CN112382085A - 适用于智能车辆交通场景理解与超视距感知系统及方法 - Google Patents

适用于智能车辆交通场景理解与超视距感知系统及方法 Download PDF

Info

Publication number
CN112382085A
CN112382085A CN202011122834.1A CN202011122834A CN112382085A CN 112382085 A CN112382085 A CN 112382085A CN 202011122834 A CN202011122834 A CN 202011122834A CN 112382085 A CN112382085 A CN 112382085A
Authority
CN
China
Prior art keywords
information
vehicle
precision
map
dynamic
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
CN202011122834.1A
Other languages
English (en)
Inventor
黄玲
吴泽荣
崔躜
游峰
张荣辉
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202011122834.1A priority Critical patent/CN112382085A/zh
Publication of CN112382085A publication Critical patent/CN112382085A/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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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
    • 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
    • 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
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了适用于智能车辆交通场景理解与超视距感知系统及方法，包括实时获取动态高精度局部地图，所述动态高精度局部地图包括监测路况的动态信息与静态信息，对动态高精度局部地图进行目标检测，检测目标包括车辆、行人及交通灯信息；对分类后的图片进行透视变换，对图片内的车辆与行人目标进行定位，获取其中每一辆车的位置信息；路段上的车辆接收图像，根据自身的位置信息确定在高精度局部地图中的位置；融合同一路段不同位置的动态高精度局部地图信息构建整个路段的高精度地图。本发明实现智能车辆的超视距感知，提升驾驶安全性，具有实际推广价值。

