CN113223290B - 车辆状态检测方法、装置、设备和存储介质 - Google Patents
车辆状态检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113223290B CN113223290B CN202010070135.0A CN202010070135A CN113223290B CN 113223290 B CN113223290 B CN 113223290B CN 202010070135 A CN202010070135 A CN 202010070135A CN 113223290 B CN113223290 B CN 113223290B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- detected
- determining
- target object
- video
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000011084 recovery Methods 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
-
- 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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车辆状态检测方法、装置、设备和存储介质。该方法包括:根据视频采集器获取的待检测车辆的视频,确定待检测车辆的车型;根据车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值;根据视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长;确定标准倾斜恢复时长阈值和实际倾斜恢复时长的时长比较结果,以及根据目标对象的高度信息和相对距离信息,确定标准倾角阈值和实际倾角值的角度比较结果,并根据角度比较结果和时长比较结果确定待检测车辆的状态。本发明实施例实现通过对车辆中目标对象倾斜状态的判断确定车辆的状态。
Description
技术领域
本发明实施例涉及汽车技术领域,尤其涉及一种车辆状态检测方法、装置、设备和存储介质。
背景技术
当今社会发展速度很快,发展带来的城市建设需求需要大量的物资调度,货车作为最普遍经济的货运方式,承担着绝大多数的调度任务。随之而来的就是货车超载,超高等一系列为减少单趟货运成本的危险行为,其中以挂式货车最为危险。车辆超载不仅将对车辆本身造成伤害,且对驾驶安全也会产生较大的风险。对于车辆本身,超载会缩短车辆使用寿命,加速轮胎的磨损和变化、加速发动机的损坏、影响悬挂性能等;对于驾驶安全方面,超载会使转向沉重、离心力加大、降低制动性能、增加爆胎风险等等。
现有车辆的超载检测一般通过正规的货运公司对出发货车进行载货称重,通常采用地磅形式。且在高速入口也会使用地磅进行相关检测。或者在车辆的悬挂/避震等关键承重位置加装传感器检测某类参数的变化量,当变化量大于某个阈值时,触发告警,传输至车载监控系统进行记录。
然而,针对常规道路,目前没有很好的方式进行检测,货运司机可以在出发后中途加货等方式进行规避。而车辆加装传感器等设备存在人为破坏的风险,在实际的车辆安装布置及技术实现上可行性差。
发明内容
本发明实施例提供一种车辆状态检测方法、装置、设备和存储介质,实现通过对车辆中目标对象倾斜状态的判断确定车辆的状态。
第一方面,本发明实施例提供了一种车辆状态检测方法,包括:
根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型;
根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值;
根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长;
确定所述标准倾斜恢复时长阈值和所述实际倾斜恢复时长的时长比较结果,以及根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,并根据所述角度比较结果和所述时长比较结果确定待检测车辆的状态;其中所述待检测车辆的状态为正常或异常。
第二方面,本发明实施例还提供了一种车辆状态检测装置,包括:
车型确定模块,用于根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型;
车型关联信息确定模块,用于根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值;
视频关联信息确定模块,用于根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长;
状态确定模块,用于确定所述标准倾斜恢复时长阈值和所述实际倾斜恢复时长的时长比较结果,以及根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,并根据所述角度比较结果和所述时长比较结果确定待检测车辆的状态;其中所述待检测车辆的状态为正常或异常。
第三方面,本发明实施例还提供了一种设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的车辆状态检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的车辆状态检测方法。
本发明实施例根据待检测车辆的视频确定待检测车辆的车型,根据车型和视频信息确定待检测车辆的倾斜状态信息,根据倾斜状态信息的大小确定该待检测车辆的状态。通过对待检测车辆中目标对象的倾斜角度以及倾斜恢复时间的判断,实现了对待检测车辆的状态检测,本发明实施例利用已有的交通设施,少量的改造视频采集器,成本低,且通过视频检测的方式,实现了实时对待检测车辆超载现象进行筛查,减少人工核查的工作量,并且本发明实施方案受人为干扰因素少,可行性高。
附图说明
图1是本发明实施例一中的车辆状态检测方法的流程图;
图2是视频采集器采集的倾角值与目标对象的实际倾角值的转换示意图;
图3是本发明实施例二中的车辆状态检测方法的流程图;
图4是本发明实施例三中的车辆状态检测装置的结构示意图;
图5是本发明实施例四中的设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的车辆状态检测方法的流程图,本实施例可适用于在普通道路上通过安装视频采集器实现对车辆超载状态进行检测的情况。该方法可以由车辆状态检测装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在设备中,例如设备可以是后台服务器等具有通信和计算能力的设备。如图1所示,该方法具体包括:
步骤101、根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型。
其中,视频采集器用于安装在普通道路上获取来往车辆的图像数据,示例性的,在路口的车辆红绿灯或人行红绿灯上安装监控摄像头,可以对来往车辆进行监控获取视频数据。待检测车辆是指需要进行超载超速监测的车辆,示例性的,对于货运车辆,需要对其是否超载或超速进行检测。
具体的,通过在路口的红绿灯处安装监控摄像头,获取待检测货运车辆的视频数据,根据视频中货运车辆的特征对其车型进行确定。示例的,可以通过对视频数据中的车牌颜色进行判断,黄色车牌一般是货运车辆,对于货运车辆通过特征匹配从预设车型库中确定待检测车辆的车型。具体的特征匹配方法在本实施中不作限定。
步骤102、根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值。
其中,目标对象是指对车辆是否超载进行判断的依据。示例性的,在车辆刹车时,由于惯性作用,驾驶员和车头部位会发生一定的前倾动作,而惯性与本身的质量有关,因此驾驶员和车头部位可以作为对车辆是否超载进行判断的依据。目标对象的高度信息是指目标对象在待检测车辆中的与倾斜角度有关的高度数据。
标准倾角阈值是指待检测车辆处于标准荷载量以及标准车速的情况下,在刹车时对目标对象所产生的最大倾斜角度。示例性的,对于荷载量为5吨的挂式货车,在路口的标准车速为30km/h,驾驶员在路口遇到黄灯或红灯进行刹车时产生的最大倾斜角度为20度。标准倾斜恢复时长阈值是指待检测车辆处于标准荷载量以及标准车速的情况下,在刹车时目标对象从最大倾斜角度恢复到最小倾斜角度时的持续时长。示例性的,在上述示例的基础上,驾驶员从倾斜角度为20度恢复到0度所需的时间为3秒。对于同一款车型,在其荷载量下,对应的目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值是固定的。
具体的,在数据库中预先存储了不同车型的车辆的正常荷载量以及正常车辆动力参数。根据待检测车辆的车型,从数据库中确定与其具有关联关系的高度信息、标准倾角阈值和标准倾斜恢复时长阈值,并且固定车型的高度信息、标准倾角阈值和标准倾斜恢复时长阈值根据其正常荷载量以及正常车辆动力参数确定。
可选的,若所述目标对象为所述待检测车辆中的驾驶员,则目标对象的高度信息包括所述车型的车辆座椅距离地面的高度,以及目标对象头顶相对座椅的高度;
若所述目标对象为所述待检测车辆中的车头部位,则所述目标对象的高度信息包括所述车型的车底盘距离地面的高度,以及车底盘距离车顶的高度。
具体的,根据目标对象的不同确定关联的不同的高度信息。对于目标对象是驾驶员时,由于需要测量驾驶员在刹车时的倾斜角度,因此需要确定驾驶员的离地高度以及驾驶员在车辆中的可以产生倾斜的高度。则驾驶员的高度信息包括车辆座椅距离地面的高度,以及驾驶员头顶到座椅的高度。可选的,对于不同车型,根据驾驶室的高度可以设置对应的目标对象头顶相对座椅的高度;或者,对于不同车型可以采用同一高度作为目标对象头顶相对座椅的高度,例如可以根据国人的平均上半身高度作为驾驶员头顶相对座椅的高度。
对于目标对象为车头部位时,此时需要确定车头部位在刹车时产生的倾斜角度,因此需要确定可以倾斜的车头的高度,以及车头距离地面的高度。则车头部位的高度信息包括车底盘距离地面的高度,以及车底盘距离车顶的高度。
步骤103、根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长。
其中,停车相对距离是指在待检测车辆刹车后最终停止位置与视频采集器之间的距离,可以通过视频采集器的抓拍照片或者雷达测距等多种方式进行获取,在本实施例中不作限定。目标对象的实际倾角值是指根据对待检测车辆监控获取到的视频中,目标对象在刹车时产生的最大倾斜角度值。实际倾斜恢复时长是根据对待检测车辆监控获取到的视频中,目标对象从最大倾斜角度恢复到最小倾斜角度的实际持续时长。
具体的,根据视频中包括的多个图片帧,确定待检测车辆在刹车完成后最终停止位置到视频采集器之间距离,示例性的,停车相对距离包括横向距离和纵向距离,横向距离可以通过判断待检测车辆所属车道进行确定,根据车道宽度对停车相对距离中的横向距离进行确定;纵向距离可以雷达测距进行确定。同时根据视频所有帧图片中目标对象的倾斜角度确定最大倾斜角度,作为目标对象的实际倾角值;并确定目标对象从最大倾斜角度恢复到角度为0时所持续的时长,作为实际倾斜恢复时长。
可选的,根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长,包括:
确定所述视频中停车图片;
根据所述停车图片,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长。
停车图片是指在待检测车辆的视频中待检测车辆刹车停止的图片,由于在待检测车辆停止的对应时刻,目标对象的产生的倾斜角度是最大的,因此可以根据停止图片确定目标对象的实际倾角值。并且在停止图片上,待检测车辆的刹车动作刚刚完成,此时待检测车辆和视频采集器之间的停车相对距离是固定的。从停止图片的对应时刻开始,可以确定目标对象的实际倾斜恢复时长。
可选的,确定所述视频中停车图片,包括:
将所述视频中,目标对象的实际倾角值最大的图片作为停车图片;或者,
将所述视频中,待检测车辆与所述视频采集器之间相对距离保持固定的起始帧图片,作为所述停车图片。
具体的,对于在路口进行刹车的待检测车辆,在目标对象的实际倾角值达到最大的时刻对应的图片为停车图片。示例性的,对于视频的每帧图片中目标对象的实际倾角值进行确定,并确定实际倾角值最大的图片作为停车图片。或者,对于在路口进行刹车的待检测车辆,其位置开始保持稳定不变的图片为停车图片。示例性的,对于视频的每帧图片中待检测车辆与视频采集器之间的相对距离进行确定,其中包括横向距离或者纵向距离,或者确定待检测车辆与视频采集器之间的直线距离,当连续多帧图片中待检测车辆的相对距离不变时,将多张图片中的起始帧图片作为停车图片,其中,多帧图片的帧数可以根据实际情况进行设定。对于正在刹车的车辆,在车停的瞬间其产生的倾斜角度也是对应最大的,因此采用上述两种方式确定的停车图片产生的结果是相同的。
可选的,根据所述停车图片,确定目标对象的实际倾斜恢复时长,包括:
根据所述停车图片,确定目标对象的实际倾斜恢复起始时间;
根据所述停车图片之后的其他图片,确定目标对象的实际倾斜恢复终止时间;
根据所述倾斜恢复起始时间和所述倾斜恢复终止时间,确定目标对象的实际倾斜恢复时长。
具体的,确定停车图片在视频中对应的时间,作为目标对象的实际倾斜恢复起始时间,并继续确定视频中停车图片后续的图片中目标对象的倾斜角度,将连续多张图片中目标对象的倾斜角度不变的起始帧图片,作为目标对象的实际倾斜恢复终止时间。示例性的,将目标对象的倾斜角度为0的图片对应的时间作为实际倾斜恢复终止时间。将倾斜恢复起始时间和倾斜恢复终止时间的差值作为目标对象的实际倾斜恢复时长。
步骤104、确定所述标准倾斜恢复时长阈值和所述实际倾斜恢复时长的时长比较结果,以及根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,并根据所述角度比较结果和所述时长比较结果确定待检测车辆的状态;其中所述待检测车辆的状态为正常或异常。
具体的,当实际倾角值大于标准倾角阈值,且实际倾斜恢复时长小于标准倾斜恢复时长阈值时,说明待检测车辆惯性较大造成目标对象的前倾幅度较大,根据惯性判断该车可能存在超载的问题,因此确定待检测车辆的状态为异常。引入倾斜恢复时长是用于判断目标对象的前倾姿态是惯性所致还是主动前倾,提高根据倾斜角度判断车辆状态的准确性。
可选的,根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,包括:
根据所述目标对象的高度信息和所述相对距离信息,将所述标准倾角阈值和所述实际倾角值统一到同一坐标系中,并根据统一结果进行比较确定角度比较结果。
由于根据车型确定的标准倾角阈值和标准倾斜恢复时长阈值为目标对象在世界坐标系下进行确定的,而由视频采集器获取到的目标对象的实际倾角值和实际倾斜恢复时长是在摄像机坐标系下确定的,因此为了保证比较结果的准确性,需要对不同坐标系进行统一。
根据目标对象的高度信息和相对距离信息,确定标准倾角阈值和实际倾角值之间的转换关系,通过该转换关系可以将两个倾角值统一到同一坐标系下。如图2所示是视频采集器采集的倾角值与目标对象的实际倾角值的转换示意图,H表示视频采集器的安装高度,根据预先设置的数据进行确定,例如若视频采集器安装在人行红绿灯上,则H的值为人行红绿灯的高度。W表示相对距离信息中的横向距离,即表示了待检测车辆和视频采集器之间的横向停车相对距离;L表示相对距离信息中的纵向距离,即表示了待检测车辆和视频采集器之间的纵向停车相对距离,通过W和L可以确定待检测车辆刹车完成的最终停车位置。在目标对象为驾驶员时,h表示车辆座椅距离地面的高度,l表示驾驶员头顶相对座椅的高度;在目标对象为车头部位时,h表示车底盘距离地面的高度,l表示车底盘距离车顶的高度。θ表示在世界坐标系下的实际倾角值,α表示在摄像机坐标系下对应的捕获到的目标对象的倾角值。根据图2中的高度信息和距离信息可以确定如下关系:
由上述公式可以得到实际倾角值θ和对应摄像机捕获到的倾角值α之间的转换关系:
基于上述转换关系,可以实现将标准倾角阈值和实际倾角值统一到同一坐标系中。具体的,可以将在摄像机坐标系下的标准倾角阈值转换为在世界坐标系下对应的转换标准倾角阈值,比较转换标准倾角阈值和实际倾角值之间的大小。同样也可以将世界坐标系下获取到的实际倾角值转换为在摄像机坐标系下的转换实际倾角值,然后比较标准倾角阈值和转换实际倾角值的大小,确定角度比较结果。将两个角度值统一到同一坐标系下,提高根据比较结果确定车辆状态的准确性。
可选的,在本发明实施例中,根据倾角值确定的待检测车辆处于异常状态时,包括待检测车辆可能出现超载或超速的现象。因为刹车带来的倾角值变化不仅和车辆的载重有关,还和车辆的速度有关。
本发明实施例根据待检测车辆的视频确定待检测车辆的车型,根据车型和视频信息确定待检测车辆的倾斜状态信息,根据倾斜状态信息的大小确定该待检测车辆的状态。通过对待检测车辆中目标对象的倾斜角度以及倾斜恢复时间的判断,实现了对待检测车辆的状态检测,本发明实施例利用已有的交通设施,少量的改造视频采集器,成本低,且通过视频检测的方式,实现了实时对待检测车辆超载现象进行筛查,减少人工核查的工作量,并且本发明实施方案受人为干扰因素少,可行性高。
实施例二
图3是本发明实施例二中的车辆状态检测方法的流程图,本实施例二在实施例一的基础上进行进一步地优化。如图3所示,所述方法包括:
步骤301、根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型。
步骤302、若通过速度采集器获取的待检测车辆的最大速度大于速度阈值,且根据所述视频确定所述待检测车辆的刹车距离大于所述车型的刹车距离阈值,则确定所述待检测车辆处于异常状态。
其中,速度采集器用于获取待检测车辆的速度信息,一般可通过在红绿灯上方设置测速相机。最大速度是指待检测车辆被速度采集器采集到的最大速度。速度阈值是根据道路情况进行设置的阈值,示例性的,可以根据道路实际情况将速度阈值设置为该道路的限速值或者在路口遇到红灯情况下的平均控制车速,例如在路口遇到红灯的情况下,一般车速会控制在25km/h以下,将速度阈值设置为25km/h。刹车距离是指在视频中出现待检测车辆时,到车辆刹车完成时,该车辆所行驶的距离。刹车距离阈值是指根据待检测车辆的车型信息中的车辆载重以及道路限速信息,确定的在规定情况下该车型的待检测车辆刹车时所产生的最大刹车距离。
具体的,确定待检测车辆出现在视频采集器获取的视频中起始位置,确定起始位置的坐标;并确定视频中停车图片中待检测车辆的停止位置,确定停止位置的坐标,其中,停止图片的确定可参考实施例一,在此不做赘述。刹车距离即为起始位置与停止位置的差值,其中,起始位置的坐标和停止位置的坐标可采用与视频采集器的相对坐标,或者采用在世界坐标系的实际坐标。
若确定的刹车距离大于待检测车辆的车型关联的刹车距离阈值,则确定待检测车辆可能出现超载现象,确定其状态为异常。可选的,当速度阈值为在路口遇到红灯情况下的平均控制车速时,则当待检测车辆的最大速度大于速度阈值且小于道路限速值时,启动根据刹车距离判断待检测车辆的状态;若待检测车辆的最大速度大于道路限速值时,直接判断该待检测车辆处于超速状态。
步骤303、否则,继续执行根据目标对象的倾角值确定待检测车辆的状态的操作。
其中,否则是指处于以下情况下:没有获取到待检测车辆的速度信息,通过速度采集器获取的待检测车辆的最大速度小于速度阈值,以及通过速度采集器获取的待检测车辆的最大速度大于速度阈值,且根据所述视频确定所述待检测车辆的刹车距离小于等于所述车型的刹车距离阈值。
若处于上述几种情况,表示无法通过刹车距离准确判断待检测车辆的状态,则执行根据目标对象的倾角值确定待检测车辆的状态的操作,关于根据目标对象的倾角值确定待检测车辆的状态的过程参考实施例一中步骤102至步骤104,在此不作赘述。
可选的,通过刹车距离确定待检测车辆处于异常状态,则通过后台服务器等工具将待检测车辆的信息发送至附近交警或城管处,通知交警对待检测车辆进行实际超载审查。其中,发送的待检测车辆的信息包括待检测车辆的位置信息以及车辆信息,如车牌和车型等。
可选的,执行根据目标对象的倾角值确定待检测车辆的状态的操作时,将检测结果存储在数据库中,当待检测车辆连续多次被检测为状态异常时,则将待检测车辆的信息发送至附近交警或城管处。触发阈值可以根据实际情况进行设置。由于倾角值除了跟待检测车辆的重量有关,还和驾驶员的刹车缓急有关,因此存在一定的误差,可采用多次触发判断的策略以减少人为刹车缓急带来的影响,提高对车辆载重状态检测的准确性。
可选的,在本实施例中采用倾角值对待检测车辆的状态进行确定,也可以对目标对象进行位移检测或者其他相关参数,换算方法与本实施例中采用倾角值相同,在此不作赘述,因此采用相关类似参数进行待检测车辆状态确定的方法没有脱离本发明的保护范围。
可选的,所述方法还包括:
在检测到信号灯状态处于固定状态时,控制视频采集器采集待检测车辆的视频。
固定状态是指信号灯处于黄灯或红灯。具体的,获取信号灯控制系统的输出状态信息,当检测到信号灯处于黄灯或红灯时,启动视频采集器开始采集待检测车辆的视频数据,并开始后续的刹车距离检测以及倾角值检测。可选的,通过对信号灯状态的检测,刹车距离可确定为在黄灯至红灯时间范围内,待检测车辆的距离变化区间。
由于在信号灯处于绿灯状态时,待检测车辆很少出现刹车现象,因此为了减少资源浪费,通过对信号灯状态的检测控制视频采集器。并且通过对信号灯状态的检测,提高了对刹车距离以及倾角值确定的准确性,提高对待检测车辆状态确定的准确性。
本发明实施例通过在执行根据倾角值确定车辆状态操作前,根据速度采集器以及视频采集器确定车辆的刹车距离,进而对车辆状态进行预判断。提高了对车辆状态检测的效率和准确性。并且通过对信号灯状态的检测,减少了对检测资源的浪费,提高检测效率。
实施例三
图4是本发明实施例三中的车辆状态检测装置的结构示意图,本实施例可适用于在普通道路上通过安装视频采集器实现对车辆超载状态进行检测的情况。如图3所示,该装置包括:
车型确定模块410,用于根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型;
车型关联信息确定模块420,用于根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值;
视频关联信息确定模块430,用于根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长;
状态确定模块440,用于确定所述标准倾斜恢复时长阈值和所述实际倾斜恢复时长的时长比较结果,以及根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,并根据所述角度比较结果和所述时长比较结果确定待检测车辆的状态;其中所述待检测车辆的状态为正常或异常。
本发明实施例根据待检测车辆的视频确定待检测车辆的车型,根据车型和视频信息确定待检测车辆的倾斜状态信息,根据倾斜状态信息的大小确定该待检测车辆的状态。通过对待检测车辆中目标对象的倾斜角度以及倾斜恢复时间的判断,实现了对待检测车辆的状态检测,本发明实施例利用已有的交通设施,少量的改造视频采集器,成本低,且通过视频检测的方式,实现了实时对待检测车辆超载现象进行筛查,减少人工核查的工作量,并且本发明实施方案受人为干扰因素少,可行性高。
可选的,视频关联信息确定模块430,包括:
停车图片确定单元,用于确定所述视频中停车图片;
停车图片关联信息确定单元,用于根据所述停车图片,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长。
可选的,停车图片确定单元,具体用于:
将所述视频中,目标对象的实际倾角值最大的图片作为停车图片;或者,
将所述视频中,待检测车辆与所述视频采集器之间相对距离保持固定的起始帧图片,作为所述停车图片。
可选的,停车图片关联信息确定单元,包括实际倾斜恢复时长确定子单元,具体用于:
根据所述停车图片,确定目标对象的实际倾斜恢复起始时间;
根据所述停车图片之后的其他图片,确定目标对象的实际倾斜恢复终止时间;
根据所述倾斜恢复起始时间和所述倾斜恢复终止时间,确定目标对象的实际倾斜恢复时长。
可选的,状态确定模块440,包括坐标系统一单元,具体用于:
根据所述目标对象的高度信息和所述相对距离信息,将所述标准倾角阈值和所述实际倾角值统一到同一坐标系中,并根据统一结果进行比较确定角度比较结果。
可选的,若所述目标对象为所述待检测车辆中的驾驶员,则目标对象的高度信息包括所述车型的车辆座椅距离地面的高度,以及目标对象头顶相对座椅的高度;
若所述目标对象为所述待检测车辆中的车头部位,则所述目标对象的高度信息包括所述车型的车底盘距离地面的高度,以及车底盘距离车顶的高度。
可选的,所述装置还包括速度检测模块,具体用于:
若通过速度采集器获取的待检测车辆的最大速度大于速度阈值,且根据所述视频确定所述待检测车辆的刹车距离大于所述车型的刹车距离阈值,则确定所述待检测车辆处于异常状态;否则,继续执行根据目标对象的倾角值确定待检测车辆的状态的操作。
可选的,所述装置还包括信号灯检测模块,具体用于:
在检测到信号灯状态处于固定状态时,控制视频采集器采集待检测车辆的视频。
本发明实施例所提供的车辆状态检测装置可执行本发明任意实施例所提供的车辆状态检测方法,具备执行车辆状态检测方法相应的功能模块和有益效果。
实施例四
图5是本发明实施例四提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储装置28,连接不同系统组件(包括系统存储装置28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储装置28可以包括易失性存储装置形式的计算机系统可读介质,例如随机存取存储装置(RAM)30和/或高速缓存存储装置32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储装置28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储装置28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图5中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储装置28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的车辆状态检测方法,包括:
根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型;
根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值;
根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长;
确定所述标准倾斜恢复时长阈值和所述实际倾斜恢复时长的时长比较结果,以及根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,并根据所述角度比较结果和所述时长比较结果确定待检测车辆的状态;其中所述待检测车辆的状态为正常或异常。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的车辆状态检测方法,包括:
根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型;
根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值;
根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长;
确定所述标准倾斜恢复时长阈值和所述实际倾斜恢复时长的时长比较结果,以及根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,并根据所述角度比较结果和所述时长比较结果确定待检测车辆的状态;其中所述待检测车辆的状态为正常或异常。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种车辆状态检测方法,其特征在于,包括:
根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型;
根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值;
根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长;
确定所述标准倾斜恢复时长阈值和所述实际倾斜恢复时长的时长比较结果,以及根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,并根据所述角度比较结果和所述时长比较结果确定待检测车辆的状态;其中所述待检测车辆的状态为正常或异常。
2.根据权利要求1所述的方法,其特征在于,根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长,包括:
确定所述视频中停车图片;
根据所述停车图片,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长。
3.根据权利要求2所述的方法,其特征在于,确定所述视频中停车图片,包括:
将所述视频中,目标对象的实际倾角值最大的图片作为停车图片;或者,
将所述视频中,待检测车辆与所述视频采集器之间相对距离保持固定的起始帧图片,作为所述停车图片。
4.根据权利要求2所述的方法,其特征在于,根据所述停车图片,确定目标对象的实际倾斜恢复时长,包括:
根据所述停车图片,确定目标对象的实际倾斜恢复起始时间;
根据所述停车图片之后的其他图片,确定目标对象的实际倾斜恢复终止时间;
根据所述倾斜恢复起始时间和所述倾斜恢复终止时间,确定目标对象的实际倾斜恢复时长。
5.根据权利要求1所述的方法,其特征在于,根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,包括:
根据所述目标对象的高度信息和所述相对距离信息,将所述标准倾角阈值和所述实际倾角值统一到同一坐标系中,并根据统一结果进行比较确定角度比较结果。
6.根据权利要求1或5所述的方法,其特征在于,
若所述目标对象为所述待检测车辆中的驾驶员,则目标对象的高度信息包括所述车型的车辆座椅距离地面的高度,以及目标对象头顶相对座椅的高度;
若所述目标对象为所述待检测车辆中的车头部位,则所述目标对象的高度信息包括所述车型的车底盘距离地面的高度,以及车底盘距离车顶的高度。
7.根据权利要求1所述的方法,其特征在于,根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值之前,还包括:
若通过速度采集器获取的待检测车辆的最大速度大于速度阈值,且根据所述视频确定所述待检测车辆的刹车距离大于所述车型的刹车距离阈值,则确定所述待检测车辆处于异常状态;否则,继续执行根据目标对象的倾角值确定待检测车辆的状态的操作。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在检测到信号灯状态处于固定状态时,控制视频采集器采集待检测车辆的视频。
9.一种车辆状态检测装置,其特征在于,包括:
车型确定模块,用于根据视频采集器获取的待检测车辆的视频,确定所述待检测车辆的车型;
车型关联信息确定模块,用于根据所述车型,确定待检测车辆中目标对象的高度信息、标准倾角阈值和标准倾斜恢复时长阈值;
视频关联信息确定模块,用于根据所述视频,确定待检测车辆和视频采集器之间的停车相对距离,以及目标对象的实际倾角值和实际倾斜恢复时长;
状态确定模块,用于确定所述标准倾斜恢复时长阈值和所述实际倾斜恢复时长的时长比较结果,以及根据所述目标对象的高度信息和所述相对距离信息,确定所述标准倾角阈值和所述实际倾角值的角度比较结果,并根据所述角度比较结果和所述时长比较结果确定待检测车辆的状态;其中所述待检测车辆的状态为正常或异常。
10.一种设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的车辆状态检测方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的车辆状态检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010070135.0A CN113223290B (zh) | 2020-01-21 | 2020-01-21 | 车辆状态检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010070135.0A CN113223290B (zh) | 2020-01-21 | 2020-01-21 | 车辆状态检测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113223290A CN113223290A (zh) | 2021-08-06 |
CN113223290B true CN113223290B (zh) | 2022-08-05 |
Family
ID=77085193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010070135.0A Active CN113223290B (zh) | 2020-01-21 | 2020-01-21 | 车辆状态检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113223290B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104842855A (zh) * | 2014-02-19 | 2015-08-19 | 北汽福田汽车股份有限公司 | 车辆及其超载报警方法和超载报警系统 |
CN105115578A (zh) * | 2015-09-19 | 2015-12-02 | 方昌銮 | 一种通过测量钢板形变检测车辆载重的方法及测量系统 |
CN105139044A (zh) * | 2015-05-27 | 2015-12-09 | 北京万集科技股份有限公司 | 基于汽车电子标识的车辆超载超限检测方法、装置及系统 |
CN105910692A (zh) * | 2016-06-20 | 2016-08-31 | 河北科技大学 | 基于加速度传感器的车辆载重测量方法 |
CN107310472A (zh) * | 2017-05-19 | 2017-11-03 | 北汽福田汽车股份有限公司 | 超载提示控制方法、装置及车辆 |
CN107507420A (zh) * | 2017-08-15 | 2017-12-22 | 深圳智慧车联科技有限公司 | 车辆超载监控方法、系统及车辆 |
CN107945516A (zh) * | 2017-12-25 | 2018-04-20 | 重庆冀繁科技发展有限公司 | 车辆超限超载不停车检测系统 |
CN108230688A (zh) * | 2017-12-25 | 2018-06-29 | 重庆冀繁科技发展有限公司 | 车辆超载远程监控系统 |
CN109747609A (zh) * | 2019-01-28 | 2019-05-14 | 阮忠诚 | 一种车辆超载检测系统 |
CN110146149A (zh) * | 2019-05-10 | 2019-08-20 | 王志伟 | 一种车辆超载检测系统 |
CN110194056A (zh) * | 2018-02-26 | 2019-09-03 | 长城汽车股份有限公司 | 一种车辆超载检测方法、装置及车辆 |
CN110588666A (zh) * | 2019-10-09 | 2019-12-20 | 北京百度网讯科技有限公司 | 用于控制车辆行驶的方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206948508U (zh) * | 2017-06-28 | 2018-01-30 | 上海悦钦建筑安装工程有限公司 | 高速公路货车超载监测系统 |
US11104353B2 (en) * | 2018-01-02 | 2021-08-31 | Telenav, Inc. | Computing system with autonomous operation mechanism and method of operation thereof |
CN109000770A (zh) * | 2018-06-20 | 2018-12-14 | 威马智慧出行科技(上海)有限公司 | 一种车辆超载检测方法及其装置 |
-
2020
- 2020-01-21 CN CN202010070135.0A patent/CN113223290B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104842855A (zh) * | 2014-02-19 | 2015-08-19 | 北汽福田汽车股份有限公司 | 车辆及其超载报警方法和超载报警系统 |
CN105139044A (zh) * | 2015-05-27 | 2015-12-09 | 北京万集科技股份有限公司 | 基于汽车电子标识的车辆超载超限检测方法、装置及系统 |
CN105115578A (zh) * | 2015-09-19 | 2015-12-02 | 方昌銮 | 一种通过测量钢板形变检测车辆载重的方法及测量系统 |
CN105910692A (zh) * | 2016-06-20 | 2016-08-31 | 河北科技大学 | 基于加速度传感器的车辆载重测量方法 |
CN107310472A (zh) * | 2017-05-19 | 2017-11-03 | 北汽福田汽车股份有限公司 | 超载提示控制方法、装置及车辆 |
CN107507420A (zh) * | 2017-08-15 | 2017-12-22 | 深圳智慧车联科技有限公司 | 车辆超载监控方法、系统及车辆 |
CN107945516A (zh) * | 2017-12-25 | 2018-04-20 | 重庆冀繁科技发展有限公司 | 车辆超限超载不停车检测系统 |
CN108230688A (zh) * | 2017-12-25 | 2018-06-29 | 重庆冀繁科技发展有限公司 | 车辆超载远程监控系统 |
CN110194056A (zh) * | 2018-02-26 | 2019-09-03 | 长城汽车股份有限公司 | 一种车辆超载检测方法、装置及车辆 |
CN109747609A (zh) * | 2019-01-28 | 2019-05-14 | 阮忠诚 | 一种车辆超载检测系统 |
CN110146149A (zh) * | 2019-05-10 | 2019-08-20 | 王志伟 | 一种车辆超载检测系统 |
CN110588666A (zh) * | 2019-10-09 | 2019-12-20 | 北京百度网讯科技有限公司 | 用于控制车辆行驶的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113223290A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
CN105976450A (zh) | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 | |
CN111369831A (zh) | 一种道路驾驶危险预警方法、装置和设备 | |
US20220358768A1 (en) | Vehicle and method for avoiding a collision of a vehicle with one or more obstacles | |
CN108482382B (zh) | 驾驶技术评分方法、设备、存储介质及车辆 | |
CN113581101B (zh) | 工程车辆事故检测处理方法及装置 | |
CN112700640B (zh) | 道路状态监测方法、服务器、车载设备及路侧设备 | |
KR102107466B1 (ko) | 자율주행차량 기반의 주행제어장치 및 방법 | |
CN111959503B (zh) | 车辆制动方法、装置、系统及设备 | |
US20230249660A1 (en) | Electronic Mechanical Braking Method and Electronic Mechanical Braking Apparatus | |
CN108760333A (zh) | 针对基于adas功能的智能车的场景测试方法 | |
CN111709341B (zh) | 客梯车作业状态的检测方法与系统 | |
CN114184265A (zh) | 工程车辆称重方法、装置及工程车辆 | |
CN117022323A (zh) | 一种智能驾驶车辆行为分析与预测系统及方法 | |
CN111767850A (zh) | 突发事件的监控方法、装置、电子设备和介质 | |
CN113223290B (zh) | 车辆状态检测方法、装置、设备和存储介质 | |
CN114834408A (zh) | 汽车制动方法及系统 | |
CN114038196A (zh) | 车辆前向防撞预警系统及方法 | |
CN111332270B (zh) | 一种刹车性能判断方法、装置、介质、控制器及车辆 | |
CN110450788B (zh) | 一种驾驶模式切换方法、装置、设备及存储介质 | |
CN116767153A (zh) | 制动器盘片间隙的控制方法、装置、存储介质及电子设备 | |
CN116605194A (zh) | 危险工况处理方法、装置、车辆、服务器、系统及介质 | |
CN114323693B (zh) | 车路云感知系统的测试方法、装置、设备及存储介质 | |
CN116453375A (zh) | 城市道路危险数据监控管理方法、装置、电子设备及介质 | |
CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 |
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 |