CN112712691A - 一种智慧交通事故处理方法及装置 - Google Patents

一种智慧交通事故处理方法及装置 Download PDF

Info

Publication number
CN112712691A
CN112712691A CN201911016782.7A CN201911016782A CN112712691A CN 112712691 A CN112712691 A CN 112712691A CN 201911016782 A CN201911016782 A CN 201911016782A CN 112712691 A CN112712691 A CN 112712691A
Authority
CN
China
Prior art keywords
accident
intelligent
neural network
intelligent transportation
transportation robot
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
CN201911016782.7A
Other languages
English (en)
Inventor
吴兵恒
李智
陈林昱
周玉山
文凯
裴锋
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.)
Guangzhou Automobile Group Co Ltd
Original Assignee
Guangzhou Automobile Group Co Ltd
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 Guangzhou Automobile Group Co Ltd filed Critical Guangzhou Automobile Group Co Ltd
Priority to CN201911016782.7A priority Critical patent/CN112712691A/zh
Publication of CN112712691A publication Critical patent/CN112712691A/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
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U80/00—Transport or storage specially adapted for UAVs
    • B64U80/80—Transport or storage specially adapted for UAVs by vehicles
    • B64U80/86—Land vehicles
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种智慧交通事故处理方法及装置，其中智慧交通事故处理方法包括：步骤S1，智能交通机器人获取发生交通事故的位置信息，并根据所述位置信息自主规划路线，搭载无人机自巡航到达发生交通事故的位置；步骤S2，无人机从空中、智能交通机器人从地面分别拍摄事故现场照片，并将拍摄的事故现场照片导入训练好的神经网络模型，由神经网络模型识别事故类型及划分事故责任，所述神经网络模型搭载于所述智能交通机器人；步骤S3，智能交通机器人将神经网络模型识别出的事故类型及划分的事故责任通过其上的人机交互屏幕供事故相关方进行确认。本发明实现了交通事故的快速处理，处理过程一般不需要人工去筛选甄别处理，避免了人工干预的主观性。

Description

一种智慧交通事故处理方法及装置
技术领域
本发明涉及智慧交通技术领域，具体涉及一种智慧交通事故处理方法及装置。
背景技术
智慧交通系统是未来智慧城市的重要组成部分，交通事故的智能应急处理直接提高交通的通行效率。图像识别技术一般被应用在车牌的识别中，在无人驾驶的应用还不够成熟，在交通事故的自主判定的应用更是缺乏。
现有的一种基于无人机在线取证的智慧城市交通突发事件应急响应系统，首先对任务进行初判，不需调派警务人员的任务利用无人机对事发现场进行现场取证采样，需要调派人员的事故则调派警务人员到现场进行处理。但是，对任务是否调派警务人员进行初判的标准不好定量界定，现实中大部分的事故都有纷争，需要第三方人员现场处理，该方案对警务人员的工作量减少程度有限。
发明内容
本发明所要解决的技术问题在于，提供一种智慧交通事故处理方法及装置，可对事故直接现场进行自主判定，大幅度减少警务人员的工作量。
为了解决上述技术问题，本发明提供一种智慧交通事故处理方法，包括：
步骤S1，智能交通机器人获取发生交通事故的位置信息，并根据所述位置信息自主规划路线，搭载无人机自巡航到达发生交通事故的位置；
步骤S2，无人机从空中、智能交通机器人从地面分别拍摄事故现场照片，并将拍摄的事故现场照片导入训练好的神经网络模型，由所述神经网络模型识别事故类型及划分事故责任，所述神经网络模型搭载于所述智能交通机器人；
步骤S3，所述智能交通机器人将所述神经网络模型识别出的事故类型及划分的事故责任通过其上的人机交互屏幕供事故相关方进行确认。
其中，所述步骤S1中，所述智能交通机器人根据中央系统提供的发生交通事故的位置，通过Dijkstra算法自主规划路线。
其中，在去往发生交通事故的位置过程中，所述无人机从空中监控前方实时路况，所述智能交通机器人根据所述无人机识别的前方实时路况重复运算Dijkstra算法并相应调整路线。
其中，所述步骤S2具体包括：
以平行车道线方向为90度，垂直车道线方向为0度，所述智能交通机器人每隔45度采样一次并拍摄一张照片；所述无人机从空中垂直采样一次，拍摄一张照片，将拍摄的9张采样照片导入所述神经网络模型。
其中，所述神经网络模型使用Resnet50，预先利用标注好的照片训练数据集，根据GroundTruth真值按神经网络反向传播最小化loss的方式来训练迭代优化，优化器使用Adam优化器，学习率取1×10-4进行训练。
其中，若事故相关方对事故责任的划分不接受，所述智能交通机器人还用于与中央系统进行联系，进行远程人工裁定或者调派警务人员到现场处理。
本发明还提供一种智慧交通事故处理装置，包括：
智能交通机器人，用于获取发生交通事故的位置信息，根据所述位置信息自主规划路线自巡航到达发生交通事故的位置，并在到达发生交通事故的位置后，从地面拍摄事故现场照片；
无人机，搭载于所述智能交通机器人，用于在所述智能交通机器人到达发生交通事故的位置后，从空中拍摄事故现场照片；
所述智能交通机器人还用于将拍摄的事故现场照片导入训练好的神经网络模型，由所述神经网络模型识别事故类型及划分事故责任，将所述神经网络模型识别出的事故类型及划分的事故责任通过其上的人机交互屏幕供事故相关方进行确认，所述神经网络模型搭载于所述智能交通机器人。
其中，所述智能交通机器人外壳上卡接有用于停放所述无人机的保护罩，所述保护罩底部具有用于容纳所述无人机的支架的凹槽，以及用于滑到所述支架上并把所述支架固定在所述凹槽里的固定板，所述保护罩的顶端还设有卷帘结构的开合盖，用于从所述保护罩顶部开启或封闭所述保护罩。
其中，所述智能交通机器的顶部内设有卡板，所述卡板的一端设有拉手，所述拉手部分地伸出设置在所述顶部侧面上的装配孔，所述卡板相对所述拉手的另一端通过弹簧与所述顶部的侧面内壁固定连接。
其中，所述卡板上设有至少一个第一卡接孔，所述顶部的顶面在与所述第一卡接孔位置相对应处设有至少一个第二卡接孔，所述保护罩的底面向下突出设有卡扣，所述卡扣依次经由所述第二卡接孔、所述第一卡接孔与所述卡板相扣。
实施本发明实施例具有以下有益效果：本实施例把无人机技术、人工智能技术、人机交互技术、互联技术等技术集成起来，实现交通事故的快速处理，是智慧交通的重要一环，整个事故处理过程一般不需要人工去筛选甄别处理，避免了人工干预的主观性。把无人机和智能交通机器人相结合，通过设置保护罩，使无人机可停靠在保护罩内，从而能全天候进行路况的勘查和监控，不受天气影响，克服了无人机的里程限制和机器人的视觉限制；无人机在保护罩内还可获得及时充电，扩展了飞行时间和飞行距离；保护罩与智能交通机器人为弹性卡扣连接，装卸非常方便。
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，下面将对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，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一一种智慧交通事故处理方法的流程示意图。
图2为本发明实施例一中采样照片的示意图。
图3为本发明实施例二一种智慧交通事故处理装置的立体结构示意图。
图4为本发明实施例中保护罩与智能交通机器人的装配分解结构示意图。
图5为本发明实施例中保护罩与智能交通机器人的装配剖面结构示意图。
图6为本发明实施例中开合盖的立体结构示意图。
具体实施方式
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
请参照图1所示，本发明实施例一提供一种智慧交通事故处理方法，包括：
步骤S1，智能交通机器人获取发生交通事故的位置信息，并根据所述位置信息自主规划路线，搭载无人机自巡航到达发生交通事故的位置；
步骤S2，无人机从空中、智能交通机器人从地面分别拍摄事故现场照片，并将拍摄的事故现场照片导入训练好的神经网络模型，由所述神经网络模型识别事故类型及划分事故责任，所述神经网络模型搭载于所述智能交通机器人；
步骤S3，所述智能交通机器人将所述神经网络模型识别出的事故类型及划分的事故责任通过其上的人机交互屏幕供事故相关方进行确认。
具体地，本实施例中，当接收到市民报告的交通事故，或交通监测系统监测到交通事故时，中央系统进行响应并定位事故位置。中央系统获取各智能交通机器人的位置数据和执行任务状态，与距离发生交通事故的位置最近并处于非执行任务状态的智能交通机器人联系，通知其前往事故现场。智能交通机器人接收到任务后，根据中央系统提供的位置，通过Dijkstra算法自主规划路线，自巡航到达现场。
本实施例中，智能交通机器人上还搭载有无人机，在去往发生交通事故的位置过程中可以释放无人机从空中监控前方实时路况，智能交通机器人根据无人机识别的前方实时路况不断重复运算Dijkstra算法并相应调整路线。
步骤S2中，智能交通机器人到达现场后，无人机从空中角度进行拍照采样，智能交通机器人从地面角度进行拍照采样。具体如图2所示，以平行车道线方向为90度，垂直车道线方向为0度，智能交通机器人每隔45度采样一次并拍摄一张照片，水平方向共拍摄8张照片；无人机从空中垂直采样一次，拍摄一张照片，一共获得拍摄的9张采样照片作为训练好的神经网络模型的输入参数。本实施例中的神经网络模型使用Resnet50，已预先利用标注好的照片训练数据集，根据GroundTruth真值按神经网络反向传播最小化loss的方式来训练迭代优化，优化器使用Adam优化器，学习率取1×10-4进行训练。导入现场采集到的9张照片后，该神经网络模型对输入的9张照片进行识别，识别出事故类型及划分事故责任。
通过神经网络模型识别交通事故类型可分为：直行事故、超车事故、追尾事故、左拐弯事故、右拐弯事故、其他事故。对事故的判定结果可分为是刑事处罚还是行政处罚，若认定为刑事处罚则直接跟中央系统联系进行人工处理或调派交警到达现场，若认定为行政处罚，则处罚分类由以下因素进行区分：行政拘留天数、罚款数额、吊扣机动车驾驶证等。
步骤S3中，智能交通机器人通过人机交互屏幕将神经网络模型识别出的事故类型和划分的事故责任通知事故相关方，事故相关方通过人机交互屏幕对裁定结果进行确认，若事故相关方对事故责任的划分不接受，智能交通机器人则与中央系统进行联系，进行远程人工裁定或者调派警务人员到现场处理。
本实施例的智慧交通事故处理方法是智能交通机器人、无人机互联共同协作完成任务，中央系统负责响应任务、分配任务、调派无人机和智能交通机器人、统筹警务人员等，无人机负责从空中角度监控路面情况、定位事故位置和拍照采样，智能交通机器人负责代替警务人员到达现场处理情况、与中央系统联系等。
相应于本发明实施例一，本发明实施例二还提供一种智慧交通事故处理装置，包括：
智能交通机器人，用于获取发生交通事故的位置信息，根据所述位置信息自主规划路线自巡航到达发生交通事故的位置，并在到达发生交通事故的位置后，从地面拍摄事故现场照片；
无人机，搭载于所述智能交通机器人，用于在所述智能交通机器人到达发生交通事故的位置后，从空中拍摄事故现场照片；
所述智能交通机器人还用于将拍摄的事故现场照片导入训练好的神经网络模型，由所述神经网络模型识别事故类型及划分事故责任，将所述神经网络模型识别出的事故类型及划分的事故责任通过其上的人机交互屏幕供事故相关方进行确认，所述神经网络模型搭载于所述智能交通机器人。
本实施例一种智慧交通事故处理装置的工作原理及过程请参照本实施例一的说明，此处不再赘述。
以下具体介绍本实施例智慧交通事故处理装置的结构。
如图3-6所示，智能交通机器人1自上而下包括顶部11、中部12、下部13以及行驶轮14，顶部11大致构成智能交通机器人1的头部，中部12大致构成智能交通机器人1的身体，下部13大致构成智能交通机器人1的腿部，行驶轮14大致构成智能交通机器人的脚部。顶部11包括双目摄像头110以及喇叭111；中部12的正面设有人机交互屏幕120，中部12的左右两侧分别设有操纵臂121，操纵臂121大致构成智能交通机器人1的双手，中部12内置有主机系统；下部13设有用于驱动行驶轮14行驶的行驶驱动装置和用于为智能交通机器人1和无人机2提供电能的供能装置。智能交通机器人1的主机系统可与无人机2进行通信，控制无人机2的飞行、停靠、拍摄和充电；主机系统还控制智能交通机器人1完成拍摄和图像识别等功能，并通过喇叭111、人机交互屏幕120和人进行交互，操纵臂121可做出交通手势来疏导交通，或手持信号牌在路口进行指挥；主机系统还控制智能交通机器人1的自动驾驶，控制行驶驱动装置来驱动行驶轮14来实现智能交通机器人1的移动。可以理解的是，本实施例中，智能交通机器人1与无人机2的相关控制可采用现有的方式进行。
本实施例为无人机2停放在智能交通机器人1上设置了保护罩3，以保证无人机2可以全天候工作，不受风雨影响。具体地，尤其如图4、图5所示，保护罩3与智能交通机器人1通过卡板5卡接在一起。卡板5为长条薄板状，其上沿长度方向设有两个第一卡接孔51，卡板5的一端延伸设有呈┘型的拉手52。智能交通机器人1的顶部11的顶面设有两个第二卡接孔112，保护罩3的底面向下突出设有呈[型的卡扣33。卡板5置于顶部11内并与其顶面内壁紧密贴合，第一卡接孔51与第二卡接孔112的位置相对应，使得保护罩3底部的卡扣33可依次经由第二卡接孔112、第一卡接孔51与卡板5相扣。智能交通机器1的顶部11的侧面上还设有与卡板5的拉手52装配的装配孔113，拉手52部分地位于顶部11外以供人员操作。卡板5相对拉手52的另一端通过弹簧53与顶部11的侧面内壁固定连接。
在将保护罩3与智能交通机器人1扣接时，卡板5已预先安装在智能交通机器人1的顶部11内，卡板5的拉手52部分地伸出装配孔113之外，拉动拉手52(弹簧53随之被拉伸)，使卡板5上的第一卡接孔51与智能交通机器人1的顶部11上的第二卡接孔112对齐；再放入保护罩3，使保护罩3底部的卡扣33依次经过第二卡接孔112、第一卡接孔51；然后松开拉手52，由于弹簧53的收缩，带动卡板5朝远离装配孔113的方向移动，使第二卡接孔112和第一卡接孔51不再对齐而形成错位，呈[型的卡扣33则被第二卡接孔112和第一卡接孔51的孔壁相抵压，实现卡扣33与卡板5的卡接，保护罩3被固定在智能交通机器人1的顶部11。
充电装置30设置在保护罩3的底部中央，充电装置30优选为无线充电器，可对停放在保护罩3内的无人机2进行无线充电。卡扣33的端面设有第一弹性触点331，第二卡接孔112的内壁设有第二弹性触点1122，当卡扣33依次经由第二卡接孔112、第一卡接孔51与卡板5相扣时，第一弹性触点331与第二弹性触点1122相接触，其接触点通过导线分别与充电装置30和设置在智能交通机器人1下部13内的供能装置电连接，由供能装置给保护罩4的充电装置30提供电源。
凹槽31的形状、数量与无人机2的支架20相适应，以容纳无人机2的支架20。作为一种示例，凹槽31对称分布在充电装置30两侧。在凹槽31上部的侧壁上开设有狭缝310，在无人机2停放在保护罩3、支架20容纳在凹槽31之后，固定板32受电机320驱动自狭缝310滑出到支架20上面给支架20提供一个压力，把支架20固定在凹槽31里，从而实现将无人机2固定于保护罩3中。
开合盖4为卷帘结构，包括卷轴40、绕卷轴40移动的多个帘片41、对称设置在卷轴40两端的导轨42以及与保护罩3装配的安装部43。安装部43内设有用于驱动卷轴40的电机。开合盖4的开合由电机控制，电机的控制由智能交通机器人1的主机系统实现控制。当无人机2进出保护罩3时，无人机2的通讯系统和主机系统进行通信，主机系统控制电机实现开合盖4的打开和闭合。无人机2返航时开合盖4打开，无人机2停靠于保护罩3内，开合盖4关上；无人机2起航时，开合盖4打开，无人机2起飞，开合盖4再次关上。可以理解的是，前述控制可采用现有的方式进行。
通过以上实施例的描述可知，本发明实施例的有益效果在于，本实施例把无人机技术、人工智能技术、人机交互技术、互联技术等技术集成起来，实现交通事故的快速处理，是智慧交通的重要一环，整个事故处理过程一般不需要人工去筛选甄别处理，避免了人工干预的主观性。把无人机和智能交通机器人相结合，通过设置保护罩，使无人机可停靠在保护罩内，从而能全天候进行路况的勘查和监控，不受天气影响，克服了无人机的里程限制和机器人的视觉限制；无人机在保护罩内还可获得及时充电，扩展了飞行时间和飞行距离；保护罩与智能交通机器人为弹性卡扣连接，装卸非常方便。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种智慧交通事故处理方法，其特征在于，包括：
步骤S1，智能交通机器人获取发生交通事故的位置信息，并根据所述位置信息自主规划路线，搭载无人机自巡航到达发生交通事故的位置；
步骤S2，无人机从空中、智能交通机器人从地面分别拍摄事故现场照片，并将拍摄的事故现场照片导入训练好的神经网络模型，由所述神经网络模型识别事故类型及划分事故责任，所述神经网络模型搭载于所述智能交通机器人；
步骤S3，所述智能交通机器人将所述神经网络模型识别出的事故类型及划分的事故责任通过其上的人机交互屏幕供事故相关方进行确认。
2.根据权利要求1所述的智慧交通事故处理方法，其特征在于，所述步骤S1中，所述智能交通机器人根据中央系统提供的发生交通事故的位置，通过Dijkstra算法自主规划路线。
3.根据权利要求2所述的智慧交通事故处理方法，其特征在于，在去往发生交通事故的位置过程中，所述无人机从空中监控前方实时路况，所述智能交通机器人根据所述无人机识别的前方实时路况重复运算Dijkstra算法并相应调整路线。
4.根据权利要求1所述的智慧交通事故处理方法，其特征在于，所述步骤S2具体包括：
以平行车道线方向为90度，垂直车道线方向为0度，所述智能交通机器人每隔45度采样一次并拍摄一张照片；所述无人机从空中垂直采样一次，拍摄一张照片，将拍摄的9张采样照片导入所述神经网络模型。
5.根据权利要求1所述的智慧交通事故处理方法，其特征在于，所述神经网络模型使用Resnet50，预先利用标注好的照片训练数据集，根据GroundTruth真值按神经网络反向传播最小化loss的方式来训练迭代优化，优化器使用Adam优化器，学习率取1×10-4进行训练。
6.根据权利要求1所述的智慧交通事故处理方法，其特征在于，若事故相关方对事故责任的划分不接受，所述智能交通机器人还用于与中央系统进行联系，进行远程人工裁定或者调派警务人员到现场处理。
7.一种智慧交通事故处理装置，其特征在于，包括：
智能交通机器人，用于获取发生交通事故的位置信息，根据所述位置信息自主规划路线自巡航到达发生交通事故的位置，并在到达发生交通事故的位置后，从地面拍摄事故现场照片；
无人机，搭载于所述智能交通机器人，用于在所述智能交通机器人到达发生交通事故的位置后，从空中拍摄事故现场照片；
所述智能交通机器人还用于将拍摄的事故现场照片导入训练好的神经网络模型，由所述神经网络模型识别事故类型及划分事故责任，将所述神经网络模型识别出的事故类型及划分的事故责任通过其上的人机交互屏幕供事故相关方进行确认，所述神经网络模型搭载于所述智能交通机器人。
8.根据权利要求7所述的智慧交通事故处理装置，其特征在于，所述智能交通机器人外壳上卡接有用于停放所述无人机的保护罩，所述保护罩底部具有用于容纳所述无人机的支架的凹槽，以及用于滑到所述支架上并把所述支架固定在所述凹槽里的固定板，所述保护罩的顶端还设有卷帘结构的开合盖，用于从所述保护罩顶部开启或封闭所述保护罩。
9.根据权利要求8所述的智能交通指挥装置，其特征在于，所述智能交通机器的顶部内设有卡板，所述卡板的一端设有拉手，所述拉手部分地伸出设置在所述顶部侧面上的装配孔，所述卡板相对所述拉手的另一端通过弹簧与所述顶部的侧面内壁固定连接。
10.根据权利要求9所述的智能交通指挥装置，其特征在于，所述卡板上设有至少一个第一卡接孔，所述顶部的顶面在与所述第一卡接孔位置相对应处设有至少一个第二卡接孔，所述保护罩的底面向下突出设有卡扣，所述卡扣依次经由所述第二卡接孔、所述第一卡接孔与所述卡板相扣。
CN201911016782.7A 2019-10-24 2019-10-24 一种智慧交通事故处理方法及装置 Pending CN112712691A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911016782.7A CN112712691A (zh) 2019-10-24 2019-10-24 一种智慧交通事故处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911016782.7A CN112712691A (zh) 2019-10-24 2019-10-24 一种智慧交通事故处理方法及装置

Publications (1)

Publication Number Publication Date
CN112712691A true CN112712691A (zh) 2021-04-27

Family

ID=75540116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911016782.7A Pending CN112712691A (zh) 2019-10-24 2019-10-24 一种智慧交通事故处理方法及装置

Country Status (1)

Country Link
CN (1) CN112712691A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114926983A (zh) * 2022-05-11 2022-08-19 中国地质大学（武汉） 一种面向交通事故应急的多尺度综合感知方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680378A (zh) * 2017-11-07 2018-02-09 中车株洲电力机车有限公司 一种事故勘察方法、系统、设备及计算机存储介质
CN107820044A (zh) * 2017-09-23 2018-03-20 南京律智诚专利技术开发有限公司 一种基于无人机的道路交通事故快速定责拍照系统
CN107909113A (zh) * 2017-11-29 2018-04-13 北京小米移动软件有限公司 交通事故图像处理方法、装置及存储介质
CN108171988A (zh) * 2018-01-02 2018-06-15 湘潭大学 一种公路事故勘查系统及方法
CN108274456A (zh) * 2018-04-17 2018-07-13 苏州金建达智能科技有限公司 一种含有机器人装置的无人机收纳箱
CN207684032U (zh) * 2017-12-10 2018-08-03 哈尔滨华德学院 一种无人机收纳装置
CN207842775U (zh) * 2017-12-27 2018-09-11 数字鹰电子（湖北）有限公司 一种环境监测无人机收放装置
CN108986474A (zh) * 2018-08-01 2018-12-11 平安科技（深圳）有限公司 交通事故的定责方法、装置、计算机设备及计算机存储介质
CN109242739A (zh) * 2018-06-28 2019-01-18 平安科技（深圳）有限公司 交通事故处理方法、系统及服务器
CN109702758A (zh) * 2019-02-26 2019-05-03 黄河科技学院 一种交通用智能机器人

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107820044A (zh) * 2017-09-23 2018-03-20 南京律智诚专利技术开发有限公司 一种基于无人机的道路交通事故快速定责拍照系统
CN107680378A (zh) * 2017-11-07 2018-02-09 中车株洲电力机车有限公司 一种事故勘察方法、系统、设备及计算机存储介质
CN107909113A (zh) * 2017-11-29 2018-04-13 北京小米移动软件有限公司 交通事故图像处理方法、装置及存储介质
CN207684032U (zh) * 2017-12-10 2018-08-03 哈尔滨华德学院 一种无人机收纳装置
CN207842775U (zh) * 2017-12-27 2018-09-11 数字鹰电子（湖北）有限公司 一种环境监测无人机收放装置
CN108171988A (zh) * 2018-01-02 2018-06-15 湘潭大学 一种公路事故勘查系统及方法
CN108274456A (zh) * 2018-04-17 2018-07-13 苏州金建达智能科技有限公司 一种含有机器人装置的无人机收纳箱
CN109242739A (zh) * 2018-06-28 2019-01-18 平安科技（深圳）有限公司 交通事故处理方法、系统及服务器
CN108986474A (zh) * 2018-08-01 2018-12-11 平安科技（深圳）有限公司 交通事故的定责方法、装置、计算机设备及计算机存储介质
CN109702758A (zh) * 2019-02-26 2019-05-03 黄河科技学院 一种交通用智能机器人

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114926983A (zh) * 2022-05-11 2022-08-19 中国地质大学（武汉） 一种面向交通事故应急的多尺度综合感知方法

Similar Documents

Publication Publication Date Title
CN106886225B (zh) 一种多功能无人机智能起降站系统
US20210311476A1 (en) Patrol robot and patrol robot management system
CN206532138U (zh) 一种无人车自动驾驶智能系统
CN109412079B (zh) 一种输电线无人机巡检系统
CN111056032B (zh) 一种无人船载的无人机充电升降系统及实现方法
CN110109480A (zh) 一种基于多传感器融合的无人机巡查搜救系统及搜救方法
CN107329466A (zh) 一种自动驾驶小型车
CN210363547U (zh) 一种带有无人机的自动驾驶车辆
CN209776188U (zh) 一种基于3d视觉技术的汽车无人充电系统
CN112638771A (zh) 一种飞行充电方法及系统、充电无人机
CN108830264A (zh) 一种无人驾驶公交车的站台乘客检测系统及方法
CN108806261A (zh) 一种智慧式交通执勤机器人及其商业模式
CN112712691A (zh) 一种智慧交通事故处理方法及装置
CN110867096B (zh) 一种适用于多种自动驾驶等级车辆的山区道路安全控制系统及方法
CN106791617B (zh) 农用机械无线视频驾驶系统及其视频切换方法
CN107957726A (zh) 无人车导航系统
CN113568427B (zh) 无人机自主着陆移动平台的方法及系统
CN108054453B (zh) 一种电力巡线无人机充电方法
CN109816946A (zh) 一种隧道巡检装置
CN210852920U (zh) 一种违停车辆巡查四轴飞行器
CN205440873U (zh) 新型智能汽车
CN110942641A (zh) 一种架空摄像巡航的车号识别系统及车号识别方法
CN208969681U (zh) 一种无人驾驶公交车的站台乘客检测系统
CN217716438U (zh) 一种无人车、无人机协同导航装置
KR20210072175A (ko) 배터리 구동형 교통수단의 지붕 충전 감시 장치

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: 20210427

RJ01 Rejection of invention patent application after publication