CN112433519A - 一种无人驾驶检测系统及车辆行驶检测方法 - Google Patents
一种无人驾驶检测系统及车辆行驶检测方法 Download PDFInfo
- Publication number
- CN112433519A CN112433519A CN202011243033.0A CN202011243033A CN112433519A CN 112433519 A CN112433519 A CN 112433519A CN 202011243033 A CN202011243033 A CN 202011243033A CN 112433519 A CN112433519 A CN 112433519A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- module
- state
- data
- abnormal
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种无人驾驶检测系统，包括：数据获取单元、车辆状态智能检测单元、车辆异常报警单元和异常状态分析单元；所述数据获取单元用于获取车辆所在行驶环境的影像和传感数据；所述车辆状态智能检测单元用于判断车辆行驶参数是否存在异常；所述车辆异常报警单元用于在车辆出现驾驶失误和电量不足时进行报警提醒；所述异常状态分析单元用于对车辆的异常状态进行分类分析并输出分析报告对各类异常状态进行等级评判，所述异常状态分析单元包括数据接收存储模块、分类分析模块和报告输出模块，相应地，还提出一种车辆行驶检测方法，本发明可对无人驾驶车辆的行驶状态进行实时误差分析，保证车辆行驶的安全性。
Description
技术领域
本发明涉及无人驾驶技术领域，尤其涉及到一种无人驾驶检测系统及车辆行驶检测方法。
背景技术
无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。随着现代科学技术的发展，作为未来汽车产业的发展方向，它能大幅度提高交通系统的安全性。而随着无人驾驶的飞速发展，对无人驾驶的学习也越来越多。但现实中，对无人驾驶的学习还停留在理论的讲解，无法展现真实的场景。虽已经有许多的城市都设置了无人驾驶的测试道路，但并非每个无人驾驶领域的研究人员都能够进入其中，且由于复杂的路况等外界因素导致驾驶出现误差，因此，如何研究一种可对无人驾驶车辆进行行驶检测的检测系统及方法十分有必要。
综上所述，提供一种可对无人驾驶车辆的行驶状态进行实时误差分析，便于无人驾驶车辆在研发过程进行较好的参数功能调整，保证车辆行驶的安全性的无人驾驶检测系统及车辆行驶检测方法，是本领域技术人员急需解决的问题。
发明内容
本方案针对上文提到的问题和需求，提出一种无人驾驶检测系统及车辆行驶检测方法，其由于采取了如下技术方案而能够解决上述技术问题。
为实现上述目的，本发明提供如下技术方案：一种无人驾驶检测系统，包括：数据获取单元、车辆状态智能检测单元、车辆异常报警单元和异常状态分析单元；
所述数据获取单元用于获取车辆所在行驶环境的影像和传感数据并经过筛选处理后发送给所述车辆状态智能检测单元，所述数据获取单元包括图像获取模块、车辆自身状态检测模块和数据筛选处理模块，所述图像获取模块和所述车辆自身状态检测模块均与所述数据筛选处理模块相连接；
所述车辆状态智能检测单元用于判断车辆行驶参数是否存在异常，并将判断结果发送至所述车辆异常报警单元和所述异常状态分析单元，所述车辆状态智能检测单元包括行驶状态判断模块、行驶轨迹判断模块和输出模块，所述行驶状态判断模块用于根据检测数据和预设阈值判断车辆位置偏移和交通标志及红绿灯识别状态是否正常，所述行驶轨迹判断模块用于判断车辆在特定区域是否存在行驶速度异常、停滞时间和车辆制动状态异常；
所述车辆异常报警单元用于在车辆出现驾驶失误和电量不足时进行报警提醒，所述车辆异常报警单元包括报警信息缓存模块、报警优先级判断模块和报警信息传输模块，所述报警信息缓存模块、所述报警优先级判断模块和所述报警信息传输模块依次连接；
所述异常状态分析单元用于对车辆的异常状态进行分类分析并输出分析报告对各类异常状态进行等级评判，所述异常状态分析单元包括数据接收存储模块、分类分析模块和报告输出模块，所述数据接收存储模块用于接收异常检测结果，所述分类分析模块用于对各类异常状态的驾驶影响程度进行分析，所述报告输出模块用于输出综合评价报告。
优选地，所述图像获取模块获取无人驾驶汽车的行驶道路图像传输至所述数据筛选处理模块，所述车辆自身状态检测模块根据多个传感节点检测无人驾驶车辆的制动/驱动状态、行驶速度和碰撞状态并将状态参数发送给所述数据筛选处理模块。
更优选地，所述数据筛选处理模块接收所述图像获取模块和所述车辆自身状态检测模块采集的图像数据和多个状态参数，并对采集图像数据进行畸变校对，对所述状态参数进行数据统一解析，得到格式统一的状态参数数据并去除无效数据和冗余数据，将畸变校对后的图像数据和预处理后的传感参数数据发送至所述行驶状态判断模块和所述行驶轨迹判断模块进行对比判断得到异常状态判断结果。
更优选地，畸变校对采用Opencv校准函数生成的校准参数，对采集图像进行畸变校对。
更优选地，所述报警信息缓存模块用于接收所述车辆状态智能检测单元发送的异常判断结果并按时间戳顺序进行缓存，所述报警优先级判断模块用于判断报警级别，所述报警信息传输模块用于进行本地及远程报警。
更优选地，所述分类分析模块采用基于模糊集理论的综合评估分析算法对各类异常状态的驾驶影响程度进行分析，所述模糊集理论的综合评估分析算法包括：a.根据设定的目标程度和指标因素组成的评价准则得到评估层次结构模型；b.由所述评估层次结构模型得到因素集合D，并建立评价等级集合T；c.然后确定隶属关系建立模糊综合评价矩阵，即对因素集合D内多个因素进行评定，用Di作出Ti评定的可能性的大小即隶属度，从因素集合D到评价等级集合T的模糊映射得到模糊关系矩阵H；d.采用层次分析法确定各元素对各结构层评估权重得到权重集W,并根据各元素权重和隶属度得到综合分析结果。
一种车辆行驶检测方法，具体包括：
S10:所述数据获取单元获取车辆所在行驶环境的图像和传感数据并经过筛选处理后发送给所述车辆状态智能检测单元；
S20:所述车辆状态智能检测单元接收经过处理图像和传感数据，并根据所述图像和传感数据判断车辆行驶过程中，是否存在车辆制动状态、交通标志及红绿灯识别和车辆在特定区域行驶速度异常和停滞时间异常的状态；
S30:当所述车辆状态智能检测单元检测到异常状态时，将检测结果发给所述车辆异常报警单元和所述异常状态分析单元，所述车辆异常报警单元进行本地及远程报警，所述异常状态分析单元根据异常参数数据分析得到各类影响因素对驾驶异常状态的影响等级报告。
更优选地，所述步骤S10具体包括：
S11:所述图像获取模块获取无人驾驶汽车的行驶道路图像，所述车辆自身状态检测模块获取多个传感节点检测到的无人驾驶车辆的制动/驱动状态、行驶速度和碰撞状态参数；
S12:所述数据筛选处理模块接收通过所述图像获取模块和所述车辆自身状态检测模块采集的图像数据和多个状态参数，并对采集图像数据进行畸变校对，对所述状态参数进行数据统一解析，得到格式统一的状态参数数据，对所述格式统一的状态参数数据采用对比判断法去除无效数据和冗余数据，得到预处理后的数据，将畸变校对后的图像数据和预处理后的传感参数数据发送至所述行驶状态判断模块和所述行驶轨迹判断模块。
更优选地，所述步骤S20具体包括：
S21：所述行驶状态判断模块根据采集的被测车辆交通标志及红绿灯识别状态特征值，与数据库中存储的异常状态特征值进行对比判断交通标志及红绿灯识别状态是否正常；
S22：在被测车辆处于直线行驶状态的情况下，所述行驶轨迹判断模块根据获取所述被测车辆在一定周期内垂直于车道中心线发生的的横向位移和横向控制功能输出的转向控制扭矩并计算航向角变化量，当所述横向位移距离大于设定阈值或所述航向角变化量大于预设角度阈值，判定所述被测车辆行驶跑偏；
S23：所述行驶轨迹判断模块确定被测车辆经过监控图像中特定区域所利用的时长和基于所述时长的目标距离，计算所述被测车辆在场景中的车速，所述目标距离为车辆在行驶方向上所跨越的距离，并将所述计算车速和实际车速进行对比，若实际车速超过路段设定速度阈值则判断所述被测车辆速度异常。
更优选地，所述步骤S30具体包括：
S31:所述车辆异常报警单元接收到报警信息后先缓存在所述报警信息缓存模块，当一段时间内无其它报警信息接入时，则通过所述报警信息传输模块输出报警信息，否则由所述报警优先级判断模块采用基于模糊集理论的优先判别算法对优先程度进行判别；
S32:然后通过所述报警信息传输模块按优先级依次输出报警信息进行本地及远程报警；
S33:所述数据接收存储模块接收道路偏移、制动状态异常和行驶速度及交通标志识别异常的检测数据并发送给所述分类分析模块，由所述分类分析模块采用基于模糊集理论的综合评估分析算法对各类异常状态的驾驶影响程度进行分析，通过所述报告输出模块输出综合评价报告。
从上述的技术方案可以看出，本发明的有益效果是：本发明可对无人驾驶车辆的行驶状态进行实时误差分析，便于无人驾驶车辆在研发过程进行较好的参数功能调整，保证车辆行驶的安全性。
除了上面所描述的目的、特征和优点之外，下文中将结合附图对实施本发明的最优实施例进行更详尽的描述，以便能容易地理解本发明的特征和优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下文将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，其中，附图仅仅用于展示本发明的一些实施例，而非将本发明的全部实施例限制于此。
图1为本发明中无人驾驶检测系统的组成示意图。
图2为本发明中车辆行驶检测方法的具体步骤示意图。
图3为本实施例中无人驾驶车辆异常判断过程的具体示意图。
图4为本实施例中车辆异常报警和异常分析的具体步骤示意图。
图5为本实施例中模糊集理论的综合评估分析算法的具体步骤示意图。
具体实施方式
为了使得本发明的技术方案的目的、技术方案和优点更加清楚，下文中将结合本发明具体实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。附图中相同的附图标记代表相同的部件。需要说明的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物。虽已经有许多的城市都设置了无人驾驶的测试道路，但并非每个无人驾驶领域的研究人员都能够进入其中，且由于复杂的路况等外界因素导致驾驶出现误差，因此，本发明提供了一种对车辆实时控制效率更高、且分析准确，路径规划合理，鲁棒性较好的无人驾驶检测系统及车辆行驶检测方法。如图1至图4所示，该系统包括：数据获取单元、车辆状态智能检测单元、车辆异常报警单元和异常状态分析单元，所述数据获取单元用于获取车辆所在行驶环境的影像和传感数据并经过筛选处理后发送给所述车辆状态智能检测单元，所述数据获取单元包括图像获取模块、车辆自身状态检测模块和数据筛选处理模块，所述图像获取模块和所述车辆自身状态检测模块均与所述数据筛选处理模块相连接。而所述图像获取模块获取无人驾驶汽车的行驶道路图像传输至所述数据筛选处理模块，所述车辆自身状态检测模块根据多个传感节点检测无人驾驶车辆的制动/驱动状态、行驶速度和碰撞状态并将状态参数发送给所述数据筛选处理模块。在本实施例中，所述图像获取模块包括设置在被测车辆上的视频获取装置和设置在检测场景中的视频获取装置。所述数据筛选处理模块接收所述图像获取模块和所述车辆自身状态检测模块采集的图像数据和多个状态参数，并对采集图像数据进行畸变校对，对所述状态参数进行数据统一解析，得到格式统一的状态参数数据并去除无效数据和冗余数据，将畸变校对后的图像数据和预处理后的传感参数数据发送至所述行驶状态判断模块和所述行驶轨迹判断模块进行对比判断得到异常状态判断结果。在本实施例中，畸变校对采用Opencv校准函数生成的校准参数，对采集图像进行畸变校对。
所述车辆状态智能检测单元用于判断车辆行驶参数是否存在异常，并将判断结果发送至所述车辆异常报警单元和所述异常状态分析单元，所述车辆状态智能检测单元包括行驶状态判断模块、行驶轨迹判断模块和输出模块，所述行驶状态判断模块用于根据检测数据和预设阈值判断车辆位置偏移和交通标志及红绿灯识别状态是否正常，所述行驶轨迹判断模块用于判断车辆在特定区域是否存在行驶速度异常、停滞时间和车辆制动状态异常。
所述车辆异常报警单元用于在车辆出现驾驶失误和电量不足时进行报警提醒，所述车辆异常报警单元包括报警信息缓存模块、报警优先级判断模块和报警信息传输模块，所述报警信息缓存模块、所述报警优先级判断模块和所述报警信息传输模块依次连接，其中，所述报警信息缓存模块用于接收所述车辆状态智能检测单元发送的异常判断结果并按时间戳顺序进行缓存，所述报警优先级判断模块用于判断报警级别，所述报警信息传输模块用于进行本地及远程报警。
所述异常状态分析单元用于对车辆的异常状态进行分类分析并输出分析报告对各类异常状态进行等级评判，所述异常状态分析单元包括数据接收存储模块、分类分析模块和报告输出模块，所述数据接收存储模块用于接收异常检测结果，所述分类分析模块用于对各类异常状态的驾驶影响程度进行分析，所述报告输出模块用于输出综合评价报告。如图5所示，而所述分类分析模块采用基于模糊集理论的综合评估分析算法对各类异常状态的驾驶影响程度进行分析，所述模糊集理论的综合评估分析算法包括：a.根据设定的目标程度和指标因素组成的评价准则得到评估层次结构模型；b.由所述评估层次结构模型得到因素集合D，并建立评价等级集合T；c.然后确定隶属关系建立模糊综合评价矩阵，即对因素集合D内多个因素进行评定，用Di作出Ti评定的可能性的大小即隶属度，从因素集合D到评价等级集合T的模糊映射得到模糊关系矩阵H；d.采用层次分析法确定各元素对各结构层评估权重得到权重集W,并根据各元素权重和隶属度得到综合分析结果。
如图2所示，一种车辆行驶检测方法，具体包括：
S10:所述数据获取单元获取车辆所在行驶环境的图像和传感数据并经过筛选处理后发送给所述车辆状态智能检测单元；
其中，所述步骤S10具体包括：
S11:所述图像获取模块获取无人驾驶汽车的行驶道路图像，所述车辆自身状态检测模块获取多个传感节点检测到的无人驾驶车辆的制动/驱动状态、行驶速度和碰撞状态参数；
S12:所述数据筛选处理模块接收通过所述图像获取模块和所述车辆自身状态检测模块采集的图像数据和多个状态参数，并对采集图像数据进行畸变校对，对所述状态参数进行数据统一解析，得到格式统一的状态参数数据，对所述格式统一的状态参数数据采用对比判断法去除无效数据和冗余数据，得到预处理后的数据，将畸变校对后的图像数据和预处理后的传感参数数据发送至所述行驶状态判断模块和所述行驶轨迹判断模块；
S20:所述车辆状态智能检测单元接收经过处理图像和传感数据，并根据所述图像和传感数据判断车辆行驶过程中，是否存在车辆制动状态、交通标志及红绿灯识别和车辆在特定区域行驶速度异常和停滞时间异常的状态；
如图3所示，其中，无人驾驶车辆异常判断过程具体包括：
S21：所述行驶状态判断模块根据采集的被测车辆交通标志及红绿灯识别状态特征值，与数据库中存储的异常状态特征值进行对比判断交通标志及红绿灯识别状态是否正常；
S22：在被测车辆处于直线行驶状态的情况下，所述行驶轨迹判断模块根据获取所述被测车辆在一定周期内垂直于车道中心线发生的的横向位移和横向控制功能输出的转向控制扭矩并计算航向角变化量，当所述横向位移距离大于设定阈值或所述航向角变化量大于预设角度阈值，判定所述被测车辆行驶跑偏；
S23：所述行驶轨迹判断模块确定被测车辆经过监控图像中特定区域所利用的时长和基于所述时长的目标距离，计算所述被测车辆在场景中的车速，所述目标距离为车辆在行驶方向上所跨越的距离，并将所述计算车速和实际车速进行对比，若实际车速超过路段设定速度阈值则判断所述被测车辆速度异常；
S30:当所述车辆状态智能检测单元检测到异常状态时，将检测结果发给所述车辆异常报警单元和所述异常状态分析单元，所述车辆异常报警单元进行本地及远程报警，所述异常状态分析单元根据异常参数数据分析得到各类影响因素对驾驶异常状态的影响等级报告。
如图4所示，其中，车辆异常报警和异常分析步骤具体包括：
S31:所述车辆异常报警单元接收到报警信息后先缓存在所述报警信息缓存模块，当一段时间内无其它报警信息接入时，则通过所述报警信息传输模块输出报警信息，否则由所述报警优先级判断模块采用基于模糊集理论的优先判别算法对优先程度进行判别；
S32:然后通过所述报警信息传输模块按优先级依次输出报警信息进行本地及远程报警；
S33:所述数据接收存储模块接收道路偏移、制动状态异常和行驶速度及交通标志识别异常的检测数据并发送给所述分类分析模块，由所述分类分析模块采用基于模糊集理论的综合评估分析算法对各类异常状态的驾驶影响程度进行分析，通过所述报告输出模块输出综合评价报告。
应当说明的是，本发明所述的实施方式仅仅是实现本发明的优选方式，对属于本发明整体构思，而仅仅是显而易见的改动，均应属于本发明的保护范围之内。
Claims (10)
1.一种无人驾驶检测系统，其特征在于，包括：数据获取单元、车辆状态智能检测单元、车辆异常报警单元和异常状态分析单元；
所述数据获取单元用于获取车辆所在行驶环境的影像和传感数据并经过筛选处理后发送给所述车辆状态智能检测单元，所述数据获取单元包括图像获取模块、车辆自身状态检测模块和数据筛选处理模块，所述图像获取模块和所述车辆自身状态检测模块均与所述数据筛选处理模块相连接；
所述车辆状态智能检测单元用于判断车辆行驶参数是否存在异常，并将判断结果发送至所述车辆异常报警单元和所述异常状态分析单元，所述车辆状态智能检测单元包括行驶状态判断模块、行驶轨迹判断模块和输出模块，所述行驶状态判断模块用于根据检测数据和预设阈值判断车辆位置偏移和交通标志及红绿灯识别状态是否正常，所述行驶轨迹判断模块用于判断车辆在特定区域是否存在行驶速度异常、停滞时间和车辆制动状态异常；
所述车辆异常报警单元用于在车辆出现驾驶失误和电量不足时进行报警提醒，所述车辆异常报警单元包括报警信息缓存模块、报警优先级判断模块和报警信息传输模块，所述报警信息缓存模块、所述报警优先级判断模块和所述报警信息传输模块依次连接；
所述异常状态分析单元用于对车辆的异常状态进行分类分析并输出分析报告对各类异常状态进行等级评判，所述异常状态分析单元包括数据接收存储模块、分类分析模块和报告输出模块，所述数据接收存储模块用于接收异常检测结果，所述分类分析模块用于对各类异常状态的驾驶影响程度进行分析，所述报告输出模块用于输出综合评价报告。
2.如权利要求1所述的无人驾驶检测系统，其特征在于，所述图像获取模块获取无人驾驶汽车的行驶道路图像传输至所述数据筛选处理模块，所述车辆自身状态检测模块根据多个传感节点检测无人驾驶车辆的制动/驱动状态、行驶速度和碰撞状态并将状态参数发送给所述数据筛选处理模块。
3.如权利要求2所述的无人驾驶检测系统，其特征在于，所述数据筛选处理模块接收所述图像获取模块和所述车辆自身状态检测模块采集的图像数据和多个状态参数，并对采集图像数据进行畸变校对，对所述状态参数进行数据统一解析，得到格式统一的状态参数数据并去除无效数据和冗余数据，将畸变校对后的图像数据和预处理后的传感参数数据发送至所述行驶状态判断模块和所述行驶轨迹判断模块进行对比判断得到异常状态判断结果。
4.如权利要求3所述的无人驾驶检测系统，其特征在于，畸变校对采用Opencv校准函数生成的校准参数，对采集图像进行畸变校对。
5.如权利要求4所述的无人驾驶检测系统，其特征在于，所述报警信息缓存模块用于接收所述车辆状态智能检测单元发送的异常判断结果并按时间戳顺序进行缓存，所述报警优先级判断模块用于判断报警级别，所述报警信息传输模块用于进行本地及远程报警。
6.如权利要求5所述的无人驾驶检测系统，其特征在于，所述分类分析模块采用基于模糊集理论的综合评估分析算法对各类异常状态的驾驶影响程度进行分析，所述模糊集理论的综合评估分析算法包括：a.根据设定的目标程度和指标因素组成的评价准则得到评估层次结构模型；b.由所述评估层次结构模型得到因素集合D，并建立评价等级集合T；c.然后确定隶属关系建立模糊综合评价矩阵，即对因素集合D内多个因素进行评定，用Di作出Ti评定的可能性的大小即隶属度，从因素集合D到评价等级集合T的模糊映射得到模糊关系矩阵H；d.采用层次分析法确定各元素对各结构层评估权重得到权重集W,并根据各元素权重和隶属度得到综合分析结果。
7.一种车辆行驶检测方法，其特征在于，具体包括：
S10:所述数据获取单元获取车辆所在行驶环境的图像和传感数据并经过筛选处理后发送给所述车辆状态智能检测单元；
S20:所述车辆状态智能检测单元接收经过处理图像和传感数据，并根据所述图像和传感数据判断车辆行驶过程中，是否存在车辆制动状态、交通标志及红绿灯识别和车辆在特定区域行驶速度异常和停滞时间异常的状态；
S30:当所述车辆状态智能检测单元检测到异常状态时，将检测结果发给所述车辆异常报警单元和所述异常状态分析单元，所述车辆异常报警单元进行本地及远程报警，所述异常状态分析单元根据异常参数数据分析得到各类影响因素对驾驶异常状态的影响等级报告。
8.如权利要求7所述的车辆行驶检测方法，其特征在于，所述步骤S10具体包括：
S11:所述图像获取模块获取无人驾驶汽车的行驶道路图像，所述车辆自身状态检测模块获取多个传感节点检测到的无人驾驶车辆的制动/驱动状态、行驶速度和碰撞状态参数；
S12:所述数据筛选处理模块接收通过所述图像获取模块和所述车辆自身状态检测模块采集的图像数据和多个状态参数，并对采集图像数据进行畸变校对，对所述状态参数进行数据统一解析，得到格式统一的状态参数数据，对所述格式统一的状态参数数据采用对比判断法去除无效数据和冗余数据，得到预处理后的数据，将畸变校对后的图像数据和预处理后的传感参数数据发送至所述行驶状态判断模块和所述行驶轨迹判断模块。
9.如权利要求7所述的车辆行驶检测方法，其特征在于，所述步骤S20具体包括：
S21：所述行驶状态判断模块根据采集的被测车辆交通标志及红绿灯识别状态特征值，与数据库中存储的异常状态特征值进行对比判断交通标志及红绿灯识别状态是否正常；
S22：在被测车辆处于直线行驶状态的情况下，所述行驶轨迹判断模块根据获取所述被测车辆在一定周期内垂直于车道中心线发生的的横向位移和横向控制功能输出的转向控制扭矩并计算航向角变化量，当所述横向位移距离大于设定阈值或所述航向角变化量大于预设角度阈值，判定所述被测车辆行驶跑偏；
S23：所述行驶轨迹判断模块确定被测车辆经过监控图像中特定区域所利用的时长和基于所述时长的目标距离，计算所述被测车辆在场景中的车速，所述目标距离为车辆在行驶方向上所跨越的距离，并将所述计算车速和实际车速进行对比，若实际车速超过路段设定速度阈值则判断所述被测车辆速度异常。
10.如权利要求7所述的车辆行驶检测方法，其特征在于，所述步骤S30具体包括：
S31:所述车辆异常报警单元接收到报警信息后先缓存在所述报警信息缓存模块，当一段时间内无其它报警信息接入时，则通过所述报警信息传输模块输出报警信息，否则由所述报警优先级判断模块采用基于模糊集理论的优先判别算法对优先程度进行判别；
S32:然后通过所述报警信息传输模块按优先级依次输出报警信息进行本地及远程报警；
S33:所述数据接收存储模块接收道路偏移、制动状态异常和行驶速度及交通标志识别异常的检测数据并发送给所述分类分析模块，由所述分类分析模块采用基于模糊集理论的综合评估分析算法对各类异常状态的驾驶影响程度进行分析，通过所述报告输出模块输出综合评价报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011243033.0A CN112433519A (zh) | 2020-11-09 | 2020-11-09 | 一种无人驾驶检测系统及车辆行驶检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011243033.0A CN112433519A (zh) | 2020-11-09 | 2020-11-09 | 一种无人驾驶检测系统及车辆行驶检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112433519A true CN112433519A (zh) | 2021-03-02 |
Family
ID=74700508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011243033.0A Pending CN112433519A (zh) | 2020-11-09 | 2020-11-09 | 一种无人驾驶检测系统及车辆行驶检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112433519A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113183987A (zh) * | 2021-05-11 | 2021-07-30 | 南京信易达计算技术有限公司 | 新能源汽车无人驾驶应用智能存储系统及方法 |
| CN114328622A (zh) * | 2021-12-28 | 2022-04-12 | 成都路行通信息技术有限公司 | 一种大数据流式计算的数据异常捕获实时处理方法及系统 |
| CN114354220A (zh) * | 2022-01-07 | 2022-04-15 | 苏州挚途科技有限公司 | 驾驶数据的处理方法、装置和电子设备 |
| CN114741135A (zh) * | 2022-04-24 | 2022-07-12 | 重庆长安汽车股份有限公司 | 一种自动驾驶目标数据分析系统、方法及存储介质 |
| CN114973155A (zh) * | 2022-08-01 | 2022-08-30 | 鹰驾科技（深圳）有限公司 | 一种基于ai图像识别行为智能监测分析管理系统 |
| CN115205797A (zh) * | 2022-09-19 | 2022-10-18 | 上海伯镭智能科技有限公司 | 一种无人驾驶车辆工作状态监控方法及装置 |
| CN115993257A (zh) * | 2023-03-23 | 2023-04-21 | 禾多科技（北京）有限公司 | 自动驾驶系统的可靠性确定方法 |
| CN117104218A (zh) * | 2023-10-24 | 2023-11-24 | 江苏怀广智能交通科技有限公司 | 无人驾驶远程控制协同决策系统 |
| CN118070236A (zh) * | 2024-04-24 | 2024-05-24 | 扬州善鸿新能源发展有限公司 | 一种基于精准定位技术的设备异常检测系统及方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105976450A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 |
| CN107782564A (zh) * | 2017-10-30 | 2018-03-09 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评系统及方法 |
| CN108072406A (zh) * | 2017-11-17 | 2018-05-25 | 南京视莱尔汽车电子有限公司 | 一种自动驾驶汽车车速与路面转台综合评估方法 |
| CN108985649A (zh) * | 2018-08-01 | 2018-12-11 | 国电联合动力技术有限公司 | 基于风电设备异常分析数据的时序模糊层次分析评估方法 |
| CN109243178A (zh) * | 2018-11-14 | 2019-01-18 | 上海应用技术大学 | 一种不良气候条件下城镇公路交通安全分析与评价方法 |
| CN110490433A (zh) * | 2019-07-30 | 2019-11-22 | 同济大学 | 一种列控系统风险评估方法 |
| CN110990770A (zh) * | 2019-11-29 | 2020-04-10 | 国网天津市电力公司电力科学研究院 | 一种电动汽车动力电池故障模糊综合评判方法 |
| CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
| CN111428878A (zh) * | 2020-03-21 | 2020-07-17 | 电子科技大学 | 一种关于车联网安全事件严重程度的确定方法 |
| CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
| CN111580500A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
-
2020
- 2020-11-09 CN CN202011243033.0A patent/CN112433519A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105976450A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 |
| CN107782564A (zh) * | 2017-10-30 | 2018-03-09 | 青岛慧拓智能机器有限公司 | 一种自动驾驶车辆测评系统及方法 |
| CN108072406A (zh) * | 2017-11-17 | 2018-05-25 | 南京视莱尔汽车电子有限公司 | 一种自动驾驶汽车车速与路面转台综合评估方法 |
| CN108985649A (zh) * | 2018-08-01 | 2018-12-11 | 国电联合动力技术有限公司 | 基于风电设备异常分析数据的时序模糊层次分析评估方法 |
| CN109243178A (zh) * | 2018-11-14 | 2019-01-18 | 上海应用技术大学 | 一种不良气候条件下城镇公路交通安全分析与评价方法 |
| CN110490433A (zh) * | 2019-07-30 | 2019-11-22 | 同济大学 | 一种列控系统风险评估方法 |
| CN110990770A (zh) * | 2019-11-29 | 2020-04-10 | 国网天津市电力公司电力科学研究院 | 一种电动汽车动力电池故障模糊综合评判方法 |
| CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
| CN111428878A (zh) * | 2020-03-21 | 2020-07-17 | 电子科技大学 | 一种关于车联网安全事件严重程度的确定方法 |
| CN111580500A (zh) * | 2020-05-11 | 2020-08-25 | 吉林大学 | 一种针对自动驾驶汽车安全性的评价方法 |
| CN111540237A (zh) * | 2020-05-19 | 2020-08-14 | 河北德冠隆电子科技有限公司 | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 殷书盼等: "军队通用车辆运行安全的模糊综合评价技术研究", 《交通信息与安全》 * |
| 高吕和等: "基于事故树分析的车辆安全状态模糊综合评价模型", 《吉林大学学报(工学版)》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113183987A (zh) * | 2021-05-11 | 2021-07-30 | 南京信易达计算技术有限公司 | 新能源汽车无人驾驶应用智能存储系统及方法 |
| CN113183987B (zh) * | 2021-05-11 | 2024-02-23 | 南京信易达计算技术有限公司 | 新能源汽车无人驾驶应用智能存储系统及方法 |
| CN114328622A (zh) * | 2021-12-28 | 2022-04-12 | 成都路行通信息技术有限公司 | 一种大数据流式计算的数据异常捕获实时处理方法及系统 |
| CN114354220A (zh) * | 2022-01-07 | 2022-04-15 | 苏州挚途科技有限公司 | 驾驶数据的处理方法、装置和电子设备 |
| CN114741135A (zh) * | 2022-04-24 | 2022-07-12 | 重庆长安汽车股份有限公司 | 一种自动驾驶目标数据分析系统、方法及存储介质 |
| CN114973155A (zh) * | 2022-08-01 | 2022-08-30 | 鹰驾科技（深圳）有限公司 | 一种基于ai图像识别行为智能监测分析管理系统 |
| CN115205797B (zh) * | 2022-09-19 | 2023-01-03 | 上海伯镭智能科技有限公司 | 一种无人驾驶车辆工作状态监控方法及装置 |
| CN115205797A (zh) * | 2022-09-19 | 2022-10-18 | 上海伯镭智能科技有限公司 | 一种无人驾驶车辆工作状态监控方法及装置 |
| CN115993257A (zh) * | 2023-03-23 | 2023-04-21 | 禾多科技（北京）有限公司 | 自动驾驶系统的可靠性确定方法 |
| CN115993257B (zh) * | 2023-03-23 | 2023-05-30 | 禾多科技（北京）有限公司 | 自动驾驶系统的可靠性确定方法 |
| CN117104218A (zh) * | 2023-10-24 | 2023-11-24 | 江苏怀广智能交通科技有限公司 | 无人驾驶远程控制协同决策系统 |
| CN117104218B (zh) * | 2023-10-24 | 2024-01-26 | 江苏怀广智能交通科技有限公司 | 无人驾驶远程控制协同决策系统 |
| CN118070236A (zh) * | 2024-04-24 | 2024-05-24 | 扬州善鸿新能源发展有限公司 | 一种基于精准定位技术的设备异常检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112433519A (zh) | 一种无人驾驶检测系统及车辆行驶检测方法 | |
| US11380105B2 (en) | Identification and classification of traffic conflicts | |
| CN104670155B (zh) | 基于云端车联网的车辆防盗报警系统 | |
| US10839263B2 (en) | System and method for evaluating a trained vehicle data set familiarity of a driver assitance system | |
| CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
| CN111610191B (zh) | 一种道路检测与修复系统 | |
| CN115527364B (zh) | 一种基于雷视数据融合的交通事故溯源方法及系统 | |
| CN115600124A (zh) | 地铁隧道巡检系统及巡检方法 | |
| CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
| CN118278841B (zh) | 基于行驶轨迹的大件运输监管及预警方法、系统及装置 | |
| CN113658427A (zh) | 基于视觉与雷达的路况监控方法及系统、设备 | |
| KR102477885B1 (ko) | 자율주행 도로의 주행 안전도를 평가하는 안전도 분석 관리 서버 | |
| CN115188187A (zh) | 一种基于车路协同的路侧感知数据质量监测系统及方法 | |
| CN115170863A (zh) | 基于多源数据预估风险的方法、装置、设备及存储介质 | |
| CN116289444A (zh) | 基于智能化的路面病害实时监测与预测装置及方法 | |
| CN117238145A (zh) | 一种基于大数据的智慧交通管理方法及系统 | |
| CN117115752A (zh) | 一种高速公路视频监控方法及系统 | |
| CN117456479A (zh) | 一种基于光流估计的车辆异常驾驶行为检测方法及装置 | |
| CN116738319A (zh) | 高速公路车辆爆胎预警装置及方法 | |
| CN116630891A (zh) | 一种交通异常事件检测系统及方法 | |
| Shanshan et al. | An evaluation system based on user big data management and artificial intelligence for automatic vehicles | |
| Das et al. | Vehicular Propagation Velocity Forecasting Using Open CV | |
| CN116978234B (zh) | 一种基于行车记录仪的路况数据动态采集方法及系统 | |
| CN118736820A (zh) | 一种用于矿山道路的车辆异常监测系统及方法 | |
| CN117494029B (zh) | 一种道路抛洒物事件识别方法及装置 |
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 |
Application publication date: 20210302 |
|
| RJ01 | Rejection of invention patent application after publication |