CN113470088B - 一种车挂箱状态的判断方法和系统 - Google Patents

一种车挂箱状态的判断方法和系统 Download PDF

Info

Publication number
CN113470088B
CN113470088B CN202110703051.0A CN202110703051A CN113470088B CN 113470088 B CN113470088 B CN 113470088B CN 202110703051 A CN202110703051 A CN 202110703051A CN 113470088 B CN113470088 B CN 113470088B
Authority
CN
China
Prior art keywords
trailer
box
angle
point cloud
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.)
Active
Application number
CN202110703051.0A
Other languages
English (en)
Other versions
CN113470088A (zh
Inventor
刘煜
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.)
Shanghai Yuwan Technology Co ltd
Original Assignee
Shanghai Yuwan Technology 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 Shanghai Yuwan Technology Co ltd filed Critical Shanghai Yuwan Technology Co ltd
Priority to CN202110703051.0A priority Critical patent/CN113470088B/zh
Publication of CN113470088A publication Critical patent/CN113470088A/zh
Application granted granted Critical
Publication of CN113470088B publication Critical patent/CN113470088B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种车挂箱状态的判断方法和系统，其中方法包括以下步骤：在车头的后侧安装ToF摄像头，来观测车挂箱的前壁；通过ToF摄像头得出车挂箱与车头之间的夹角和角速度；通过夹角和角速度，由车头的状态来判定车挂箱的状态。本发明的优点是：在车头安装感知传感器，对挂车的状态可进行实时估计判断，同时：不用改挂箱，成本相对较低，有车规级的传感器。

