CN111754798A - 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 - Google Patents

融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 Download PDF

Info

Publication number
CN111754798A
CN111754798A CN202010634469.6A CN202010634469A CN111754798A CN 111754798 A CN111754798 A CN 111754798A CN 202010634469 A CN202010634469 A CN 202010634469A CN 111754798 A CN111754798 A CN 111754798A
Authority
CN
China
Prior art keywords
point location
point
road
equipment
license plate
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
CN202010634469.6A
Other languages
English (en)
Inventor
李强
赵怀柏
原良晓
还斌
沈峰
陶勇刚
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 Seari Intelligent System Co Ltd
Original Assignee
Shanghai Seari Intelligent System 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 Shanghai Seari Intelligent System Co Ltd filed Critical Shanghai Seari Intelligent System Co Ltd
Priority to CN202010634469.6A priority Critical patent/CN111754798A/zh
Publication of CN111754798A publication Critical patent/CN111754798A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种融合路侧激光雷达和视频实现车辆和周边障碍物探知方法。本发明利用路侧设备向所有机动车辆广播道路的探测信息，位于目标区域的所有机动车辆共享一个高线束的激光雷达，所有机动车辆都可以利用该激光雷达来替代原本应该安装在机动车辆上的激光雷达，而包含有激光雷达的路侧设备的费用无需机动车辆的用户来承担。采用上述方案后，机动车辆可以不用安装任何与激光雷达相类似的设备，通过对车牌号码的识、匹配就可以实现自我车辆及周边车辆的定位，从而可以大幅降低车辆改装成本，同时，又可以确保例如运算设备之类的用于实现自动驾驶的设备可以获得准确的数据，实现自动驾驶功能。

Description

融合路侧激光雷达和视频实现车辆和周边障碍物探知方法
技术领域
本发明涉及一种能够实现对自我车辆及周边障碍物进行定位从而辅助实现无人驾驶的方法。
背景技术
无人驾驶技术依赖于自动驾驶汽车，现有的自动驾驶汽车依靠人工智能、视觉计算、激光雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。其中，激光雷达相当于车辆的眼睛，是实现自动驾驶必不可少的硬件设备。激光雷达，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号(激光束)，然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较，作适当处理后，就可获得点位信息。一个点位代表激光雷达探测到的一个物体，可以是机动车辆，也可以是非机动车辆、行人或者是路面上的障碍物等。而探测到车辆行驶路径上的物体后，就可以利用人工智能、视觉计算等对自动车辆的行驶路线及机动车辆的行驶状态进行提前规划模仿驾驶员对车辆的操作，实现无人驾驶。
由上文可知，在现有技术方案中，自动驾驶汽车所采用的激光雷达的探测距离是实现无人驾驶的一个关键因素，探测距离越长所探测的物体越多，能够帮助人工智能、视觉计算等做出更为有效的行驶路线规划及车辆控制策略。因而现有的自动驾驶汽车通常会选择安装高线束的激光雷达，确保有足够的探测距离。但是激光雷达的线束越高其成本也就越高，将一辆常规的机动车辆改造成自动驾驶汽车的成本也就越高，从而阻碍了无人驾驶技术的发展。
发明内容
本发明的目的是：以较低的车辆改造成本实现自我车辆定位的同时使得自我车辆能够获得长探测距离内的物体坐标，从而辅助实现无人驾驶。
为了达到上述，本发明的技术方案是提供了一种融合路侧激光雷达和视频实现车辆和周边障碍物探知方法，其特征在于，所述路侧设备包括线束至少达到200的高线束激光雷达设备、图像测距设备、与高线束激光雷达设备及图像测距设备相连的边缘计算机、与边缘计算机相连的广播通信设备，图像测距设备的探测距离与高线束激光雷达设备的探测距离相当，所述方法包括以下步骤：
步骤1、路侧设备利用高线束激光雷达设备对目标区域内的物体进行探测，探测到的每个物体对应一个点位，则得到目标区域内与所有物体相对应的所有点位，每个点位的点位信息至少包括物体大小及中心点坐标，第i个点位的中心点坐标定义为(xi,yi,zi)；
路侧设备利用图像测距设备对目标区域内的物体进行探测，为探测到的每个物体生成一个位置图像信息，该位置图像信息至少包括所探测到的物体的图像及所探测到的物体的位置坐标；
步骤2、利用目标区域的电子地图，从步骤1得到的所有点位中筛选出仅位于道路上的点位，组成目标区域的道路点位集；
利用目标区域的电子地图，从步骤1得到的所有位置图像信息中筛选出仅与道路上的物体相对应的位置图像信息，组成位置图像信息集；
步骤3、依据点位信息中的中心点坐标及位置图像信息中的位置坐标，将道路点位集中的每个点位与位置图像信息集中的每条位置图像信息相匹配，获得每个点位所对应的物体的图像；
步骤4、对步骤3所获得的物体的图像进行图像识别，判断图像是否包含有车牌图像，若包含有车牌图像，则对车牌图像中的车牌号码进行识别，并将识别到的车牌号码与对应的点位相关联，若不包含车牌图像，则舍弃当前的物体的图像；
步骤5、将步骤2得到的道路点位集以及步骤4获得的车牌号码及车牌号码与相关点位的对应关系作为广播信息向目标区域内的所有机动车辆广播；
步骤6、机动车辆上的车载设备包括用于接收广播信息的通信设备以及运算设备，运算设备通过通信设备获得广播信息，同时，运算设备获得当前机动车辆的车牌号码；
步骤7、运算设备依据广播信息中所包含的所有点位的点位信息中的物体大小，剔除道路点位集中物体大小不大于体积阈值V的所有点位后所有剩余的点位组成道路车辆点位集，其中，体积阈值V通过统计机动车辆所对应的物体大小的统计值所确定；
步骤8、机动车辆的运算设备获取当前机动车辆的高度H，并获取道路车辆点位集中所有点位的点位信息中中心点坐标的Z轴坐标，若Z轴坐标与高度H相匹配，则将Z轴坐标所对应的点位作为候选点位，所有候选点位构成候选点位集；
步骤9、获得候选点位集中每个候选点位所对应的车牌号码，进入步骤10，若候选点位集中所有候选点位都没有对应的车牌号码，则运算设备向路侧设备请求重新发送广播信息后，返回步骤6；
步骤10、将步骤9获得的车牌号码与步骤6获得的当前机动车辆的车牌号码相匹配，若匹配成功，则利用匹配到的车牌号码所对应的候选点位为当前机动车辆在道路点位集中所对应的点位，从而实现当前机动车辆的自我车辆定位，若匹配失败，则运算设备向路侧设备请求重新发送广播信息后，返回步骤6；
步骤11、依据道路点位集中通过步骤10匹配得到的点位的中心点坐标，当前机动车辆的运算设备利用空间坐标转换方法将步骤6中接收到的广播信息的道路点位集所处的路侧设备坐标系转换至当前机动车辆所处坐标系，实现对道路点位集中所有点位所对应的物体的定位，从而实现对周边障碍物的定位。
优选地，所述广播通信设备每秒向外广播N次广播信息，N≥5。
优选地，步骤7中，所述物体大小的统计值为预先采样得到的机动车辆所对应的物体大小的均值。
优选地，步骤8中，设道路车辆点位集中第j个点位的Z轴坐标为zj，若|H-2×zj|≤h，则第j个点位为候选点位，式中，h为预先确定的高度差阈值。
本发明利用路侧设备向所有机动车辆广播道路的探测信息，位于目标区域的所有机动车辆共享一个高线束的激光雷达，所有机动车辆都可以利用该激光雷达来替代原本应该安装在机动车辆上的激光雷达，而包含有激光雷达的路侧设备的费用无需机动车辆的用户来承担。采用上述方案后，机动车辆可以不用安装任何与激光雷达相类似的设备，通过对车牌号码的识、匹配就可以实现自我车辆及周边车辆的定位，从而可以大幅降低车辆改装成本，同时，又可以确保例如运算设备之类的用于实现自动驾驶的设备可以获得准确的数据，实现自动驾驶功能。
附图说明
图1是本发明提供的融合路侧激光雷达和视频实现车辆和周边障碍物探知方法的流程示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明提供的一种利用路侧设备广播通信指导无人驾驶的方法基于路侧设备及车载设备。路侧设备包括高线束激光雷达设备，该激光雷达设备的线束可以为200，甚至还可以采用300线束的激光雷达设备，从而可以实现远距离的探测。路侧设备还包括图像测距设备，图像测距设备的探测距离与高线束激光雷达设备的探测距离相当。图像测距设备为探测到的每个物体生成一个位置图像信息，该位置图像信息至少包括所探测到的物体的图像及所探测到的物体的位置坐标。路侧设备还包括与高线束激光雷达设备及图像测距设备相连的边缘计算机、与边缘计算机相连的广播通信设备。广播通信设备可以采用任何现有的技术来实现广播通信，例如可以采用LTE-V技术，也可以采用5G技术。而边缘计算机也是本领域的常规设备，此处不再赘述。
在本实施例中，车载设备包括：通信设备，用于接收路侧设备所发出的广播信号；运算设备，用于完成一些必要的计算工作。应当注意的是，通信设备及运算设备亦是自动驾驶领域的常规设备，此处不再赘述。
基于上述路侧设备及车载设备，本发明提供的一种融合路侧激光雷达和视频实现车辆和周边障碍物探知方法包括以下步骤：
步骤1、路侧设备对目标区域内的物体进行探测。探测到的每个物体对应一个点位，则得到目标区域内与所有物体相对应的所有点位。物体可以是机动车辆，也可以是非机动车辆、行人或者是路面上的障碍物等。每个点位的点位信息至少包括物体大小及中心点坐标。将第i个点位的中心点坐标定义为(xi,yi,zi)。
与此同时，路侧设备利用图像测距设备对目标区域内的物体进行探测，为探测到的每个物体生成一个位置图像信息，该位置图像信息至少包括所探测到的物体的图像及所探测到的物体的位置坐标。
步骤2、利用目标区域的电子地图，从步骤1得到的所有点位中筛选出仅位于道路上的点位，组成目标区域的道路点位集。
利用目标区域的电子地图，从步骤1得到的所有位置图像信息中筛选出仅与道路上的物体相对应的位置图像信息，组成位置图像信息集。
由于自动驾驶仅关注位于道路上的物体，因此，对于非道路上的点位实际形成了无用的干扰信息，本发明利用电子地图形成了对这些干扰信息的初步过滤，仅将有效信息进行广播，提高了传输效率。
步骤3、依据点位信息中的中心点坐标及位置图像信息中的位置坐标，将道路点位集中的每个点位与位置图像信息集中的每条位置图像信息相匹配，获得每个点位所对应的物体的图像。
步骤4、对步骤3所获得的物体的图像进行图像识别，判断图像是否包含有车牌图像，若包含有车牌图像，则对车牌图像中的车牌号码进行识别，并将识别到的车牌号码与对应的点位相关联，若不包含车牌图像，则舍弃当前的物体的图像。
步骤5、将步骤2得到的道路点位集以及步骤4获得的车牌号码及车牌号码与相关点位的对应关系作为广播信息向目标区域内的所有机动车辆广播。如前文所述，具体的广播方式为本领域技术人员的常识，此处不再赘述。本实施例中，广播通信设备每秒向外广播5、10或15次等多次广播信息。
步骤6、机动车辆上的车载设备包括用于接收广播信息的通信设备以及运算设备，运算设备通过通信设备获得广播信息，同时，运算设备获得当前机动车辆的车牌号码。
步骤7、机动车辆的运算设备依据点位信息中的物体大小，剔除道路点位集中物体大小不大于体积阈值V的所有点位后所有剩余的点位组成道路车辆点位集。体积阈值V通过统计机动车辆所对应的物体大小的统计值所确定，确定体积阈值V时，可以预先利用路侧设备对不同大小的机动车辆所对应的点位物体大小信息进行采样，然后利用相关的统计学方法来计算得到体积阈值V。
本实施例中，一个比较简单的方式是物体大小的统计值为预先采样得到的机动车辆所对应的物体大小的均值。
由于后续步骤的目的是从所有点位中得到与当前机动车辆对应的点位，因此，先剔除道路点位集中明显不与机动车辆相对应的点位(例如将行人、非机动车、障碍物等过滤掉)，从而可以大幅降低后续算法的计算复杂度。
步骤8、机动车辆的运算设备获取当前机动车辆的高度H，并获取道路车辆点位集中所有点位的点位信息中中心点坐标的Z轴坐标，若Z轴坐标与高度H相匹配，则将Z轴坐标所对应的点位作为候选点位，所有候选点位构成候选点位集。
上述步骤中，挑选候选点位一个较为简单的实施方式是：对于道路车辆点位集中第j个点位而言，设其Z轴坐标为zj，若|H-2×zj|≤h，则第j个点位为候选点位，式中，h为预先确定的高度差阈值。
不同类型的机动车辆具有不同的高度，由于后续步骤中需要从点位中找到与当前机动车辆相对应的点位，因此，可以利用当前机动车辆的高度对点位再进行一次过滤，进一步降低后续步骤的数据处理量。
步骤9、获得候选点位集中每个候选点位所对应的车牌号码，进入步骤10，若候选点位集中所有候选点位都没有对应的车牌号码，则运算设备向路侧设备请求重新发送广播信息后，返回步骤6。
步骤10、将步骤9获得的车牌号码与步骤6获得的当前机动车辆的车牌号码相匹配，若匹配成功，则利用匹配到的车牌号码所对应的候选点位为当前机动车辆在道路点位集中所对应的点位，从而实现当前机动车辆的自我车辆定位，若匹配失败，则运算设备向路侧设备请求重新发送广播信息后，返回步骤6。
步骤11、依据道路点位集中通过步骤10匹配得到的点位的中心点坐标，当前机动车辆的运算设备利用空间坐标转换方法将步骤6中接收到的广播信息的道路点位集所处的路侧设备坐标系转换至当前机动车辆所处坐标系，实现对道路点位集中所有点位所对应的物体的定位，从而实现对周边障碍物的定位。

Claims (4)

1.一种融合路侧激光雷达和视频实现车辆和周边障碍物探知方法，其特征在于，所述路侧设备包括线束至少达到200的高线束激光雷达设备、图像测距设备、与高线束激光雷达设备及图像测距设备相连的边缘计算机、与边缘计算机相连的广播通信设备，图像测距设备的探测距离与高线束激光雷达设备的探测距离相当，所述方法包括以下步骤：
步骤1、路侧设备利用高线束激光雷达设备对目标区域内的物体进行探测，探测到的每个物体对应一个点位，则得到目标区域内与所有物体相对应的所有点位，每个点位的点位信息至少包括物体大小及中心点坐标，第i个点位的中心点坐标定义为(xi,yi,zi)；
路侧设备利用图像测距设备对目标区域内的物体进行探测，为探测到的每个物体生成一个位置图像信息，该位置图像信息至少包括所探测到的物体的图像及所探测到的物体的位置坐标；
步骤2、利用目标区域的电子地图，从步骤1得到的所有点位中筛选出仅位于道路上的点位，组成目标区域的道路点位集；
利用目标区域的电子地图，从步骤1得到的所有位置图像信息中筛选出仅与道路上的物体相对应的位置图像信息，组成位置图像信息集；
步骤3、依据点位信息中的中心点坐标及位置图像信息中的位置坐标，将道路点位集中的每个点位与位置图像信息集中的每条位置图像信息相匹配，获得每个点位所对应的物体的图像；
步骤4、对步骤3所获得的物体的图像进行图像识别，判断图像是否包含有车牌图像，若包含有车牌图像，则对车牌图像中的车牌号码进行识别，并将识别到的车牌号码与对应的点位相关联，若不包含车牌图像，则舍弃当前的物体的图像；
步骤5、将步骤2得到的道路点位集以及步骤4获得的车牌号码及车牌号码与相关点位的对应关系作为广播信息向目标区域内的所有机动车辆广播；
步骤6、机动车辆上的车载设备包括用于接收广播信息的通信设备以及运算设备，运算设备通过通信设备获得广播信息，同时，运算设备获得当前机动车辆的车牌号码；
步骤7、运算设备依据广播信息中所包含的所有点位的点位信息中的物体大小，剔除道路点位集中物体大小不大于体积阈值V的所有点位后所有剩余的点位组成道路车辆点位集，其中，体积阈值V通过统计机动车辆所对应的物体大小的统计值所确定；
步骤8、机动车辆的运算设备获取当前机动车辆的高度H，并获取道路车辆点位集中所有点位的点位信息中中心点坐标的Z轴坐标，若Z轴坐标与高度H相匹配，则将Z轴坐标所对应的点位作为候选点位，所有候选点位构成候选点位集；
步骤9、获得候选点位集中每个候选点位所对应的车牌号码，进入步骤10，若候选点位集中所有候选点位都没有对应的车牌号码，则运算设备向路侧设备请求重新发送广播信息后，返回步骤6；
步骤10、将步骤9获得的车牌号码与步骤6获得的当前机动车辆的车牌号码相匹配，若匹配成功，则利用匹配到的车牌号码所对应的候选点位为当前机动车辆在道路点位集中所对应的点位，从而实现当前机动车辆的自我车辆定位，若匹配失败，则运算设备向路侧设备请求重新发送广播信息后，返回步骤6；
步骤11、依据道路点位集中通过步骤10匹配得到的点位的中心点坐标，当前机动车辆的运算设备利用空间坐标转换方法将步骤6中接收到的广播信息的道路点位集所处的路侧设备坐标系转换至当前机动车辆所处坐标系，实现对道路点位集中所有点位所对应的物体的定位，从而实现对周边障碍物的定位。
2.如权利要求1所述的一种融合路侧激光雷达和视频实现车辆和周边障碍物探知方法，其特征在于，所述广播通信设备每秒向外广播N次广播信息，N≥5。
3.如权利要求1所述的一种融合路侧激光雷达和视频实现车辆和周边障碍物探知方法，其特征在于，步骤7中，所述物体大小的统计值为预先采样得到的机动车辆所对应的物体大小的均值。
4.如权利要求1所述的一种融合路侧激光雷达和视频实现车辆和周边障碍物探知方法，其特征在于，步骤8中，设道路车辆点位集中第j个点位的Z轴坐标为zj，若|H-2×zj|≤h，则第j个点位为候选点位，式中，h为预先确定的高度差阈值。
CN202010634469.6A 2020-07-02 2020-07-02 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法 Pending CN111754798A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010634469.6A CN111754798A (zh) 2020-07-02 2020-07-02 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010634469.6A CN111754798A (zh) 2020-07-02 2020-07-02 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法

Publications (1)

Publication Number Publication Date
CN111754798A true CN111754798A (zh) 2020-10-09

Family

ID=72679149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010634469.6A Pending CN111754798A (zh) 2020-07-02 2020-07-02 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法

Country Status (1)

Country Link
CN (1) CN111754798A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112504140A (zh) * 2020-11-20 2021-03-16 上海电科智能系统股份有限公司 基于俯视深度相机的物体探测方法
CN113379805A (zh) * 2021-08-12 2021-09-10 深圳市城市交通规划设计研究中心股份有限公司 一种交通节点的多信息资源融合处理方法
CN113479190A (zh) * 2021-06-21 2021-10-08 上汽通用五菱汽车股份有限公司 智能泊车系统、方法、设备及计算机可读存储介质
CN114333294A (zh) * 2021-11-30 2022-04-12 上海电科智能系统股份有限公司 一种基于非全覆盖的多元多种物体感知识别跟踪方法
CN116381698A (zh) * 2023-06-05 2023-07-04 蘑菇车联信息科技有限公司 道路遗撒物的检测方法、装置及电子设备

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103366250A (zh) * 2013-07-12 2013-10-23 中国科学院深圳先进技术研究院 基于三维实景数据的市容环境检测方法及系统
CN105404844A (zh) * 2014-09-12 2016-03-16 广州汽车集团股份有限公司 一种基于多线激光雷达的道路边界检测方法
CN106767852A (zh) * 2016-12-30 2017-05-31 东软集团股份有限公司 一种生成探测目标信息的方法、装置和设备
EP3208635A1 (en) * 2016-02-19 2017-08-23 Delphi Technologies, Inc. Vision algorithm performance using low level sensor fusion
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
CN109102702A (zh) * 2018-08-24 2018-12-28 南京理工大学 基于视频车辆检测和雷达信号融合的车辆测速方法
CN109099901A (zh) * 2018-06-26 2018-12-28 苏州路特工智能科技有限公司 基于多源数据融合的全自动压路机定位方法
CN109272601A (zh) * 2017-07-17 2019-01-25 福特全球技术公司 自动的地图异常检测和更新
KR101976290B1 (ko) * 2017-12-13 2019-05-07 연세대학교 산학협력단 깊이 정보 생성을 위한 학습 장치 및 방법과 깊이 정보 생성 장치 및 방법 그리고 이에 관한 기록 매체
CN109996176A (zh) * 2019-05-20 2019-07-09 北京百度网讯科技有限公司 感知信息融合处理方法、装置、终端和存储介质
CN110068818A (zh) * 2019-05-05 2019-07-30 中国汽车工程研究院股份有限公司 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法
CN110103953A (zh) * 2019-04-30 2019-08-09 北京百度网讯科技有限公司 用于辅助车辆的驾驶控制的方法、设备、介质和系统
CN110208787A (zh) * 2019-05-05 2019-09-06 北京航空航天大学 一种基于v2i的智能网联自动驾驶汽车辅助感知路灯系统
CN110321828A (zh) * 2019-06-27 2019-10-11 四川大学 一种基于双目摄像机和车底阴影的前方车辆检测方法
CN110356325A (zh) * 2019-09-04 2019-10-22 魔视智能科技(上海)有限公司 一种城市交通客运车辆盲区预警系统
CN110532896A (zh) * 2019-08-06 2019-12-03 北京航空航天大学 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法
CN110675431A (zh) * 2019-10-08 2020-01-10 中国人民解放军军事科学院国防科技创新研究院 一种融合图像和激光点云的三维多目标跟踪方法
CN110738846A (zh) * 2019-09-27 2020-01-31 同济大学 基于雷达与视频组群的车辆行为监测系统及其实现方法
CN111025308A (zh) * 2019-12-03 2020-04-17 重庆车辆检测研究院有限公司 车辆定位方法、装置、系统和存储介质
CN111123912A (zh) * 2019-11-29 2020-05-08 苏州智加科技有限公司 行车定位坐标的标定方法和装置
CN111273305A (zh) * 2020-02-18 2020-06-12 中国科学院合肥物质科学研究院 基于全局与局部栅格图多传感器融合道路提取与索引方法
CN210835241U (zh) * 2019-07-24 2020-06-23 北京万集科技股份有限公司 一种路侧感知系统

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103366250A (zh) * 2013-07-12 2013-10-23 中国科学院深圳先进技术研究院 基于三维实景数据的市容环境检测方法及系统
CN105404844A (zh) * 2014-09-12 2016-03-16 广州汽车集团股份有限公司 一种基于多线激光雷达的道路边界检测方法
EP3208635A1 (en) * 2016-02-19 2017-08-23 Delphi Technologies, Inc. Vision algorithm performance using low level sensor fusion
CN106767852A (zh) * 2016-12-30 2017-05-31 东软集团股份有限公司 一种生成探测目标信息的方法、装置和设备
CN109272601A (zh) * 2017-07-17 2019-01-25 福特全球技术公司 自动的地图异常检测和更新
KR101976290B1 (ko) * 2017-12-13 2019-05-07 연세대학교 산학협력단 깊이 정보 생성을 위한 학습 장치 및 방법과 깊이 정보 생성 장치 및 방법 그리고 이에 관한 기록 매체
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
CN109099901A (zh) * 2018-06-26 2018-12-28 苏州路特工智能科技有限公司 基于多源数据融合的全自动压路机定位方法
CN109102702A (zh) * 2018-08-24 2018-12-28 南京理工大学 基于视频车辆检测和雷达信号融合的车辆测速方法
CN110103953A (zh) * 2019-04-30 2019-08-09 北京百度网讯科技有限公司 用于辅助车辆的驾驶控制的方法、设备、介质和系统
CN110068818A (zh) * 2019-05-05 2019-07-30 中国汽车工程研究院股份有限公司 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法
CN110208787A (zh) * 2019-05-05 2019-09-06 北京航空航天大学 一种基于v2i的智能网联自动驾驶汽车辅助感知路灯系统
CN109996176A (zh) * 2019-05-20 2019-07-09 北京百度网讯科技有限公司 感知信息融合处理方法、装置、终端和存储介质
CN110321828A (zh) * 2019-06-27 2019-10-11 四川大学 一种基于双目摄像机和车底阴影的前方车辆检测方法
CN210835241U (zh) * 2019-07-24 2020-06-23 北京万集科技股份有限公司 一种路侧感知系统
CN110532896A (zh) * 2019-08-06 2019-12-03 北京航空航天大学 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法
CN110356325A (zh) * 2019-09-04 2019-10-22 魔视智能科技(上海)有限公司 一种城市交通客运车辆盲区预警系统
CN110738846A (zh) * 2019-09-27 2020-01-31 同济大学 基于雷达与视频组群的车辆行为监测系统及其实现方法
CN110675431A (zh) * 2019-10-08 2020-01-10 中国人民解放军军事科学院国防科技创新研究院 一种融合图像和激光点云的三维多目标跟踪方法
CN111123912A (zh) * 2019-11-29 2020-05-08 苏州智加科技有限公司 行车定位坐标的标定方法和装置
CN111025308A (zh) * 2019-12-03 2020-04-17 重庆车辆检测研究院有限公司 车辆定位方法、装置、系统和存储介质
CN111273305A (zh) * 2020-02-18 2020-06-12 中国科学院合肥物质科学研究院 基于全局与局部栅格图多传感器融合道路提取与索引方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112504140A (zh) * 2020-11-20 2021-03-16 上海电科智能系统股份有限公司 基于俯视深度相机的物体探测方法
CN112504140B (zh) * 2020-11-20 2022-10-04 上海电科智能系统股份有限公司 基于俯视深度相机的物体探测方法
CN113479190A (zh) * 2021-06-21 2021-10-08 上汽通用五菱汽车股份有限公司 智能泊车系统、方法、设备及计算机可读存储介质
CN113479190B (zh) * 2021-06-21 2022-09-20 上汽通用五菱汽车股份有限公司 智能泊车系统、方法、设备及计算机可读存储介质
CN113379805A (zh) * 2021-08-12 2021-09-10 深圳市城市交通规划设计研究中心股份有限公司 一种交通节点的多信息资源融合处理方法
CN113379805B (zh) * 2021-08-12 2022-01-07 深圳市城市交通规划设计研究中心股份有限公司 一种交通节点的多信息资源融合处理方法
CN114333294A (zh) * 2021-11-30 2022-04-12 上海电科智能系统股份有限公司 一种基于非全覆盖的多元多种物体感知识别跟踪方法
CN116381698A (zh) * 2023-06-05 2023-07-04 蘑菇车联信息科技有限公司 道路遗撒物的检测方法、装置及电子设备
CN116381698B (zh) * 2023-06-05 2024-03-12 蘑菇车联信息科技有限公司 道路遗撒物的检测方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN111754798A (zh) 融合路侧激光雷达和视频实现车辆和周边障碍物探知方法
CN110689761B (zh) 一种自动泊车方法
CN109624974B (zh) 车辆控制装置、车辆控制方法以及存储介质
JP2022514975A (ja) マルチセンサデータ融合方法、及び装置
CN110576847A (zh) 基于焦点的对传感器数据的标记
US11371851B2 (en) Method and system for determining landmarks in an environment of a vehicle
CN110008891B (zh) 一种行人检测定位方法、装置、车载计算设备及存储介质
JP2023126642A (ja) 情報処理装置、情報処理方法、及び、情報処理システム
CN112389419B (zh) 识别停车位的方法和停车辅助系统
CN110333725B (zh) 自动驾驶避让行人的方法、系统、设备及存储介质
CN114442101A (zh) 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
CN112124304B (zh) 一种库位定位方法、装置及车载设备
CN111650604B (zh) 利用精确定位实现自我车辆和周边障碍物精确探知的方法
CN115705780A (zh) 关联被感知和映射的车道边缘以进行定位
US20220348211A1 (en) Method and Assistance Device for Assisting Driving Operation of a Motor Vehicle, and Motor Vehicle
WO2022147785A1 (zh) 车辆驾驶场景识别方法及装置
CN113459951A (zh) 车外环境显示方法和装置、车辆、设备和存储介质
CN111932883B (zh) 一种利用路侧设备广播通信指导无人驾驶的方法
CN113313654B (zh) 激光点云滤波去噪方法、系统、设备及存储介质
JP4844812B2 (ja) 車両間情報通信システム
GB2593482A (en) A method for associating a traffic light detection for an at least partially autonomous motor vehicle, as well as an assistance system
CN113196106A (zh) 信息处理设备、信息处理方法和程序
CN111862654A (zh) 智能领航方法、应用、智能领航系统和车辆
EP4184480A2 (en) Driving control system and method of controlling the same using sensor fusion between vehicles
JP2019152976A (ja) 画像認識制御装置、画像認識制御プログラム

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: 20201009

RJ01 Rejection of invention patent application after publication