CN112959987B - 一种自动紧急制动自适应控制系统及其控制方法 - Google Patents

一种自动紧急制动自适应控制系统及其控制方法 Download PDF

Info

Publication number
CN112959987B
CN112959987B CN202110296876.5A CN202110296876A CN112959987B CN 112959987 B CN112959987 B CN 112959987B CN 202110296876 A CN202110296876 A CN 202110296876A CN 112959987 B CN112959987 B CN 112959987B
Authority
CN
China
Prior art keywords
weather
module
deep learning
sensor
physical data
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
Application number
CN202110296876.5A
Other languages
English (en)
Other versions
CN112959987A (zh
Inventor
陈晖�
吴明瞭
郭启翔
左志杰
张路玉
何薇
高宠智
胡博伦
文进
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.)
Dongfeng Automobile Co Ltd
Original Assignee
Dongfeng Automobile 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 Dongfeng Automobile Co Ltd filed Critical Dongfeng Automobile Co Ltd
Priority to CN202110296876.5A priority Critical patent/CN112959987B/zh
Publication of CN112959987A publication Critical patent/CN112959987A/zh
Application granted granted Critical
Publication of CN112959987B publication Critical patent/CN112959987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T7/00—Brake-action initiating means
    • B60T7/12—Brake-action initiating means for automatic initiation; for initiation not subject to will of driver or passenger
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0237—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems circuits concerning the atmospheric environment
    • 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
    • G06N3/08—Learning methods
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Mechanical Engineering (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Environmental Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Transportation (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Regulating Braking Force (AREA)

Abstract

一种自动紧急制动自适应控制系统，包括控制器、视觉传感器、T‑BOX、车载传感器，控制器的内部设置有深度学习模块、物理数据预测模块、天气识别模块、AEBS控制单元，其控制方法为：首先，深度学习模块根据视觉传感器采集的当前道路环境图像、物理数据预测模块根据来自T‑BOX以及车载传感器的数据预测当前天气为雨、雪、雾的分布概率，天气识别模块再根据深度学习模块以及物理数据预测模块的预测结果确定最终当前天气类型的分布概率，并将概率最大的天气类型发送给AEBS控制单元，最后AEBS控制单元选择与其对应的控制策略控制制动。该设计不仅实现了不同天气下制动控制策略的自适应，而且有效提升了天气类型预测的准确率。

Description

一种自动紧急制动自适应控制系统及其控制方法
技术领域
本发明属于汽车安全控制领域，具体涉及一种自动紧急制动自适应控制系统及其控制方法。
背景技术
根据交通部公路科学研究院统计，近五年共发生死亡10人以上的重特大交通事41起其中追尾事故占到 14.3%，加上驾驶员疲劳驾驶、酒驾、毒驾引起的事故占到总数23.8%，而自动紧急制动系统，就是未来防止由于驾驶员疲劳驾驶等状态下引起的追尾事故而开发的系统。
欧盟从 2013 年 11 月 1 日起对新注册的 N2、N3、M2、M3类商用车辆（专项作业车和有站立位的客车等特殊车辆除外）已经强制要求安装自动紧急制动系统（AEBS），我们国家的商用车辆保有量已经位居世界第一，而近五年死亡 10 人以上的重特大交通事故也都是由商用车辆引发，商用车辆配置主动安全有很强的必要性。
JT/T1084-2016《营运客车技术安全条件》规定：2018年5月1日起对新生产的车长大于9米的营运客车强制安装自动紧急制动系统（AEBS）。JT/T1178.1-2018《营运货车安全技术条件 第一部分：载货汽车》规定：2021年6月1日起对新生产的总质量大于等于12吨，且最高车速超过90km/h的载货车强制安装自动紧急制动系统（AEBS）。JT/T1285-2020《危险货物道路运输营运车辆安全技术条件》规定：2021年5月1日起对新生产的总质量大于或等于12吨的危化品车强制安装自动紧急制动系统（AEBS）。
当前AEBS系统按 JT/T1242-2019《营运车辆自动紧急系统》、GB/T 38186-2019《商用车辆自动紧急制动系统（AEBS）性能要求及试验方法》两个标准进行功能的测试验收。AEBS系统行业主流方案由前向毫米波雷达感知单元和前向视觉感知融合决策单组成，通过雷达探测目标数据和视觉探测目标数据进行融合来提高目标探测精度和准确度。两个系统标准中的功能验收测试都是在较好的天气条件下进行的，且并未对恶劣天气下AEBS系统制动性能作出规定。虽然GB/T 38186-2019中4.2.7规定了AEBS因恶劣天气无法工作时，应向驾驶员提供声光报警，但未规定AEBS功能如何识别恶劣天气。
雨雪天气造成道路附着系数降低，特别是雪天制动距离加长，且无法频繁制动，如采用单一的AEBS控制策略及标定数据无法实现制动性能最优，且有可能产生相反的结果。
发明内容
本发明的目的是针对现有技术存在的上述问题，提供一种基于视觉天气识别的自动紧急制动自适应控制系统及其控制方法。
为实现以上目的，本发明的技术方案如下：
一种自动紧急制动自适应控制系统，包括控制器、视觉传感器、T-BOX、车载传感器，所述控制器的内部设置有深度学习模块、物理数据预测模块、天气识别模块、AEBS控制单元，所述视觉传感器的信号输出端与深度学习模块的信号输入端连接，所述T-BOX、车载传感器的信号输出端与物理数据预测模块的信号输入端连接，所述深度学习模块、物理数据预测模块的信号输出端均与天气识别模块的信号输入端连接，所述天气识别模块的信号输出端与AEBS控制单元的信号输入端连接；
所述深度学习模块用于根据视觉传感器采集的当前道路环境图像、基于深度学习预测当前天气为雨、雪、雾的分布概率；
所述物理数据预测模块用于根据来自T-BOX的天气数据以及车载传感器的数据预测当前天气为雨、雪、雾的分布概率；
所述天气识别模块用于根据深度学习模块以及物理数据预测模块预测的天气概率确定最终当前天气为雨、雪、雾的分布概率，并将概率最大的天气类型发送给AEBS控制单元；
所述AEBS控制单元用于选择与接收到的天气类型相对应的控制策略进行制动控制。
所述车载传感器包括环境温度传感器、气压传感器、光线雨量传感器。
所述车载传感器包括环境温度传感器、气压传感器、雨刮档位传感器。
所述视觉传感器为前视摄像头。
一种自动紧急制动自适应控制系统的控制方法，依次包括以下步骤：
步骤一、深度学习模块根据视觉传感器采集的当前道路环境图像、基于深度学习预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块，且物理数据预测模块根据来自T-BOX的天气数据以及车载传感器的数据预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块；
步骤二、天气识别模块先根据深度学习模块以及物理数据预测模块预测的天气概率确定最终当前天气为雨、雪、雾的分布概率，然后将概率最大的天气类型发送给AEBS控制单元；
步骤三、AEBS控制单元选择与接收到的天气类型相对应的控制策略进行制动控制。
所述步骤三中，雨天的控制策略为：增加预制动的频次；
雾天的控制策略为：降低AEB启动车速，增加预制动频次，提供预警阶段的TTC时间；
雪天的控制策略为：增加预制动的频次，降低减速度控制斜率，使最大减速度执行更平缓。
步骤二中，所述天气识别模块采用以下公式确定最终当前天气为雨、雪、雾的分布概率U：
U=aU 1+bU 2
上式中，U 1、a为深度学习模块预测得到的天气类型概率矩阵及其权重，U 2、b为物理数据预测模块预测得到的天气类型概率矩阵及其权重，a+b=1。
所述a的取值范围为0.6≤a≤0.7，所述b的取值范围为0.3≤b≤0.4。
与现有技术相比，本发明的有益效果为：
本发明一种自动紧急制动自适应控制系统包括控制器、视觉传感器、T-BOX、车载传感器，控制器的内部设置有深度学习模块、物理数据预测模块、天气识别模块、AEBS控制单元，系统运行时，深度学习模块根据视觉传感器采集的当前道路环境图像、基于深度学习预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块，且物理数据预测模块根据来自T-BOX的天气数据以及车载传感器的数据预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块，天气识别模块再根据深度学习模块以及物理数据预测模块预测的天气概率确定最终当前天气为雨、雪、雾的分布概率，然后将概率最大的天气类型发送给AEBS控制单元，最后AEBS控制单元选择与接收到的天气类型相对应的控制策略进行制动控制，该设计不仅实现了不同天气下制动控制策略的自适应，而且将采用基于视觉的深度学习模块与基于车载传感器和T-BOX数据的物理数据预测模块结合进行当前天气类型的预测，使预测的准确率得到显著提升，从而提高了车辆的安全性。因此，本发明不仅实现了不同天气下制动控制策略的自适应，而且有效提升了天气类型预测的准确率。
附图说明
图1为本发明的结构原理图。
具体实施方式
下面结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1，一种自动紧急制动自适应控制系统，包括控制器1、视觉传感器2、T-BOX3、车载传感器4，所述控制器1的内部设置有深度学习模块11、物理数据预测模块12、天气识别模块13、AEBS控制单元14，所述视觉传感器2的信号输出端与深度学习模块11的信号输入端连接，所述T-BOX3、车载传感器4的信号输出端与物理数据预测模块12的信号输入端连接，所述深度学习模块11、物理数据预测模块12的信号输出端均与天气识别模块13的信号输入端连接，所述天气识别模块13的信号输出端与AEBS控制单元14的信号输入端连接；
所述深度学习模块11用于根据视觉传感器2采集的当前道路环境图像、基于深度学习预测当前天气为雨、雪、雾的分布概率；
所述物理数据预测模块12用于根据来自T-BOX3的天气数据以及车载传感器4的数据预测当前天气为雨、雪、雾的分布概率；
所述天气识别模块13用于根据深度学习模块11以及物理数据预测模块12预测的天气概率确定最终当前天气为雨、雪、雾的分布概率，并将概率最大的天气类型发送给AEBS控制单元14；
所述AEBS控制单元14用于选择与接收到的天气类型相对应的控制策略进行制动控制。
所述车载传感器4包括环境温度传感器、气压传感器、光线雨量传感器。
所述车载传感器4包括环境温度传感器、气压传感器、雨刮档位传感器。
所述视觉传感器2为前视摄像头。
一种自动紧急制动自适应控制系统的控制方法，依次包括以下步骤：
步骤一、深度学习模块11根据视觉传感器2采集的当前道路环境图像、基于深度学习预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块13，且物理数据预测模块12根据来自T-BOX3的天气数据以及车载传感器4的数据预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块13；
步骤二、天气识别模块13先根据深度学习模块11以及物理数据预测模块12预测的天气概率确定最终当前天气为雨、雪、雾的分布概率，然后将概率最大的天气类型发送给AEBS控制单元14；
步骤三、AEBS控制单元14选择与接收到的天气类型相对应的控制策略进行制动控制。
所述步骤三中，雨天的控制策略为：增加预制动的频次；
雾天的控制策略为：降低AEB启动车速，增加预制动频次，提供预警阶段的TTC时间；
雪天的控制策略为：增加预制动的频次，降低减速度控制斜率，使最大减速度执行更平缓。
步骤二中，所述天气识别模块13采用以下公式确定最终当前天气为雨、雪、雾的分布概率U：
U=aU 1+bU 2
上式中，U 1、a为深度学习模块11预测得到的天气类型概率矩阵及其权重，U 2、b为物理数据预测模块12预测得到的天气类型概率矩阵及其权重，a+b=1。
所述a的取值范围为0.6≤a≤0.7，所述b的取值范围为0.3≤b≤0.4。
本发明的原理说明如下：
本发明提供了一种自动紧急制动自适应控制系统及其控制方法，该系统采用两个模块进行天气识别，一个是深度学习模块12，主要通过摄像头拍摄当前道路环境的照片，通过基于深度学习的网络来预测天气情况，该模块目前在识别上还存在一定的误差，其天气类别准确概率仅为60%-70%，另外一个是基于车载传感器和T-BOX数据的物理数据预测模块13，采用该模块对深度学习模块12进行补充和修正，可将天气类别准确概率提升至85%左右。
a：在确定最终天气类型的分布概率时，对于深度学习模块11预测结果的权重，可以参照该模块的预测准确率来设定。
实施例1：
参见图1，一种自动紧急制动自适应控制系统，包括控制器1、视觉传感器2、T-BOX3、车载传感器4，所述控制器1的内部设置有深度学习模块11、物理数据预测模块12、天气识别模块13、AEBS控制单元14，所述视觉传感器2的信号输出端与深度学习模块11的信号输入端连接，所述T-BOX3、车载传感器4的信号输出端与物理数据预测模块12的信号输入端连接，所述深度学习模块11、物理数据预测模块12的信号输出端均与天气识别模块13的信号输入端连接，所述天气识别模块13的信号输出端与AEBS控制单元14的信号输入端连接，且所述视觉传感器2为前视摄像头，所述车载传感器4包括环境温度传感器、气压传感器、雨刮档位传感器。
上述自动紧急制动自适应控制系统的控制方法，依次按照以下步骤进行：
1、深度学习模块11根据视觉传感器2采集的当前道路环境图像、基于深度学习预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块13，且物理数据预测模块12根据来自T-BOX3的天气数据以及车载传感器4的数据预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块13；
2、天气识别模块13先采用以下公式确定最终当前天气为雨、雪、雾的分布概率，然后将概率最大的天气类型发送给AEBS控制单元14：
U=aU 1+bU 2
上式中，U 1、a为深度学习模块11预测得到的天气类型概率矩阵及其权重，U 2、b为物理数据预测模块12预测得到的天气类型概率矩阵及其权重，本实施例中，a取0.6，b取0.4；
3、AEBS控制单元14选择与接收到的天气类型相对应的控制策略进行制动控制，其中，
雨天的控制策略为：增加预制动的频次；
雾天的控制策略为：降低AEB启动车速，增加预制动频次，提供预警阶段的TTC时间；
雪天的控制策略为：增加预制动的频次，降低减速度控制斜率，使最大减速度执行更平缓。

Claims (7)

1.一种自动紧急制动自适应控制系统，其特征在于：
所述控制系统包括控制器（1）、视觉传感器（2）、T-BOX（3）、车载传感器（4），所述控制器（1）的内部设置有深度学习模块（11）、物理数据预测模块（12）、天气识别模块（13）、AEBS控制单元（14），所述视觉传感器（2）的信号输出端与深度学习模块（11）的信号输入端连接，所述T-BOX（3）、车载传感器（4）的信号输出端与物理数据预测模块（12）的信号输入端连接，所述深度学习模块（11）、物理数据预测模块（12）的信号输出端均与天气识别模块（13）的信号输入端连接，所述天气识别模块（13）的信号输出端与AEBS控制单元（14）的信号输入端连接；
所述深度学习模块（11）用于根据视觉传感器（2）采集的当前道路环境图像、基于深度学习预测当前天气为雨、雪、雾的分布概率；
所述物理数据预测模块（12）用于根据来自T-BOX（3）的天气数据以及车载传感器（4）的数据预测当前天气为雨、雪、雾的分布概率；
所述天气识别模块（13）用于根据深度学习模块（11）以及物理数据预测模块（12）预测的天气概率确定最终当前天气为雨、雪、雾的分布概率，并将概率最大的天气类型发送给AEBS控制单元（14）；
所述AEBS控制单元（14）用于选择与接收到的天气类型相对应的控制策略进行制动控制，其中，
雨天的控制策略为：增加预制动的频次；
雾天的控制策略为：降低AEB启动车速，增加预制动频次，提供预警阶段的TTC时间；
雪天的控制策略为：增加预制动的频次，降低减速度控制斜率，使最大减速度执行更平缓。
2.根据权利要求1所述的一种自动紧急制动自适应控制系统，其特征在于：所述车载传感器（4）包括环境温度传感器、气压传感器、光线雨量传感器。
3.根据权利要求1所述的一种自动紧急制动自适应控制系统，其特征在于：所述车载传感器（4）包括环境温度传感器、气压传感器、雨刮档位传感器。
4.根据权利要求1-3中任一项所述的一种自动紧急制动自适应控制系统，其特征在于：所述视觉传感器（2）为前视摄像头。
5.一种权利要求1所述的自动紧急制动自适应控制系统的控制方法，其特征在于：
所述控制方法依次包括以下步骤：
步骤一、深度学习模块（11）根据视觉传感器（2）采集的当前道路环境图像、基于深度学习预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块（13），且物理数据预测模块（12）根据来自T-BOX（3）的天气数据以及车载传感器（4）的数据预测当前天气为雨、雪、雾的分布概率并将其发送给天气识别模块（13）；
步骤二、天气识别模块（13）先根据深度学习模块（11）以及物理数据预测模块（12）预测的天气概率确定最终当前天气为雨、雪、雾的分布概率，然后将概率最大的天气类型发送给AEBS控制单元（14）；
步骤三、AEBS控制单元（14）选择与接收到的天气类型相对应的控制策略进行制动控制。
6.根据权利要求5所述的一种自动紧急制动自适应控制系统的控制方法，其特征在于：
步骤二中，所述天气识别模块（13）采用以下公式确定最终当前天气为雨、雪、雾的分布概率U：
U=aU 1+bU 2
上式中，U 1、a为深度学习模块（11）预测得到的天气类型概率矩阵及其权重，U 2、b为物理数据预测模块（12）预测得到的天气类型概率矩阵及其权重，a+b=1。
7.根据权利要求6所述的一种自动紧急制动自适应控制系统的控制方法，其特征在于：所述a的取值范围为0.6≤a≤0.7，所述b的取值范围为0.3≤b≤0.4。
CN202110296876.5A 2021-03-19 2021-03-19 一种自动紧急制动自适应控制系统及其控制方法 Active CN112959987B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110296876.5A CN112959987B (zh) 2021-03-19 2021-03-19 一种自动紧急制动自适应控制系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110296876.5A CN112959987B (zh) 2021-03-19 2021-03-19 一种自动紧急制动自适应控制系统及其控制方法

Publications (2)

Publication Number Publication Date
CN112959987A CN112959987A (zh) 2021-06-15
CN112959987B true CN112959987B (zh) 2022-02-18

Family

ID=76279542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110296876.5A Active CN112959987B (zh) 2021-03-19 2021-03-19 一种自动紧急制动自适应控制系统及其控制方法

Country Status (1)

Country Link
CN (1) CN112959987B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113232643B (zh) * 2021-06-17 2023-06-06 知行汽车科技(苏州)股份有限公司 一种基于路面环境的自适应辅助驾驶系统及方法
CN114407763B (zh) * 2022-01-18 2023-05-26 上汽通用五菱汽车股份有限公司 敞篷式无人货车控制方法、装置、设备及可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11175889A (ja) * 1997-12-09 1999-07-02 Fujitsu Ten Ltd 車載用オーディオビジュアルシステム
CN110259321A (zh) * 2019-01-17 2019-09-20 合肥工业大学智能制造技术研究院 一种车窗控制系统及方法
CN110415544A (zh) * 2019-08-20 2019-11-05 深圳疆程技术有限公司 一种灾害天气预警方法及汽车ar-hud系统
DE102018210885A1 (de) * 2018-07-03 2020-01-09 Audi Ag Verfahren und System zum Einleiten einer Sicherheitsvorkehrung eines Kraftfahrzeugs und Kraftfahrzeug
KR20200052806A (ko) * 2018-10-25 2020-05-15 광주과학기술원 딥러닝 기반 기후 변화 예측 시스템의 동작 방법
CN112147615A (zh) * 2020-09-08 2020-12-29 北京踏歌智行科技有限公司 一种基于全天候环境监测系统的无人驾驶感知方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11175889A (ja) * 1997-12-09 1999-07-02 Fujitsu Ten Ltd 車載用オーディオビジュアルシステム
DE102018210885A1 (de) * 2018-07-03 2020-01-09 Audi Ag Verfahren und System zum Einleiten einer Sicherheitsvorkehrung eines Kraftfahrzeugs und Kraftfahrzeug
KR20200052806A (ko) * 2018-10-25 2020-05-15 광주과학기술원 딥러닝 기반 기후 변화 예측 시스템의 동작 방법
CN110259321A (zh) * 2019-01-17 2019-09-20 合肥工业大学智能制造技术研究院 一种车窗控制系统及方法
CN110415544A (zh) * 2019-08-20 2019-11-05 深圳疆程技术有限公司 一种灾害天气预警方法及汽车ar-hud系统
CN112147615A (zh) * 2020-09-08 2020-12-29 北京踏歌智行科技有限公司 一种基于全天候环境监测系统的无人驾驶感知方法

Also Published As

Publication number Publication date
CN112959987A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN112959987B (zh) 一种自动紧急制动自适应控制系统及其控制方法
US20180164119A1 (en) System and method for generating an environmental condition database using automotive sensors
CN110549941B (zh) 一种基于实时信息的行人碰撞分级预警方法
CN109760678B (zh) 一种汽车自适应巡航系统的限速方法
CN109767651B (zh) 一种v2x环境下弯道区域无缝通信方法
CN110329249B (zh) 一种循环神经网络的汽车前向碰撞预警控制系统及方法
US20130057397A1 (en) Method of operating a vehicle safety system
CN110329259B (zh) 一种基于多传感器融合的车辆自动跟随系统及其方法
US7113860B2 (en) Cruise control warning system
CN112950974A (zh) 车辆限速提示方法、装置、设备及存储介质
US10741070B1 (en) Method to prioritize transmission of sensed objects for cooperative sensor sharing
US10580231B2 (en) Methods and vehicles for health monitoring vehicle substrates and coatings
CN113232643B (zh) 一种基于路面环境的自适应辅助驾驶系统及方法
SE1250310A1 (sv) Förfarande och system för avståndsanpassning under färd vidett fordonståg
CN110780358A (zh) 自动驾驶天气环境认知的方法、系统、计算机可读存储介质及车辆
CN112298132A (zh) 一种车辆自主紧急制动控制系统和控制方法
CN112258832B (zh) 一种用于运行基于车辆信息的团雾气象信息感知发布系统的方法
CN103434505A (zh) 汽车制动安全提示方法及系统
US11954916B2 (en) Systems and methods for classifying detected objects in an image at an automated driving system
JP2007069797A (ja) 自動車の追従走行システム
CN109572594A (zh) 一种基于车辆网动态对比检测车辆行驶异常的方法
CN114475597A (zh) 一种自动驾驶车辆跟车距离控制方法及控制系统
CN110103954A (zh) 基于电控的汽车防追尾预警装置及方法
JP2002517845A (ja) 交通安全性を高める装置
CN111267801B (zh) 一种面向智能辅助驾驶的汽车自适应制动系统及其控制方法

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
GR01 Patent grant
GR01 Patent grant