Description

一种车挂箱状态的判断方法和系统
技术领域
本发明涉及车辆运输领域，更确切地说一种车挂箱状态的判断方法和系统。
背景技术
自动驾驶中，对车本身的状态(如位置，速度等)的估计是非常重要信息。目前有很多种车辆是铰接式(例如，半挂式卡车铰接式清扫车)，如图1所示。自动驾驶系统中，需要准确的对车头和挂箱的状态(包括，位置、线性速度和旋转速度)做出准确的估计。一般来说，自动驾驶系统，对车体定位的系统往往都装在车头上。所以，如何能准确的估计车挂箱的状态就是一个必须要解决的问题。
现有技术中，一般会有以下两种结构：
1、在车的挂箱上面安装对位设备，例如GPS+IMU，该结构存在以下缺点：
a.增加成本；
b.必须改装挂箱，安装角度设备；
c.很多运营场景无法适应，如甩挂运营(就是车头和车尾的匹配，在运营中是比较随机的)；
2、在车的铰接链接处安装角度传感器，该结构存在以下缺点：
a.必须改装挂箱，安装定位设备；
b.很多运营场景无法适应，如甩挂运营(就是车头和车尾的匹配，在运营中是比较随机的)；
c.解决方案不成熟，没有过车规的角度传感器。
发明内容
本发明的目的是提供一种车挂箱状态的判断方法和系统，其可以解决现有技术中的成本较高，需要改装挂箱的缺点。
本发明采用以下技术方案：
一种车挂箱状态的判断方法，包括以下步骤：
在车头的后侧安装ToF摄像头，来观测车挂箱的前壁；
通过ToF摄像头得出车挂箱与车头之间的夹角和角速度；
通过夹角和角速度，由车头的状态来判定车挂箱的状态。
还包括以下步骤：
在每个时刻，获得ToF摄像头在车挂箱前壁的点云图；
在每个时刻k，获得ToF摄像头在车挂箱前壁的点云pk的图；
根据这个平面对应的法向量，可以计算出车挂箱和车头的角度值；
根据当前时刻的点云pk，和上一时刻的点云pk-1，通过做点云配准算法，来计算两时刻之间的车挂箱的转动角度Δθk＝h(pk,pk-1)；瞬时角速度
Figure BDA0003130948260000021
的测量可以通过如下计算得到，其中ΔT是两帧的时间间隔，
Figure BDA0003130948260000022
输出当前时刻k的车挂箱相对车头的角度和角速度的测量值。
还包括以下步骤：时间序列滤波，其为：
每个时刻k都可以得到一个挂车角度θk和挂车角速度
Figure BDA0003130948260000023
的测量值；
对上述挂车角度θk和挂车角速度
Figure BDA0003130948260000024
的测量值进行时间滤波。
还包括反馈步骤；
将最终输出每个时刻车挂箱相对车头的角度和角速度结果进入反馈，做鲁棒性拟合的时候，考虑上一时刻的结果。
在根据点云，鲁棒拟合一个平面的步骤中，考虑上一时刻的结果。
一种车挂箱状态的判断系统,其特征在于，包括：
ToF摄像头，其安装在车头的后侧，来观测车挂箱的前壁，通过ToF摄像头得出车挂箱与车头之间的夹角和角速度；
判定模块，其通过夹角和角速度，由车头的状态来判定车挂箱的状态。
还包括：
点去图生成模块，其在每个时刻k，获得ToF摄像头在车挂箱前壁的点云pk的图；
鲁棒拟合模块，其根据点云，鲁棒拟合一个平面；根据这个平面对应的法向量，可以计算出车挂箱和车头的角度值；
转动角度计算模块，其根据当前时刻的点云pk，和上一时刻的点云pk-1，通过做点云配准算法，来计算两时刻之间的车挂箱的转动角度Δθk＝h(pk,pk-1)；
瞬时角速度计算模块，其可以通过如下计算得到，其中ΔT是两帧的时间间隔，
Figure BDA0003130948260000025
输出模块，其输出当前时刻k的车挂箱相对车头的角度和角速度的测量值。
时间序列滤波模块，其在每个时刻k都可以得到一个挂车角度θk和挂车角速度
Figure BDA0003130948260000031
的测量值；
对上述挂车角度θk和挂车角速度
Figure BDA0003130948260000032
的测量值进行时间滤波。
反馈模块，其将最终输出每个时刻车挂箱相对车头的角度和角速度结果进入反馈，做鲁棒性拟合的时候，考虑上一时刻的结果。
在根据点云，鲁棒拟合一个平面的步骤中，考虑上一时刻的结果。
本发明的优点是：在车头安装感知传感器，对挂车的状态可进行实时估计判断，同时：不用改挂箱，成本相对较低，有车规级的传感器。
附图说明
下面结合实施例和附图对本发明进行详细说明，其中：
图1是车身和挂车的运行转角的示意图。
图2是本发明的车挂箱的结构示意图。
图3是本发明的车挂箱状态的判断方法的流程示意图。
图4至图5是本发明的实施例一的点云图。
图6是点云的反射率的柱状统计图。
图7是实施例一的角速度示意图。
图8是实施例一的车挂平面平移量示意图。
图9是车头与车挂箱的夹角示意图。
图10至图11是本发明的实施例二的点云图。
图12是点云的反射率的柱状统计图。
图13是实施例二的角速度示意图。
图14是实施例二的车挂平面平移量示意图。
图15是车头与车挂箱的夹角示意图。
具体实施方式
下面进一步阐述本发明的具体实施方式：
ToF摄像头具有同时成像和侧深度的功能(可以出3D点云数据，XYZ+intensity)，常用波长940nm，常用分辨率640*480或者320*240；FoV可以定制；测距范围～5m；测距精度～1％-3％；可以达到车规；成本较低<1k CNY/Unit(volume price)。
如图1、2所示，一种车挂箱状态的判断方法，包括以下步骤：
在车头1的后侧安装ToF摄像头2，来观测车挂箱3的前壁；
通过ToF摄像头得出车挂箱与车头之间的夹角和角速度；
通过夹角和角速度，由车头的状态来判定车挂箱的状态，该状态包括车挂箱的位置、线性速度和旋转速度。
还包括以下步骤：
S100,在每个时刻k，获得ToF摄像头在车挂箱前壁的点云pk的图；
S200,根据点云，鲁棒拟合一个平面，根据这个平面对应的法向量，可以计算出车挂箱和车头的角度值；
S300,根据当前时刻的点云pk，和上一时刻的点云pk-1，通过做点云配准算法，来计算两时刻之间的车挂箱的转动角度Δθk＝h(pk,pk-1)；瞬时角速度
Figure BDA0003130948260000041
的测量可以通过如下计算得到，其中ΔT是两帧的时间间隔，
Figure BDA0003130948260000042
S600,输出每个时刻车挂箱相对车头的角度和角速度的测量值。
还包括以下步骤：S400,时间序列滤波，其为：
每个时刻k都可以得到一个挂车角度θk和挂车角速度
Figure BDA0003130948260000043
的测量值；
对上述挂车角度θk和挂车角速度
Figure BDA0003130948260000044
的测量值进行时间滤波。
还包括S500反馈步骤；
将最终输出每个时刻车挂箱相对车头的角度和角速度结果进入反馈，做鲁棒性拟合的时候，考虑上一时刻的结果。
在根据点云，鲁棒拟合一个平面的步骤中，考虑上一时刻的结果。
一种车挂箱状态的判断系统,包括：
ToF摄像头，其安装在车头的后侧，来观测车挂箱的前壁，通过ToF摄像头得出车挂箱与车头之间的夹角和角速度；
判定模块，其通过夹角和角速度，由车头的状态来判定车挂箱的状态，该状态包括车挂箱的位置、线性速度和旋转速度。
还包括：
点去图生成模块，其在每个时刻k，获得ToF摄像头在车挂箱前壁的点云pk的图；
鲁棒拟合模块，其根据点云，鲁棒拟合一个平面，根据这个平面对应的法向量，可以计算出车挂箱和车头的角度值；该步骤并不局限于某个特定的平面拟合算法。只要这个算法能基于ToF的点云，在有噪声点和野值点的情况下，有效的拟合出一个正确的平面即可。
转动角度计算模块，其根据当前时刻的点云pk，和上一时刻的点云pk-1，通过做点云配准算法，来计算两时刻之间的车挂箱的转动角度Δθk＝h(pk,pk-1)；
瞬时角速度计算模块，其可以通过如下计算得到，其中ΔT是两帧的时间间隔，
Figure BDA0003130948260000051
输出模块，其输出每个时刻车挂箱相对车头的角度和角速度的测量值。
时间序列滤波模块，其在每个时刻k都可以得到一个挂车角度θk和挂车角速度
Figure BDA0003130948260000052
的测量值；
对上述挂车角度θk和挂车角速度
Figure BDA0003130948260000053
的测量值进行时间滤波。
反馈模块，其将最终输出每个时刻车挂箱相对车头的角度和角速度结果进入反馈，做鲁棒性拟合的时候，考虑上一时刻的结果。
在根据点云，鲁棒拟合一个平面的步骤中，考虑上一时刻的结果。
车头和车挂箱间夹角算法如下：
在每个时刻，获得ToF摄像头在车挂箱前壁的点云图，假设在在时刻，得到了一幅点云，
Figure BDA0003130948260000054
其中
Figure BDA0003130948260000055
是k时刻第i个点在相机坐标系下的3D位置，
Figure BDA0003130948260000056
是k时刻第i个点的反射率，i＝1,2,3......，Nk是时刻点的总数。
根据点云，鲁棒拟合一个平面；并不局限于某个特定的平面拟合算法。
只要这个算法能基于ToF的点云，在有噪声点和野值点的情况下，有效的拟合出一个正确的平面即可。其采用以下公式：
nk＝f(pk)；
其中f(·)就是上面提到的鲁棒性拟合的算法，将得到的点云作为输出，就可以得到拟合的平面的法相向量nk。此处可以考虑上一时刻挂车角度的估计值作为参考值，来减少搜索的空间，从而提高效率和精度，因为车辆在运动过程中，挂车的夹角不太可能发生大的突变。只要根据这个法相向量
Figure BDA0003130948260000057
计算它和相机坐标系下yz平面的夹角,即为挂车和车头的夹角，
Figure BDA0003130948260000058
根据当前时刻的点云pk，和上一时刻的点云pk-1，通过做点云配准算法，来计算两时刻之间的车挂箱的转动角度Δθk＝h(pk,pk-1)，常用的点云配准算法h(.,.)也有很多，例如ICP，NDT等。该方法不局限于某一种点云配准方法。瞬时角速度
Figure BDA0003130948260000061
的测量可以通过如下计算得到，其中ΔT是两帧的时间间隔；
Figure BDA0003130948260000062
基于上述两步，每个时刻k都可以得到一个挂车角度θk和挂角速度
Figure BDA0003130948260000063
的测量值。但是每时刻的测量值会有比较大的噪声或者误差。
所以基于每个时刻算出来的夹角θk和角速度
Figure BDA0003130948260000064
可以做时间序列上的滤波，以降低噪声和误差。
假设自车在运行过程中，车头和挂车的夹角满足匀速运动学模型，即
Figure BDA0003130948260000065
每个时刻算出来的夹角θk和角速度
Figure BDA0003130948260000066
可以认为是
Figure BDA0003130948260000067
的测量值，所以有测量方程如下：
Figure BDA0003130948260000068
基于上面设计的运动学方程和测量学方程，可以应用卡尔曼(Kalman Filter)来滤波得到每个时刻角度和角速度的滤波后的结果
Figure BDA0003130948260000069
这个结果比每一时刻的测量值
Figure BDA00031309482600000610
更加精确，噪声或者误差更小。
实施例1
车辆先直行，然后向左转弯，最终车头和国挂箱的夹角大约在40度左右。图4和图5展示了ToF摄像头在第11帧，对车辆挂车的点云图，蓝色的平面，是拟合出来的平面。图6是这些点云反射强度的直方图。通过拟合出来的平面，就能计算出每个时刻车挂箱和车头的夹角。图7和图8是ICP对相邻时刻的点云来计算的平移和旋转，图9是每个时刻的车头和车尾的夹角。可以看出开始，车头和车尾的夹角很小，大约在0～5度之间，随着车辆转弯，夹角增加，最后达到40～45度之间。计算第11帧时刻的挂车角度和角速度的计算过程：假设我们已经拿到了第11帧时的点云数据
Figure BDA00031309482600000611
以及上一时刻(第10帧)的拟合的车挂平面的法向量n10，根据算法中的拟合方法，计算出当前帧的点云平面的法向量n11＝f(p11,n10)，其可以利用现有的开源代码，或者软件工具，例如Matlab的内嵌平面拟合函数PcRobustFitPlane来实现。基于这个法向量，可以计算出当前时刻，挂车和车头的角度
Figure BDA0003130948260000071
基于前一帧(第10帧)，和当前(第11帧)帧两帧的点云数据
Figure BDA0003130948260000072
基于算法中的点云配准方法，计算相邻两帧之间，车挂转动的角度Δθ11＝h(p11,p10),这个可以利用现有的开源代码，或者软件工具，例如Matlab的内嵌平面拟合函数pcregrigid来实现。这个转动角度除以两帧之间的时间间隔ΔT就可以计算出当时的挂车转动的瞬时角速度
Figure BDA0003130948260000073
基于上面两步得到的挂车角度和角速度的{θ11,Δθ11},以及上一个周期计算的车挂的角度和角速度的滤波结果
Figure BDA0003130948260000074
根据算法做卡尔曼滤波，计算得到当前时刻车挂的角度和角速度的滤波结果
Figure BDA0003130948260000075
输出滤波结果
Figure BDA0003130948260000076
作为当前时刻对挂车角度和角速度的最终计算计结果。
实施例2
如图10至图15所示，从转弯恢复到直行，该计算过程与实施例1相同。一旦获得了每时刻车头和车尾的夹角和角速度，就可以根据车头的状态，和几何模型，马上计算出车尾的状态，包括位置和速度。
上述两个例子展示了本发明基于ToF的3D点云来估计每一个时刻挂车和牵引头的角度和角速度，再根据车头的定位状态，如车头的位置，速度等信息，和车辆铰接的几何模型。可以准确的计算出挂车的姿态，包括位置，线性速度，和转动角速度。本发明的方法相对于现有的方法，每个时刻不仅可以提供更精确的角度测量值，也还可以提供角速度测量值。角速度测量值，对估计挂车的线性运动速度和旋转运动有很大帮助，可以大大提高估计精度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种车挂箱状态的判断方法，其特征在于，包括以下步骤：
在车头的后侧安装ToF摄像头，来观测车挂箱的前壁；
通过ToF摄像头得出车挂箱与车头之间的夹角和角速度；
通过夹角和角速度，由车头的状态来判定车挂箱的状态；
还包括以下步骤：
在每个时刻k，获得ToF摄像头在车挂箱前壁的点云pk的图；
根据点云，鲁棒拟合一个平面，根据这个平面对应的法向量，可以计算出车挂箱和车头的角度值；
根据当前时刻的点云pk，和上一时刻的点云pk-1，通过做点云配准算法，来计算两时刻之间的车挂箱的转动角度Δθk＝h(pk,pk-1)；瞬时角速度
Figure FDA0003780639150000011
的测量可以通过如下计算得到，其中ΔT是两帧的时间间隔，
Figure FDA0003780639150000012
输出当前时刻k的车挂箱相对车头的角度和角速度的测量值。
2.根据权利要求1所述的车挂箱状态的判断方法，其特征在于，还包括以下步骤：时间序列滤波，其为：
每个时刻k都可以得到一个挂车角度θk和挂车角速度
Figure FDA0003780639150000013
的测量值；
对上述挂车角度θk和挂车角速度
Figure FDA0003780639150000014
的测量值进行时间滤波。
3.根据权利要求2所述的车挂箱状态的判断方法，其特征在于，还包括反馈步骤；
将最终输出每个时刻车挂箱相对车头的角度和角速度结果进入反馈，做鲁棒性拟合的时候，考虑上一时刻的结果。
4.根据权利要求2所述的车挂箱状态的判断方法，其特征在于，在根据点云，鲁棒拟合一个平面的步骤中，考虑上一时刻的结果。
5.一种车挂箱状态的判断系统,其特征在于，包括：
ToF摄像头，其安装在车头的后侧，来观测车挂箱的前壁，通过ToF摄像头得出车挂箱与车头之间的夹角和角速度；
判定模块，其通过夹角和角速度，由车头的状态来判定车挂箱的状态；
还包括：
点去图生成模块，其在每个时刻k，获得ToF摄像头在车挂箱前壁的点云pk的图；
鲁棒拟合模块，其根据点云，鲁棒拟合一个平面，根据这个平面对应的法向量，可以计算出车挂箱和车头的角度值；
转动角度计算模块，其根据当前时刻的点云pk，和上一时刻的点云pk-1，通过做点云配准算法，来计算两时刻之间的车挂箱的转动角度Δθk＝h(pk,pk-1)；
瞬时角速度计算模块，其可以通过如下计算得到，其中ΔT是两帧的时间间隔，
Figure FDA0003780639150000021
输出模块，其输出当前时刻k的车挂箱相对车头的角度和角速度的测量值。
6.根据权利要求5所述的车挂箱状态的判断系统,其特征在于，时间序列滤波模块，其在每个时刻k都可以得到一个挂车角度θk和挂车角速度
Figure FDA0003780639150000022
的测量值；对上述挂车角度θk和挂车角速度
Figure FDA0003780639150000023
的测量值进行时间滤波。
7.根据权利要求5所述的车挂箱状态的判断系统,其特征在于，反馈模块，其将最终输出每个时刻车挂箱相对车头的角度和角速度结果进入反馈，做鲁棒性拟合的时候，考虑上一时刻的结果。
8.根据权利要求5所述的车挂箱状态的判断系统,其特征在于，在根据点云，鲁棒拟合一个平面的步骤中，考虑上一时刻的结果。
CN202110703051.0A 2021-06-24 2021-06-24 一种车挂箱状态的判断方法和系统 Active CN113470088B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110703051.0A CN113470088B (zh) 2021-06-24 2021-06-24 一种车挂箱状态的判断方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110703051.0A CN113470088B (zh) 2021-06-24 2021-06-24 一种车挂箱状态的判断方法和系统

Publications (2)

Publication Number Publication Date
CN113470088A CN113470088A (zh) 2021-10-01
CN113470088B true CN113470088B (zh) 2022-09-20

Family

ID=77872684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110703051.0A Active CN113470088B (zh) 2021-06-24 2021-06-24 一种车挂箱状态的判断方法和系统

Country Status (1)

Country Link
CN (1) CN113470088B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105223583A (zh) * 2015-09-10 2016-01-06 清华大学 一种基于三维激光雷达的目标车辆航向角计算方法
CN105783913A (zh) * 2016-03-08 2016-07-20 中山大学 一种融合车载多传感器的slam装置及其控制方法
CN109279543A (zh) * 2018-11-07 2019-01-29 上海大学 一种叉车式agv磁导轨跟踪控制系统及方法
CN111562570A (zh) * 2020-04-30 2020-08-21 南京理工大学 基于毫米波雷达的面向自动驾驶的车辆感知方法
CN112880664A (zh) * 2021-01-21 2021-06-01 深圳市镭神智能系统有限公司 一种行驶设备的定位方法、装置、设备及存储介质
CN112880674A (zh) * 2021-01-21 2021-06-01 深圳市镭神智能系统有限公司 一种行驶设备的定位方法、装置、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107193012A (zh) * 2017-05-05 2017-09-22 江苏大学 基于imm‑mht算法的智能车激光雷达机动多目标跟踪方法
CN111175733B (zh) * 2020-02-05 2022-04-29 北京小马慧行科技有限公司 车身的角度的识别方法及装置、存储介质、处理器
CN112362055B (zh) * 2020-12-01 2022-12-30 苏州挚途科技有限公司 姿态估计方法、装置和电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105223583A (zh) * 2015-09-10 2016-01-06 清华大学 一种基于三维激光雷达的目标车辆航向角计算方法
CN105783913A (zh) * 2016-03-08 2016-07-20 中山大学 一种融合车载多传感器的slam装置及其控制方法
CN109279543A (zh) * 2018-11-07 2019-01-29 上海大学 一种叉车式agv磁导轨跟踪控制系统及方法
CN111562570A (zh) * 2020-04-30 2020-08-21 南京理工大学 基于毫米波雷达的面向自动驾驶的车辆感知方法
CN112880664A (zh) * 2021-01-21 2021-06-01 深圳市镭神智能系统有限公司 一种行驶设备的定位方法、装置、设备及存储介质
CN112880674A (zh) * 2021-01-21 2021-06-01 深圳市镭神智能系统有限公司 一种行驶设备的定位方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Camera-Based Articulation Angle Sensing for Heavy Goods Vehicles";Christopher de Saxe，等;《 IEEE Transactions on Vehicular Technology》;20210623;第70卷(第8期);全文 *
"Hitch Angle Estimation of a Towing Vehicle With Arbitrary Configuration";Korayem, AH，等;《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》;20210430;全文 *

Also Published As

Publication number Publication date
CN113470088A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
US11377029B2 (en) Vehicular trailering assist system with trailer state estimation
CN107111879B (zh) 通过全景环视图像估计车辆自身运动的方法和设备
CN110745140B (zh) 一种基于连续图像约束位姿估计的车辆换道预警方法
EP3306429B1 (en) Position estimation device and position estimation method
Gehrig et al. Dead reckoning and cartography using stereo vision for an autonomous car
US7746221B2 (en) Method for preventing lane departure for use with vehicle
US8112223B2 (en) Method for measuring lateral movements in a driver assistance system
EP3009789A1 (en) Monocular-motion-stereo distance estimation method, and monocular-motion-stereo distance estimation apparatus
CN106568448A (zh) 用于验证针对机动车辆的道路位置信息的系统和方法
CN109900490B (zh) 基于自主式和协同式传感器的车辆运动状态检测方法及系统
WO2020137110A1 (ja) 移動量推定装置
WO2016157428A1 (ja) 計測装置、計測方法、及び、プログラム
CN113503873A (zh) 一种多传感器融合的视觉定位方法
CN114475581B (zh) 基于轮速脉冲和imu卡尔曼滤波融合的自动泊车定位方法
CN113470088B (zh) 一种车挂箱状态的判断方法和系统
JP7456857B2 (ja) 自己位置推定装置
CN113048987A (zh) 一种车载导航系统定位方法
US11740103B2 (en) Map creation device, map creation system, map creation method, and storage medium
US20150294465A1 (en) Vehicle position estimation system
US20220334259A1 (en) Information processing apparatus, information processing method, and program
CN114003041A (zh) 一种多无人车协同探测系统
CN116670536A (zh) 使用位置一致性进行距离变化率的解混叠的系统和方法
EP1492999B1 (en) Improvements relating to cameras
Baer et al. EgoMaster: A central ego motion estimation for driver assist systems
US11433943B2 (en) Hitch angle detection using automotive radar

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method and system for determining the status of a vehicle mounted box

Granted publication date: 20220920

Pledgee: Shanghai Rural Commercial Bank Co.,Ltd. Jiading sub branch

Pledgor: Shanghai Yuwan Technology Co.,Ltd.

Registration number: Y2024310000623