Description

适用于智能车辆交通场景理解与超视距感知系统及方法
技术领域
本发明涉及自动驾驶领域，具体涉及适用于智能车辆交通场景理解与超视距感知系统及方法。
背景技术
自动驾驶中的环境感知一直是复杂而艰巨的任务，在实际驾驶的过程中，环境往往十分复杂多样，涉及到交通标志识别、交通灯识别、地面标线识别、行人识别、车辆识别、道路地形的识别、路口识别、停车带识别等，单靠智能车自身的传感器难以获取全部信息，特别是在存在遮挡的情况下。针对这一问题，目前存在的解决方案是利用路侧传感器捕获的信息以及交通系统中多辆智能车传感器信息的相互融合形成感知通信一体化的智能车联系统，也可以用静态的地图进行辅助。
而以上方法的实现不够灵活，只能提供给智能车交通环境内静态物体的信息，无法实时更新，并且容易存在死角。
发明内容
为了克服现有技术存在的缺点与不足，本发明提供一种适用于智能车辆交通场景理解与超视距感知系统及方法。
本发明采用如下技术方案：
适用于智能车辆交通场景理解与超视距感知的方法，包括如下步骤：
实时获取动态高精度局部地图，所述动态高精度局部地图包括监测路况的动态信息与静态信息，
对动态高精度局部地图进行目标检测，检测目标包括车辆、行人及交通灯信息；
对分类后的图片进行透视变换，对图片内的车辆与行人目标进行定位，获取其中每一辆车的位置信息；
路段上的车辆接收图像，根据自身的位置信息确定在高精度局部地图中的位置；
融合同一路段不同位置的动态高精度局部地图信息构建整个路段的高精度地图。
优选的，所述静态信息是指交通环境中不轻易改变的物体与标识的位置，包括监测路段的范围、车道线信息、交通信号灯位置、人行道及交通标志牌信息。
优选的，所述动态信息具体为随着时间位置不断移动的物体及状态信息，包括车辆、行人与交通信号灯信息。
优选的，所述透视变换是将成像投影到一个新的视平面的图像变换方法，具体采用鸟瞰转换。
优选的，所述鸟瞰转换，具体为：
Figure BDA0002732619690000021
其中为变换后的像素坐标，[u v w]为变换前的像素坐标，
Figure BDA0002732619690000022
为变换矩阵。
一种适用于智能车辆交通场景理解与超视距感知的系统，包括
路侧设备，设置在某一个路段中，实时采集该路段的视频流，生成局部高清图；
智能车：收到局部高清图，确认在高清图的位置，并融合多个边缘计算路侧设备的高清图，得到整个路段的高精度地图。
优选的，所述路侧设备为多个，设置在同一个端的不同位置，间隔在150～200m。
优选的，所述路侧设备包括高清摄像头、处理器模块及通信模块。
优选的，所述路侧设备与智能车辆的信息传递利用无线网络实现。
优选的，具体采用数据列表的形式进行通讯。
本发明的有益效果：
(1)应用动态高精度局部地图不仅可以提供给智能车静态信息，并且也可以给智能车实时提供动态地图信息，涉及路段内车辆、行人的位置以及实时交通信号灯信息。利用动态高精度局部地图信息可以补充智能车车载传感器未能捕获的信息，协助智能车完成交通标志识别、交通灯识别、地面标线识别、行人识别、车辆识别等工作，获取交通环境内其他智能车与行人的位置信息以及到自身的距离，进而实现对于整个道路环境的理解与超视距感知，提升自动驾驶的安全性。
(2)对图像进行透视变化，将拍摄角度倾斜图像转化为鸟瞰图以此推断检测到的行人与车辆目标的GPS位置，实时更新动态高精度局部地图的动态信息，结合静态信息形成动态高精度局部地图。
附图说明
图1是本发明的工作流程图；
图2是本发明实施例的硬件设置示意图。
具体实施方式
下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例
一种适用于智能车辆交通场景理解与超视距感知系统及方法，适用于智能车行驶过程中提高安全性，实现对于所处交通环境的理解与超视距感知，其系统部分包括多个路侧设备，所述多个路侧设备设置于道路两侧，在设备架设时可按照每个路段的特点可调整安装位置、高度、摄像头角度。
如图2所示，应该保证该路侧设备对于其监测的路段有较好的视野，视野中没有遮挡物。此外考虑到图片精度与实用性，应该调整其位置使监测道路长度在150-200m之间，在调整与安装完成后边缘计算路侧设备位置固定不可移动。
所述路侧设备包括高清摄像头、处理器模块及通信模块，所述高清摄像头采集图像输入处理器模块，处理器模块对图像进行处理得到路段中行人及车辆的位置信息，发送给智能车辆的控制系统，根据自身的位置信息确定在高精度局部地图中的位置，智能车辆接收多个路侧设备的图像，重构地图。
高清摄像机在使用前，需要标定，在实际操作中可以利用摄像机从不同角度拍摄黑白相间的方格纸的图像推算摄像头的内参矩阵以及畸变系数。
相机标定后获得的畸变系数为5个，分别为[k1 k2 p1 p3 k3]，图像畸变模型分为径向畸变模型与切向畸变模型，利用这一模型可以对畸变图像进行矫正。
径向畸变模型为：
Figure BDA0002732619690000031
切向畸变模型为：
Figure BDA0002732619690000032
其中(u',v')为畸变后的像素点坐标，为(u,v)未发生畸变的像素点坐标。由于k3对应的非线性较为剧烈，容易导致图片扭曲，因此一般不使用。
同时对于拍摄的视频流数据应该按一定帧率切为图像信息并且打上GPS时间戳。
对于智能车辆而言，路侧设备拍摄的图像中存在大量冗余信息，而且会由于信息量较大产生较长的时延，因此动态高精度局部地图的信息不以图像的形式传输。一般以数据列表的形式并通过特定的协议进行通讯，以此保证实行性。
如图1所示，具体方法包括如下步骤：
S1多个路侧设备实时获取动态高精度局部地图，所述动态高精度局部地图包括监测路况的动态信息与静态信息；
静态信息包含道路环境中固定物体的信息，是动态高精度局部地图中不需要实时更新的信息，包括监测路段的范围、车道线信息、交通信号灯位置、人行道及交通标志牌信息。由于这一类信息不需要实时更新，因此可以在设备安装调试完成后，通过对检测区域内的静态物体的位置信息标定获取高精度地图的静态信息，包括静态物体的GPS位置信息。
所述动态信息具体为随着时间位置不断移动的物体及状态信息，包括车辆、行人与交通信号灯信息。
S2对动态高精度局部地图进行目标检测，检测目标包括车辆、行人及交通灯信息。
具体为：
运行目标检测算法可以图像中每一个识别到的目标的检测矩形框位置与识别框的id，检测框的位置是通过给出矩形框的左上角像素坐标[x1 y1]与右下角像素坐标[x2y2]确定的。此外还有检测算法给出的每个目标检测矩形框内图像所属的类别，共有7类，分别为：car、bus、truck、minibus、lorry、pedestrian、traffic light。记录下这些数据，例如对于某一矩形检测框的检测结果为
[x1 y1 x2 y2 id class]＝[150.0 289.0 300.0 405.0 1 car]。
本实施例中目标检测算法采用现有成熟、效果较好、实时性佳的目标识别深度网络，如Yolov4、Yolov3、SSD等，为了取得较好的识别效果，需要提前用相似角度的图像数据对目标检测识别网络进行训练。
S3对分类后的图片进行透视变换，对图片内的车辆与行人目标进行定位，获取其中每一辆车的位置信息；
所述透视变化是将成像投影到一个新的视平面的图像变换算法，在本发明中主要是运用透视变换中的鸟瞰转换，将边缘计算路侧设备有一定角度倾斜拍摄的图片转变为拍摄角度垂直向下的鸟瞰图。透视变换的通用转换公式为：
Figure BDA0002732619690000051
其中[x'y'w']为变换后的像素坐标，[u v w]为变换前的像素坐标，
Figure BDA0002732619690000052
为变换矩阵。
为了实现鸟瞰图的转换必须要找到四组相互匹配的像素坐标与世界坐标，由于在安装设备时已导入了道路场景的静态信息，结合场景中静态物体标识的GPS位置与图像中对应的像素位置很容易能找出四组对应的点，利用这四组点可以进行鸟瞰转换，将拍摄的图片转换为鸟瞰图。
在鸟瞰图中可以利用已知的GPS坐标与比例关系推断出这一帧的图像检测到的每一个目标的GPS位置。以此获取高精度地图中的动态信息，即车辆及行人的GPS位置信息。
S4路段上的车辆接收图像，根据自身的位置信息确定在高精度局部地图中的位置；
边缘计算路侧设备并不是针对特定的某一辆智能车发送动态高精度局部地图信息，而是不间断无差别的对监测区域内的所有智能车发送信息，监测道路区域内的智能车辆接收到信号后在智能车终端重建这一动态高精度局部地图，并且通过比对自身的GPS定位信息与局部高清地图中给出的车辆GPS确定自身在地图中所在的位置以及自身对应的检测目标。以此让每一辆监测区域内的智能车都能实现对于自身所处的交通环境的场景理解与超视距感知。
S5融合同一路段不同位置的动态高精度局部地图信息构建整个路段的高精度地图。
通过部署多台边缘计算路侧设备，并将每一台设备的动态高精度局部地图信息相融合信息相互融合形成整个路段的全局高精度地图。
由于每一台边缘计算路侧设备位置是固定的并且监测范围有限，因此必须融合多台设备的动态高精度局部地图信息才能形成全局高精度地图信息，协助车辆在行驶过程中持续不断的对于自身所处的交通环境的场景理解与超视距感知。
本发明的具体过程为：
架设于路旁的边缘计算路侧设备在安装时已经将这一路段的车道线信息、交通标志信息导入地图信息中，同时实时监测着这一路段，通过目标检测算法与鸟瞰透视变换推断每一个目标的GPS定位，不停更新并生成动态高精度局部地图信息，并不停地通过内置通信模块向所监测区域内的智能车发送动态高精度局部地图信息，当某一智能车驶入监测区域时，会实时接收到路侧设备发送的动态高精度局部地图信息，智能车辆在自身的终端重构这一地图，并读取地图中每一个目标地GPS位置信息，同时边缘计算路侧设备也识别到了新的目标进入监测区域，通过透视变换得到了新目标的GPS位置以此更新动态信息并发送给监测路段内的所有智能车，每一辆智能车通过读取地图信息并与自身的GPS位置信息相比对确定自身在动态高精度地图中的位置，同时也读取了其他车辆与行人的动态位置信息，此外还有车道线、交通标识、信号灯位置与信号灯信号等信息，实现智能车对于所驾驶环境的理解与超视距感知，提升智能车驾驶的安全性。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.适用于智能车辆交通场景理解与超视距感知的方法，其特征在于，包括如下步骤：
实时获取动态高精度局部地图，所述动态高精度局部地图包括监测路况的动态信息与静态信息，
对动态高精度局部地图进行目标检测及分类，检测目标包括车辆、行人及交通灯信息；
对分类后的图片进行透视变换，对图片内的车辆与行人目标进行定位，获取其中每一辆车的位置信息；
路段上的智能车接收图像，根据自身的位置信息确定在高精度局部地图中的位置；
融合同一路段不同位置的动态高精度局部地图信息构建整个路段的高精度地图。
2.根据权利要求1所述的方法，其特征在于，所述静态信息是指交通环境中不轻易改变的物体与标识的位置，包括监测路段的范围、车道线信息、交通信号灯位置、人行道及交通标志牌信息。
3.根据权利要求1所述的方法，其特征在于，所述动态信息具体为随着时间位置不断移动的物体及状态信息，包括车辆、行人与交通信号灯信息。
4.根据权利要求1所述的方法，其特征在于，所述透视变换是将成像投影到一个新的视平面的图像变换方法，具体采用鸟瞰转换。
5.根据权利要求4所述的方法，其特征在于，所述鸟瞰转换，具体为：
Figure FDA0002732619680000011
其中为变换后的像素坐标，[u v w]为变换前的像素坐标，
Figure FDA0002732619680000012
为变换矩阵。
6.一种如权利要求1-5任一项所述方法的系统，其特征在于，包括
路侧设备，设置在某一个路段中，实时采集该路段的视频流，生成局部高清图；
智能车：收到局部高清图，确认在高清图的位置，并融合多个边缘计算路侧设备的高清图，得到整个路段的高精度地图。
7.根据权利要求6所述的系统，其特征在于，所述路侧设备为多个，设置在同一个端的不同位置，间隔在150～200m。
8.根据权利要求6所述的系统，其特征在于，所述路侧设备包括高清摄像头、处理器模块及通信模块。
9.根据权利要求6所述的系统，其特征在于，所述路侧设备与智能车辆的信息传递利用无线网络实现。
10.根据权利要求9所述的系统，其特征在于，具体采用数据列表的形式进行通讯。
CN202011122834.1A 2020-10-20 2020-10-20 适用于智能车辆交通场景理解与超视距感知系统及方法 Pending CN112382085A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011122834.1A CN112382085A (zh) 2020-10-20 2020-10-20 适用于智能车辆交通场景理解与超视距感知系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011122834.1A CN112382085A (zh) 2020-10-20 2020-10-20 适用于智能车辆交通场景理解与超视距感知系统及方法

Publications (1)

Publication Number Publication Date
CN112382085A true CN112382085A (zh) 2021-02-19

Family

ID=74580235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011122834.1A Pending CN112382085A (zh) 2020-10-20 2020-10-20 适用于智能车辆交通场景理解与超视距感知系统及方法

Country Status (1)

Country Link
CN (1) CN112382085A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113096393A (zh) * 2021-03-29 2021-07-09 中移智行网络科技有限公司 一种路况预警方法、装置及边缘云设备
CN113112840A (zh) * 2021-03-15 2021-07-13 上海交通大学 一种基于车路协同的无人车超视距导航系统及方法
CN113159009A (zh) * 2021-06-25 2021-07-23 华东交通大学 一种车站预防逃票的智能监控识别方法及系统
CN113609891A (zh) * 2021-06-15 2021-11-05 北京瞭望神州科技有限公司 一种船只识别监测方法及系统
CN113947946A (zh) * 2021-10-15 2022-01-18 华东交通大学 一种基于车联网v2x与视频融合的港区行车安全监测方法
CN114120631A (zh) * 2021-10-28 2022-03-01 新奇点智能科技集团有限公司 构建动态高精度地图的方法、装置及交通云控平台
CN115131978A (zh) * 2021-03-24 2022-09-30 北京万集科技股份有限公司 显示数据的方法、装置、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203869697U (zh) * 2014-03-28 2014-10-08 东莞市领航通通信科技有限公司 基于gis技术的北斗/gps与ins组合车载导航定位系统
CN104494598A (zh) * 2014-11-23 2015-04-08 北京联合大学 一种用于智能车辆的路口行驶控制方法
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
CN108646586A (zh) * 2018-03-20 2018-10-12 重庆邮电大学 一种智能网联汽车在环仿真、测试验证系统与方法
CN110398243A (zh) * 2018-04-24 2019-11-01 高德信息技术有限公司 一种车辆定位方法及装置
US20190394427A1 (en) * 2018-06-20 2019-12-26 Chang'an University System for perceiving and co-processing intelligent connected vehicle-oriented scene image data
CN111208839A (zh) * 2020-04-24 2020-05-29 清华大学 一种实时感知信息与自动驾驶地图的融合方法及系统
CN111354222A (zh) * 2018-12-20 2020-06-30 阿里巴巴集团控股有限公司 一种辅助驾驶方法和系统
CN111561937A (zh) * 2019-02-14 2020-08-21 株式会社日立制作所 用于精确定位的传感器融合

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203869697U (zh) * 2014-03-28 2014-10-08 东莞市领航通通信科技有限公司 基于gis技术的北斗/gps与ins组合车载导航定位系统
CN104494598A (zh) * 2014-11-23 2015-04-08 北京联合大学 一种用于智能车辆的路口行驶控制方法
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
CN108646586A (zh) * 2018-03-20 2018-10-12 重庆邮电大学 一种智能网联汽车在环仿真、测试验证系统与方法
CN110398243A (zh) * 2018-04-24 2019-11-01 高德信息技术有限公司 一种车辆定位方法及装置
US20190394427A1 (en) * 2018-06-20 2019-12-26 Chang'an University System for perceiving and co-processing intelligent connected vehicle-oriented scene image data
CN111354222A (zh) * 2018-12-20 2020-06-30 阿里巴巴集团控股有限公司 一种辅助驾驶方法和系统
CN111561937A (zh) * 2019-02-14 2020-08-21 株式会社日立制作所 用于精确定位的传感器融合
CN111208839A (zh) * 2020-04-24 2020-05-29 清华大学 一种实时感知信息与自动驾驶地图的融合方法及系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112840A (zh) * 2021-03-15 2021-07-13 上海交通大学 一种基于车路协同的无人车超视距导航系统及方法
CN115131978A (zh) * 2021-03-24 2022-09-30 北京万集科技股份有限公司 显示数据的方法、装置、设备及存储介质
CN113096393A (zh) * 2021-03-29 2021-07-09 中移智行网络科技有限公司 一种路况预警方法、装置及边缘云设备
CN113609891A (zh) * 2021-06-15 2021-11-05 北京瞭望神州科技有限公司 一种船只识别监测方法及系统
CN113159009A (zh) * 2021-06-25 2021-07-23 华东交通大学 一种车站预防逃票的智能监控识别方法及系统
CN113947946A (zh) * 2021-10-15 2022-01-18 华东交通大学 一种基于车联网v2x与视频融合的港区行车安全监测方法
CN114120631A (zh) * 2021-10-28 2022-03-01 新奇点智能科技集团有限公司 构建动态高精度地图的方法、装置及交通云控平台
CN114120631B (zh) * 2021-10-28 2023-03-24 新奇点智能科技集团有限公司 构建动态高精度地图的方法、装置及交通云控平台

Similar Documents

Publication Publication Date Title
CN112382085A (zh) 适用于智能车辆交通场景理解与超视距感知系统及方法
CN110097762B (zh) 一种道路视频图像低能见度刻度估算方法及系统
WO2018153304A1 (zh) 基于adas系统的地图道路标记及道路质量采集装置及方法
CN111582079A (zh) 基于计算机视觉的车道定位方法及装置
US20150161457A1 (en) Three-dimensional object detection device, and three-dimensional object detection method
CN109791598A (zh) 用于识别地面标记的图像处理方法以及地面标记检测系统
JP2021508815A (ja) 妨害物体の検出に基づいて高精細度マップを補正するためのシステムおよび方法
CN106781520A (zh) 一种基于车辆跟踪的交通违法检测方法及系统
US10163341B2 (en) Double stereoscopic sensor
EA020239B1 (ru) Способ определения скорости транспортного средства
CN110766760B (zh) 用于相机标定的方法、装置、设备和存储介质
WO2024046053A1 (zh) 车辆违规检测方法、装置及系统、存储介质
CN110751693B (zh) 用于相机标定的方法、装置、设备和存储介质
CN110780287A (zh) 基于单目相机的测距方法及测距系统
US20230177724A1 (en) Vehicle to infrastructure extrinsic calibration system and method
CN111311942A (zh) 基于v2x技术的路况显示方法、系统、v2x终端及v2x服务器
CN108961799A (zh) 驾驶信息道路辅助系统
CN110766761B (zh) 用于相机标定的方法、装置、设备和存储介质
CN106803073A (zh) 基于立体视觉目标的辅助驾驶系统及方法
CN115265493B (zh) 一种基于非标定相机的车道级定位方法及装置
Yu et al. MPP: A novel algorithm for estimating vehicle space headways from a single image
CN114863695A (zh) 一种基于车载激光和摄像机的超标车辆检测系统和方法
CN115440034B (zh) 一种基于摄像头的车路协同实现方法及实现系统
Dai et al. Roadside Edge Sensed and Fused Three-dimensional Localization using Camera and LiDAR
CN113591941B (zh) 一种基于多传感器融合的智能限高警示系统及方法

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: 20210219