CN110379157A - 道路盲区监控方法、系统、装置、设备和存储介质 - Google Patents
道路盲区监控方法、系统、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110379157A CN110379157A CN201910480151.4A CN201910480151A CN110379157A CN 110379157 A CN110379157 A CN 110379157A CN 201910480151 A CN201910480151 A CN 201910480151A CN 110379157 A CN110379157 A CN 110379157A
- Authority
- CN
- China
- Prior art keywords
- traffic information
- blind area
- road
- vehicle
- sensor
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种道路盲区监控方法、系统、装置、设备和存储介质，计算机设备获取传感器对所处道路盲区进行扫描获得的扫描数据；对扫描数据进行处理，获得道路盲区的路况信息；并发送上述路况信息。采用上述方法可以使道路盲区中的车辆准确地判断出道路盲区的路况信息，进一步提高行车的安全性。
Description
技术领域
本申请涉及信号处理技术领域，特别是涉及一种道路盲区监控方法、系统、装置、设备和存储介质。
背景技术
车道的转角处存在高大的建筑物或者山体时，会形成车辆视觉盲区，使得车辆行驶至该转角处时不能清楚看到转弯后的道路上是否有车辆、行人或者障碍物等，影响车辆行车安全。
传统技术中，主要通过在道路转角处设置一块凸面镜，使得驾驶人员可以通过该凸面镜可以看到转完后的道路是否有车辆或者行人等，从而做好避让的准备。
但是，采用上述方法，无人驾驶汽车难以通过车载传感器设备对凸面镜中的影像进行准确的识别，导致无法对转角处的盲区路况进行准确判断。
发明内容
基于此，有必要针对上述技术问题，提供一种道路盲区监控方法、系统、装置、设备和存储介质。
一种道路盲区监控方法，所述方法包括：
获取传感器对所处道路盲区进行扫描获得的扫描数据；
对所述扫描数据进行处理，获得所述道路盲区的路况信息；所述路况信息包括：所述道路盲区中的对象及其位置信息；所述对象包括行人、车辆和/或障碍物；
发送所述路况信息。
在其中一个实施例中，所述对所述扫描数据进行处理，获得所述道路盲区的路况信息，包括：
将所述扫描数据输入预设的机器学习模型，通过所述机器学习模型对所述扫描数据进行处理，识别所述道路盲区中的各所述对象；
获取各所述对象及所述传感器在预设的道路盲区坐标系中的坐标；
根据获取的传感器在全球定位系统地球坐标系下的GPS坐标，将各所述对象在预设的道路盲区坐标系中的坐标，转换成各所述对象在地球坐标系下的坐标；
根据各所述对象和各所述对象在地球坐标系下的坐标，生成所述路况信息。
在其中一个实施例中，所述发送所述路况信息，包括：
判断所述路况信息中是否包含车辆；
若是，则发送所述路况信息。
在其中一个实施例中，所述对所述扫描数据进行处理，获得所述道路盲区的路况信息，包括：
接收请求车辆发送的路况信息请求；所述路况信息请求中包括所述请求车辆的位置；
根据所述请求车辆的位置，将所述扫描数据转换成与所述请求车辆的视角匹配的目标扫描数据；
对所述目标扫描数据进行处理，获取所述申请车辆待行驶路径中的目标路况信息。
在其中一个实施例中，所述发送所述路况信息，包括：
将所述目标路况信息发送给所述请求车辆。
在其中一个实施例中，所述方法还包括：
对预设时长内的路况信息进行处理，将包含所述路况信息中的行人和车辆的位置的区域，确定为目标扫描区域；
确定与所述目标扫描区域匹配的传感器扫描参数，并发送给所述传感器。
一种道路盲区监控系统，所述系统包括：传感器以及与所述传感器连接的计算机设备；
所述传感器对道路盲区进行扫描，获取扫描数据；
所述计算机设备获取所述传感器对所处道路盲区进行扫描获得的扫描数据；对所述扫描数据进行处理，获得所述道路盲区的路况信息；所述路况信息包括：所述道路盲区中的对象及其位置信息；所述对象包括行人、车辆和/或障碍物；发送所述路况信息。
在一个实施例中，所述计算机设备对预设时长内的路况信息进行处理，将包含所述路况信息中的行人和车辆的位置的区域，确定为目标扫描区域；确定与所述目标扫描区域匹配的传感器扫描参数，并发送给所述传感器。
在一个实施例中，所述系统还包括支架和凸面镜；
所述支架用于将所述感知系统固定在所述道路转弯外侧；
所述凸面镜与所述支架连接。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述道路盲区监控方法的步骤。
上述道路盲区监控方法、系统、装置、设备和存储介质，计算机设备获取传感器对所处道路盲区进行扫描获得的扫描数据；对扫描数据进行处理，获得道路盲区的路况信息；并发送上述路况信息。由于计算机设备可以根据对转角道路的扫描数据，来获取道路盲区的路况信息，从而使接收到上述路况信息的车辆可以根据车辆的当前位置来判断上述道路盲区中还存在哪些车辆、行人或者障碍物，并根据上述车辆、行人或者障碍物的位置来，在准确地判断出转角道路盲区的路况信息，进一步提高行车的安全性。
附图说明
图1为一个实施例中道路盲区监控方法的应用环境图；
图2为一个实施例中道路盲区监控方法的流程示意图；
图3为另一个实施例中道路盲区监控方法的流程示意图；
图4为另一个实施例中道路盲区监控方法的流程示意图；
图5为另一个实施例中道路盲区监控方法的流程示意图；
图6为一个实施例中道路盲区监控系统的结构框图；
图7为一个实施例中道路盲区监控装置的结构框图；
图8为另一个实施例中道路盲区监控装置的结构框图；
图9为另一个实施例中道路盲区监控装置的结构框图；
图10为另一个实施例中道路盲区监控装置的结构框图；
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的道路盲区监控方法，可以应用于如图1所示的应用环境中。其中，传感器120可以但不限于是激光雷达、毫米波雷达、摄像头以及红外等类型的传感器，可以是一个传感器，也可以是多个传感器的组合，在此不做限定；计算机设备110与传感器120连接。
在一个实施例中，如图2所示，提供了一种道路盲区监控方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
S101、获取传感器对所处道路盲区进行扫描获得的扫描数据。
其中，上述扫描数据可以是激光雷达获得的点云数据，也可以是摄像头采集得到的图像数据；上述扫描数据可以是通过一个传感器扫描获得的，也可以是通过多个传感器扫描获得的，对于上述扫描数据的具体类型在此不做限定。上述道路盲区可以是城市中的街道，也可以盘山公路，对于上述道路盲区的类型在此不做限定。例如，上述扫描数据可以是通过设置于转角道路外侧的激光雷达传感器，对转角道路两侧扫描得到的点云数据。
具体地，计算机设备可以直接接收传感器发送的扫描数据，也可以是传感器将扫描数据上传至交通控制中心之后，接收上述交通控制中心发送的扫描数据；计算机设备可以通过有线连接的方式获取上述扫描数据，也可以通过无线连接的方式获取上述扫描数据，对于上述扫描数据的获取方式在此不作限定。
S102、对扫描数据进行处理，获得道路盲区的路况信息；路况信息包括：道路盲区中的对象及其位置信息；对象包括行人、车辆和/或障碍物。
其中，路况信息是指计算机设备对扫描数据进行处理，获得的对当前道路盲区的感知信息，上述路况信息包括道路盲区中的行人、车辆和/障碍物，以及上述行人、车辆和/障碍物的位置信息；还可以包括上述障碍物的尺寸信息，上述车辆的类型，例如是大型货车还是小型客车；另外，还可以包括上述道路盲区的地形信息，包括道路的走向、宽度等，也包括盲区是否存在山体滑坡、道路塌陷等，对于上述交通环境信息的具体内容在此不做限定。
具体地，上述路况信息可以是计算机设备获取的一组数据，例如可以是按照预设的通信协议，将上述对象和位置信息组成的报头+数据+数据结尾的形式的数据；还可以是将上述行人、车辆和/障碍物的位置及其类型标注在预设的地图中的地图数据，对于上述路况信息的类型在此不做限定。
在对扫描数据进行处理时，计算机设备可以通过轮廓识别方法，对点云数据进行识别，获取上述道路盲区中的行人、车辆和/或交通障碍物的位置；也可以通过图像识别方法，获取摄像头采集的图像信息中的行人、车辆和/或障碍物，然后根据摄像头的位置来进一步确定上述行人、车辆和/或障碍物的位置；还可以通过机器学习算法对上述扫描数据进行处理，对于上述扫描数据的处理方法，在此不做限定。
S103、发送路况信息。
计算机设备在获取上述路况信息后，可以将上述路况信息发送出去；可以也广播的方式发送上述路况信息，使得进入该道路盲区的车辆可以通过与发送信号相同的频率，来接收到上述路况信息；也可以将上述计算机设备接入物联网，使得车辆可以通过物联网的相关协议，获取上述路况信息；对于上述路况信息的发送方式，在此不做限定。
具体地，计算机设备可以将上述路况信息发送给无人驾驶车辆，也可以发送给普通车辆，还可以发送给行人的终端设备，对于上述路况信息的发送对象，在此不做限定。上述发送对象接收到路况信息后，可以从上述路况信息中确定出当前道路盲区中包含的对象及其位置，例如路况信息可以包括转角道路两端的车辆及其位置，使得位于转角道路一端的车辆通过路况信息了解到在转角道路的另一端是否有车辆行驶，而不需要通过转角处的凸透镜来获取。
计算机设备可以将获取的路况信息，实时发送出去，可选地，还可以判断路况信息中是否包含车辆；若是，则发送路况信息。
具体地，计算机设备获取的路况信息中，可以包括识别出的对象的类型，若路况信息中包括类型为车辆的对象，那么，计算机设备可以认为当前的道路盲区中包含车辆，然后将上述路况信息发送出去；若路况信息中各个对象的类型均不是车辆，那么，计算机设备认为当前道路中不包含车辆，可以不发送上述路况信息。上述道路盲区监控方法，计算机设备在车辆进入上述道路盲区时才发送路况信息，可以降低发送时长，从而降低了计算机设备消耗的资源。
上述道路盲区监控方法，计算机设备获取传感器对所处道路盲区进行扫描获得的扫描数据；对扫描数据进行处理，获得道路盲区的路况信息；并发送上述路况信息。由于计算机设备可以根据对转角道路的扫描数据，来获取道路盲区的路况信息，从而使接收到上述路况信息的车辆可以根据车辆的当前位置来判断上述道路盲区中还存在哪些车辆、行人或者障碍物，并根据上述车辆、行人或者障碍物的位置来，在准确地判断出转角道路盲区的路况信息，进一步提高行车的安全性。
图3为另一个实施例中道路盲区监控方法的流程示意图，本实施例涉及一种计算机设备获取路况信息的方式，在上述实施例的基础上，如图3所示，上述S102包括：
S201、将扫描数据输入预设的机器学习模型，通过机器学习模型对扫描数据进行处理，识别道路盲区中的各对象。
具体地，计算机设备可以通过机器学习模型对扫描数据进行处理，来获取路况信息。计算机设备可以直接将扫描数据输入预设的机器学习模型，也可以先将扫描数据进行滤除杂散信号的处理后，再输入上述机器学习模型中，对于上述输入方法在此不做限定。
进一步地，计算机设备可以通过机器学习模型来识别道路盲区中的行人和/或车辆，并确定上述道路盲区中的行人和/或车辆的位置；例如，机器学习模型可以输出道路盲区坐标系中各个坐标出存在上述对象的概率，然后根据上述概率大小来确定该坐标处是否包含有对象；然后进一步地识别出对象的类型。
S202、获取各对象及传感器在预设的道路盲区坐标系中的坐标。
计算机设备可以根据上述机器学习模型对扫描数据的处理结果，获取上述个对象在预设的道路盲区坐标系中的坐标，并获取上述传感器的坐标。
S203、根据获取的传感器在全球定位系统地球坐标系下的GPS坐标，将各对象在预设的道路盲区坐标系中的坐标，转换成各对象在地球坐标系下的坐标。
进一步地，计算机设备可以获取传感器在全球定位系统(Global PositioningSystem，简称GPS)坐标系下的坐标，计算机设备可以获取设备内存储的传感器的GPS坐标，也可以通过GPS模块实时获取该传感器的GPS坐标，对于上述GPS坐标的获取方式，在此不做限定。
在获取了传感器的GPS坐标的基础上，计算机设备可以根据该传感器在预设的道路盲区坐标系中的坐标以及传感器的GPS坐标，将上述预设的道路坐标系统一到地球坐标系中，将上述对象在预设道路盲区坐标系中的坐标，转换为GPS坐标。
S204、根据各对象和各对象在地球坐标系下的坐标，生成路况信息。
计算机设备可以将上述对象的信息和上述对象的GPS坐标进行组合，生成路况信息。
以道路盲区为转弯道路为例，如图1所示，上述转弯道路的外侧设置了激光雷达传感器，激光雷达对上述转弯道路进行扫描，计算机设备获得的扫描数据为点云数据。
计算机设备对上述点云数据进行处理，将点云数据输入预设的机器学习模型中，识别出上述点云数据中的车辆A和车辆B，并获取车辆A和车辆B在预设道路坐标系中的坐标以及上述激光雷达在上述预设道路坐标系中的坐标。
进一步地，计算机设备可以获取激光雷达所在位置的GPS坐标，然后根据上述GPS坐标与预设坐标系中的激光雷达的坐标进行标定，可以确定出车辆A和车辆B的GPS坐标：坐标1和坐标2，然后将上述路况信息广播发送。
车辆A在接收到上述路况信息后，可以与车辆A车载设备中获取的车辆A的GPS坐标3，与路况信息中的车辆的坐标1和坐标2进行对比，确定坐标3与坐标1相同后，就可以得到上述转弯道路中还包括车辆B，并且获得车辆B所在的位置。
上述道路盲区监控方法，计算机设备通过机器学习模型对扫描数据进行处理，并将识别出的各对象的坐标转换为GPS坐标，使得车辆可以根据各对象的GPS坐标与车辆自身的获得的GPS坐标，很容易地确定出道路盲区中还有哪些车辆，以及道路盲区中的车辆的位置，从而能更准确地了解道路盲区的路况信息。
图4为另一个实施例中道路盲区监控方法的流程示意图，本实施例涉及另一种计算机设备获取路况信息的方式，在上述实施例的基础上，如图4所示，上述S102包括：
S301、接收请求车辆发送的路况信息请求；路况信息请求中包括请求车辆的位置。
具体地，道路盲区中的车辆可以向计算机发送路况信息请求，来获取当前道路盲区的路况信息。其中，计算机设备可以通过移动通信网络接收上述监控信息请求，也可以通过计算机设备和车辆之间的其它网络来接收，对于上述接收方式在此不做限定。上述请求车辆可以是无人驾驶车辆，也可以是普通车辆，对于上述请求车辆的类型在此不做限定，可以接收上述路况信息进行处理即可。
上述路况信息请求中，包括了所述请求车辆的位置，上述请求车辆的位置可以是该车辆的GPS坐标下的位置，也可以是通过计算机设备获取的预设的道路坐标系，在上述道路坐标系下的位置，对于上述请求车辆的位置的具体类型在此不做限定。上述路况信息请求还可以包括上述请求车辆的类型，例如大型货车，还可以包括上述请求车辆的行驶速度，对于上述路况信息请求的具体内容，在此不做限定。
S302、根据请求车辆的位置，将扫描数据转换成与请求车辆的视角匹配的目标扫描数据。
计算机设备接收到上述路况信息请求后，可以根据上述请求中携带的信息，确定出上述请求车辆在预设的道路盲区坐标系中的位置，然后通过连续多次的扫描数据，获取该请求车辆的行驶速度和行驶方向，例如，可以通过对连续两次的扫描数据进行处理，识别出该请求车辆的位置变化范围，然后根据上述两次扫描的间隔时间，来计算出该请求车辆的行驶速度和行驶方向。
进一步地，计算机设备确定了请求车辆的行驶速度和行驶方向之后，可以将扫描数据转换成该请求车辆的视角下，对应的目标扫描数据。继续以道路盲区为转弯道路为例，如图1所示，车辆A为请求车辆，从转弯道路的右侧驶入该道路盲区，那么计算机设备可以将扫描数据转换为车辆A的视角的目标扫描数据。
计算机设备可以根据请求车辆A的坐标，在进行扫描数据的坐标转换，也可以在车辆A处设置虚拟的传感器，对于上述视角匹配的方式，在此不做限定。
S303、对目标扫描数据进行处理，获取申请车辆待行驶路径中的目标路况信息。
其中，计算机设备可以对目标扫描数据进行处理，获取路况信息；对上述目标扫描数据的处理方式与上述S102中的处理方式类似，在此不再赘述。
具体地，计算机设备根据上述目标扫描数据获取路况信息后，可以对上述路况信息进行筛选，确定出该申请车辆在待行驶路径上的目标路况信息。继续以道路盲区为转弯道路为例，如图1所示，请求车辆车辆A的待行驶路径为转弯道路中车辆A左侧的道路，计算机设备可以将车辆A已行驶过的右侧道路中的路况信息进行删除。
进一步地，计算机设备将上述目标路况信息发送给请求车辆。
计算机设备可以根据上述路况信息请求获取与该请求车辆的通信标识，然后通过该通信标识与请求车辆进行连接，并发送上述目标路况信息。
上述道路盲区监控方法，计算机设备根据监控信息请求，将扫描数据转换成请求车辆的视角对应的目标扫描数据，然后对目标扫描数据进行处理，使得请求车辆可以在道路转角处，快速获取行驶路径上道路转角后的路况信息，从而准确地指定驾驶策略，提高了行车安全性。
在一个实施例中，如图5所示，在上述实施例的基础上，上述S102之后还包括：
S401、对预设时长内的路况信息进行处理，将包含所述路况信息中的行人和车辆的位置的区域，确定为目标扫描区域。
具体地，计算机设备通过预设时长内的路况信息，可以根据上述道路信息中行人和车辆的位置，确定出该道路盲区下哪些区域是行人和车辆所行驶的区域，例如，对于山路上的转角道路，计算机设备可以确定出包含行人和车辆位置的区域，为转角道路区域，而另一部分区域中没有行人和车辆的位置，也就是在上述预设时长内，行人和车辆没有出现在该区域中，可能为山体区域或者悬崖区域等；计算机设备认为传感器可以不对山体区域进行扫描，将上述包含行人和车辆位置的区域确定为目标扫描区域。其中，上述预设时长可以是一天，也可以是1个月，对于上述预设时长在此不做限定。
S402、确定与目标扫描区域匹配的传感器扫描参数，并发送给传感器。
具体地，计算机设备在确定了上述目标扫描区域后，可以根据目标扫描区域的范围，来设置传感器的扫描范围，例如可以设置激光雷达传感器的扫描角度等。
上述道路盲区监控方法，计算机设备根据路况信息确定出目标扫描区域，并根据目标扫描区域确定匹配的传感器扫描参数，从而优化传感器的扫描范围，减小了扫描数据的大小，提升计算机对扫描数据的处理效率，并节约计算资源。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种道路盲区监控系统，上述系统包括：传感器120以及与传感器连接的计算机设备110；
传感器120对道路盲区进行扫描，获取扫描数据；
计算机设备110获取传感器对所处道路盲区进行扫描获得的扫描数据；对扫描数据进行处理，获得道路盲区的路况信息；上述路况信息包括道路盲区中的对象及其位置信息；上述对象包括行人、车辆和/或障碍物；发送上述路况信息。
在一个实施例中，计算机设备对预设时长内的路况信息进行处理，将包含路况信息中的行人和车辆的位置的区域，确定为目标扫描区域；确定与目标扫描区域匹配的传感器扫描参数，并发送给传感器。
在一个实施例中，系统还包括支架和凸面镜；支架用于将感知系统固定在道路转弯外侧；凸面镜与支架连接。
本申请实施例提供的道路盲区监控系统，可以实现上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在一个实施例中，如图7所示，提供了一种道路盲区监控装置，包括：获取模块10、处理模块20和发送模块30，其中：
获取模块10，用于获取传感器对所处道路盲区进行扫描获得的扫描数据；
处理模块20，用于对扫描数据进行处理，获得道路盲区的路况信息；路况信息包括：道路盲区中的对象及其位置信息；对象包括行人、车辆和/或障碍物；
发送模块30，用于发送路况信息。
本申请实施例提供的道路盲区监控装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在一个实施例中，在上述实施例的基础上，如图8所示，上述处理模块20包括：
识别单元201，用于将扫描数据输入预设的机器学习模型，通过机器学习模型对扫描数据进行处理，识别道路盲区中的各对象。
获取单元202，用于获取各对象及传感器在预设的道路盲区坐标系中的坐标。
转换单元203，用于根据获取的传感器在地球坐标系下的GPS坐标，将各对象在预设的道路盲区坐标系中的坐标，转换成各对象在地球坐标系下的坐标。
生成单元204，用于根据各对象和各对象在地球坐标系下的坐标，生成路况信息。
在一个实施例中，在上述实施例的基础上，上述发送模块30具体用于：判断路况信息中是否包含车辆；若是，则发送路况信息。
在一个实施例中，在上述实施例的基础上，如图9所示，上述处理模块20包括：
接收单元205，用于接收请求车辆发送的路况信息请求；路况信息请求中包括请求车辆的位置。
匹配单元206，用于根据请求车辆的位置，将扫描数据转换成与请求车辆的视角匹配的目标扫描数据。
处理单元207，用于对目标扫描数据进行处理，获取申请车辆待行驶路径中的目标路况信息。
在一个实施例中，在上述实施例的基础上，上述发送模块30具体用于：将目标路况信息发送给请求车辆。
在一个实施例中，在上述实施例的基础上，如图10所示，上述装置还包括确定模块40，用于：对预设时长内的路况信息进行处理，将包含路况信息中的行人和车辆的位置的区域，确定为目标扫描区域；确定与目标扫描区域匹配的传感器扫描参数，并发送给传感器。
本申请实施例提供的道路盲区监控装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于道路盲区监控装置的具体限定可以参见上文中对于道路盲区监控方法的限定，在此不再赘述。上述道路盲区监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储道路盲区监控数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种道路盲区监控方法。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取传感器对所处道路盲区进行扫描获得的扫描数据；
对扫描数据进行处理，获得道路盲区的路况信息；路况信息包括：道路盲区中的对象及其位置信息；对象包括行人、车辆和/或障碍物；
发送路况信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将扫描数据输入预设的机器学习模型，通过机器学习模型对扫描数据进行处理，识别道路盲区中的各对象；获取各对象及传感器在预设的道路盲区坐标系中的坐标；根据获取的传感器在地球坐标系下的GPS坐标，将各对象在预设的道路盲区坐标系中的坐标，转换成各对象在地球坐标系下的坐标；根据各对象和各对象在地球坐标系下的坐标，生成路况信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：判断路况信息中是否包含车辆；若是，则发送路况信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：接收请求车辆发送的路况信息请求；路况信息请求中包括请求车辆的位置；根据请求车辆的位置，将扫描数据转换成与请求车辆的视角匹配的目标扫描数据；对目标扫描数据进行处理，获取申请车辆待行驶路径中的目标路况信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将目标路况信息发送给请求车辆。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对预设时长内的路况信息进行处理，将包含路况信息中的行人和车辆的位置的区域，确定为目标扫描区域；确定与目标扫描区域匹配的传感器扫描参数，并发送给传感器。
本实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取传感器对所处道路盲区进行扫描获得的扫描数据；
对扫描数据进行处理，获得道路盲区的路况信息；路况信息包括：道路盲区中的对象及其位置信息；对象包括行人、车辆和/或障碍物；
发送路况信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将扫描数据输入预设的机器学习模型，通过机器学习模型对扫描数据进行处理，识别道路盲区中的各对象；获取各对象及传感器在预设的道路盲区坐标系中的坐标；根据获取的传感器在地球坐标系下的GPS坐标，将各对象在预设的道路盲区坐标系中的坐标，转换成各对象在地球坐标系下的坐标；根据各对象和各对象在地球坐标系下的坐标，生成路况信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：判断路况信息中是否包含车辆；若是，则发送路况信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收请求车辆发送的路况信息请求；路况信息请求中包括请求车辆的位置；根据请求车辆的位置，将扫描数据转换成与请求车辆的视角匹配的目标扫描数据；对目标扫描数据进行处理，获取申请车辆待行驶路径中的目标路况信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将目标路况信息发送给请求车辆。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对预设时长内的路况信息进行处理，将包含路况信息中的行人和车辆的位置的区域，确定为目标扫描区域；确定与目标扫描区域匹配的传感器扫描参数，并发送给传感器。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)、直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种道路盲区监控方法，其特征在于，所述方法包括：
获取传感器对所处道路盲区进行扫描获得的扫描数据；
对所述扫描数据进行处理，获得所述道路盲区的路况信息；所述路况信息包括：所述道路盲区中的对象及其位置信息；所述对象包括行人、车辆和/或障碍物；
发送所述路况信息。
2.根据权利要求1所述的方法，其特征在于，所述对所述扫描数据进行处理，获得所述道路盲区的路况信息，包括：
将所述扫描数据输入预设的机器学习模型，通过所述机器学习模型对所述扫描数据进行处理，识别所述道路盲区中的各所述对象；
获取各所述对象及所述传感器在预设的道路盲区坐标系中的坐标；
根据获取的传感器在全球定位系统地球坐标系下的GPS坐标，将各所述对象在预设的道路盲区坐标系中的坐标，转换成各所述对象在地球坐标系下的坐标；
根据各所述对象和各所述对象在地球坐标系下的坐标，生成所述路况信息。
3.根据权利要求2所述的方法，其特征在于，所述发送所述路况信息，包括：
判断所述路况信息中是否包含车辆；
若是，则发送所述路况信息。
4.根据权利要求1所述的方法，其特征在于，所述对所述扫描数据进行处理，获得所述道路盲区的路况信息，包括：
接收请求车辆发送的路况信息请求；所述路况信息请求中包括所述请求车辆的位置；
根据所述请求车辆的位置，将所述扫描数据转换成与所述请求车辆的视角匹配的目标扫描数据；
对所述目标扫描数据进行处理，获取所述申请车辆待行驶路径中的目标路况信息。
5.根据权利要求4所述的方法，其特征在于，所述发送所述路况信息，包括：
将所述目标路况信息发送给所述请求车辆。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
对预设时长内的路况信息进行处理，将包含所述路况信息中的行人和车辆的位置的区域，确定为目标扫描区域；
确定与所述目标扫描区域匹配的传感器扫描参数，并发送给所述传感器。
7.一种道路盲区监控系统，其特征在于，所述系统包括：传感器以及与所述传感器连接的计算机设备；
所述传感器对道路盲区进行扫描，获取扫描数据；
所述计算机设备获取所述传感器对所处道路盲区进行扫描获得的扫描数据；对所述扫描数据进行处理，获得所述道路盲区的路况信息；所述路况信息包括：所述道路盲区中的对象及其位置信息；所述对象包括行人、车辆和/或障碍物；发送所述路况信息。
8.根据权利要求7所述的系统，其特征在于，所述计算机设备对预设时长内的路况信息进行处理，将包含所述路况信息中的行人和车辆的位置的区域，确定为目标扫描区域；确定与所述目标扫描区域匹配的传感器扫描参数，并发送给所述传感器。
9.根据权利要求7所述的系统，其特征在于，所述系统还包括支架和凸面镜；
所述支架用于将所述感知系统固定在所述道路转弯外侧；
所述凸面镜与所述支架连接。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910480151.4A CN110379157A (zh) | 2019-06-04 | 2019-06-04 | 道路盲区监控方法、系统、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910480151.4A CN110379157A (zh) | 2019-06-04 | 2019-06-04 | 道路盲区监控方法、系统、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110379157A true CN110379157A (zh) | 2019-10-25 |
Family
ID=68249690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910480151.4A Pending CN110379157A (zh) | 2019-06-04 | 2019-06-04 | 道路盲区监控方法、系统、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110379157A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111025297A (zh) * | 2019-12-24 | 2020-04-17 | 京东数字科技控股有限公司 | 一种车辆监测方法、装置、电子设备及存储介质 |
| CN111105644A (zh) * | 2019-11-22 | 2020-05-05 | 京东数字科技控股有限公司 | 一种车辆盲区监测、行驶控制方法、装置及车路协同系统 |
| CN111145569A (zh) * | 2019-11-22 | 2020-05-12 | 京东数字科技控股有限公司 | 一种道路监测、车辆行驶控制方法、装置及车路协同系统 |
| CN111653127A (zh) * | 2020-06-05 | 2020-09-11 | 浙江信安智能科技有限公司 | 道路交通预警系统和道路交通预警系统的控制方法 |
| CN112859827A (zh) * | 2019-11-27 | 2021-05-28 | 深圳市大富科技股份有限公司 | 生命信号检测方法以及车载视觉设备 |
| CN113119962A (zh) * | 2021-05-17 | 2021-07-16 | 腾讯科技（深圳）有限公司 | 驾驶辅助处理方法、装置、计算机可读介质及电子设备 |
| CN113379805A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通节点的多信息资源融合处理方法 |
| CN115331482A (zh) * | 2021-05-10 | 2022-11-11 | 北京万集科技股份有限公司 | 车辆预警提示方法、装置、基站及存储介质 |
| WO2023178661A1 (zh) * | 2022-03-25 | 2023-09-28 | 京东方科技集团股份有限公司 | 数据共享方法、车载设备、云服务器、系统、设备和介质 |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178852A (zh) * | 2006-11-07 | 2008-05-14 | 奥城同立科技开发（北京）有限公司 | 交通道路图像侧向抓拍方法和交通道路图像侧向抓拍电子警察系统 |
| CN201549075U (zh) * | 2009-10-15 | 2010-08-11 | 海安县奇锐电子有限公司 | 交通盲区提醒装置 |
| CN204389684U (zh) * | 2014-10-20 | 2015-06-10 | 贝壳网际（北京）安全技术有限公司 | 一种移动终端 |
| CN105744199A (zh) * | 2015-12-16 | 2016-07-06 | 上海大学 | 监视系统中自动记录动态物体的方法 |
| CN105788167A (zh) * | 2016-02-29 | 2016-07-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种监控预警方法及穿戴设备 |
| CN105957145A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 道路障碍物识别方法和装置 |
| CN106143309A (zh) * | 2016-07-18 | 2016-11-23 | 乐视控股（北京）有限公司 | 一种车辆盲区提醒方法及系统 |
| CN106205163A (zh) * | 2016-07-20 | 2016-12-07 | 长安大学 | 基于全景摄像技术的山区公路弯道盲区会车预警系统 |
| CN106476697A (zh) * | 2016-10-27 | 2017-03-08 | 深圳市元征科技股份有限公司 | 一种行车指示方法及装置 |
| CN107161078A (zh) * | 2017-05-15 | 2017-09-15 | 上海工程技术大学 | 一种用于道路盲区的提示装置及方法 |
| CN107633702A (zh) * | 2016-07-19 | 2018-01-26 | 中国电信股份有限公司 | 车辆预警方法和装置 |
| CN206975840U (zh) * | 2017-08-02 | 2018-02-06 | 大连科技学院 | 一种车载山路预警器 |
| CN107770480A (zh) * | 2016-08-15 | 2018-03-06 | 保定市天河电子技术有限公司 | 一种安防监控系统和方法 |
| CN107807633A (zh) * | 2017-09-27 | 2018-03-16 | 北京图森未来科技有限公司 | 一种路侧设备、车载设备以及自动驾驶感知方法及系统 |
| CN107845293A (zh) * | 2017-11-21 | 2018-03-27 | 重庆电子工程职业学院 | 用于交通路口的障碍监测系统 |
| CN108060637A (zh) * | 2018-01-31 | 2018-05-22 | 袁泉 | 行人和机动车的智能警示装置 |
| CN108197569A (zh) * | 2017-12-29 | 2018-06-22 | 驭势科技（北京）有限公司 | 障碍物识别方法、装置、计算机存储介质和电子设备 |
| CN108507132A (zh) * | 2018-03-29 | 2018-09-07 | 广东美的制冷设备有限公司 | 红外传感器调整方法、装置及可读存储介质、空调器 |
| CN108538085A (zh) * | 2017-03-06 | 2018-09-14 | 华东交通大学 | 低等级公路弯道盲区显示报警装置 |
| CN108648507A (zh) * | 2018-06-29 | 2018-10-12 | 中国矿业大学 | 一种斑马线“鬼探头”车辆和行人互识与预警方法 |
| EP3413287A1 (en) * | 2010-04-19 | 2018-12-12 | SMR Patents S.à.r.l. | Method for indicating to a driver of a vehicle the presence of an object at least temporarily moving relative to the vehicle |
| CN109024340A (zh) * | 2018-09-07 | 2018-12-18 | 山东交通学院 | 一种道路转角处安全预警装置 |
| CN109080638A (zh) * | 2017-06-14 | 2018-12-25 | 伊莱比特汽车有限责任公司 | 用于确定不可行驶区域的方法和装置 |
| CN109671299A (zh) * | 2019-01-04 | 2019-04-23 | 浙江工业大学 | 一种基于路口摄像探头对行人危险预警的系统及方法 |
| CN109817021A (zh) * | 2019-01-15 | 2019-05-28 | 北京百度网讯科技有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
-
2019
- 2019-06-04 CN CN201910480151.4A patent/CN110379157A/zh active Pending
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178852A (zh) * | 2006-11-07 | 2008-05-14 | 奥城同立科技开发（北京）有限公司 | 交通道路图像侧向抓拍方法和交通道路图像侧向抓拍电子警察系统 |
| CN201549075U (zh) * | 2009-10-15 | 2010-08-11 | 海安县奇锐电子有限公司 | 交通盲区提醒装置 |
| EP3413287A1 (en) * | 2010-04-19 | 2018-12-12 | SMR Patents S.à.r.l. | Method for indicating to a driver of a vehicle the presence of an object at least temporarily moving relative to the vehicle |
| CN204389684U (zh) * | 2014-10-20 | 2015-06-10 | 贝壳网际（北京）安全技术有限公司 | 一种移动终端 |
| CN105744199A (zh) * | 2015-12-16 | 2016-07-06 | 上海大学 | 监视系统中自动记录动态物体的方法 |
| CN105788167A (zh) * | 2016-02-29 | 2016-07-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种监控预警方法及穿戴设备 |
| CN105957145A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术（北京）有限公司 | 道路障碍物识别方法和装置 |
| CN106143309A (zh) * | 2016-07-18 | 2016-11-23 | 乐视控股（北京）有限公司 | 一种车辆盲区提醒方法及系统 |
| CN107633702A (zh) * | 2016-07-19 | 2018-01-26 | 中国电信股份有限公司 | 车辆预警方法和装置 |
| CN106205163A (zh) * | 2016-07-20 | 2016-12-07 | 长安大学 | 基于全景摄像技术的山区公路弯道盲区会车预警系统 |
| CN107770480A (zh) * | 2016-08-15 | 2018-03-06 | 保定市天河电子技术有限公司 | 一种安防监控系统和方法 |
| CN106476697A (zh) * | 2016-10-27 | 2017-03-08 | 深圳市元征科技股份有限公司 | 一种行车指示方法及装置 |
| CN108538085A (zh) * | 2017-03-06 | 2018-09-14 | 华东交通大学 | 低等级公路弯道盲区显示报警装置 |
| CN107161078A (zh) * | 2017-05-15 | 2017-09-15 | 上海工程技术大学 | 一种用于道路盲区的提示装置及方法 |
| CN109080638A (zh) * | 2017-06-14 | 2018-12-25 | 伊莱比特汽车有限责任公司 | 用于确定不可行驶区域的方法和装置 |
| CN206975840U (zh) * | 2017-08-02 | 2018-02-06 | 大连科技学院 | 一种车载山路预警器 |
| CN107807633A (zh) * | 2017-09-27 | 2018-03-16 | 北京图森未来科技有限公司 | 一种路侧设备、车载设备以及自动驾驶感知方法及系统 |
| CN107845293A (zh) * | 2017-11-21 | 2018-03-27 | 重庆电子工程职业学院 | 用于交通路口的障碍监测系统 |
| CN108197569A (zh) * | 2017-12-29 | 2018-06-22 | 驭势科技（北京）有限公司 | 障碍物识别方法、装置、计算机存储介质和电子设备 |
| CN108060637A (zh) * | 2018-01-31 | 2018-05-22 | 袁泉 | 行人和机动车的智能警示装置 |
| CN108507132A (zh) * | 2018-03-29 | 2018-09-07 | 广东美的制冷设备有限公司 | 红外传感器调整方法、装置及可读存储介质、空调器 |
| CN108648507A (zh) * | 2018-06-29 | 2018-10-12 | 中国矿业大学 | 一种斑马线“鬼探头”车辆和行人互识与预警方法 |
| CN109024340A (zh) * | 2018-09-07 | 2018-12-18 | 山东交通学院 | 一种道路转角处安全预警装置 |
| CN109671299A (zh) * | 2019-01-04 | 2019-04-23 | 浙江工业大学 | 一种基于路口摄像探头对行人危险预警的系统及方法 |
| CN109817021A (zh) * | 2019-01-15 | 2019-05-28 | 北京百度网讯科技有限公司 | 一种激光雷达路侧盲区交通参与者避让方法和装置 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111105644A (zh) * | 2019-11-22 | 2020-05-05 | 京东数字科技控股有限公司 | 一种车辆盲区监测、行驶控制方法、装置及车路协同系统 |
| CN111145569A (zh) * | 2019-11-22 | 2020-05-12 | 京东数字科技控股有限公司 | 一种道路监测、车辆行驶控制方法、装置及车路协同系统 |
| CN112859827A (zh) * | 2019-11-27 | 2021-05-28 | 深圳市大富科技股份有限公司 | 生命信号检测方法以及车载视觉设备 |
| CN111025297A (zh) * | 2019-12-24 | 2020-04-17 | 京东数字科技控股有限公司 | 一种车辆监测方法、装置、电子设备及存储介质 |
| CN111653127A (zh) * | 2020-06-05 | 2020-09-11 | 浙江信安智能科技有限公司 | 道路交通预警系统和道路交通预警系统的控制方法 |
| CN115331482A (zh) * | 2021-05-10 | 2022-11-11 | 北京万集科技股份有限公司 | 车辆预警提示方法、装置、基站及存储介质 |
| CN115331482B (zh) * | 2021-05-10 | 2024-05-28 | 北京万集科技股份有限公司 | 车辆预警提示方法、装置、基站及存储介质 |
| CN113119962A (zh) * | 2021-05-17 | 2021-07-16 | 腾讯科技（深圳）有限公司 | 驾驶辅助处理方法、装置、计算机可读介质及电子设备 |
| WO2022242134A1 (zh) * | 2021-05-17 | 2022-11-24 | 腾讯科技（深圳）有限公司 | 驾驶辅助处理方法、装置、计算机可读介质及电子设备 |
| US11999371B2 (en) | 2021-05-17 | 2024-06-04 | Tencent Technology (Shenzhen) Company Limited | Driving assistance processing method and apparatus, computer-readable medium, and electronic device |
| CN113379805A (zh) * | 2021-08-12 | 2021-09-10 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通节点的多信息资源融合处理方法 |
| WO2023178661A1 (zh) * | 2022-03-25 | 2023-09-28 | 京东方科技集团股份有限公司 | 数据共享方法、车载设备、云服务器、系统、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110379157A (zh) | 道路盲区监控方法、系统、装置、设备和存储介质 | |
| CN109212543B (zh) | 用于自主车辆操作的校准验证方法 | |
| CN109212542B (zh) | 用于自主车辆操作的校准方法 | |
| US10349011B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
| US10613547B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
| CN109389832B (zh) | 使用v2x通信系统提高障碍意识的系统和方法 | |
| US10328934B2 (en) | Temporal data associations for operating autonomous vehicles | |
| CN110146869B (zh) | 确定坐标系转换参数的方法、装置、电子设备和存储介质 | |
| US10732625B2 (en) | Autonomous vehicle operations with automated assistance | |
| CN108574929B (zh) | 用于自主驾驶系统中的车载环境中的联网场景再现和增强的方法和设备 | |
| US10268203B2 (en) | Calibration validation for autonomous vehicle operations | |
| US10509413B2 (en) | Ground reference determination for autonomous vehicle operations | |
| US10430641B2 (en) | Methods and systems for object tracking using bounding boxes | |
| US10163017B2 (en) | Systems and methods for vehicle signal light detection | |
| WO2020164488A1 (en) | Advanced detection of parking spot for vehicle | |
| US10430970B2 (en) | Detection and recalibration for a camera system using lidar data | |
| US10922969B2 (en) | Systems, methods and apparatuses for detecting elevated freeways to prevent engaging cruise features | |
| CN110789515B (zh) | 机动车辆中用于硬件验证的系统和方法 | |
| US20200114907A1 (en) | System and method for autonomous control of a vehicle | |
| CN110412595A (zh) | 路基感知方法、系统、车辆、设备和存储介质 | |
| CN113492829B (zh) | 数据处理的方法和装置 | |
| CN114845267B (zh) | 一种基于车联网的传感器数据共享方法和装置 | |
| CN109859611B (zh) | 地图数据的采集方法、装置、设备和存储介质 | |
| US20200183415A1 (en) | System and method for control of an autonomous vehicle | |
| CN116343174A (zh) | 目标检测方法、装置、车辆和存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |