CN111860108B - 一种基于车载单元、路侧单元协同车辆自检数据分析系统 - Google Patents

一种基于车载单元、路侧单元协同车辆自检数据分析系统 Download PDF

Info

Publication number
CN111860108B
CN111860108B CN202010474034.XA CN202010474034A CN111860108B CN 111860108 B CN111860108 B CN 111860108B CN 202010474034 A CN202010474034 A CN 202010474034A CN 111860108 B CN111860108 B CN 111860108B
Authority
CN
China
Prior art keywords
tire
vehicle
road
road side
images
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.)
Active
Application number
CN202010474034.XA
Other languages
English (en)
Other versions
CN111860108A (zh
Inventor
杨敬锋
王立
张南峰
蓝飞腾
刘晓松
魏忠伟
杨峰
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.)
Guangdong Zhongke Zhenheng Information Technology Co ltd
Original Assignee
Guangdong Zhongke Zhenheng Information 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 Guangdong Zhongke Zhenheng Information Technology Co ltd filed Critical Guangdong Zhongke Zhenheng Information Technology Co ltd
Priority to CN202010474034.XA priority Critical patent/CN111860108B/zh
Publication of CN111860108A publication Critical patent/CN111860108A/zh
Application granted granted Critical
Publication of CN111860108B publication Critical patent/CN111860108B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Mechanical Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Tires In General (AREA)

Abstract

本发明涉及一种基于车载单元、路侧单元协同车辆自检数据分析系统，通过在车辆底盘上的若干个车载摄像头来全方位地采集车胎的图像，工控机通过比较当前车胎的图像和预先存储的图像，使其能快速地检测出是否存在扎胎的情况，进而排除严重的安全隐患。

Description

一种基于车载单元、路侧单元协同车辆自检数据分析系统
技术领域
本发明涉及一种基于车载单元、路侧单元协同车辆自检数据分析系统。
背景技术
以自动驾驶模式运行(例如，无人驾驶)的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自动驾驶模式运行时，车辆可以使用车载传感器导航到各个位置，从而允许车辆在最少人机交互的情况下或在没有任何乘客的一些情况下行驶。
虽然自动驾驶车辆还没能真正地行驶在公共马路上但是技术人员在多次模拟真实公共马路的测试时发现，在自动驾驶车辆的轮胎出现被不明异物扎胎，车胎内的气压不会马上降低，但是对于高速行驶的车辆而言，出现扎胎，有可能随时会发生车胎爆炸的现象，因此仅依靠现有的通过在车胎中设置一个胎压监控传感器以检测车胎内的气压变化来反映车胎是否被扎的做法带有滞后性，无法在扎胎的时候快速地被检测出来。而自动驾驶车辆由于缺乏驾驶员人工自检，扎胎情况对其尤为危险，车胎被扎时自动驾驶车辆再继续行驶的话，会带来严重的安全隐患。
发明内容
本发明为解决上述问题，而提供一种基于车载单元、路侧单元协同车辆自检数据分析系统，使其能快速地检测出是否存在扎胎的情况，进而排除严重的安全隐患。
为此，提供一种基于车载单元、路侧单元协同车辆自检数据分析系统，包括车辆上的车载单元和设于道路旁侧的路侧单元，所述车载单元中设置有工控机、无线发送器、设置在四条轮胎中的胎压监测传感器、GPS装置，所述工控机分别与无线发送器、胎压监测传感器、GPS装置连接以传输信号；所述路侧单元包括无线接收器、路侧摄像头、SoC芯片、终端发射器，所述SoC芯片分别与无线接收器、路侧摄像头、终端发射器电连接以传输信号，
车载单元设有若干个车载摄像头，若干个车载摄像头位于车辆底盘上车胎的四周位置以多角度地拍摄车胎的图像，各个车载摄像头将采集到的图像传输到所述的工控机以得出是否扎胎的结果，工控机通过无线发送器将是否扎胎的结果发送到路侧单元；
所述无线接收器用于接收所述无线发送器发送的是否扎胎的结果并传输至SoC芯片，路侧摄像头采集当前道路的图像传输至SoC芯片以得出当前道路是否存在造成扎胎的异物，SoC芯片通过终端发射器将是否扎胎的结果及当前道路是否存在造成扎胎的异物的信息发送到运营中心。
进一步地，所述车载摄像头具体设置为：在靠近任意一个车胎四周的底盘上设置有相互垂直的两对车载摄像头，其中的一对车载摄像头设置在与车身平行的轴线上以采集轮胎的正视图及后视图，另一对车载摄像头设置在与车身垂直的轴线上以拍摄轮胎的左视图及右视图，为拍摄车身外的车胎视图，将用于拍摄左视图或右视图的摄像头设置在车胎上方的挡板边缘，并使摄像头从上往下地倾斜拍摄车胎的视图。
进一步地，所述路侧单元等间距排列于该段道路的旁侧并对各个路侧单元进行标号以将道路分成若干段。
进一步地，所述SoC芯片中当前道路是否存在造成扎胎的异物和工控机中是否扎胎的结果，均以二进制数值进行表征。
进一步地，还包括计算机可读存储介质，其存储有计算机程序，该程序被工控机及SoC芯片在执行时运行如下步骤A-E：
步骤A.工控机采集当前的轮胎多个角度的图像以通过神经网络判断是否扎胎；
步骤B.工控机采集神经网络模型所判断当前车胎的图像是否被扎胎并输出结果“0”/“1”，并通过无线发送器将输出结果“0”/“1”发送到路侧单元；
步骤C.若路侧单元接收到输出结果“1”，则发送该输出结果“1”至运营中心并提示运营中心对车胎进行维修；若路侧单元接收到输出结果“0”，则发送输出结果“0”至运营中心；
步骤D.SoC芯片采集当前道路的图像以通过神经网络判断当前道路是否存在造成扎胎的异物；
步骤E.SoC芯片采集神经网络模型所判断当前道路是否存在造成扎胎的异物并输出结果“0”/“1”，并通过终端发射器将输出结果“0”/“1”发送到运营中心。
进一步地，步骤A进一步包括：车载单元中的车载摄像头采集车胎的图像并传输给工控机，预先将历史上大量的扎胎的图像作为训练样本输入神经网络模型训练，神经网络模型训练好后，工控机将当前车胎的图像放入该训练好的神经网络模型以快速地判断当前车胎的图像是否被扎胎并输出结果，若神经网络模型输出结果“1”，则表示为出现扎胎的情况，若神经网络模型输出结果“0”，则表示为没有出现扎胎的情况。
进一步地，步骤B进一步包括：当工控机采集到神经网络模型输出结果“0”，就进一步采集车胎中的胎压监测传感器中的压力值，若采集到压力值少于最低压力值，则判断车胎出现损坏。
进一步地，步骤C进一步包括：SoC芯片通过终端发射器将输出结果传输给运营中心，若运营中心接收到输出结果“1”，则与车辆通信，并通知车辆停靠在马路的旁侧，然后采集车辆内的GPS装置的数据，以获取车辆当前停靠的位置来通知维修人员前往对车胎进行维修；若运营中心接收到输出结果“0”，则不动作。
进一步地，步骤D进一步包括：路侧摄像头采集当前道路的图像并传输给SoC芯片，预先将历史上大量的道路存在造成扎胎异物的图像作为训练样本输入神经网络模型训练，神经网络模型训练好后，SoC芯片将当前道路的图像放入该训练好的神经网络模型以快速地判断当前道路的图像是否存在造成扎胎异物并输出结果，若神经网络模型输出结果“1”，则表示为存在造成扎胎异物的情况，若神经网络模型输出结果“0”，则表示为没有存在造成扎胎异物的情况。
进一步地，步骤E进一步包括：若运营中心接收到输出结果“1”，则通知对应路侧单元在其通信范围内广播通知车辆停靠在马路的旁侧，并采集该路侧单元的标号以确定位置，从而通知维修人员对当前道路进行清理；若运营中心接收到输出结果“0”，则不动作。
有益效果：
本发明涉及一种基于车载单元、路侧单元协同车辆自检数据分析系统，通过在车辆底盘上的若干个车载摄像头来全方位地采集车胎的图像，工控机通过比较当前车胎的图像和预先存储的图像，使其能快速地检测出是否存在扎胎的情况，进而排除严重的安全隐患。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例所述方法的实施流程图；
图2为本发明的电子设备的结构示意图；
图3为本发明的计算机可读存储介质的结构示意图。
具体实施方式
本实施例中的基于车载单元、路侧单元协同车辆自检数据分析系统，包括车载单元和路侧单元。
其中，在车辆底盘上位于任意一个车胎的四周设置有相互垂直的两对车载摄像头，其中的一对车载摄像头设置在与车身平行的轴线上，另一对车载摄像头设置在与车身垂直的轴线上，与车身平行的车载摄像头设置在靠近轮胎前后的两端的底座上以采集轮胎的正视图及后视图，与车身垂直的车载摄像头设置在靠近轮胎左右的两侧的底座上以拍摄轮胎的左视图及右视图，为拍摄车身外的车胎视图(即上述左视图或右视图)且兼顾美观，将用于拍摄左视图或右视图的摄像头设置在车胎上方的挡板边缘，并使摄像头从上往下地倾斜拍摄车胎的视图。
设置好各个车载摄像头后，各个车载摄像头的输出接口BNC均与Nuvo-5095GC工控机的输入接口连接以传输采集到的图像，通过车载摄像头全方位地采集车胎的表面图像以反映车胎的实时情况，并通过Nuvo-5095GC工控机快速地检测出是否存在扎胎的情况，同时，在车胎中设置常规的胎压监测传感器，胎压监测传感器与Nuvo-5095GC工控机通信，用于将车胎中的压力值通过无线的方式发送给Nuvo-5095GC工控机。
Nuvo-5095GC工控机的输出接口与F18A-G无线发送器的输入接口连接并通过F18A-G无线发送器将是否扎胎的信息发送到路侧单元。
在车辆中还包括有常规的用于定位的GPS装置，GPS装置与Nuvo-5095GC工控机通信。
上述的车载摄像头、工控机、无线发送器、胎压监测传感器、GPS装置共同构成所述车载单元。
所述路侧单元包括有F18A-G无线接收器、SoC芯片、路侧摄像头、LTE-V2X终端发射器。
其中，F18A-G无线接收器用于接收F18A-G无线发送器所发送的是否扎胎的处理结果，F18A-G无线接收器的输出端与路侧单元中的SoC芯片的输入端连接。
路侧摄像头用于采集路面是否存在造成扎胎的异物，路侧摄像头的输出接口BNC与所述SoC芯片的输入端连接以传输采集到的路面图像。
SoC芯片的输出端与所述LTE-V2X终端发射器的输入端连接并通过LTE-V2X终端发射器将车辆是否可以通过该道路的信息发送到运营中心。
进一步地，所述车载摄像头为高速摄像头。
所述SoC芯片中车辆是否可以通过该道路的处理结果和Nuvo-5095GC工控机中是否扎胎的处理结果，以二进制数值进行表征从而提高逻辑处理速度。
为更好地采集道路图像，将若干个路侧单元等间距排列于该段道路的旁侧。
为提高SoC芯片与Nuvo-5095GC工控机的信息处理效率，在本实施例基于车载单元、路侧单元协同车辆自检数据分析系统中增加神经网络模型。
根据上述基于车载单元、路侧单元协同车辆自检数据分析系统，其具体实现包括如图1所示的以下的方法步骤A-E：
步骤A.工控机以多角度采集当前的轮胎的图像以通过神经网络判断是否扎胎；
其中步骤A的具体操作方式如下：
(1)将各个路侧单元等间距排列于该段道路的旁侧，并对各个路侧单元进行标号以将道路分成若干段；
(2)车载摄像头采集车胎的图像并传输给Nuvo-5095GC工控机；
(3)Nuvo-5095GC工控机将当前车胎的图像放入神经网络模型进行判断，具体地，预先将历史上大量的扎胎的图像作为训练样本输入神经网络模型训练，神经网络模型训练好后，能够快速地判断当前车胎的图像是否被扎胎并输出结果“0”/“1”，实际使用时，将当前车胎的图像作为输入量输入至神经网络模型，若神经网络模型输出结果“1”，则表示为出现扎胎的情况，若神经网络模型输出结果“0”，则表示为没有出现扎胎的情况。
步骤B.Nuvo-5095GC工控机采集神经网络模型输出结果“1”或“0”，并通过F18A-G无线发送器将输出结果“1”或“0”发送到路侧单元；
具体地，若Nuvo-5095GC工控机采集神经网络模型输出结果“0”，则进一步采集胎压监测传感器中的压力值，因检修人员通常将车胎充气至2.5Pa，若胎压监测传感器检测到车胎中的压力值少于最低压力值1.8，则判断车胎出现损坏。
Nuvo-5095GC工控机比较当前的车胎压力值是否低于最低压力值，若是，则将输出结果改为“1”发送到路侧单元，否则进行输出“0”到路侧单元。
步骤C.若路侧单元接收到输出结果“1”，则发送该输出结果“1”至运营中心并提示运营中心对车胎进行维修；若路侧单元接收到输出结果“0”，则发送输出结果“0”至运营中心；
具体地，SoC芯片通过LTE-V2X终端发射器将输出结果传输给运营中心，若运营中心接收到输出结果“1”，则与车辆通信，并通知车辆停靠在马路的旁侧，然后采集车辆内的GPS装置的数据，以获取车辆当前停靠的位置来通知维修人员前往对车胎进行维修。
步骤D.SoC芯片采集当前道路的图像以通过神经网络判断当前道路是否存在造成扎胎的异物；
具体的操作方式如下：
(1)路侧摄像头采集当前道路的图像并传输给SoC芯片；
(2)预先将历史上大量的道路存在造成扎胎异物的图像作为训练样本输入神经网络模型训练，神经网络模型训练好后，能够快速地判断当前道路的图像是否存在造成扎胎异物并输出结果“0”/“1”，实际使用时，将当前道路的图像作为输入量输入至神经网络模型，若神经网络模型输出结果“1”，则表示为存在造成扎胎异物的情况，若神经网络模型输出结果“0”，则表示为没有存在造成扎胎异物的情况。
步骤E.SoC芯片采集神经网络模型输出结果“1”或“0”，并通过LTE-V2X终端发射器将输出结果“1”或“0”发送到运营中心；
具体地，若运营中心接收到输出结果“1”，则通知对应路侧单元在其通信范围内广播通知车辆停靠在马路的旁侧，并采集该路侧单元的标号以确定位置，从而通知维修人员对当前道路进行清理；若运营中心接收到输出结果“0”，则不动作。
本实施例的有益效果：
(1)通过设置在车辆底盘上的两对垂直的车载摄像头来全方位地采集车胎的图像，工控机通过神经网络模型，使其能快速地检测出是否存在扎胎的情况，进而排除严重的安全隐患；
(2)运用神经网络模型，进而提高了Nuvo-5095GC工控机与SoC芯片的运算效率；
(3)将道路分段进行判断进而减轻运营中心的数据负担。
需要说明的是：
本实施例所用的方法，可转化为可存储于计算机存储介质中的程序步骤及装置，通过被控制器调用执行的方式进行实施。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的检测电子设备的佩戴状态的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图2示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备传统上包括处理器21和被安排成存储计算机可执行指令(程序代码)的存储器22。存储器22可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器22具有存储用于执行实施例中的任何方法步骤的程序代码24的存储空间23。例如，用于程序代码的存储空间23可以包括分别用于实现上面的方法中的各种步骤的各个程序代码24。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图3所述的计算机可读存储介质。该计算机可读存储介质可以具有与图2的电子设备中的存储器22类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元存储有用于执行根据本发明的方法步骤的程序代码31，即可以由诸如21之类的处理器读取的程序代码，当这些程序代码由电子设备运行时，导致该电子设备执行上面所描述的方法中的各个步骤。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (9)

1.一种基于车载单元、路侧单元协同车辆自检数据分析系统，包括车辆上的车载单元和设于道路旁侧的路侧单元，所述车载单元中设置有工控机、无线发送器、设置在四条轮胎中的胎压监测传感器、GPS装置，所述工控机分别与无线发送器、胎压监测传感器、GPS装置连接以传输信号；所述路侧单元包括无线接收器、路侧摄像头、SoC芯片、终端发射器，所述SoC芯片分别与无线接收器、路侧摄像头、终端发射器电连接以传输信号，其特征在于：
车载单元设有若干个车载摄像头，若干个车载摄像头位于车辆底盘上车胎的四周位置以多角度地拍摄车胎的图像，各个车载摄像头将采集到的图像传输到所述的工控机以得出是否扎胎的结果，工控机通过无线发送器将是否扎胎的结果发送到路侧单元；
所述无线接收器用于接收所述无线发送器发送的是否扎胎的结果并传输至SoC芯片，路侧摄像头采集当前道路的图像传输至SoC芯片以得出当前道路是否存在造成扎胎的异物，SoC芯片通过终端发射器将是否扎胎的结果及当前道路是否存在造成扎胎的异物的信息发送到运营中心；
还包括计算机可读存储介质，其存储有计算机程序，该程序被工控机及SoC芯片在执行时运行如下步骤A-E：
步骤A.工控机采集当前的轮胎多个角度的图像以通过神经网络判断是否扎胎；
步骤B.工控机采集神经网络模型所判断当前车胎的图像是否被扎胎并输出结果
“0”/“1”，并通过无线发送器将输出结果“0”/“1”发送到路侧单元；
步骤C.若路侧单元接收到输出结果“1”，则发送该输出结果“1”至运营中心并提示运营中心对车胎进行维修；若路侧单元接收到输出结果“0”，则发送输出结果“0”至运营中心；
步骤D.SoC芯片采集当前道路的图像以通过神经网络判断当前道路是否存在造成扎胎的异物；
步骤E.SoC芯片采集神经网络模型所判断当前道路是否存在造成扎胎的异物并输出结果“0”/“1”，并通过终端发射器将输出结果“0”/“1”发送到运营中心。
2.根据权利要求1所述的车辆自检数据分析系统，其特征在于，所述车载摄像头具体设置为：在靠近任意一个车胎四周的底盘上设置有相互垂直的两对车载摄像头，其中的一对车载摄像头设置在与车身平行的轴线上以采集轮胎的正视图及后视图，另一对车载摄像头设置在与车身垂直的轴线上以拍摄轮胎的左视图及右视图，为拍摄车身外的车胎视图，将用于拍摄左视图或右视图的摄像头设置在车胎上方的挡板边缘，并使摄像头从上往下地倾斜拍摄车胎的视图。
3.根据权利要求1所述的车辆自检数据分析系统，其特征在于，所述路侧单元等间距排列于当前道路的旁侧并对各个路侧单元进行标号以将道路分成若干段。
4.根据权利要求1所述的车辆自检数据分析系统，其特征在于，所述SoC芯片中当前道路是否存在造成扎胎的异物和工控机中是否扎胎的结果，均以二进制数值进行表征。
5.根据权利要求1所述的车辆自检数据分析系统，其特征在于，步骤A进一步包括：车载单元中的车载摄像头采集车胎的图像并传输给工控机，预先将历史上大量的扎胎的图像作为训练样本输入神经网络模型训练，神经网络模型训练好后，工控机将当前车胎的图像放入该训练好的神经网络模型以快速地判断当前车胎的图像是否被扎胎并输出结果，若神经网络模型输出结果“1”，则表示为出现扎胎的情况，若神经网络模型输出结果“0”，则表示为没有出现扎胎的情况。
6.根据权利要求1所述的车辆自检数据分析系统，其特征在于，步骤B进一步包括：当工控机采集到神经网络模型输出结果“0”，就进一步采集车胎中的胎压监测传感器中的压力值，若采集到压力值少于最低压力值，则判断车胎出现损坏。
7.根据权利要求1所述的车辆自检数据分析系统，其特征在于，步骤C进一步包括：SoC芯片通过终端发射器将输出结果传输给运营中心，若运营中心接收到输出结果“1”，则与车辆通信，并通知车辆停靠在马路的旁侧，然后采集车辆内的GPS装置的数据，以获取车辆当前停靠的位置来通知维修人员前往对车胎进行维修；若运营中心接收到输出结果“0”，则不动作。
8.根据权利要求1所述的车辆自检数据分析系统，其特征在于，步骤D进一步包括：路侧摄像头采集当前道路的图像并传输给SoC芯片，预先将历史上大量的道路存在造成扎胎异物的图像作为训练样本输入神经网络模型训练，神经网络模型训练好后，SoC芯片将当前道路的图像放入该训练好的神经网络模型以快速地判断当前道路的图像是否存在造成扎胎异物并输出结果，若神经网络模型输出结果“1”，则表示为存在造成扎胎异物的情况，若神经网络模型输出结果“0”，则表示为没有存在造成扎胎异物的情况。
9.根据权利要求1所述的车辆自检数据分析系统，其特征在于，步骤E进一步包括：若运营中心接收到输出结果“1”，则通知对应路侧单元在其通信范围内广播通知车辆停靠在马路的旁侧，并采集该路侧单元的标号以确定位置，从而通知维修人员对当前道路进行清理；若运营中心接收到输出结果“0”，则不动作。
CN202010474034.XA 2020-05-29 2020-05-29 一种基于车载单元、路侧单元协同车辆自检数据分析系统 Active CN111860108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010474034.XA CN111860108B (zh) 2020-05-29 2020-05-29 一种基于车载单元、路侧单元协同车辆自检数据分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010474034.XA CN111860108B (zh) 2020-05-29 2020-05-29 一种基于车载单元、路侧单元协同车辆自检数据分析系统

Publications (2)

Publication Number Publication Date
CN111860108A CN111860108A (zh) 2020-10-30
CN111860108B true CN111860108B (zh) 2024-03-15

Family

ID=72985342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010474034.XA Active CN111860108B (zh) 2020-05-29 2020-05-29 一种基于车载单元、路侧单元协同车辆自检数据分析系统

Country Status (1)

Country Link
CN (1) CN111860108B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005300227A (ja) * 2004-04-07 2005-10-27 Bridgestone Corp タイヤ形状検出方法とその装置
DE102010029481A1 (de) * 2009-05-29 2010-12-02 Continental Teves Ag & Co. Ohg Verfahren und System zur Übertragung von Daten aus Fahrzeugen zu Infrastruktureinheiten
CN102745025A (zh) * 2012-03-13 2012-10-24 浙江吉利汽车研究院有限公司 汽车轮胎监控装置和方法
CN107053966A (zh) * 2017-03-08 2017-08-18 江苏金坛大迈汽车工程研究院有限公司 一种车辆轮胎扎胎提醒装置及其使用方法
CN109448385A (zh) * 2019-01-04 2019-03-08 北京钛星科技有限公司 基于车路协同的自动驾驶车辆交叉路口调度系统及方法
KR20190072219A (ko) * 2017-12-15 2019-06-25 주식회사 인포쉐어 영상이미지 분석 기반의 타이어 공기압 측정 시스템 및 방법
US10582354B1 (en) * 2018-10-05 2020-03-03 Allstate Insurance Company Systems and methods for automatic breakdown detection and roadside assistance
CN110884304A (zh) * 2019-12-17 2020-03-17 温州鑫锐翔科技有限公司 车胎漏气检测系统
CN111103874A (zh) * 2018-10-26 2020-05-05 百度在线网络技术（北京）有限公司 用于控制车辆的自动驾驶的方法、装置、设备和介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9633561B2 (en) * 2013-07-12 2017-04-25 Ford Global Technologies, Llc On-vehicle system providing roadside assistance

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005300227A (ja) * 2004-04-07 2005-10-27 Bridgestone Corp タイヤ形状検出方法とその装置
DE102010029481A1 (de) * 2009-05-29 2010-12-02 Continental Teves Ag & Co. Ohg Verfahren und System zur Übertragung von Daten aus Fahrzeugen zu Infrastruktureinheiten
CN102745025A (zh) * 2012-03-13 2012-10-24 浙江吉利汽车研究院有限公司 汽车轮胎监控装置和方法
CN107053966A (zh) * 2017-03-08 2017-08-18 江苏金坛大迈汽车工程研究院有限公司 一种车辆轮胎扎胎提醒装置及其使用方法
KR20190072219A (ko) * 2017-12-15 2019-06-25 주식회사 인포쉐어 영상이미지 분석 기반의 타이어 공기압 측정 시스템 및 방법
US10582354B1 (en) * 2018-10-05 2020-03-03 Allstate Insurance Company Systems and methods for automatic breakdown detection and roadside assistance
CN111103874A (zh) * 2018-10-26 2020-05-05 百度在线网络技术（北京）有限公司 用于控制车辆的自动驾驶的方法、装置、设备和介质
CN109448385A (zh) * 2019-01-04 2019-03-08 北京钛星科技有限公司 基于车路协同的自动驾驶车辆交叉路口调度系统及方法
CN110884304A (zh) * 2019-12-17 2020-03-17 温州鑫锐翔科技有限公司 车胎漏气检测系统

Also Published As

Publication number Publication date
CN111860108A (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111311914B (zh) 车辆行驶事故监控方法、装置和车辆
CN107256394A (zh) 驾驶员信息与车辆信息核验方法、装置以及系统
US10803340B2 (en) Method and apparatus for license plate recognition using multiple fields of view
CN113515985B (zh) 自助过磅系统、过磅检测方法、设备及存储介质
EP3140777B1 (en) Method for performing diagnosis of a camera system of a motor vehicle, camera system and motor vehicle
CN111144485B (zh) 基于xgboost分类算法的车辆事故判断方法和系统
CN110096975A (zh) 一种车位状态识别方法、设备及系统
US11482012B2 (en) Method for driving assistance and mobile device using the method
KR20180094812A (ko) 승차인원 검지방법 및 그 장치
CN113095125B (zh) 基于场景连续性来诊断感知系统
US20200311694A1 (en) Method for Vehicle Specification Filtering In Response to Vehicle Inspection Results
CN113903180B (zh) 一种高速公路检测车辆超速的方法及系统
CN103426211A (zh) 车辆行驶状况分析系统、分析装置和分析方法
CN111860108B (zh) 一种基于车载单元、路侧单元协同车辆自检数据分析系统
CN106710027A (zh) 车载设备的配置方法与装置
CN111800314B (zh) 自动驾驶故障监测系统
CN111800508B (zh) 基于大数据的自动驾驶故障监测方法
CN111401359A (zh) 目标识别方法、装置、电子设备和存储介质
CN114290859B (zh) 一种胎压检测方法、系统、装置及存储介质
KR102105007B1 (ko) 커넥티드 카 데이터 수집 및 돌발 상황 정보 제공을 위한 엣지-클라우드 시스템
CN113192340B (zh) 高速公路施工车辆的识别方法、装置、设备及存储介质
CN111382631B (zh) 识别方法、识别装置、终端、服务器和存储介质
CN115019263A (zh) 交通监管模型的建立方法、交通监管系统及方法
CN113085861A (zh) 自动驾驶车辆的控制方法及装置、自动驾驶车辆
CN110020608A (zh) 一种车辆识别方法、设备、系统及停车计费系统

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
GR01 Patent grant
GR01 Patent grant