CN111009166A - 基于bim和驾驶模拟器的道路三维视距验算方法 - Google Patents
基于bim和驾驶模拟器的道路三维视距验算方法 Download PDFInfo
- Publication number
- CN111009166A CN111009166A CN201911226226.2A CN201911226226A CN111009166A CN 111009166 A CN111009166 A CN 111009166A CN 201911226226 A CN201911226226 A CN 201911226226A CN 111009166 A CN111009166 A CN 111009166A
- Authority
- CN
- China
- Prior art keywords
- driving
- vehicle
- road
- sight distance
- distance
- 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
- 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
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
- G09B9/05—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles the view from a vehicle being simulated
Abstract
本发明公开了基于BIM和驾驶模拟器的道路三维视距验算方法;步骤如下:首先,形成为驾驶模拟的静态场景,并采用驾驶模拟软件建立行车逻辑层;其次,在仿真场景中添加驾驶车辆和前车,基于驾驶车辆的运行车速,实时计算停车视距,并在驾驶模拟器中按照停车视距实时更新前车的位置;再次,执行驾驶模拟仿真模块,记录驾驶车辆内驾驶人的视角的行车记录视频和后车的车辆行驶数据,并且通过基于颜色特性的目标检测算法检测行车记录视频中是否包含前车;最后,通过视距不良视频时戳和驾驶模拟软件输出的数据表格中对应的不良时刻,根据不良时刻找到驾驶车辆的坐标。本发明使检验结果更具有应用价值;最大限度保证道路静态场景的真实性。
Description
技术领域
本发明涉及道路三维视距检测技术领域,特别涉及基于BIM和驾驶模拟器的道路三维视距验算方法。
背景技术
视距是保证车辆行驶安全性的一项重要设计指标。道路沿线每一条车道都应该有足够的视距,使得驾驶人在限速条件下行驶时能够及时察觉到前方道路上的障碍物或迎面来车,采取及时的避撞措施,这一必需的最短距离成为行车视距。行车视距是否充分,直接关系到行车的安全与效率,是道路使用质量的重要指标之一。根据驾驶人发现障碍物或对向来车采取的措施不同,行车视距分为停车视距、会车视距、错车视距和超车视距四种。
现有的道路视距分析方法主要包括常规视距检测方法、基于运行速度的视距检查和三维动态视距检查。
其中,常规视距检测方法又包括两种:一种是图解法,即通过绘制平曲线内侧的视距包络线图来确定曲线内侧是否存在影响驾驶人实线的障碍物。另一种即通过计算道路最大横净距来确定道路某一位置处道路提供的视距是否满足驾驶人的需求视距。
基于运行车速的视距检测考虑了驾驶员的实际行车状态,增加了视距检测的实用性,但是该方法将平曲线和竖曲线视距分开考虑,只能实现计算检测某一位置静态的、两维的视距,存在很大局限性。
而道路三维视距是指在真实的三维道路环境下,考虑道路的平、纵、横三维几何线形、交通附属设施、路侧设施、植被、房屋建筑等情况下,车辆以一定速度行驶且按照合适的视点高度和物点高度的要求,驾驶人在视点最不利车道上,沿公路前进方向,实际能看到行车道上物体的最远距离。道路三维视距检测方法考虑了更多视距的影响因素,更能够反映真实的道路情况。
在实际应用中,上述各种道路三维视距检测技术或者法满足道路设计阶段安全评价时的实用性,或者效率低下,导致检测成本高昂。
因此,如何针对道路设计阶段安全评价时的特殊要求,提供一种道路三维视距检测技术,成为本领域技术人员急需解决的技术问题。
发明内容
有鉴于现有技术的上述缺陷,本发明提供基于BIM和驾驶模拟器的道路三维视距验算方法,实现的目的是基于驾驶模拟车辆的实际运行车速不断更新前车位置进行道路视距检验,使检验结果更具有应用价值;最大限度保证道路静态场景的真实性,进一步提升检验精度。
为实现上述目的,本发明公开了基于BIM和驾驶模拟器的道路三维视距验算方法;步骤如下:
步骤1:基于道路平纵横设计资料和地形地物信息建立道路BIM,形成为驾驶模拟的静态场景;
BIM是Building Information Model的缩写,指建筑信息模型。
步骤2:基于所述道路平纵横设计资料,采用SCANeRTM Studio驾驶模拟软件建立行车逻辑层,为驾驶模拟器动态场景构建奠定基础;
步骤3:在仿真场景中添加驾驶车辆和前车,基于所述驾驶车辆的运行车速V,实时计算停车视距ST,并在驾驶模拟器中按照所述停车视距ST实时更新所述前车的位置,形成驾驶模拟的动态场景;
步骤4:执行SCANeRTM Studio驾驶模拟软件中的Simulation仿真模块,预设所述驾驶车辆和所述前车的车速和轨迹行驶,并记录所述驾驶车辆内所述驾驶人的视角的行车记录视频和所述后车的车辆行驶数据;
步骤5:通过基于颜色特性的目标检测算法检测所述行车记录视频中是否包含所述前车;
步骤6:通过视距不良视频时戳和所述驾驶模拟软件输出的数据表格中的时间对应,返回所述行车记录视频中视距不良时刻对应的所述驾驶车辆的坐标,即为检测到的视距不良位置。
优选的,在所述步骤3中,所述停车视距ST包括反应距离S1和制动距离S2,所述停车视距ST=S1+S2;
其中,所述反应距离为所述驾驶车辆的驾驶人的感觉时间t1和反应时间t2内行驶过的距离S1,S1的计算公式如下:
S1=V/3.6*(t1+t2);
其中,V为所述驾驶车辆的运行车速;
所述制动距离S2是所述驾驶车辆从开始制动至停止过程中驶过的距离,S2的计算公式如下:
优选的,所述步骤4中,所述后车的所述车辆行驶数据包括运行时间和车辆位置信息。
优选的,在所述步骤5中,通过跨平台计算机视觉库OpenCV来实现物体的颜色特性识别,通过提取目标物体的颜色信息进行HSV阈值分割,得到目标物体的三维坐标,具体步骤如下:
HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、明度(Value),又称HSB(B即Brightness)。
RGB色彩空间则是计算机色彩显示器和彩色电视机显示色彩的原理,都是采用R、G、B相加混色的原理,通过发射出三种不同强度的电子束,使屏幕内侧覆盖的红、绿、蓝磷光材料发光而产生色彩。这种色彩的表示方法称为RGB色彩空间表示。
步骤5.1、将视频逐帧提取图片,将图片处理为HSV格式,设置每一种颜色的HSV阈值;
步骤5.2、进行二值化处理,识别每张图片中前车车辆颜色的面积;当对应每一所述HSV阈值的颜色面积小于100时,则认为所述驾驶车辆的第一视角无法观察到所述前车,视距存在问题。
优选的,需根据待检测行车环境HSV直方图选择频率最小的颜色作为所述前车的颜色。
本发明的有益效果:
1)本发明与传统的基于设计速度的视距检验技术相比,基于驾驶模拟车辆的实际运行车速不断更新前车位置进行道路视距检验,检验结果更具有应用价值;
2)本发明基于BIM进行视距检验,最大限度保证道路静态场景的真实性,提升检验精度;
3)本发明不仅适用于已建成道路,针对待建道路,通过三维建模可以较方便的完成视距检验工作;
4)本发明与传统的二维视距检验相比,场景信息包含真实的平纵横三维信息,最大限度考虑视距影响因素,检验更直观。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1示出本发明一实施例中建立道路BIM的流程图。
图2示出本发明一实施例中添加仿真车辆并通过脚本控制前车位置的模型结构示意图。
图3示出本发明一实施例中添加仿真车辆并通过脚本控制前车位置的命令示例图。
图4示出本发明一实施例中步骤4记录仿真视频及车辆运行数据的示例图。
图5示出本发明一实施例中基于颜色特性的目标检测结果的示意图。
图6示出本发明一实施例中基于另一种颜色特性的目标检测结果的示意图。
具体实施方式
实施例1
基于BIM和驾驶模拟器的道路三维视距验算方法;步骤如下:
步骤1:基于道路平纵横设计资料和地形地物信息建立道路BIM,形成为驾驶模拟的静态场景;
步骤2:基于所述道路平纵横设计资料,采用SCANeRTM Studio驾驶模拟软件建立行车逻辑层,为驾驶模拟器动态场景构建奠定基础;
步骤3:在仿真场景中添加驾驶车辆和前车,基于所述驾驶车辆的运行车速V,实时计算停车视距ST,并在驾驶模拟器中按照所述停车视距ST实时更新所述前车的位置,形成驾驶模拟的动态场景;
步骤4:执行SCANeRTM Studio驾驶模拟软件中的Simulation仿真模块,预设所述驾驶车辆和所述前车的车速和轨迹行驶,并记录所述驾驶车辆内所述驾驶人的视角的行车记录视频和所述后车的车辆行驶数据;
步骤5:通过基于颜色特性的目标检测算法检测所述行车记录视频中是否包含所述前车;
步骤6:通过视距不良视频时戳和所述驾驶模拟软件输出的数据表格中的时间对应,返回所述行车记录视频中视距不良时刻对应的所述驾驶车辆的坐标,即为检测到的视距不良位置。
在某些实施例中,在所述步骤3中,所述停车视距ST包括反应距离S1和制动距离S2,所述停车视距ST=S1+S2;
其中,所述反应距离为所述驾驶车辆的驾驶人的感觉时间t1和反应时间t2内行驶过的距离S1,S1的计算公式如下:
S1=V/3.6*(t1+t2);
其中,V为所述驾驶车辆的运行车速;
所述制动距离S2是所述驾驶车辆从开始制动至停止过程中驶过的距离,S2的计算公式如下:
在某些实施例中,所述步骤4中,所述后车的所述车辆行驶数据包括运行时间和车辆位置信息。
在某些实施例中,在所述步骤5中,通过跨平台计算机视觉库OpenCV来实现物体的颜色特性识别,通过提取目标物体的颜色信息进行HSV阈值分割,得到目标物体的三维坐标,具体步骤如下:
步骤5.1、将视频逐帧提取图片,将图片处理为HSV格式,设置每一种颜色的HSV阈值;
步骤5.2、进行二值化处理,识别每张图片中前车车辆颜色的面积;当对应每一所述HSV阈值的颜色面积小于100时,则认为所述驾驶车辆的第一视角无法观察到所述前车,视距存在问题。
在某些实施例中,需根据待检测行车环境HSV直方图选择频率最小的颜色作为所述前车的颜色。
具体取值如下表所示:
实施例2
上海市北横通道(东段)视距检验。该项目上海市第一条东西向超长地下快速路,自西藏北路东侧200m沿海宁路周家嘴路走行,至双阳路以西100m接地,全长6.9km。设置3对地下匝道服务沿线重点区域,风塔3处,管理中心1处。
如图1所示,步骤1、基于道路平纵横设计资料及地形地物信息建立道路BIM,为驾驶模拟提供静态场景;
步骤2、基于道路平纵横设计资料,采用驾驶模拟软件建立行车逻辑层,为驾驶模拟器动态场景构建奠定基础;
如图2和图3所示,步骤3、在仿真场景中添加驾驶车辆和前车,基于驾驶车辆运行车速V,实时计算停车视距ST,并通过驾驶模拟器中的脚本编辑模块实时控制前车间距;
如图4所示,步骤4、执行驾驶模拟仿真模块,两仿真车辆按预设车速和轨迹行驶,记录后车驾驶人视角的行车记录视频和后车车辆行驶数据(包括:运行时间和车辆位置信息);
如图5和图6所示,步骤5、通过基于颜色特性的目标检测算法检测视频中是否包含前车。通过OpenCV的Python接口来实现物体的颜色特性识别。
步骤6、通过视距不良视频时戳和驾驶模拟软件输出数据表格中的时间对应,返回视频中视距不良时刻对应的驾驶车辆坐标。
具体如下表所示:
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (5)
1.基于BIM和驾驶模拟器的道路三维视距验算方法;步骤如下:
步骤1:基于道路平纵横设计资料和地形地物信息建立道路BIM,形成为驾驶模拟的静态场景;
步骤2:基于所述道路平纵横设计资料,采用SCANeRTMStudio驾驶模拟软件建立行车逻辑层,为驾驶模拟器动态场景构建奠定基础;
步骤3:在仿真场景中添加驾驶车辆和前车,基于所述驾驶车辆的运行车速V,实时计算停车视距ST,并在驾驶模拟器中按照所述停车视距ST实时更新所述前车的位置,形成驾驶模拟的动态场景;
步骤4:执行SCANeRTMStudio驾驶模拟软件中的Simulation仿真模块,预设所述驾驶车辆和所述前车的车速和轨迹行驶,并记录所述驾驶车辆内所述驾驶人的视角的行车记录视频和所述后车的车辆行驶数据;
步骤5:通过基于颜色特性的目标检测算法检测所述行车记录视频中是否包含所述前车;
步骤6:通过视距不良视频时戳和所述驾驶模拟软件输出的数据表格中的时间对应,返回所述行车记录视频中视距不良时刻对应的所述驾驶车辆的坐标,即为检测到的视距不良位置。
3.根据权利要求1所述的基于BIM和驾驶模拟器的道路三维视距验算方法,其特征在于,所述步骤4中,所述后车的所述车辆行驶数据包括运行时间和车辆位置信息。
4.根据权利要求1所述的基于BIM和驾驶模拟器的道路三维视距验算方法,其特征在于,在所述步骤5中,通过跨平台计算机视觉库OpenCV来实现物体的颜色特性识别,通过提取目标物体的颜色信息进行HSV阈值分割,得到目标物体的三维坐标,具体步骤如下:
步骤5.1、将视频逐帧提取图片,将图片处理为HSV格式,设置每一种颜色的HSV阈值;
步骤5.2、进行二值化处理,识别每张图片中前车车辆颜色的面积;当对应每一所述HSV阈值的颜色面积小于100时,则认为所述驾驶车辆的第一视角无法观察到所述前车,视距存在问题。
5.根据权利要求4所述的基于BIM和驾驶模拟器的道路三维视距验算方法,其特征在于,需根据待检测行车环境HSV直方图选择频率最小的颜色作为所述前车的颜色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911226226.2A CN111009166B (zh) | 2019-12-04 | 2019-12-04 | 基于bim和驾驶模拟器的道路三维视距验算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911226226.2A CN111009166B (zh) | 2019-12-04 | 2019-12-04 | 基于bim和驾驶模拟器的道路三维视距验算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111009166A true CN111009166A (zh) | 2020-04-14 |
CN111009166B CN111009166B (zh) | 2021-06-01 |
Family
ID=70114365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911226226.2A Active CN111009166B (zh) | 2019-12-04 | 2019-12-04 | 基于bim和驾驶模拟器的道路三维视距验算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111009166B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882190A (zh) * | 2020-07-20 | 2020-11-03 | 四川公路桥梁建设集团有限公司 | 一种基于bim技术的互通式立交视距评价方法 |
CN113361144A (zh) * | 2021-07-15 | 2021-09-07 | 中交第二公路勘察设计研究院有限公司 | 一种基于bim的道路驾驶模拟环境建立方法 |
CN115116025A (zh) * | 2022-05-25 | 2022-09-27 | 上海市城市建设设计研究总院(集团)有限公司 | 基于地下道路视距的行车风险评估系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120288145A1 (en) * | 2011-05-12 | 2012-11-15 | Fuji Jukogyo Kabushiki Kaisha | Environment recognition device and environment recognition method |
JP2014174035A (ja) * | 2013-03-11 | 2014-09-22 | Panasonic Corp | ナビゲーション装置 |
CN105825185A (zh) * | 2016-03-15 | 2016-08-03 | 深圳市中天安驰有限责任公司 | 车辆防碰撞预警方法及装置 |
KR101728507B1 (ko) * | 2016-01-29 | 2017-04-21 | 주식회사 누리플랜 | 안개피해방지장치용 가시거리 측정장치 |
CN107851393A (zh) * | 2015-07-10 | 2018-03-27 | 田山修 | 车辆用图像显示系统及方法 |
CN108759667A (zh) * | 2018-05-29 | 2018-11-06 | 福州大学 | 车载摄像头下基于单目视觉与图像分割的前车测距方法 |
CN108830165A (zh) * | 2018-05-22 | 2018-11-16 | 南通职业大学 | 一种考虑前车干扰的车道线检测方法 |
CN108875641A (zh) * | 2018-06-21 | 2018-11-23 | 南京信息工程大学 | 高速公路长期并排行驶识别方法及系统 |
CN108959703A (zh) * | 2018-05-28 | 2018-12-07 | 上海市政工程设计研究总院(集团)有限公司 | 一种城市地下道路三维停车视距验算方法 |
CN109191830A (zh) * | 2018-08-09 | 2019-01-11 | 昆明理工大学 | 一种基于视频图像处理的道路拥堵检测方法 |
CN109541583A (zh) * | 2018-11-15 | 2019-03-29 | 众安信息技术服务有限公司 | 一种前车距离检测方法及系统 |
-
2019
- 2019-12-04 CN CN201911226226.2A patent/CN111009166B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120288145A1 (en) * | 2011-05-12 | 2012-11-15 | Fuji Jukogyo Kabushiki Kaisha | Environment recognition device and environment recognition method |
JP2014174035A (ja) * | 2013-03-11 | 2014-09-22 | Panasonic Corp | ナビゲーション装置 |
CN107851393A (zh) * | 2015-07-10 | 2018-03-27 | 田山修 | 车辆用图像显示系统及方法 |
KR101728507B1 (ko) * | 2016-01-29 | 2017-04-21 | 주식회사 누리플랜 | 안개피해방지장치용 가시거리 측정장치 |
CN105825185A (zh) * | 2016-03-15 | 2016-08-03 | 深圳市中天安驰有限责任公司 | 车辆防碰撞预警方法及装置 |
CN108830165A (zh) * | 2018-05-22 | 2018-11-16 | 南通职业大学 | 一种考虑前车干扰的车道线检测方法 |
CN108959703A (zh) * | 2018-05-28 | 2018-12-07 | 上海市政工程设计研究总院(集团)有限公司 | 一种城市地下道路三维停车视距验算方法 |
CN108759667A (zh) * | 2018-05-29 | 2018-11-06 | 福州大学 | 车载摄像头下基于单目视觉与图像分割的前车测距方法 |
CN108875641A (zh) * | 2018-06-21 | 2018-11-23 | 南京信息工程大学 | 高速公路长期并排行驶识别方法及系统 |
CN109191830A (zh) * | 2018-08-09 | 2019-01-11 | 昆明理工大学 | 一种基于视频图像处理的道路拥堵检测方法 |
CN109541583A (zh) * | 2018-11-15 | 2019-03-29 | 众安信息技术服务有限公司 | 一种前车距离检测方法及系统 |
Non-Patent Citations (4)
Title |
---|
刘鑫: "基于BIM的道路线形设计及安全评价", 《中国优秀硕士学位论文全文数据库工程科技辑》 * |
姚春莲等: "利用车牌面积进行车距测量的研究", 《系统仿真学报》 * |
徐瑾: "基于运动分析的车流统计与识别方法研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
翟艺阳: "公路视距安全评价技术研究", 《中国优秀硕士学位论文全文数据库工程科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882190A (zh) * | 2020-07-20 | 2020-11-03 | 四川公路桥梁建设集团有限公司 | 一种基于bim技术的互通式立交视距评价方法 |
CN113361144A (zh) * | 2021-07-15 | 2021-09-07 | 中交第二公路勘察设计研究院有限公司 | 一种基于bim的道路驾驶模拟环境建立方法 |
CN113361144B (zh) * | 2021-07-15 | 2022-05-20 | 中交第二公路勘察设计研究院有限公司 | 一种基于bim的道路驾驶模拟环境建立方法 |
CN115116025A (zh) * | 2022-05-25 | 2022-09-27 | 上海市城市建设设计研究总院(集团)有限公司 | 基于地下道路视距的行车风险评估系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111009166B (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111009166B (zh) | 基于bim和驾驶模拟器的道路三维视距验算方法 | |
USRE48106E1 (en) | Detection of obstacles at night by analysis of shadows | |
US11854272B2 (en) | Hazard detection from a camera in a scene with moving shadows | |
US9754172B2 (en) | Three-dimenisional object detection device | |
US8369577B2 (en) | Vehicle position recognition system | |
JP5058364B2 (ja) | 俯瞰画像生成装置、俯瞰画像生成装置の俯瞰画像生成方法および俯瞰画像生成プログラム | |
EP2372308B1 (en) | Image processing system and vehicle control system | |
CN104361350B (zh) | 一种交通标识识别系统 | |
US9135511B2 (en) | Three-dimensional object detection device | |
CN109299674B (zh) | 一种基于车灯的隧道违章变道检测方法 | |
CN105718870A (zh) | 自动驾驶中基于前向摄像头的道路标线提取方法 | |
CN109635737B (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
US9830519B2 (en) | Three-dimensional object detection device | |
US11335100B2 (en) | Traffic light recognition system and method thereof | |
US20150009292A1 (en) | Three-dimensional object detection device | |
KR102459778B1 (ko) | 라이다 및 카메라를 이용한 변화 탐지 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
JP7233575B2 (ja) | 地図生成システム、地図生成方法及び地図生成プログラム | |
KR102475332B1 (ko) | 복수의 카메라를 이용한 도로 정보 수집 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
CN117073664B (zh) | 一种露天矿山道路地形建图方法 | |
CN110727269B (zh) | 车辆控制方法及相关产品 | |
WO2021237738A1 (zh) | 自动驾驶方法和装置、距离确定方法和装置 | |
CN111223294A (zh) | 一种智能车辆引导控制方法及装置 | |
JP2022516849A (ja) | ヘッドアップディスプレイシステム、方法、データキャリア、処理システム及び車両 | |
CN116719056A (zh) | 一种雨夜天气下基于激光雷达的车道线估计检测方法 | |
CN115861976A (zh) | 车辆的控制方法、装置和车辆 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |