CN110568851A - 基于远程控制的汽车底盘运动控制系统及方法 - Google Patents
基于远程控制的汽车底盘运动控制系统及方法 Download PDFInfo
- Publication number
- CN110568851A CN110568851A CN201910943311.4A CN201910943311A CN110568851A CN 110568851 A CN110568851 A CN 110568851A CN 201910943311 A CN201910943311 A CN 201910943311A CN 110568851 A CN110568851 A CN 110568851A
- Authority
- CN
- China
- Prior art keywords
- module
- instruction
- correction
- chassis
- remote control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012937 correction Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000012706 support-vector machine Methods 0.000 claims description 18
- 238000013135 deep learning Methods 0.000 claims description 13
- 230000004888 barrier function Effects 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于汽车底盘控制技术领域,尤其涉及一种基于远程控制的汽车底盘运动控制系统及方法,该系统包括:操作模块,用于发送操作指令;指令接收模块,用于接收操作指令;执行模块,用于按照接收到的操作指令进行操作。采集模块,用于采集底盘的运动方向以及周围的环境图像;检测模块,用于根据底盘的运动方向和周围环境图像,检测车辆的运行路线上是否存在危险;修正模块,用于当检测模块的检测结果为存在危险时,发送修正指令;其中,指令接收模块还用于接收指正指令;执行模块还用于按照接收到的操作指令及修正指令进行方向修正操作。本申请在用户操作不够准确时,会自己进行修正,可减少底盘控制不当而导致的事故。
Description
技术领域
本发明属于汽车底盘控制技术领域,尤其涉及一种基于远程控制的汽车底盘运动控制系统及方法。
背景技术
在对汽车进行远程控制时,汽车底盘控制系统需要对汽车三个方向的运动进行控制,具体为纵向控制、横向控制和垂向控制,汽车底盘控制的考察指标主要有行驶安全性、操纵稳定性和乘坐舒适性。
目前,智能车辆底盘控制系统通常包括模式切换按钮、油门系统、行车制动系统、转向系统、驻车制动系统、自动驾驶模块和CAN总线。模式切换按钮与油门系统、行车制动系统、转向系统、驻车制动系统、自动驾驶模块的信号输入端相连;油门系统、行车制动系统、转向系统、驻车制动系统、自动驾驶模块均挂载在整车CAN总线上。
用户进行遥控时,用户将操作指令发送给汽车后,汽车的底盘会随用户端的操作指令运动。但由于用户的控制是远程进行,和实际在车身上操作相比,由于视角等原因,在进行转弯等操作时有时会出现操作不准确的情况,对操作不熟悉的新用户更是如此。若用户对车辆底盘的运动方向操作不准确,汽车容易出现擦挂甚至碰撞等情况。
发明内容
本发明针对由于视角等原因,用户在进行转弯等操作时有时会出现操作不准确的情况,导致车辆容易出现擦挂的问题,提供了一种基于远程控制的汽车底盘运动控制系统及方法。
本发明提供的基础方案为:
基于远程控制的汽车底盘运动控制系统,包括:
操作模块,用于发送操作指令;
指令接收模块,用于接收操作指令;
执行模块,用于按照接收到的操作指令进行操作;
采集模块,用于采集底盘的运动方向以及周围的环境图像;
检测模块,用于根据底盘的运动方向和周围环境图像,检测车辆的运行路线上是否存在危险;
修正模块,用于当检测模块的检测结果为存在危险时,发送修正指令;
其中,指令接收模块还用于接收指正指令;执行模块还用于按照接收到的操作指令及修正指令进行方向修正操作。
基础方案工作原理及有益效果:
