CN111966108A - 基于导航系统的极端天气无人驾驶控制系统 - Google Patents
基于导航系统的极端天气无人驾驶控制系统 Download PDFInfo
- Publication number
- CN111966108A CN111966108A CN202010908401.2A CN202010908401A CN111966108A CN 111966108 A CN111966108 A CN 111966108A CN 202010908401 A CN202010908401 A CN 202010908401A CN 111966108 A CN111966108 A CN 111966108A
- Authority
- CN
- China
- Prior art keywords
- weather
- vehicle
- information
- data
- navigation
- 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
- 230000006870 function Effects 0.000 claims abstract description 42
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 claims abstract description 4
- 239000010410 layer Substances 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 21
- 238000007726 management method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 239000002346 layers by function Substances 0.000 claims description 7
- 206010039203 Road traffic accident Diseases 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000003331 infrared imaging Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000033228 biological regulation Effects 0.000 claims description 4
- 238000013475 authorization Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000003012 network analysis Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000002344 surface layer Substances 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000009429 distress Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于导航系统的极端天气无人驾驶控制系统，主要包括主系统部分；主系统部分主要负责界面成图，主要完成数据可视化的功能，嵌入了包括数据库系统、人工智能系统、天气系统、导航系统四个主要系统；数据库系统是为了存储车主及车辆的信息，以及建立车辆信息数据库，为无人驾驶提供更精确的信息；人工智能系统的功能是对车辆周边信息的识别并自动做出反应和判断；天气系统通过爬虫程序获取当前位置的天气情况，并且通过车载传感器获取车辆周边的能见度状况，来对当前天气情况进行校正，以获取准确的天气信息；导航系统提供了高精度的定位和短报文通信功能。
Description
技术领域
本发明属于无人驾驶技术领域，具体涉及一种基于导航系统的极端天气无人驾驶控制系统。
背景技术
无人驾驶是智能时代的产物，其发展离不开人工智能。其实，早在20世纪70年代开始，世界上各个发达国家便率先开始了无人驾驶的研究，且取得了一些突破。而中国是从20世纪80年代才开始的这项技术的研究，并于1992年由国防科技大学成功研制出中国的第一台真正意义上的无人驾驶汽车。无人驾驶其实一直都在发展的过程中，并且已经有无人驾驶的技术出现在我们生活中，车辆的防抱死系统是无人驾驶的一个重要产物，现在已经十分成熟，并运用到了大多数的有人驾驶汽车上。
2019年末，百度无人驾驶出租车队在长沙正式开启试运营，2020年，无人驾驶出租在北京，上海等地亦开始了运营。而在其他国家，google于2014年5月推出了自己的无人驾驶产品，但是该产品并没有刹车和方向盘，且需要依靠地图和大量的数据来支撑其运行，从种种数据表明，我国的无人驾驶走在了世界的前列。
无人驾驶主要依靠车内的计算机系统，也就是其智能驾驶仪，再辅助于一些外部的传感器(如：红外探测传感器、毫米雷达波等)来实现汽车自动驾驶的功能。然而目前的无人驾驶仍然会有许多的弊端，比如过度的依赖于传感器以及智能算法，而这些弊端往往会造成很多的事故，比如在强烈的日照天气下，周围物体在太阳照射下发出强烈的反射，会混淆传感器的感知，进而不能准确识别或者不能识别，进而导致追尾、碰撞等事故。同时，当前的无人驾驶在某些极端天气下(如大雾等影响人们的视线范围或者影响到传感器识别等天气)不能有很好的应用，往往不能十分准确地对周边车辆进行精准定位。
现在的无人驾驶识别主要为可见光识别、红外识别、雷达识别。通过利用传感器对于周围道路的目标进行准确识别，进而还原当前道路场景，通过这个来选择下一步的操作，如：停车避让，错开当前道路等。另外，此类识别系统主要是在已知道路情况(即某些紧急时间已经发生的情况下，如：前方已发生车祸)而做出反应，如果遇到紧急情况(近距离突发车祸)，他会根据以往的大量数据，进行机器学习，进而得到后边的操作步骤。
