CN110991320A - 路况检测方法和装置、电子设备、存储介质 - Google Patents
路况检测方法和装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN110991320A CN110991320A CN201911199829.8A CN201911199829A CN110991320A CN 110991320 A CN110991320 A CN 110991320A CN 201911199829 A CN201911199829 A CN 201911199829A CN 110991320 A CN110991320 A CN 110991320A
- Authority
- CN
- China
- Prior art keywords
- image
- road condition
- marker
- condition information
- abnormal
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Abstract
本申请公开了一种路况检测方法和装置、电子设备、存储介质,涉及计算机领域,可用于智能驾驶的车路协同。方案为:接收设置于路侧带的图像采集装置发送的包括路况信息的图像,对图像进行识别处理,得到识别结果,响应于识别结果为图像中包括警示标志物,生成异常路况信息,其中,警示标志物用于对施工区域和/或交通事故进行提示,且异常路况信息携带与警示标志物对应的位置,将异常路况信息发送至网联车辆,以用于网联车辆的驾驶,通过对路侧带的图像采集装置发送的图像进行识别,当识别出包括警示标志物时,生成异常路况信息,以避免现有技术中只能获取近距离的路况信息的弊端,从而实现及时获取路况信息,并确保网联车辆行驶的安全性和可靠性。
Description
技术领域
本公开实施例涉及计算机技术领域,具体涉及车联网技术领域,尤其涉及一种路况检测方法和装置、电子设备、存储介质,可用于智能驾驶的车路协同。
背景技术
随着科学技术的发展和生活品质的提升,车辆的使用越发的普及,而车辆的安全行驶一直是备受人们关注的问题。
在现有技术中,通过在车辆上设置相机和雷达传感器等对行驶道路的路况进行检测,以便基于检测结果调整驾驶策略,如控制车辆慢行,或者调整行驶路线等。
然而,发明人在实现本公开的过程中,发现至少存在以下问题:由于相机和雷达传感器等只能发现一定距离内的异常路况,从而导致车辆驶入异常路况的路段,进而导致无法确保车辆的安全且可靠的行驶。
发明内容
根据本公开实施例的一个方面,本公开实施例提供了一种路况检测方法,所述方法包括:
接收设置于路侧带的图像采集装置发送的包括路况信息的图像;
对所述图像进行识别处理,得到识别结果;
响应于所述识别结果为所述图像中包括警示标志物,生成异常路况信息,其中,所述警示标志物用于对施工区域和/或交通事故进行提示,且所述异常路况信息携带与所述警示标志物对应的位置;
将所述异常路况信息发送至网联车辆,以用于所述网联车辆的驾驶。
在本公开实施例中,通过对路侧带的图像采集装置发送的图像进行识别,当识别出包括警示标志物时,则生成异常路况信息,以避免现有技术中只能获取近距离的路况信息的弊端,从而实现及时获取路况信息,且通过将异常路况信息发送至网联车辆,可以确保网联车辆行驶的安全性和可靠性的技术效果
在一些实施例中,若所述警示标志物包括用于对所述施工区域进行提示的第一标志物,则所述方法还包括:
响应于所述识别结果为所述图像中包括所述第一标志物,确定所述第一标志物的数量;
以及,所述生成所述异常路况信息包括:响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内中不包括车辆,生成所述异常路况信息。
在本公开实施例中,将第一标志物的数量大于第一阈值,和第一标志物围成的区域内不包括车辆作为生成异常路况信息的基础,以便确保异常路况信息的可靠性。
在一些实施例中,在所述生成所述异常路况信息之前,所述方法还包括:
响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,获取与所述图像连续的n帧图像,其中,所述n≥1,且所述n帧图像位于所述图像之后;
响应于所述n帧图像与所述图像相同,执行所述生成所述异常路况信息。
在本公开实施例中,通过当n帧图像与图像相同时,则生成异常路况信息,可避免图像异常等情况造成错误生成异常路况信息的弊端,进而实现提高异常路况信息的可靠性的技术效果。
在一些实施例中,所述生成所述异常路况信息包括:
获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数;
根据所述内外参数和所述图像采集装置的位置确定每个所述第一标志物的位置;
对每个所述第一标志物的位置进行拼接处理,得到施工区域的位置,其中,所述警示标志物对应的位置包括所述施工区域的位置;
生成携带所述施工区域的位置的异常路况信息。
在本公开实施例中,通过结合内外参数和图像采集装置的位置对每个第一标志物的位置进行确定,可实现简便快捷的运算,并通过拼接处理,得到施工区域的位置,可以实现确定施工区域的位置的高效性。
在一些实施例中,若所述警示标志物包括用于对所述交通事故进行提示的第二标志物,则所述方法还包括:
响应于所述识别结果为所述图像中包括所述第二标志物,获取预设时长内与所述图像连续的多帧图像,其中,所述多帧图像位于所述图像之后;
响应于所述图像和所述多帧图像均包括目标车辆,获取在所述图像和所述多帧图像中,所述目标车辆与所述第二标志物的各相对位置;
以及,所述生成所述异常路况信息包括:响应于所述各相对位置一致,且所述各相对位置小于预设的第二阈值,生成所述异常路况信息。
通过结合图像和多帧图像确定生成异常路况信息,可以确保异常路况信息的可靠性。
在一些实施例中,所述生成所述异常路况信息包括:
获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数;
根据所述内外参数和所述图像采集装置的位置确定所述第二标志物的位置,并确定所述目标车辆的位置;
对所述第二标志物的位置和所述目标车辆的位置进行拼接处理,得到交通事故的位置,其中,所述警示标志物对应的位置包括所述交通事故的位置;
生成携带所述交通事故的位置的异常路况信息。
在本公开实施例中,通过结合内外参数和图像采集装置的位置对第二标志物的位置和目标车辆的位置进行确定,可实现简便快捷的运算,并通过拼接处理,得到交通事故的位置,可以实现确定交通事故的位置的高效性。
根据本公开实施例的一个方面,本公开实施例提供了一种路况检测装置,所述装置包括:
接收模块,用于接收设置于路侧带的图像采集装置发送的包括路况信息的图像;
识别模块,用于对所述图像进行识别处理,得到识别结果;
生成模块,用于响应于所述识别结果为所述图像中包括警示标志物,生成异常路况信息,其中,所述警示标志物用于对施工区域和/或交通事故进行提示,且所述异常路况信息携带与所述警示标志物对应的位置;
发送模块,用于将所述异常路况信息发送至网联车辆,以用于所述网联车辆的驾驶。
在一些实施例中,若所述警示标志物包括用于对所述施工区域进行提示的第一标志物,所述装置还包括:
确定模块,用于响应于所述识别结果为所述图像中包括所述第一标志物,确定所述第一标志物的数量;
所述生成模块用于,响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,执行所述生成所述异常路况信息。
在一些实施例中,所述装置还包括:
第一获取模块,用于响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,获取与所述图像连续的n帧图像,其中,所述n≥1,且所述n帧图像位于所述图像之后;
所述生成模块用于,响应于所述n帧图像与所述图像相同,执行所述生成所述异常路况信息。
在一些实施例中,所述生成模块用于,获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数,根据所述内外参数和所述图像采集装置的位置确定每个所述第一标志物的位置,对每个所述第一标志物的位置进行拼接处理,得到施工区域的位置,其中,所述警示标志物对应的位置包括所述施工区域的位置;生成携带所述施工区域的位置的异常路况信息。
在一些实施例中,若所述警示标志物包括用于对所述交通事故进行提示的第二标志物,所述装置还包括:
第二获取模块,用于响应于所述识别结果为所述图像中包括所述第二标志物,获取预设时长内与所述图像连续的多帧图像,其中,所述多帧图像位于所述图像之后;
所述第二获取模块还用于,响应于所述图像和所述多帧图像均包括目标车辆,获取在所述图像和所述多帧图像中,所述目标车辆与所述第二标志物的各相对位置;
所述生成模块用于,响应于所述各相对位置一致,且所述各相对位置小于预设的第二阈值,执行所述生成所述异常路况信息。
在一些实施例中,所述生成模块用于,获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数,根据所述内外参数和所述图像采集装置的位置确定所述第二标志物的位置,并确定所述目标车辆的位置,对所述第二标志物的位置和所述目标车辆的位置进行拼接处理,得到交通事故的位置,其中,所述警示标志物对应的位置包括所述交通事故的位置;生成携带所述交通事故的位置的异常路况信息。
根据本公开实施例的另一个方面,本公开实施例还提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一实施例所述的方法。
根据本公开实施例的另一个方面,本公开实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行上述任一实施例所述的方法。
根据本公开实施例的另一个方面,本公开实施例还提供了一种路况检测方法,所述方法包括:
对接收到的图像进行识别处理,得到识别结果,其中,所述图像为设置于路侧带的图像采集装置发送的,且所述图像包括路况信息;
响应于所述识别结果为所述图像中包括警示标志物,生成异常路况信息,其中,所述警示标志物用于对施工区域和/或交通事故进行提示,且所述异常路况信息携带与所述警示标志物对应的位置。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例的路况检测方法的应用场景的示意图;
图2为本公开实施例的路况检测方法的流程示意图;
图3为本公开实施例的生成异常路况信息的方法的流程示意图;
图4为本公开实施例的生成异常路况信息的方法的流程示意图;
图5为本公开实施例的路况检测装置的模块示意图;
图6为本公开另一实施例的路况检测装置的模块示意图;
图7为本公开另一实施例的路况检测装置的模块示意图;
图8为本公开另一实施例的路况检测装置的模块示意图;
图9为本公开实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开实施例提供的路况检测方法,可以适用于与图1所示的应用场景。
在如图1所示的应用场景中,图像采集装置为摄像机,且摄像机(图中未示出)设置于路侧带的红绿灯杆100上。
其中,摄像机用于对道路200上的路况信息进行获取,得到一帧帧图像,并将一帧帧图像发送至服务器300,由服务器300执行如本公开实施例的路况检测方法。
在如图1所示的应用场景中,摄像机将采集的某帧图像发送至服务器300,以便由服务器300对该图像进行识别处理等,以便最终确定异常路况信息,并将异常路况信息发送至网联车辆400。
其中,网联车辆包括无人驾驶车辆,也包括通过物联网的方式与服务器300进行网络通信的车辆。
当然,在另一些实施例中,本公开实施例的路况检测方法还可以应用人工智能技术领域,如由图像采集装置对包括路况信息的图像进行采集,并将图像发送至智能机器人,由智能机器人执行本公开实施例的路况检测方法,并当检测出存在异常路况信息时,控制智能机器人的运动轨迹等。
下面以具体地实施例对本公开的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本公开的实施例进行描述。
一个方面,本公开实施例提供了一种适用于上述应用场景的路况检测方法。
请参阅图2,图2为本公开实施例的路况检测方法的流程示意图。
如图2所示,该方法包括:
S101:接收设置于路侧带的图像采集装置发送的包括路况信息的图像。
其中,执行本公开实施例的路况检测方法的主体可以为路况检测装置。结合如图1所示的应用场景可知,路况检测装置可以为服务器。
当然,在另一些实施例中,路况检测装置也可以为终端设备。如,设置于网联车辆上的车载终端,且车载终端与图像采集装置通信连接,以便实现车载终端接收图像采集装置发送的图像;或者,用户终端,用户终端包括但不限于手机和iPad,同理,用户终端与图像采集装置通信连接,以便实现用户终端接收图像采集装置发送的图像。
在现有技术中,是由设置于网联车辆上的相机和雷达传感器对路况进行检测,生成检测结果,以便基于检测结果对网联车辆的驾驶策略进行调整。
但是,相机和雷达传感器只能检测离网联车辆一定距离内的路况,无法对大于一定距离的路况进行检测。因此,很可能导致尽管存在异常路况,但未能被相机和雷达传感器及时发现,使得网联车辆驶入异常路况的路段,导致网联车辆需排队等待通过该路段,或者导致网联车辆与其他车辆碰撞等事故发生。
而在本公开实施例中,通过由设置于路侧带的图像采集装置对包括路况信息的图像进行采集,可以对预设路段的路况信息进行采集,从而实现对长距离的路况信息进行采集,或者对网联车联的用户的需求距离内的路况信息进行采集,以便对采集到的图像进行后续处理(可参见后续阐述),进而确定出预设路段的异常路况信息,或者长距离内的异常路况信息,并最终实现安全且可靠的安全驾驶。
在一些实施例中,图像采集装置可设置于如图1所示的红绿灯杆上;当然也可以设置在交通指示牌上;当然也可以在路侧带设置支撑杆,并将图像采集装置安装于支撑杆上。
其中,支撑杆的距离可基于需求进行设定。
S102:对图像进行识别处理,得到识别结果。
其中,该步骤涉及图像识别的技术,关于图像识别可参见现有技术,例如通过训练识别模型等方式实现,此处不再赘述。
S103:响应于识别结果为图像中包括警示标志物,生成异常路况信息,其中,警示标志物用于对施工区域和/或交通事故进行提示,且异常路况信息携带与警示标志物对应的位置。
可以理解的是,在对图像进行识别处理后,会得到识别结果,基于该识别结果,可以确定出图像中包括的物体,如图像中包括的车辆(如小轿车、公交车、大货车和摩托车等)、指示牌和交通信号灯等。
如果基于该识别结果,可以确定出图像中包括警示标志物,则说明实际道路上可能存在施工区域和/或交通事故,则生成携带与警示标志物对应的位置的异常路况信息。
S104:将异常路况信息发送至网联车辆,以用于网联车辆的驾驶。
在该步骤中,将异常路况信息发送至网联车辆,由于异常路况信息中携带警示标志物对应的位置,则网联车辆在接收到异常路况信息后,可以根据异常路况信息确定警示标志物对应的位置,即可以确定出异常的路况的位置,进而确定驾驶策略。
其中,驾驶策略包括但不限于减速行驶和更换行驶路线。
例如:服务器在将异常路况信息发送至网联车辆。网联车辆根据异常路况信息确定异常的路况的位置,并根据异常的路况的位置与网联车辆的当前位置,确定出网联车辆与异常的路况的位置之间的距离,若确定出的距离大于预设的阈值,即在网联车辆与异常的路况的位置之间存在较远的距离,则基于网联车辆的当前路线生成与当前路线的目的地相同的路线,并根据生成的路线行驶,以避免网联车辆驶入异常路段,从而实现安全且可靠的驾驶的技术效果;若确定出的距离小于或等于预设的阈值,即在网联车辆与异常的路况的位置之间距离很近,则控制网联车辆减速行驶,以避免与异常路段中的其他车辆等相碰撞,进而实现安全且可靠的驾驶的技术效果。
本公开实施例提供了一种新的路况检测方法,该方法包括:接收设置于路侧带的图像采集装置发送的包括路况信息的图像,对图像进行识别处理,得到识别结果,响应于识别结果为图像中包括警示标志物,生成异常路况信息,其中,警示标志物用于对施工区域和/或交通事故进行提示,且异常路况信息携带与警示标志物对应的位置,将异常路况信息发送至网联车辆,以便网联车辆根据异常路况信息确定驾驶策略,通过对路侧带的图像采集装置发送的图像进行识别,当识别出包括警示标志物时,则生成异常路况信息,以避免现有技术中只能获取近距离的路况信息的弊端,从而实现及时获取路况信息,且通过将异常路况信息发送至网联车辆,可以确保网联车辆行驶的安全性和可靠性的技术效果。
在一些实施例中,若警示标志物包括用于对施工区域进行提示的第一标志物,则该方法还包括:
S01:响应于识别结果为图像中包括第一标志物,确定第一标志物的数量。
基于上述示例,若基于识别结果可知,图像中包括用于对施工区域进行提示的第一标志物,则可继续对第一标志物的数量进行确定。
其中,确定第一标志物的数量的方法也可以采用现有技术中的图像识别的技术,即对图像中的所有第一标志物进行识别,并统计识别出的第一标志物的数量。
在一些实施例中,第一标志物包括锥筒。即,在实际应用中,可通过锥筒对施工区域进行警示。
以及,生成异常路况信息包括:响应于第一标志物的数量大于预设的第一阈值,且图像中的由第一标志物围成的区域内不包括车辆,生成异常路况信息。
一般而言,施工区域具有一定的面积,且施工区域周边被设置多个锥筒,以便对施工区域进行框定,以使非工作人员以及车辆等无法进入施工区域。
因此,在该步骤中,可具体包括:
判断第一标志物的数量与第一阈值的大小,其中,第一阈值可基于需求进行设定。
如果第一标志物的数量大于第一阈值,则判断图像中的由第一标志物围成的区域内是否包括车辆。其中,判断图像中的由第一标志物围成的区域内是否包括车辆亦可采用现有技术中的图像识别的技术,此处不再赘述。
如果图像中的由第一标志物围成的区域内不包括车辆,则生成异常路况信息。
在一些实施例中,该方法还包括:
S02:响应于第一标志物的数量大于预设的第一阈值,且图像中的由第一标志物围成的区域内不包括车辆,获取与图像连续的n帧图像,其中,n≥1,且n帧图像位于图像之后。
其中,第一阈值和n均可基于需求进行设定,如第一阈值为4,n=20。
基于上述示例,若确定出图像中的第一标志物的数量大于第一阈值,且该图像中的由第一标志物围成的区域内不包括车辆,则获取在该图像之后的n帧图像。为使更透彻的理解本公开实施例,现以n=3为例对本公开实施例进行详细阐述如下:
为了对不同的图像加以区分,将图像标记为当前图像A,即当前图像A中的第一标志物的数量大于第一阈值,且当前图像A中的由第一标志物围成的区域内不包括车辆。获取当前图像A的下一帧图像B,并获取图像B的下一帧图像C。
以及,生成异常路况信息包括:响应于n帧图像与图像相同,生成异常路况信息。
基于上述示例,分别判断图像B和图像C是否与图像A相同,即分别判断图像B和图像C中是否包括第一标志物,且第一标志物的数量是否大于第一阈值,且是否由第一标志物围成的区域内不包括车辆,若上述条件均满足,则可将图像B和图像C确定为与当前图像A相同的图像,则生成异常路况信息。
在本公开实施例中,通过对连续的三帧图像(即当前图像A、图像B和图像C)进行识别等处理,并当三帧图像满足上述条件时,生成异常路况信息,可以避免由于当前图像A出现异常,或者,对当前图像A识别等处理过程中出现异常,错误的生成异常路况信息的弊端。因此,通过本公开实施例的方案,可以实现确保可靠生成异常路况信息,进而实现网联车辆安全且可靠的行驶的技术效果。
在一些实施例中,若图像B与当前图像A不同(如,图像B中不包括第一标志物,或者,图像B中包括第一标志物,且由第一标志物围成的区域内包括车辆等),则可不判断图像C是否与当前图像A相同,可选择在暂停一定时间后重新获取图像,并重新执行本公开实施例中的方案。
若图像B与当前图像A不同,则可能是已经完成对施工区域的修建等,使得施工区域已经恢复正常,车辆可以恢复通行;或者,图像采集装置在采集当前图像A和/或图像B中出现故障;或者,服务器对当前图像A和/或图像B识别等处理过程中出现故障。在本公开实施例中,可通过暂停对图像的获取,并在暂停一定时间后重新执行本公开实施例的方案,以避免因上述原因导致确定出错误的异常路况信息的弊端,并通过“重启”的方式开始检测,以便提高生成异常路况信息的可靠性。
在另一些实施例中,若图像B与当前图像A不同(如,图像B中不包括第一标志物,或者,图像B中包括第一标志物,且由第一标志物围成的区域内包括车辆等),则可继续判断图像C是否与当前图像A相同,若图像C与当前图像A相同,则可认为图像B为异常图像,或者,判断当前图像A和图像B是否相同时出现异常,并生成异常路况信息,以便提高生成异常路况信息的可靠性。
在另一些实施例中,若图像B与当前图像A不同(如,图像B中不包括第一标志物,或者,图像B中包括第一标志物,且由第一标志物围成的区域内包括车辆等),则可继续判断图像C是否与当前图像A相同,若图像C与当前图像A不相同,则可继续判断图像C是否与图像B相同,若图像B为图像C相同,则可认为当前图像A为异常图像,则不生成异常路况信息,以便提高生成异常路况信息的可靠性。
结合图3可知,在一些实施例中,生成异常路况信息的方法包括:
S31:获取图像采集装置的位置,并获取图像采集装置的内外参数。
其中,本公开实施例所述的位置是以国际坐标系为基准。
S32:根据内外参数和图像采集装置的位置确定每个第一标志物的位置。
S33:对每个第一标志物的位置进行拼接处理,得到施工区域的位置,其中,警示标志物对应的位置包括施工区域的位置。
基于上述示例,若第一标志物的数量为4,则确定每个第一标志物的位置,并将4个第一标志物的位置进行拼接,得到施工区域的位置。
其中,拼接可以为将任一两相邻的第一标志物进行连接,连接之后可得到由连接的连接线围起来的一片区域,可将该区域确定为施工区域,该施工区域所处的位置即为所述施工区域的位置。
S34:生成携带施工区域的位置的异常路况信息。
在一些实施例中,若警示标志物包括用于对交通事故进行提示的第二标志物,则该方法还包括:
S1:响应于识别结果为图像中包括第二标志物,获取预设时长内与图像连续的多帧图像,其中,多帧图像位于图像之后。
基于上述示例,若基于识别结果可知,图像中包括用于对交通事故进行提示的第二标志物,则获取预设时长内的多帧图像。
其中,预设时长可基于需求进行设定,如5分钟。即,当确定出图像中包括第二标志物时,获取5分钟内(以当前时刻为时间起点)的多帧图像。
在一些实施例中,第二标志物包括警示三脚架。
S2:响应于图像和多帧图像均包括目标车辆,获取在图像和多帧图像中,目标车辆与第二标志物的各相对位置。
其中,目标车辆为图像和多帧图像中均包括的车辆,目标车辆的数量可以为一辆,也可以为多辆。
该步骤可具体包括:
确定图像中的车辆,并将图像中的任意车辆称为第一车辆。
确定多帧图像中的车辆,并将多帧图像中的任意车辆称为第二车辆。
判断第一车辆和第二车辆中是否包含相同的车辆,即判断同一车辆是否既出现在图像中,又出现在多帧图像中。
若第一车辆和第二车辆中包含相同的车辆,则将该相同的车辆称为目标车辆。
针对图像,确定目标车辆与第二标志物的相对位置(为便于读者区分,下述示例中称为第一相对位置)。
针对多帧图像,确定目标车辆与第二标志物的相对位置(为便于读者区分,下述示例中称为第二相对位置)。
以及,生成异常路况信息包括:响应于各相对位置一致,且各相对位置小于预设的第二阈值,生成异常路况信息。
其中,第二阈值可基于需求进行设定。
基于上述示例,该步骤可具体包括:
判断第一相对位置与第二相对位置是否一致。
若第一相对位置与第二相对位置一致,则比较第一相对位置(或者第二相对位置)与第二阈值的大小。
若第一相对位置(或者第二相对位置)小于第二阈值,则生成异常路况信息。
在本公开实施例中,若图像和多帧图像均包括目标车辆,且各相对位置一致,则说明该目标车辆在预设时长内没有发生移动,且该目标车辆与第二标志物的各相对位置小于第二阈值,则说明该目标车辆与交通事故地点很近,则该目标车辆可能为发生交通事故的车辆,则生成异常路况信息,以便提高生成异常路况信息的可靠性。
结合图4可知,在一些实施例中,生成异常路况信息的方法包括:
S41:获取图像采集装置的位置,并获取图像采集装置的内外参数。
S42:根据内外参数和图像采集装置的位置确定第二标志物的位置,并确定目标车辆的位置。
S43:对第二标志物的位置和目标车辆的位置进行拼接处理,得到交通事故的位置,其中,警示标志物对应的位置包括交通事故的位置。
S44:生成携带交通事故的位置的异常路况信息。
在本公开实施例中,在确定出第二标志物的位置和目标车辆的位置后,可对第二标志物的位置和目标车辆的位置进行拼接处理。
其中,拼接可以将第二标志物的位置和目标车辆的位置进行连接,连接之后可得到由连接线组成的路段,可将该路段确定为交通事故的位置。
具体地,可将第二标志物的位置作为交通事故的位置的起点,将目标车辆的位置作为交通事故的位置的终点;或者,可将第二标志物的位置作为交通事故的位置的终点,将目标车辆的位置作为交通事故的位置的起点。
根据本公开实施例的另一个方面,本公开实施例还提供了一种路况检测装置。
请参阅图5,图5为本公开实施例的路况检测装置的模块示意图。
如图5所示,该装置包括:
接收模块1,用于接收设置于路侧带的图像采集装置发送的包括路况信息的图像;
识别模块2,用于对所述图像进行识别处理,得到识别结果;
生成模块3,用于响应于所述识别结果为所述图像中包括警示标志物,生成异常路况信息,其中,所述警示标志物用于对施工区域和/或交通事故进行提示,且所述异常路况信息携带与所述警示标志物对应的位置;
发送模块4,用于将所述异常路况信息发送至网联车辆,以用于所述网联车辆的驾驶。
结合图6可知,在一些实施例中,若所述警示标志物包括用于对所述施工区域进行提示的第一标志物,所述装置还包括:
确定模块5,用于响应于所述识别结果为所述图像中包括所述第一标志物,确定所述第一标志物的数量;
所述生成模块4用于,响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,执行所述生成所述异常路况信息。
结合图7可知,在一些实施例中,所述装置还包括:
第一获取模块6,用于响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,获取与所述图像连续的n帧图像,其中,所述n≥1,且所述n帧图像位于所述图像之后;
所述生成模块4用于,响应于所述n帧图像与所述图像相同,执行所述生成所述异常路况信息。
在一些实施例中,所述生成模块4用于,获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数,根据所述内外参数和所述图像采集装置的位置确定每个所述第一标志物的位置,对每个所述第一标志物的位置进行拼接处理,得到施工区域的位置,其中,所述警示标志物对应的位置包括所述施工区域的位置;生成携带所述施工区域的位置的异常路况信息。
结合图8可知,在一些实施例中,若所述警示标志物包括用于对所述交通事故进行提示的第二标志物,所述装置还包括:
第二获取模块7,用于响应于所述识别结果为所述图像中包括所述第二标志物,获取预设时长内与所述图像连续的多帧图像,其中,所述多帧图像位于所述图像之后;
所述第二获取模块7还用于,响应于所述图像和所述多帧图像均包括目标车辆,获取在所述图像和所述多帧图像中,所述目标车辆与所述第二标志物的各相对位置;
所述生成模块4用于,响应于所述各相对位置一致,且所述各相对位置小于预设的第二阈值,执行所述生成所述异常路况信息。
在一些实施例中,所述生成模块4用于,获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数,根据所述内外参数和所述图像采集装置的位置确定所述第二标志物的位置,并确定所述目标车辆的位置,对所述第二标志物的位置和所述目标车辆的位置进行拼接处理,得到交通事故的位置,其中,所述警示标志物对应的位置包括所述交通事故的位置;生成携带所述交通事故的位置的异常路况信息。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图9所示,是根据本申请实施例的路况检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器101、存储器102,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器101为例。
存储器102即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的路况检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的路况检测方法。
存储器102作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的路况检测方法对应的程序指令/模块。处理器101通过运行存储在存储器102中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的路况检测方法。
存储器102可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器102可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器102可选包括相对于处理器101远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置103和输出装置104。处理器101、存储器102、输入装置103和输出装置104可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置103可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置104可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本公开实施例的另一个方面,本公开实施例还提供了一种路况检测方法,所述方法包括:
对接收到的图像进行识别处理,得到识别结果,其中,所述图像为设置于路侧带的图像采集装置发送的,且所述图像包括路况信息;
响应于所述识别结果为所述图像中包括警示标志物,生成异常路况信息,其中,所述警示标志物用于对施工区域和/或交通事故进行提示,且所述异常路况信息携带与所述警示标志物对应的位置。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (15)
1.一种路况检测方法,其特征在于,所述方法包括:
接收设置于路侧带的图像采集装置发送的包括路况信息的图像;
对所述图像进行识别处理,得到识别结果;
响应于所述识别结果为所述图像中包括警示标志物,生成异常路况信息,其中,所述警示标志物用于对施工区域和/或交通事故进行提示,且所述异常路况信息携带与所述警示标志物对应的位置;
将所述异常路况信息发送至网联车辆,以用于所述网联车辆的驾驶。
2.根据权利要求1所述的方法,其特征在于,若所述警示标志物包括用于对所述施工区域进行提示的第一标志物,则所述方法还包括:
响应于所述识别结果为所述图像中包括所述第一标志物,确定所述第一标志物的数量;
以及,所述生成所述异常路况信息包括:响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,生成所述异常路况信息。
3.根据权利要求2所述的方法,其特征在于,在所述生成所述异常路况信息之前,所述方法还包括:
响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,获取与所述图像连续的n帧图像,其中,所述n≥1,且所述n帧图像位于所述图像之后;
响应于所述n帧图像与所述图像相同,执行所述生成所述异常路况信息。
4.根据权利要求2所述的方法,其特征在于,所述生成所述异常路况信息包括:
获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数;
根据所述内外参数和所述图像采集装置的位置确定每个所述第一标志物的位置;
对每个所述第一标志物的位置进行拼接处理,得到施工区域的位置,其中,所述警示标志物对应的位置包括所述施工区域的位置;
生成携带所述施工区域的位置的异常路况信息。
5.根据权利要求1至4中任一项所述的方法,其特征在于,若所述警示标志物包括用于对所述交通事故进行提示的第二标志物,则所述方法还包括:
响应于所述识别结果为所述图像中包括所述第二标志物,获取预设时长内与所述图像连续的多帧图像,其中,所述多帧图像位于所述图像之后;
响应于所述图像和所述多帧图像均包括目标车辆,获取在所述图像和所述多帧图像中,所述目标车辆与所述第二标志物的各相对位置;
以及,所述生成异常路况信息包括:响应于所述各相对位置一致,且所述各相对位置小于预设的第二阈值,生成所述异常路况信息。
6.根据权利要求5所述的方法,其特征在于,所述生成所述异常路况信息包括:
获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数;
根据所述内外参数和所述图像采集装置的位置确定所述第二标志物的位置,并确定所述目标车辆的位置;
对所述第二标志物的位置和所述目标车辆的位置进行拼接处理,得到交通事故的位置,其中,所述警示标志物对应的位置包括所述交通事故的位置;
生成携带所述交通事故的位置的异常路况信息。
7.一种路况检测装置,其特征在于,所述装置包括:
接收模块,用于接收设置于路侧带的图像采集装置发送的包括路况信息的图像;
识别模块,用于对所述图像进行识别处理,得到识别结果;
生成模块,用于响应于所述识别结果为所述图像中包括警示标志物,生成异常路况信息,其中,所述警示标志物用于对施工区域和/或交通事故进行提示,且所述异常路况信息携带与所述警示标志物对应的位置;
发送模块,用于将所述异常路况信息发送至网联车辆,以用于所述网联车辆的驾驶。
8.根据权利要求7所述的装置,其特征在于,若所述警示标志物包括用于对所述施工区域进行提示的第一标志物,所述装置还包括:
确定模块,用于响应于所述识别结果为所述图像中包括所述第一标志物,确定所述第一标志物的数量;
所述生成模块用于,响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,执行所述生成所述异常路况信息。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
第一获取模块,用于响应于所述第一标志物的数量大于预设的第一阈值,且所述图像中的由所述第一标志物围成的区域内不包括车辆,获取与所述图像连续的n帧图像,其中,所述n≥1,且所述n帧图像位于所述图像之后;
所述生成模块用于,响应于所述n帧图像与所述图像相同,执行所述生成所述异常路况信息。
10.根据权利要求8所述的装置,其特征在于,所述生成模块用于,获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数,根据所述内外参数和所述图像采集装置的位置确定每个所述第一标志物的位置,对每个所述第一标志物的位置进行拼接处理,得到施工区域的位置,其中,所述警示标志物对应的位置包括所述施工区域的位置,生成携带所述施工区域的位置的异常路况信息。
11.根据权利要求7至10中任一项所述的装置,其特征在于,若所述警示标志物包括用于对所述交通事故进行提示的第二标志物,所述装置还包括:
第二获取模块,用于响应于所述识别结果为所述图像中包括所述第二标志物,获取预设时长内与所述图像连续的多帧图像,其中,所述多帧图像位于所述图像之后;
所述第二获取模块还用于,响应于所述图像和所述多帧图像均包括目标车辆,获取在所述图像和所述多帧图像中,所述目标车辆与所述第二标志物的各相对位置;
所述生成模块用于,响应于所述各相对位置一致,且所述各相对位置小于预设的第二阈值,执行所述生成所述异常路况信息。
12.根据权利要求11所述的装置,其特征在于,所述生成模块用于,获取所述图像采集装置的位置,并获取所述图像采集装置的内外参数,根据所述内外参数和所述图像采集装置的位置确定所述第二标志物的位置,并确定所述目标车辆的位置,对所述第二标志物的位置和所述目标车辆的位置进行拼接处理,得到交通事故的位置,其中,所述警示标志物对应的位置包括所述交通事故的位置,生成携带所述交通事故的位置的异常路况信息。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
15.一种路况检测方法,其特征在于,所述方法包括:
对接收到的图像进行识别处理,得到识别结果,其中,所述图像为设置于路侧带的图像采集装置发送的,且所述图像包括路况信息;
响应于所述识别结果为所述图像中包括警示标志物,生成异常路况信息,其中,所述警示标志物用于对施工区域和/或交通事故进行提示,且所述异常路况信息携带与所述警示标志物对应的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199829.8A CN110991320B (zh) | 2019-11-29 | 2019-11-29 | 路况检测方法和装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199829.8A CN110991320B (zh) | 2019-11-29 | 2019-11-29 | 路况检测方法和装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110991320A true CN110991320A (zh) | 2020-04-10 |
CN110991320B CN110991320B (zh) | 2023-09-26 |
Family
ID=70088327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911199829.8A Active CN110991320B (zh) | 2019-11-29 | 2019-11-29 | 路况检测方法和装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991320B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611955A (zh) * | 2020-05-28 | 2020-09-01 | 百度在线网络技术(北京)有限公司 | 可通行施工道路的识别方法、装置、设备及存储介质 |
CN111640301A (zh) * | 2020-05-25 | 2020-09-08 | 北京百度网讯科技有限公司 | 故障车辆的检测方法、系统、装置、电子设备及存储介质 |
CN111709355A (zh) * | 2020-06-12 | 2020-09-25 | 北京百度网讯科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN111709354A (zh) * | 2020-06-12 | 2020-09-25 | 北京百度网讯科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN112068548A (zh) * | 2020-08-07 | 2020-12-11 | 北京航空航天大学 | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 |
CN112202880A (zh) * | 2020-09-29 | 2021-01-08 | 腾讯科技(深圳)有限公司 | 路况信息获取方法、装置、设备以及存储介质 |
CN112581763A (zh) * | 2020-12-11 | 2021-03-30 | 北京百度网讯科技有限公司 | 道路事件检测的方法、装置、设备和存储介质 |
CN112712719A (zh) * | 2020-12-25 | 2021-04-27 | 北京百度网讯科技有限公司 | 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆 |
CN112750312A (zh) * | 2020-12-28 | 2021-05-04 | 上海眼控科技股份有限公司 | 信息检测方法、装置、设备及存储介质 |
CN112885087A (zh) * | 2021-01-22 | 2021-06-01 | 北京嘀嘀无限科技发展有限公司 | 确定路况信息的方法、装置、设备和介质和程序产品 |
CN113551706A (zh) * | 2021-07-20 | 2021-10-26 | 上海擎朗智能科技有限公司 | 一种机器人巡视的方法、装置、电子设备及存储介质 |
CN114495481A (zh) * | 2020-11-13 | 2022-05-13 | 阿里巴巴集团控股有限公司 | 路况确定方法、装置、电子设备及计算机可读存储介质 |
WO2022142827A1 (zh) * | 2020-12-30 | 2022-07-07 | 华为技术有限公司 | 占道信息确定方法和装置 |
CN115465394A (zh) * | 2022-10-18 | 2022-12-13 | 交科院检测技术(北京)有限公司 | 一种摩托车车载道路路况检测系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630444A (zh) * | 2009-08-06 | 2010-01-20 | 杭州六易科技有限公司 | 一种车载交通信号牌自动识别警示系统 |
US20100040289A1 (en) * | 2008-02-27 | 2010-02-18 | Hitachi, Ltd. | Load Sign Recognition Apparatus and Load Sign Recognition Method |
CN104809901A (zh) * | 2014-01-28 | 2015-07-29 | 通用汽车环球科技运作有限责任公司 | 使用街道级图像增强车辆的自动驾驶模式的方法 |
CN104933777A (zh) * | 2015-07-30 | 2015-09-23 | 苏州寅初信息科技有限公司 | 一种通过行车记录仪上传路况信息的方法及其行车记录仪 |
CN106183981A (zh) * | 2016-07-19 | 2016-12-07 | 乐视控股(北京)有限公司 | 基于汽车的路障检测方法、装置及汽车 |
US20170154229A1 (en) * | 2015-12-01 | 2017-06-01 | Denso Corporation | Drive support system |
CN108074410A (zh) * | 2018-02-02 | 2018-05-25 | 台州市星标交通科技有限公司 | 交通云警示平台 |
CN108986463A (zh) * | 2018-07-18 | 2018-12-11 | 北京小马智行科技有限公司 | 一种路况信息处理方法、装置及电子设备 |
CN110491167A (zh) * | 2019-07-19 | 2019-11-22 | 合肥京东方车载显示技术有限公司 | 一种路段警示方法及设备 |
-
2019
- 2019-11-29 CN CN201911199829.8A patent/CN110991320B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100040289A1 (en) * | 2008-02-27 | 2010-02-18 | Hitachi, Ltd. | Load Sign Recognition Apparatus and Load Sign Recognition Method |
CN101630444A (zh) * | 2009-08-06 | 2010-01-20 | 杭州六易科技有限公司 | 一种车载交通信号牌自动识别警示系统 |
CN104809901A (zh) * | 2014-01-28 | 2015-07-29 | 通用汽车环球科技运作有限责任公司 | 使用街道级图像增强车辆的自动驾驶模式的方法 |
CN104933777A (zh) * | 2015-07-30 | 2015-09-23 | 苏州寅初信息科技有限公司 | 一种通过行车记录仪上传路况信息的方法及其行车记录仪 |
US20170154229A1 (en) * | 2015-12-01 | 2017-06-01 | Denso Corporation | Drive support system |
CN106183981A (zh) * | 2016-07-19 | 2016-12-07 | 乐视控股(北京)有限公司 | 基于汽车的路障检测方法、装置及汽车 |
CN108074410A (zh) * | 2018-02-02 | 2018-05-25 | 台州市星标交通科技有限公司 | 交通云警示平台 |
CN108986463A (zh) * | 2018-07-18 | 2018-12-11 | 北京小马智行科技有限公司 | 一种路况信息处理方法、装置及电子设备 |
CN110491167A (zh) * | 2019-07-19 | 2019-11-22 | 合肥京东方车载显示技术有限公司 | 一种路段警示方法及设备 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640301A (zh) * | 2020-05-25 | 2020-09-08 | 北京百度网讯科技有限公司 | 故障车辆的检测方法、系统、装置、电子设备及存储介质 |
CN111611955B (zh) * | 2020-05-28 | 2023-09-26 | 百度在线网络技术(北京)有限公司 | 可通行施工道路的识别方法、装置、设备及存储介质 |
CN111611955A (zh) * | 2020-05-28 | 2020-09-01 | 百度在线网络技术(北京)有限公司 | 可通行施工道路的识别方法、装置、设备及存储介质 |
CN111709355A (zh) * | 2020-06-12 | 2020-09-25 | 北京百度网讯科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN111709354A (zh) * | 2020-06-12 | 2020-09-25 | 北京百度网讯科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN111709355B (zh) * | 2020-06-12 | 2023-08-29 | 阿波罗智联(北京)科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN111709354B (zh) * | 2020-06-12 | 2023-07-28 | 阿波罗智联(北京)科技有限公司 | 识别目标区域的方法、装置、电子设备和路侧设备 |
CN112068548A (zh) * | 2020-08-07 | 2020-12-11 | 北京航空航天大学 | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 |
CN112068548B (zh) * | 2020-08-07 | 2022-06-07 | 北京航空航天大学 | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 |
CN112202880A (zh) * | 2020-09-29 | 2021-01-08 | 腾讯科技(深圳)有限公司 | 路况信息获取方法、装置、设备以及存储介质 |
CN112202880B (zh) * | 2020-09-29 | 2023-11-07 | 腾讯科技(深圳)有限公司 | 路况信息获取方法、装置、设备以及存储介质 |
CN114495481A (zh) * | 2020-11-13 | 2022-05-13 | 阿里巴巴集团控股有限公司 | 路况确定方法、装置、电子设备及计算机可读存储介质 |
CN112581763A (zh) * | 2020-12-11 | 2021-03-30 | 北京百度网讯科技有限公司 | 道路事件检测的方法、装置、设备和存储介质 |
CN112712719B (zh) * | 2020-12-25 | 2022-05-03 | 阿波罗智联(北京)科技有限公司 | 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆 |
CN112712719A (zh) * | 2020-12-25 | 2021-04-27 | 北京百度网讯科技有限公司 | 车辆控制方法、车路协同系统、路侧设备和自动驾驶车辆 |
CN112750312A (zh) * | 2020-12-28 | 2021-05-04 | 上海眼控科技股份有限公司 | 信息检测方法、装置、设备及存储介质 |
WO2022142827A1 (zh) * | 2020-12-30 | 2022-07-07 | 华为技术有限公司 | 占道信息确定方法和装置 |
CN112885087A (zh) * | 2021-01-22 | 2021-06-01 | 北京嘀嘀无限科技发展有限公司 | 确定路况信息的方法、装置、设备和介质和程序产品 |
CN113551706A (zh) * | 2021-07-20 | 2021-10-26 | 上海擎朗智能科技有限公司 | 一种机器人巡视的方法、装置、电子设备及存储介质 |
CN115465394A (zh) * | 2022-10-18 | 2022-12-13 | 交科院检测技术(北京)有限公司 | 一种摩托车车载道路路况检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110991320B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991320B (zh) | 路况检测方法和装置、电子设备、存储介质 | |
CN111428663B (zh) | 红绿灯状态的识别方法、装置、电子设备和存储介质 | |
CN112700668B (zh) | 自动驾驶的远程控制方法、自动驾驶车辆及云端设备 | |
CN111862593B (zh) | 交通类事件的上报方法、装置、电子设备及存储介质 | |
CN112102638B (zh) | 信号灯数据展示方法、装置、服务器、终端、系统和介质 | |
US20210224553A1 (en) | Event detection method and apparatus for cloud control platform, device, and storage medium | |
CN111292531B (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
CN112572462B (zh) | 自动驾驶的控制方法、装置、电子设备及存储介质 | |
CN112419722B (zh) | 交通异常事件检测方法、交通管控方法、设备和介质 | |
CN110689747B (zh) | 自动驾驶车辆的控制方法和装置、自动驾驶车辆 | |
US20210110168A1 (en) | Object tracking method and apparatus | |
CN112258840A (zh) | 图像采集的控制方法、装置、设备及存储介质 | |
CN111210623A (zh) | 测试方法、装置、设备和存储介质 | |
CN110910665A (zh) | 信号灯控制方法、装置以及计算机设备 | |
CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
CN111291650A (zh) | 自动泊车辅助的方法及装置 | |
CN111627241B (zh) | 用于生成路口车辆排队信息的方法和装置 | |
CN111536984A (zh) | 定位方法和装置、车端设备、车辆、电子设备和定位系统 | |
CN111553319A (zh) | 用于获取信息的方法和装置 | |
CN111703371B (zh) | 交通信息的显示方法、装置、电子设备和存储介质 | |
CN112802325A (zh) | 车辆排队长度检测方法及装置 | |
CN112287806A (zh) | 一种道路信息检测方法、系统、电子设备及存储介质 | |
CN113052047A (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN112528795A (zh) | 信号灯的灯色识别方法、装置及路侧设备 | |
CN111959526A (zh) | 基于无人车的控制方法、装置、无人车和电子设备 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211019 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |