CN111216731A - 一种车路协同自动驾驶的主动感知系统 - Google Patents

一种车路协同自动驾驶的主动感知系统 Download PDF

Info

Publication number
CN111216731A
CN111216731A CN202010075982.6A CN202010075982A CN111216731A CN 111216731 A CN111216731 A CN 111216731A CN 202010075982 A CN202010075982 A CN 202010075982A CN 111216731 A CN111216731 A CN 111216731A
Authority
CN
China
Prior art keywords
data
sensing
subsystem
vehicle
perception
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
Application number
CN202010075982.6A
Other languages
English (en)
Other versions
CN111216731B (zh
Inventor
冉斌
程阳
谭华春
李小天
陈天怡
董硕煊
张震
何赏璐
石昆松
姚志洪
李彦瑾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Fengbao Business Consulting Co.,Ltd.
Original Assignee
Nanjing Jinhe Jiaxin Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Jinhe Jiaxin Information Technology Co ltd filed Critical Nanjing Jinhe Jiaxin Information Technology Co ltd
Priority to CN202010075982.6A priority Critical patent/CN111216731B/zh
Publication of CN111216731A publication Critical patent/CN111216731A/zh
Application granted granted Critical
Publication of CN111216731B publication Critical patent/CN111216731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • 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
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element

Abstract

本发明公开一种车路协同自动驾驶的主动感知系统,包括路侧基础设施感知系统,路侧基础设施感知系统用于为自动网联交通系统提供感知数据；路侧基础设施感知系统包括数据收集子系统、数据处理子系统、感知子系统、数据融合子系统；感知子系统、数据收集子系统、数据处理子系统、数据融合子系统依次连接；感知子系统用于为道路上的不同感知点提供不同的感知功能；数据收集子系统用于收集感知数据；数据处理子系统用于对感知数据进行处理；数据融合子系统用于对处理后的感知数据进行融合，并通过无线或由有线网络发送至自动网联交通系统。本发明有效降低了感知系统的复杂度，实现了对车辆和环境信息快速、准确、全面的感知。

Description

一种车路协同自动驾驶的主动感知系统
技术领域
本发明涉及智能路侧基础设施感知技术领域，特别是涉及一种车路协同自动驾驶的主动感知系统。
背景技术
自动驾驶汽车正在发展，它可以感知环境，探测物体，并在没有人参与的情况下进行导航。然而，该技术目前不足以用于商业用途，例如现有的自动驾驶车辆技术需要昂贵、复杂且能效低的车载系统，需要使用多个感知系统，并且主要依赖于车辆控制感知器。因此，自动车辆系统的实施是一项重大挑战。
发明内容
本发明的目的是提供一种车路协同自动驾驶的主动感知系统，以解决上述现有技术存在的问题，能够有效降低感知系统的复杂度，实现了对车辆和环境信息快速、准确、全面的感知。
为实现上述目的，本发明提供了如下方案：本发明提供一种车路协同自动驾驶的主动感知系统，包括路侧基础设施感知系统,所述路侧基础设施感知系统用于为自动网联交通系统提供感知数据；所述路侧基础设施感知系统包括数据收集子系统、数据处理子系统、感知子系统、数据融合子系统；所述感知子系统与所述数据收集子系统相连，所述输出收集子系统与所述数据处理子系统相连，所述数据处理子系统与所述数据融合子系统相连；
所述感知子系统用于为道路上的不同感知点提供不同的感知功能；所述感知子系统包括感知器，所述感知器包括车辆感知器和路侧感知器；
所述数据收集子系统用于收集所述感知子系统所采集的感知数据；
所述数据处理子系统用于对数据收集子系统所收集的感知数据进行处理；
所述数据融合子系统用于对所述数据处理子系统处理后的感知数据进行融合，并通过无线或由有线网络发送至所述自动网联交通系统。
优选地，所述路侧基础设施感知系统被配置为基于所述感知点和感知器之间的距离和角度部署所述感知器，和/或为所述感知器配置资源。
优选地，所述路侧基础设施感知系统被配置为感知静态对象并生成包括所述静态对象的背景场景；
所述路侧基础设施感知系统被配置为，在背景场景遮挡超出预设阈值的情况下，感知、跟踪和更新区域中动态对象的位置和速度，并在背景场景遮挡小于或等于预设阈值的情况下或有足够资源时，更新所述区域的背景场景。
优选地，所述路侧基础设施感知系统能够感知和编译数据，包括车辆识别信息、车辆全球位置、车辆相对位置、车辆速度和车辆属性，并在时间或空间上同步数据。
优选地，所述路侧基础设施感知系统配置为提供被动感知和主动感知；所述被动感知包括用于感知环境和场景对象的有源RSU感知器；所述主动感知不仅包括能够对多个感知器进行排序的优先级系统，并通过被识别为高优先级的感知器来感知环境，还包括感知特定路段的环境和/或有交通控制单元/交通控制中心识别的特定时间，还包括使用由交通控制单元/交通控制中心识别的特定预定时间来感知特定路段的环境。
优选地，所述路侧基础设施感知系统能够检测和追踪道路上或道路附近的物体；所检测的物体包括移动物体和静态物体，能够借助车道标记来划分道路上的多个车辆，并识别车辆的位置；通过来自不同位置感知器的数据和信息来实现对道路上或道路附近的物体的追踪。
优选地，所述路侧基础设施感知系统包括一个或若干个主要和/或次要感知点；所述主要感知点用于为车辆、自行车、行人、车道标记、交通标志和静态物体提供感知数据；所述次要感知点用于检测、跟踪车辆和静态物体。
优选地，所述路侧基础设施感知系统包括基于车辆和/或空中无人机的移动感知组件，并且拥有感知器或感知功能的车辆或无人机将感知数据发送到所述路侧基础设施感知系统。
优选地，所述路侧基础设施感知系统基于车辆感知器和路侧感知器，分配不同的网络；所述路侧基础设施感知系统还能够基于被动感知数据确定资源分配；所述路侧基础设施感知系统还通过对需要增加感知的区域进行主动识别来确定资源分配。
优选地，基于卫星的导航系统和/或惯性导航系统，所述路侧基础设施感知系统用于提高车辆位置数据。
本发明公开了以下技术效果：本发明车路协同自动驾驶的主动感知系统，通过车辆感知器和路侧感知器不仅能够感知车辆自身行驶信息，还能够感知环境信息，通过感知数据及优先级对各感知器进行资源分配，有效降低了感知系统的复杂度，实现了对车辆和环境信息快速、准确、全面的感知，保证了对自动网联交通系统所提供数据的准确性和效率，从而自动网联交通系统能够根据感知数据完成对无人驾驶汽车的准确控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统结构示意图。
具体实施方式
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示，本发明提供一种车路协同自动驾驶的主动感知系统,用于为自动网联交通系统提供数据，包括路侧基础设施感知系统,所述路侧基础设施感知系统用于为自动网联交通系统提供感知数据；所述路侧基础设施感知系统包括数据收集子系统、数据处理子系统、感知子系统、数据融合子系统；所述感知子系统与所述数据收集子系统相连，所述输出收集子系统与所述数据处理子系统相连，所述数据处理子系统与所述数据融合子系统相连；
所述感知子系统用于为道路上的不同感知点提供不同的感知功能；所述感知子系统包括感知器，所述感知器包括车辆感知器和路侧感知器；
所述数据收集子系统用于收集所述感知子系统所采集的感知数据；
所述数据处理子系统用于对数据收集子系统所收集的感知数据进行处理；
所述数据融合子系统用于对所述数据处理子系统处理后的感知数据进行融合，并通过无线或由有线网络发送至所述自动网联交通系统。
进一步地优化方案，所述路侧基础设施感知系统被配置为部署所述感知器，和/或为所述感知器配置资源，以确保道路上的感知点完全覆盖；
所述路侧基础设施感知系统被配置为基于所述感知点和感知器之间的距离和角度部署所述感知器，和/或为所述感知器配置资源。
进一步地优化方案，所述路侧基础设施感知系统被配置为感知静态对象并生成包括所述静态对象的背景场景；
在背景场景遮挡超出预设阈值60％的情况下，记为高峰交通量，在背景场景遮挡小于等于预设阈值60％的情况下，记为低交通量；
所述路侧基础设施感知系统被配置为在高峰交通量期间感知区域中的动态对象，并且在低交通量期间更新所述区域的背景场景；
所述路侧基础设施感知系统被配置为备用资源(例如电力，计算能力(例如计算周期、存储器使用、能量消耗、数据吞吐量)、通信带宽、感知(例如从感知器获得和/或记录数据)、感知频率(例如采样率)、感知器覆盖范围(例如每单位面积的感知器或道路的线性尺寸)，和数据融合能力)是可用的(例如，当有足够的资源可用于感知动态对象并更新背景场景或当有足够的资源可用于更新背景场景时，无论场景内的动态对象的数量有多少)。
进一步地优化方案，所述路侧基础设施感知系统被配置为在高峰交通量期间感知、跟踪和更新动态物体的位置和速度，并在交通量低或有足够资源时(例如所述路侧基础设施感知系统被配置为感知、跟踪或更新静态物体、慢速移动物体或非车辆物体，例如行人、动物等的位置和速度)更新背景。因此，所述路侧基础设施感知系统被配置为分配资源以监控和控制高优先级区域(例如，高流量区域或高流量时段的区域)的交通流量以及在低优先级区域(例如，低流量区域或在低流量时间内的区域)或在有足够资源可用于向高优先级区域提供足够覆盖和服务时执行其他任务(例如感知背景)，并使用剩余资源去更新背景(例如在低优先级区域)。
进一步地优化方案，所述路侧基础设施感知系统配置为感知动态对象，并生成包括所述动态对象的动态场景，并在高峰交通量期间更新动态对象的位置和速度。
进一步地优化方案，所述路侧基础设施感知系统能够感知和编译数据，包括车辆识别信息、车辆全球位置、车辆相对位置、车辆速度和车辆属性，并在时间或空间上同步数据。
进一步地优化方案，所述路侧基础设施感知系统配置为提供被动感知和主动感知；所述被动感知包括用于感知环境和场景对象的有源RSU感知器；所述主动感知不仅包括能够对多个感知器进行排序的优先级系统，并通过被识别为高优先级的感知器来感知环境，还包括感知特定路段的环境和/或有交通控制单元/交通控制中心识别的特定时间，还包括使用由交通控制单元/交通控制中心识别的特定预定时间来感知特定路段的环境。
进一步地优化方案，所述路侧基础设施感知系统能够检测和追踪道路上或道路附近的物体；所检测的物体包括移动物体和静态物体，能够借助车道标记来划分道路上的多个车辆，并识别车辆的位置；通过来自不同位置感知器的数据和信息来实现对道路上或道路附近的物体的追踪。
进一步地优化方案，所述路侧基础设施感知系统还包括基于雷达的感知器、基于视觉的感知器、RFID检测器、温度计、Wi-Fi无线电、专用短程通信(DSRC)无线电或蓝牙无线电；所述基于雷达的感知器为LIDAR微波雷达，超声波雷达或毫米波雷达，基于视觉的感知器为彩色相机、红外相机或热成像相机。
进一步地优化方案，所述路侧基础设施感知系统还包括车辆识别装置，所述车辆识别装置用于从RFID组件、蓝牙组件、WI-FI(IEEE802.11)组件、专用短程通信(DSRC)无线电或4G或5G蜂窝网络接收车辆识别数据。
进一步地优化方案，所述路侧基础设施感知系统包括一个或若干个主要和/或次要感知点；所述主要感知点包括交叉口、环形交叉口或工作区，用于为车辆、自行车、行人、车道标记、交通标志和静态物体提供感知数据；所述次要感知点用于检测、跟踪车辆和静态物体。
进一步地优化方案，所述路侧基础设施感知系统包括基于车辆和/或空中无人机的移动感知组件，并且拥有感知器或感知功能的车辆或无人机将感知数据发送到所述路侧基础设施感知系统。
进一步地优化方案，所述路侧基础设施感知系统基于车辆感知器和路侧感知器，分配不同的网络，以优化特定区域的感知覆盖，例如高流量区域，感知积分，交通事件，天气事件；所述路侧基础设施感知系统还能够基于被动(例如实时)感知数据确定资源分配，所述感知数据指示系统中交通量最高的地方或事件已经发生的地方(例如交通事故，天气事件)，这适用于增加感知器资源的分配；所述路侧基础设施感知系统还基于对需要或将需要增加感知的区域的主动(例如，预测)识别来确定资源分配(例如，基于历史交通数据，增加交通量的预定特殊事件，天气预报，季节性动物迁移等)。
进一步地优化方案，基于卫星的导航系统和/或惯性导航系统，所述路侧基础设施感知系统用于提高车辆位置数据。本发明中所使用的术语“基于卫星的导航系统”指的是全球定位系统(GPS)，差分全球定位系统(DGPS)，北斗导航卫星系统(BDS)或GLONASS全球导航卫星系统。
进一步地优化方案，通过所述车路协同自动驾驶的主动感知系统来管理交通控制的方法，由个体参与者(例如司机，公共或私人场所、区域或国家交通服务商，政府机构)以及一个或多个参与者彼此协调或独立工作的集体活动所承担的过程。
进一步地优化方案，一种用于向IRIS提供数据的方法，包括：
数据融合子系统融合来自多个感知器的感知数据，产生融合感知数据，并将所述融合感知数据传送到IRIS或CAVH系统，所述路侧基础设施感知系统基于融合感知数据将CAVH资源分配给感知器，并基于融合感知数据将感知器部署到感知点。
感知器所感知的数据包括描述静态对象和描述动态对象的信息；不同种类的感知器对应不同的感知方法；例如，在高峰交通量期间更新动态对象的位置和速度；在低交通量期间更新静态物体的位置；在时间或空间上同步来自多个感知器的感知数据；生成包括静态对象的背景场景；在高峰交通量期间和低交通量期间更新背景场景；感知和收集车辆识别信息、车辆全球位置、车辆相对位置、车辆速度和车辆属性；使用对多个感知器进行排序的优先级系统，使用描述特定路段的环境的数据，或在有交通控制单元/交通控制中心识别的特定时间将感知器识别为高优先级感知器；对车辆、摩托车、自行车、行人和动物进行分类；识别车辆的位置；使用车道标记在道路上划分车辆；通过来自不同位置的感知器的数据和信息跟踪道路上或道路附近的物体；识别感知器跟踪的主要感知点，并为车辆、自行车、行人、车道标记、交通标志和静态物体提供感知器数据；在主要感知点跟踪和提供车辆、自行车、行人、车道标记、交通标志和静态物体的感知数据。
进一步地优化方案，通过所述路侧基础设施感知系统为IRIS或CAVH系统提供数据，用于主动感知和资源分配。
在整个说明书和权利要求书中，除非上下文另有明确规定，否则以下术语采用本发明明确相关的含义。这里使用的短语“在一个实施例中”不一定是指相同的实施例，尽管它可以。此外，这里使用的短语“在另一个实施例中”不一定是指不同的实施例，尽管它可以。因此，如下所述，在不脱离本发明的范围或精神的情况下，可以容易地组合本发明的各种实施例。
本发明所用术语“数据同步”是指识别来自一个或多个感知器的数据，所述感知器是在同一时间，基本相同的时间和/或有效同时(“在时间上同步”)或在相同位置，基本上相同的位置，或实际上相同的位置(“在空间上同步”)。在一些实施例中，“及时同步”的数据共享一个正常时间标度。例如，识别同一时间收集的数据(例如用于不同类型的感知器或用于不同频率操作的感知器)。在一些实施例中，使用公共坐标系统(例如，针对不同RSU处的感知器或针对相同RSU处的不同感知器)识别“在空间中同步”的数据。在一些实施例中，“数据同步”识别从不同感知器或不同地方收集的数据描述相同事件，物体或车辆。
本发明所使用的术语“场景”指的是车辆操作的环境或其中由CAVH系统感知的物体操作和存在的环境。在一些实施例中，“场景”是来自特定点并且在三维空间一个特定方向上观察的对象或空间体积的视图。“场景”包括由CAVH系统感知的静态和动态对象。场景中的静态和/或动态对象由场景内的坐标识别。在一些实施例中，该技术提供(例如构造)场景，该场景是由CAVH系统感知的场景的虚拟模型或再现。因此，在一些实施例中，“场景”(例如由车辆感知的环境和/或由IRIS或CAVH系统感知的信息合成所描述的车辆环境)随时间变化(例如作为场景中车辆和/或物体的运动函数)。在一些实施例中，特点车辆的“场景”根据车辆通过三维空间的运动(例如车辆在三维空间中的位置的变化)而改变。
本发明所使用的术语“感知点”指的是被识别为道路的一部分或区域适合于由CAVH系统提供增加的感知资源分配。在一些实施例中，感知点被分类为“静态感知点”，而在一些实施例中，感知点被分类为“动态感知点”。本发明所使用的“静态感知点”是道路的点(例如区域或位置)，其是基于通常恒定或变化非常缓慢的道路和/或交通状况的识别的感知点(例如在比一天、一周或一个月更长的时间尺度上)或仅通过计划重建基础设施。本发明所使用的“动态感知点”是道路的点(例如区域或位置)，其是基于对道路状况随时间(例如在一个小时一天一周或一个月的时间尺度)的改变(例如可预测的或不可预测的)的识别。基于历史碰撞数据，交通标志，交通信号，交通容量和道路几何形状的感知点是示例性静态感知点。
本发明所使用的术语“主动感知”或“预测感知”描述了识别调整感知器数量的预测需要，感知频率(例如采样率)和收集用于区域的感知器的类型。CAVH系统基于实时感知数据，历史数据，事件时间表数据，位置数据，天气数据，交通事故数据，道路几何数据或来自TCU/TCC或TOC指令，该区域的未来感知需求将高于、低于或以其他方式不同于当前感知需求。主动感知技术在CAVH组件之间提供受管理的资源分配，并且在一些实施例中，最大化资源有效分配(例如通信带宽，功率，计算容量)，最大化安全性，最大化业务流的效率，和/或最大化CAVH组件寿命。本发明所使用的“主动感知”包括感知器数据的集中收集和感知器数据与历史感知器数据，日历预定时间数据，天气数据，交通事故数据，道路几何数据和其他交通数据的数据融合以开发模型，将数据输入到先前开发的模型，识别CAVH系统中增加、减少或定性不同的感知需求的有效分配，并向CAVH组件发送命令以相应地调整感知类型或速率。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (10)

1.一种车路协同自动驾驶的主动感知系统，其特征在于，包括路侧基础设施感知系统,所述路侧基础设施感知系统用于为自动网联交通系统提供感知数据；所述路侧基础设施感知系统包括数据收集子系统、数据处理子系统、感知子系统、数据融合子系统；所述感知子系统与所述数据收集子系统相连，所述输出收集子系统与所述数据处理子系统相连，所述数据处理子系统与所述数据融合子系统相连；
所述感知子系统用于为道路上的不同感知点提供不同的感知功能；所述感知子系统包括感知器，所述感知器包括车辆感知器和路侧感知器；
所述数据收集子系统用于收集所述感知子系统所采集的感知数据；
所述数据处理子系统用于对数据收集子系统所收集的感知数据进行处理；
所述数据融合子系统用于对所述数据处理子系统处理后的感知数据进行融合，并通过无线或由有线网络发送至所述自动网联交通系统。
2.根据权利要求1所述的车路协同自动驾驶的主动感知系统，其特征在于，所述路侧基础设施感知系统被配置为基于所述感知点和感知器之间的距离和角度部署所述感知器，和/或为所述感知器配置资源。
3.根据权利要求1所述的车路协同自动驾驶的主动感知系统，其特征在于，所述路侧基础设施感知系统被配置为感知静态对象并生成包括所述静态对象的背景场景；
所述路侧基础设施感知系统被配置为，在背景场景遮挡超出预设阈值的情况下，感知、跟踪和更新区域中动态对象的位置和速度，并在背景场景遮挡小于或等于预设阈值的情况下或有足够资源时，更新所述区域的背景场景。
4.根据权利要求1所述的车路协同自动驾驶的主动感知系统，其特征在于，所述路侧基础设施感知系统能够感知和编译数据，包括车辆识别信息、车辆全球位置、车辆相对位置、车辆速度和车辆属性，并在时间或空间上同步数据。
5.根据权利要求1所述的车路协同自动驾驶的主动感知系统，其特征在于，所述路侧基础设施感知系统配置为提供被动感知和主动感知；所述被动感知包括用于感知环境和场景对象的有源RSU感知器；所述主动感知不仅包括能够对多个感知器进行排序的优先级系统，并通过被识别为高优先级的感知器来感知环境，还包括感知特定路段的环境和/或有交通控制单元/交通控制中心识别的特定时间，还包括使用由交通控制单元/交通控制中心识别的特定预定时间来感知特定路段的环境。
6.根据权利要求1所述的车路协同自动驾驶的主动感知系统，其特征在于，所述路侧基础设施感知系统能够检测和追踪道路上或道路附近的物体；所检测的物体包括移动物体和静态物体，能够借助车道标记来划分道路上的多个车辆，并识别车辆的位置；通过来自不同位置感知器的数据和信息来实现对道路上或道路附近的物体的追踪。
7.根据权利要求1所述的车路协同自动驾驶的主动感知系统，其特征在于，所述路侧基础设施感知系统包括一个或若干个主要和/或次要感知点；所述主要感知点用于为车辆、自行车、行人、车道标记、交通标志和静态物体提供感知数据；所述次要感知点用于检测、跟踪车辆和静态物体。
8.根据权利要求1所述的车路协同自动驾驶的主动感知系统，其特征在于，所述路侧基础设施感知系统包括基于车辆和/或空中无人机的移动感知组件，并且拥有感知器或感知功能的车辆或无人机将感知数据发送到所述路侧基础设施感知系统。
9.根据权利要求5所述的车路协同自动驾驶的主动感知系统，其特征在于，所述路侧基础设施感知系统基于车辆感知器和路侧感知器，分配不同的网络；所述路侧基础设施感知系统还能够基于被动感知数据确定资源分配；所述路侧基础设施感知系统还通过对需要增加感知的区域进行主动识别来确定资源分配。
10.根据权利要求1所述的车路协同自动驾驶的主动感知系统，其特征在于，基于卫星的导航系统和/或惯性导航系统，所述路侧基础设施感知系统用于提高车辆位置数据。
CN202010075982.6A 2020-01-23 2020-01-23 一种车路协同自动驾驶的主动感知系统 Active CN111216731B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010075982.6A CN111216731B (zh) 2020-01-23 2020-01-23 一种车路协同自动驾驶的主动感知系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010075982.6A CN111216731B (zh) 2020-01-23 2020-01-23 一种车路协同自动驾驶的主动感知系统

Publications (2)

Publication Number Publication Date
CN111216731A true CN111216731A (zh) 2020-06-02
CN111216731B CN111216731B (zh) 2021-04-30

Family

ID=70826079

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010075982.6A Active CN111216731B (zh) 2020-01-23 2020-01-23 一种车路协同自动驾驶的主动感知系统

Country Status (1)

Country Link
CN (1) CN111216731B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627219A (zh) * 2020-06-20 2020-09-04 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种利用汽车电子标识来检测弯道行车信息的车协同方法
CN112329182A (zh) * 2020-10-28 2021-02-05 北京石油化工学院 车路协同条件下面向复杂交通形态的控制网格划分方法
CN113537362A (zh) * 2021-07-20 2021-10-22 中国第一汽车股份有限公司 一种基于车路协同的感知融合方法、装置、设备及介质
CN113916259A (zh) * 2021-09-30 2022-01-11 上海智能网联汽车技术中心有限公司 一种路侧传感器动态标定方法及介质
CN116933218A (zh) * 2023-07-13 2023-10-24 广州汽车集团股份有限公司 一种感知数据融合方法、系统、存储介质及车辆

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013046449A1 (ja) * 2011-09-30 2013-04-04 トヨタ自動車株式会社 運転支援システム
GB2500203A (en) * 2012-03-13 2013-09-18 Agd Systems Ltd Traffic state detection using Doppler-effect detectors
EP3282227A1 (en) * 2016-08-10 2018-02-14 Panasonic Intellectual Property Corporation of America Communication method and server
CN108010360A (zh) * 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知系统
CN108447291A (zh) * 2018-04-03 2018-08-24 南京锦和佳鑫信息科技有限公司 一种智能道路设施系统及控制方法
US20190226868A1 (en) * 2019-03-30 2019-07-25 Intel Corporation Technologies for intelligent traffic optimization with high-definition maps

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013046449A1 (ja) * 2011-09-30 2013-04-04 トヨタ自動車株式会社 運転支援システム
GB2500203A (en) * 2012-03-13 2013-09-18 Agd Systems Ltd Traffic state detection using Doppler-effect detectors
EP3282227A1 (en) * 2016-08-10 2018-02-14 Panasonic Intellectual Property Corporation of America Communication method and server
CN108010360A (zh) * 2017-12-27 2018-05-08 中电海康集团有限公司 一种基于车路协同的自动驾驶环境感知系统
CN108447291A (zh) * 2018-04-03 2018-08-24 南京锦和佳鑫信息科技有限公司 一种智能道路设施系统及控制方法
US20190226868A1 (en) * 2019-03-30 2019-07-25 Intel Corporation Technologies for intelligent traffic optimization with high-definition maps

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冉斌等: "智能网联交通技术发展现状及趋势", 《汽车安全与节能学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111627219A (zh) * 2020-06-20 2020-09-04 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种利用汽车电子标识来检测弯道行车信息的车协同方法
CN112329182A (zh) * 2020-10-28 2021-02-05 北京石油化工学院 车路协同条件下面向复杂交通形态的控制网格划分方法
CN113537362A (zh) * 2021-07-20 2021-10-22 中国第一汽车股份有限公司 一种基于车路协同的感知融合方法、装置、设备及介质
CN113916259A (zh) * 2021-09-30 2022-01-11 上海智能网联汽车技术中心有限公司 一种路侧传感器动态标定方法及介质
CN116933218A (zh) * 2023-07-13 2023-10-24 广州汽车集团股份有限公司 一种感知数据融合方法、系统、存储介质及车辆

Also Published As

Publication number Publication date
CN111216731B (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN111216731B (zh) 一种车路协同自动驾驶的主动感知系统
US11447152B2 (en) System and methods for partially instrumented connected automated vehicle highway systems
US20220366783A1 (en) Autonomous vehicle control system with traffic control center/traffic control unit (tcc/tcu) and roadside unit (rsu) network
US20210005085A1 (en) Localized artificial intelligence for intelligent road infrastructure
US11436923B2 (en) Proactive sensing systems and methods for intelligent road infrastructure systems
US20220114885A1 (en) Coordinated control for automated driving on connected automated highways
EP2526508B1 (en) Traffic signal mapping and detection
EP4206609A1 (en) Assisted driving reminding method and apparatus, map assisted driving reminding method and apparatus, and map
WO2018132378A2 (en) Connected automated vehicle highway systems and methods
US20150241226A1 (en) Autonomous driving sensing system and method
US20210394797A1 (en) Function allocation for automated driving systems
CN115061466A (zh) 车路协同自动驾驶的方法、路侧设备、云控平台和系统
AU2018208404A1 (en) Connected automated vehicle highway systems and methods
JP2021196738A (ja) 地図生成用データ収集装置及び地図生成用データ収集方法
US20220111858A1 (en) Function allocation for automated driving systems
CN111243312B (zh) 部分布设的车路协同自动驾驶的系统
Correa et al. TransAID deliverable 5.2: V2X-based cooperative sensing and driving in transition areas (second iteration)
US20230316912A1 (en) Path prediction based on intersection information from map messages
US20230316921A1 (en) Collision warning based on intersection information from map messages
US20230316907A1 (en) Intersection-based offboard vehicle path generation
WO2023189879A1 (en) Intersection-based map message generation and broadcasting
Chauhan et al. Intelligent Intersection Management: A Survey
Zhang Future Traffic Management System Empowered by Reinforcement Learning and V2X technologies
JP2023012344A (ja) 地物データ収集装置、地物データ収集方法及び地物データ収集用コンピュータプログラム
CN115762159A (zh) 路云协同下行人预测导向的自动驾驶路径规划系统

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
TA01 Transfer of patent application right

Effective date of registration: 20200928

Address after: Room 205, 14 / F, building 2, 588 Zixing Road, Minhang District, Shanghai, 200241

Applicant after: Shanghai Fengbao Business Consulting Co.,Ltd.

Address before: Room B2201, Building 1, East University Science Park, No. 6 Changjiang Houjie, Xuanwu District, Nanjing, Jiangsu Province, 210000

Applicant before: NANJING JINHE JIAXIN INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant