CN111695418A - 一种基于道路状况检测而进行安全驾驶的方法及系统 - Google Patents

一种基于道路状况检测而进行安全驾驶的方法及系统 Download PDF

Info

Publication number
CN111695418A
CN111695418A CN202010364318.3A CN202010364318A CN111695418A CN 111695418 A CN111695418 A CN 111695418A CN 202010364318 A CN202010364318 A CN 202010364318A CN 111695418 A CN111695418 A CN 111695418A
Authority
CN
China
Prior art keywords
road
vehicle
area
road condition
message information
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
Application number
CN202010364318.3A
Other languages
English (en)
Inventor
朱国章
陈桢
黄洪荣
宋庆谱
陈君毅
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.)
SAIC Volkswagen Automotive Co Ltd
Original Assignee
SAIC Volkswagen Automotive 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 SAIC Volkswagen Automotive Co Ltd filed Critical SAIC Volkswagen Automotive Co Ltd
Priority to CN202010364318.3A priority Critical patent/CN111695418A/zh
Publication of CN111695418A publication Critical patent/CN111695418A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于道路状况检测而进行安全驾驶的方法，其包括：(1)路侧设备采集道路图像；(2)将采集的道路图像分割为若干个区域，对各区域进行识别和分类，以输出道路状况信息，道路状况信息包括各区域的分类结果以及各区域的道路附着系数估计值；(3)基于道路状况信息生成报文信息，并向车辆广播所述报文信息；(4)车辆接收报文信息，并根据报文信息做出驾驶决策。此外，本发明还公开了一种基于道路状况检测而进行安全驾驶的系统，本发明所述的方法和系统可以提前获取车辆规划路径上的道路路面状态以及道路附着系数，车辆可以接收到相应信息并做出驾驶决策，及时调整安全距离与最高车速，有效提高智能驾驶车辆的安全性能。

Description

一种基于道路状况检测而进行安全驾驶的方法及系统
技术领域
本发明涉及智能驾驶和智能交通领域，尤其涉及一种安全驾驶的方法及系统。
背景技术
在智能驾驶领域，随着智能驾驶技术的不断发展，车顶行李架已逐渐成为SUV和旅行车的标配。用户针对车顶行李架的需求增大的同时，对车顶行李架的要求也越来越高。路面识别技术不再是简单的应用于ABS、EPS等汽车安全系统，也应用于自动驾驶汽车的感知规划系统、决策系统、执行系统的每一个环节。路面的路面类型、路面状态、坡度、道路附着系数等参数对车辆行驶安全有较大影响，尤其是道路附着系数。因此，能否提前对自车前方道路的附着系数进行准确估计，对自动驾驶汽车能否保证其行驶安全性至关重要。
现有的智能驾驶汽车的技术方案中并不能提前获取车辆规划路径上的道路路面状态和道路附着系数。基于此，针对现有技术的不足，期望获得一种可以提前获取车辆规划路径上的道路路面状态以及道路附着系数，可以有效提高智能驾驶车辆的安全性能的方法及系统。
发明内容
本发明的目的之一在于提供一种基于道路状况检测而进行安全驾驶的方法，采用该基于道路状况检测而进行安全驾驶的方法，可以提前获取车辆规划路径上的道路路面状态以及道路附着系数，车辆接收到相应信息可以做出驾驶决策，及时调整安全距离与最高车速，并合理分配各轮上的驱动力，以保证车辆更高的附着率利用率，可以有效提高智能驾驶车辆的安全性能。
为了实现上述目的，本发明提出了一种基于道路状况检测而进行安全驾驶的方法，其包括：
(1)路侧设备采集道路图像；
(2)将采集的道路图像分割为若干个区域，对各区域进行识别和分类，以输出道路状况信息，所述道路状况信息包括各区域的分类结果以及各区域的道路附着系数估计值；
(3)基于所述道路状况信息生成报文信息，并向车辆广播所述报文信息；
(4)车辆接收所述报文信息，并根据所述报文信息做出驾驶决策。
进一步地，在本发明所述的方法中，上述路侧设备采集道路图像满足下述各项的至少其中之一：
采集帧率不低于30帧/秒；
图像采集的范围呈椭圆形区域；
图像采集的采集设备的视场角不低于100°，安装高度不低于5m。
进一步地，在本发明所述的方法中，在所述步骤(2)中，采用卷积神经网络对各区域进行分类和识别，以输出道路状况信息。
进一步地，在本发明所述的方法中，上述分类结果包括：干路面、潮湿路面、积水路面、结冰路面和泥泞路面。
进一步地，在本发明所述的方法中，所述报文信息包括：
路侧设备的唯一身份识别码；
路侧设备的位置坐标；
所述道路状况信息；
车辆距相应路侧设备所广播的相应道路的实时距离。
进一步地，在本发明所述的方法中，所述道路状况信息被设置为列表，所述列表包括：按照顺序依次排列的车道代号；对应车道的路面区域序号；路面区域的对应的道路附着系数估计值；路面区域的类别代号；以及路面区域的边界角点坐标。
进一步地，在本发明所述的方法中，所述驾驶决策包括提前降速并且/或者变更车道。
相应地，本发明的另一目的在于提供一种基于道路状况检测而进行安全驾驶的系统，该基于道路状况检测而进行安全驾驶的系统可以提前获取车辆规划路径上的道路路面状态以及道路附着系数，车辆接收到相应信息可以做出驾驶决策，及时调整安全距离与最高车速，并合理分配各轮上的驱动力，以保证车辆更高的附着率利用率，可以有效提高智能驾驶车辆的安全性能。
为了实现上述目的，本发明还公开了一种基于道路状况检测而进行安全驾驶的系统，其包括：
路侧设备，其包括图像采集装置和与图像采集装置数据连接的处理模块；其中所述图像采集装置采集道路图像；所述处理模块将图像采集装置采集的道路图像分割为若干个区域，对各区域进行识别和分类，以输出道路状况信息，所述道路状况信息包括各区域的分类结果以及各区域的道路附着系数估计值；所述处理模块还基于所述道路状况信息生成报文信息；
通信设备，其向外广播所述报文信息；
车辆通信终端，其接收所述报文信息；
车辆控制模块，其根据所述报文信息做出驾驶决策。
进一步地，在本发明所述的系统中，所述图像采集装置包括高清广角摄像头，所述高清广角摄像头被配置为满足下述各项的至少其中一项：
采集帧率不低于30帧/秒；
图像采集的范围呈椭圆形区域；
图像采集的采集设备的视场角不低于100°，安装高度不低于5m。
进一步地，在本发明所述的系统中，所述通信设备包括LTE-V2X短程通信设备。
本发明所述的基于道路状况检测而进行安全驾驶的方法相较于现有技术具有如下所述的优点和有益效果：
本发明所述的基于道路状况检测而进行安全驾驶的方法，可以提前获取车辆规划路径上的道路路面状态以及道路附着系数，车辆接收到相应信息可以做出驾驶决策，及时调整安全距离与最高车速，并合理分配各轮上的驱动力，以保证车辆更高的附着率利用率，可以有效提高智能驾驶车辆的安全性能。
此外，本发明所述的基于道路状况检测而进行安全驾驶的系统，同样具有上述优点以及有益效果。
附图说明
图1为本发明所述的基于道路状况检测而进行安全驾驶的方法的流程示意图。
图2为本发明所述的基于道路状况检测而进行安全驾驶的系统的软硬件架构图。
图3示意性地显示了本发明所述的基于道路状况检测而进行安全驾驶的系统在一种实施方式下的使用过程示意图。
图4为本发明所述的基于道路状况检测而进行安全驾驶的系统在一种实施方式下的工作原理示意图。
图5示意性显示了图4所示基于道路状况检测而进行安全驾驶的系统在不同附着系数路面下的流程示意图。
具体实施方式
下面将结合说明书附图和具体的实施例对本发明所述的基于道路状况检测而进行安全驾驶的方法及系统做进一步的解释和说明，然而该解释和说明并不对本发明的技术方案构成不当限定。
图1为本发明所述的基于道路状况检测而进行安全驾驶的方法的流程示意图。
如图1所示，本发明所述的基于道路状况检测而进行安全驾驶的方法可以采用如下步骤：
S1：路侧设备采集道路图像。
需要说明的是，在步骤S1中，路侧设备采集道路图像的采集帧率不低于30帧/秒，图像采集的范围呈椭圆形区域，为了保证探测范围，图像采集的采集设备的视场角不低于100°，安装高度不低于5m。这样设置的路侧设备可以更加准确有效地采集道路的图像信息。其中，为了保证路侧设备采集道路图像的准确性，路侧设备采集道路图像的采集帧率不低于30帧/秒，可以使路侧设备可以以较高的频率采集道路图像信息，从而保证路侧设备在复杂的雨雪天气中的可以正常采集道路图像。
此外，需要注意的是，当路侧设备图像采集的椭圆形区域长轴、短轴过大时，所采集的道路图像的有效特征点覆盖率较低，会大大增大后续路面附着系数预测的难度，若路侧设备图像采集的椭圆形区域长轴、短轴过小，又容易与道路路面宽度不匹配。因此，为了实现最优的道路图像采集效果，路侧设备图像采集的椭圆形区域长短轴大小设定应适中。
S2：将采集的道路图像分割为若干个区域，对各区域进行识别和分类，以输出道路状况信息，道路状况信息包括各区域的分类结果以及各区域的道路附着系数估计值。
在步骤S2中，根据路侧设备采集道路图像分割成的区域，可以采用卷积神经网络对各区域进行分类和识别，从而输出道路状况信息。其中，通过sigmoid激活函数可以实现对路面不同区域的分类，卷积神经网络的训练集图像来源于已有的数据集，已有数据集中含有每个道路区域对应的分类类别标签，例如：干路面(附着系数为0.6-0.7)、潮湿路面(附着系数为0.4-0.5)，结冰路面(附着系数为0.1-0.2)等。
为了能够完全估计道路类型，可以采用损失函数：
Figure BDA0002476059300000051
上式中，ti＝l表示为对采集的图像编号属于l类的判别；nT表示卷积神经网络的训练样本图片数，nc表示道路类型的数目；
Figure BDA0002476059300000052
表示为预测的类别属于l类的概率。当所得的损失函数L最小时，采集到的全体道路图像对应全体类别的正确概率最大，从而对每个道路区域实现对应的类别分类。
而后可以基于深度学习的方法，使用AlexNet模型在已经实现道路区域类别分类的基础上完成对道路每个区域的附着系数的估计，由于在之前网络实现道路区域类别分类时，每个路面区域类别对应的路面峰值附着系数已经标记好，在实际进行网络学习时，最终得到的结果使用sigmoid函数实现激活，由于sigmoid函数是连续函数，经过激活后得到的值作为区域倾向于某一类别的概率，如识别的某一路面区域是介于潮湿和干燥类别时，尽管卷积神经网络按照sigmoid函数激活值较大的类别分类，但是计算峰值附着系数是还是采用交叉验证的方法以获得较为精确地各区域的道路附着系数估计值。
S3：基于道路状况信息生成报文信息，并向车辆广播所述报文信息。
在步骤S3中，报文信息可以包括：路侧设备的唯一身份识别码、路侧设备的位置坐标、所述道路状况信息和车辆距相应路侧设备所广播的相应道路的实时距离等信息。其中，路侧设备的唯一身份识别码可以用于车辆识别相应的路侧设备，路侧设备的位置坐标可以用于车辆识别路侧设备的位置，车辆距相应路侧设备所广播的相应道路的实时距离可以作为车辆决策系数的重要参数输入。
需要说明的是，报文信息的道路状况信息被设置为列表，列表可以包括：按照顺序依次排列的车道代号、对应车道的路面区域序号、路面区域的对应的道路附着系数估计值、路面区域的类别代号以及路面区域的边界角点坐标。其中车道代号以及对应车道的路面区域序可以用于识别各个车道以及该车道下路侧设备监测的路面区域。路面区域的对应的道路附着系数估计值可以用于车辆决策系统下发相对应的整车控制策略；路面区域的类别代号用以区别不同的路面状态，例如：干燥路面、潮湿路面、积水路面、结冰路面、泥浆路面等。
S4：车辆接收报文信息，并根据所述报文信息做出驾驶决策。
在步骤S4中，车辆可以通过接受来自多个路侧设备的报文信息，得到接收设备能够探测到的低附路段各个路面区域的类别，进而得到该路段全部附着系数，通过边界角点坐标得出不同路面区域附着系数的分布。边界角点坐标为路侧设备所采集的区域与各车道的边界点的坐标。对于多个路侧设备探测的路面重叠区域，车辆以最先收到的路侧设备代号的路面信息为准。
车辆可以根据报文信息所获得的路面区域类别与道路附着系数及时调整车速v并增大车辆的安全距离s，当车辆前方存在交通参与者时，车辆可以提前减速刹车或变更车道避障，避免因道路附着系数降低而引起的交通安全隐患。
图2为本发明所述的基于道路状况检测而进行安全驾驶的系统的软硬件架构图。
如图2所示，本发明所述的基于道路状况检测而进行安全驾驶的系统可以包括：路侧设备、通信设备、车辆通信终端和车辆控制模块。其中，路侧设备包括图像采集装置和与图像采集装置数据连接的处理模块。其中，图像采集装置可以用于采集道路图像，处理模块可以将图像采集装置采集的道路图像分割为若干个区域，对各区域进行识别和分类，以输出道路状况信息，道路状况信息包括各区域的分类结果以及各区域的道路附着系数估计值。处理模块可以基于道路状况信息生成报文信息。
此外，需要说明的是，通信设备可以为LTE-V2X短程通信设备，其可以有效用于广播报文信息，广播范围可以为半径为150m的圆形区域，从而使速度较高的车辆在行经该道路时有足够的时间对接收到的路面信息做出反应。车辆通信终端可以用于接收报文信息。车辆控制模块可以根据接收到的报文信息做出驾驶决策。
另外，需要注意的是，图像采集装置可以采用高清广角摄像头，为了保证高清广角摄像头采集图像信息的准确性，高清广角摄像头的采集帧率应该不低于30帧/秒，为了使高清广角摄像头可以更加准确有效地采集道路的图像信息，高清广角摄像头的图像采集的范围呈椭圆形区域。为了保证探测范围，高清广角摄像头的图像采集装置的视场角不低于100°，安装高度不低于5m。
图3示意性地显示了本发明所述的基于道路状况检测而进行安全驾驶的系统在一种实施方式下的应用示意图。
图4为本发明所述的基于道路状况检测而进行安全驾驶的系统在一种实施方式下的工作原理示意图。
如图3和图4所示，在本实施方式中，在本发明所述的基于道路状况检测而进行安全驾驶的系统中，路侧装置中的高清广角摄像头可以采集道路图像信息，并将采集道路图像信息传输给其数据连接的处理模块。处理模块可以将图像采集装置采集的道路图像分割为若干个区域，对各区域进行识别和分类，输出相应的道路状况信息，道路状况信息包括各区域的分类结果以及各道路区域的附着系数估计值ux，处理模块可以将得到的道路状况信息进行编码生成报文信息，传输给与其数据连接的通信设备LTE-V2X短程通信设备，LTE-V2X短程通信设备可以向周围车辆广播得到报文信息。
车辆自动驾驶系统中的车辆通信终端可以接收到LTE-V2X短程通信设备广播的报文信息，得知前方道路信息，以及各区域的道路附着系数估计值ux，相应地，车辆自动驾驶系统中的车辆控制模块可以根据车载车辆通信终端获得的各区域的道路附着系数估计值ux等信息做出驾驶决策，控制控制执行系统及时调整安全距离与最高车速，并合理分配各轮上的驱动力，以保证车辆更高的附着率利用率，从而使保证车辆在低附着路面的行驶安全性。
图5示意性显示了图4所示基于道路状况检测而进行安全驾驶的系统在不同附着系数路面下的流程示意图。
如图5所示，车辆自动驾驶系统中的车辆控制模块可以根据车载车辆通信终端获得报文信息，获取各区域的道路附着系数估计值ux。
若各区域的道路附着系数估计值ux之间差值大于预设的阈值a，那么在满足变道要求下进行变道，若该道路不可变道，则提前减速至该道路最低限速值。若各区域的道路附着系数估计值ux之间差值大于预设的阈值a，则意味着该监测道路区域存在坑洼路面，在雨雪天气后该坑洼区域易形成积水或结冰，使得各区域的道路附着系数估计值ux之间差值大于预设的阈值a。因此，在各区域的道路附着系数估计值ux之间差值大于预设的阈值a时，在可变道情况下选择变道以避开坑洼区域，提高驾驶安全性。
若各区域的道路附着系数估计值ux之间差值小于预设的阈值a，则意味着各车道路面情况基本一致。若各区域的道路附着系数估计值ux之间的均值小于道路低附着系数阈值A(一般认为A的取值不大于0.5)，则该道路为低附着道路，意味着该道路区域附着系数较低，为湿滑路面、雨雪路面或者结冰路面等附着系数较低的路面类型。在这样的情况下，车辆自动驾驶系统中的车辆控制模块应根据接收到的道路信息调整相应车速，并增大驾驶决策中的安全距离s，当车辆行驶在该低附路面区域内遇到交通参与者时能够实现安全变道或刹车，从而使得车辆安全的通过低附路面。
例如：以正常路面的道路附着系数u0为例，当前车速下，若当前道路附着系数估计值较低引起的安全刹车距离增大量s1不足10米时，汽车决策系统中的安全距离s的增加量为s1。若s1大于10米，控制模块决策系统中的安全距离s增大10米，同时降低当前车速v0为v，使得车速v满足：V2/2gu≤s+10，从而使车辆在制动时避免与障碍物发生碰撞。上式中u为车辆行驶道路下的道路附着系数估计值，g为重力加速度。
若各区域的道路附着系数估计值ux之间差值小于预设的阈值a，且ux之间的均值大于道路低附着系数阈值A，则该道路为正常道路，智能驾驶汽车行驶中没有因道路附着系数较低而引发的碰撞风险。因此，车辆按照原自动驾驶控制策略行驶。
综上所述可以看出，本发明所述的基于道路状况检测而进行安全驾驶的方法，可以提前获取车辆规划路径上的道路路面状态以及道路附着系数，车辆接收到相应信息可以做出驾驶决策，及时调整安全距离与最高车速，并合理分配各轮上的驱动力，以保证车辆更高的附着率利用率，可以有效提高智能驾驶车辆的安全性能。
此外，本发明所述的基于道路状况检测而进行安全驾驶的系统，同样具有上述优点以及有益效果。
需要说明的是，本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式，本案记载的所有技术特征可以以任何方式进行自由组合或结合，除非相互之间产生矛盾。
还需要注意的是，以上所列举的实施例仅为本发明的具体实施例。显然本发明不局限于以上实施例，随之做出的类似变化或变形是本领域技术人员能从本发明公开的内容直接得出或者很容易便联想到的，均应属于本发明的保护范围。

Claims (10)

1.一种基于道路状况检测而进行安全驾驶的方法，其特征在于，包括：
(1)路侧设备采集道路图像；
(2)将采集的道路图像分割为若干个区域，对各区域进行识别和分类，以输出道路状况信息，所述道路状况信息包括各区域的分类结果以及各区域的道路附着系数估计值；
(3)基于所述道路状况信息生成报文信息，并向车辆广播所述报文信息；
(4)车辆接收所述报文信息，并根据所述报文信息做出驾驶决策。
2.如权利要求1所述的方法，其特征在于，所述路侧设备采集道路图像满足下述各项的至少其中之一：
采集帧率不低于30帧/秒；
图像采集的范围呈椭圆形区域；
图像采集的采集设备的视场角不低于100°，安装高度不低于5m。
3.如权利要求1所述的方法，其特征在于，在所述步骤(2)中，采用卷积神经网络对各区域进行分类和识别，以输出道路状况信息。
4.如权利要求3所述的方法，其特征在于，所述分类结果包括：干路面、潮湿路面、积水路面、结冰路面和泥泞路面。
5.如权利要求1所述的方法，其特征在于，所述报文信息包括：
路侧设备的唯一身份识别码；
路侧设备的位置坐标；
所述道路状况信息；
车辆距相应路侧设备所广播的相应道路的实时距离。
6.如权利要求5所述的方法，其特征在于，所述道路状况信息被设置为列表，所述列表包括：按照顺序依次排列的车道代号；对应车道的路面区域序号；路面区域的对应的道路附着系数估计值；路面区域的类别代号；以及路面区域的边界角点坐标。
7.如权利要求1所述的方法，其特征在于，所述驾驶决策包括提前降速并且/或者变更车道。
8.一种基于道路状况检测而进行安全驾驶的系统，其特征在于，包括：
路侧设备，其包括图像采集装置和与图像采集装置数据连接的处理模块；其中所述图像采集装置采集道路图像；所述处理模块将图像采集装置采集的道路图像分割为若干个区域，对各区域进行识别和分类，以输出道路状况信息，所述道路状况信息包括各区域的分类结果以及各区域的道路附着系数估计值；所述处理模块还基于所述道路状况信息生成报文信息；
通信设备，其向外广播所述报文信息；
车辆通信终端，其接收所述报文信息；
车辆控制模块，其根据所述报文信息做出驾驶决策。
9.如权利要求8所述的系统，其特征在于，所述图像采集装置包括高清广角摄像头，所述高清广角摄像头被配置为满足下述各项的至少其中一项：
采集帧率不低于30帧/秒；
图像采集的范围呈椭圆形区域；
图像采集的采集设备的视场角不低于100°，安装高度不低于5m。
10.如权利要求8所述的系统，其特征在于，所述通信设备包括LTE-V2X短程通信设备。
CN202010364318.3A 2020-04-30 2020-04-30 一种基于道路状况检测而进行安全驾驶的方法及系统 Pending CN111695418A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010364318.3A CN111695418A (zh) 2020-04-30 2020-04-30 一种基于道路状况检测而进行安全驾驶的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010364318.3A CN111695418A (zh) 2020-04-30 2020-04-30 一种基于道路状况检测而进行安全驾驶的方法及系统

Publications (1)

Publication Number Publication Date
CN111695418A true CN111695418A (zh) 2020-09-22

Family

ID=72476943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010364318.3A Pending CN111695418A (zh) 2020-04-30 2020-04-30 一种基于道路状况检测而进行安全驾驶的方法及系统

Country Status (1)

Country Link
CN (1) CN111695418A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633055A (zh) * 2020-10-22 2021-04-09 北京工业大学 一种基于路面病害检测的通用自动驾驶导航系统
CN112863247A (zh) * 2020-12-30 2021-05-28 潍柴动力股份有限公司 一种道路识别方法、装置、设备和存储介质
CN114030485A (zh) * 2021-12-21 2022-02-11 吉林大学 一种考虑附着系数的自动驾驶汽车类人换道决策规划方法
CN114170584A (zh) * 2021-12-15 2022-03-11 北京中科慧眼科技有限公司 基于辅助驾驶的行驶路面分类识别方法、系统和智能终端
CN114212089A (zh) * 2021-12-31 2022-03-22 浙江华锐捷技术有限公司 车辆的控制方法、装置、存储介质及电子装置
CN114291094A (zh) * 2021-12-28 2022-04-08 清华大学苏州汽车研究院（相城） 一种基于自动驾驶的路面状况感知响应系统及方法
CN114547551A (zh) * 2022-02-23 2022-05-27 阿波罗智能技术(北京)有限公司 基于车辆上报数据的路面数据获取方法及云端服务器
CN114819001A (zh) * 2022-06-30 2022-07-29 交通运输部公路科学研究所 一种基于移动检测设备的隧道路面湿滑状态的评价方法
CN115002176A (zh) * 2022-07-15 2022-09-02 合肥工业大学 车路协同系统中多设备覆盖区域内的车辆控制权分配方法
CN115131957A (zh) * 2021-03-19 2022-09-30 三一汽车制造有限公司 路况预警方法及装置
CN115265569A (zh) * 2022-07-13 2022-11-01 上海外高桥保税区环保服务有限公司 一种危废运输监控方法、系统、存储介质及智能终端
CN115285116A (zh) * 2022-08-30 2022-11-04 上汽通用五菱汽车股份有限公司 车辆避障方法、装置、电子设备及可读存储介质
CN115503712A (zh) * 2022-09-22 2022-12-23 南京理工自动化研究院有限公司 考虑道路运行条件的智能网联汽车预测控制方法和系统
CN117091618A (zh) * 2023-10-18 2023-11-21 理工雷科智途(北京)科技有限公司 一种无人驾驶车辆路径规划方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103802826A (zh) * 2014-03-07 2014-05-21 大连交通大学 一种汽车高速转弯行驶中稳定性预警系统
CN103810904A (zh) * 2014-03-12 2014-05-21 哈尔滨工业大学 基于vanet的高速公路行车安全预警系统及预警方法
CN107491736A (zh) * 2017-07-20 2017-12-19 重庆邮电大学 一种基于卷积神经网络的路面附着系数辨识方法
CN110446278A (zh) * 2019-07-30 2019-11-12 同济大学 基于v2i的智能驾驶汽车传感器盲区安全控制方法及系统
CN110503823A (zh) * 2019-07-11 2019-11-26 江苏大学 一种自动驾驶车辆专用车道控制系统与方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103802826A (zh) * 2014-03-07 2014-05-21 大连交通大学 一种汽车高速转弯行驶中稳定性预警系统
CN103810904A (zh) * 2014-03-12 2014-05-21 哈尔滨工业大学 基于vanet的高速公路行车安全预警系统及预警方法
CN107491736A (zh) * 2017-07-20 2017-12-19 重庆邮电大学 一种基于卷积神经网络的路面附着系数辨识方法
CN110503823A (zh) * 2019-07-11 2019-11-26 江苏大学 一种自动驾驶车辆专用车道控制系统与方法
CN110446278A (zh) * 2019-07-30 2019-11-12 同济大学 基于v2i的智能驾驶汽车传感器盲区安全控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
康渴楠: ""基于视觉的智能车辆行驶道路附着状态判断研究"", 《万方数据 知识服务平台》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633055A (zh) * 2020-10-22 2021-04-09 北京工业大学 一种基于路面病害检测的通用自动驾驶导航系统
CN112863247A (zh) * 2020-12-30 2021-05-28 潍柴动力股份有限公司 一种道路识别方法、装置、设备和存储介质
CN115131957B (zh) * 2021-03-19 2024-02-23 三一汽车制造有限公司 路况预警方法及装置
CN115131957A (zh) * 2021-03-19 2022-09-30 三一汽车制造有限公司 路况预警方法及装置
CN114170584A (zh) * 2021-12-15 2022-03-11 北京中科慧眼科技有限公司 基于辅助驾驶的行驶路面分类识别方法、系统和智能终端
CN114030485A (zh) * 2021-12-21 2022-02-11 吉林大学 一种考虑附着系数的自动驾驶汽车类人换道决策规划方法
CN114030485B (zh) * 2021-12-21 2023-11-03 吉林大学 一种考虑附着系数的自动驾驶汽车类人换道决策规划方法
CN114291094A (zh) * 2021-12-28 2022-04-08 清华大学苏州汽车研究院（相城） 一种基于自动驾驶的路面状况感知响应系统及方法
CN114291094B (zh) * 2021-12-28 2024-05-17 清华大学苏州汽车研究院（相城） 一种基于自动驾驶的路面状况感知响应系统及方法
CN114212089A (zh) * 2021-12-31 2022-03-22 浙江华锐捷技术有限公司 车辆的控制方法、装置、存储介质及电子装置
CN114212089B (zh) * 2021-12-31 2023-09-19 浙江华锐捷技术有限公司 车辆的控制方法、装置、存储介质及电子装置
CN114547551B (zh) * 2022-02-23 2023-08-29 阿波罗智能技术(北京)有限公司 基于车辆上报数据的路面数据获取方法及云端服务器
CN114547551A (zh) * 2022-02-23 2022-05-27 阿波罗智能技术(北京)有限公司 基于车辆上报数据的路面数据获取方法及云端服务器
CN114819001B (zh) * 2022-06-30 2022-11-11 交通运输部公路科学研究所 一种基于移动检测设备的隧道路面湿滑状态的评价方法
CN114819001A (zh) * 2022-06-30 2022-07-29 交通运输部公路科学研究所 一种基于移动检测设备的隧道路面湿滑状态的评价方法
CN115265569A (zh) * 2022-07-13 2022-11-01 上海外高桥保税区环保服务有限公司 一种危废运输监控方法、系统、存储介质及智能终端
CN115002176B (zh) * 2022-07-15 2023-07-18 合肥工业大学 车路协同系统中多设备覆盖区域内的车辆控制权分配方法
CN115002176A (zh) * 2022-07-15 2022-09-02 合肥工业大学 车路协同系统中多设备覆盖区域内的车辆控制权分配方法
CN115285116A (zh) * 2022-08-30 2022-11-04 上汽通用五菱汽车股份有限公司 车辆避障方法、装置、电子设备及可读存储介质
CN115503712A (zh) * 2022-09-22 2022-12-23 南京理工自动化研究院有限公司 考虑道路运行条件的智能网联汽车预测控制方法和系统
CN117091618A (zh) * 2023-10-18 2023-11-21 理工雷科智途(北京)科技有限公司 一种无人驾驶车辆路径规划方法、装置及电子设备
CN117091618B (zh) * 2023-10-18 2024-01-26 理工雷科智途(北京)科技有限公司 一种无人驾驶车辆路径规划方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN111695418A (zh) 一种基于道路状况检测而进行安全驾驶的方法及系统
CN111223320B (zh) 基于v2i的低附路面智能驾驶安全控制方法
US11990036B2 (en) Driver behavior monitoring
CN110446278B (zh) 基于v2i的智能驾驶汽车传感器盲区安全控制方法及系统
US20240290201A1 (en) Driver behavior monitoring
JP7499256B2 (ja) ドライバの挙動を分類するためのシステムおよび方法
CN107782727B (zh) 基于融合的湿路面检测
CN110444015B (zh) 基于无信号十字路口分区的智能网联汽车速度决策方法
CN110549941A (zh) 一种基于实时信息的行人碰撞分级预警方法
CN111994068B (zh) 一种基于智能轮胎触觉感知的智能驾驶汽车控制系统
CN110077398B (zh) 一种用于智能驾驶的危险处理方法
CN111879360B (zh) 一种黑暗场景中自动驾驶辅助安全预警系统及其预警方法
CN116206440A (zh) 一种基于智慧高速的交通流采集、预测、管控及信息化推送系统及方法
CN108281039B (zh) 适用于车载短距离通信网络的危险路段交通事故预警方法
US20220375340A1 (en) Machine-learning based control of traffic operation
CN113428180A (zh) 一种无人驾驶车辆单道行驶车速控制方法、系统及终端
CN115909783A (zh) 一种基于交通流的车道级驾驶辅助方法及系统
CN117268417A (zh) 一种自动驾驶车辆的路径规划方法
EP2881924B1 (de) Verfahren zur Bestimmung einer Verkehrssituation
CN108241866A (zh) 一种对驾驶行为进行引导的方法、装置和车辆
CN111652345A (zh) 基于空时联合优化的车队刹车控制方法
CN115294797A (zh) 一种公路平交路口智能安全控制方法
CN115240470A (zh) 基于nr-v2x的弱势交通参与者碰撞预警系统与方法
CN114872734A (zh) 一种自动驾驶应急决策方法
CN113053100A (zh) 一种公交到站时间的预估方法及装置

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: 20200922

RJ01 Rejection of invention patent application after publication