CN111640301A - 故障车辆的检测方法、系统、装置、电子设备及存储介质 - Google Patents

故障车辆的检测方法、系统、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111640301A
CN111640301A CN202010450293.9A CN202010450293A CN111640301A CN 111640301 A CN111640301 A CN 111640301A CN 202010450293 A CN202010450293 A CN 202010450293A CN 111640301 A CN111640301 A CN 111640301A
Authority
CN
China
Prior art keywords
vehicle
position information
triangle
image
determining
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
CN202010450293.9A
Other languages
English (en)
Other versions
CN111640301B (zh
Inventor
刘博�
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.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010450293.9A priority Critical patent/CN111640301B/zh
Publication of CN111640301A publication Critical patent/CN111640301A/zh
Application granted granted Critical
Publication of CN111640301B publication Critical patent/CN111640301B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例公开了故障车辆的检测方法、系统、装置、电子设备及存储介质，涉及智能交通技术领域。具体实现方案为：采集道路的图像，根据图像确定三角牌的位置信息，并确定三角牌在道路上对应的车道线，根据三角牌的位置信息和车道线生成故障车辆的位置信息，通过对图像的分析确定故障车辆的位置信息，避免了相关技术中通过人工采集方式时造成的人力资源成本偏高的问题，且通过根据三角牌的位置信息和车道线对故障车辆的位置信息进行确定，充分考虑了三角牌与故障车辆之间的位置关系，且充分考虑了故障车辆与车道线之间的位置信息，从而可以提高确定出的故障车辆的位置信息的准确性和可靠性的技术效果。

Description

故障车辆的检测方法、系统、装置、电子设备及存储介质
技术领域
本申请涉及图像处理技术领域，具体涉及智能交通技术领域，尤其涉及一种故障车辆的检测方法、系统、装置、电子设备及存储介质。
背景技术
随着汽车量的逐年增加，道路上发生交通事故的频率也逐年升高，因此，提前检测出道路上的故障车辆并进行播报是十分有意义的。
在现有技术中，主要采用人工采集方式对故障车辆的位置信息进行采集，如工作人员开车巡查，当发现故障车辆时，通过全站仪或者手持全球定位系统(GlobalPositioning System，GPS)等，获取并记录故障车辆的位置信息。
然而发明人在实现本申请的过程中，发现至少存在如下问题：由于通过人工采集，因此容易造成人工费用偏高且效率较低的问题。
发明内容
提供了一种用于解决上述技术问题的故障车辆的检测方法、装置、系统、设备及存储介质。
根据第一方面，提供了一种故障车辆的检测方法，所述方法包括：
采集道路的图像；
根据所述图像确定三角牌的位置信息，并确定所述三角牌在所述道路上对应的车道线；
根据所述三角牌的位置信息和所述车道线生成故障车辆的位置信息。
在本申请实施例中，通过对图像的分析确定故障车辆的位置信息，避免了相关技术中通过人工采集方式时造成的人力资源成本偏高的问题，且避免了相关技术中通过上报方式造成的时间滞后，效率偏低且准确性偏低的问题，且通过根据三角牌的位置信息和车道线对故障车辆的位置信息进行确定，充分考虑了三角牌与故障车辆之间的位置关系，且充分考虑了故障车辆与车道线之间的位置信息，从而可以提高确定出的故障车辆的位置信息的准确性和可靠性的技术效果。
根据第二方面，本申请实施例提供了一种故障车辆的检测装置，所述装置包括：
采集模块，用于采集道路的图像；
确定模块，用于根据所述图像确定三角牌的位置信息，并确定所述三角牌在所述道路上对应的车道线；
生成模块，用于根据所述三角牌的位置信息和所述车道线生成故障车辆的位置信息。
根据第三方面，本申请实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一实施例所述的方法。
根据第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上任一实施例所述的方法。
根据第五方面，本申请实施例提供了一种故障车辆的检测系统，所述系统包括：
图像采集装置，用于对道路的图像进行采集，并将所述图像发送至故障车辆的检测装置；
所述故障车辆的检测装置，用于执行如上实施例所述的方法，并将故障车辆的位置信息发送至云端服务器；
所述云端服务器，用于对所述故障车辆的位置信息进行广播。
根据本申请的采集道路的图像，根据图像确定三角牌的位置信息，并确定三角牌在道路上对应的车道线，根据三角牌的位置信息和车道线生成故障车辆的位置信息的技术，通过对图像的分析确定故障车辆的位置信息，避免了相关技术中通过人工采集方式时造成的人力资源成本偏高的问题，且避免了相关技术中通过上报方式造成的时间滞后，效率偏低且准确性偏低的问题，且通过根据三角牌的位置信息和车道线对故障车辆的位置信息进行确定，充分考虑了三角牌与故障车辆之间的位置关系，且充分考虑了故障车辆与车道线之间的位置信息，从而可以提高确定出的故障车辆的位置信息的准确性和可靠性的技术效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例的故障车辆的检测方法的应用场景示意图；
图2为本申请一个实施例的故障车辆的检测方法的流程示意图；
图3为本申请另一实施例的故障车辆的检测方法的流程示意图；
图4为本申请实施例的朝向角的示意图；
图5为本申请实施例的搜索区域的示意图；
图6为本申请又一实施例的故障车辆的检测方法的流程示意图；
图7为本申请一个实施例的故障车辆的检测装置的示意图；
图8为本申请另一实施例的故障车辆的检测装置的示意图
图9为本申请实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请实施例的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请实施例的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
请参阅图1，图1为本申请实施例的故障车辆的检测方法的应用场景示意图。
在如图1所示的应用场景中，设置于道路至少一侧的图像采集装置100可以对道路的图像进行采集，若道路上有车辆行驶，或者有行人路过等，则采集到的图像中还包括车辆和行人等。
在一些实施例中，可以将图像采集装置设置在道路的路口，且图像采集装置具体可以为摄像头。
如图1所示，图像采集装置100可以与设置于道路至少一侧的路侧单元(Road SideUnit，RSU)200连接，并将采集到的图像发送至路侧单元200。
其中，路侧单元200可以对图像进行分析的分析，以检测道路上是否存在故障车辆，如果检测出道路上存在故障车辆，则可进一步确定故障车辆的相关信息，如位置信息等，并将故障车辆的相关信息发送至云端服务器300。且路侧单元200当故障车辆被移除时，即路侧单元200基于图像确定出道路上没有故障车辆时，可以向云端服务器300发送用于指示交通故障已经被解除的消息。
值得说明的是，此处只是结合具体地应用场景对本申请实施例的故障车辆的检测方法进行示范性地描述，而不能理解为对应用场景的具体限定。如，在一些实施例中，路侧单元200还可以为其他具有图像识别功能的单元。当然，也可以直接在图像采集装置100中设置具有图像识别功能的单元或芯片，由图像采集装置100对道路的图像进行采集并分析。
其中，云端服务器300还可以与接入至云端服务器的车辆进行通信。当云端服务器300接收到路侧单元200发送的故障车辆的相关信息时，可以将相关信息发送至车辆；或者，云端服务器300接收到路侧单元200发送的故障车辆已被移除的消息时，可以将故障车辆已被移除的消息发送至车辆。
值得说明地是，车辆在接收到云端服务器300发送的故障车辆的相关信息时，可以适应性地调整驾驶策略，如减速和重新选择行驶路线等，从而实现安全驾驶。
在相关技术中，主要采用两种方式对故障车辆进行检测，一种为人工采集方式，如工作人员开车巡查，当发现故障车辆时，通过全站仪或者手持全球定位系统(GlobalPositioning System，GPS)等，获取并记录故障车辆的位置信息；另一种上报方式，如借助于每天在路上行走的行人或者行驶的车辆上报的故障车辆的位置信息。
然而，通过人工采集方式容易造成人工费用偏高且效率较低的问题，而通过上报方式容易造成消息滞后且可靠性偏低的问题。
本申请的发明人在经过创造性劳动之后，得到本申请的发明构思：根据三角牌的位置信息和三角牌所在的车道线，对故障车辆的位置信息进行确定。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
根据本申请实施例的一个方面，本申请实施例提供了一种故障车辆的检测方法。
请参阅图2，图2为本申请一个实施例的故障车辆的检测方法的流程示意图。
如图2所示，该方法包括：
S101：采集道路的图像。
其中，本申请实施例的执行主体可以为故障车辆的检测装置(下文简称检测装置)，且检测装置可以为具有图像识别功能的设备或芯片，如具有图像识别功能的处理器，又如具有图像识别功能的芯片，又如具有图像处理功能的计算单元，等等。
且若本申请实施例的故障车辆的检测方法应用于如图1所示的应用场景时，检测装置可以为如图1中所示的路侧单元，也可以为如图1中所示的图像采集装置。
其中，该步骤中采集到的图像包括路面以及道路上的人或物的图像。如，路面包括车道线、路沿和护栏等。
S102：根据图像确定三角牌的位置信息，并确定三角牌在道路上对应的车道线。
其中，三角牌的位置信息是以世界坐标系为基础的位置信息，因此，根据图像确定三角牌的位置信息可以具体包括：对图像进行识别，确定三角牌在图像中的位置信息，即确定三角牌的以图像坐标系为基础的位置信息，对三角牌在图像中的位置信息进行坐标转换，转换为以世界坐标系为基础的位置信息。
在一些实施例中，确定三角牌在道路上对应的车道线可以具体包括：获取各车道线的位置信息(以世界坐标系为基础的位置信息)，将三角牌的位置信息与各车道线的位置信息进行匹配，将匹配度最高的车道线确定为与三角牌对应的车道线。
S103：根据三角牌的位置信息和车道线生成故障车辆的位置信息。
值得说明地是，故障车辆与三角牌之间存在一定的关联关系，如三角牌位于故障车辆的后方，且二者之间的距离会在一定的范围内，且若确定出三角牌所在的车道线，则相当于确定出故障车辆所在的车道线，所以，当基于三角牌的位置信息和车道线对故障车辆的位置信息进行确定时，可以提高确定出的故障车辆的位置信息的可靠性和准确性。
基于上述分析可知，本申请实施例提供了一种故障车辆的检测方法，该方法包括：采集道路的图像，根据图像确定三角牌的位置信息，并确定三角牌在道路上对应的车道线，根据三角牌的位置信息和车道线生成故障车辆的位置信息，通过对图像的分析确定故障车辆的位置信息，避免了相关技术中通过人工采集方式时造成的人力资源成本偏高的问题，且避免了相关技术中通过上报方式造成的时间滞后，效率偏低且准确性偏低的问题，且通过根据三角牌的位置信息和车道线对故障车辆的位置信息进行确定，充分考虑了三角牌与故障车辆之间的位置关系，且充分考虑了故障车辆与车道线之间的位置信息，从而可以提高确定出的故障车辆的位置信息的准确性和可靠性的技术效果。
为使读者更加深刻地理解本申请实施例中确定故障车辆的位置信息的方法，现结合图3对本申请实施例进行详细地阐述。其中，图3为本申请另一实施例的故障车辆的检测方法的流程示意图。
如图3所示，该方法包括：
S201：采集道路的图像。
其中，关于S201的描述可参见S101，此处不再赘述。
S202：根据图像确定三角牌的位置信息，并确定三角牌在道路上对应的车道线。
其中，关于S202的描述可参见S102，此处不再赘述。
S203：根据三角牌的位置信息确定车道线的朝向角。
其中，朝向角是指在世界坐标系的基础上，以三角牌的位置信息为原点，经过原点的车道线在世界坐标系的角度。
具体可参阅图4，在图4中，三角牌的位置信息为世界坐标系的原点O，朝向角θ为车道线与横坐标X之间的夹角。
S204：根据朝向角和预设的在图像中的搜索区域确定故障车辆的位置信息。
其中，搜索区域可以基于需求、经验和试验等进行确定。
在一些实施例中，可以设置搜索参数，根据搜索参数生成搜索区域，搜索参数包括搜索长度和所搜宽度宽度。其中，搜索长度用于表征在纵坐标Y上的搜索的范围，搜索宽度用于表征在横坐标X上的搜索的范围。值得说明的是，一般而言，三角牌位于故障车辆的后方，因此，在纵坐标Y上搜索时，可以是其中的一个方向，而在横坐标X上所搜时，可以为横坐标X左右两个方向，因此，可以将搜索长度设置为h，搜索宽度设置为为2w。
在本申请实施例中，通过根据朝向角和搜索区域确定故障车辆的位置信息，一方面，通过确定搜索区域，可以节约搜索故障车辆的资源；另一方面，通过结合朝向角对故障车辆的位置信息进行确定，可以避免被噪音数据的干扰，从而实现提高确定出的故障车辆的位置信息的准确性。
在一些实施例中，S204可以具体包括：将朝向角确定为搜索方向，根据搜索方向在搜索区域内搜索，确定故障车辆的位置信息。
基于上述示例，三角牌的位置信息为原点O，若搜索长度为h，搜索宽度为2w，则可以基于公式计算搜索区域各点的坐标信息，具体可参阅图5，图5为搜索区域的示意图，如图5所示，搜索区域为由ABCD构成的矩形框。其中，计算搜索区域ABCD各点的坐标信息的公式如下：
XA＝h*cosθ+w*sinθ+XO，YA＝h*sinθ-w*cosθ+YO；
XB＝h*cosθ-w*sinθ+XO，YB＝h*sinθ+w*cosθ+YO；
XC＝XO+w*sinθ，YD＝YO-w*cosθ；
XD＝XO-w*sinθ，YD＝YO+w*cosθ。
也就是说，在本申请实施例中，可以以原点O为搜索的起点，以朝向角θ为搜索的方向，在搜索区域ABCD进行搜索。
值得说明地是，故障车辆一般位于三角牌的前方，因此，当以三角牌为搜索的起点，以朝向角为搜索方向时，可以避免检测时间时间的浪费，提高检测的效率和准确率。且一般而言，三角牌与故障车辆之间的距离不会很远，因此，当在搜索区域内搜索时，提高搜索出故障车辆的效率，且提高搜索的准确率。
在一些实施例中，可以将在搜索区域ABCD中，搜索到的第一辆车，确定为故障车辆。且当确定出故障车辆之后，可以根据图像确定故障车辆以图像坐标系为基础的位置信息，并对确定出的位置信息进行坐标转换，生成以世界坐标系为基础的位置信息，并将该位置信息确定为故障车辆的位置信息。
在另一些实施例中，可以将搜索区域ABCD中，搜索到的所有车辆确定为疑似故障车辆，疑似故障车辆用于表征可能是故障车辆的车辆，若疑似故障车辆的数量为多辆，则分别计算各疑似故障车辆与三角牌之间的距离，并从中选择距离最小的疑似故障车辆，作为故障车辆。
例如，共有3辆疑似故障车辆，则计算每辆疑似故障车辆与三角牌之间的距离，得到三个距离，将三个距离进行比较，从中选择最小的距离，并确定最小的距离对应的疑似故障车辆，且将确定出的疑似故障车辆确定为故障车辆。
其中，疑似故障车辆与三角牌之间的距离的计算，可以通过位置信息实现，即通过疑似故障车辆的位置信息与三角牌的位置信息，计算二者之间的距离，具体地计算可以参见相关技术中的位置信息的计算方法，此处不再赘述。
在本申请实施例中，当道路上发生交通事故时，由于交通事故可能造成交通堵塞，因此，可能造成存在多辆疑似故障车辆，而当有多辆疑似故障车辆时，可以将与三角牌最近的疑似故障车辆确定为故障车辆，从而实现从多辆疑似故障车辆中准确地确定出故障车辆，进而准确地确定出故障车辆的位置信息的技术效果。
为使读者更加深刻地理解本申请实施例的整体流程，现结合图6对本申请实施例进行详细地阐述。其中，图6为本申请又一实施例的故障车辆的检测方法的流程示意图。
如图6所示，该方法包括：
S301：采集道路的图像。
其中，关于S301的描述可参见S101，此处不再赘述。
且在本申请实施例中，图像的数量为多帧。
S302：构建图像的向量图，向量图用于表征三角牌在图像中的出现的次数。
例如，采集到第一帧图像开始，若采集到的图像中包括三角牌，则构建向量图，并为三角牌分配标识ID，并标注三角牌出现的次数，若为第一词出现，则标注1，若在第二帧图像中，又出现该三角牌，则将标注1修改为2，若第二帧图像中没有出现某标识的三角牌时，则可在三角牌对应的次数上减1，且当向量图中某三角牌出现的次数为0时，则将该三角牌的相关信息(如标识和标注记录等)进行删除。同理，向量图中也可以包括各车辆的标识ID和次数。
当然，在向量图中也可以构建三角牌与车辆之间的映射关系，如某帧图像中包括某三角牌，且包括某车辆，则可以构建该三角牌与该车辆之间的关联关系，如果下帧图像中仅包括该三角牌，而不包括该车辆，则可将二者之间的关联关系删除。
在本申请实施例中，通过构建向量图的方式对三角牌在图像中的出现次数进行表征，可以对三角牌的出现次数进行展现，从而实现对在前的图像的追踪与更新，进而实现后续确定出故障车辆的位置信息的可靠性和准确性的技术效果。
S303：判断次数是否大于次数阈值，若是，则执行S304；若否，则返回至S301。
其中，次数阈值可以基于需求、经验和试验等进行设定。且也可以为次数等于次数阈值时，执行S304。
在本申请实施例中，通过将次数与次数阈值进行比较，并当次数大于次数阈值时，执行后续的确定故障车辆的位置信息的步骤，可以避免错误识别，进而提高检测的准确性和可靠性的技术效果。
S304：根据图像确定图像中的各车辆的静止时间。
值得说明地是，采集两帧图像之间存在时间间隔，若第一帧图像中包括某车辆，第五帧图像中也包括某车辆，则说明该车辆的静止时间为采集第五帧图像的时间与采集第一帧图像的时间的差值。
S305：判断静止时间是否大于时间阈值，若是，则执行S306；若否，则返回至S301。
其中，时间阈值可以基于需求、经验和试验等进行设定。且也可以为静止时间等于时间阈值时，执行S306。
S306：确定三角牌的位置信息。
其中，关于S306的描述，可以参见上述示例，此处不再赘述。
值得说明地是，一般而言，三角牌位于故障车辆的后方，因此，当确定出图像中存在三角牌时，可以进一步确定图像中是否包括静止的车辆，且确定静止的车辆的静止时间与时间阈值的大小，如果静止时间小于时间阈值，则说明车辆已经正常行驶，则为了提高检测的准确性，可以不将该车辆确定故障车辆。因此，通过本申请中将静止时间与时间阈值之间的关系，可以提高检测的准确性的技术效果。
S307：确定静止时间大于时间阈值的车辆与三角牌之间的距离。
其中，该步骤可以具体包括：确定静止时间大于时间阈值的车辆的位置信息(下文简称第一位置信息)，根据第一位置信息和三角牌的位置信息进行距离计算，具体计算方法可以参见上述示例，此处不再赘述。
S308：判断距离是否小于距离阈值，若是，则执行S309；若否，则返回至S301。
其中，距离阈值可以基于需求、经验和试验等进行设定。且也可以为距离等于距离阈值时，执行S309。
S309：确定三角牌在道路上对应的车道线。
其中，关于S306的描述，可以参见上述示例，此处不再赘述。
值得说明地是，一般而言，三角牌位于故障车辆的后方，且三角牌与故障车辆之间的距离不会很远，因此，当确定出图像中存在三角牌时，且图像中存在静止车辆时，可以进一步静止车辆与三角牌之间的距离，且确定距离与距离阈值的大小，如果距离大于距离阈值，则说明该车辆可能故障车辆。因此，通过本申请中将距离与距离阈值之间的关系，可以提高检测的准确性的技术效果。
S310：根据三角牌的位置信息和车道线生成故障车辆的位置信息。
其中，关于S310的描述，可以参见上述示例，此处不再赘述。
根据本申请实施例的另一个方面，本申请实施例还提供了一种与上述方法对应故障车辆的检测装置，用于执行如上任一实施例所述的方法，如执行如图2、图3和图6所示的方法。
请参阅图7，图7为本申请一个实施例的故障车辆的检测装置的示意图。
如图7所示，该装置包括：
采集模块11，用于采集道路的图像；
确定模块12，用于根据所述图像确定三角牌的位置信息，并确定所述三角牌在所述道路上对应的车道线；
生成模块13，用于根据所述三角牌的位置信息和所述车道线生成故障车辆的位置信息。
在一些实施例中，所述生成模块13用于，根据所述三角牌的位置信息确定所述车道线的朝向角，根据所述朝向角和预设的在图像中的搜索区域确定所述故障车辆的位置信息。
在一些实施例中，所述生成模块13用于，将所述朝向角确定为搜索方向，根据所述搜索方向在所述搜索区域内搜索，确定所述故障车辆的位置信息。
在一些实施例中，所述生成模块13用于，若搜索到的疑似故障车辆为多辆，则计算各所述疑似故障车辆与所述三角牌之间的距离，选择与所述三角牌之间的距离最小的疑似故障车辆作为故障车辆。
在一些实施例中，所述图像的数量为多帧，所述确定模块12用于，确定所述三角牌在所述图像中的出现的次数，若所述次数大于预设的次数阈值，则确定所述三角牌的位置信息。
结合图8可知，在一些实施例中，所述装置还包括：
构件模块14，用于构建所述图像的向量图，所述向量图用于表征所述三角牌在所述图像中的出现的次数。
在一些实施例中，所述确定模块12用于，根据所述图像确定所述图像中的各车辆的静止时间，若任一车辆的静止时间大于预设的时间阈值，则确定所述三角牌的位置信息。
在一些实施例中，所述确定模块12用于，确定所述任一车辆与所述三角牌之间的距离，若所述任一车辆与所述三角牌的距离小于预设的距离阈值，则确定所述三角牌在所述道路上对应的车道线。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
请参阅图9，图9为本申请实施例的电子设备的框图。
其中，电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请实施例的实现。
如图9所示，该电子设备包括：一个或多个处理器101、存储器102，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器101为例。
存储器102即为本申请实施例所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请实施例所提供的故障车辆的检测方法。本申请实施例的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请实施例所提供的故障车辆的检测方法。
存储器102作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的程序指令/模块。处理器101通过运行存储在存储器102中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的故障车辆的检测方法。
存储器102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器102可选包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、区块链服务网络(Block-chain-based Service Network，BSN)、移动通信网及其组合。
电子设备还可以包括：输入装置103和输出装置104。处理器101、存储器102、输入装置103和输出装置104可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置103可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置104可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、区块链服务网络(Block-chain-based Service Network，BSN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的另一个方面，本申请实施例还提供了一种故障车辆检测的系统，所述系统包括：
图像采集装置，用于对道路的图像进行采集，并将所述图像发送至故障车辆的检测装置；
所述故障车辆的检测装置，用于执行如上任一实施例所述的方法，生成故障车辆的位置信息，并将故障车辆的位置信息发送至云端服务器；
所述云端服务器，用于对所述故障车辆的位置信息进行广播。
在本申请实施例中，当云端服务器对故障车辆的位置信息进行广播之后，其他车辆可以调整驾驶策略，如减速行驶、变道行驶和调整驾驶路线等，从而提高车辆行驶的安全。
在一些实施例中，所述图像采集装置为设置于所述道路的至少一侧的摄像装置，所述故障车辆的检测装置为设置于所述道路的至少一侧的路侧单元。
在一些实施例中，当故障车辆的检测装置生成故障车辆的位置信息时，判断是否为首次生成故障车辆的位置信息，如果是，则将故障车辆的位置信息发送至云端服务器。
在一些实施例中，如果故障车辆的检测装置判断出没有将故障车辆的位置信息发送至云端服务器，则故障车辆的检测装置将故障车辆的位置信息发送至云端服务器。
在一些实施例中，故障车辆的检测装置在确定存在故障车辆之后，连续预设次数内没有检测出没有故障车辆，生成并向云端服务器发送提示消息，提示消息中携带交通故障已解除的信息；
云端服务器对提示消息进行广播。
通过在连续多次检测出没有故障车辆后，故障车辆的检测装置向云端服务器发送提示消息，可以避免某一次或几次的检测结果收到环境等噪音数据的影响，从提高检测的可靠性和准确性的技术效果。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (20)

1.一种故障车辆的检测方法，其特征在于，所述方法包括：
采集道路的图像；
根据所述图像确定三角牌的位置信息，并确定所述三角牌在所述道路上对应的车道线；
根据所述三角牌的位置信息和所述车道线生成故障车辆的位置信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述三角牌的位置信息和所述车道线生成故障车辆的位置信息包括：
根据所述三角牌的位置信息确定所述车道线的朝向角；
根据所述朝向角和预设的在图像中的搜索区域确定所述故障车辆的位置信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述朝向角和预设的在图像中的搜索区域确定所述故障车辆的位置信息包括：
将所述朝向角确定为搜索方向；
根据所述搜索方向在所述搜索区域内搜索，确定所述故障车辆的位置信息。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若搜索到的疑似故障车辆为多辆，则计算各所述疑似故障车辆与所述三角牌之间的距离；
选择与所述三角牌之间的距离最小的疑似故障车辆作为故障车辆。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述图像的数量为多帧，在所述采集道路的图像之后，所述方法还包括：
确定所述三角牌在所述图像中的出现的次数；
若所述次数大于预设的次数阈值，则确定所述三角牌的位置信息。
6.根据权利要求5所述的方法，其特征在于，在所述采集道路的图像之后，所述方法还包括：
构建所述图像的向量图，所述向量图用于表征所述三角牌在所述图像中的出现的次数。
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据所述图像确定所述图像中的各车辆的静止时间；
若任一车辆的静止时间大于预设的时间阈值，则确定所述三角牌的位置信息。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：确定所述任一车辆与所述三角牌之间的距离；
以及，所述确定所述三角牌在所述道路上对应的车道线包括：若所述任一车辆与所述三角牌的距离小于预设的距离阈值，则确定所述三角牌在所述道路上对应的车道线。
9.一种故障车辆的检测装置，其特征在于，所述装置包括：
采集模块，用于采集道路的图像；
确定模块，用于根据所述图像确定三角牌的位置信息，并确定所述三角牌在所述道路上对应的车道线；
生成模块，用于根据所述三角牌的位置信息和所述车道线生成故障车辆的位置信息。
10.根据权利要求9所述的装置，其特征在于，所述生成模块用于，根据所述三角牌的位置信息确定所述车道线的朝向角，根据所述朝向角和预设的在图像中的搜索区域确定所述故障车辆的位置信息。
11.根据权利要求10所述的装置，其特征在于，所述生成模块用于，将所述朝向角确定为搜索方向，根据所述搜索方向在所述搜索区域内搜索，确定所述故障车辆的位置信息。
12.根据权利要求11所述的装置，其特征在于，所述生成模块用于，若搜索到的疑似故障车辆为多辆，则计算各所述疑似故障车辆与所述三角牌之间的距离，选择与所述三角牌之间的距离最小的疑似故障车辆作为故障车辆。
13.根据权利要求9至12中任一项所述的装置，其特征在于，所述图像的数量为多帧，所述确定模块用于，确定所述三角牌在所述图像中的出现的次数，若所述次数大于预设的次数阈值，则确定所述三角牌的位置信息。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括：
构件模块，用于构建所述图像的向量图，所述向量图用于表征所述三角牌在所述图像中的出现的次数。
15.根据权利要求13所述的装置，其特征在于，所述确定模块用于，根据所述图像确定所述图像中的各车辆的静止时间，若任一车辆的静止时间大于预设的时间阈值，则确定所述三角牌的位置信息。
16.根据权利要求15所述的装置，其特征在于，所述确定模块用于，确定所述任一车辆与所述三角牌之间的距离，若所述任一车辆与所述三角牌的距离小于预设的距离阈值，则确定所述三角牌在所述道路上对应的车道线。
17.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种故障车辆的检测系统，其特征在于，所述系统包括：
图像采集装置，用于对道路的图像进行采集，并将所述图像发送至故障车辆的检测装置；
所述故障车辆的检测装置，用于执行如权利要求1至8中任一项所述的方法，并将故障车辆的位置信息发送至云端服务器；
所述云端服务器，用于对所述故障车辆的位置信息进行广播。
20.根据权利要求19所述的系统，其特征在于，所述图像采集装置为设置于所述道路的至少一侧的摄像装置，所述故障车辆的检测装置为设置于所述道路的至少一侧的路侧单元。
CN202010450293.9A 2020-05-25 2020-05-25 故障车辆检测方法及包括路侧单元的故障车辆检测系统 Active CN111640301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010450293.9A CN111640301B (zh) 2020-05-25 2020-05-25 故障车辆检测方法及包括路侧单元的故障车辆检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010450293.9A CN111640301B (zh) 2020-05-25 2020-05-25 故障车辆检测方法及包括路侧单元的故障车辆检测系统

Publications (2)

Publication Number Publication Date
CN111640301A true CN111640301A (zh) 2020-09-08
CN111640301B CN111640301B (zh) 2021-10-08

Family

ID=72331333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010450293.9A Active CN111640301B (zh) 2020-05-25 2020-05-25 故障车辆检测方法及包括路侧单元的故障车辆检测系统

Country Status (1)

Country Link
CN (1) CN111640301B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112750312A (zh) * 2020-12-28 2021-05-04 上海眼控科技股份有限公司 信息检测方法、装置、设备及存储介质
CN113850990A (zh) * 2021-08-31 2021-12-28 北京百度网讯科技有限公司 道路故障的处理方法、装置、电子设备及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5617085A (en) * 1995-11-17 1997-04-01 Mitsubishi Denki Kabushiki Kaisha Method and apparatus for monitoring the surroundings of a vehicle and for detecting failure of the monitoring apparatus
CN103975221A (zh) * 2011-12-13 2014-08-06 日本电气株式会社 坐标变换表创建系统和坐标变换表创建方法
CN106064581A (zh) * 2016-06-01 2016-11-02 乐视控股（北京）有限公司 一种提醒方法、装置和车辆
CN106530821A (zh) * 2015-09-11 2017-03-22 四川巡天揽胜信息技术有限公司 一种报警系统及方法
CN106931976A (zh) * 2015-12-31 2017-07-07 北京四维图新科技股份有限公司 一种导航信息更新的方法及装置
CN107433945A (zh) * 2016-05-27 2017-12-05 罗伯特·博世有限公司 用于使机动车自动停车的方法和设备
TWI637092B (zh) * 2017-06-15 2018-10-01 鴻佰科技股份有限公司 三角架自走車及其避障方法
CN108819841A (zh) * 2018-07-02 2018-11-16 千寻位置网络有限公司 汽车智能警示三角架和交通事故救援系统
CN109345824A (zh) * 2018-10-12 2019-02-15 李雨宸 高速公路中故障车辆的车道确定方法及相关产品
CN109522796A (zh) * 2018-10-12 2019-03-26 李雨宸 高速中故障车辆提示方法及相关产品
CN109872568A (zh) * 2019-03-13 2019-06-11 深圳市沃特沃德股份有限公司 车辆故障警示方法、装置、计算机设备和存储介质
DE102018009649A1 (de) * 2018-12-07 2019-06-27 Daimler Ag Verfahren zum Warnen eines nachfolgenden Verkehrs
CN110473401A (zh) * 2019-08-01 2019-11-19 安徽科力信息产业有限责任公司 一种基于车载停车警示牌的快速车道事故报警方法及系统
CN110660010A (zh) * 2018-06-29 2020-01-07 比亚迪股份有限公司 放置三角警示牌的方法、装置、车辆及飞行器
US20200014857A1 (en) * 2018-07-09 2020-01-09 Toyota Jidosha Kabushiki Kaisha In-vehicle device and vehicle search system
CN110991320A (zh) * 2019-11-29 2020-04-10 北京百度网讯科技有限公司 路况检测方法和装置、电子设备、存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5617085A (en) * 1995-11-17 1997-04-01 Mitsubishi Denki Kabushiki Kaisha Method and apparatus for monitoring the surroundings of a vehicle and for detecting failure of the monitoring apparatus
CN103975221A (zh) * 2011-12-13 2014-08-06 日本电气株式会社 坐标变换表创建系统和坐标变换表创建方法
CN106530821A (zh) * 2015-09-11 2017-03-22 四川巡天揽胜信息技术有限公司 一种报警系统及方法
CN106931976A (zh) * 2015-12-31 2017-07-07 北京四维图新科技股份有限公司 一种导航信息更新的方法及装置
CN107433945A (zh) * 2016-05-27 2017-12-05 罗伯特·博世有限公司 用于使机动车自动停车的方法和设备
CN106064581A (zh) * 2016-06-01 2016-11-02 乐视控股（北京）有限公司 一种提醒方法、装置和车辆
TWI637092B (zh) * 2017-06-15 2018-10-01 鴻佰科技股份有限公司 三角架自走車及其避障方法
CN110660010A (zh) * 2018-06-29 2020-01-07 比亚迪股份有限公司 放置三角警示牌的方法、装置、车辆及飞行器
CN108819841A (zh) * 2018-07-02 2018-11-16 千寻位置网络有限公司 汽车智能警示三角架和交通事故救援系统
US20200014857A1 (en) * 2018-07-09 2020-01-09 Toyota Jidosha Kabushiki Kaisha In-vehicle device and vehicle search system
CN109345824A (zh) * 2018-10-12 2019-02-15 李雨宸 高速公路中故障车辆的车道确定方法及相关产品
CN109522796A (zh) * 2018-10-12 2019-03-26 李雨宸 高速中故障车辆提示方法及相关产品
DE102018009649A1 (de) * 2018-12-07 2019-06-27 Daimler Ag Verfahren zum Warnen eines nachfolgenden Verkehrs
CN109872568A (zh) * 2019-03-13 2019-06-11 深圳市沃特沃德股份有限公司 车辆故障警示方法、装置、计算机设备和存储介质
CN110473401A (zh) * 2019-08-01 2019-11-19 安徽科力信息产业有限责任公司 一种基于车载停车警示牌的快速车道事故报警方法及系统
CN110991320A (zh) * 2019-11-29 2020-04-10 北京百度网讯科技有限公司 路况检测方法和装置、电子设备、存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112750312A (zh) * 2020-12-28 2021-05-04 上海眼控科技股份有限公司 信息检测方法、装置、设备及存储介质
CN113850990A (zh) * 2021-08-31 2021-12-28 北京百度网讯科技有限公司 道路故障的处理方法、装置、电子设备及存储介质
CN113850990B (zh) * 2021-08-31 2023-01-31 北京百度网讯科技有限公司 道路故障的处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN111640301B (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
CN111739344B (zh) 一种预警方法、装置及电子设备
CN111311925B (zh) 车位的检测方法和装置、电子设备、车辆、存储介质
CN111292531B (zh) 交通信号灯的跟踪方法、装置、设备及存储介质
CN111540023B (zh) 图像采集设备的监测方法、装置、电子设备及存储介质
CN111428663A (zh) 红绿灯状态的识别方法、装置、电子设备和存储介质
CN111311906B (zh) 路口距离的检测方法、装置、电子设备和存储介质
CN111536984A (zh) 定位方法和装置、车端设备、车辆、电子设备和定位系统
CN111640301B (zh) 故障车辆检测方法及包括路侧单元的故障车辆检测系统
CN111553319A (zh) 用于获取信息的方法和装置
CN111674388B (zh) 用于车辆弯道行驶的信息处理方法和装置
CN112287806A (zh) 一种道路信息检测方法、系统、电子设备及存储介质
CN112101223A (zh) 检测方法、装置、设备和计算机存储介质
CN111652112A (zh) 一种车道流向的识别方法、装置、电子设备及存储介质
CN111703371B (zh) 交通信息的显示方法、装置、电子设备和存储介质
CN111540010B (zh) 一种道路监测的方法、装置、电子设备及存储介质
JP2021099489A (ja) 地図生成方法、地図生成装置、電子機器、非一時的なコンピュータ読み取り可能な記憶媒体及びコンピュータプログラム
CN113673281A (zh) 限速信息确定方法、装置、设备以及存储介质
CN115147809A (zh) 一种障碍物检测方法、装置、设备以及存储介质
CN111339877A (zh) 盲区的长度检测方法、装置、电子设备及存储介质
CN113011298A (zh) 截断物体样本生成、目标检测方法、路侧设备和云控平台
CN110843771B (zh) 障碍物识别方法、装置、电子设备及存储介质
JP7307111B2 (ja) 車両測位方法及び装置、車両、記憶媒体並びにコンピュータプログラム
CN114429631A (zh) 三维对象检测方法、装置、设备以及存储介质
CN111009135B (zh) 车辆行驶速度的确定方法、装置以及计算机设备
CN111427037A (zh) 障碍物的检测方法和装置、电子设备和车端设备

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20211019

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Patentee after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Patentee before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.