CN112053555B - 一种用于对停车场环境驾驶场景复杂度评级的方法 - Google Patents
一种用于对停车场环境驾驶场景复杂度评级的方法 Download PDFInfo
- Publication number
- CN112053555B CN112053555B CN202010752607.0A CN202010752607A CN112053555B CN 112053555 B CN112053555 B CN 112053555B CN 202010752607 A CN202010752607 A CN 202010752607A CN 112053555 B CN112053555 B CN 112053555B
- Authority
- CN
- China
- Prior art keywords
- complexity
- scene
- influence
- representing
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005286 illumination Methods 0.000 claims abstract description 10
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 21
- 230000004888 barrier function Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 101100096342 Mus musculus Spdef gene Proteins 0.000 claims description 3
- 239000000443 aerosol Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G06Q50/40—
-
- 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
Abstract
本发明提供了一种用于对停车场环境驾驶场景复杂度评级的方法,计算能见度对场景复杂度的影响Cvis,计算光照条件对场景复杂度的影响Cill;基于Cvis值及Cill值,计算环境信息对场景复杂度的影响CENV;计算车道坡度对场景复杂度的影响Cgra,计算车道减速带数量对场景复杂度的影响CNsb,计算车道线信息对场景复杂度的影响Cll。本发明所述的一种用于对停车场环境驾驶场景复杂度评级的方法,可以综合考虑静态复杂度和动态复杂度,进一步量化停车场环境的驾驶场景复杂度,为自动驾驶汽车系统的功能开发、算法测试以及性能评价提供更加准确的依据以及指导性建议。
Description
技术领域
本发明属于智能网联汽车领域,尤其是涉及一种用于对停车场环境驾驶场景复杂度评级的方法。
背景技术
在进行驾驶场景复杂度评级时,需要同时考虑场景的静态复杂度和动态复杂度。静态复杂度针对的是场景中静态要素的复杂程度,静态复杂度越高,则场景复现的难度越高;动态复杂度针对的是场景中交通参与者和本车的运动状态,动态复杂度同样影响场景复现中动态交通流的实现难度,此外,动态复杂度决定着算法测试过程中的难度,动态复杂度越高,则算法测试难度越大。对于一段连续场景,分别计算每一帧场景的复杂度,随后计算该段场景中所有场景帧复杂度的平均值,即可得到该连续场景的复杂度。在现有技术条件下,缺乏专门用于停车场环境的驾驶场景复杂度评级方法。
发明内容
有鉴于此,本发明旨在提出一种用于对停车场环境驾驶场景复杂度评级的方法,可以综合考虑静态复杂度和动态复杂度,进一步量化停车场环境的驾驶场景复杂度,为自动驾驶汽车系统的功能开发、算法测试以及性能评价提供更加准确的依据以及指导性建议。
为达到上述目的,本发明的技术方案是这样实现的:
一种用于对停车场环境驾驶场景复杂度评级的方法,包括:
步骤1:计算能见度对场景复杂度的影响Cvis,计算光照条件对场景复杂度的影响Cill;基于Cxis值及Cill值,计算环境信息对场景复杂度的影响CENV;
步骤2:计算车道坡度对场景复杂度的影响Cgra,计算车道减速带数量对场景复杂度的影响CNsb,计算车道线信息对场景复杂度的影响Cll,计算地面指示线信息对场景复杂度的影响Cgl;基于Cgra值、CNsb值、Cll值及Cgl值,计算得到道路属性对场景复杂度的影响Crp;
计算道闸的数量对场景复杂度的影响Cbg,计算停车位信息对场景复杂度的影响Cps;基于Crp值、Cbg值及Cps值,计算得到道路信息对场景复杂度的影响CROAD;
步骤3:计算交通参与者信息对场景复杂度的影响CTP,计算本车信息对场景复杂度的影响CSV;
步骤4:分别对步骤1-3中得到的CENV值、CROAD值、CTP值及CSV值,分别赋予权重ωENV、ωROAD、ωTP及ωSV,并且满足如下条件:
ωENV+ωROAD+ωTP+ωSV=1,
ωENV,ωROAD,ωTP,ωSV∈(0,1)
进一步计算得到场景的综合复杂度CDS:
CDS=ωENVCENV+ωROADCROAD+ωTPCTP+ωSVCsV,CDS∈(0,1)
步骤5:基于CDS值,对停车场环境驾驶场景复杂度评级:
当0.8≤CDS≤1时,停车场环境驾驶场景复杂度评级是复杂;
当0.6<CDS<0.8时,停车场环境驾驶场景复杂度评级是中等;
当CDS≤0.6时,停车场环境驾驶场景复杂度评级是简单。
进一步,在步骤1中:
Cvis=log2(1+Fvis),Cvis∈(0,1)
其中,Fvis代表能见度影响场景复杂度的权重值,可以通过降水量pre和气溶胶状态的大气污染物数量ap计算得:
Cill=log2(1+Fill),Cill∈[0,1)
其中,Fill代表不同照度影响场景复杂度的权重值,可以通过照度ill计算得到:
由于地下等室内停车场不受降水量和大气污染物数量的影响,故设置开关权重ρvis,本车在室内停车场时ρvis=0,在室外停车场时ρvis=1。
进一步,在步骤2中:
Cgra=log2(1+Fgra),Cgra∈[0,1)
其中,Fgra代表坡度影响场景复杂度的权重值,可以通过坡度gra计算得到;
CNsb=log2(1+FNsb),Cxsb∈[0,1),
其中,FNsb代表减速带数量影响场景复杂度的权重值,可以通过减速带数量Nsb计算得到:
其中,ωlint代表完整度影响场景复杂度的权重,线条完整和部分缺失的权重分别为0和1;ωldef代表清晰度影响场景复杂度的权重,清晰可见和模糊不清的权重分别为0和1;
其中,Ngl代表地面指示线的数量;ωgint代表完整度影响场景复杂度的权重,线条完整、部分缺失的权重分别为0和1;ωgdef代表清晰度影响场景复杂度的权重,清晰可见和模糊不清的权重分别为0和1;
由于有无车道线不会直接影响场景复杂度,故设置开关权重ρll,无车道线时ρll=0,有车道线时ρll=1;
位线完整度和清晰度,同上述分析方式,停车位信息与场景复杂度Cps的关系如下:
其中,ωCC代表车位线和停车位颜色对比度影响场景复杂度的权重值,对比度越高,本车识别难度越低,场景复杂度越低;ωpint和ωpdef代表车位线完整度和清晰度影响场景复杂度的权重值,取值选取方式同车道线;ωsize代表停车位尺寸影响场景复杂度的权重值,其取值由如下方式计算得到:
其中,pl和pw表示停车位的长和宽,cl和cw表示车辆的长和宽;
其中,无停车位时ρps=0,有停车位时ρps=1。
进一步,在步骤3中:
其中,Δax、Δav和ωθ分别代表本车的横向加速度、纵向加速度以及偏航角速度。
相对于现有技术,本发明所述的一种用于对停车场环境驾驶场景复杂度评级的方法,具有以下优势:
本发明所述的一种用于对停车场环境驾驶场景复杂度评级的方法,可以综合考虑静态复杂度和动态复杂度,进一步量化停车场环境的驾驶场景复杂度,为自动驾驶汽车系统的功能开发、算法测试以及性能评价提供更加准确的依据以及指导性建议。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
在附图中:
图1为本发明实施例所述的一种用于对停车场环境驾驶场景复杂度评级的方法原理示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示,一种用于对停车场环境驾驶场景复杂度评级的方法,包括:
步骤1:计算能见度对场景复杂度的影响Cvis,计算光照条件对场景复杂度的影响Cill;基于Cvis值及Cill值,计算环境信息对场景复杂度的影响CENV;
步骤2:计算车道坡度对场景复杂度的影响Cgra,计算车道减速带数量对场景复杂度的影响CNsb,计算车道线信息对场景复杂度的影响Cll,计算地面指示线信息对场景复杂度的影响Cgl;基于Cgra值、CNsb值、Cll值及Cgl值,计算得到道路属性对场景复杂度的影响Crp;
计算道闸的数量对场景复杂度的影响Cbg,计算停车位信息对场景复杂度的影响Cps;基于Crp值、Cbg值及Cps值,计算得到道路信息对场景复杂度的影响CROAD;
步骤3:计算交通参与者信息对场景复杂度的影响CTP,计算本车信息对场景复杂度的影响CSV;
步骤4:分别对步骤1-3中得到的CENV值、CROAD值、CTP值及CSV值,分别赋予权重ωENV、ωROAD、ωTP及ωSV,并且满足如下条件:
ωENV+ωROAD+ωTP+ωSV=1,
ωENV,ωROAD,ωTP,ωSV∈(0,1)
进一步计算得到场景的综合复杂度CDS:
CDS=ωENVCENV+ωROADCROAD+ωTPCTP+ωSVCSV,CDS∈(0,1)
步骤5:基于CDS值,对停车场环境驾驶场景复杂度评级:
当0.8≤CDS≤1时,停车场环境驾驶场景复杂度评级是复杂;
当0.6<CDS<0.8时,停车场环境驾驶场景复杂度评级是中等;
当CDS≤0.6时,停车场环境驾驶场景复杂度评级是简单。
进一步,在步骤1中:
Cvis=log2(1+Fvis),Cvis∈(0,1)
其中,Fvis代表能见度影响场景复杂度的权重值,可以通过降水量pre和气溶胶状态的大气污染物数量ap计算得:
Cill=log2(1+Fill),Cill∈[0,1)
其中,Fill代表不同照度影响场景复杂度的权重值,可以通过照度ill计算得到:
由于地下等室内停车场不受降水量和大气污染物数量的影响,故设置开关权重ρvis,本车在室内停车场时ρvis=0,在室外停车场时ρvis=1。
进一步,在步骤2中:
Cgra=log2(1+Fgra),Cgra∈[0,1)
其中,Fgra代表坡度影响场景复杂度的权重值,可以通过坡度gra计算得到;
CNsb=log2(1+FNsb),CNsb∈[0,1),
其中,FNsb代表减速带数量影响场景复杂度的权重值,可以通过减速带数量Nsb计算得到:
其中,ωlint代表完整度影响场景复杂度的权重,线条完整和部分缺失的权重分别为0和1;ωldef代表清晰度影响场景复杂度的权重,清晰可见和模糊不清的权重分别为0和1;
其中,Ngl代表地面指示线的数量;ωgint代表完整度影响场景复杂度的权重,线条完整、部分缺失的权重分别为0和1;ωgdef代表清晰度影响场景复杂度的权重,清晰可见和模糊不清的权重分别为0和1;
由于有无车道线不会直接影响场景复杂度,故设置开关权重ρll,无车道线时ρll=0,有车道线时ρll=1;
位线完整度和清晰度,同上述分析方式,停车位信息与场景复杂度Cps的关系如下:
其中,ωCC代表车位线和停车位颜色对比度影响场景复杂度的权重值,对比度越高,本车识别难度越低,场景复杂度越低;ωpint和ωpdef代表车位线完整度和清晰度影响场景复杂度的权重值,取值选取方式同车道线;ωsize代表停车位尺寸影响场景复杂度的权重值,其取值由如下方式计算得到:
其中,pl和pw表示停车位的长和宽,cl和cw表示车辆的长和宽;
其中,无停车位时ρps=0,有停车位时ρps=1。
进一步,在步骤3中:
其中,Δax、Δay和ωθ分别代表本车的横向加速度、纵向加速度以及偏航角速度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种用于对停车场环境驾驶场景复杂度评级的方法,其特征在于:包括:
步骤1:计算能见度对场景复杂度的影响Cvis,计算光照条件对场景复杂度的影响Cill;基于Cvis值及Cill值,计算环境信息对场景复杂度的影响CENV;
步骤2:计算车道坡度对场景复杂度的影响Cgra,计算车道减速带数量对场景复杂度的影响CNsb,计算车道线信息对场景复杂度的影响Cll,计算地面指示线信息对场景复杂度的影响Cgl;基于Cgra值、CNsb值、Cll值及Cgl值,计算得到道路属性对场景复杂度的影响Crp;
计算道闸的数量对场景复杂度的影响Cbg,计算停车位信息对场景复杂度的影响Cps;基于Crp值、Cbg值及Cps值,计算得到道路信息对场景复杂度的影响CROAD;
步骤3:计算交通参与者信息对场景复杂度的影响CTP,计算本车信息对场景复杂度的影响CSV;
步骤4:分别对步骤1-3中得到的CENV值、CROAD值、CTP值及CSV值,分别赋予权重ωENV、ωROAD、ωTP及ωSV,并且满足如下条件:
ωENV+ωROAD+ωTP+ωSV=1,
ωENV,ωROAD,ωTP,ωSV∈(0,1)
进一步计算得到场景的综合复杂度CDS:
CDS=ωENVCENV+ωROADCROAD+ωTPCTP+ωSVCSV,CDS∈(0,1)步骤5:基于CDS值,对停车场环境驾驶场景复杂度评级:当0.8≤CDS≤1时,停车场环境驾驶场景复杂度评级是复杂;当0.6<CDS<0.8时,停车场环境驾驶场景复杂度评级是中等;当CDS≤0.6时,停车场环境驾驶场景复杂度评级是简单;
在步骤1中:
Cvis=log2(1+Fvis),Cvis∈(0,1)
其中,Fvis代表能见度影响场景复杂度的权重值,可以通过降水量pre和气溶胶状态的大气污染物数量ap计算得:
Cill=log2(1+Fill),Cill∈[0,1)
其中,Fill代表不同照度影响场景复杂度的权重值,可以通过照度ill计算得到:
由于地下室内停车场不受降水量和大气污染物数量的影响,故设置开关权重ρvis,本车在室内停车场时ρvis=0,在室外停车场时ρvis=1。
2.根据权利要求1所述的一种用于对停车场环境驾驶场景复杂度评级的方法,其特征在于:在步骤2中:
Cgra=log2(1+Fgra),Cgra∈[0,1)
其中,Fgra代表坡度影响场景复杂度的权重值,可以通过坡度gra计算得到;
CNsb=log2(1+FNsb),CNsb∈[0,1),
其中,FNsb代表减速带数量影响场景复杂度的权重值,可以通过减速带数量Nsb计算得到:
其中,ωlint代表完整度影响场景复杂度的权重,线条完整和部分缺失的权重分别为0和1;ωldef代表清晰度影响场景复杂度的权重,清晰可见和模糊不清的权重分别为0和1;
其中,Ngl代表地面指示线的数量;ωgint代表完整度影响场景复杂度的权重,线条完整、部分缺失的权重分别为0和1;ωgdef代表清晰度影响场景复杂度的权重,清晰可见和模糊不清的权重分别为0和1;
由于有无车道线不会直接影响场景复杂度,故设置开关权重ρll,无车道线时ρll=0,有车道线时ρll=1;
位线完整度和清晰度,同上述分析方式,停车位信息与场景复杂度Cps的关系如下:
其中,ωcc代表车位线和停车位颜色对比度影响场景复杂度的权重值,对比度越高,本车识别难度越低,场景复杂度越低;ωpint和ωpdef代表车位线完整度和清晰度影响场景复杂度的权重值,取值选取方式同车道线;ωsize代表停车位尺寸影响场景复杂度的权重值,其取值由如下方式计算得到:
其中,pl和pw表示停车位的长和宽,cl和cw表示车辆的长和宽;
其中,无停车位时ρps=0,有停车位时ρps=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752607.0A CN112053555B (zh) | 2020-07-30 | 2020-07-30 | 一种用于对停车场环境驾驶场景复杂度评级的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752607.0A CN112053555B (zh) | 2020-07-30 | 2020-07-30 | 一种用于对停车场环境驾驶场景复杂度评级的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053555A CN112053555A (zh) | 2020-12-08 |
CN112053555B true CN112053555B (zh) | 2022-11-04 |
Family
ID=73601217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010752607.0A Active CN112053555B (zh) | 2020-07-30 | 2020-07-30 | 一种用于对停车场环境驾驶场景复杂度评级的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053555B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115376324B (zh) * | 2022-10-24 | 2023-03-24 | 中国汽车技术研究中心有限公司 | 车辆场景复杂度确定方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829980A (zh) * | 2012-03-29 | 2012-12-19 | 中国科学院自动化研究所 | 一种智能车辆的智能程度测评方法 |
CN105954040A (zh) * | 2016-04-22 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 应用于无人驾驶汽车的测试方法和装置 |
CN108482385A (zh) * | 2018-04-18 | 2018-09-04 | 哈尔滨工业大学 | 一种考虑交通环境复杂度的车载设备操作风险辨识方法 |
JP2019043157A (ja) * | 2017-08-29 | 2019-03-22 | トヨタ自動車株式会社 | 自動運転評価装置及び自動運転評価方法 |
CN111027430A (zh) * | 2019-11-29 | 2020-04-17 | 西安交通大学 | 一种面向无人车智能评估的交通场景复杂度计算方法 |
CN111373335A (zh) * | 2017-12-19 | 2020-07-03 | 智加科技公司 | 用于混合驾驶中基于自身觉知性能参数的驾驶模式切换的方法和系统 |
-
2020
- 2020-07-30 CN CN202010752607.0A patent/CN112053555B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829980A (zh) * | 2012-03-29 | 2012-12-19 | 中国科学院自动化研究所 | 一种智能车辆的智能程度测评方法 |
CN105954040A (zh) * | 2016-04-22 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 应用于无人驾驶汽车的测试方法和装置 |
JP2019043157A (ja) * | 2017-08-29 | 2019-03-22 | トヨタ自動車株式会社 | 自動運転評価装置及び自動運転評価方法 |
CN111373335A (zh) * | 2017-12-19 | 2020-07-03 | 智加科技公司 | 用于混合驾驶中基于自身觉知性能参数的驾驶模式切换的方法和系统 |
CN108482385A (zh) * | 2018-04-18 | 2018-09-04 | 哈尔滨工业大学 | 一种考虑交通环境复杂度的车载设备操作风险辨识方法 |
CN111027430A (zh) * | 2019-11-29 | 2020-04-17 | 西安交通大学 | 一种面向无人车智能评估的交通场景复杂度计算方法 |
Non-Patent Citations (4)
Title |
---|
Traffic Sensory Data Classification by Quantifying Scenario Complexity;Jiajie Wang 等;《2018 IEEE Intelligent Vehicles Symposium (IV)》;20181022;第1543-1548页 * |
危险驾驶工况场景的复杂度评估方法研究;董汉 等;《汽车工程》;20200630;第808-814页 * |
无人车通过特殊区域智能行为评价研究;张昕;《中国优秀硕士学位论文全文数据库》;20150715;第13-46页 * |
智能网联汽车测试场景三维评价模型研究;田思波 等;《汽车科技》;20200125(第01期);第46-50页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112053555A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376297B (zh) | 道路上的线型指示标志的检测方法和装置 | |
CN110287905B (zh) | 一种基于深度学习的交通拥堵区域实时检测方法 | |
CN101639983B (zh) | 一种基于图像信息熵的多车道车流量检测方法 | |
CN111002990B (zh) | 一种基于动态偏离阈值的车道偏离预警方法及系统 | |
CN103366572B (zh) | 一种交叉口的视频交通参数检测方法 | |
CN107985189B (zh) | 面向高速驾驶环境下的驾驶员变道深度预警方法 | |
WO1997025700A1 (en) | Traffic congestion measuring method and apparatus and image processing method and apparatus | |
CN101968924A (zh) | 基于高分辨率图像的车流量实时检测方法 | |
KR102307217B1 (ko) | 드론 촬영 영상을 이용하여 도로 교통 정보를 분석하는 방법 및 이를 이용한 장치 | |
CN111274942A (zh) | 一种基于级联网络的交通锥识别方法及装置 | |
CN111723854B (zh) | 一种高速公路交通拥堵检测方法、设备及可读存储介质 | |
CN113011331B (zh) | 机动车是否礼让行人的检测方法、装置、电子设备及介质 | |
TW303443B (zh) | ||
CN106934374A (zh) | 一种雾霾场景中交通标识牌的识别方法及系统 | |
CN112053555B (zh) | 一种用于对停车场环境驾驶场景复杂度评级的方法 | |
CN109191492B (zh) | 一种基于轮廓分析的智能视频黑烟车检测方法 | |
CN110069982A (zh) | 一种交通车辆与行人的自动识别方法 | |
CN106327880A (zh) | 一种基于监控视频的车速识别方法及其系统 | |
WO2024046053A1 (zh) | 车辆违规检测方法、装置及系统、存储介质 | |
CN108388880A (zh) | 一种监测司机开车使用手机的方法及装置 | |
Saha et al. | Evaluation of speed–flow characteristics on two-lane highways with mixed traffic | |
CN114926984A (zh) | 一种实时交通冲突收集与道路安全评价方法 | |
CN102169583B (zh) | 基于车窗定位的车辆遮挡检测与分割方法 | |
CN103065141B (zh) | 基于色彩聚类的车牌定位方法 | |
CN109300302B (zh) | 应用于车辆入口的排队方法、装置及电子设备 |
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 |