CN111144467A - 一种场景因素获取的实现方法及系统 - Google Patents
一种场景因素获取的实现方法及系统 Download PDFInfo
- Publication number
- CN111144467A CN111144467A CN201911314404.7A CN201911314404A CN111144467A CN 111144467 A CN111144467 A CN 111144467A CN 201911314404 A CN201911314404 A CN 201911314404A CN 111144467 A CN111144467 A CN 111144467A
- Authority
- CN
- China
- Prior art keywords
- information
- module
- processing
- scene
- data
- 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 29
- 230000010365 information processing Effects 0.000 claims abstract description 58
- 238000005286 illumination Methods 0.000 claims abstract description 56
- 238000013500 data storage Methods 0.000 claims abstract description 21
- 238000007499 fusion processing Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 37
- 238000005516 engineering process Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 26
- 238000004458 analytical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种场景因素获取的实现方法及系统，通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块、图像识别模块获取场景信息，通过信息处理模块对采集的场景信息进行融合处理，最终将处理过的场景信息发送至数据存储模块完成存储，通过场景信息的快速获取，减少外场测试场景统计的时间，提高外场测试非预期结果问题分析的效率。
Description
技术领域
本发明涉及移动终端的信息采集技术领域，具体为一种场景因素获取的实现方法及系统。
背景技术
随着汽车智能化驾驶技术的不断发展，以汽车车道保持技术为核心的汽车智能辅助驾驶研究成为无人驾驶技术的研究重点。“自动驾驶汽车（Autonomous vehicles）”又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
驾驶场景数据是智能网联汽车自动驾驶技术研发的重要基础,是自动驾驶算法开发以及产品测试的核心资源。为了确保自动驾驶汽车的安全性、可靠性，各厂家需要在实验室、外场进行各种测试验证，其中，外场测试不仅需要完成里程数测试，其测试场景也需要多样性。
如何确保外场测试中测试场景的多样性，是从业者需要解决的重点问题，而如何高效可靠的统计外场路试的测试场景，更是从业者急需解决的问题。
另外，外场测试遇到非预期结果时，需要了解测试场景各相关因素的数值进而分析问题产生原因，其中外场测试场景依据场景特性，通常由如下3类组成：1.环境因素，主要由季节信息、天气信息等组成；2.道路因素，主要由道路类型、弯道曲率等组成；3.交通参与者因素，主要由目标类型、目标数量等组成。
因此，测试场景因素的获取，对外场测试场景的分析和外场测试非预期结果问题的分析都至关重要。
为此，本发明提供的一种场景因素获取的实现方法及系统，实现外场路试中场景信息的自动获取，从而提高外场测试场景统计分析的效率和外场测试非预期结果问题分析的效率。
发明内容
本发明为了解决上述技术问题，本发明设置了无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块、图像识别模块，用于获取场景信息，通过信息处理模块对采集的场景信息进行融合处理，最终将处理过的场景信息发送至数据存储模块完成存储，通过场景信息的快速获取，减少外场测试场景统计的时间，提高外场测试非预期结果问题分析的效率，具体为。
一种场景因素获取的实现方法，包括：获取当前场景下的时间信息、天气信息、地图数据、路况信息、光照强度信息、音频信息及图像信息，通过信息处理模块对采集的场景信息进行融合处理，发送处理结果至数据存储模块完成存储。
其中，通过无线网络获取时间信息还包括，实时天气和高精度地图数据更新包的下载；将更新后的时间信息、天气信息和高精度地图数据更新包发送给信息处理模块进行处理。
具体的时间信息进一步包括：时段信息：白天/夜晚/傍晚/黎明；季节信息：春/夏/秋/冬。
时段信息计算方法如下：24小时制： 凌晨 01-05，白天 05-17，傍晚：17—19，夜晚19-01。
季节信息计算方法如下：当前时间月份为3/4/5,则判断输出季节为”春季”；当前时间月份为6/7/8,则判断输出季节为”夏季”；当前时间月份为9/10/11,则判断输出季节为”秋季”；当前时间月份为12/1/2,则判断输出季节为”冬季”。
执行卫星定位技术获取当前场景的高精度地位，获取到的高精度定位信息发送给信息处理模块进行处理。
加载所述高精度地图数据更新包，并更新至最新状态，根据所述高精度定位信息依次获取道路数据信息和车道周边固定对象数据信息，并发送至信息处理模块进行处理。
具体的，高精度定位信息依次获取道路数据信息和车道周边固定对象数据信息还包括：
通过信息处理模块获取最新的高精度地图数据更新包，并更新至最新状态。
通过信息处理模块获取定位信息。
根据定位信息获取道路数据信息：道路曲率、航向、坡度、横坡角、车道线的位置、类型、宽度等。
根据定位信息获取车道周边固定对象数据信息，包括交通标志牌、交通信号灯、地面标志、车道限高、下水道口、收费站、路沿、护栏、隧道、龙门架、桥等。
获取到的道路数据信息和车道周边固定对象数据信息发送给信息处理模块进行处理。
进一步，获取所述光照强度信息包括：通过光感应器读取光照强度，生成光照强度信息并发送给信息处理模块进行处理。具体可选的采用光感应器分别读取不同位置的光照强度数据信息。
其中，对所获取的光照强度数据信息进行计算，方法如下：
变量说明：D_FLS: 前向光感应器光强度值。B_FLS: 后向光感应器光强度值。
Rel_FLS: 前向光感应器光强度与后向光感应器光强度的比较值，例如：200lux。
光强度信息计算；
当0 < |D_FLS - B_FLS| < Rel_FLS,光强度值为正常。
当 |D_FLS - B_FLS| > Rel_FLS && D_FLS > B_FLS,光强度值为顺光。
当 |D_FLS - B_FLS| > Rel_FLS && D_FLS < B_FLS,光强度值为逆光。
进一步，获取所述音频信息包括：通过音频采集模块获取语音数据信息，转化为文字信息后发送给信息处理模块进行处理。
其中，各场景因素，包括环境因素、道路因素和交通参与者因素均可以通过语音方式输出避免网络环境等因素造成的自动获取信息失败的场景。
还可以包括：道路因素和交通参与者因素中，可以通过语音输出方式输出特征值，例如：道路因素，道路特征：落叶路。
进一步，获取所述图像信息包括：采集当前场景的图像生成样本库，根据机器学习技术构建目标识别模型，并进行图像预处理，特征提取及特征分类，根据采集的样本库训练所述目标识别模型，识别出目标和道路环境信息。
通过信息处理模块对采集的场景信息进行融合处理包括：结合所获取的当前场景的时间信息、天气信息、地图数据、路况信息与所述光照强度信息、音频信息进行融合，其中，
所述光照强度信息融合处理包括：当图像识别模块有输出光照信息，则转发光照信息给数据存储模块，覆盖之前光照采集模块输出的光照信息；当图像识别模块没有输出光照信息时，保留之前光照采集模块输出的光照信息。
所述音频信息进行融合处理包括：判断语音识别模块输出的文字信息类别，依据类别覆盖之前各模块输出的场景因素信息。
作为另一优选实施例，本发明还提出了一种场景因素获取的实现系统，分别通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块、图像识别模块获取场景信息，所述信息处理模块对采集的场景信息进行融合处理，最终将处理过的场景信息发送至数据存储模块完成存储。
其中，所述无线模块，用于通过无线网络获取时间、天气和高精度地图数据更新包，获取到的时间信息、天气信息和高精度地图数据更新包发送给信息处理模块进行处理；
所述定位模块，用于通过卫星定位技术获取高精度地位，获取到的高精度定位信息发送给信息处理模块进行处理。
所述高精度地图模块，用于通过信息处理模块获取最新的高精度地图数据更新包，并更新至最新状态，通过信息处理模块获取定位信息，进而获取道路数据信息和车道周边固定对象数据信息，并发送给信息处理模块进行处理。
所述图像识别模块，用于采用机器学习技术对图像进行识别，依据采集的样本库训练出的目标识别模型和跟踪算法，识别出目标和道路环境信息。
所述语音识别模块，用于通过音频采集模块获取语音数据信息，进而转化为文字信息后，发送给信息处理模块进行处理。
所述光照强度采集模块，用于通过光感应器分别读取不同位置的光照强度数据信息，进而发送给信息处理模块进行处理。
所述信息处理模块，用于通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块和图像识别模块获取场景信息；对获取到的场景信息进行融合处理，处理过的场景信息发送至数据存储模块完成存储。
所述数据存储模块，用于对获取到的场景信息及处理结果进行存储。
本发明所提供的一种场景因素获取的实现方法及系统，通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块、图像识别模块获取周边环境信息，通过信息处理模块对采集的周边环境信息进行融合处理，最终将处理过的周边环境信息发送至数据存储模块完成存储，通过场景信息的快速获取，减少外场测试场景统计的时间，提高外场测试非预期结果问题分析的效率。
附图说明
图1为一实施例中信息处理模块工作流程图。
具体实施方式
本发明的核心是提供一种场景因素获取的实现方法及系统，通过信息处理模块对采集的周边环境信息进行融合处理，实现了场景信息的快速获取，解决了现有技术中场景信息获取不便利和效率低下，及非预期结果带来的问题。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
图1为本发明所提供的一种信息处理模块工作流程图，所述流程实现方式为：逐步获取当前场景之后的时间信息、天气信息、高精度地图数据以及定位信息，进一步结合所获取的当前道路信息和车道周边固定对象数据信息，以及获取的光照强度信息和图像，统一发送至数据存储模块，并进行上述数据的融合梳理后存储至数据存储模块。
具体的，本发明所述的一种场景因素获取的实现方法，包括获取当前场景下的时间信息、天气信息、地图数据、路况信息、光照强度信息、音频信息及图像信息，通过信息处理模块对采集的场景信息进行融合处理，发送处理结果至数据存储模块完成存储。
其中，通过无线网络获取时间信息还包括，实时天气和高精度地图数据更新包的下载；将更新后的时间信息、天气信息和高精度地图数据更新包发送给信息处理模块进行处理。
其中，本发明所述的环境因素还包括：1.季节信息：春/夏/秋/冬。2.时段信息：白天/夜晚/傍晚/黎明。3.天气信息：晴天/多云/小雨/大雨/雾/冰雪。4.光照信息：顺光/逆光/正常
执行卫星定位技术获取当前场景的高精度地位，获取到的高精度定位信息发送给信息处理模块进行处理。
加载所述高精度地图数据更新包，并更新至最新状态，根据所述高精度定位信息依次获取道路数据信息和车道周边固定对象数据信息，并发送至信息处理模块进行处理。
获取所述光照强度信息包括：通过光感应器读取光照强度，生成光照强度信息并发送给信息处理模块进行处理。
获取所述音频信息包括：通过音频采集模块获取语音数据信息，转化为文字信息后发送给信息处理模块进行处理。
获取所述图像信息包括：采集当前场景的图像生成样本库，根据机器学习技术构建目标识别模型，并进行图像预处理，特征提取及特征分类，根据采集的样本库训练所述目标识别模型，识别出目标和道路环境信息。
通过信息处理模块对采集的场景信息进行融合处理包括：结合所获取的当前场景的时间信息、天气信息、地图数据、路况信息与所述光照强度信息、音频信息进行融合，其中，
所述光照强度信息融合处理包括：当图像识别模块有输出光照信息，则转发光照信息给数据存储模块，覆盖之前光照采集模块输出的光照信息；当图像识别模块没有输出光照信息时，保留之前光照采集模块输出的光照信息。
所述音频信息进行融合处理包括：判断语音识别模块输出的文字信息类别，依据类别覆盖之前各模块输出的场景因素信息。
作为另一优选实施例，本发明还提供了一种场景因素获取的实现系统，具体为：分别通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块、图像识别模块获取场景信息，所述信息处理模块对采集的场景信息进行融合处理，最终将处理过的场景信息发送至数据存储模块完成存储。
其中，所述无线模块，用于通过无线网络获取时间、天气和高精度地图数据更新包，获取到的时间信息、天气信息和高精度地图数据更新包发送给信息处理模块进行处理；
所述定位模块，用于通过卫星定位技术获取高精度地位，获取到的高精度定位信息发送给信息处理模块进行处理。
所述高精度地图模块，用于通过信息处理模块获取最新的高精度地图数据更新包，并更新至最新状态，通过信息处理模块获取定位信息，进而获取道路数据信息和车道周边固定对象数据信息，并发送给信息处理模块进行处理。
所述图像识别模块，用于采用机器学习技术对图像进行识别，依据采集的样本库训练出的目标识别模型和跟踪算法，识别出目标和道路环境信息。
所述语音识别模块，用于通过音频采集模块获取语音数据信息，进而转化为文字信息后，发送给信息处理模块进行处理。
所述光照强度采集模块，用于通过光感应器分别读取不同位置的光照强度数据信息，进而发送给信息处理模块进行处理。
所述信息处理模块，用于通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块和图像识别模块获取场景信息；对获取到的场景信息进行融合处理，处理过的场景信息发送至数据存储模块完成存储。
所述数据存储模块，用于对获取到的场景信息及处理结果进行存储。
综上所述，本方案一种场景因素获取的实现方法及系统，通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块、图像识别模块获取周边环境信息，通过信息处理模块对采集的周边环境信息进行融合处理，最终将处理过的周边环境信息发送至数据存储模块完成存储，通过场景信息的快速获取，减少外场测试场景统计的时间，提高外场测试非预期结果问题分析的效率。
虽然对本发明的描述是结合以上具体实施例进行的，但是，熟悉本技术领域的人员能够根据上述的内容进行许多替换、修改和变化、是显而易见的。因此，所有这样的替代、改进和变化都包括在附后的权利要求的精神和范围内。
Claims (10)
1.一种场景因素获取的实现方法，其特征在于，获取当前场景下的时间信息、天气信息、地图数据、路况信息、光照强度信息、音频信息及图像信息，通过信息处理模块对采集的场景信息进行融合处理，发送处理结果至数据存储模块完成存储。
2.根据权利要求1所述的方法，其特征在于，通过无线网络获取时间信息还包括，实时天气和高精度地图数据更新包的下载；将更新后的时间信息、天气信息和高精度地图数据更新包发送给信息处理模块进行处理。
3.根据权利要求1所述的方法，其特征在于，执行卫星定位技术获取当前场景的高精度地位，获取到的高精度定位信息发送给信息处理模块进行处理。
4.根据权利要求2所述的方法，其特征在于，加载所述高精度地图数据更新包，并更新至最新状态，根据所述高精度定位信息依次获取道路数据信息和车道周边固定对象数据信息，并发送至信息处理模块进行处理。
5.根据权利要求1所述的方法，其特征在于，获取所述光照强度信息包括：通过光感应器读取光照强度，生成光照强度信息并发送给信息处理模块进行处理。
6.根据权利要求1所述的方法，其特征在于，获取所述音频信息包括：通过音频采集模块获取语音数据信息，转化为文字信息后发送给信息处理模块进行处理。
7.根据权利要求1所述的方法，其特征在于，获取所述图像信息包括：采集当前场景的图像生成样本库，根据机器学习技术构建目标识别模型，并进行图像预处理，特征提取及特征分类，根据采集的样本库训练所述目标识别模型，识别出目标和道路环境信息。
8.根据权利要求1所述的方法，其特征在于，通过信息处理模块对采集的场景信息进行融合处理包括：结合所获取的当前场景的时间信息、天气信息、地图数据、路况信息与所述光照强度信息、音频信息进行融合，其中，
所述光照强度信息融合处理包括：当图像识别模块有输出光照信息，则转发光照信息给数据存储模块，覆盖之前光照采集模块输出的光照信息；当图像识别模块没有输出光照信息时，保留之前光照采集模块输出的光照信息；
所述音频信息进行融合处理包括：判断语音识别模块输出的文字信息类别，依据类别覆盖之前各模块输出的场景因素信息。
9.应用权利要求1-8任一所述方法的一种场景因素获取的实现系统，其特征在于，分别通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块、图像识别模块获取场景信息，所述信息处理模块对采集的场景信息进行融合处理，最终将处理过的场景信息发送至数据存储模块完成存储。
10.根据权利要求9所述的系统，其特征在于，
所述无线模块，用于通过无线网络获取时间、天气和高精度地图数据更新包，获取到的时间信息、天气信息和高精度地图数据更新包发送给信息处理模块进行处理；
所述定位模块，用于通过卫星定位技术获取高精度地位，获取到的高精度定位信息发送给信息处理模块进行处理；
所述高精度地图模块，用于通过信息处理模块获取最新的高精度地图数据更新包，并更新至最新状态，通过信息处理模块获取定位信息，进而获取道路数据信息和车道周边固定对象数据信息，并发送给信息处理模块进行处理；
所述图像识别模块，用于采用机器学习技术对图像进行识别，依据采集的样本库训练出的目标识别模型和跟踪算法，识别出目标和道路环境信息；
所述语音识别模块，用于通过音频采集模块获取语音数据信息，进而转化为文字信息后，发送给信息处理模块进行处理；
所述光照强度采集模块，用于通过光感应器分别读取不同位置的光照强度数据信息，进而发送给信息处理模块进行处理；
所述信息处理模块，用于通过无线模块、定位模块、高精地图模块、光照强度采集模块、语音识别模块和图像识别模块获取场景信息；对获取到的场景信息进行融合处理，处理过的场景信息发送至数据存储模块完成存储；
所述数据存储模块，用于对获取到的场景信息及处理结果进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911314404.7A CN111144467A (zh) | 2019-12-19 | 2019-12-19 | 一种场景因素获取的实现方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911314404.7A CN111144467A (zh) | 2019-12-19 | 2019-12-19 | 一种场景因素获取的实现方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111144467A true CN111144467A (zh) | 2020-05-12 |
Family
ID=70518857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911314404.7A Pending CN111144467A (zh) | 2019-12-19 | 2019-12-19 | 一种场景因素获取的实现方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111144467A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112396034A (zh) * | 2020-12-02 | 2021-02-23 | 武汉光庭信息技术股份有限公司 | 一种场景信息融合方法、系统、服务器及存储介质 |
| CN113223312A (zh) * | 2021-04-29 | 2021-08-06 | 重庆长安汽车股份有限公司 | 一种基于地图的摄像头致盲预测方法、装置及存储介质 |
| CN114023320A (zh) * | 2021-11-02 | 2022-02-08 | 四川虹美智能科技有限公司 | 自动无线语音测试方法、终端和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100211270A1 (en) * | 2009-02-18 | 2010-08-19 | Gm Global Technology Operations, Inc. | Vehicle stability enhancement control adaptation to driving skill based on highway on/off ramp maneuver |
| US20180273032A1 (en) * | 2015-11-30 | 2018-09-27 | Huawei Technologies Co., Ltd. | Automatic Driving Navigation Method, Apparatus, and System, In-Vehicle Terminal, and Server |
| CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
| CN109187048A (zh) * | 2018-09-14 | 2019-01-11 | 盯盯拍（深圳）云技术有限公司 | 自动驾驶性能测试方法以及自动驾驶性能测试装置 |
-
2019
- 2019-12-19 CN CN201911314404.7A patent/CN111144467A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100211270A1 (en) * | 2009-02-18 | 2010-08-19 | Gm Global Technology Operations, Inc. | Vehicle stability enhancement control adaptation to driving skill based on highway on/off ramp maneuver |
| US20180273032A1 (en) * | 2015-11-30 | 2018-09-27 | Huawei Technologies Co., Ltd. | Automatic Driving Navigation Method, Apparatus, and System, In-Vehicle Terminal, and Server |
| CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
| CN109187048A (zh) * | 2018-09-14 | 2019-01-11 | 盯盯拍（深圳）云技术有限公司 | 自动驾驶性能测试方法以及自动驾驶性能测试装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112396034A (zh) * | 2020-12-02 | 2021-02-23 | 武汉光庭信息技术股份有限公司 | 一种场景信息融合方法、系统、服务器及存储介质 |
| CN113223312A (zh) * | 2021-04-29 | 2021-08-06 | 重庆长安汽车股份有限公司 | 一种基于地图的摄像头致盲预测方法、装置及存储介质 |
| CN114023320A (zh) * | 2021-11-02 | 2022-02-08 | 四川虹美智能科技有限公司 | 自动无线语音测试方法、终端和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109508580B (zh) | 交通信号灯识别方法和装置 | |
| CN108345822B (zh) | 一种点云数据处理方法及装置 | |
| US20180240194A1 (en) | Visual analytics based vehicle insurance anti-fraud detection | |
| CN111144467A (zh) | 一种场景因素获取的实现方法及系统 | |
| CN110738251B (zh) | 图像处理方法、图像处理装置、电子设备及存储介质 | |
| CN111508260A (zh) | 车辆停车位检测方法、装置和系统 | |
| CN115631356B (zh) | 道路设施缺失识别方法、装置、存储介质及电子装置 | |
| WO2020007589A1 (en) | Training a deep convolutional neural network for individual routes | |
| CN111323027A (zh) | 一种基于激光雷达与环视相机融合制作高精度地图方法及装置 | |
| CN114663852A (zh) | 车道线图的构建方法、装置、电子设备及可读存储介质 | |
| CN117152513A (zh) | 一种面向夜间场景的车辆边界定位方法 | |
| CN110929661A (zh) | 一种基于卷积神经网络的可停靠车位检测方法及系统 | |
| CN115294544A (zh) | 驾驶场景分类方法、装置、设备及存储介质 | |
| CN113723273A (zh) | 一种车辆轨迹信息确定方法、装置及计算机设备 | |
| CN114264310B (zh) | 定位及导航方法、装置、电子设备、计算机存储介质 | |
| CN111123731A (zh) | 自动驾驶车辆仿真的方法、装置、存储介质和终端设备 | |
| CN115824231B (zh) | 一种汽车行驶智能定位管理系统 | |
| CN112509321A (zh) | 一种基于无人机的城市复杂交通情景的驾驶控制方法、系统及可读存储介质 | |
| CN112733640A (zh) | 基于点云高精度地图的交通指示灯定位提取方法及系统 | |
| CN116665180A (zh) | 一种基于改进YOLOv5模型的检测行人车辆的方法 | |
| CN109147093A (zh) | 一种图片样本采集设备及方法 | |
| CN114579088A (zh) | 基于数据挖掘和测试闭环的无人驾驶算法开发方法 | |
| CN114722931A (zh) | 车载数据处理方法、装置、数据采集设备和存储介质 | |
| CN118323197B (zh) | 自动驾驶车辆中预测模型的训练和使用方法、装置及车辆 | |
| CN115994985B (zh) | 一种汽车域控制器及通勤道路上车辆自动建图和定位方法 |
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: 20200512 |