当对汽车底盘的运动进行遥控时,采集模块会实时采集底盘的运动方向以及周围的环境;之后检测模块会依据采集底盘的运动方向和周围的环境,检测车辆的运行路线上是否存在危险;当检测到车辆存在危险时,修正模块对底盘的运动方向进行修正。
这样,在用户操作不够准确,如转弯时转的角度过大,系统会自己进行修正,可大大减少因对底盘的运动控制不当而导致的车辆事故。
进一步,检测模块包括障碍识别子模块、距离估算子模块和风险判断子模块;
障碍识别子模块用于采用深度学习算法和支持向量机SVM算法,进行风险识别;
距离估算子模块用于通过BM算法得出图像的视差,根据双目测距原理得到障碍物的距离;
风险判断子模块用于当估算的障碍物距离小于预设的安全距离时,判定为存在风险。
这样,能够对车辆前方是否存在造成车辆事故的障碍物进行快速的识别和判断。
进一步,障碍识别子模块使用的深度学习神经网络为深度信念网络,深度信念网络通过一种交替进行的无监督和有监督学习过程的方法对环境图像进行特征提取,将最后一层隐含层的输出作为SVM的输入,对特征信息进行分类训练识别,之后,采用模板匹配法进行风险识别。
这样,能够准确的识别出车辆行驶道路上可能存在的各种造成行驶事故的障碍物。
进一步,还包括:预判模块,用于根据采集模块的采集数据,以及接收到的操作指令,预判按照收到的操作指令进行操作,是否存在危险;
警告模块,用于当预判模块的判断结果为存在危险时,进行提醒。
有时,用户会出现误操作,如本该向右转的时候,操作成了左转;此时,车辆如果按照用户的操作指令进行行驶,很可能会发生事故;因此,警告模块发出提醒,使用户意识到自己的操作出现了失误,及时调整操作。
进一步,还包括缓行模块,用于当预判模块的判断结果为存在危险时,发送减速指令;执行模块还用于接收到减速指令后将行驶速度降低n秒。
这样,当用户出现误操作时,自动将车辆的形式速度降低n秒,给用户增加了改正操作的时间。n的具体数值,本领域技术人员可依据车辆的具体应用场景设定。
基于上述系统,本申请还提供一种远程控制的汽车底盘运动控制方法,包括:
操作步骤,发送操作指令;
执行步骤,执行接收到的操作指令;
采集步骤,采集底盘的运动方向以及周围的环境图像;
检测步骤,根据底盘的运动方向和周围环境图像,检测车辆的运行路线上是否存在危险;
修正步骤,当检测步骤的检测结果为存在危险时,发送修正指令;
修正执行步骤,根据收到的修正指令进行修正操作。
使用本方法,在用户操作不够准确,如转弯时转的角度过大,会自己进行修正方向,可大大减少因对底盘的运动控制不当而导致的车辆事故。
进一步,检测步骤包括障碍识别子步骤、距离估算子步骤和风险判断子步骤;
障碍识别子步骤,采用深度学习算法和支持向量机SVM算法,进行风险识别;
距离估算子步骤,通过BM算法得出图像的视差,根据双目测距原理得到障碍物的距离;
风险判断子步骤,当估算的障碍物距离小于预设的安全距离时,判定为存在风险。
这样,能够对车辆前方是否存在造成车辆事故的障碍物进行快速的识别和判断。
进一步,障碍识别子步骤使用的深度学习神经网络为深度信念网络,深度信念网络通过一种交替进行的无监督和有监督学习过程的方法对环境图像进行特征提取,将最后一层隐含层的输出作为SVM的输入,对特征信息进行分类训练识别,之后,采用模板匹配法进行风险识别。
这样能够准确的识别出车辆行驶道路上可能存在的各种造成行驶事故的障碍物
进一步,还包括:预判步骤,根据采集步骤的采集数据,以及接收到的操作指令,预判按照收到的操作指令进行操作,是否存在危险;
警告步骤,当预判步骤的判断结果为存在危险时,进行提醒。
用户有时会出现误操作,如本该向右转的时候,操作成了左转;此时,车辆如果按照用户的操作指令进行行驶,很可能会发生事故;因此,警告步骤发出提醒,使用户意识到自己的操作出现了失误,及时调整操作。
进一步,还包括缓行步骤,当预判步骤的判断结果为存在危险时,发送减速指令;执行步骤还用于接收到减速指令后将行驶速度降低n秒。
这样,当用户出现误操作时,自动将车辆的形式速度降低n秒,给用户增加了改正操作的时间。n的具体数值,本领域技术人员可依据车辆的具体应用场景设定。
附图说明
图1为本发明基于远程控制的汽车底盘运动控制系统实施例一的逻辑框图;
图2为图1中检测模块的逻辑框图;
图3为本发明基于远程控制的汽车底盘运动控制系统实施例一的流程图;
图4为图3中检测步骤的流程图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
如图1所示:
基于远程控制的汽车底盘运动控制系统,包括用户端、服务器和车辆端。用户端和车辆端均通过无线通信方式,如5G模块,与服务器进行通信。
用户端
本实施例中,用户端为手机APP。
用户端包括操作模块和报警模块。
操作模块用于发送汽车底盘操作指令;
警报模块,用于接收服务器发送的预警信号,并发出警报。本实施例中,警报的方式为语音警报,如“操作有误,请更正操作!”的语音播放。
服务器
本实施例中,服务器为腾讯云服务器,在其他实施例中,服务器也可以用华为云服务器或者分布式服务器。
服务器包括存储模块、检测模块、预判模块、指令转发模块和修正模块。
存储模块用于存储用户的操作指令;
如图2所示,检测模块用于根据底盘的运动方向和周围环境,检测车辆的运行路线上是否存在危险;
人员检测模块包括障碍识别子模块、距离估算子模块和风险判断子模块;
障碍识别子模块用于采用深度学习算法和支持向量机SVM算法,进行风险识别;
本实施例中,障碍识别子模块使用的深度学习神经网络为深度信念网络,具体的,深度信念网络通过一种交替进行的无监督和有监督学习过程的方法对环境图像进行特征提取,将最后一层隐含层的输出作为SVM的输入,对特征信息进行分类训练识别,之后,采用模板匹配法实现风险识别,具体为,行驶路线上是否存在障碍物。
距离估算子模块,通过BM算法得出图像的视差,根据双目测距原理得到障碍物的距离;
风险判断子模块用于当估算的障碍物距离小于预设的安全距离时,判定为存在风险。
预判模块用于根据底盘的运动方向、周围环境以及用户端发送的操作指令,预判照收到的操作指令进行操作,是否存在危险;当预判结果为存在危险时,预判模块向用户端发送预警信号。
指令转发模块,用于向车辆端发送操作指令;
本实施例中,预判模块的具体实现方式与检测模块类似,利用深度学习神经网络进行判断后再进行距离估算,不同的是,预判模块输入的参数中,增加了一个转向参数,即,用户输入的转向操作。
修正模块用于当检测模块的检测结果为存在危险时,向车辆端发送修正指令,修正指令包括修正的方向以及角度;还用于当预判模块的预判结果为存在危险时,向车辆端发送减速指令,减速指令的减速时间为n秒。本实施例中n为2.5。
车辆端
车辆端包括采集模块、发送模块、指令接收模块和执行模块。
采集模块用于采集底盘的运动方向,以及周围的环境,本实施例中,采集模块为图像采集器。本实施例中,采集周围环境的方式为,使用双目摄像头模拟人类双眼视觉原理来采集同一场景的两幅图像。
发送模块,用于将采集模块的采集数据发送给服务器;
指令接收模块,用于接收服务器发送的操作指令、修正指令及减速指令。
执行模块,用于执行接收到的操作指令、修正指令及减速指令。
本实施例中,指令接收模块及执行模块均集成在车辆的整车控制器VCU上,这样,能够在接收到操作指令、修正指令或减速指令时,及时进行执行。
如图3所示,本申请还提供一种远程控制的汽车底盘运动控制方法,包括:
操作步骤,发送操作指令;
执行步骤,执行接收到的操作指令;
采集步骤,采集底盘的运动方向以及周围的环境图像;
检测步骤,根据底盘的运动方向和周围环境图像,检测车辆的运行路线上是否存在危险;
修正步骤,当检测步骤的检测结果为存在危险时,发送修正指令;
修正执行步骤,根据收到的修正指令进行修正操作。
预判步骤,根据采集步骤的采集数据,以及接收到的操作指令,预判按照收到的操作指令进行操作,是否存在危险;
警告步骤,当预判步骤的判断结果为存在危险时,进行提醒;
缓行步骤,当预判步骤的判断结果为存在危险时,发送减速指令;
其中,执行步骤还用于接收到减速指令后将行驶速度降低n秒;
如图4所示,检测步骤包括障碍识别子步骤、距离估算子步骤和风险判断子步骤;
障碍识别子步骤,采用深度学习算法和支持向量机SVM算法,进行风险识别;本实施例中,障碍识别子步骤使用的深度学习神经网络为深度信念网络,深度信念网络通过一种交替进行的无监督和有监督学习过程的方法对环境图像进行特征提取,将最后一层隐含层的输出作为SVM的输入,对特征信息进行分类训练识别,之后,采用模板匹配法进行风险识别。
距离估算子步骤,通过BM算法得出图像的视差,根据双目测距原理得到障碍物的距离;
风险判断子步骤,当估算的障碍物距离小于预设的安全距离时,判定为存在风险。
这样,能够对车辆前方是否存在造成车辆事故的障碍物进行快速的识别和判断。
实施例二
与实施例一不同的是,车辆端还包括信号检测模块和定位模块;信号检测模块用于实时检测车辆的信号信息并上传给服务器,定位模块用于实时检测车辆的位置信息并上传给服务器。本实施例中,定位模块为GPS模块。
存储模块还用于存储车辆的信号信息;信号信息包括信号类型、信号运营商、信号制式、信号强度、时间及位置信息。除此,存储模块内存储有基站信息,基站信息包括基站位置、功率、高度、信号调制方式和频率。
服务器还包括信号预测模块和天线调整量计算模块;信号预测模块用于根据车辆当前的位置信息、行车路线以及信号强度记录模块进行信号强度的预测。
天线调整量计算模块用于当信号预测模块的预测信号强度小于M时,根据基站信息、信号强度的预测结果以及行车方向和行车路线,生成天线调节控制量;首先计算当前天线角度与目标角度,即基站所在位置的差值,然后根据车辆行车方向、速度以及天线调节装置的旋转速度求出天线的相对调节速度,然后采用PID算法计算出天线调节控制量,包括天线水平转动角速度和时长以及垂直转动角速度和时长。
车辆端还包括调整执行模块和微调模块;调整执行模块用于根据天线调节控制量控制和调节天线的角度;微调模块用于在控制天线转动角度的过程中记录信号强度的变化情况,并控制天线旋转至在目标角度正负百分之五的角度范围内选择信号强度最大的角度。通过上述设置可以根据道路信息变化情况提前调控天线角度,进而保证获取最佳的信号强度。
这样,在车辆行驶的过程中,信号强度预测模块会对车辆的信号进行预测,并在预测到车辆的信号强度小于M时,根据基站信息、信号强度的预测结果以及行车方向和行车路线,生成天线调节控制量。M的具体数值,本领域技术人员可根据对控制信号强度的具体要求具体设置。
之后,调整执行模块会根据天线调节控制量控制和调节天线的角度,而微调模块则会在控制天线转动角度的过程中记录信号强度的变化情况,并控制天线旋转至在目标角度正负百分之五的角度范围内选择信号强度最大的角度。可以使车辆的行驶过程中保持良好的通信信号。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于远程控制的汽车底盘运动控制系统,其特征在于,包括:
操作模块,用于发送操作指令;
指令接收模块,用于接收操作指令;
执行模块,用于按照接收到的操作指令进行操作;
采集模块,用于采集底盘的运动方向以及周围的环境图像;
检测模块,用于根据底盘的运动方向和周围环境图像,检测车辆的运行路线上是否存在危险;
修正模块,用于当检测模块的检测结果为存在危险时,发送修正指令;
其中,指令接收模块还用于接收指正指令;执行模块还用于按照接收到的操作指令及修正指令进行方向修正操作。
2.根据权利要求1所述的基于远程控制的汽车底盘运动控制系统,其特征在于:检测模块包括障碍识别子模块、距离估算子模块和风险判断子模块;
障碍识别子模块用于采用深度学习算法和支持向量机SVM算法,进行风险识别;
距离估算子模块用于通过BM算法得出图像的视差,根据双目测距原理得到障碍物的距离;
风险判断子模块用于当估算的障碍物距离小于预设的安全距离时,判定为存在风险。
3.根据权利要求2所述的基于远程控制的汽车底盘运动控制系统,其特征在于:障碍识别子模块使用的深度学习神经网络为深度信念网络,深度信念网络通过一种交替进行的无监督和有监督学习过程的方法对环境图像进行特征提取,将最后一层隐含层的输出作为SVM的输入,对特征信息进行分类训练识别,之后,采用模板匹配法进行风险识别。
4.根据权利要求1所述的基于远程控制的汽车底盘运动控制系统,其特征在于,还包括:
预判模块,用于根据采集模块的采集数据,以及接收到的操作指令,预判按照收到的操作指令进行操作,是否存在危险;
警告模块,用于当预判模块的判断结果为存在危险时,进行提醒。
5.根据权利要求4所述的基于远程控制的汽车底盘运动控制系统,其特征在于:还包括缓行模块,用于当预判模块的判断结果为存在危险时,发送减速指令;执行模块还用于接收到减速指令后将行驶速度降低n秒。
6.基于远程控制的汽车底盘运动控制方法,其特征在于,包括:
操作步骤,发送操作指令;
执行步骤,执行接收到的操作指令;
采集步骤,采集底盘的运动方向以及周围的环境图像;
检测步骤,根据底盘的运动方向和周围环境图像,检测车辆的运行路线上是否存在危险;
修正步骤,当检测步骤的检测结果为存在危险时,发送修正指令;
修正执行步骤,根据收到的修正指令进行修正操作。
7.根据权利要求6所述的基于远程控制的汽车底盘运动控制方法,其特征在于:检测步骤包括障碍识别子步骤、距离估算子步骤和风险判断子步骤;
障碍识别子步骤,采用深度学习算法和支持向量机SVM算法,进行风险识别;