该技术不仅消耗成本高，对硬件的要求十分高之外，还会存在大量的误判。如：很多种的突发状况会是以往的数据库中没有的，从来没有发生过的，进而使用机器学习会造成较大的误差，进而进行了错误的判断以及操作。同时，对于已知物体的识别，如果在较为特定的情况下，传感器本身接受到的信号有较大误差，容易导致对周围的信息获取不准确，尤其是周边道路情况(如道路的规划、周边车辆行驶信息。)。若周边突然有车辆发生故障，且距离较近，无人驾驶车辆很大概率不能做出及时、准确的操作。
发明内容
本发明要解决的技术问题是一种在极端天气下提高无人驾驶汽车的安全性、可靠性和应急性的系统。主要解决以下问题：
1.在极端天气(比如大雾、沙尘暴等)情况下，现有无人驾驶技术的传感器的灵敏度会降低，会影响车辆的判断，从而导致车祸的发生。本发明拟通过代入天气获取系统能够有效对当前天气情况进行判断，并将导航系统与无人驾驶系统相结合，根据实时位置共享实现对周围路况信息进行获取，并且能够对传感器参数进行动态调整。
2.现有的二维道路路况的展示可能会对无人驾驶判断造成一定的误差，本发明通过结合导航系统对道路上的车辆车型进行信息录入，可以直接通过车辆位置及车型信息结合毫米雷达波进行高精度、低消耗的道路车况3D场景模拟。
3.无人驾驶汽车作为一个独立的个体，不能够根据交通道路状况联合其它无人驾驶车辆进行宏观上的调控。本发明将会与交管部门进行深度合作，对于一些复杂的交通道路状况能通过发布一些指令在宏观上对车辆进行整体调整，维持道路交通秩序。
本发明中的极端天气指影响到人、机器对物体不能进行准确判断或可见度较低的情景。
本发明针对极端天气下的无人驾驶，利用导航系统的快速定位和5G的低延迟、高网速的特点实现一定范围内的汽车位置共享，辅助无人驾驶系统判断路况，选择最佳路线；结合车辆车型的数据库和车辆的位置信息，对道路车况进行3D场景模拟，提高无人驾驶的安全性；同时结合导航系统的短报文通信服务功能，为出现故障的汽车和有突发情况的人员提供求助功能，以及为交管部门提供远程调控功能。
具体技术方案为：
基于导航系统的极端天气无人驾驶控制系统，系统架构包括：
平台搭建基础，提供数据库支持，利用导航系统定位系统进行精确定位，通过云平台数据访问接口获取天气数据，同时数据采用数据文件处理模式，通过5G技术提供网络支持；
数据层，主要是对控制系统产生的各种数据进行加密和管理；数据层中的数据主要包括从云平台上获取的天气及空气质量数据、车辆信息数据、感应识别数据、空间矢量数据、交互数据、用户数据以及管控数据。
功能层，主要是控制系统能够为用户提供的功能，主要包括天气状况的判断、车辆的故障检测、障碍物的探测、定位测距分析、语音文字转化、反应天气和定位情况以及交通事故的反馈。
服务层，主要是根据功能层的功能为用户提供的服务；主要服务有：
(1)数据获取服务，为天气查询提供数据；
(2)系统检测服务，及时进行故障反馈；
(3)数据分析服务，将红外传感器的信息进行红外成像显示；
(4)位置共享服务，提供实时位置共享；
(5)实时交流服务，提供通话交流的功能；
(6)客户端服务，将可视数据返回给客户端；
(7)实时监控服务，交管部门进行远程调控；
同时服务层还具有程序管理、授权管理的功能、配置管理以及实名认证服务。
交互层，是用户直接使用的最表层，是系统功能的表现层；交互层主要用于用户和交管部门之间的交流。
基于导航系统的极端天气无人驾驶控制系统，主要包括主系统部分；
主系统部分主要负责界面成图，主要完成数据可视化的功能，嵌入了包括数据库系统、人工智能系统、天气系统、导航系统四个主要系统；
主系统先从天气系统中获得天气状况，根据情况而进入不同的模式，通过导航系统，及自身完成的位置共享功能得到周围车况，并且调用数据库得到周边车型，使得在极端天气的情况下无人驾驶的安全性也能有所保障。
数据库系统是为了存储车主及车辆的信息，以及建立车辆信息数据库，为无人驾驶提供更精确的信息；人工智能系统的功能是对车辆周边信息的识别并自动做出反应和判断；天气系统通过爬虫程序获取当前位置的天气情况，并且通过车载传感器获取车辆周边的能见度状况，来对当前天气情况进行校正，以获取准确的天气信息；导航系统提供了高精度的定位和短报文通信功能。
具体的：
所述的人工智能系统，主要完成对车辆周边信息的识别并自动做出反应。该系统主要包括硬件和模块；
硬件包括：测距传感器、热红外传感器、导航芯片；测距传感器是为了测量车辆间的距离，以保持安全的间距；热红外传感器是为了识别障碍物和探测周围环境；导航芯片的功能是接收定位信息和收发短报文；
模块包括：人工智能神经网络模块、数字图像处理模块、热红外成像模块；人工智能神经网络模块的功能是对从各个系统得到的数据进行计算分析，以得到一个最优的结果；数字图像处理模块是为了进行视觉预处理和特征提取；热工外成像模块是为了对红外影像进行处理并和数据库信息进行对比。
在极端天气的状况下，人工智能系统将开启极端天气的行驶模式；根据卫星定位实时位置共享实现对周围路况信息进行获取，并且对传感器参数进行动态调整，确保与其他车辆保持安全距离；
人工智能系统还接受数据库系统提供的车辆信息、天气系统提供的天气信息和导航系统提供的车辆位置信息。
所述的数据库系统，主要用于存储车主及车辆信息，在车主完成注册后，数据库系统对其进行功能开放；
其次是建立车辆信息数据库，通过对每种车辆车型的入库方式，从而得到车辆的相应参数，主要参数包括：车长、车宽、车高，保障车辆在不同路况下的安全行驶；通过车辆位置及车型信息结合毫米雷达波进行高精度、低消耗的道路车况3D场景模拟，使无人驾驶实现对于车辆间的精准定位，使导航达到厘米级误差；
数据库系统为人工智能系统提供车辆信息。
所述的天气获取系统，主要分为两部分，线上及线下；
线上获取天气，每隔相应时间对车辆所在位置的天气进行更新，获取当天天气情况，从而能够判断当前是否需要开启应急状况即系统开启极端天气运行状态，将重心从自动驾驶的人工智能部分转移至导航系统中，通过车辆信息、车辆位置信息获得得到周边路况；
线下主要通过无人驾驶车辆的传感器获得，对线上数据进行校正，得到准确天气状况的同时，能够对天气系统的天气进行校正，通过信息共享，得到高精度天气数据。
人工智能系统结合线上线下获取的天气信息，判断无人驾驶的驾驶模式。
导航系统，提供高精度定位，以及实现车辆的位置共享信息，包括车辆位置信息、车辆速度信息；导航系统与数据库系统中的车辆信息匹配，得到很高精度的车辆距离信息。
导航系统提供的信息通过主系统进行可视化；
通过导航系统，完成车辆之间的通信功能；
通过的精确导航，人工智能系统结合网络分析和路况信息，为控制系统规划出最优路径，减少路段拥堵。
本发明将在以下4个方面带来有益效果：
1、极端天气
目前的无人驾驶车辆在天气状况良好的情况下都会出现部分的判断失误，在一些能见度极低的天气状况下，部分传感器灵敏度降低，情况更是危险。本发明利用高精度的定位导航通过车辆之间的信息交互、实时的将每辆车的位置显示在客户端上，并结合热红外传感器、雷达加以辅助，提高无人驾驶的安全性。
2、故障警报
虽然无人驾驶智能，但在极端天气这种恶劣的天气状况下，不可避免会出现失控或者意料之外的情况导致车辆的故障(如：激光雷达在沙尘暴天气会失灵)或者车祸的发生。本发明添加了自身/他人车辆故障时的发射/接收警报功能。通过系统发射/接收警报。当别人车辆发生故障时客户端会显示故障类型，以供自己选择是否对其进行帮助。同样当自己车辆发生故障时也可以向其他车辆发出求救信息，避免了问题进一步扩大的同时又提高了处理故障的效率。
3、应急通道
极端天气下发生车祸在所难免，在这种情况下，本发明可以通过车辆互联数据结合导航系统，规划出一条最优的救援路径提供给紧急车辆(警车、救护车)，并自动将车祸近50米设为红色区域，100米为黄色区域，更远的为绿色区域，并且为每个区域划分速度限制，系统接受到该指令，将会重新规划路线，避免交通堵塞，节约救援时间。
4、及时反馈、协调调度
在面对突发性的极端天气时，很可能因为来不及做出反应和有效地应对措施而造成交通堵塞、道路瘫痪等问题。根据定位数据可以有效地判断拥堵发生的位置、拥堵的规模以及被困车辆数。本发明会及时将这些数据反馈给交管部门，并协助交管部门对车辆的行驶导航进行调度，做到“早发现，早解决，提高效”。
附图说明
图1为本发明的系统架构图；
图2为本发明的程序框架图；
图3为本发明的人工智能主要功能图；
图4为本发明的天气获取系统流程图；
图5为本发明的北斗导航系统功能图。
具体实施方式
结合实施例说明本发明的具体技术方案。
本实施例采用北斗卫星导航系统，也可以用全球定位系统GPS、格洛纳斯卫星导航系统或伽利略卫星导航系统替代。
如图1所示，首先本实施例的基于导航系统的极端天气无人驾驶控制系统，架构包括：
1.平台搭建基础
本发明采用Python、Java、C#为主要语言进行平台搭建，结合Arcgis Server、SQLServer提供数据库支持，利用导航系统定位系统进行精确定位，通过云平台数据访问接口获取天气数据，同时产品数据采用数据文件处理模式，通过5G技术提供网络支持。
2.数据层
数据层主要是对产品产生的各种数据进行加密和管理。数据层中的数据主要包括从云平台上获取的天气及空气质量数据、车辆信息数据、感应识别数据、空间矢量数据、交互数据、用户数据以及管控数据等。
3.功能层
功能层主要是本产品能够为用户提供的功能，主要包括天气状况的判断、车辆的故障检测、障碍物的探测、定位测距分析、语音文字转化、反应天气和定位等情况以及交通事故的反馈。
4.服务层
服务层主要是根据功能层的功能为用户提供的服务。主要服务有：
(1)数据获取服务，为天气查询提供数据；
(2)系统检测服务，及时进行故障反馈；
(3)数据分析服务，将红外传感器的信息进行红外成像显示；
(4)位置共享服务，提供实时位置共享；
(5)实时交流服务，提供通话交流的功能；
(6)客户端服务，将可视数据返回给客户端(除了提供给无人驾驶的人工智能分析的数据之外的一些可视数据提供给客户)；
(7)实时监控服务，交管部门进行远程调控；
同时服务层还具有程序管理、授权管理的功能、配置管理以及实名认证。
5.交互层
交互层是用户直接使用的最表层，是系统功能的表现层。交互层主要用于用户和交管部门之间的交流，比如救护车或者警车路过时远程调控出一条紧急通道。
如图2所示，该基于导航系统的极端天气无人驾驶控制系统，包括主系统；
主系统主要负责界面成图，及几个其他主要系统的集成作用。它嵌入了包括数据库系统、人工智能系统、天气系统、北斗导航系统四个主要系统。主要完成了数据可视化的功能，该系统会先从天气系统中获得天气状况，根据情况而进入不同的模式，比如：在极端天气下(如大雨、大雾、大霾等导致能见度较低的天气情况下)，本发明会通过北斗导航系统，及自身完成的位置共享功能得到周围车况，并且调用数据库得到周边车型，使得在极端天气的情况下无人驾驶的安全性也能有所保障。
1、人工智能系统
如图3所示，该系统主要完成对车辆周边信息的识别并自动做出反应。该系统主要包括硬件部分和软件部分。
硬件部分包括：测距传感器、热红外传感器、导航芯片。测距传感器是为了测量车辆间的距离，以保持安全的间距；热红外传感器是为了识别障碍物和探测周围环境；导航芯片的功能是接收定位信息和收发短报文。
可以用米波雷达、激光雷达来替代测距雷达、热红外传感器。
软件部分主要是分为：人工智能神经网络模块、数字图像处理模块、热红外成像模块。人工智能神经网络模块的功能是对从各个系统得到的数据进行计算分析，以得到一个最优的结果；数字图像处理模块是为了进行视觉预处理和特征提取；热工外成像模块是为了对红外影像进行处理并和数据库信息进行对比。该部分为本系统的核心部分，其为无人驾驶提供了及时、准确的信息。
在极端天气的状况下，人工智能系统将开启极端天气的行驶模式。根据北斗卫星定位实时位置共享实现对周围路况信息进行获取，并且对传感器参数进行动态调整(比如打开红外探测系统)，确保与其他车辆保持安全距离。在晴朗天气或是周围车辆较少时，减少使用红外探测系统，降低能源的消耗。
人工智能系统除了本系统硬件部分提供的信息外，还需要数据库系统提供的车辆信息、天气系统提供的天气信息和北斗导航系统提供的车辆位置信息。
2、数据库系统
本数据库系统主要方便存储车主及车辆的基本信息，在车主完成注册后，本系统便可对其进行功能开放。对车主信息进行存储主要是为了本系统某些功能的使用，如：车辆呼救、信息提供等功能。其次是建立车辆信息数据库，通过对每种车辆车型的入库方式，从而得到车辆的相应参数，主要参数包括：车长、车宽、车高，保障车辆在不同路况下的安全行驶，与此同时，可以直接通过车辆位置及车型信息结合毫米雷达波进行高精度、低消耗的道路车况3D场景模拟，使无人驾驶实现对于车辆间的精准定位，使导航达到厘米级误差。该数据库是基于SQL-Sever软件开发的，系统将使用SqlConnection对象连接数据库，再建立SqlCommand对象，负责SQL语句的执行和存储过程的调用，最后对SQL或存储过程执行后返回的“结果”进行操作。
数据库系统为人工智能系统了提供车辆信息。
3、天气获取系统
如图4所示，本发明需要的天气系统主要分为两部分，线上及线下。
线上获取天气主要通过python程序编写爬虫系统，每隔相应时间对车辆所在位置的天气进行更新，获取当天天气情况，从而能够判断当前是否需要开启应急状况(系统开启极端天气运行状态)，将重心从自动驾驶的人工智能部分转移至北斗系统中，通过车辆信息获得得到周边路况。线下主要通过无人驾驶车辆的传感器获得，当前能见度情况及其他状况，对线上数据进行校正，得到准确天气状况的同时，能够对天气系统的天气进行校正，通过信息共享，得到高精度天气数据。
可以通过与气象局或提供天气服务的公司合作来获取天气情况，以替代通过爬虫的方式获取天气情况。
人工智能系统结合线上线下获取的天气信息，判断无人驾驶的驾驶模式，使车辆的安全性得到保障的同时减少资源的浪费。
4、北斗导航系统
如图5所示，北斗导航系统主要为本发明提供了高精度定位，以及实现车辆的位置共享信息，包括车辆位置信息，车辆速度信息等。该系统与数据库中的车辆信息(车长、宽)匹配，得到很高精度的车辆距离信息。
除此之外，基于北斗导航系统提供的信息，主系统将这些信息可视化；通过北斗系统，可以完成车辆之间的通信功能(非短波通信，利用无人驾驶内部嵌入的对讲系统完成车辆之间的交流)。
通过北斗的精确导航，人工智能系统结合网络分析和路况信息，为系统规划出最优路径，减少路段拥堵。
可以.用北斗导航系统的卫星无线电测定业务(Radio-Detemination SatelliteService,RDSS)来替代北斗导航系统的短报文通信服务功能。
可见度较低情况下的无人驾驶，将通过位置共享获得周围道路车辆行驶信息，辅助以北斗导航系统，还原周围道路信息；同时，车辆信息数据库能够提供所有的车辆参数，能够帮助该系统精确、快速构建三维模型。同时，在周围车辆较近的情况下，能够再在此基础上辅助以毫米雷达波进行精准定位，提高无人驾驶行驶安全性、可靠性。在市区内行驶时，本控制系统根据当前天气状况，选择是否打开红外探测仪，保证节能降耗。
本系统还实现了与周围100米-200米内车辆的信息互通，车辆发生紧急情况可以向周围车辆发送求救信息，并且通过车载系统可视化界面在其他车辆上显示出来，其他车辆可以选择是否采取相应措施，车辆互联可以给车主带来许多便利，能够轻松解决一些小的问题(车辆有小故障而车主没有发现，如：车胎没气、车辆行驶有异常等)，也能够及时应对某些突发状况(刹车突然失灵等)。
当自身车辆故障时，可以选择是否向周边车辆发出求救信号，或者直接连线交管部门。本系统的一个较大的亮点是，可以与交管部门等政府部门紧密合作，能够加大数字化城市的建设，大大促进对道路的指挥、调度，如发生车祸时，能够通过及时对道路区间划分危险等级，从而可以直接对后续车辆的路线进行重新规划，并且会将前方道路危险等级及调整路线的原因在车载系统上显示；另外一个方面是，交管部门可以实时规划路面，为救护车辆、消防车辆等实时划出应急通道，该指令会直接下发到每台车，从而让他们及时避让而不耽误救援时间。
Claims (7)
1.基于导航系统的极端天气无人驾驶控制系统，其特征在于，所述的控制系统的架构包括：
平台搭建基础，提供数据库支持，利用导航系统定位系统进行精确定位，通过云平台数据访问接口获取天气数据，同时数据采用数据文件处理模式，通过5G技术提供网络支持；
数据层，主要是对控制系统产生的各种数据进行加密和管理；数据层中的数据主要包括从云平台上获取的天气及空气质量数据、车辆信息数据、感应识别数据、空间矢量数据、交互数据、用户数据以及管控数据；
功能层，主要是控制系统能够为用户提供的功能，主要包括天气状况的判断、车辆的故障检测、障碍物的探测、定位测距分析、语音文字转化、反应天气和定位情况以及交通事故的反馈；
服务层，主要是根据功能层的功能为用户提供的服务；主要服务有：
(1)数据获取服务，为天气查询提供数据；
(2)系统检测服务，及时进行故障反馈；
(3)数据分析服务，将红外传感器的信息进行红外成像显示；
(4)位置共享服务，提供实时位置共享；
(5)实时交流服务，提供通话交流的功能；
(6)客户端服务，将可视数据返回给客户端；
(7)实时监控服务，交管部门进行远程调控；
交互层，是用户直接使用的最表层，是系统功能的表现层；交互层主要用于用户和交管部门之间的交流。
2.根据权利要求1所述的基于导航系统的极端天气无人驾驶控制系统，其特征在于，所述的服务层还具有程序管理、授权管理的功能、配置管理以及实名认证服务。
3.基于导航系统的极端天气无人驾驶控制系统，其特征在于，主要包括主系统部分；
主系统部分主要负责界面成图，嵌入了包括数据库系统、人工智能系统、天气系统、导航系统四个主要系统；
主要完成数据可视化的功能，主系统先从天气系统中获得天气状况，根据情况而进入不同的模式，通过导航系统，及自身完成的位置共享功能得到周围车况，并且调用数据库得到周边车型，使得在极端天气的情况下无人驾驶的安全性有所保障。
4.根据权利要求3所述的基于导航系统的极端天气无人驾驶控制系统，其特征在于，所述的人工智能系统，主要完成对车辆周边信息的识别并自动做出反应。该系统主要包括硬件和模块；
硬件包括：测距传感器、热红外传感器、导航芯片；测距传感器是为了测量车辆间的距离，以保持安全的间距；热红外传感器是为了识别障碍物和探测周围环境；导航芯片的功能是接收定位信息和收发短报文；
模块包括：人工智能神经网络模块、数字图像处理模块、热红外成像模块；人工智能神经网络模块的功能是对从各个系统得到的数据进行计算分析，以得到一个最优的结果；数字图像处理模块是为了进行视觉预处理和特征提取；热工外成像模块是为了对红外影像进行处理并和数据库信息进行对比；
人工智能系统还接受数据库系统提供的车辆信息、天气系统提供的天气信息和导航系统提供的车辆位置信息；在极端天气的状况下，人工智能系统将开启极端天气的行驶模式；根据卫星定位实时位置共享实现对周围路况信息进行获取，并且对传感器参数进行动态调整，确保与其他车辆保持安全距离；通过精确导航，人工智能系统结合网络分析和路况信息，为控制系统规划出最优路径，减少路段拥堵。
5.根据权利要求3所述的基于导航系统的极端天气无人驾驶控制系统，其特征在于，所述的数据库系统，主要用于存储车主及车辆信息，在车主完成注册后，数据库系统对其进行功能开放；
其次是建立车辆信息数据库，通过对每种车辆车型的入库方式，从而得到车辆的相应参数，主要参数包括：车长、车宽、车高，保障车辆在不同路况下的安全行驶；通过车辆位置及车型信息结合毫米雷达波进行高精度、低消耗的道路车况3D场景模拟，使无人驾驶实现对于车辆间的精准定位，使导航达到厘米级误差；
数据库系统为人工智能系统提供车辆信息。
6.根据权利要求3所述的基于导航系统的极端天气无人驾驶控制系统，其特征在于，所述的天气获取系统，主要包括两部分，线上及线下；
线上获取天气，每隔相应时间对车辆所在位置的天气进行更新，获取当天天气情况；
线下主要通过无人驾驶车辆的传感器获得，对线上数据进行校正，得到准确天气状况的同时，能够对天气系统的天气进行校正，通过信息共享，得到高精度天气数据；
线上线下获取的天气信息提供给人工智能系统，用于判断无人驾驶的驾驶模式。
7.根据权利要求3所述的基于导航系统的极端天气无人驾驶控制系统，其特征在于，所述的导航系统，提供高精度定位，以及实现车辆的位置共享信息，包括车辆位置信息、车辆速度信息；导航系统与数据库系统中的车辆信息匹配，得到很高精度的车辆距离信息；
导航系统提供的信息通过主系统进行可视化；
通过导航系统，完成车辆之间的通信功能；
导航系统提供精确导航。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010908401.2A CN111966108A (zh) | 2020-09-02 | 2020-09-02 | 基于导航系统的极端天气无人驾驶控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010908401.2A CN111966108A (zh) | 2020-09-02 | 2020-09-02 | 基于导航系统的极端天气无人驾驶控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111966108A true CN111966108A (zh) | 2020-11-20 |
Family
ID=73392067
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010908401.2A Pending CN111966108A (zh) | 2020-09-02 | 2020-09-02 | 基于导航系统的极端天气无人驾驶控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111966108A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112389159A (zh) * | 2020-12-01 | 2021-02-23 | 安徽江淮汽车集团股份有限公司 | 车辆空调系统控制方法、车辆及存储介质 |
Citations (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102346470A (zh) * | 2011-08-17 | 2012-02-08 | 江苏吉美思物联网产业股份有限公司 | 基于物联网的工程机械综合运营和调度管理系统 |
| CN103090878A (zh) * | 2011-10-28 | 2013-05-08 | 北京中交兴路信息科技有限公司 | 一种车辆路径规划方法、系统及一种车载导航设备 |
| CN103309315A (zh) * | 2013-05-24 | 2013-09-18 | 成都秦川科技发展有限公司 | 物联网汽车智能控制仪表及物联网汽车智能管理系统 |
| CN103538588A (zh) * | 2013-09-24 | 2014-01-29 | 吴江智远信息科技发展有限公司 | 一种基于北斗/gps双模卫星定位的车载驾驶辅助系统 |
| CN103841146A (zh) * | 2012-11-26 | 2014-06-04 | 镇江联盟计算机网络有限公司 | 一种智能车载信息服务系统 |
| CN103942546A (zh) * | 2014-05-08 | 2014-07-23 | 奇瑞汽车股份有限公司 | 一种城市环境中导向交通标线识别系统及方法 |
| CN104049966A (zh) * | 2013-09-02 | 2014-09-17 | 惠州华阳通用电子有限公司 | 一种车载终端与移动终端屏幕亮度相互控制的系统及方法 |
| CN104197948A (zh) * | 2014-09-11 | 2014-12-10 | 东华大学 | 一种基于交通信息预测的导航系统及导航方法 |
| CN105551284A (zh) * | 2016-01-29 | 2016-05-04 | 武汉光庭科技有限公司 | 一种开放式自动驾驶系统 |
| CN205451514U (zh) * | 2016-01-27 | 2016-08-10 | 王德龙 | 汽车导航实时路况超视距雷达及网络警报系统 |
| US20170139418A1 (en) * | 2014-03-26 | 2017-05-18 | Yanmar Co., Ltd. | Autonomous travel working vehicle |
| CN106873589A (zh) * | 2017-02-16 | 2017-06-20 | 北理慧动（常熟）车辆科技有限公司 | 一种智能车辆自主跟随方法 |
| CN107063189A (zh) * | 2017-01-19 | 2017-08-18 | 上海勤融信息科技有限公司 | 基于视觉的定位系统及方法 |
| CN107146412A (zh) * | 2017-06-07 | 2017-09-08 | 江苏大学 | 一种基于车联网的高速公路车辆防碰撞预警综合变量构建方法 |
| CN108068791A (zh) * | 2016-11-18 | 2018-05-25 | 丰田自动车株式会社 | 车辆和用于车辆的控制方法 |
| US20180198955A1 (en) * | 2015-07-10 | 2018-07-12 | Shuichi Tayama | Vehicle-use image display system and method |
| CN108458746A (zh) * | 2017-12-23 | 2018-08-28 | 天津国科嘉业医疗科技发展有限公司 | 一种基于多类型传感器自适应融合方法 |
| CN108873799A (zh) * | 2018-06-29 | 2018-11-23 | 南京海联智能科技有限公司 | 船载智能驾驶辅助终端 |
| CN208376738U (zh) * | 2018-01-03 | 2019-01-15 | 一汽-大众汽车有限公司 | 一种基于智能驾驶技术的车辆控制系统、装置 |
| CN208477372U (zh) * | 2018-02-24 | 2019-02-05 | 厦门理工学院 | 一种自动驾驶系统 |
| CN109444932A (zh) * | 2018-10-30 | 2019-03-08 | 百度在线网络技术（北京）有限公司 | 一种车辆定位方法、装置、电子设备及存储介质 |
| CN109543600A (zh) * | 2018-11-21 | 2019-03-29 | 成都信息工程大学 | 一种实现可行驶区域检测方法及系统和应用 |
| CN109753065A (zh) * | 2018-12-29 | 2019-05-14 | 百度在线网络技术（北京）有限公司 | 自动驾驶车辆的环境建模能力评估方法及系统 |
| CN109753073A (zh) * | 2019-01-25 | 2019-05-14 | 温州大学 | 一种无人驾驶智能车速管理系统 |
| CN109747541A (zh) * | 2019-01-14 | 2019-05-14 | 吉林省洪科光电技术有限公司 | 一种智能汽车光眼系统 |
| US20190146427A1 (en) * | 2017-11-14 | 2019-05-16 | Ford Global Technologies, Llc | Method and apparatus for weather modeling and vehicular accommodation |
| CN109815555A (zh) * | 2018-12-29 | 2019-05-28 | 百度在线网络技术（北京）有限公司 | 自动驾驶车辆的环境建模能力评估方法及系统 |
| CN109900265A (zh) * | 2019-03-15 | 2019-06-18 | 武汉大学 | 一种camera/mems辅助北斗的机器人定位算法 |
| CN110210303A (zh) * | 2019-04-29 | 2019-09-06 | 山东大学 | 一种北斗视觉融合精准车道辨识与定位方法及其实现装置 |
| CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
| US20190340940A1 (en) * | 2017-11-03 | 2019-11-07 | Climacell Inc. | Improved real-time weather forecasting for transportation systems |
| CN110457803A (zh) * | 2019-07-31 | 2019-11-15 | 同济大学 | 一种无人驾驶协同探测方法 |
| CN111123262A (zh) * | 2020-03-30 | 2020-05-08 | 江苏广宇科技产业发展有限公司 | 自动驾驶3d建模方法、装置及系统 |
| CN111260946A (zh) * | 2018-11-30 | 2020-06-09 | 南京锦和佳鑫信息科技有限公司 | 一种基于智能网联系统的自动驾驶货车运营控制系统 |
| CN111524365A (zh) * | 2020-05-11 | 2020-08-11 | 西安电子科技大学 | 一种利用多地磁传感器进行车型分类的方法 |
-
2020
- 2020-09-02 CN CN202010908401.2A patent/CN111966108A/zh active Pending
Patent Citations (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102346470A (zh) * | 2011-08-17 | 2012-02-08 | 江苏吉美思物联网产业股份有限公司 | 基于物联网的工程机械综合运营和调度管理系统 |
| CN103090878A (zh) * | 2011-10-28 | 2013-05-08 | 北京中交兴路信息科技有限公司 | 一种车辆路径规划方法、系统及一种车载导航设备 |
| CN103841146A (zh) * | 2012-11-26 | 2014-06-04 | 镇江联盟计算机网络有限公司 | 一种智能车载信息服务系统 |
| CN103309315A (zh) * | 2013-05-24 | 2013-09-18 | 成都秦川科技发展有限公司 | 物联网汽车智能控制仪表及物联网汽车智能管理系统 |
| CN104049966A (zh) * | 2013-09-02 | 2014-09-17 | 惠州华阳通用电子有限公司 | 一种车载终端与移动终端屏幕亮度相互控制的系统及方法 |
| CN103538588A (zh) * | 2013-09-24 | 2014-01-29 | 吴江智远信息科技发展有限公司 | 一种基于北斗/gps双模卫星定位的车载驾驶辅助系统 |
| US20170139418A1 (en) * | 2014-03-26 | 2017-05-18 | Yanmar Co., Ltd. | Autonomous travel working vehicle |
| CN103942546A (zh) * | 2014-05-08 | 2014-07-23 | 奇瑞汽车股份有限公司 | 一种城市环境中导向交通标线识别系统及方法 |
| CN104197948A (zh) * | 2014-09-11 | 2014-12-10 | 东华大学 | 一种基于交通信息预测的导航系统及导航方法 |
| US20180198955A1 (en) * | 2015-07-10 | 2018-07-12 | Shuichi Tayama | Vehicle-use image display system and method |
| CN205451514U (zh) * | 2016-01-27 | 2016-08-10 | 王德龙 | 汽车导航实时路况超视距雷达及网络警报系统 |
| CN105551284A (zh) * | 2016-01-29 | 2016-05-04 | 武汉光庭科技有限公司 | 一种开放式自动驾驶系统 |
| CN108068791A (zh) * | 2016-11-18 | 2018-05-25 | 丰田自动车株式会社 | 车辆和用于车辆的控制方法 |
| CN107063189A (zh) * | 2017-01-19 | 2017-08-18 | 上海勤融信息科技有限公司 | 基于视觉的定位系统及方法 |
| CN106873589A (zh) * | 2017-02-16 | 2017-06-20 | 北理慧动（常熟）车辆科技有限公司 | 一种智能车辆自主跟随方法 |
| CN107146412A (zh) * | 2017-06-07 | 2017-09-08 | 江苏大学 | 一种基于车联网的高速公路车辆防碰撞预警综合变量构建方法 |
| US20190340940A1 (en) * | 2017-11-03 | 2019-11-07 | Climacell Inc. | Improved real-time weather forecasting for transportation systems |
| US20190146427A1 (en) * | 2017-11-14 | 2019-05-16 | Ford Global Technologies, Llc | Method and apparatus for weather modeling and vehicular accommodation |
| CN108458746A (zh) * | 2017-12-23 | 2018-08-28 | 天津国科嘉业医疗科技发展有限公司 | 一种基于多类型传感器自适应融合方法 |
| CN208376738U (zh) * | 2018-01-03 | 2019-01-15 | 一汽-大众汽车有限公司 | 一种基于智能驾驶技术的车辆控制系统、装置 |
| CN208477372U (zh) * | 2018-02-24 | 2019-02-05 | 厦门理工学院 | 一种自动驾驶系统 |
| CN108873799A (zh) * | 2018-06-29 | 2018-11-23 | 南京海联智能科技有限公司 | 船载智能驾驶辅助终端 |
| CN109444932A (zh) * | 2018-10-30 | 2019-03-08 | 百度在线网络技术（北京）有限公司 | 一种车辆定位方法、装置、电子设备及存储介质 |
| CN109543600A (zh) * | 2018-11-21 | 2019-03-29 | 成都信息工程大学 | 一种实现可行驶区域检测方法及系统和应用 |
| CN111260946A (zh) * | 2018-11-30 | 2020-06-09 | 南京锦和佳鑫信息科技有限公司 | 一种基于智能网联系统的自动驾驶货车运营控制系统 |
| CN109753065A (zh) * | 2018-12-29 | 2019-05-14 | 百度在线网络技术（北京）有限公司 | 自动驾驶车辆的环境建模能力评估方法及系统 |
| CN109815555A (zh) * | 2018-12-29 | 2019-05-28 | 百度在线网络技术（北京）有限公司 | 自动驾驶车辆的环境建模能力评估方法及系统 |
| CN109747541A (zh) * | 2019-01-14 | 2019-05-14 | 吉林省洪科光电技术有限公司 | 一种智能汽车光眼系统 |
| CN109753073A (zh) * | 2019-01-25 | 2019-05-14 | 温州大学 | 一种无人驾驶智能车速管理系统 |
| CN109900265A (zh) * | 2019-03-15 | 2019-06-18 | 武汉大学 | 一种camera/mems辅助北斗的机器人定位算法 |
| CN110210303A (zh) * | 2019-04-29 | 2019-09-06 | 山东大学 | 一种北斗视觉融合精准车道辨识与定位方法及其实现装置 |
| CN110335488A (zh) * | 2019-07-24 | 2019-10-15 | 深圳成谷科技有限公司 | 一种基于车路协同的车辆自动驾驶方法和装置 |
| CN110457803A (zh) * | 2019-07-31 | 2019-11-15 | 同济大学 | 一种无人驾驶协同探测方法 |
| CN111123262A (zh) * | 2020-03-30 | 2020-05-08 | 江苏广宇科技产业发展有限公司 | 自动驾驶3d建模方法、装置及系统 |
| CN111524365A (zh) * | 2020-05-11 | 2020-08-11 | 西安电子科技大学 | 一种利用多地磁传感器进行车型分类的方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112389159A (zh) * | 2020-12-01 | 2021-02-23 | 安徽江淮汽车集团股份有限公司 | 车辆空调系统控制方法、车辆及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4071661A1 (en) | Automatic driving method, related device and computer-readable storage medium | |
| WO2020164021A1 (zh) | 用于驾驶控制的方法、装置、设备、介质和系统 | |
| CN109324622B (zh) | 一种无人驾驶控制系统及方法 | |
| WO2021103511A1 (zh) | 一种设计运行区域odd判断方法、装置及相关设备 | |
| WO2021088528A1 (zh) | 一种无人车室外驾驶系统 | |
| CN113874803B (zh) | 用于基于远程干预更新车辆操作的系统和方法 | |
| US11046332B2 (en) | Vehicle control device, vehicle control system, vehicle control method, and storage medium | |
| CN111469838B (zh) | 一种基于车联网的协同acc/aeb决策管理系统及该车辆 | |
| CN109697877B (zh) | 基于北斗高精定位的车路协同方法及系统 | |
| KR102503572B1 (ko) | 자율 주행 차량들에 대한 자동화된 성능 검사들 | |
| WO2018215833A1 (en) | Traffic monitoring and management systems and methods | |
| EP3675079A1 (en) | Danger warning method for vehicle, danger warning device for vehicle, and medium | |
| CN111665835B (zh) | 车辆控制系统及车辆控制方法 | |
| CN111309006B (zh) | 一种自主导航运输系统 | |
| US20230111327A1 (en) | Techniques for finding and accessing vehicles | |
| US20220222597A1 (en) | Timing of pickups for autonomous vehicles | |
| US11579627B2 (en) | Systems and methods for updating navigational maps | |
| US20210362707A1 (en) | Prediction of a likely driving behavior | |
| CN111693055A (zh) | 道路网络变化检测和所检测的变化的本地传播 | |
| US20240017719A1 (en) | Mapping method and apparatus, vehicle, readable storage medium, and chip | |
| CN111966108A (zh) | 基于导航系统的极端天气无人驾驶控制系统 | |
| US20230347938A1 (en) | Vehicle Collaboration and Sensor Enhancement | |
| US11971265B2 (en) | Monitoring device, monitoring method, and monitoring system | |
| EP4428643A1 (en) | Path constraint method and device | |
| CN113928335B (zh) | 用于控制具有自主驾驶模式的车辆的方法和系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |