CN110807942B - 智能驾驶汽车航迹更新方法及其更新系统 - Google Patents
智能驾驶汽车航迹更新方法及其更新系统 Download PDFInfo
- Publication number
- CN110807942B CN110807942B CN201910903892.9A CN201910903892A CN110807942B CN 110807942 B CN110807942 B CN 110807942B CN 201910903892 A CN201910903892 A CN 201910903892A CN 110807942 B CN110807942 B CN 110807942B
- Authority
- CN
- China
- Prior art keywords
- track
- target data
- historical
- updating
- timestamp
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新方法，包括航迹与目标数据关联，存储历史航迹；若发生航迹时间戳与目标数据时间戳是否滞后则在历史航迹中寻找首个航迹时间戳落后于新目标数据A的航迹H；用滞后目标数据A更新寻找到的航迹H，并将航迹H的时间戳付给对应历史目标数据序列的前一个目标数据G；更新航迹H之前的所有航迹，用历史目标数据G更新历史航迹G，将航迹G的时间戳赋予对应历史目标数据序列的前一个目标数据F；直至航迹H前所有的航迹全部更新。本发明减小了航迹更新和预测出现误差，提高了智能驾驶环境感知系统对周围环境信息获取的鲁棒性，为后续的决策算法提供了置信度更高的航迹。
Description
技术领域
本发明涉及智能驾驶汽车领域，特别是涉及一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新方法。本发明还涉及一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新系统。
背景技术
智能驾驶汽车是各个高校科研成果和各个企业技术落地的最佳载体，也是当今最热的研究课题之一。环境感知算法为智能驾驶汽车的必备技术之一，其通过处理多传感器检测目标数据实现感知环境的重建和目标的跟踪，如何有效率处理和利用所得的环境信息也变得尤为重要。多传感器数据融合也随之成为环境感知中的关键技术。
但是多传感器数据融合中还存在许多问题，其中目标数据时间戳滞后问题尤为突出，目前针对此问题没有明确的处理方法。如果不能够处理好此问题会影响整个融合结果的精度和准确度，甚至影响整个环境感知算法的鲁棒性。
发明内容
本发明要解决的技术问题是提供一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前，能避免目标数据时间戳滞后造成航迹误差的智能驾驶汽车航迹更新方法。
本发明要解决的技术问题是提供一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前，能避免目标数据时间戳滞后造成航迹误差的智能驾驶汽车航迹更新系统。
为了解决上述问题，本发明提供一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新方法，包括以下步骤：
S1，航迹与目标数据关联，存储历史航迹；
S2，判断当前航迹时间戳与目标数据时间戳是否滞后；
S3，若无滞后则进行航迹储存和航迹更新，否则在历史航迹中寻找首个航迹时间戳落后于新目标数据A的航迹H；
S4，用滞后目标数据A更新寻找到的航迹H，并将航迹H的时间戳付给对应历史目标数据序列的前一个目标数据G；
S5，更新航迹H之前的所有航迹，用历史目标数据G更新历史航迹G，将航迹G的时间戳赋予对应历史目标数据序列的前一个目标数据F；
S6，不断迭代步骤S4和步骤S5，直至航迹H前所有的航迹全部更新，最新的航迹更新结果为更新后的航迹A；
其中，航迹顺序编号为A-J，未发生滞后工况各航迹对应目标数据为A-J。
可选择的，进一步改进所述的智能驾驶汽车航迹更新方法，步骤S1中，每一历史航迹至少包括历史融合后航迹和传感器检测的历史目标数据。
可选择的，进一步改进所述的智能驾驶汽车航迹更新方法，发生航迹滞后，将历史航迹和历史目标数据序列的9个维度扩展为10个维度再执行步骤S3。
可选择的，进一步改进所述的智能驾驶汽车航迹更新方法，实施步骤S2时，根据已经关联到的航迹时间戳和检测目标数据时间戳的时间顺序判断是否发生时间戳滞后。
可选择的，进一步改进所述的智能驾驶汽车航迹更新方法，实施步骤S6时，航迹更新后将历史航迹和历史目标数据序列维持为9个维度。
本发明提供一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新系统，包括：
数据关联模块，其适用于将航迹与目标数据关联，存储历史航迹；
维度控制模块，其适用于历史航迹和历史目标数据序列维度扩展或缩减；
判断模块，其适用于判断当前航迹时间戳与目标数据时间戳是否滞后；
航迹更新模块，其适用于根据航迹滞后更新规则更新航迹。
可选择的，进一步改进所述的智能驾驶汽车航迹更新系统，航迹滞后更新规则包括，若无滞后则进行航迹储存和航迹更新，否则在历史航迹中寻找首个航迹时间戳落后于新目标数据A的航迹H；
用滞后目标数据A更新寻找到的航迹H，并将航迹H的时间戳付给对应历史目标数据序列的前一个目标数据G；
新航迹H之前的所有航迹，用历史目标数据G更新历史航迹G，将航迹G的时间戳赋予对应历史目标数据序列的前一个目标数据F；
将航迹H前所有的航迹全部更新，最新的航迹更新结果为更新后的航迹A；
其中，航迹顺序编号为A-J，未发生滞后工况各航迹对应目标数据为A-J。
可选择的，进一步改进所述的智能驾驶汽车航迹更新系统，数据关联模块存储的每一历史航迹至少包括历史融合后航迹和传感器检测的历史目标数据。
可选择的，进一步改进所述的智能驾驶汽车航迹更新系统，发生航迹滞后，维度控制模块将历史航迹和历史目标数据序列的9个维度扩展为10个，再进行航迹滞后更新；航迹滞后更新完成后，维度控制模块将历史航迹和历史目标数据序列维持为9个维度。
可选择的，进一步改进所述的智能驾驶汽车航迹更新系统，判断模块，根据已经关联到的航迹时间戳和检测目标数据时间戳的时间顺序判断是否发生时间戳滞后。
本发明在多传感器数据融合算法中的航迹生成过程中储存历史航迹和目标数据，利用两者时间戳的时间顺序关系进行航迹时间戳整理，并将历史航迹依次更新航迹至最新，最终解决目标数据时间戳滞后问题。本发明减小了航迹更新和预测出现误差，提高了智能驾驶环境感知系统对周围环境信息获取的鲁棒性，同时为后续的决策算法提供了置信度更高的航迹。
附图说明
下面结合附图与具体实施方式对本发明作进一步详细的说明：
图1是本发明多传感器数据融合算法航迹更新流程图示意图。
图2是本发明航迹滞后更新规则更新航迹流程图示意图。
图3是历史航迹A历史航迹和航迹A历史目标数据时间戳的关系示意图。
图4是历史航迹A历史航迹和航迹A历史目标发生滞后时间戳的关系示意图。
图5是历史航迹A历史航迹和航迹A历史目标发生滞后时间戳更新关系示意图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
如图1所示，本发明提供一种其用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新方法第一实施例，包括以下步骤：
S1，航迹与目标数据关联，存储历史航迹；
S2，判断当前航迹时间戳与目标数据时间戳是否滞后；
S3，若无滞后则进行航迹储存和航迹更新，否则在历史航迹中寻找首个航迹时间戳落后于新目标数据A的航迹H；
S4，用滞后目标数据A更新寻找到的航迹H，并将航迹H的时间戳付给对应历史目标数据序列的前一个目标数据G；
S5，更新航迹H之前的所有航迹，用历史目标数据G更新历史航迹G，将航迹G的时间戳赋予对应历史目标数据序列的前一个目标数据F；
S6，不断迭代步骤S4和步骤S5，直至航迹H前所有的航迹全部更新，最新的航迹更新结果为更新后的航迹A；
其中，航迹顺序编号为A-J，未发生滞后工况各航迹对应目标数据为A-J。
如图1结合图2所示，本发明提供一种其用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新方法第二实施例，包括以下步骤：
S1，航迹与目标数据关联，存储历史航迹；每一历史航迹至少包括历史融合后航迹和传感器检测的历史目标数据；
S2，根据已经关联到的航迹时间戳和检测目标数据时间戳的时间顺序判断是否发生时间戳滞后
S3，若无滞后则进行航迹储存和航迹更新，否则将历史航迹和历史目标数据序列的9个维度扩展为10个维度，在历史航迹中寻找首个航迹时间戳落后于新目标数据A的航迹H；
S4，用滞后目标数据A更新寻找到的航迹H，并将航迹H的时间戳付给对应历史目标数据序列的前一个目标数据G；
S5，更新航迹H之前的所有航迹，用历史目标数据G更新历史航迹G，将航迹G的时间戳赋予对应历史目标数据序列的前一个目标数据F；
S6，不断迭代步骤S4和步骤S5，直至航迹H前所有的航迹全部更新，最新的航迹更新结果为更新后的航迹A；航迹更新后将历史航迹和历史目标数据序列维持为9个维度。
其中，航迹顺序编号为A-J，未发生滞后工况各航迹对应目标数据为A-J。
根据上述智能驾驶汽车航迹更新方法第二实施例所记载方法，兹举详尽示意图进一步说明本发明原理。图3中航迹A与目标数据A关联到，如果无时间戳滞后问题，则会存入历史航迹和历史目标数据序列。图4中存在时间戳滞后问题，它们有原来的9个维度，扩展到是个10维度，在历史航迹中寻找到历史航迹5时间戳落后于新目标数据A，用目标数据A更新航迹5，并将目标数据A的时间戳付给历史目标4。图5中用具有新的时间戳的历史目标4，3，2，1，0依次更新历史航迹4，3，2，1，0，最终历史航迹0为更新后的航迹，历史航迹和历史目标数据序列维持9个维度。
本发明提供一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新系统第一实施例，包括：
数据关联模块，其适用于将航迹与目标数据关联，存储历史航迹；
维度控制模块，其适用于历史航迹和历史目标数据序列维度扩展或缩减；
判断模块，其适用于判断当前航迹时间戳与目标数据时间戳是否滞后；
航迹更新模块，其适用于根据航迹滞后更新规则更新航迹。
本发明提供一种用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前的智能驾驶汽车航迹更新系统第二实施例，包括：
数据关联模块，其适用于将航迹与目标数据关联，存储历史航迹；每一历史航迹至少包括历史融合后航迹和传感器检测的历史目标数据；
维度控制模块，其适用于历史航迹和历史目标数据序列维度扩展或缩减；发生航迹滞后，维度控制模块将历史航迹和历史目标数据序列的9个维度扩展为10个，再进行航迹滞后更新；航迹滞后更新完成后，维度控制模块将历史航迹和历史目标数据序列维持为9个维度；
判断模块，其适用于根据已经关联到的航迹时间戳和检测目标数据时间戳的时间顺序判断是否发生时间戳滞后。
航迹更新模块，其适用于根据航迹滞后更新规则更新航迹；
航迹滞后更新规则包括，若无滞后则进行航迹储存和航迹更新，否则在历史航迹中寻找首个航迹时间戳落后于新目标数据A的航迹H；
用滞后目标数据A更新寻找到的航迹H，并将航迹H的时间戳付给对应历史目标数据序列的前一个目标数据G；
新航迹H之前的所有航迹，用历史目标数据G更新历史航迹G，将航迹G的时间戳赋予对应历史目标数据序列的前一个目标数据F；
将航迹H前所有的航迹全部更新，最新的航迹更新结果为更新后的航迹A；
其中，航迹顺序编号为A-J，未发生滞后工况各航迹对应目标数据为A-J。
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。
Claims (9)
1.一种智能驾驶汽车航迹更新方法，其用于多传感器数据融合中心航迹和传感器检测目标关联之后航迹跟踪更新之前，其特征在于，包括以下步骤：
S1，航迹与目标数据关联，存储历史航迹；
S2，判断当前航迹时间戳与目标数据时间戳是否滞后；
S3，若无滞后则进行航迹储存和航迹更新，否则在历史航迹中寻找首个航迹时间戳落后于新目标数据A的航迹H；
S4，用滞后目标数据A更新寻找到的航迹H，并将航迹H的时间戳付给对应历史目标数据序列的前一个目标数据G；
S5，更新航迹H之前的所有航迹，用历史目标数据G更新历史航迹G，将航迹G的时间戳赋予对应历史目标数据序列的前一个目标数据F；
S6，不断迭代步骤S4和步骤S5，直至航迹H前所有的航迹全部更新，最新的航迹更新结果为更新后的航迹A；
其中，航迹顺序编号为A-J，未发生滞后工况各航迹对应目标数据为A-J。
2.如权利要求1所述的智能驾驶汽车航迹更新方法，其特征在于：步骤S1中，每一历史航迹至少包括历史融合后航迹和传感器检测的历史目标数据数据。
3.如权利要求1所述的智能驾驶汽车航迹更新方法，其特征在于：发生航迹滞后，将历史航迹和历史目标数据序列的9个维度扩展为10个维度再执行步骤S3。
4.如权利要求1所述的智能驾驶汽车航迹更新方法，其特征在于：实施步骤S2时，根据已经关联到的航迹时间戳和检测目标数据时间戳的时间顺序判断是否发生时间戳滞后。
5.如权利要求1所述的智能驾驶汽车航迹更新方法，其特征在于：实施步骤S6时，航迹更新后将历史航迹和历史目标数据序列维持为9个维度。
6.一种智能驾驶汽车航迹更新系统，其用于多传感器数据融合中心航迹和传感器检测目标关联之后，航迹跟踪更新之前，其特征在于，包括：
数据关联模块，其适用于将航迹与目标数据关联，存储历史航迹；
维度控制模块，其适用于历史航迹和历史目标数据序列维度扩展或缩减；
判断模块，其适用于判断当前航迹时间戳与目标数据时间戳是否滞后；
航迹更新模块，其适用于根据航迹滞后更新规则更新航迹；
其中，航迹滞后更新规则包括，若无滞后则进行航迹储存和航迹更新，否则在历史航迹中寻找首个航迹时间戳落后于新目标数据A的航迹H；
用滞后目标数据A更新寻找到的航迹H，并将航迹H的时间戳付给对应历史目标数据序列的前一个目标数据G；
新航迹H之前的所有航迹，用历史目标数据G更新历史航迹G，将航迹G的时间戳赋予对应历史目标数据序列的前一个目标数据F；
将航迹H前所有的航迹全部更新，最新的航迹更新结果为更新后的航迹A；
其中，航迹顺序编号为A-J，未发生滞后工况各航迹对应目标数据为A-J。
7.如权利要求6所述的智能驾驶汽车航迹更新系统，其特征在于：数据关联模块存储的每一历史航迹至少包括历史融合后航迹和传感器检测的历史目标数据。
8.如权利要求6所述的智能驾驶汽车航迹更新系统，其特征在于：发生航迹滞后，维度控制模块将历史航迹和历史目标数据序列的9个维度扩展为10个，再进行航迹滞后更新；航迹滞后更新完成后，维度控制模块将历史航迹和历史目标数据序列维持为9个维度。
9.如权利要求6所述的智能驾驶汽车航迹更新系统，其特征在于：判断模块，根据已经关联到的航迹时间戳和检测目标数据时间戳的时间顺序判断是否发生时间戳滞后。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910903892.9A CN110807942B (zh) | 2019-09-24 | 2019-09-24 | 智能驾驶汽车航迹更新方法及其更新系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910903892.9A CN110807942B (zh) | 2019-09-24 | 2019-09-24 | 智能驾驶汽车航迹更新方法及其更新系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110807942A CN110807942A (zh) | 2020-02-18 |
| CN110807942B true CN110807942B (zh) | 2021-11-02 |
Family
ID=69487834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910903892.9A Active CN110807942B (zh) | 2019-09-24 | 2019-09-24 | 智能驾驶汽车航迹更新方法及其更新系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110807942B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113147782B (zh) * | 2020-12-28 | 2024-05-14 | 上海汽车工业(集团)总公司 | 智能驾驶车辆自车参考轨迹筛选方法和筛选系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108490433A (zh) * | 2018-02-07 | 2018-09-04 | 哈尔滨工业大学 | 基于序贯滤波的空时偏差联合估计与补偿方法及系统 |
| CN108831153A (zh) * | 2018-08-09 | 2018-11-16 | 深圳先进技术研究院 | 一种利用时空分布特性的交通流预测方法及装置 |
| CN108846427A (zh) * | 2018-05-31 | 2018-11-20 | 电子科技大学 | 非线性系统任意延迟步数的单个失序量测集中式融合方法 |
| CN109164419A (zh) * | 2018-08-15 | 2019-01-08 | 中国电子科技集团公司第二十研究所 | 基于交互式多模型的多平台无序量测处理方法 |
| CN109886305A (zh) * | 2019-01-23 | 2019-06-14 | 浙江大学 | 一种基于gm-phd滤波的多传感器非顺序量测异步融合方法 |
| CN110018691A (zh) * | 2019-04-19 | 2019-07-16 | 天津大学 | 小型多旋翼无人机飞行状态估计系统和方法 |
| CN110146850A (zh) * | 2019-06-20 | 2019-08-20 | 电子科技大学 | 用于多基地雷达失序量测融合的粒子滤波集中式跟踪方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100495993C (zh) * | 2007-04-02 | 2009-06-03 | 华为技术有限公司 | 检测主机数量的方法、装置与系统及通信方法 |
| CN101137066B (zh) * | 2007-05-11 | 2011-01-05 | 中兴通讯股份有限公司 | 一种多媒体数据流同步控制的方法及装置 |
| US20100128770A1 (en) * | 2008-11-21 | 2010-05-27 | Adrian Stanciu | Measuring Delay in a Network Segment and/or through a Network Communications Device |
| US9305303B2 (en) * | 2013-05-07 | 2016-04-05 | Nasdaq, Inc. | Webcast systems and methods with audience sentiment feedback and analysis |
-
2019
- 2019-09-24 CN CN201910903892.9A patent/CN110807942B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108490433A (zh) * | 2018-02-07 | 2018-09-04 | 哈尔滨工业大学 | 基于序贯滤波的空时偏差联合估计与补偿方法及系统 |
| CN108846427A (zh) * | 2018-05-31 | 2018-11-20 | 电子科技大学 | 非线性系统任意延迟步数的单个失序量测集中式融合方法 |
| CN108831153A (zh) * | 2018-08-09 | 2018-11-16 | 深圳先进技术研究院 | 一种利用时空分布特性的交通流预测方法及装置 |
| CN109164419A (zh) * | 2018-08-15 | 2019-01-08 | 中国电子科技集团公司第二十研究所 | 基于交互式多模型的多平台无序量测处理方法 |
| CN109886305A (zh) * | 2019-01-23 | 2019-06-14 | 浙江大学 | 一种基于gm-phd滤波的多传感器非顺序量测异步融合方法 |
| CN110018691A (zh) * | 2019-04-19 | 2019-07-16 | 天津大学 | 小型多旋翼无人机飞行状态估计系统和方法 |
| CN110146850A (zh) * | 2019-06-20 | 2019-08-20 | 电子科技大学 | 用于多基地雷达失序量测融合的粒子滤波集中式跟踪方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110807942A (zh) | 2020-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108573270B (zh) | 使多传感器目标信息融合与多传感器感测同步的方法及装置、计算机设备和记录介质 | |
| US20220215673A1 (en) | Device, system, and method for generating occupancy grid map | |
| WO2010134428A1 (en) | Vehicular environment estimation device | |
| KR20190038739A (ko) | 도로 변경 지점 검출 방법 | |
| US11748593B2 (en) | Sensor fusion target prediction device and method for vehicles and vehicle including the device | |
| CN110807942B (zh) | 智能驾驶汽车航迹更新方法及其更新系统 | |
| CN112351925A (zh) | 电子控制装置 | |
| CN109447161B (zh) | 一种基于汽车雷达数据的实时增量与自适应聚类方法 | |
| CN111352118B (zh) | 反光柱的匹配方法、装置、激光雷达定位方法和设备终端 | |
| JPWO2020234961A1 (ja) | 状態推定装置および状態推定方法 | |
| US10983983B2 (en) | Entity resolution based on multiple attributes | |
| EP1533628B1 (en) | A method for correlating and numbering target tracks from multiple sources | |
| CN112241167A (zh) | 自动驾驶中的信息处理方法、装置及存储介质 | |
| CN103530298A (zh) | 一种信息搜索方法和装置 | |
| CN116902005A (zh) | 一种基于无人驾驶车辆的融合处理方法、装置及介质 | |
| CN112489495A (zh) | 一种车辆预警方法、装置、电子设备及存储介质 | |
| JP2018179926A (ja) | 物体認識処理装置、物体認識処理方法および車両制御システム | |
| Bolles et al. | StreamCars: A new flexible architecture for driver assistance systems | |
| JP5341296B2 (ja) | レーダ装置 | |
| WO2019244702A1 (ja) | センサ認識統合装置 | |
| CN113269260A (zh) | 一种智能驾驶车辆多传感器目标融合及跟踪方法及系统 | |
| CN111294136A (zh) | 小区搜索方法、接收机、用户终端及计算机可读存储介质 | |
| JP6820762B2 (ja) | 位置推定装置 | |
| KR102198810B1 (ko) | 오브젝트 추적 장치 및 방법 | |
| CN114861785A (zh) | 一种路侧多传感器的融合方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200604 Address after: 200031 No. 390, Wukang Road, Xuhui District, Shanghai Applicant after: SAIC MOTOR Corp.,Ltd. Applicant after: DIAS AUTOMOTIVE ELECTRONIC SYSTEM Co.,Ltd. Address before: 201206 Shanghai city Pudong New Area Jinji Road 33 Lane 4 Building 4 floor Applicant before: DIAS AUTOMOTIVE ELECTRONIC SYSTEM Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |