CN111401446A - 单传感器、多传感器车道线合理性检测方法、系统及车辆 - Google Patents
单传感器、多传感器车道线合理性检测方法、系统及车辆 Download PDFInfo
- Publication number
- CN111401446A CN111401446A CN202010182942.1A CN202010182942A CN111401446A CN 111401446 A CN111401446 A CN 111401446A CN 202010182942 A CN202010182942 A CN 202010182942A CN 111401446 A CN111401446 A CN 111401446A
- Authority
- CN
- China
- Prior art keywords
- lane line
- sensor
- information
- lane
- rationality
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 238000004140 cleaning Methods 0.000 claims abstract description 8
- 238000007499 fusion processing Methods 0.000 claims abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 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
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种单传感器、多传感器车道线合理性检测方法、系统及车辆,包括:步骤一、获取道路信息,所述道路信息包括车道线信息;步骤二、从道路信息中提取出车道线信息,并做数据预处理,预处理根据特性做原始数据的数据清洗;步骤三、若步骤二中提取到车道线数据,则缓存获取到的车道线,保存为车道线历史信息;步骤四、分析当前车道线的合理性。本发明针对单传感器,能够基于车道线特性判断单传感器输出的车道线合理性以及可用性;在多传感器数据融合过程中,能够选择合理的车道线信息进行车道线融合,并且能够对融合后的车道线信息进行合理性检测,减少了下游环节使用车道线信息的风险。
Description
技术领域
本发明属于汽车自动驾驶传感数据融合技术领域,具体涉及一种单传感器、多传感器车道线合理性检测方法、系统及车辆。
背景技术
随着各行各业自动化产品的大量出现,汽车行业的自动驾驶也成为新一轮技术研究的热潮。就目前的行业技术,实现结构化道路的自动驾驶成为了本领域的主要方向之一。车道线是结构化道路信息必不可少之一,对车辆驾驶控制有着关键性的作用。但车道线传感数据的主要来源于高精度地图数据库或者道路图像检测,从而导致部分场景匹配效果不佳,获取的位置不准确或者图像提取点参数拟合误差大。
因此,有必要开发一种新的单传感器、多传感器车道线合理性检测方法、系统及车辆。
发明内容
本发明的目的是提供一种单传感器车道线合理性检测方法、系统和车辆;能基于车道线特性判断单传感器输出的车道线合理性以及可用性。
本发明的另一目的是提供一种多传感器车道线合理性检测方法、系统和车辆,在多传感器数据融合过程中,能选择合理的车道线信息进行车道线融合,并且能对融合后的车道线信息进行合理性检测,能减少下游环节使用车道线信息的风险。
第一方面,一种单传感器车道线合理性检测方法,包括以下步骤:
步骤一、获取道路信息,所述道路信息包括车道线信息;
步骤二、从道路信息中提取出车道线信息,并做数据预处理,预处理根据特性做原始数据的数据清洗;
步骤三、若步骤二中提取到车道线数据,则缓存获取到的车道线,保存为车道线历史信息;
步骤四、分析当前车道线的合理性,具体为:
选取最近上报的m次车道线的系数方程,获取采集车道线的时间T0与当前时间T1,计算时间差Td,Td=T1-T0,计算Td时刻本车到各车道线的距离At;并计算m个距离At的平均值,获得当前预测A0,当前预测A0为最近m次车道线信息预测出的数据,代表预测的当前车道线A0;
将实测车道线A0'与当前预测A0相减对比;
如果当前预测A0与实测车道线A0'的距离相差小于预设距离阈值,则认为当前实测车道线A0'合理;反之,则认为不合理。
第二方面,本发明所述的一种单感器车道线合理性检测系统,包括存储器和处理器,所述存储器内存储有一个或多个计算机可读程序,所述计算机可读程序被一个或多个处理器调用执行时,能实现如本发明所述的单传感器车道线合理性检测方法的步骤。
第二方面,本发明所述的一种多传感器车道线合理性检测方法,包括以下步骤:
(1)单传感器车道线信息合理性检测
步骤1-1、获取道路信息,所述道路信息包括车道线信息;
步骤1-2、从道路信息中提取出车道线信息,并做数据预处理,预处理根据特性做原始数据的数据清洗;
步骤1-3、若步骤1-2中提取到车道线数据,则缓存获取到的车道线,保存为车道线历史信息;
步骤1-4、分析当前车道线的合理性,具体为:
选取最近上报的m次车道线的系数方程,获取采集车道线的时间T0与当前时间T1,计算时间差Td,Td=T1-T0,计算Td时刻本车到各车道线的距离At;并计算m个距离At的平均值,获得当前预测A0,当前预测A0为最近m次车道线信息预测出的数据,代表预测的当前车道线A0;
将实测车道线A0'与当前预测A0相减对比;
如果当前预测A0与实测车道线A0'的距离相差小于预设距离阈值,则认为当前实测车道线A0'合理;反之,则认为不合理;
(2)多传感器车道线选择性融合处理
步骤2-1、获取各传感器车道线数据,并删除异常的传感器数据;
步骤2-2、根据传感器特性以及车道线的准确性程度,给出各传感器数据的优先级,对各传感器数据信息进行融合,输出融合后的车道线信息;
(3)融合车道线合理性检测
步骤3-1、缓存融合后的车道线信息;
步骤3-2、结合融合的车道线历史信息以及单传感器车道线信息二次检测融合的车道线信息,并输出合理性判定结果,具体为:
A、记录本次多传感器融合后的车道线;
B、计算当前融合的车道线与历史融合车道线的差值平均值以及差值方差;并与设定的差值平均值阈值和差值方差阈值进行相减对比,当差值平均值小于差值平均值阈值,且差值方差小于差值方差阈值时,则认为当前融合的车道线为合理;否则认为不合理。
第四方面,本发明所述的一种多感器车道线合理性检测系统,包括存储器和处理器,所述存储器内存储有一个或多个计算机可读程序,所述计算机可读程序被一个或多个处理器调用执行时,能实现如本发明所述的多传感器车道线合理性检测方法的步骤。
第五方面,本发明所述的一种车辆,采用如本发明所述的单感器车道线合理性检测系统。
第六方面,本发明所述的一种车辆,采用如本发明所述的多感器车道线合理性检测系统。
本发明具有以下优点:
(1)针对单传感器,能够基于车道线特性判断单传感器输出的车道线合理性以及可用性;
(2)在多传感器数据融合过程中,能够选择合理的车道线信息进行车道线融合,并且能够对融合后的车道线信息进行合理性检测,减少了下游环节使用车道线信息的风险。
附图说明
图1为本发明的单传感器车道线合理性检测流程图;
图2为本发明的多传感器车道线合理性检测流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示,一种单传感器车道线合理性检测方法,包括以下步骤:
步骤一、获取道路信息,所述道路信息包括车道线信息。
本实施例中,道路信息的获取可来源于摄像头或者高精度地图信息;摄像头采用图像处理方式;高精度地图采用现场环境匹配方式。
步骤二、从道路信息中提取出车道线信息,并做数据预处理,预处理根据特性做原始数据的数据清洗。
本实施例中,摄像头采用图像处理方式提取道路信息中的车道线信息;高精度地图采用现场环境匹配方式,获取当前位置的数据库信息;采用大数据处理方式清理获取的车道线信息。
步骤三、若步骤二中提取到车道线数据,则缓存获取到的车道线,保存为车道线历史信息;本实施例中,一般缓存车道线信息帧数为50。
步骤四、分析当前车道线的合理性,具体为:
选取最近上报的m次(本实施例中,m=10)车道线的系数方程,获取采集车道线的时间T0与当前时间T1,计算时间差Td,Td=T1-T0,计算Td时刻本车到各车道线的距离At;并计算m个距离At的平均值,获得当前预测A0;当前预测A0为最近m次车道线信息预测出的数据,代表预测的当前车道线A0;
将实测车道线A0'与当前预测A0相减对比;
如果当前预测A0与实测车道线A0'距离相差小于预设距离阈值,则认为当前实测车道线A0'合理;反之,则认为不合理。
本实施例中,一种单感器车道线合理性检测系统,包括存储器和处理器,所述存储器内存储有一个或多个计算机可读程序,所述计算机可读程序被一个或多个处理器调用执行时,能实现如本实施例中所述的单传感器车道线合理性检测方法的步骤。
本实施例中,一种多传感器车道线合理性检测方法,包括以下步骤:
(1)单传感器车道线信息合理性检测
步骤1-1、获取道路信息,所述道路信息包括车道线信息;
步骤1-2、从道路信息中提取出车道线信息,并做数据预处理,预处理根据特性做原始数据的数据清洗;
步骤1-3、若步骤1-2中提取到车道线数据,则缓存获取到的车道线,保存为车道线历史信息;
步骤1-4、分析当前车道线的合理性,具体为:
选取最近上报的m次车道线的系数方程,获取采集车道线的时间T0与当前时间T1,计算时间差Td,Td=T1-T0,计算Td时刻本车到各车道线的距离At;并计算m个距离At的平均值,获得当前预测A0;当前预测A0为最近m次车道线信息预测出的数据,代表预测的当前车道线A0;
将实测车道线A0'与当前预测A0相减对比;
如果当前预测A0与实测车道线A0'距离相差小于预设距离阈值,则认为当前实测车道线A0'合理;反之,则认为不合理。
(2)多传感器车道线选择性融合处理
步骤2-1、获取各传感器车道线数据,并删除异常的传感器数据,比如:当地图数据存在异常时,本次多传感器车道线融合时就不舍去地图数据;
步骤2-2、根据传感器特性(供应商给出的准确性以及测试验证信息)以及车道线的准确性程度(传感器提供的可信度),给出各传感器数据的优先级,对各传感器数据信息进行融合,输出融合后的车道线信息;
(3)融合车道线合理性检测
步骤3-1、缓存融合后的车道线信息;
步骤3-2、结合融合的车道线历史信息以及单传感器车道线信息再次融合(历史融合车道线与当前多传感器融合策略下)的车道线信息,并输出合理性判定结果,具体为:
A、记录本次多传感器融合后的车道线;
B、计算当前融合的车道线与历史融合车道线的差值平均值以及差值方差;并与设定的差值平均值阈值和差值方差阈值进行相减对比,当差值平均值小于差值平均值阈值,且差值方差小于差值方差阈值时,则认为当前融合的车道线为合理;否则认为不合理。
本实施例中,一种多感器车道线合理性检测系统,包括存储器和处理器,其特征在于:所述存储器内存储有一个或多个计算机可读程序,所述计算机可读程序被一个或多个处理器调用执行时,能实现如本实施例中所述的多传感器车道线合理性检测方法的步骤。
本实施例中,一种车辆,采用如本实施例中所述的单感器车道线合理性检测系统。
本实施例中,一种车辆,采用如本实施例中所述的多感器车道线合理性检测系统。
Claims (6)
1.一种单传感器车道线合理性检测方法,其特征在于:包括以下步骤:
步骤一、获取道路信息,所述道路信息包括车道线信息;
步骤二、从道路信息中提取出车道线信息,并做数据预处理,预处理根据特性做原始数据的数据清洗;
步骤三、若步骤二中提取到车道线数据,则缓存获取到的车道线,保存为车道线历史信息;
步骤四、分析当前车道线的合理性,具体为:
选取最近上报的m次车道线的系数方程,获取采集车道线的时间T0与当前时间T1,计算时间差Td,Td=T1-T0,计算Td时刻本车到各车道线的距离At;并计算m个距离At的平均值,获得当前预测A0,当前预测A0为最近m次车道线信息预测出的数据,代表预测的当前车道线A0;
将实测车道线A0'与当前预测A0相减对比;
如果当前预测A0与实测车道线A0'的距离相差小于预设距离阈值,则认为当前实测车道线A0'合理;反之,则认为不合理。
2.一种单感器车道线合理性检测系统,包括存储器和处理器,其特征在于:所述存储器内存储有一个或多个计算机可读程序,所述计算机可读程序被一个或多个处理器调用执行时,能实现如权利要求1所述的单传感器车道线合理性检测方法的步骤。
3.一种多传感器车道线合理性检测方法,其特征在于:包括以下步骤:
(1)单传感器车道线信息合理性检测
步骤1-1、获取道路信息,所述道路信息包括车道线信息;
步骤1-2、从道路信息中提取出车道线信息,并做数据预处理,预处理根据特性做原始数据的数据清洗;
步骤1-3、若步骤1-2中提取到车道线数据,则缓存获取到的车道线,保存为车道线历史信息;
步骤1-4、分析当前车道线的合理性,具体为:
选取最近上报的m次车道线的系数方程,获取采集车道线的时间T0与当前时间T1,计算时间差Td,Td=T1-T0,计算Td时刻本车到各车道线的距离At;并计算m个距离At的平均值,获得当前预测A0,当前预测A0为最近m次车道线信息预测出的数据,代表预测的当前车道线A0;
将实测车道线A0'与当前预测A0相减对比;
如果当前预测A0与实测车道线A0'的距离相差小于预设距离阈值,则认为当前实测车道线A0'合理;反之,则认为不合理;
(2)多传感器车道线选择性融合处理
步骤2-1、获取各传感器车道线数据,并删除异常的传感器数据;
步骤2-2、根据传感器特性以及车道线的准确性程度,给出各传感器数据的优先级,对各传感器数据信息进行融合,输出融合后的车道线信息;
(3)融合车道线合理性检测
步骤3-1、缓存融合后的车道线信息;
步骤3-2、结合融合的车道线历史信息以及单传感器车道线信息二次检测融合的车道线信息,并输出合理性判定结果,具体为:
A、记录本次多传感器融合后的车道线;
B、计算当前融合的车道线与历史融合车道线的差值平均值以及差值方差;并与设定的差值平均值阈值和差值方差阈值进行相减对比,当差值平均值小于差值平均值阈值,且差值方差小于差值方差阈值时,则认为当前融合的车道线为合理;否则认为不合理。
4.一种多感器车道线合理性检测系统,包括存储器和处理器,其特征在于:所述存储器内存储有一个或多个计算机可读程序,所述计算机可读程序被一个或多个处理器调用执行时,能实现如权利要求3所述的多传感器车道线合理性检测方法的步骤。
5.一种车辆,其特征在于:采用如权利要求2所述的单感器车道线合理性检测系统。
6.一种车辆,其特征在于:采用如权利要求4所述的多感器车道线合理性检测系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010182942.1A CN111401446A (zh) | 2020-03-16 | 2020-03-16 | 单传感器、多传感器车道线合理性检测方法、系统及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010182942.1A CN111401446A (zh) | 2020-03-16 | 2020-03-16 | 单传感器、多传感器车道线合理性检测方法、系统及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111401446A true CN111401446A (zh) | 2020-07-10 |
Family
ID=71432425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010182942.1A Pending CN111401446A (zh) | 2020-03-16 | 2020-03-16 | 单传感器、多传感器车道线合理性检测方法、系统及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401446A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112373474A (zh) * | 2020-11-23 | 2021-02-19 | 重庆长安汽车股份有限公司 | 车道线融合及横向控制方法、系统、车辆及存储介质 |
CN114084129A (zh) * | 2021-10-13 | 2022-02-25 | 武汉光庭信息技术股份有限公司 | 一种基于融合的车辆自动驾驶控制方法及系统 |
CN114353817A (zh) * | 2021-12-28 | 2022-04-15 | 重庆长安汽车股份有限公司 | 多源传感器车道线确定方法、系统、车辆及计算机可读存储介质 |
CN114926813A (zh) * | 2022-05-16 | 2022-08-19 | 北京主线科技有限公司 | 车道线融合方法、装置、设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060220912A1 (en) * | 2003-07-31 | 2006-10-05 | Heenan Adam J | Sensing apparatus for vehicles |
CN202163431U (zh) * | 2011-06-30 | 2012-03-14 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置 |
CN102806913A (zh) * | 2011-05-31 | 2012-12-05 | 德尔福电子(苏州)有限公司 | 一种新型的车道线偏离检测方法及装置 |
CN103057470A (zh) * | 2012-12-06 | 2013-04-24 | 重庆交通大学 | 一种车辆违章压线预先提示装置及其提示方法 |
CN103940434A (zh) * | 2014-04-01 | 2014-07-23 | 西安交通大学 | 基于单目视觉和惯性导航单元的实时车道线检测系统 |
JP2016101783A (ja) * | 2014-11-27 | 2016-06-02 | トヨタ自動車株式会社 | 逸脱判定装置 |
EP3073224A1 (en) * | 2015-03-27 | 2016-09-28 | Panasonic Automotive Systems Europe GmbH | Sensor data fusion based on digital map information |
CN106203273A (zh) * | 2016-06-27 | 2016-12-07 | 开易(北京)科技有限公司 | 多特征融合的车道线检测系统、方法及高级驾驶辅助系统 |
CN106767853A (zh) * | 2016-12-30 | 2017-05-31 | 中国科学院合肥物质科学研究院 | 一种基于多信息融合的无人驾驶车辆高精度定位方法 |
GB201713958D0 (en) * | 2016-09-08 | 2017-10-18 | Ford Global Tech Llc | Perceiving roadway conditions from fused sensor data |
CN108875603A (zh) * | 2018-05-31 | 2018-11-23 | 上海商汤智能科技有限公司 | 基于车道线的智能驾驶控制方法和装置、电子设备 |
CN110705444A (zh) * | 2019-09-27 | 2020-01-17 | 四川长虹电器股份有限公司 | 车道跟踪系统及方法 |
-
2020
- 2020-03-16 CN CN202010182942.1A patent/CN111401446A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060220912A1 (en) * | 2003-07-31 | 2006-10-05 | Heenan Adam J | Sensing apparatus for vehicles |
CN102806913A (zh) * | 2011-05-31 | 2012-12-05 | 德尔福电子(苏州)有限公司 | 一种新型的车道线偏离检测方法及装置 |
CN202163431U (zh) * | 2011-06-30 | 2012-03-14 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置 |
CN103057470A (zh) * | 2012-12-06 | 2013-04-24 | 重庆交通大学 | 一种车辆违章压线预先提示装置及其提示方法 |
CN103940434A (zh) * | 2014-04-01 | 2014-07-23 | 西安交通大学 | 基于单目视觉和惯性导航单元的实时车道线检测系统 |
JP2016101783A (ja) * | 2014-11-27 | 2016-06-02 | トヨタ自動車株式会社 | 逸脱判定装置 |
EP3073224A1 (en) * | 2015-03-27 | 2016-09-28 | Panasonic Automotive Systems Europe GmbH | Sensor data fusion based on digital map information |
CN106203273A (zh) * | 2016-06-27 | 2016-12-07 | 开易(北京)科技有限公司 | 多特征融合的车道线检测系统、方法及高级驾驶辅助系统 |
GB201713958D0 (en) * | 2016-09-08 | 2017-10-18 | Ford Global Tech Llc | Perceiving roadway conditions from fused sensor data |
CN106767853A (zh) * | 2016-12-30 | 2017-05-31 | 中国科学院合肥物质科学研究院 | 一种基于多信息融合的无人驾驶车辆高精度定位方法 |
CN108875603A (zh) * | 2018-05-31 | 2018-11-23 | 上海商汤智能科技有限公司 | 基于车道线的智能驾驶控制方法和装置、电子设备 |
CN110705444A (zh) * | 2019-09-27 | 2020-01-17 | 四川长虹电器股份有限公司 | 车道跟踪系统及方法 |
Non-Patent Citations (2)
Title |
---|
白云龙等: "汽车多传感器融合技术应用", 《时代汽车》 * |
石涌泉等: "驾驶人视觉分心时转向操作和车道偏离特性研究", 《中国安全科学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112373474A (zh) * | 2020-11-23 | 2021-02-19 | 重庆长安汽车股份有限公司 | 车道线融合及横向控制方法、系统、车辆及存储介质 |
CN112373474B (zh) * | 2020-11-23 | 2022-05-17 | 重庆长安汽车股份有限公司 | 车道线融合及横向控制方法、系统、车辆及存储介质 |
CN114084129A (zh) * | 2021-10-13 | 2022-02-25 | 武汉光庭信息技术股份有限公司 | 一种基于融合的车辆自动驾驶控制方法及系统 |
CN114353817A (zh) * | 2021-12-28 | 2022-04-15 | 重庆长安汽车股份有限公司 | 多源传感器车道线确定方法、系统、车辆及计算机可读存储介质 |
CN114353817B (zh) * | 2021-12-28 | 2023-08-15 | 重庆长安汽车股份有限公司 | 多源传感器车道线确定方法、系统、车辆及计算机可读存储介质 |
CN114926813A (zh) * | 2022-05-16 | 2022-08-19 | 北京主线科技有限公司 | 车道线融合方法、装置、设备及存储介质 |
CN114926813B (zh) * | 2022-05-16 | 2023-11-21 | 北京主线科技有限公司 | 车道线融合方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401446A (zh) | 单传感器、多传感器车道线合理性检测方法、系统及车辆 | |
US20230137183A1 (en) | Vehicular environment estimation device | |
US20230079730A1 (en) | Control device, scanning system, control method, and program | |
CN109099920B (zh) | 基于多传感器关联的传感器目标精确定位方法 | |
KR20170041795A (ko) | 주변 지도 생성 방법 및 운전자 보조 시스템 | |
US11748593B2 (en) | Sensor fusion target prediction device and method for vehicles and vehicle including the device | |
CN111959515B (zh) | 一种基于视觉检测的前向目标选择方法、装置及系统 | |
WO2019073024A1 (en) | WAY DETECTION METHOD | |
CN115993597A (zh) | 一种视觉雷达感知融合方法及终端设备 | |
CN114396958B (zh) | 基于多车道多传感器的车道定位方法、系统及车辆 | |
CN112200240A (zh) | 一种多传感器目标数据融合方法、系统及计算机可读存储介质 | |
WO2022264533A1 (ja) | 検知枠位置精度向上システム、及び検知枠位置補正方法 | |
JP4111015B2 (ja) | 道路形状認識装置 | |
CN113947158A (zh) | 用于智能车辆的数据融合方法及装置 | |
CN112652006A (zh) | 感测车辆周围环境中的物体的方法,数据处理设备,计算机程序产品和计算机可读数据介质 | |
CN104965980B (zh) | 野值剔除方法及装置 | |
CN116244291A (zh) | 运动目标数据的合理性检测方法、装置、电子设备及介质 | |
CN117150229A (zh) | 一种数据处理方法、装置、设备及介质 | |
CN116215574A (zh) | 车辆的多目标关联方法、装置、车辆及存储介质 | |
CN117992803B (zh) | 一种基于钢结构健康的多尺度结合监测方法及系统 | |
CN112924960B (zh) | 目标尺寸实时检测方法、系统、车辆及存储介质 | |
CN114170270A (zh) | 单、多传感器多目标关联匹配方法、系统及车辆 | |
CN115630335A (zh) | 一种基于多传感器融合和深度学习模型道路信息生成方法 | |
CN118443033A (zh) | 地图质量检测方法、存储介质、智能设备及自动驾驶方法 | |
CN115342819A (zh) | 无模型车道跟踪系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200710 |
|
RJ01 | Rejection of invention patent application after publication |