距离估算子步骤,通过BM算法得出图像的视差,根据双目测距原理得到障碍物的距离;
风险判断子步骤,当估算的障碍物距离小于预设的安全距离时,判定为存在风险。
8.根据权利要求7所述的基于远程控制的汽车底盘运动控制方法,其特征在于:障碍识别子步骤使用的深度学习神经网络为深度信念网络,深度信念网络通过一种交替进行的无监督和有监督学习过程的方法对环境图像进行特征提取,将最后一层隐含层的输出作为SVM的输入,对特征信息进行分类训练识别,之后,采用模板匹配法进行风险识别。
9.根据权利要求6所述的基于远程控制的汽车底盘运动控制方法,其特征在于,还包括:预判步骤,根据采集步骤的采集数据,以及接收到的操作指令,预判按照收到的操作指令进行操作,是否存在危险;
警告步骤,当预判步骤的判断结果为存在危险时,进行提醒。
10.根据权利要求9所述的基于远程控制的汽车底盘运动控制方法,其特征在于:还包括缓行步骤,当预判步骤的判断结果为存在危险时,发送减速指令;执行步骤还用于接收到减速指令后将行驶速度降低n秒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943311.4A CN110568851A (zh) | 2019-09-30 | 2019-09-30 | 基于远程控制的汽车底盘运动控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943311.4A CN110568851A (zh) | 2019-09-30 | 2019-09-30 | 基于远程控制的汽车底盘运动控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110568851A true CN110568851A (zh) | 2019-12-13 |
Family
ID=68783719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910943311.4A Pending CN110568851A (zh) | 2019-09-30 | 2019-09-30 | 基于远程控制的汽车底盘运动控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110568851A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111857010A (zh) * | 2020-07-31 | 2020-10-30 | 重庆电子工程职业学院 | 一种用于实训场所运维管控的辅助支持系统 |
CN113467324A (zh) * | 2021-07-22 | 2021-10-01 | 东风悦享科技有限公司 | 一种自适应5g网络小区切换平行驾驶系统及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102239455A (zh) * | 2008-12-04 | 2011-11-09 | 克朗设备公司 | 用于物料搬运车辆的多区感测 |
CN102756730A (zh) * | 2012-07-26 | 2012-10-31 | 深圳市赛格导航科技股份有限公司 | 一种基于毫米波检测的汽车防撞装置、系统和方法 |
CN103959188A (zh) * | 2011-10-13 | 2014-07-30 | 克朗设备公司 | 用于物料搬运车辆的转向控制策略 |
CN104608622A (zh) * | 2015-01-29 | 2015-05-13 | 苏州大方特种车股份有限公司 | 电液混合驱动搬运车 |
CN105920850A (zh) * | 2016-06-17 | 2016-09-07 | 广东裕利智能科技股份有限公司 | 一种遥控车利用加速度计防数据失真装置及方法 |
CN106004724A (zh) * | 2016-06-22 | 2016-10-12 | 上海晟骓汽车科技有限责任公司 | 一种集成化车辆智能底盘系统 |
CN205847902U (zh) * | 2016-07-12 | 2017-01-04 | 周齐铭 | 多功能田间遥控作业车 |
CN106326925A (zh) * | 2016-08-23 | 2017-01-11 | 南京邮电大学 | 一种基于深度学习网络的苹果病变图像识别方法 |
