所述标准化图像中与所述预存周边图像的区别特征,基于网络中道路相关的分类内容对比得到所述区别特征的具体内容类别,再根据预存的针对所述区别特征的具体内容类别的驾驶策略,控制所述车辆行驶通过所述区别特征所对应的道路区域。
7.根据权利要求6所述的基于网络的智能自动驾驶的装置,其特征在于,还包括:驾驶应急处理器,与所述驾驶控制处理器相连接,根据所述当前位置获取对应的预设雷达发射指令,根据所述雷达发射指令朝着该指令中设定的方位发射雷达信号;
根据所发射的雷达信号监测周围的移动物体、该移动物体的实时速度及与本车辆的实时距离,并与预设的移动物体相对本车辆的预测移动轨迹对照表对比得到所述移动物体的预测移动轨迹;
根据所述预测移动轨迹及当前道路类型信息与行车应对控制指令对照表得到预测应对指令,并根据所述预测应对指令控制所述车辆行驶。
8.根据权利要求6所述的基于网络的智能自动驾驶的装置,其特征在于,还包括:驾驶信息共享处理器,与所述驾驶控制处理器相连接,根据所述当前位置将与所述预存周边图像不一致的异常周边图像的所述区别特征上传至网络;
从网络上获取距离所述当前位置预定范围内且在预设时间段内的所述异常周边图像作为参考周边图像;分析所述参考周边图像得到参考区别特征;
基于网络中道路相关的分类内容对比得到所述参考区别特征的具体内容类别,根据预存的针对所述参考区别特征的具体内容类别的驾驶策略控制所述车辆行驶通过所述参考区别特征对应的道路区域。
9.根据权利要求6所述的基于网络的智能自动驾驶的装置,其特征在于,所述标准化周边图像处理器,包括:无人机拍摄状态获取单元及驾驶周边图像拍摄处理单元;其中,
所述无人机拍摄状态获取单元,与所述预存周边图像接收器及驾驶周边图像拍摄处理单元相连接,实时获取所述车辆的当前位置及速度的车辆行驶状态,与车辆行驶状态和拍摄无人机飞行状态对照表对比得到所述车辆对应无人机的飞行状态及拍摄策略;
所述驾驶周边图像拍摄处理单元,与所述无人机拍摄状态获取单元及驾驶控制处理器,根据所述飞行状态控制所述无人机飞行并以所述拍摄策略拍摄在所述车辆周围预定范围内的周边图像;将所述周边图像按照预设的图像标准化处理策略进行处理得到标准化周边图像。
10.根据权利要求6至9中任意一项所述的基于网络的智能自动驾驶的装置,其特征在于,所述标准化周边图像处理器,包括:拍摄条件信息获取单元及驾驶周边图像拍摄处理单元;其中,
所述拍摄条件信息获取单元,与所述预存周边图像接收器及驾驶周边图像拍摄处理单元相连接,实时获取车辆的当前位置,根据所述当前位置获取所述当前位置的实时环境信息,根据所述实时环境信息与拍摄条件信息对照关系获取当前的拍摄条件信息;
所述驾驶周边图像拍摄处理单元,与所述拍摄条件信息获取单元及驾驶控制处理器,根据所述当前的拍摄条件信息拍摄在所述车辆周围预定范围内的周边图像,根据所述拍摄条件信息将所述周边图像按照预设的处理策略进行标准化处理得到标准化图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910210240.7A CN109991978B (zh) | 2019-03-19 | 2019-03-19 | 一种基于网络的智能自动驾驶的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910210240.7A CN109991978B (zh) | 2019-03-19 | 2019-03-19 | 一种基于网络的智能自动驾驶的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109991978A true CN109991978A (zh) | 2019-07-09 |
CN109991978B CN109991978B (zh) | 2021-04-02 |
Family
ID=67129193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910210240.7A Active CN109991978B (zh) | 2019-03-19 | 2019-03-19 | 一种基于网络的智能自动驾驶的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109991978B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748720A (zh) * | 2019-10-29 | 2021-05-04 | 北京百度网讯科技有限公司 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102785620A (zh) * | 2011-05-16 | 2012-11-21 | 三星电子株式会社 | 针对用于车辆的终端的用户接口方法及其装置 |
CN104700641A (zh) * | 2015-04-03 | 2015-06-10 | 成都吉普斯能源科技有限公司 | 一种智能云车辆管控系统 |
CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
CN107944375A (zh) * | 2017-11-20 | 2018-04-20 | 北京奇虎科技有限公司 | 基于场景分割的自动驾驶处理方法及装置、计算设备 |
CN207473410U (zh) * | 2017-11-16 | 2018-06-08 | 尹新通 | 一种汽车智能自动驾驶装置 |
CN108196535A (zh) * | 2017-12-12 | 2018-06-22 | 清华大学苏州汽车研究院(吴江) | 基于增强学习和多传感器融合的自动驾驶系统 |
CN108320441A (zh) * | 2018-02-02 | 2018-07-24 | 安徽中天保安服务集团有限公司 | 一种基于无线通信网络的无人机巡查监测预警系统 |
WO2018155159A1 (ja) * | 2017-02-24 | 2018-08-30 | パナソニックIpマネジメント株式会社 | 遠隔映像出力システム、及び遠隔映像出力装置 |
CN109116846A (zh) * | 2018-08-29 | 2019-01-01 | 五邑大学 | 一种自动驾驶方法、装置、计算机设备和存储介质 |
CN109143215A (zh) * | 2018-08-28 | 2019-01-04 | 重庆邮电大学 | 一种基于双目视觉与v2x通信的协同预警设备与方法 |
CN109448390A (zh) * | 2018-11-23 | 2019-03-08 | 武汉格罗夫氢能汽车有限公司 | 一种车辆管理方法、设备及存储设备 |
CN109460062A (zh) * | 2018-12-21 | 2019-03-12 | 祺步智能科技(上海)有限公司 | 一种多无人机控制台 |
-
2019
- 2019-03-19 CN CN201910210240.7A patent/CN109991978B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102785620A (zh) * | 2011-05-16 | 2012-11-21 | 三星电子株式会社 | 针对用于车辆的终端的用户接口方法及其装置 |
CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
CN104700641A (zh) * | 2015-04-03 | 2015-06-10 | 成都吉普斯能源科技有限公司 | 一种智能云车辆管控系统 |
WO2018155159A1 (ja) * | 2017-02-24 | 2018-08-30 | パナソニックIpマネジメント株式会社 | 遠隔映像出力システム、及び遠隔映像出力装置 |
CN207473410U (zh) * | 2017-11-16 | 2018-06-08 | 尹新通 | 一种汽车智能自动驾驶装置 |
CN107944375A (zh) * | 2017-11-20 | 2018-04-20 | 北京奇虎科技有限公司 | 基于场景分割的自动驾驶处理方法及装置、计算设备 |
CN108196535A (zh) * | 2017-12-12 | 2018-06-22 | 清华大学苏州汽车研究院(吴江) | 基于增强学习和多传感器融合的自动驾驶系统 |
CN108320441A (zh) * | 2018-02-02 | 2018-07-24 | 安徽中天保安服务集团有限公司 | 一种基于无线通信网络的无人机巡查监测预警系统 |
CN109143215A (zh) * | 2018-08-28 | 2019-01-04 | 重庆邮电大学 | 一种基于双目视觉与v2x通信的协同预警设备与方法 |
CN109116846A (zh) * | 2018-08-29 | 2019-01-01 | 五邑大学 | 一种自动驾驶方法、装置、计算机设备和存储介质 |
CN109448390A (zh) * | 2018-11-23 | 2019-03-08 | 武汉格罗夫氢能汽车有限公司 | 一种车辆管理方法、设备及存储设备 |
CN109460062A (zh) * | 2018-12-21 | 2019-03-12 | 祺步智能科技(上海)有限公司 | 一种多无人机控制台 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112748720A (zh) * | 2019-10-29 | 2021-05-04 | 北京百度网讯科技有限公司 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109991978B (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10401866B2 (en) | Methods and systems for lidar point cloud anomalies | |
CN109035832A (zh) | 基于v2x通信的信号灯路口智能通行系统 | |
CN106103232B (zh) | 行驶控制装置、车载用显示装置和行驶控制系统 | |
US11267474B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
WO2021103511A1 (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
DE102018119469A1 (de) | System und verfahren zur verbesserten hinderniserkennung unter verwendung eines v2x-kommunikationssystems | |
CN111580522A (zh) | 无人驾驶汽车的控制方法、汽车和存储介质 | |
US20180074502A1 (en) | Systems and methods for unprotected left turns in high traffic situations in autonomous vehicles | |
DE102019108080A1 (de) | Selektive Fernsteuerung einer ADAS-Funktionalität eines Fahrzeugs | |
CN110780665B (zh) | 车辆无人驾驶控制方法及装置 | |
CN111169479A (zh) | 一种巡航控制方法、装置、系统、车辆及存储介质 | |
US11042153B2 (en) | Adaptive multi-network vehicle architecture | |
DE102018110086A1 (de) | Automatisierte routenüberquerung eines fahrzeugs | |
DE112016006746T5 (de) | Fahrzeugsteuerungssystem, Fahrzeugsteuerungsverfahren und Fahrzeugsteuerungsprogramm | |
DE102018109376A1 (de) | Punktzahlwertung beim einparken autonomer fahrzeuge | |
DE112016006216T5 (de) | Vorrichtung und Verfahren für ein autonomes Fahrzeug zum Verfolgen eines Objekts | |
JP2023508083A (ja) | 自動化車両を制御するための方法および装置 | |
CN110497919B (zh) | 自动车辆从自主模式转换到手动模式的物体位置历史回放 | |
US20200385016A1 (en) | Control device, getting-into/out facility, control method, and storage medium | |
CN107230310A (zh) | 接力式监控方法及无人驾驶汽车 | |
CN106114500A (zh) | 车辆行驶控制方法及车辆行驶控制装置 | |
CN108646738A (zh) | 一种驾驶辅助功能调用装置及方法 | |
CN108961797A (zh) | 一种基于视觉交通灯信息的车辆辅助驾驶系统和装置 | |
WO2020244394A1 (zh) | 自动驾驶信息指示方法、自动驾驶信息获取方法、自动驾驶信息发送方法及装置 | |
US20200250980A1 (en) | Reuse of Surroundings Models of Automated Vehicles |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220322 Address after: 523000 Room 101, unit 2, building 1, No. 17, headquarters Second Road, Songshanhu Park, Dongguan City, Guangdong Province Patentee after: Guangdong Hualang Xingtong Technology Co.,Ltd. Address before: 201a, Olympic building, No.2 Shangbao Road, Jinghua community, Lianhua street, Futian District, Shenzhen, Guangdong 518000 Patentee before: Mo Rihua Patentee before: Hu minchao |
|
TR01 | Transfer of patent right |