CN111221342A - 一种自动驾驶汽车环境感知系统 - Google Patents
一种自动驾驶汽车环境感知系统 Download PDFInfo
- Publication number
- CN111221342A CN111221342A CN202010170050.XA CN202010170050A CN111221342A CN 111221342 A CN111221342 A CN 111221342A CN 202010170050 A CN202010170050 A CN 202010170050A CN 111221342 A CN111221342 A CN 111221342A
- Authority
- CN
- China
- Prior art keywords
- module
- vehicle
- automobile
- vehicle speed
- surrounding
- 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.)
- Withdrawn
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000712 assembly Effects 0.000 claims 1
- 238000000429 assembly Methods 0.000 claims 1
- 230000008447 perception Effects 0.000 abstract description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动驾驶汽车环境感知系统,包括:图像采集模块、障碍物识别模块、车辆运动状态预测模块、测距模块、车速采集模块、周围车辆车速计算模块、动态模型构建模块,其单目视觉传感器包括底座、罩设在底座上的半球形外壳、通过蛇形机械手安装在底座上的单目视觉传感器本体,所述蛇形机械手底端与底座的中心处固接,另一端与设想有本体的底端固接,蛇形机械手由若干呈首尾连接的机械单元及位于机械单元之间的舵机组件构成,每个机械单元内均安装有一三维数字罗盘,单目视觉传感器本体所采集到的图片均携带有机械单元姿态信息。本发明实现了车辆周围环境数据的高效全面感知和全面分析,从而可以满足汽车在复杂的路况条件下安全地自动驾驶的要求。
Description
技术领域
本发明涉及自动驾驶领域,具体涉及一种自动驾驶汽车环境感知系统。
背景技术
自动驾驶汽车拥有环境感知、路径规划和控制车辆动作的能力,目前,自动驾驶汽车大多通过车上安装的各类传感器来获取周围环境信息,常用的传感器包括:激光雷达、数码摄像头、毫米波雷达、超声波雷达、GPS卫星定位模块、声音传感器等。这些传感器依据不同的原理获取环境数据并发送到自动驾驶电脑系统,自动驾驶电脑系统采用一定的方法提取出环境数据中对于智能行为决策有用的信息,比如探测障碍物、检测车道线、识别交通标志、车辆定位、识别环境声音等。
在目前已公布的汽车环境感知系统中,普遍存在以下缺陷:
1)采用固定安装的摄像头进行周围环境视频图像的采集,存在很大的视觉盲区;
2)功能较为单一,比如无法实现周围车辆行驶状态的预测;
3)各环境检测结果大多为孤立的存在,无法直观反映路况条件的同时,加大了自动驾驶电脑系统的计算量;
综上所述,目前现有的汽车环境感知系统对汽车周围环境的感知能力还有明显的不足,难以满足汽车在复杂的路况条件下安全地自动驾驶的要求。
发明内容
为解决上述问题,本发明提供了一种自动驾驶汽车环境感知系统。
为实现上述目的,本发明采取的技术方案为:
一种自动驾驶汽车环境感知系统,包括:
图像采集模块,通过安装在车头的双目视觉传感器以及车身两侧、车尾的单目视觉传感器进行汽车周围环境图像数据的采集,并将所采集到的汽车周围环境图像数据发送到障碍物识别模块、车辆运动状态预测模块、周围车辆车速计算模块、动态模型构建模块;
障碍物识别模块,用于实现车辆周围障碍物的识别;
车辆运动状态预测模块,用于实现图像数据中的车灯状态的识别从而实现周围车辆下一步运动状态的预测;
测距模块,通过安装在车头、车身两侧以及车尾的雷达传感器实现汽车周围目标物距离的测定;
车速采集模块,用于检测汽车的行驶速度,并将检测到的数据发送到周围车辆车速计算模块;
周围车辆车速计算模块,基于汽车自身的行驶速度以及图像数据的协同,实现周围车辆车速的计算;
动态模型构建模块,用于根据图像采集模块所采集到的图像、测距模块的测距结果以及车速采集模块和周围车辆车速计算模块的计算结果完成车辆模型与周围环境模型的拼接,从而生成动态模型,经车辆中控显示屏进行显示。
进一步地,所述障碍物识别模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理;采用迭代自适应阈值分割法进行图像二值化处理,基于连通分量的形态学区域特征去除小面积杂点噪声,完成障碍物所在位置的识别;并基于连通分量外接矩形的长宽比进行障碍物形状识别。
进一步地,所述车辆运动状态预测模块基于DSOD算法实现图像中车灯的识别,基于上一秒以及下一秒图像中车灯的亮度信息判定转向灯是否亮起,如上一秒和下一秒图像中车灯均处于电亮或熄灭状态,则判定该车辆为保持直行状态,如上一秒和下一秒的图像中车灯处于不同状态,且判定该车辆发出变道或转向信号。
进一步地,所述周围车辆车速计算模块,以汽车自身的车速为基准,以左右两侧车辆的某一部件为参照物(比如汽车后视镜)计算左右两侧车辆的车速,左右两侧车辆的车速=汽车自身车速+-汽车后视镜相对于原始图像前进/后退距离÷所花费的时间;以以汽车自身的车速为基准,以前后两车与汽车之间的距离变化值为参考项计算前后两侧车辆的车速;前后两侧车辆的车速=汽车自身车速+-目前车距相对于原始距离增加/减少值÷所花费的时间。
进一步地,所述动态模型构建模块通过网络爬虫模块爬取该段道路在地图中的形状、 尺寸以及车道参数,然后以该道路的形状和尺寸为背景,将汽车模型和周围环境模型填充到该背景对应的位置,实现动态模型的构建。
进一步地,还包括:
车辆姿态采集模块,用于通过内载与车辆内的三维姿态传感器实现车辆姿态的采集。
进一步地,还包括:
工况接入模块,用于接入车辆发动机工况、轮胎工况、车灯工况等。
进一步地,还包括:
交通灯识别模块,用于通过安装在车灯前端的单目视觉传感器实现交通灯的识别;
行人识别模块,用于实现图像数据中行人的识别以及行走状态的识别;
交通标识识别模块,用于实现交通标志的识别。
进一步地,还包括:车辆驾驶状态规划模块,用于根据障碍物识别模块、车辆运动状态预测模块、测距模块、车速采集模块、周围车辆车速计算模块、车辆姿态采集模块、及工况接入模块、交通灯识别模块、行人识别模块、交通标识识别模块的处理结果以及公路车道情况实现车辆驾驶状态控制命令的规划。
进一步地,所述单目视觉传感器包括底座、罩设在底座上的半球形外壳、通过蛇形机械手安装在底座上的单目视觉传感器本体,所述蛇形机械手底端与底座的中心处固接,另一端与设想有本体的底端固接,蛇形机械手由若干呈首尾连接的机械单元及位于机械单元之间的舵机组件构成,每个机械单元内均安装有一三维数字罗盘,单目视觉传感器本体所采集到的图片均携带有机械单元姿态信息。
本发明具有以下有益效果:
实现了车辆周围环境数据的高效全面感知和全面分析,从而可以满足汽车在复杂的路况条件下安全地自动驾驶的要求。
附图说明
图1为本发明实施例一种自动驾驶汽车环境感知系统的系统框图。
图2为本发明实施例中单目视觉传感器的结构示意图。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种自动驾驶汽车环境感知系统,包括:
图像采集模块,通过安装在车头的双目视觉传感器以及车身两侧、车尾的单目视觉传感器进行汽车周围环境图像数据的采集,并将所采集到的汽车周围环境图像数据发送到障碍物识别模块、车辆运动状态预测模块、周围车辆车速计算模块、动态模型构建模块;
障碍物识别模块,用于实现车辆周围障碍物的识别;具体的,所述障碍物识别模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理;采用迭代自适应阈值分割法进行图像二值化处理,基于连通分量的形态学区域特征去除小面积杂点噪声,完成障碍物所在位置的识别;并基于连通分量外接矩形的长宽比进行障碍物形状识别;
车辆运动状态预测模块,用于实现图像数据中的车灯状态的识别从而实现周围车辆下一步运动状态的预测;具体的,所述车辆运动状态预测模块基于DSOD算法实现图像中车灯的识别,基于上一秒以及下一秒图像中车灯的亮度信息判定转向灯是否亮起,如上一秒和下一秒图像中车灯均处于电亮或熄灭状态,则判定该车辆为保持直行状态,如上一秒和下一秒的图像中车灯处于不同状态,且判定该车辆发出变道或转向信号;
测距模块,通过安装在车头、车身两侧以及车尾的雷达传感器实现汽车周围目标物距离的测定;
车速采集模块,用于检测汽车的行驶速度,并将检测到的数据发送到周围车辆车速计算模块;
周围车辆车速计算模块,基于汽车自身的行驶速度以及图像数据的协同,实现周围车辆车速的计算;具体的,所述周围车辆车速计算模块,以汽车自身的车速为基准,以左右两侧车辆的某一部件为参照物(比如汽车后视镜)计算左右两侧车辆的车速,左右两侧车辆的车速=汽车自身车速+-汽车后视镜相对于原始图像前进/后退距离÷所花费的时间;以以汽车自身的车速为基准,以前后两车与汽车之间的距离变化值为参考项计算前后两侧车辆的车速;前后两侧车辆的车速=汽车自身车速+-目前车距相对于原始距离增加/减少值÷所花费的时间。
动态模型构建模块,用于根据图像采集模块所采集到的图像、测距模块的测距结果以及车速采集模块和周围车辆车速计算模块的计算结果完成车辆模型与周围环境模型的拼接,从而生成动态模型,经车辆中控显示屏进行显示。具体的,所述动态模型构建模块通过网络爬虫模块爬取该段道路在地图中的形状、 尺寸以及车道参数,然后以该道路的形状和尺寸为背景,将汽车模型和周围环境模型填充到该背景对应的位置,实现动态模型的构建;
车辆姿态采集模块,用于通过内载与车辆内的三维姿态传感器实现车辆姿态的采集;
工况接入模块,用于接入车辆发动机工况、轮胎工况、车灯工况等。
交通灯识别模块,用于通过安装在车灯前端的单目视觉传感器实现交通灯的识别;
行人识别模块,用于实现图像数据中行人的识别以及行走状态的识别;基于DSOD算法实现图像中行人的识别,基于kinect深度传感器进行图像骨骼信息的获取,消除所获得骨骼信息的抖动和噪声干扰,然后计算获取所有骨骼对的角度旋转移动SO3矩阵信息,将计算所得的骨骼对的角度旋转移动SO3矩阵信息与录制的标准姿态信息进行比较,如果相似度大于70%,则认为是该行走状态;
交通标识识别模块,用于实现交通标志的识别。
车辆驾驶状态规划模块,用于根据障碍物识别模块、车辆运动状态预测模块、测距模块、车速采集模块、周围车辆车速计算模块、车辆姿态采集模块、及工况接入模块、交通灯识别模块、行人识别模块、交通标识识别模块的处理结果以及公路车道情况实现车辆驾驶状态控制命令的规划,基于预设的BP神经网络模型实现,输入项为完成格式标准化的障碍物识别模块、车辆运动状态预测模块、测距模块、车速采集模块、周围车辆车速计算模块、车辆姿态采集模块、及工况接入模块、交通灯识别模块、行人识别模块、交通标识识别模块的处理结果以及公路车道情况,输出项为车辆驾驶状态控制命令;
中央处理器模块,用于协调上述模块工作。
本实施例中,如图2所示,所述单目视觉传感器包括底座2、罩设在底座2上的半球形外壳1、通过蛇形机械手3安装在底座上的单目视觉传感器本体4,所述蛇形机械手底端与底座的中心处固接,另一端与设想有本体的底端固接,蛇形机械手由若干呈首尾连接的机械单元及位于机械单元之间的舵机组件构成,每个机械单元内均安装有一三维数字罗盘,单目视觉传感器本体所采集到的图片均携带有机械单元姿态信息。所述单目视觉传感器按照预设的轨迹进行图像数据的采集,比如从左往右依次进行图像采集,并限定每分钟单目视觉传感器移动速度以及各机械单元之间角度变化速度。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种自动驾驶汽车环境感知系统,其特征在于,包括:
图像采集模块,通过安装在车头的双目视觉传感器以及车身两侧、车尾的单目视觉传感器进行汽车周围环境图像数据的采集,并将所采集到的汽车周围环境图像数据发送到障碍物识别模块、车辆运动状态预测模块、周围车辆车速计算模块、动态模型构建模块;
障碍物识别模块,用于实现车辆周围障碍物的识别;
车辆运动状态预测模块,用于实现图像数据中的车灯状态的识别从而实现周围车辆下一步运动状态的预测;
测距模块,通过安装在车头、车身两侧以及车尾的雷达传感器实现汽车周围目标物距离的测定;
车速采集模块,用于检测汽车的行驶速度,并将检测到的数据发送到周围车辆车速计算模块;
周围车辆车速计算模块,基于汽车自身的行驶速度以及图像数据的协同,实现周围车辆车速的计算;
动态模型构建模块,用于根据图像采集模块所采集到的图像、测距模块的测距结果以及车速采集模块和周围车辆车速计算模块的计算结果完成车辆模型与周围环境模型的拼接,从而生成动态模型,经车辆中控显示屏进行显示。
2.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,所述障碍物识别模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理;采用迭代自适应阈值分割法进行图像二值化处理,基于连通分量的形态学区域特征去除小面积杂点噪声,完成障碍物所在位置的识别;并基于连通分量外接矩形的长宽比进行障碍物形状识别。
3.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,所述车辆运动状态预测模块基于DSOD算法实现图像中车灯的识别,基于上一秒以及下一秒图像中车灯的亮度信息判定转向灯是否亮起,如上一秒和下一秒图像中车灯均处于电亮或熄灭状态,则判定该车辆为保持直行状态,如上一秒和下一秒的图像中车灯处于不同状态,且判定该车辆发出变道或转向信号。
4.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,所述周围车辆车速计算模块,以汽车自身的车速为基准,以左右两侧车辆的某一部件为参照物计算左右两侧车辆的车速;以以汽车自身的车速为基准,以前后两车与汽车之间的距离变化值为参考项计算前后两侧车辆的车速。
5.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,所述动态模型构建模块通过网络爬虫模块爬取该段道路在地图中的形状、 尺寸以及车道参数,然后以该道路的形状和尺寸为背景,将汽车模型和周围环境模型填充到该背景对应的位置,实现动态模型的构建。
6.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,还包括:
车辆姿态采集模块,用于通过内载与车辆内的三维姿态传感器实现车辆姿态的采集。
7.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,还包括:
工况接入模块,用于接入车辆发动机工况、轮胎工况、车灯工况。
8.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,还包括:
交通灯识别模块,用于通过安装在车灯前端的单目视觉传感器实现交通灯的识别;
行人识别模块,用于实现图像数据中行人的识别以及行走状态的识别;
交通标识识别模块,用于实现交通标志的识别。
9.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,还包括:车辆驾驶状态规划模块,用于根据障碍物识别模块、车辆运动状态预测模块、测距模块、车速采集模块、周围车辆车速计算模块、车辆姿态采集模块、及工况接入模块、交通灯识别模块、行人识别模块、交通标识识别模块的处理结果以及公路车道情况实现车辆驾驶状态控制命令的规划。
10.如权利要求1所述的一种自动驾驶汽车环境感知系统,其特征在于,所述单目视觉传感器包括底座、罩设在底座上的半球形外壳、通过蛇形机械手安装在底座上的单目视觉传感器本体,所述蛇形机械手底端与底座的中心处固接,另一端与设想有本体的底端固接,蛇形机械手由若干呈首尾连接的机械单元及位于机械单元之间的舵机组件构成,每个机械单元内均安装有一三维数字罗盘,单目视觉传感器本体所采集到的图片均携带有机械单元姿态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010170050.XA CN111221342A (zh) | 2020-03-12 | 2020-03-12 | 一种自动驾驶汽车环境感知系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010170050.XA CN111221342A (zh) | 2020-03-12 | 2020-03-12 | 一种自动驾驶汽车环境感知系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111221342A true CN111221342A (zh) | 2020-06-02 |
Family
ID=70807793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010170050.XA Withdrawn CN111221342A (zh) | 2020-03-12 | 2020-03-12 | 一种自动驾驶汽车环境感知系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111221342A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461088A (zh) * | 2020-06-17 | 2020-07-28 | 长沙超创电子科技有限公司 | 一种基于图像处理与目标识别的轨道交通避障系统 |
CN111722617A (zh) * | 2020-06-29 | 2020-09-29 | 史秋虹 | 一种基于大数据的自动驾驶汽车性能判定系统及方法 |
CN111775934A (zh) * | 2020-07-21 | 2020-10-16 | 湖南汽车工程职业学院 | 一种汽车的智能驾驶避障系统 |
CN111891129A (zh) * | 2020-08-17 | 2020-11-06 | 湖南汽车工程职业学院 | 电动汽车智能驾驶系统 |
CN111899625A (zh) * | 2020-07-16 | 2020-11-06 | 北京理工大学 | 智能辅助驾驶开发装置 |
CN112053559A (zh) * | 2020-08-25 | 2020-12-08 | 浙江省机电设计研究院有限公司 | 一种高速公路安全态势评估方法及评估系统 |
CN111994066B (zh) * | 2020-10-29 | 2021-01-29 | 北京航空航天大学 | 一种基于智能轮胎触觉感知的智能汽车感知系统 |
CN112699781A (zh) * | 2020-12-29 | 2021-04-23 | 上海眼控科技股份有限公司 | 车灯状态检测方法、装置、计算机设备和可读存储介质 |
CN115837821A (zh) * | 2022-11-29 | 2023-03-24 | 应急管理部四川消防研究所 | 一种伴随运输机器人的动态平衡方法和系统 |
-
2020
- 2020-03-12 CN CN202010170050.XA patent/CN111221342A/zh not_active Withdrawn
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111461088A (zh) * | 2020-06-17 | 2020-07-28 | 长沙超创电子科技有限公司 | 一种基于图像处理与目标识别的轨道交通避障系统 |
CN111461088B (zh) * | 2020-06-17 | 2020-09-08 | 长沙超创电子科技有限公司 | 一种基于图像处理与目标识别的轨道交通避障系统 |
CN111722617A (zh) * | 2020-06-29 | 2020-09-29 | 史秋虹 | 一种基于大数据的自动驾驶汽车性能判定系统及方法 |
CN111722617B (zh) * | 2020-06-29 | 2021-08-10 | 航天探索太空(北京)技术产业有限公司 | 一种基于大数据的自动驾驶汽车性能判定系统及方法 |
CN111899625A (zh) * | 2020-07-16 | 2020-11-06 | 北京理工大学 | 智能辅助驾驶开发装置 |
CN111775934A (zh) * | 2020-07-21 | 2020-10-16 | 湖南汽车工程职业学院 | 一种汽车的智能驾驶避障系统 |
CN111891129A (zh) * | 2020-08-17 | 2020-11-06 | 湖南汽车工程职业学院 | 电动汽车智能驾驶系统 |
CN112053559A (zh) * | 2020-08-25 | 2020-12-08 | 浙江省机电设计研究院有限公司 | 一种高速公路安全态势评估方法及评估系统 |
CN111994066B (zh) * | 2020-10-29 | 2021-01-29 | 北京航空航天大学 | 一种基于智能轮胎触觉感知的智能汽车感知系统 |
CN112699781A (zh) * | 2020-12-29 | 2021-04-23 | 上海眼控科技股份有限公司 | 车灯状态检测方法、装置、计算机设备和可读存储介质 |
CN115837821A (zh) * | 2022-11-29 | 2023-03-24 | 应急管理部四川消防研究所 | 一种伴随运输机器人的动态平衡方法和系统 |
CN115837821B (zh) * | 2022-11-29 | 2024-02-02 | 应急管理部四川消防研究所 | 一种伴随运输机器人的动态平衡方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111221342A (zh) | 一种自动驾驶汽车环境感知系统 | |
CN111095291B (zh) | 由自动驾驶车辆实时检测车道和边界 | |
CN110494863B (zh) | 确定自主车辆的可驾驶自由空间 | |
CN113168505B (zh) | 用于自主驾驶机器的基于回归的线检测 | |
US11675359B2 (en) | Path detection for autonomous machines using deep neural networks | |
JP6838248B2 (ja) | 情報処理装置 | |
Gavrila et al. | Real time vision for intelligent vehicles | |
WO2020190781A1 (en) | Leveraging multidimensional sensor data for computationally efficient object detection | |
JP4624594B2 (ja) | 物体認識方法および物体認識装置 | |
CN113785302A (zh) | 自主机器应用中的路口姿态检测 | |
CN113228042A (zh) | 自主机器应用中障碍物检测的距离 | |
WO2020112213A2 (en) | Deep neural network processing for sensor blindness detection in autonomous machine applications | |
CN112347829A (zh) | 利用障碍物和车道检测来确定环境中对象的车道分配 | |
US11900692B2 (en) | Multi-modal, multi-technique vehicle signal detection | |
US20180341822A1 (en) | Method and system for classifying objects in a perception scene graph by using a scene-detection-schema | |
CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
CN113348122A (zh) | 从传感器视场排除车辆的模型 | |
CN112771858A (zh) | 自动车辆的相机评估技术 | |
CN115136148A (zh) | 投影使用鱼眼镜头捕获的图像用于自主机器应用中的特征检测 | |
CN114228491A (zh) | 具有夜视增强虚拟现实抬头显示系统及方法 | |
CN116767245A (zh) | 使用自主系统和应用的神经网络的地图信息对象数据管理 | |
CN112485784A (zh) | 内轮差区域内目标的危险系数确定方法、装置、电子设备及存储介质 | |
Kim et al. | An intelligent and integrated driver assistance system for increased safety and convenience based on all-around sensing | |
KR102612821B1 (ko) | 차량용 전자 장치 및 차량용 전자 장치의 동작 방법 | |
US11227409B1 (en) | Camera assessment techniques for autonomous vehicles |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200602 |