CN110992781A - 倒车入库考试的评判方法、装置、设备和存储介质 - Google Patents
倒车入库考试的评判方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110992781A CN110992781A CN201911174738.9A CN201911174738A CN110992781A CN 110992781 A CN110992781 A CN 110992781A CN 201911174738 A CN201911174738 A CN 201911174738A CN 110992781 A CN110992781 A CN 110992781A
- Authority
- CN
- China
- Prior art keywords
- sampling point
- area
- garage
- model
- vehicle
- 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
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
- G09B19/167—Control of land vehicles
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及车辆考试技术领域,具体涉及一种倒车入库考试的评判方法、装置、设备和存储介质。一种倒车入库考试的评判方法,包括确定倒车入库场地模型和车辆模型,所述倒车入库场地模型包括车库合法区域和车库非法区域;根据所述倒车入库场地模型和车辆模型构建电子地图;实时监控所述电子地图上车辆模型、车库合法区域和车库非法区域的相对位置关系;根据相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;上述方法,把人力监控变成了机器监控,提高了倒车入库考试的评判准确率。
Description
技术领域
本发明实施例涉及车辆考试技术领域,具体涉及一种倒车入库考试的评判方法、装置、设备和存储介质。
背景技术
倒车入库考试中,是由主考官肉眼观察是否车身出线;是否车轮轧线,准确率不高,考试过程中,可能会由于主考官疏忽而没有发现违规行为,或者由于观察不准确而造成误判。
发明内容
为此,本发明实施例提供一种倒车入库考试的评判方法、装置、设备,用以提高准确率。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面,一种倒车入库考试的评判方法,包括:
确定倒车入库场地模型和车辆模型,所述倒车入库场地模型包括车库合法区域和车库非法区域;
根据所述倒车入库场地模型和车辆模型构建电子地图;
实时监控所述电子地图上所述车辆模型、车库合法区域和车库非法区域的相对位置关系;
根据所述相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
根据所述记录的违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
进一步地,所述倒车入库场地模型还包括:道路合法区域和道路非法区域;
所述方法还包括:实时监控所述电子地图上所述车辆模型、道路合法区域、道路非法区域和车库非法区域的相对位置关系;根据所述相对位置关系判断所述考试车辆是否违规;
根据所述相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
根据记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
进一步地,所述车辆模型包括车轮模型;
根据所述相对位置关系判断车辆是否违规,包括:
如果所述车轮模型中的至少一个采样点从道路合法区域进入到道路非法区域,则确定违规。
进一步地,所述车辆模型包括车身模型,根据所述相对位置关系判断车辆是否违规,包括:
如果所述车身模型中至少有一个采样点从道路合法区域进入到车库非法区域,则确定入库违规。
进一步地,所述车辆模型包括车身模型,根据所述相对位置关系判断车辆是否违规,包括:
如果所述车身模型中至少有一个采样点从车库区域进入到车库非法区域,则确定违规。
进一步地,如果违规,所述方法还包括,发出报警信息。
进一步地,倒车入库场地模型包括:
第一采样点、第二采样点、第三采样点、第四采样点、第五采样点、第六采样点、第七采样点和第八采样点;
所述道路合法区域包括所述第一采样点、第二采样点、第三采样点和第四采样点;所述第一采样点、第二采样点、第三采样点和第四采样点形成封闭的矩形;
所述车库合法区域包括所述第五采样点、第六采样点、第七采样点和第八采样点;所述第五采样点、第六采样点、第七采样点和第八采样点形成封闭的矩形;
所述车库合法区域在所述道路合法区域外侧,与所述道路合法区域具有重合的线段;重合的线段为第五采样点和第六采样点形成的线段;
所述车库非法区域包括:第一车库非法区域和第二车库非法区域;
所述第一车库非法区域包括:第三采样点、第五采样点、第九采样点和第十采样点;所述第三采样点、第五采样点、第九采样点和第十采样点形成封闭的矩形;
第二车库非法区域包括:第六采样点、第四采样点、第十一采样点和第十二采样点;所述第六采样点、第四采样点、第十一采样点和第十二采样点形成封闭的矩形;
道路非法区域包括:第十四采样点、第十三采样点、第一采样点和第二采样点;所述第十四采样点、第十三采样点、第一采样点和第二采样点形成封闭的矩形。
根据本发明实施例的第二方面,一种倒车入库考试的评判装置,包括:
确定模块,用于确定倒车入库场地模型和车辆模型,所述倒车入库场地模型包括车库合法区域和车库非法区域;
地图构建模块,用于根据所述倒车入库场地模型和车辆模型构建电子地图;
所述倒车入库场地模型包括车库合法区域和车库非法区域;
监控模块,用于实时监控所述电子地图上所述车辆模型、车库合法区域和车库非法区域的相对位置关系;
判断记录模块,用于根据所述相对位置关系判断所述车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
结果生成模块,用于根据所述记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
进一步地,所述倒车入库场地模型还包括:道路合法区域和道路非法区域;
监控模块还用于,实时监控所述电子地图上所述车辆模型、道路合法区域、道路非法区域和车库非法区域的相对位置关系;根据所述相对位置关系判断所述考试车辆是否违规;
判断记录模块还用于,根据所述相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
结果生成模块还用于,根据记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
进一步地,在一种实施方式中,所述车辆模型包括车轮模型;判断记录模块还用于,如果所述车轮模型中的至少一个采样点从道路合法区域进入到道路非法区域,则确定违规。
进一步地,所述车辆模型包括车身模型,判断记录模块还用于,如果所述车身模型中至少有一个采样点从道路合法区域进入到车库非法区域,则确定入库违规。
进一步地,所述车辆模型包括车身模型,判断记录模块还用于,如果所述车身模型中至少有一个采样点从车库区域进入到车库非法区域,则确定违规。
第三方面,本申请还提出了一种倒车入库考试的评判设备,所述倒车入库考试的评判设备包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如上述任一项所述的方法。
第四方面,本申请还提出了一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如上述任一项所述的方法。
本发明实施例具有如下优点:根据倒车入库场地模型和车辆模型构建电子地图;实时监控所述电子地图上车辆模型、车库区域和车库非法区域的相对位置关系;根据位置关系判断所述车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;上述方法,把人力监控变成了机器监控,提高了倒车入库考试的评判准确率。并且记录的采样点和次数还能够用于指导学员总结经验。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例提供的一种倒车入库考试的评判方法流程图;
图2为本发明实施例提供的一种倒车入库场地模型示意图;
图3为本发明实施例提供的一种车辆模型示意图;
图4为本发明实施例提供的另一种倒车入库场地模型示意图;
图5为本发明实施例提供的一种倒车入库考试的评判装置结构示意图;
图6为本发明实施例提供的一种倒车入库考试的评判设备结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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,都属于本发明保护的范围。
车辆入库考试中,考生驾驶车辆从道路上把车倒入车库中,在该考试的场景中,要求考试驾驶车辆不能够越界,车轮不能够轧线。主考官用肉眼观察车轮车身是否越界来判断驾驶员考试是否合规,结果的准确率不高,其中,有主考官疏忽大意的因素,有主考官偏见的因素等等。
基于此,本申请提出了一种倒车入库考试的评判方法,参见附图1所示的一种倒车入库考试的评判方法流程图,该方法包括:
步骤S101,确定倒车入库场地模型和车辆模型,所述倒车入库场地模型包括车库合法区域和车库非法区域;
其中,倒车入库场地模型可以是圆形的,方形的,椭圆形的,根据实际的需要进行灵活地选择;如果考试的场地是一个方形的场地,则选择确定出方形的模型;如果考试的场地是一个圆形的场地,则选择出圆形的场地;该模型存储在数据库中,用户可以灵活选择;
考试车辆的模型,可以根据考试车辆的不同类型,来选择不同的车辆模型,比如卡车的模型,轿车的模型,该模型存储在数据库中,用户可以灵活进行选择。
对于同一个考场,考试方还可以更改不同的车辆模型,比如,对于驾驶卡车的考试,则考试方就采用卡车的模型;对于驾驶汽车的考试,考试方就选定预先建好的汽车的模型。
对于同一个车辆的考试,考试方可能还有多个不同的考场考察不同的考试内容,则还可以更改不同的考场模型,但是车辆模型不变;
考试方还可以同时更改车辆模型和考场模型。具体根据需要进行灵活选择。
其中,车辆模型的建立过程包括:
预先在考试车辆的车头、车轮和车身上标记采样点;
对所述采样点进行采样并记录每一个采样点的坐标;
其中,可以在车上设置矢量天线、定位天线,考场内设置基准站GPS天线,采用RTK技术来确定考车上的每一个采样点的位置坐标;
根据每一个采样点的位置坐标建立车辆模型。
本申请可以根据考试车辆的特点,建立考试车辆的模型。
其中,倒车入库场地模型的建立过程包括:
获取场地的采样点的坐标;
其中,采样点是预先在考场上设定的若干个点;在车上设置矢量天线、定位天线,考场内设置基准站GPS天线,采用RTK技术来获取场地中每一个采样点的坐标;获取每一个采样点的坐标后,根据每一个采样点的坐标信息来构建倒车入库场地模型。
所述倒车入库场地模型包括合法区域和非法区域;
所述非法区域位于所述封闭的合法区域的外侧;与所述合法区域相邻;
步骤S102,根据所述倒车入库场地模型和车辆模型构建电子地图;
其中,将倒车入库场地模型和车辆模型导入到现场的电子地图中。
步骤S103,实时监控所述电子地图上所述车辆模型、车库合法区域和车库非法区域的相对位置关系;
其中,相对位置关系包括:车辆模型与车库区域重合或者分离。车辆模型与车库非法区域重合或者分离。车辆模型从合法区域进入非法区域;
步骤S104,根据所述相对位置关系判断车辆是否违规;如果违规,则执行步骤S105;如果没有违规,则返回步骤S103;
其中,如果车辆模型从合法区域进入到非法区域,则确定违规。
步骤S105,记录违规的采样点,和/或,违规的次数;
其中,违规次数由计数器计数实现,从开始时刻计算,当车辆模型满足违规的条件时,则计数器设置为1;如果以后车辆模型又满足违规条件,则计数器加1;从而实现记录违规的次数;
当违规时,车辆模型由部分采样点进入到了非法区域中。识别确定出进入非法区域的采样点。备后续的分析研究,从而可以帮助驾驶员总结经验,避免在同样的位置再犯同样的错误。
步骤S106,根据所述记录的违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
上述方法,根据所述倒车入库场地模型和车辆模型构建电子地图;实时监控所述电子地图上所述车辆模型、车库区域和车库非法区域的相对位置关系;根据所述位置关系判断所述车辆是否违规;实现了对于倒车入库考试的自动监控,可以自动生成考试结果,其中考试结果中包括记录的违规的采样点,和/或,违规的次数。上述方法,把人力评判改成了机器评判,提高了评判的准确率,公平公正性。
在一种实施方式中,所述倒车入库场地模型还包括:道路合法区域和道路非法区域。参见附图2所示的一种倒车入库场地模型示意图;该倒车入库场地模型包括:道路合法区域22、车库合法区域21和车库非法区域23;道路非法区域24;道路非法区域24与道路合法区域22相邻;车库非法区域23和车库合法区域21相邻。
所述方法还包括:实时监控所述电子地图上所述车辆模型、道路合法区域、道路非法区域和车库非法区域的相对位置关系;根据所述相对位置关系判断所述考试车辆是否违规;
根据所述相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
根据记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
在一种实施方式中,参见附图3所示的一种车辆模型示意图,该模型包括车头部分31、车身部分32和车尾部分33;其中,每一个部分都包括若干个采样点。多个采样点连线从而形成该车辆模型。
车轮轧线是考试中的一个考试项目,是指在考试的过程中,考生驾驶车辆偏离了预定轨道,对两侧的考试线进行碾压,所以在一种实施方式中,所述车辆模型包括车轮模型;
根据所述相对位置关系确定车辆是否违规,包括:
如果所述车轮模型中的至少一个采样点从道路合法区域进入到道路非法区域,则确定违规。
其中,车轮模型至少包括两个采样点,一个采样点位于车辆内侧,另一个采样点位于车轮的外侧,监测车轮中的采样点所处于的坐标位置;如果有采样点从道路合法区域进入到道路非法区域,则说明车辆偏离了正常的方向,违规。
对于倒车入库项目的考试,车身出线是考试中的一个项目,考生在驾车倒车入库时,如果车身出线,则驾驶违规,所以在一个实施方式中,所述车辆模型包括车身模型,根据所述位置关系判断所述车辆是否违规,包括:
如果所述车身模型中至少有一个采样点从道路合法区域进入到车库非法区域,则确定入库违规。
为了能够实现对于考试开始时刻的监控,在一种可能的实施方式中,所述车辆模型包括车头模型;所述方法还包括:
根据所述车辆模型和倒车入库场地模型确定所述车辆是否进场时,采取以下步骤:
如果所述车轮模型从合法区域的外侧进入到所述合法区域;则确定所述车辆进场。
为了能够获知考试结束的时刻,所述车辆模型包括车尾模型;所述方法还包括:
根据所述车辆模型和倒车入库场地模型确定所述车辆是否离场,具体包括:
如果所述车尾模型从合法区域进入到所述合法区域外侧;则确定所述车辆出场。
其中,车尾模型中,包括车尾的最后端的一个采样点,可以用该采样点和出场线的关系判断,如果该采样点位于出场线的外侧,则确定车辆出场。
为了能够当车辆违规后及时提醒驾驶员和主考官,在一种可能的实施方式中,如果违规,所述方法还包括,发出报警信息。
其中,可以采用蜂鸣器进行报警;也可以采用语音报警装置报警。如果确定是车轮轧线,则语音报警装置发出语音:“车轮轧线”;如果确定是车身出线,则语音报警装置发出语音:“车身出线”。
为了更加形象地对场地进行说明,在一种可能的实施方式中,参见附图4所示的另一种倒车入库场地模型示意图,该倒车入库场地模型包括:
第一采样点1、第二采样点2、第三采样点3、第四采样点4、第五采样点5、第六采样点6、第七采样点7和第八采样点8;
所述第一采样点1、第二采样点2、第三采样点3和第四采样点4形成第一封闭的矩形区域A1;道路合法区域;
所述第五采样点5、第六采样点6、第七采样点7、第八采样点8形成第二封闭矩形区域A2;车库合法区域;
所述第二封闭矩形区域A2在所述第一封闭矩形区域A1外侧;以及与所述第一封闭的矩形区域A1具有重合的线段;重合的线段为第五采样点5和第六采样点6形成的线段;
为了确定出非法区域,还设置第九采样点9、第十采样点10、第十一采样点11、第十二采样点12、第十三采样点13、第十四采样点14;
其中,第三采样点3、第五采样点5、第九采样点9和第十采样点10形成车库第一非法区域B1;
第六采样点6、第4采样点4、第十一采样点11和第十二采样点12形成车库第二非法区域B2;
第一采样点1、第二采样点2、第十三采样点13和第十四采样点14形成道路非法区域B3;
线段13为入场线;线段24为出场线。
具体考试时,如果车轮模型从A区域运动到B3区域,则确定为轧线;
倒车入库,应该是从A1区域进入到A2区域中,如果车身模型从A1区域进入到B1或者B2区域,则确定为倒车入库过程中,车身出线;该操作违规;
车辆出库的过程,车辆应该是从区域A2运动到A1,但是如果在这个过程中车身进入到了B1或者B2区域中,则确定为违规。
为了确定车辆是否进场,当车头模型中的最前位置的采样点从进场线13的左侧运动到A1区域中,则确定车辆进场。
为了确定车辆是否离场,当车尾模型中的最靠后的采样点从A1区域经过离场线24运动到外侧,则确定为车辆离场。
第二方面,本申请还提出了一种倒车入库考试的评判装置,参见附图5所示的倒车入库的评判装置结构示意图,该装置包括:
确定模块51,用于确定倒车入库场地模型和车辆模型,所述倒车入库场地模型包括车库合法区域和车库非法区域;
地图构建模块52,用于根据所述倒车入库场地模型和车辆模型构建电子地图;
所述倒车入库场地模型包括车库合法区域和车库非法区域;
监控模块53,用于实时监控所述电子地图上所述车辆模型、车库合法区域和车库非法区域的相对位置关系;
判断记录模块54,用于根据所述相对位置关系判断所述车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
结果生成模块55,用于根据所述记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
进一步地,所述倒车入库场地模型还包括:道路合法区域和道路非法区域;
监控模块53还用于,实时监控所述电子地图上所述车辆模型、道路合法区域、道路非法区域和车库非法区域的相对位置关系;根据所述相对位置关系判断所述考试车辆是否违规;
判断记录模块54还用于,根据所述相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
结果生成模块55还用于,根据记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
在一种实施方式中,所述车辆模型包括车轮模型;判断记录模块54还用于,如果所述车轮模型中的至少一个采样点从道路合法区域进入到道路非法区域,则确定违规。
在一种实施方式中,所述车辆模型包括车身模型,判断记录模块54还用于,如果所述车身模型中至少有一个采样点从道路合法区域进入到车库非法区域,则确定入库违规。
在一种实施方式中,所述车辆模型包括车身模型,判断记录模块54还用于,如果所述车身模型中至少有一个采样点从车库合法区域进入到车库非法区域,则确定违规。
在一种实施方式中,该装置还包括报警模块,用于如果违规,则发出报警信息。
第三方面,本申请还提出了一种电子设备,参见附图6所示的倒车入库考试设备,该设备包括:至少一个处理器61和至少一个存储器62;
所述存储器62用于存储一个或多个程序指令;
所述处理器61,用于运行一个或多个程序指令,用以执行上述任一项所述的方法。
第四方面,本申请还提出了一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行上述任一项所述的方法。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种倒车入库考试的评判方法,其特征在于,包括:
确定倒车入库场地模型和车辆模型,所述倒车入库场地模型包括车库合法区域和车库非法区域;
根据所述倒车入库场地模型和车辆模型构建电子地图;
实时监控所述电子地图上所述车辆模型、车库合法区域和车库非法区域的相对位置关系;
根据所述相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
根据记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
2.如权利要求1所述的倒车入库考试的评判方法,其特征在于,所述倒车入库场地模型还包括:道路合法区域和道路非法区域;
所述方法还包括:实时监控所述电子地图上所述车辆模型、道路合法区域、道路非法区域和车库非法区域的相对位置关系;根据所述相对位置关系判断考试车辆是否违规;
根据所述相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
根据记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
3.如权利要求2所述的倒车入库考试的评判方法,其特征在于,所述车辆模型包括车轮模型;
根据所述相对位置关系判断车辆是否违规,包括:
如果所述车轮模型中的至少一个采样点从道路合法区域进入到道路非法区域,则确定违规。
4.如权利要求1所述的倒车入库考试的评判方法,其特征在于,所述车辆模型包括车身模型,根据所述位置关系判断所述车辆是否违规,包括:
如果所述车身模型中至少有一个采样点从道路合法区域进入到车库非法区域,则确定入库违规。
5.如权利要求1所述的倒车入库考试的评判方法,其特征在于,所述车辆模型包括车身模型,根据所述相对位置关系判断车辆是否违规,包括:
如果所述车身模型中至少有一个采样点从车库合法区域进入到车库非法区域,则确定违规。
6.如权利要求1或2所述的倒车入库考试的评判方法,其特征在于,如果违规,所述方法还包括,发出报警信息。
7.如权利要求2所述的倒车入库考试的评判方法,其特征在于,倒车入库场地模型包括:
第一采样点、第二采样点、第三采样点、第四采样点、第五采样点、第六采样点、第七采样点和第八采样点;
所述道路合法区域包括所述第一采样点、第二采样点、第三采样点和第四采样点;所述第一采样点、第二采样点、第三采样点和第四采样点形成封闭的矩形;
所述车库合法区域包括所述第五采样点、第六采样点、第七采样点和第八采样点;所述第五采样点、第六采样点、第七采样点和第八采样点形成封闭的矩形;
所述车库合法区域在所述道路合法区域外侧,与所述道路合法区域具有重合的线段;重合的线段为第五采样点和第六采样点形成的线段;
所述车库非法区域包括:第一车库非法区域和第二车库非法区域;
所述第一车库非法区域包括:第三采样点、第五采样点、第九采样点和第十采样点;所述第三采样点、第五采样点、第九采样点和第十采样点形成封闭的矩形;
第二车库非法区域包括:第六采样点、第四采样点、第十一采样点和第十二采样点;所述第六采样点、第四采样点、第十一采样点和第十二采样点形成封闭的矩形;
道路非法区域包括:第十四采样点、第十三采样点、第一采样点和第二采样点;所述第十四采样点、第十三采样点、第一采样点和第二采样点形成封闭的矩形。
8.一种倒车入库考试的评判装置,其特征在于,包括:
确定模块,用于确定倒车入库场地模型和车辆模型,所述倒车入库场地模型包括车库合法区域和车库非法区域;
地图构建模块,用于根据所述倒车入库场地模型和车辆模型构建电子地图;
监控模块,用于实时监控所述电子地图上所述车辆模型、车库合法区域和车库非法区域的相对位置关系;
判断记录模块,用于根据所述相对位置关系判断车辆是否违规,如果违规,则记录违规的采样点,和/或,违规的次数;
结果生成模块,用于根据记录的所述违规的采样点,和/或,违规的次数生成倒车入库的考试结果。
9.一种倒车入库考试的评判设备,其特征在于,所述倒车入库考试的评判设备包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174738.9A CN110992781A (zh) | 2019-11-26 | 2019-11-26 | 倒车入库考试的评判方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174738.9A CN110992781A (zh) | 2019-11-26 | 2019-11-26 | 倒车入库考试的评判方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110992781A true CN110992781A (zh) | 2020-04-10 |
Family
ID=70086956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911174738.9A Pending CN110992781A (zh) | 2019-11-26 | 2019-11-26 | 倒车入库考试的评判方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992781A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096494A (zh) * | 2021-03-22 | 2021-07-09 | 西安华众电子科技股份有限公司 | 一种单边桥考试评判方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059916A (zh) * | 2007-05-15 | 2007-10-24 | 合肥工业大学 | 基于无线传感器定位的汽车桩考系统及桩考方法 |
CN202996120U (zh) * | 2012-12-17 | 2013-06-12 | 北京精英智通科技股份有限公司 | 机动车驾驶人精确定位测评考试系统 |
CN106601077A (zh) * | 2016-12-19 | 2017-04-26 | 上海司南卫星导航技术股份有限公司 | 车辆位置判断的方法及系统 |
CN106991870A (zh) * | 2017-05-15 | 2017-07-28 | 西安华众电子科技股份有限公司 | 一种倒车入库考试检测装置及方法 |
CN107038931A (zh) * | 2017-05-15 | 2017-08-11 | 西安华众电子科技股份有限公司 | 一种桩考考试检测装置及方法 |
CN107103814A (zh) * | 2017-02-28 | 2017-08-29 | 广州地理研究所 | 一种基于汽车电子标识的倒车入库考核系统及其应用方法 |
CN108760332A (zh) * | 2018-05-14 | 2018-11-06 | 公安部交通管理科学研究所 | 基于场地驾驶的自动驾驶汽车测试场景构建方法 |
-
2019
- 2019-11-26 CN CN201911174738.9A patent/CN110992781A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059916A (zh) * | 2007-05-15 | 2007-10-24 | 合肥工业大学 | 基于无线传感器定位的汽车桩考系统及桩考方法 |
CN202996120U (zh) * | 2012-12-17 | 2013-06-12 | 北京精英智通科技股份有限公司 | 机动车驾驶人精确定位测评考试系统 |
CN106601077A (zh) * | 2016-12-19 | 2017-04-26 | 上海司南卫星导航技术股份有限公司 | 车辆位置判断的方法及系统 |
CN107103814A (zh) * | 2017-02-28 | 2017-08-29 | 广州地理研究所 | 一种基于汽车电子标识的倒车入库考核系统及其应用方法 |
CN106991870A (zh) * | 2017-05-15 | 2017-07-28 | 西安华众电子科技股份有限公司 | 一种倒车入库考试检测装置及方法 |
CN107038931A (zh) * | 2017-05-15 | 2017-08-11 | 西安华众电子科技股份有限公司 | 一种桩考考试检测装置及方法 |
CN108760332A (zh) * | 2018-05-14 | 2018-11-06 | 公安部交通管理科学研究所 | 基于场地驾驶的自动驾驶汽车测试场景构建方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096494A (zh) * | 2021-03-22 | 2021-07-09 | 西安华众电子科技股份有限公司 | 一种单边桥考试评判方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Angell et al. | Driver workload metrics task 2 final report | |
CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
DE112014001445T5 (de) | Fahrzeugverfolgung von persönlichen Vorrichtungen mit Antwortsystem | |
DE102014014295A1 (de) | Verfahren zur Überwachung einer Kalibrierung mehrerer Umgebungssensoren eines Kraftfahrzeugs und Kraftfahrzeug | |
DE102009027547A1 (de) | Assistenzsystem für ein Kraftfahrzeug | |
CN107490485A (zh) | 车辆健康度检测方法、装置及车辆 | |
CN109466509B (zh) | 一种针对车辆被整体拖动事件的远程监控方法 | |
CN110992781A (zh) | 倒车入库考试的评判方法、装置、设备和存储介质 | |
JP2021026718A (ja) | 運転行動評価装置及びプログラム | |
CN113140127A (zh) | 一种物流停车场引导系统 | |
US9299109B2 (en) | Motor vehicle monitoring method for determining driver negligence of an engine | |
CN114324577A (zh) | 使用声音检测车身异常 | |
CN109747680A (zh) | 列车牵引系统的状态评估与故障预警方法、装置、设备 | |
CN106355329A (zh) | 驾驶员对标能力的测试方法与系统 | |
CN107042829B (zh) | 车队跟随监控方法、装置及系统 | |
CN110930827A (zh) | 直角转弯考试评判方法、装置、设备和存储介质 | |
KR101644109B1 (ko) | 어라운드뷰 영상을 이용한 운전면허 코스 시험의 자동채점 시스템 및 방법 | |
CN1330951C (zh) | 用于自动地测定一种车辆,特别是用于公共运输的铁路车辆的各项紧急制动特性的系统 | |
CN109263650A (zh) | 识别人工介入的方法、装置及交通工具 | |
CN109383516A (zh) | 一种基于用户行为分析的异常分析行为检测系统 | |
CN107240015A (zh) | 车辆的预警方法、装置和系统 | |
CN115966066A (zh) | 一种矿山车辆安全运行监测预警方法、装置和系统 | |
DE102019202879A1 (de) | Verfahren zur Überwachung von Temperaturwerten von Fahrzeugreifen an einem Fahrzeug | |
CN111489556B (zh) | 一种营运车辆挂靠行为的判断方法 | |
Barickman et al. | Lane departure warning system research and test development |
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: 20200410 |