CN113147781A - 一种汽车智能驾驶信息展示系统 - Google Patents
一种汽车智能驾驶信息展示系统 Download PDFInfo
- Publication number
- CN113147781A CN113147781A CN202110601567.4A CN202110601567A CN113147781A CN 113147781 A CN113147781 A CN 113147781A CN 202110601567 A CN202110601567 A CN 202110601567A CN 113147781 A CN113147781 A CN 113147781A
- Authority
- CN
- China
- Prior art keywords
- driving
- information
- module
- vehicle
- external vehicle
- 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
- 230000007613 environmental effect Effects 0.000 claims abstract description 14
- 230000003190 augmentative effect Effects 0.000 claims abstract description 12
- 238000007405 data analysis Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 14
- 238000013075 data extraction Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 239000011521 glass Substances 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 208000001491 myopia Diseases 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 241000510164 Cumberlandia monodonta Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
Abstract
本发明涉及信息展示技术领域,具体为一种汽车智能驾驶信息展示系统,包括数据采集模块,数据分析模块,数据匹配模块和增强现实模块,所述采集模块用于采集环境信息,数据分析模块用于对环境信息进行分析后得出外部车辆的行车预测轨迹,数据匹配模块用于建立行车预测轨迹与外部车辆的对应关系,增强现实模块用于根据行车预测轨迹生成对应的图形数据并通过终端设备在实时图像中的外部车辆上显示对应的图形数据,从而达到对外部车辆的行车轨迹进行预测的效果,弥补了新手驾驶员行车经验不足的缺点,让驾驶员的注意力能够更加集中而不用去过多分析别扯的行驶轨迹,为驾驶员带来了更为良好的驾驶体验,降低了交通事故的发生概率。
Description
技术领域
本发明涉及信息展示技术领域,具体为一种汽车智能驾驶信息展示系统。
背景技术
随着信息技术、智能系统和网络技术在交通工具领域的广泛应用和车载信息技术的发展,汽车的内部空间、人机界面、操作和交互过程开始逐渐颠覆传统模式,这些改变为使用者们带来了全新的驾乘体验,并引领了新型的交互与出行方式。传统的汽车驾驶信息展示界面只能为用户展示所驾驶汽车的基本信息,包括车速、里程和油量等行驶数据。这些数据展示的只有驾驶车辆的行驶数据,而外部车辆的数据信息只能靠驾驶员依靠经验进行判断,但是这种方式对于经验不足的驾驶员而言,想要通过观察外部环境来预判外部车辆的行车轨迹是十分困难的。
发明内容
本发明所解决的技术问题在于提供一种用于对外部车辆的行车轨迹进行预判的信息展示系统。
本发明提供的基础方案:一种汽车智能驾驶信息展示系统,包括数据采集模块,数据分析模块,数据匹配模块和增强现实模块;
所述数据采集模块用于采集驾驶车辆的环境信息,所述环境信息包括实时图像、天气信息和路面信息;
所述数据分析模块包括数据提取模块和行车分析模块;所述数据提取模块用于从实时图像中提取出外部车辆信息;所述行车分析模块用于根据外部车辆信息、天气信息和路面信息建立行车预测模型,所述行车预测模型可以生成外部车辆的行车预测轨迹;
所述匹配模块用于匹配外部车辆和行车预测轨迹的对应关系;
所述增强现实模块用于根据行车预测轨迹生成对应的图形数据并通过终端设备在实时图像中的外部车辆上显示对应的图形数据。
本发明的原理及优点在于:本方案采集了驾驶车辆外部的环境信息,并根据环境信息中的外部车辆信息、天气信息和路面信息来建立外部车辆的行车预测模型来生成外部车辆的行车预测轨迹,再将行车预测轨迹与对应的外部车辆匹配后通过增强现实模块以图形数据的形式显示在实时图像中对应的外部车辆上。相较于传统驾驶行为中通过经验来预判外部车辆行车轨迹的方式,本方案通过增强现实技术将分析出的外部车辆的行车预测轨迹叠加到真实场景中,既弥补了新手司机经验不足难以预测外部车辆行车轨迹的缺陷,又通过以虚拟信息增强现实信息的方式在驾驶员专注于驾驶的同时不用转移视线去查看虚拟信息,提高了人机交互的实时性,让驾驶员的注意力能够更加集中而不用去过多分析别扯的行驶轨迹,为驾驶员带来了更为良好的驾驶体验,降低了交通事故的发生概率。
进一步,所述数据提取模块包括图像处理模块和信息提取模块;
所述图像处理模块用于对实时图像进行降噪处理;
所述信息提取模块用于提取降噪处理后的实时图像中的外部车辆信息。
有益效果:通过降噪处理来对图像进行噪声过滤,提高图像识别的精度。
进一步,所述外部车辆信息包括车牌号、车速和行车方向。
有益效果:采集外部车辆的多种信息,使得数据的采集更为全面,对其行车轨迹的预测更为精准。
进一步,还包括车主信息匹配模块;
所述车主信息匹配模块用于根据外部车辆信息的车牌号匹配车主信息;
所述车主信息包括车主驾龄和车辆肇事记录。
有益效果:通过车牌号获取车主的驾龄和车辆肇事记录,通过车主的驾龄和车辆肇事记录能够让用户对新手司机和事故多发的外部车辆更为警惕,在有准备的情况下使得用户的驾驶更为安全。
进一步,还包括行车警示模块;
当外部车辆的车主驾龄低于设置的驾龄阈值或者车辆肇事记录次数高于设置的肇事阈值时,所述行车警示模块将会生成对应外部车辆的警示信息;
所述增强现实模块还会根据警示信息生成对应的警示图形并通过终端设备在实时图像中将警示图形显示到对应的外部车辆上。
有益效果:将新手司机和事故多发的外部车辆提示给用户,让用户对其产生警惕性,在有准备的情况下使得用户的驾驶更为安全。
进一步,所述天气信息包括路面天气、风向、风速和昼夜数据。
有益效果:引入多种天气环境的影响因素,使得对行车轨迹的预测更为精准。
进一步,所述路面信息包括道路标识、车道线、障碍物、路面材质、路面平整度和路面刚度。
有益效果:道路标志、车道线和障碍物都是外部车辆行车轨迹的主要影响因素,本方案再引入路面材质、路面平整度和路面刚度对行车的影响能够使得对行车轨迹的预测更为精准。
进一步,所述终端设备为AR眼镜或AR挡风玻璃。
有益效果:以AR挡风玻璃为终端设备相较于AR眼镜而言,能方便近视用户的驾驶,不用同时佩戴近视眼镜盒AR眼镜,AR眼镜相较于AR挡风玻璃而言,能够预测行车轨迹的外部车辆不仅仅限于前方车辆,对侧方车辆的行车轨迹也能进行预测。
附图说明
图1为本发明一种汽车智能驾驶信息展示系统的逻辑框图。
图2为本发明一种汽车智能驾驶信息展示系统的终端警示示意图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
本实施例如图1所示,一种汽车智能驾驶信息展示系统,包括数据采集模块,数据分析模块,数据匹配模块和增强现实模块,本系统通过数据采集模块采集用户车辆外部的环境信息并根据环境信息生成外部车辆的行车轨迹预测,再讲行车轨迹预测通过终端设备以图形数据的方式显示出来,本实施例中的终端设备为AR挡风玻璃。
具体的,本实施例中的数据采集模块采集的环境信息包括实时图像、天气信息和路面信息,所述实时图像是以动态采集的方式在实时视频模式下进行的;天气信息则是应用了光学后向散射技术来分析空气中不同形态的水微粒,如雾、雨、雪、沙尘和烟,从而得出路面天气,而天气信息中的风速、风向和昼夜等数据则是通过风速风向传感器和光敏传感器进行采集的;所述路面信息包括了道路标识、车道线、障碍物、路面材质、路面平整度和路面刚度,其中,道路标识、车道线和障碍物是通过激光雷达扫描周围环境,获得周围环境点云数据,再根据点云数据的反射强度信息,对路面信息进行分离后获取的;而路面材质、路面平整度和路面刚度则是通过激光雷达测量目标地面的反射率、反射截面和形状后分析获得的。
本实施例中数据分析模块包括数据提取模块和行车分析模块,所述数据提取模块又包括图像处理模块和信息提取模块。当数据采集模块采集了环境信息后,所述图像处理模块将会对环境信息中的实时图像进行降噪处理,本实施例中采用的去噪方法是高斯滤波,去噪之后还会通过对比度线性拉伸来增强图像对比度,从而进一步提高图像识别的精度。
对图像进行降噪处理之后,数据提取模块将会从处理后的实时图像中提取外部车辆信息,本实施例中的外部车辆信息包括车牌号、车速和行车方向。具体的,提取车牌号时,会先通过Hough变换法检测车牌区域上下、左右边框直线以及长度比来计算倾斜角度,再根据倾斜角度对车牌区域进行校正处理,去除车牌边框等噪声,方便对字符的识别。提取出车牌区域后,还会对车牌区域以单个字符为单位进行分割,目的是为分清车牌中总共有几个字符,字符间的位置关系等信息,保证车牌类型匹配和字符识别正确。本实施例中是通过字符聚类的方式,利用字符的结构特征、字符间的相似性,字符间间隔等信息,把单个字符分别提取出来,然后把宽、高相似的字符归为一类从而去除车牌边框以及一些小的噪声。字符分割之后,本实施例还会对分割后的字符的灰度图像进行归一化处理,提取特征,然后经过机器学习或字符数据库模板进行匹配,最后选取匹配度最高的结果作为识别结果。而提取外部车辆的车速和行车方向时,则是将实时图像中外部车辆在图像中的位置进行对比后根据用户驾驶车辆的车速进行分析后获得。
本实施例中的行车分析模块包括BP神经网络模块,用于根据环境信息,生成外部车辆的行车预测轨迹。BP神经网络模块包括BP神经网络模型,BP神经网络模块使用BP神经网络技术来预测外部车辆的行车轨迹。具体的,首先构建一个三层的BP神经网络模型,包括输入层、隐层和输出曾,本实施例中,以天气、风向、风速、昼夜、道路标识、车道线、障碍物、路面材质、路面平整度、路面刚度、车牌号、车速和行车方向作为输入层的输入,因此输入层有13个节点,而输出是对外部车辆的行车轨迹的预测,因此仅有1个节点;针对于隐层,本实施例使用了以下公式来确定隐层节点的数量:其中l为隐层的节点数,n为输入层的节点数,m为输出层的节点数,a为1至10之间的一个数,本实施例中取为6,因此隐层共有10个节点。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本实施例选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络模型构建完毕后,利用历史数据库中的环境信息和行车轨迹记录作为样本对模型进行训练,通过环境信息和行车轨迹记录训练完成后得到的模型可以取得较为准确的行车预测轨迹。
此外,本实施例中的数据分析模块还包括车主信息匹配模块和行车警示模块;所述车主信息匹配模块用于根据车牌号通过互联网获取车主的驾龄信息以及车辆肇事记录。所述行车警示模块中设有驾龄阈值和肇事阈值,本实施例中的驾龄阈值为1年,肇事阈值为3次;当目标车辆的车主驾龄低于驾龄阈值或者近1年里车辆肇事记录超过3次时,目标车辆都会被标记为警示车辆并生成对应目标车辆的警示信息;如目标车辆的车主驾龄为5个月,车辆肇事记录为4次,则会生成警示信息:“目标车主为新手,近期肇事记录4次”。
如图2所示,本实施例中的数据匹配模块用于匹配外部车辆和行车预测轨迹以及警示信息的对应关系,建立对应关系后,增强现实模块还会根据行车预测轨迹和警示信息生成图形数据并通过终端设备显示到实时图像中对应的外部车辆上,本实施例中的终端设备为AR挡风玻璃,驾驶员能够通过AR挡风玻璃观察到外部车辆对应的行车预测轨迹和警示信息,提高了用户驾驶的安全性,降低了交通事故发生的概率。
以上的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (8)
1.一种汽车智能驾驶信息展示系统,其特征在于:包括数据采集模块,数据分析模块,数据匹配模块和增强现实模块;
所述数据采集模块用于采集驾驶车辆的环境信息,所述环境信息包括实时图像、天气信息和路面信息;
所述数据分析模块包括数据提取模块和行车分析模块;所述数据提取模块用于从实时图像中提取出外部车辆信息;所述行车分析模块用于根据外部车辆信息、天气信息和路面信息建立行车预测模型,所述行车预测模型可以生成外部车辆的行车预测轨迹;
所述匹配模块用于匹配外部车辆和行车预测轨迹的对应关系;
所述增强现实模块用于根据行车预测轨迹生成对应的图形数据并通过终端设备在实时图像中的外部车辆上显示对应的图形数据。
2.根据权利要求1所述的一种汽车智能驾驶信息展示系统,其特征在于:所述数据提取模块包括图像处理模块和信息提取模块;
所述图像处理模块用于对实时图像进行降噪处理;
所述信息提取模块用于提取降噪处理后的实时图像中的外部车辆信息。
3.根据权利要求2所述的一种汽车智能驾驶信息展示系统,其特征在于:所述外部车辆信息包括车牌号、车速和行车方向。
4.根据权利要求3所述的一种汽车智能驾驶信息展示系统,其特征在于:还包括车主信息匹配模块;
所述车主信息匹配模块用于根据外部车辆信息的车牌号匹配车主信息;
所述车主信息包括车主驾龄和车辆肇事记录。
5.根据权利要求4所述的一种汽车智能驾驶信息展示系统,其特征在于:还包括行车警示模块;
当外部车辆的车主驾龄低于设置的驾龄阈值或者车辆肇事记录次数高于设置的肇事阈值时,所述行车警示模块将会生成对应外部车辆的警示信息;
所述增强现实模块还会根据警示信息生成对应的警示图形并通过终端设备在实时图像中将警示图形显示到对应的外部车辆上。
6.根据权利要求1所述的一种汽车智能驾驶信息展示系统,其特征在于:所述天气信息包括天气、风向、风速和昼夜数据。
7.根据权利要求1所述的一种汽车智能驾驶信息展示系统,其特征在于:所述路面信息包括道路标识、车道线、障碍物、路面材质、路面平整度和路面刚度。
8.根据权利要求1所述的一种汽车智能驾驶信息展示系统,其特征在于:所述终端设备为AR眼镜或AR挡风玻璃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601567.4A CN113147781A (zh) | 2021-05-31 | 2021-05-31 | 一种汽车智能驾驶信息展示系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601567.4A CN113147781A (zh) | 2021-05-31 | 2021-05-31 | 一种汽车智能驾驶信息展示系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113147781A true CN113147781A (zh) | 2021-07-23 |
Family
ID=76875649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110601567.4A Pending CN113147781A (zh) | 2021-05-31 | 2021-05-31 | 一种汽车智能驾驶信息展示系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113147781A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989466A (zh) * | 2021-10-28 | 2022-01-28 | 江苏濠汉信息技术有限公司 | 一种基于事态认知的超视距辅助驾驶系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225509A (zh) * | 2015-10-28 | 2016-01-06 | 努比亚技术有限公司 | 一种道路车辆智能预警方法、装置和移动终端 |
CN106080609A (zh) * | 2016-06-30 | 2016-11-09 | 深圳市赛格导航科技股份有限公司 | 一种基于adas模块的安全驾驶的方法和系统 |
US20170101056A1 (en) * | 2015-10-07 | 2017-04-13 | Lg Electronics Inc. | Vehicle and control method for the same |
US10037699B1 (en) * | 2017-05-05 | 2018-07-31 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for motivating a driver according to behaviors of nearby vehicles |
CN110316067A (zh) * | 2018-03-30 | 2019-10-11 | 深圳市掌网科技股份有限公司 | 一种车辆辅助驾驶系统和方法 |
CN110366107A (zh) * | 2019-07-09 | 2019-10-22 | 三星电子(中国)研发中心 | 车辆通信方法及使用该方法的装置 |
CN110979350A (zh) * | 2019-12-18 | 2020-04-10 | 奇瑞汽车股份有限公司 | 一种基于行车记录仪的ar导航系统 |
CN210491172U (zh) * | 2019-12-18 | 2020-05-08 | 广东思域信息科技有限公司 | 一种行车识别辅助系统 |
KR20200095318A (ko) * | 2019-01-31 | 2020-08-10 | 엘지전자 주식회사 | 영상 출력 장치 |
CN112180605A (zh) * | 2020-10-20 | 2021-01-05 | 江苏濠汉信息技术有限公司 | 一种基于增强现实的辅助驾驶系统 |
-
2021
- 2021-05-31 CN CN202110601567.4A patent/CN113147781A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170101056A1 (en) * | 2015-10-07 | 2017-04-13 | Lg Electronics Inc. | Vehicle and control method for the same |
CN105225509A (zh) * | 2015-10-28 | 2016-01-06 | 努比亚技术有限公司 | 一种道路车辆智能预警方法、装置和移动终端 |
CN106080609A (zh) * | 2016-06-30 | 2016-11-09 | 深圳市赛格导航科技股份有限公司 | 一种基于adas模块的安全驾驶的方法和系统 |
US10037699B1 (en) * | 2017-05-05 | 2018-07-31 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for motivating a driver according to behaviors of nearby vehicles |
CN110316067A (zh) * | 2018-03-30 | 2019-10-11 | 深圳市掌网科技股份有限公司 | 一种车辆辅助驾驶系统和方法 |
KR20200095318A (ko) * | 2019-01-31 | 2020-08-10 | 엘지전자 주식회사 | 영상 출력 장치 |
CN110366107A (zh) * | 2019-07-09 | 2019-10-22 | 三星电子(中国)研发中心 | 车辆通信方法及使用该方法的装置 |
CN110979350A (zh) * | 2019-12-18 | 2020-04-10 | 奇瑞汽车股份有限公司 | 一种基于行车记录仪的ar导航系统 |
CN210491172U (zh) * | 2019-12-18 | 2020-05-08 | 广东思域信息科技有限公司 | 一种行车识别辅助系统 |
CN112180605A (zh) * | 2020-10-20 | 2021-01-05 | 江苏濠汉信息技术有限公司 | 一种基于增强现实的辅助驾驶系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989466A (zh) * | 2021-10-28 | 2022-01-28 | 江苏濠汉信息技术有限公司 | 一种基于事态认知的超视距辅助驾驶系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784587B (zh) | 一种驾驶行为评价系统 | |
CN109829403B (zh) | 一种基于深度学习的车辆防碰撞预警方法及系统 | |
US8447112B2 (en) | Method for automatic license plate recognition using adaptive feature set | |
Najafi Moghaddam Gilani et al. | Data-driven urban traffic accident analysis and prediction using logit and machine learning-based pattern recognition models | |
CN100452110C (zh) | 一种车辆视频识别测速方法 | |
US10814815B1 (en) | System for determining occurrence of an automobile accident and characterizing the accident | |
CN105160309A (zh) | 基于图像形态学分割及区域生长的三车道检测方法 | |
CN101633358A (zh) | 具有集成驾驶风格识别的自适应车辆控制系统 | |
CN110304068B (zh) | 汽车行驶环境信息的采集方法、装置、设备和存储介质 | |
CN110689724B (zh) | 一种基于深度学习的机动车斑马线礼让行人自动审核方法 | |
CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
CN112289037B (zh) | 基于复杂环境下高视角的机动车辆违规停车检测方法及系统 | |
WO2019213982A1 (zh) | 基于最小作用量原理的驾驶人操控行为量化方法及装置 | |
CN114155720B (zh) | 一种路侧激光雷达的车辆检测和轨迹预测方法 | |
Xue et al. | A context-aware framework for risky driving behavior evaluation based on trajectory data | |
CN113147781A (zh) | 一种汽车智能驾驶信息展示系统 | |
KR20220138894A (ko) | 노면표시 정보의 예측 및 인식방법 및 도로 유지관리 방법 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN108791300B (zh) | 一种智能化程度高的驾驶系统 | |
CN115909245A (zh) | 一种基于深度学习的视觉多任务处理方法 | |
KR20220080975A (ko) | 주행환경 정적객체인지 ai 데이터 처리 방법 및 이를 위한 장치 | |
CN112949595A (zh) | 一种基于YOLOv5改进行人车辆安全距离检测算法 | |
CN115985109B (zh) | 一种无人驾驶矿车环境感知方法和系统 | |
CN114299414B (zh) | 一种基于深度学习的车辆闯红灯识别判定方法 | |
CN113449589B (zh) | 一种无人驾驶汽车在城市交通场景中驾驶策略计算方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |
|
RJ01 | Rejection of invention patent application after publication |