CN112419122B - 一种道路作业车的数据处理方法 - Google Patents
一种道路作业车的数据处理方法 Download PDFInfo
- Publication number
- CN112419122B CN112419122B CN202011283109.2A CN202011283109A CN112419122B CN 112419122 B CN112419122 B CN 112419122B CN 202011283109 A CN202011283109 A CN 202011283109A CN 112419122 B CN112419122 B CN 112419122B
- Authority
- CN
- China
- Prior art keywords
- area
- working
- data
- vehicle
- road
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000000638 solvent extraction Methods 0.000 claims abstract description 4
- 230000003749 cleanliness Effects 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 15
- 238000007689 inspection Methods 0.000 claims description 14
- 238000005192 partition Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 4
- 239000010426 asphalt Substances 0.000 claims description 3
- 239000004568 cement Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000005299 abrasion Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种道路作业车的数据处理方法，包括以下步骤：作业车辆控制决策系统对作业区域进行参数模型分区，控制决策系统判定参数模型与用户设定是否一致，一致后再对作业区域情况进行图像信息预处理，再根据不同作业车辆判断是否要进入预检流程，控制决策系统根据作业车的功率决定是否要进入精检区进行数据处理，作业车功率满足要求后进入精检区处理，控制决策系统将精检区数据与预检区对比，数据近似时进入参数化运算，控制决策系统对预检区和精检区的数据进行参数化运算，控制决策系统根据参数化数据运算结果判断是否还需要作业，作业车辆采用本方法引导作业后，提高环卫车辆作业效率的同时，也降低了环卫车辆的能源消耗。
Description
技术领域：
本发明涉及道路作业车数据处理领域，具体是一种道路作业车的数据处理方法。
背景技术：
随着我国经济快速发展、城镇化的不断深入，城市环境治理成为城市管理的一项专题，环卫类专用车辆的使用在城镇环境治理中占比越来越高。环保理念较好的新能源类产品，特别是纯电动类垃圾车也在逐步增加。随着环卫市场的逐步扩大，未来环卫车产业仍然有较大的上升空间，但同时环卫车市场的竞争也将逐步加大，相对于粗犷发展模式，将产品做细、做精、做优将是拉开差距重要的一步。
现有环卫车作业中，常规环卫作业车对作业区域的检测一般为人工目测，再进行环卫作业，此类处理方式效率偏低，环卫作业车行使消耗能源的同时，作业同样需要消耗能源，而传统作业方式效率偏低，对环卫作业车能源的消耗增大，导致环卫作业车的续驶时长缩短。同时，传统作业过程中，例如垃圾处理专用车，在处理个体较大的垃圾时，可能会出现垃圾装不上去或装上去后，不便后续的上装作业，类似缺陷都会导致新能源环卫作业车作业效率低下。如能通过相关技术根据作业场景对上装进行引导作业，降低上装用电占比，提高作业续驶时长，提升作业效率，对提高新能源汽车的市场竞争力具有非常积极的意义，所以人们需要一种道路作业车的数据处理方法解决上述问题。
发明内容：
本发明的目的在于提供一种道路作业车的数据处理方法，以解决现有技术中的问题。
为实现上述目的，本发明提供了一种道路作业车的数据处理方法，包括控制决策系统，为一种基于视觉的道路作业车智能作业系统的参数化方法，包括以下步骤：
S1：参数模型设定：控制决策系统针对不同道路作业车辆的作业需求，对路面检测区域进行参数模型分区，同时用户根据车辆参数、摄像头特性、作业参数、作业需求设定信息；
S2：检测区域判断：控制决策系统判定参数模型与用户设定信息是否相符，若相符则进入S3，否则执行S1重新设定；
S3：视觉信息预处理：控制决策系统根据上装、车辆信息进行图像信息预处理；
S4：判断是否需要进行预检：控制决策系统根据不同道路作业车辆视觉预处理信息和作业车辆类型判断是否需要进入预检，若需要预检，则进入预检区数据处理，否则进入精检区数据处理；
S5：预检区信息处理：控制决策系统根据预检区信息进行判断作业车辆的作业功率能否进行作业及与上一工况差异是否较大，能进行作业且差异不大则进入精简区，否则直接进行参数化运算；
S6：精检区数据处理：控制决策系统将精检区数据与预检区对比，若数据近似，则进入步骤S7，若差异较大，控制决策系统再对精检区数据进行精细处理；
S7：数据参数化运算：控制决策系统对预检区和精检区的数据进行参数化运算，并发布运算结果；
S8：数据输出：控制决策系统得出参数化数据；
S9：判断是否继续工作：控制决策系统根据S8中的参数化数据判断是否需要进行作业，若还需运行则进入下一轮参数化处理，否则结束数据处理，进行作业，作业车的作业流程规范化，提升作业效率的同时也节约了作业车的能源。
进一步的，步骤S1中，所述参数模型分区是利用相机成像原理以及通过道路平面模型构建路面点对应的空间坐标，参数模型分区借助道路作业车的车载相机采集作业区域情况。
进一步的，所述参数模型分区包括检测盲区L1、精检区L2、预检区L3、作业宽度L4和可检测最大范围L5；
所述检测盲区L1根据摄像头视场、作业车的车速、执行器的迟滞、检测周期、通信延迟等参数进行设定；
所述精检区L2根据摄像头特性、作业车的车速、执行器的作业能力等进行设定；
所述预检区L3根据摄像头特性、作业车类型设定；
所述作业宽度L4根据车辆宽度、可作业宽度进行设定；
所述可检测最大范围L5根据传感器特性和作业需求进行设定；
所述分区按作业车辆纵向中心依次分为左检测区、作业宽度L4和右检测区，所述左检测区、右检测区可单独检测道路两侧的绿化状态，用于辅助提供绿化信息，可用于绿化养护车作业。
进一步的，步骤S8中，所述参数化数据包括区域的洁净度评价等级、区域内垃圾的总质量和总面积、区域内最大个体垃圾的投影面积及坐标参数、区域内行人、动物情况、道路类型、路面级别、路面天气、路面质量。
进一步的，所述区域的洁净度评价等级通过以下公式进行计算，洁净度等级评价办法能够对垃圾作业车的作业结果进行标准化验收；
ω——区域内道路清洁度；
i——垃圾的编号；
λ——权重系数；
ρ——单种垃圾的密度；
S——单垃圾的面积；
h——垃圾的高度；
k——车型可作业的最大质量；
D——区域的面积；
ε——修正系数；
所述区域内垃圾的总质量计算公式为：
所述区域内垃圾的总面积计算公式为：
进一步的，所述区域内最大个体垃圾的投影面积按照最大个体垃圾投影外切矩形的面积计算，此处理方案可以避免上装超过作业车作业范围的大型个体垃圾，能够将作业车的作业空间充分合理利用，弥补了传统目测对大型个体垃圾的作业缺陷，一定程度上也减少了作业车的能源消耗。
进一步的，所述道路类型分为沥青、水泥混凝土、橡胶、泥土四类；
所述路面级别根据国标分为一级、二级、三级、四级输出；
所述路面天气按自然天气状态输出；
所述路面质量按标识线磨损面积占比和路面坑洼、裂缝面积占比输出。
进一步的，步骤S9中，所述参数化判断包括以下步骤：
A1：若路面天气符合作业要求，进行作业，否则不进行作业；
A2：作业范围内，存在行人，根据作业车辆类型和行人位置信息判断：进行作业、单侧作业、不作业；
A3：路面保洁类车辆：路面洁净度满足要求，不进行作业，否则启动上装作业；
A4：植被养护车辆：路边植被处于可作业区域，将进行作业，否则不作业。
更进一步的，步骤S9根据参数化数据及判断数据，结合车速、档位、环境等信息，结合上装执行器的特点，形成节能化的上装控制策略(上装能耗最小化)，并反馈动作执行情况：
左右作业区域，洁净度等级相同时，左右两侧执行单元按标定的最小工况进行工作；
左右作业区域，洁净度等级均需作业，左右两侧执行单元按洁净度低的最小工况进行工作；
左右作业区域，洁净度等级单侧需作业，单侧执行单元按标定的最小工况进行作业；
左右作业区域，因行人等因素影响单侧作业执行的，关闭受影响侧执行单元。
与现有技术相比，本发明的有益效果为：
1、本发明借助环卫作业车上装的视觉处理系统，对环卫作业车作业区域划分，预检区与精检区的划分可以适配垃圾作业车的作业模式，划分左右作业区域可以适配路面保洁类车辆，例如洒水车，可以根据作业区域情况选择单侧作业或两侧作业，作业模式灵活；
2、本发明基于道路作业车提出了一种基于视觉的参数化方法，通过区域的合理划分后，对作业区域进行图像信息处理，作业车再根据得到的图像信息对作业区域的情况分析后，再进行作业，对道路作业车作业模式的参数化方法可以提高作业效率；
3、参数化方法在垃圾作业车作业时，对个体较大的垃圾处理方式为按照垃圾的投影外切矩形的面积计算，解决了传统垃圾作业车作业时对个体较大垃圾处理缺陷，同时，本发明提出了洁净度等级的评价办法，能够对垃圾作业车的作业结果进行标准化验收；
本发明通过以上技术方案，提高作业效率的同时也降低了环卫作业车的能源消耗。
附图说明：
图1为一种道路作业车的参数化处理流程示意图；
图2为一种道路作业车的参数模型分区示意图；
图3为一种道路作业车的最大个体垃圾的投影面积处理方案示意图。
具体实施方式：
下为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
实施例1：如图1所示，一种道路作业车的数据处理方法，为一种基于视觉的道路作业车智能作业系统的参数化方法，包括以下步骤：
S1：参数模型设定：控制决策系统针对不同道路作业车辆的作业需求，对路面检测区域进行参数模型分区，同时用户根据车辆参数、摄像头特性、作业参数、作业需求设定信息；；
S2：检测区域判断：控制决策系统判定参数模型与用户设定信息是否相符，若相符则进入S3，否则执行S1重新设定；
S3：视觉信息预处理：控制决策系统根据作业参数、车辆信息进行图像信息预处理；
S4：判断是否需要进行预检：控制决策系统根据不同道路作业车辆视觉预处理信息和作业车辆类型判断是否需要进入预检，若需要预检，则进入预检区数据处理，否则进入精检区数据处理；
S5：预检区信息处理：控制决策系统根据预检区信息进行判断作业车辆的作业功率能否进行作业及与上一工况差异是否较大，能进行作业且差异不大则进入精简区，否则直接进行参数化运算；
S6：精检区数据处理：控制决策系统将精检区数据与预检区对比，若数据近似，则进入步骤S7，若差异较大，控制决策系统再对精检区数据进行精细处理；
S7：数据参数化运算：控制决策系统对预检区和精检区的数据进行参数化运算，并发布运算结果；
S8：数据输出：控制决策系统得出参数化数据；
S9：判断是否继续工作：控制决策系统根据S8中的参数化数据判断是否需要进行作业，若还需运行则进入下一轮参数化处理，否则结束数据处理，进行作业。
步骤S1中，参数模型分区是利用相机成像原理以及通过道路平面模型构建路面点对应的空间坐标，即控制决策系统将相机得到的道路平面模型中的每个点构建空间坐标，可以对道路平面模型精准划分分区，道路作业车辆通过车载相机对作业区域的视频采集，并反馈给控制决策系统，对作业区域进行参数模型分区。
如图2所示，参数模型分区包括检测盲区L1、精检区L2、预检区L3、作业宽度L4和可检测最大范围L5；
检测盲区L1根据摄像头视场、作业车的车速、执行器的迟滞、检测周期、通信延迟等参数进行设定；
精检区L2根据摄像头特性、作业车的车速、执行器的作业能力等进行设定；
预检区L3根据摄像头特性、作业车类型(预检需求)等设定，作业车类型决定是否需要预检，如洒水车就不需要预检，只需在后续步骤考虑行人天气等影响，而环卫垃圾作业车就需要对作业区域进行预检；
作业宽度L4根据车辆宽度、可作业宽度进行设定，不同类型的作业车车辆轴距也不相同，作业宽度根据具体车型灵活调整；
可检测最大范围L5根据传感器特性和作业需求进行设定；
分区按作业车辆纵向中心依次分为左检测区、作业宽度L4和右检测区，左检测区、右检测区可单独检测道路两侧的绿化状态，用于辅助提供绿化信息，可用于绿化养护车作业。
步骤S8中，参数化数据包括区域的洁净度评价等级、区域内垃圾的总质量和总面积、区域内最大个体垃圾的投影面积及坐标参数、区域内行人、动物情况、道路类型、路面级别、路面天气、路面质量。
区域的洁净度评价等级通过以下公式进行计算；
ω——区域内道路清洁度；
i——垃圾的编号；
λ——权重系数；
ρ——单种垃圾的密度；
S——单垃圾的面积；
h——垃圾的高度；
k——车型可作业的最大质量；
D——区域的面积；
ε——修正系数；
区域内垃圾的总质量计算公式为：
区域内垃圾的总面积计算公式为：
如图3所示，区域内最大个体垃圾的投影面积按照最大个体垃圾投影外切矩形的面积计算，即按照坐标系内最大Δx·Δy进行计算，并输出坐标(x,y)、(x+Δx,y+Δy)。
道路类型分为沥青、水泥混凝土、橡胶、泥土四类；
路面级别根据国标分为一级、二级、三级、四级输出；
路面天气按自然天气状态输出；
路面质量按标识线磨损面积占比和路面坑洼、裂缝面积占比输出。
步骤S9中，参数化判断包括以下步骤：
A1：若路面天气符合作业要求，进行作业，否则不进行作业；
A2：作业范围内，存在行人，根据作业车辆类型和行人位置信息判断：进行作业、单侧作业、不作业；
A3：路面保洁类车辆：路面洁净度满足要求，不进行作业，否则启动上装作业；
A4：植被养护车辆：路边植被处于可作业区域，将进行作业，否则不作业。
步骤S9根据参数化数据及判断数据，结合车速、档位、环境等信息，结合上装执行器的特点，形成节能化的上装控制策略(上装能耗最小化)，并反馈动作执行情况：
左右作业区域，洁净度等级相同时，左右两侧执行单元按标定的最小工况进行工作；
左右作业区域，洁净度等级均需作业，左右两侧执行单元按洁净度低的最小工况进行工作；
左右作业区域，洁净度等级单侧需作业，单侧执行单元按标定的最小工况进行作业；
左右作业区域，因行人等因素影响单侧作业执行的，关闭受影响侧执行单元。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (9)
1.一种道路作业车的数据处理方法，包括控制决策系统，其特征在于，为一种基于视觉的道路作业车智能作业系统的参数化方法，包括以下步骤：
S1：参数模型设定：控制决策系统针对不同道路作业车辆的作业需求，对路面检测区域进行参数模型分区，同时用户根据车辆参数、摄像头特性、作业参数、作业需求设定信息；
S2：检测区域判断：控制决策系统判定参数模型与用户设定信息是否相符，若相符则进入S3，否则执行S1重新设定；
S3：视觉信息预处理：控制决策系统根据作业参数、车辆信息进行图像信息预处理；
S4：判断是否需要进行预检：控制决策系统根据不同道路作业车辆视觉预处理信息和作业车辆类型判断是否需要进入预检，若需要预检，则进入预检区数据处理，否则进入精检区数据处理；
S5：预检区信息处理：控制决策系统根据预检区信息进行判断作业车辆的作业功率能否进行作业及与上一工况差异是否较大，能进行作业且差异不大则进入精简区，否则直接进行参数化运算；
S6：精检区数据处理：控制决策系统将精检区数据与预检区对比，若数据近似，则进入步骤S7，若差异较大，控制决策系统再对精检区数据进行精细处理；
S7：数据参数化运算：控制决策系统对预检区和精检区的数据进行参数化运算，并发布运算结果；
S8：数据输出：控制决策系统得出参数化数据；
S9：判断是否继续工作：控制决策系统根据S8中的参数化数据判断是否还需要进行作业，若还需运行则进入下一轮参数化处理，否则结束数据处理，进行作业。
2.根据权利要求1所述的一种道路作业车的数据处理方法，其特征在于，步骤S1中，所述参数模型分区是利用相机成像原理以及通过道路平面模型构建路面点对应的空间坐标。
3.根据权利要求1或2所述的一种道路作业车的数据处理方法，其特征在于，所述参数模型分区包括检测盲区L1、精检区L2、预检区L3、作业宽度L4和可检测最大范围L5；
所述检测盲区L1根据摄像头视场、作业车的车速、执行器的迟滞、检测周期、通信延迟参数进行设定；
所述精检区L2根据摄像头特性、作业车的车速、执行器的作业能力进行设定；
所述预检区L3根据摄像头特性、作业车类型设定；
所述作业宽度L4根据车辆宽度、可作业宽度进行设定；
所述可检测最大范围L5根据传感器特性和作业需求进行设定；
所述分区按作业车辆纵向中心依次分为左检测区、作业宽度L4和右检测区。
4.根据权利要求1所述的一种道路作业车的数据处理方法，其特征在于，步骤S8中，所述参数化数据包括区域的洁净度评价等级、区域内垃圾的总质量和总面积、区域内最大个体垃圾的投影面积及坐标参数、区域内行人、动物情况、道路类型、路面级别、路面天气、路面质量。
5.根据权利要求4所述的一种道路作业车的数据处理方法，其特征在于，所述区域的洁净度评价等级通过以下公式进行计算；
，
ω——区域内道路清洁度；
i——垃圾的编号；
λ——权重系数；
ρ——单种垃圾的密度；
S——单垃圾的面积；
h——垃圾的高度；
k——车型可作业的最大质量；
D——区域的面积；
ε——修正系数；
所述区域内垃圾的总质量计算公式为：；
所述区域内垃圾的总面积计算公式为：。
6.根据权利要求4所述的一种道路作业车的数据处理方法，其特征在于，所述区域内最大个体垃圾的投影面积按照最大个体垃圾投影外切矩形的面积计算。
7.根据权利要求4所述的一种道路作业车的数据处理方法，其特征在于，所述道路类型分为沥青、水泥混凝土、橡胶、泥土四类；
所述路面级别根据国标分为一级、二级、三级、四级输出；
所述路面天气按自然天气状态输出；
所述路面质量按标识线磨损面积占比和路面坑洼、裂缝面积占比输出。
8.根据权利要求4所述的一种道路作业车的数据处理方法，其特征在于，步骤S9中，所述参数化判断包括以下步骤：
A1：若路面天气符合作业要求，进行作业，否则不进行作业；
A2：作业范围内，存在行人，根据作业车辆类型和行人位置信息判断：进行作业、单侧作业、不作业。
9.根据权利要求4所述的一种道路作业车的数据处理方法，其特征在于，步骤S9根据参数化数据及判断数据，结合车速、档位、环境信息，结合执行器的特点，形成节能化的控制策略，并反馈动作执行情况：
左右作业区域，因行人因素影响单侧作业执行的，关闭受影响侧执行单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011283109.2A CN112419122B (zh) | 2020-11-17 | 2020-11-17 | 一种道路作业车的数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011283109.2A CN112419122B (zh) | 2020-11-17 | 2020-11-17 | 一种道路作业车的数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112419122A CN112419122A (zh) | 2021-02-26 |
| CN112419122B true CN112419122B (zh) | 2024-03-05 |
Family
ID=74831444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011283109.2A Active CN112419122B (zh) | 2020-11-17 | 2020-11-17 | 一种道路作业车的数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112419122B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102629109A (zh) * | 2011-11-08 | 2012-08-08 | 东南大学 | 道路清障车的自动扶正控制方法 |
| CN109024417A (zh) * | 2018-07-24 | 2018-12-18 | 长安大学 | 一种智能道路清扫车及其道路污染物识别方法和控制方法 |
| WO2020077707A1 (zh) * | 2018-10-16 | 2020-04-23 | 徐州徐工环境技术有限公司 | 道路作业车的作业自动控制方法及道路作业车 |
| JP2020074127A (ja) * | 2016-06-01 | 2020-05-14 | 株式会社クボタ | 作業車協調システム |
| CN111767896A (zh) * | 2020-07-15 | 2020-10-13 | 吉林大学 | 一种清扫车底盘上装协同控制方法及感知识别实现装置 |
-
2020
- 2020-11-17 CN CN202011283109.2A patent/CN112419122B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102629109A (zh) * | 2011-11-08 | 2012-08-08 | 东南大学 | 道路清障车的自动扶正控制方法 |
| JP2020074127A (ja) * | 2016-06-01 | 2020-05-14 | 株式会社クボタ | 作業車協調システム |
| CN109024417A (zh) * | 2018-07-24 | 2018-12-18 | 长安大学 | 一种智能道路清扫车及其道路污染物识别方法和控制方法 |
| WO2020077707A1 (zh) * | 2018-10-16 | 2020-04-23 | 徐州徐工环境技术有限公司 | 道路作业车的作业自动控制方法及道路作业车 |
| CN111767896A (zh) * | 2020-07-15 | 2020-10-13 | 吉林大学 | 一种清扫车底盘上装协同控制方法及感知识别实现装置 |
Non-Patent Citations (1)
| Title |
|---|
| 城市清扫车盘刷参数的设计研究;王利伟;王超;张鹏飞;;山东工业技术;20160615(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112419122A (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104791113B (zh) | 基于行驶路况的发动机自动启停智能触发方法及系统 | |
| CN104992145B (zh) | 一种矩采样车道跟踪检测方法 | |
| CN102270301B (zh) | 一种svm与激光雷达结合检测非结构化道路边界的方法 | |
| CN111563412B (zh) | 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法 | |
| CN102254152B (zh) | 基于彩色跳变点和颜色密度的车牌定位方法 | |
| CN103824081B (zh) | 一种室外恶劣光照条件下的快速鲁棒交通标志检测方法 | |
| CN201825037U (zh) | 高速公路车辆的车道偏离报警装置 | |
| CN103440503B (zh) | 一种车辆车身颜色检测识别方法 | |
| CN107590470A (zh) | 一种车道线检测方法及装置 | |
| CN103116988B (zh) | 基于tof相机的车流量及车型检测方法 | |
| CN103577809B (zh) | 一种基于智能驾驶的地面交通标志实时检测的方法 | |
| CN105206109A (zh) | 一种基于红外ccd的车辆雾天识别预警系统及方法 | |
| CN202134079U (zh) | 一种无人驾驶车辆车道标志线识别与报警装置 | |
| CN110610153A (zh) | 一种用于自动驾驶的车道识别方法及系统 | |
| CN110458050B (zh) | 基于车载视频的车辆切入检测方法及装置 | |
| CN111038488A (zh) | 一种混合动力汽车的能量优化控制方法及装置 | |
| CN105426868A (zh) | 一种基于自适应感兴趣区域的车道检测方法 | |
| CN111626382A (zh) | 一种建筑工地车辆清洁度的快速智能识别方法和系统 | |
| CN115376082B (zh) | 一种融合传统特征提取与深度神经网络的车道线检测方法 | |
| CN112419122B (zh) | 一种道路作业车的数据处理方法 | |
| CN109376733B (zh) | 一种基于车牌定位的道路救援装备正方位拖牵诱导方法 | |
| JP2002160598A (ja) | 車外監視装置 | |
| CN116935157A (zh) | 一种基于PConv-YOLOv7的路面病害检测方法 | |
| CN108572651A (zh) | 一种智能化程度高的无人驾驶车辆 | |
| CN115205819A (zh) | 一种基于机器视觉的市政路面环卫清扫智能分析调控系统 |
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 |