CN106780612A (zh) * | 2016-12-29 | 2017-05-31 | 浙江大华技术股份有限公司 | 一种图像中的物体检测方法及装置 |
CN107358816A (zh) * | 2016-05-10 | 2017-11-17 | 福特全球技术公司 | 用于车辆的超视距威胁指示的方法和系统 |
CN109960990A (zh) * | 2017-12-26 | 2019-07-02 | 财团法人车辆研究测试中心 | 障碍物侦测可信度评估方法 |
CN110262469A (zh) * | 2019-07-23 | 2019-09-20 | 江苏常发农业装备股份有限公司 | 一种应用于农机车辆的自动行驶控制系统和方法 |
-
2019
- 2019-09-30 CN CN201910943311.4A patent/CN110568851A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102239455A (zh) * | 2008-12-04 | 2011-11-09 | 克朗设备公司 | 用于物料搬运车辆的多区感测 |
CN103959188A (zh) * | 2011-10-13 | 2014-07-30 | 克朗设备公司 | 用于物料搬运车辆的转向控制策略 |
CN102756730A (zh) * | 2012-07-26 | 2012-10-31 | 深圳市赛格导航科技股份有限公司 | 一种基于毫米波检测的汽车防撞装置、系统和方法 |
CN104608622A (zh) * | 2015-01-29 | 2015-05-13 | 苏州大方特种车股份有限公司 | 电液混合驱动搬运车 |
CN107358816A (zh) * | 2016-05-10 | 2017-11-17 | 福特全球技术公司 | 用于车辆的超视距威胁指示的方法和系统 |
CN105920850A (zh) * | 2016-06-17 | 2016-09-07 | 广东裕利智能科技股份有限公司 | 一种遥控车利用加速度计防数据失真装置及方法 |
CN106004724A (zh) * | 2016-06-22 | 2016-10-12 | 上海晟骓汽车科技有限责任公司 | 一种集成化车辆智能底盘系统 |
CN205847902U (zh) * | 2016-07-12 | 2017-01-04 | 周齐铭 | 多功能田间遥控作业车 |
CN106326925A (zh) * | 2016-08-23 | 2017-01-11 | 南京邮电大学 | 一种基于深度学习网络的苹果病变图像识别方法 |
CN106780612A (zh) * | 2016-12-29 | 2017-05-31 | 浙江大华技术股份有限公司 | 一种图像中的物体检测方法及装置 |
CN109960990A (zh) * | 2017-12-26 | 2019-07-02 | 财团法人车辆研究测试中心 | 障碍物侦测可信度评估方法 |
CN110262469A (zh) * | 2019-07-23 | 2019-09-20 | 江苏常发农业装备股份有限公司 | 一种应用于农机车辆的自动行驶控制系统和方法 |
Non-Patent Citations (1)
Title |
---|
林中豪等: "葡萄园田间机器人双目测距系统设计", 《中国农机化学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111857010A (zh) * | 2020-07-31 | 2020-10-30 | 重庆电子工程职业学院 | 一种用于实训场所运维管控的辅助支持系统 |
CN113467324A (zh) * | 2021-07-22 | 2021-10-01 | 东风悦享科技有限公司 | 一种自适应5g网络小区切换平行驾驶系统及方法 |
CN113467324B (zh) * | 2021-07-22 | 2023-12-05 | 东风悦享科技有限公司 | 一种自适应5g网络小区切换平行驾驶系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108137050B (zh) | 驾驶控制装置、驾驶控制方法 | |
US11345359B2 (en) | Autonomous driving vehicles with dual autonomous driving systems for safety | |
KR102303716B1 (ko) | 차량-도로인프라 정보융합 기반 자율협력주행 방법 및 시스템 | |
US11288777B2 (en) | Image processing device, image processing method, and program | |
EP3882100B1 (en) | Method for operating an autonomous driving vehicle | |
US11702087B2 (en) | Autonomous driving monitoring system | |
US11414099B2 (en) | Dynamic stop time threshold selection for hands-free driving | |
US20170316581A1 (en) | Method and apparatus for detecting a utilization of an electronic device by a driver, for a vehicle | |
US20220253065A1 (en) | Information processing apparatus, information processing method, and information processing program | |
EP3783453A1 (en) | Moving body, information processing device, information processing method, and program | |
CN114730186A (zh) | 用于运行车辆的自主行驶功能的方法 | |
CN110568851A (zh) | 基于远程控制的汽车底盘运动控制系统及方法 | |
CN113885011A (zh) | 自动车辆的基于点云图的光检测测距重新校准系统 | |
US20200230820A1 (en) | Information processing apparatus, self-localization method, program, and mobile body | |
CN115720555A (zh) | 用于提高自动驾驶车辆中用户警觉的方法和系统 | |
CN113557174A (zh) | 信息处理装置、信息处理方法、移动控制装置和移动控制方法 | |
KR20240035960A (ko) | 자율 주행 장치 및 방법 | |
US20230260254A1 (en) | Information processing device, information processing method, and program | |
WO2020203240A1 (ja) | 情報処理装置および情報処理方法 | |
WO2020090320A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN116674593A (zh) | 用于自主车辆的具有异常检测的安全增强规划系统 | |
CN117068150A (zh) | 基于车道位置无意识的车道保持 | |
CN113548033B (zh) | 基于系统负载的安全操作员告警方法及系统 | |
US11313693B2 (en) | System and process for closest in path vehicle following using surrounding vehicles motion flow | |
KR102264265B1 (ko) | 차량-도로인프라 정보융합 기반 차선관리 방법 및 시스템 |
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 |
Application publication date: 20191213 |
|
RJ01 | Rejection of invention patent application after publication |