CN112487983A - 协同感知方法和装置 - Google Patents
协同感知方法和装置 Download PDFInfo
- Publication number
- CN112487983A CN112487983A CN202011377346.5A CN202011377346A CN112487983A CN 112487983 A CN112487983 A CN 112487983A CN 202011377346 A CN202011377346 A CN 202011377346A CN 112487983 A CN112487983 A CN 112487983A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- sensing
- vehicle
- information
- obstacle information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000008447 perception Effects 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种协同感知方法和装置。该方法包括接收停车场内每个感知终端感知的障碍物信息;对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。本申请解决了相关技术中自动驾驶车辆在停车场内盲区感知能力差的技术问题。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种协同感知方法和装置。
背景技术
自主代客泊车(Automated Valet Parking,AVP),在自动驾驶车辆进入停车泊车过程中,由于受限于感知的视野盲区,不可避免地会产生一些碰撞风险。有一些车企通过大量增加车辆传感器,比如360度全景相机、毫米波雷达、超声波雷达等,来尽量减少碰撞风险系数,但仍然存在碰撞风险,例如车辆在拐角处,由于道路另一侧视野被遮挡,同样存在碰撞风险。车辆通过控制车速,缓慢探测来通过路口,通行效率比较低。
针对相关技术中自动驾驶车辆在停车场内盲区感知能力差的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种协同感知方法和装置,以解决相关技术中自动驾驶车辆在停车场内盲区感知能力差的问题。
为了实现上述目的,第一方面,本申请提供了一种协同感知方法,该方法包括:
接收停车场内每个感知终端感知的障碍物信息;
对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;
根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;
当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。
可选地,该方法还包括:
感知终端基于障碍物神经网络识别模块对采集所述停车场内感知范围的图像进行识别,生成障碍物信息。
可选地,所述停车场内全部区域被不同的所述感知终端对应的感知范围覆盖,且对所述停车场内的指定区域进行不同所述感知终端的感知范围冗余覆盖。
可选地,该方法还包括:
所述感知终端基于指定感知频率发送感知的所述障碍物信息。
可选地,该方法还包括:
接收所述指定车辆发送的所述当前位置。
可选地,所述将搜索结果向所述指定车辆广播,包括:
根据搜索结果中包含的所述障碍物信息对应的风险系数确定该障碍物信息对应的广播优先级;
基于所述广播优先级将所述搜索结果中包含的障碍物信息广播给所述指定车辆。
第二方面,本申请还提供了一种协同感知装置,该装置还包括:
接收模块,接收停车场内每个感知终端感知的障碍物信息;
融合模块,用于对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;
搜索模块,用于根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;
广播模块,用于当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。
可选地,所述广播模块,用于:
根据搜索结果中包含的所述障碍物信息对应的风险系数确定该障碍物信息对应的广播优先级;
基于所述广播优先级将所述搜索结果中包含的障碍物信息广播给所述指定车辆。
第三方面,本申请还提供了一种计算机设备,包括:存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器中存储的计算机程序;
所述计算机程序用于执行上述的协同感知方法。
第四方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机代码,当计算机代码被执行时,上述的协同感知方法被执行。
在本申请提供的协同感知方法中,通过接收停车场内每个感知终端感知的障碍物信息;对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。这样,停车场内预先感知障碍物信息,在确定车辆的位置信息后,及时确定车辆周围的障碍物信息,当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播,进而对车辆周围的障碍物进行协同感知,以实现提高自动驾驶车辆在停车场内盲区感知能力的目的。从而解决了相关技术中自动驾驶车辆在停车场内盲区感知能力差的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例提供的一种协同感知方法的流程示意图;
图2是本申请实施例提供的一种协同感知装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
一个方面,本申请实施例提供了一种协同感知方法,图1是本申请实施例提供的一种协同感知方法的流程示意图,如图1所示,该方法包括如下的步骤110至步骤140:
110,接收停车场内每个感知终端感知的障碍物信息;
其中,本申请实施例提供的协同感知方法应用于停车场服务端或云端,并与位于停车场内的感知终端(例如,摄像头)建立有通讯连接,用于接收停车场内每个感知终端感知的障碍物信息。
具体的,感知终端感知停车场内的障碍物信息,并将障碍物信息发送至本端,进而使得本端接收停车场内每个感知终端感知的障碍物信息。
120,对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息。
其中,障碍物信息至少包括障碍物位置信息,障碍物信息还可以包括障碍物尺寸信息以及运动状态信息。
具体的,对接收的每个感知终端感知的障碍物信息进行融合,即根据障碍物信息包括的障碍物位置等信息进行障碍物信息融合,获得停车场内全场的障碍物感知信息,例如,全场的障碍物位置、运动方向和运动速度等等。
130,根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息。
具体的,根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息,可以包括:
当确定指定车辆的当前位置后,
可以先确定出指定车辆周围需要监控的指定范围;
根据全场障碍物感知信息搜索出位于该指定范围内的障碍物信息。
需要说明的是,该指定范围可以是指定车辆周围5米,还可以是车前10米,车后8米,车两边5米,因此,针对该指定范围的大小本领域的技术人员可以根据停车场实际设计需要具体设置。
具体的,根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息,还可以包括:
当确定指定车辆的当前位置后,确定出指定车辆的路径规划;
再确定出在指定时间内指定车辆的活动区域;
再根据全场障碍物感知信息判断在指定时间内所述活动区域中是否存在障碍物信息。
举例说明,在车辆行驶方向上,如果行人/锥形桶等障碍物距离车辆过近,按照碰撞时间=距离/相对速度,若碰撞时间小于指定时间(例如,该指定时间为1.2s),则判断在指定时间内所述活动区域中存在障碍物信息。
140,当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。
具体的,当确定指定车辆周围存在障碍物时,需要将搜索结果向指定车辆广播,以使指定车辆进行安全避让。在本实施例中,停车场内预先感知障碍物信息,在确定车辆的位置信息后,及时确定车辆周围的障碍物信息,当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播,进而对车辆周围的障碍物进行协同感知,以实现提高自动驾驶车辆在停车场内盲区感知能力的目的。
可选地,本申请实施例提供的协同感知方法还包括以下步骤:
感知终端基于障碍物神经网络识别模块对采集所述停车场内感知范围的图像进行识别,生成障碍物信息。
具体的,感知终端可以预先通过障碍物神经网络识别模块直接对停车场内感知范围的图像进行识别,计算出障碍物信息。
其中,障碍物神经网络识别模块的训练方法步骤可以如下所示:
①采集停车场数据(不同场地,不同光照条件,不同视角)
②使用预标注工具(高精度检测模型mmdetection)进行预先标注障碍物;
③使用labelme手工标注工具进行微调证,至此已经准备好数据集;
④将数据集按照8:2分为训练集和测试集;
⑤使用基于pytorch框架搭建的障碍物神经网络识别模块,对数据进行训练;
⑥初始训练的100epoch(1epoch为训练一整轮所有测试集数据),使用学习率le-4,训练方法SGD(随机梯度下降法);
⑦此后每增加训练50epoch,学习率*0.1,直至训练300epoch;
⑧期间,每训练10个epoch,都会用测试集进行测试,在测试集上的准确率,召回率等指标,确保训练的过程中,没有发生过拟合(过拟合是指,模型在训练集上表现比较好,在测试集上表现比较差),若发生过拟合,应提前终止,选取在测试集上效果比较好的模型,作为最优模型。
可选地,所述停车场内全部区域被不同的所述感知终端对应的感知范围覆盖,且对所述停车场内的指定区域进行不同所述感知终端的感知范围冗余覆盖。
具体的,由于停车场内在感知终端的有限的感知范围,因此需要停车场内全部区域被不同的所述感知终端对应的感知范围覆盖,且对所述停车场内的指定区域进行不同所述感知终端的感知范围冗余覆盖。
可选地,本申请实施例提供的协同感知方法还包括以下步骤:
所述感知终端基于指定感知频率发送感知的所述障碍物信息。
具体的,感知终端可以基于预设的指定感知频率向本端发送感知的所述障碍物信息。例如,指定感知频率为每间隔1秒发送一次障碍物信息。
可选地,本申请实施例提供的协同感知方法还包括以下步骤:
接收所述指定车辆发送的所述当前位置。
具体的,本协同感知方法可以是在接收指定车辆主动发起的当前位置后,再执行步骤130。
可选地,所述将搜索结果向所述指定车辆广播,包括:
根据搜索结果中包含的所述障碍物信息对应的风险系数确定该障碍物信息对应的广播优先级;
基于所述广播优先级将所述搜索结果中包含的障碍物信息广播给所述指定车辆。
具体的,广播优先级越高越为紧急情况,例如,在车辆行驶方向上,如果行人/锥形桶等障碍物距离车辆过近(碰撞时间=距离/相对速度,碰撞时间若小于指定时间),风险系数最高,其对应的广播优先级也最高,进而优先向指定车辆广播立即停止指令。当然还存在广播优先级略低的情况,例如,指定车辆的周边存在障碍物信息,障碍物分别位于车前10米,车后8米,车两边5米,该风险系数较低,其对应的广播优先级也较低。
在本申请提供的协同感知方法中,通过接收停车场内每个感知终端感知的障碍物信息;对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。这样,停车场内预先感知障碍物信息,在确定车辆的位置信息后,及时确定车辆周围的障碍物信息,当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播,进而对车辆周围的障碍物进行协同感知,以实现提高自动驾驶车辆在停车场内盲区感知能力的目的。从而解决了相关技术中自动驾驶车辆在停车场内盲区感知能力差的技术问题。
基于相同的技术构思,本申请还提供了一种协同感知装置,图2是本申请实施例提供的一种协同感知装置的结构示意图,如图2所示,该装置还包括:
接收模块10,接收停车场内每个感知终端感知的障碍物信息;
融合模块20,用于对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;
搜索模块30,用于根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;
广播模块40,用于当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。
可选地,所述广播模块40,用于:
根据搜索结果中包含的所述障碍物信息对应的风险系数确定该障碍物信息对应的广播优先级;
基于所述广播优先级将所述搜索结果中包含的障碍物信息广播给所述指定车辆。
可选地,该装置还包括:
感知终端,用于基于障碍物神经网络识别模块对采集所述停车场内感知范围的图像进行识别,生成障碍物信息。
可选地,所述停车场内全部区域被不同的所述感知终端对应的感知范围覆盖,且对所述停车场内的指定区域进行不同所述感知终端的感知范围冗余覆盖。
可选地,所述感知终端,还用于基于指定感知频率发送感知的所述障碍物信息。
可选地,接收模块10,还用于:
接收所述指定车辆发送的所述当前位置。
在本申请提供的协同感知装置中,通过接收模块10,接收停车场内每个感知终端感知的障碍物信息;融合模块20,用于对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;搜索模块30,用于根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;广播模块40,用于当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。这样,停车场内预先感知障碍物信息,在确定车辆的位置信息后,及时确定车辆周围的障碍物信息,当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播,进而对车辆周围的障碍物进行协同感知,以实现提高自动驾驶车辆在停车场内盲区感知能力的目的。从而解决了相关技术中自动驾驶车辆在停车场内盲区感知能力差的技术问题。
基于相同的技术构思,本申请实施例还提供了一种计算机设备,包括:存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器中存储的计算机程序;
所述计算机程序用于执行如上述的协同感知方法。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机代码,当计算机代码被执行时,上述的协同感知方法被执行。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的计算机可读存储介质的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
本申请所涉及的计算机程序可以存储于计算机可读存储介质中,计算机可读存储介质可以包括:能够携带计算机程序代码的任何实体装置、虚拟装置、优盘、移动硬盘、磁碟、光盘、计算机存储器、只读计算机存储器(Read-Only Memory,ROM)、随机存取计算机存储器(Random Access Memory,RAM)、电载波信号、电信信号以及其他软件分发介质等。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种协同感知方法,其特征在于,该方法包括:
接收停车场内每个感知终端感知的障碍物信息;
对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;
根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;
当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。
2.根据权利要求1所述的协同感知方法,其特征在于,该方法还包括:
感知终端基于障碍物神经网络识别模块对采集所述停车场内感知范围的图像进行识别,生成障碍物信息。
3.根据权利要求2所述的协同感知方法,其特征在于,所述停车场内全部区域被不同的所述感知终端对应的感知范围覆盖,且对所述停车场内的指定区域进行不同所述感知终端的感知范围冗余覆盖。
4.根据权利要求1所述的协同感知方法,其特征在于,该方法还包括:
所述感知终端基于指定感知频率发送感知的所述障碍物信息。
5.根据权利要求1所述的协同感知方法,其特征在于,该方法还包括:
接收所述指定车辆发送的所述当前位置。
6.根据权利要求1所述的协同感知方法,其特征在于,所述将搜索结果向所述指定车辆广播,包括:
根据搜索结果中包含的所述障碍物信息对应的风险系数确定该障碍物信息对应的广播优先级;
基于所述广播优先级将所述搜索结果中包含的障碍物信息广播给所述指定车辆。
7.一种协同感知装置,其特征在于,该装置还包括:
接收模块,接收停车场内每个感知终端感知的障碍物信息;
融合模块,用于对接收的全部所述障碍物信息进行融合,形成全场障碍物感知信息;
搜索模块,用于根据指定车辆的当前位置在全场障碍物感知信息中搜索指定车辆周围的障碍物信息;
广播模块,用于当搜索到所述指定车辆周围存在障碍物时,将搜索结果向所述指定车辆广播。
8.根据权利要求7所述的协同感知装置,其特征在于,所述广播模块,用于:
根据搜索结果中包含的所述障碍物信息对应的风险系数确定该障碍物信息对应的广播优先级;
基于所述广播优先级将所述搜索结果中包含的障碍物信息广播给所述指定车辆。
9.一种计算机设备,其特征在于,包括:存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器中存储的计算机程序;
所述计算机程序用于执行如权利要求1-6任一项所述的协同感知方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机代码,当所述计算机代码被执行时,如权利要求1-6任一项所述的协同感知方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011377346.5A CN112487983A (zh) | 2020-11-30 | 2020-11-30 | 协同感知方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011377346.5A CN112487983A (zh) | 2020-11-30 | 2020-11-30 | 协同感知方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112487983A true CN112487983A (zh) | 2021-03-12 |
Family
ID=74937840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011377346.5A Pending CN112487983A (zh) | 2020-11-30 | 2020-11-30 | 协同感知方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487983A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115981344A (zh) * | 2023-02-06 | 2023-04-18 | 联通智网科技股份有限公司 | 自动驾驶方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100976441B1 (ko) * | 2009-12-03 | 2010-08-17 | 주식회사 넥스파시스템 | 전방위 카메라를 이용한 주차면 관리시스템 및 그 관리방법 |
CN108550277A (zh) * | 2018-06-04 | 2018-09-18 | 济南浪潮高新科技投资发展有限公司 | 一种基于图像深度学习的停车位识别及查询方法 |
JP2019121040A (ja) * | 2017-12-28 | 2019-07-22 | 株式会社デンソーテン | 駐車制御装置、車両制御装置および駐車制御方法 |
CN110770106A (zh) * | 2017-06-23 | 2020-02-07 | 日产自动车株式会社 | 驻车控制方法及驻车控制装置 |
CN111252069A (zh) * | 2020-02-05 | 2020-06-09 | 北京百度网讯科技有限公司 | 车辆变道的方法及装置 |
CN111341136A (zh) * | 2020-02-11 | 2020-06-26 | 浙江吉利汽车研究院有限公司 | 一种基于车路协同的代客泊车方法、系统及存储介质 |
CN111907517A (zh) * | 2020-08-07 | 2020-11-10 | 浙江吉利汽车研究院有限公司 | 自动泊车控制方法、控制系统、车辆及场端边缘云系统 |
-
2020
- 2020-11-30 CN CN202011377346.5A patent/CN112487983A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100976441B1 (ko) * | 2009-12-03 | 2010-08-17 | 주식회사 넥스파시스템 | 전방위 카메라를 이용한 주차면 관리시스템 및 그 관리방법 |
CN110770106A (zh) * | 2017-06-23 | 2020-02-07 | 日产自动车株式会社 | 驻车控制方法及驻车控制装置 |
JP2019121040A (ja) * | 2017-12-28 | 2019-07-22 | 株式会社デンソーテン | 駐車制御装置、車両制御装置および駐車制御方法 |
CN108550277A (zh) * | 2018-06-04 | 2018-09-18 | 济南浪潮高新科技投资发展有限公司 | 一种基于图像深度学习的停车位识别及查询方法 |
CN111252069A (zh) * | 2020-02-05 | 2020-06-09 | 北京百度网讯科技有限公司 | 车辆变道的方法及装置 |
CN111341136A (zh) * | 2020-02-11 | 2020-06-26 | 浙江吉利汽车研究院有限公司 | 一种基于车路协同的代客泊车方法、系统及存储介质 |
CN111907517A (zh) * | 2020-08-07 | 2020-11-10 | 浙江吉利汽车研究院有限公司 | 自动泊车控制方法、控制系统、车辆及场端边缘云系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115981344A (zh) * | 2023-02-06 | 2023-04-18 | 联通智网科技股份有限公司 | 自动驾驶方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110874945A (zh) | 基于车路协同的路侧感知系统及其车辆控制方法 | |
CN111540237B (zh) | 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 | |
Bonde et al. | Automated car parking system commanded by Android application | |
CN110610619B (zh) | 一种车辆驾驶系统、方法及装置 | |
CN111724616B (zh) | 基于人工智能的数据获取及共享的方法与装置 | |
CN111038493B (zh) | 自动泊车方法、系统、车辆和存储介质 | |
CN110874938A (zh) | 交通灯控制系统及交通灯控制方法 | |
CN110634286A (zh) | 应用于v2x场景的信息处理方法及设备 | |
CN113212456A (zh) | 车辆控制方法、装置、车辆、非易失性存储介质及处理器 | |
US20210188311A1 (en) | Artificial intelligence mobility device control method and intelligent computing device controlling ai mobility | |
CN111879330A (zh) | 路口行驶路径的规划方法、装置、处理器和自动驾驶车辆 | |
CN112230656A (zh) | 一种园区车辆自动驾驶方法及其系统、客户端、存储介质 | |
CN111489564A (zh) | 无人驾驶交通工具的驾驶方法、装置及系统 | |
CN114194190A (zh) | 车道机动意图检测系统和方法 | |
CN111873989A (zh) | 车辆控制方法及装置 | |
Chen et al. | Finding lane positions of vehicles: Infrastructure-less cooperative lane positioning based on vehicular sensor networks | |
CN112487983A (zh) | 协同感知方法和装置 | |
KR20210065391A (ko) | 자율주행시스템에서 장애물을 탐지하여 주행하는 방법 | |
CN112461255B (zh) | 一种路径规划方法、车端设备及电子设备 | |
CN112634627B (zh) | 一种高速巡航状态下的换道方法、装置及汽车 | |
CN115240470A (zh) | 基于nr-v2x的弱势交通参与者碰撞预警系统与方法 | |
US20210200241A1 (en) | Mobility information provision system, server, and vehicle | |
US20210354689A1 (en) | Parking Assistant and Method for Adaptive Parking of a Vehicle to Optimize Overall Sensing Coverage of a Traffic Environment | |
CN114348018A (zh) | 商用车辆的自动驾驶系统及方法 | |
CN113763704A (zh) | 车辆控制方法、装置、计算机可读存储介质及处理器 |
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 |