CN113479218A - 一种路基自动驾驶辅助探测系统及其控制方法 - Google Patents

一种路基自动驾驶辅助探测系统及其控制方法 Download PDF

Info

Publication number
CN113479218A
CN113479218A CN202110908978.8A CN202110908978A CN113479218A CN 113479218 A CN113479218 A CN 113479218A CN 202110908978 A CN202110908978 A CN 202110908978A CN 113479218 A CN113479218 A CN 113479218A
Authority
CN
China
Prior art keywords
data
radar
information
target
module
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.)
Granted
Application number
CN202110908978.8A
Other languages
English (en)
Other versions
CN113479218B (zh
Inventor
季晓玮
王霖玮
杨强
于长军
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202110908978.8A priority Critical patent/CN113479218B/zh
Publication of CN113479218A publication Critical patent/CN113479218A/zh
Application granted granted Critical
Publication of CN113479218B publication Critical patent/CN113479218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • 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
    • B60W2756/00—Output or target parameters relating to data
    • B60W2756/10—Involving external transmission of data to or from the vehicle
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种路基自动驾驶辅助探测系统及其控制方法，所述系统包括毫米波雷达模块、主控模块、通信模块、GPS模块、云端服务器、车载终端，主控模块与毫米波雷达模块和GPS模块相连，控制毫米波雷达模块和GPS模块工作，并获取雷达探测数据和GPS数据，将数据重新打包，通过通信模块发送给云端服务器。本发明依据现有的毫米波雷达原理、DBCAN聚类算法与扩展卡尔曼滤波算法，实现实时监测道路上的车辆及行人的运动情况，可以为驾驶员以及自动驾驶系统提供所在区域周围的车辆及行人的位置和运动信息，由此来减少观察存在的盲区，保证在高速行驶场景下信息传输的时效性，有助于安全驾驶，从而让交通出行更加高效、便捷、安全。

Description

一种路基自动驾驶辅助探测系统及其控制方法
技术领域
本发明交通监测领域，涉及一种路基自动驾驶辅助探测系统及其控制方法。
背景技术
交通状况的实时监测与调度管制是从根源上预防大部分交通事故发生的有效措施。如今，基于交通基础设施的智能交通监测系统已然成为有效方案。智能交通检测系统能实时监测道路上的车辆位置和速度，统计区段内的车辆数量，提供相应的位置信息。毫米波雷达具有能够对多物体测距测速以及不受天气和光照环境因素干扰等特性，这使其成为汽车和交通监测领域中的新兴技术。
V2X(Vehicle to everything)技术指的是指车与外界信息的互换，即车用无线通信技术。V2X技术可以实现车与车、车与基站、基站与基站等的互通，提高行车的安全性。与普通物联网(IoT)场景相比，V2X应用场景往往具有更高的要求。
长期演进(Long Term Evolution,LTE)是在多伦多TSG RAN#26会议上正式提出的。该系统由3GPP组织制定，采用正交频分复用技术(Orthogonal Frequency DivisionMultiplexing，OFDM)和多输入多输出(multiple input multiple output，MIMO)技术。LTE系统可以使用多种带宽(1.4MHz、3MHz、5MHz、10MHz、15MHz和20MHz等)。同时，LTE能够支持全球2G/3G/频段和新增的频段，可以与其他3GPP系统互联。因此，频谱分配更加灵活，系统容量得到提升。同时，LTE系统采用了更加简单的架构设计，降低了系统的复杂程度，也减小了前期网络部署和后期网络维护的成本。
LTE通信系统有两种模式：频分双工LTE系统(FDD-LTE)和时分双工LTE系统(TDD-LTE)。这两个技术的区别在于空中接口的物理层连接不同(帧结构、时分设计、同步等)。FDD-LTE系统空中接口上下行线路传输采用的是一对对称的频段来接收和发送数据，而TDD-LTE系统空中接口上下行则使用相同的频段在不同的时隙上接收和发送数据。LTE整体架构是由用户终端UE(UserEquipment)、演进地面无线接入网(E-UTRAN)及演进分组核心网EPC组成，用户终端UE包括移动终端、终端设备及通用集成电路卡三大模块。
通过上述分析，现有技术存在的问题及缺陷为：
(1)在现实中，基于激光雷达的车辆监测系统，容易受空气质量与车辆表面结构的影响。当空气中存在多悬浮颗粒，车辆的表面不规则时，激光雷达信号反射角度分散，测量结果被混淆。此外，能够同时监测多辆车的多线激光雷达成本过高。
(2)基于视频的研究工作主要通过提取图像特征和训练机器学习模型提升人车分类的准确率。然而，在车牌识别、身份标识等功能的实现也以相关视频技术为主，其准确率受天气光照条件影响较大。隐私容易泄露、无法获取实时速度和实时距离等关键信息。
解决以上问题及缺陷的难度为：基于道路的探测设备需要为驾驶员以及自动驾驶系统提供所在区域的车辆及行人的实时位置和运动信息；探测数据要求精度高、范围大，受外部环境影响小；要保证在高速行驶场景下，信息传输的时效性；作为道路基础设施大规模使用，所以要求成本较低。
解决以上问题及缺陷的意义为：解决以上问题为驾驶员和自动驾驶系统提供额外的视角，有助于安全驾驶，当出现“鬼探头”、前车紧急刹车等情况时，可以有效的预警，提前做出响应，避免事故发生。同时，可以提前得知路况信息，避免道路拥堵，可以让交通出行更加高效、便捷、安全。
发明内容
为了能在不同天气条件下实现道路中大范围的车辆和行人的精确探测，本发明提供了一种路基自动驾驶辅助探测系统及其控制方法。本发明依据现有的毫米波雷达原理、DBCAN聚类算法与扩展卡尔曼滤波算法，实现实时监测道路上的车辆及行人的运动情况，可以为驾驶员以及自动驾驶系统提供所在区域周围的车辆及行人的位置和运动信息，由此来减少观察存在的盲区，保证在高速行驶场景下信息传输的时效性，有助于安全驾驶，从而让交通出行更加高效、便捷、安全。
本发明的目的是通过以下技术方案实现的：
一种路基自动驾驶辅助探测系统，包括毫米波雷达模块、主控模块、通信模块、GPS模块、云端服务器、车载终端，其中：
所述主控模块通过串口与毫米波雷达模块和GPS模块相连，控制毫米波雷达模块和GPS模块工作，并获取雷达探测数据和GPS数据，将数据重新打包，通过通信模块发送给云端服务器；
所述毫米波雷达模块通过毫米波雷达获取包含目标对象活动信息的原始信号采样数据，分别对雷达原始采样数据作二维快速傅里叶变换，通过恒虚警概率算法得到目标物体的速度以及点云数据集(包含相对距离、方向角和俯仰角)，通过点云样本数据实现对目标对象的目标聚类、轨迹跟踪以及类型判断；
所述GPS模块用于获取当前雷达系统的位置信息和时间信息，以便云端服务器掌握雷达系统的工作状态，并将雷达数据推送给需要的用户；
所述通信模块通过串口与主控模块相连，通过4G/5G移动通信网络建立主控到互联网的网络透传，将主控通过串口发送过来的数据包通过UDP协议转发给云端服务器；
所述云端服务器用于提供数据的接收和分发功能，后端程序开启UDP端口，接收通信模块发送的数据，接收到数据后进行解包，并转换成JSON格式文件存储，方便前端读取，前端程序通过HTTP协议为车载终端提供数据访问接口，将雷达探测数据发送给车载终端；
所述车载终端通过互联网访问云服务器，获取车辆附近的雷达探测数据，根据雷达GPS信息和车辆自身GPS信息计算雷达探测目标到车辆的相对位置，并判断雷达探测目标是否会对当前行车安全造成影响，若出现危险，提醒驾驶员及时减速，谨慎驾驶；另外车载终端通过CAN总线将雷达探测数据提供给自动驾驶系统中控，为自动驾驶系统提供辅助数据。
一种利用上述系统进行路基自动驾驶辅助探测的方法，如图3所示，包括以下步骤：
步骤一、各子系统上电(毫米波雷达模块、主控模块、通信模块、GPS模块、云端服务器、车载终端)，自动进行初始化工作，主控模块配置好通信参数、内存空间和DMA设置，等待通信模块、GPS模块、毫米波雷达模块完成初始化工作后，毫米波雷达模块开始探测运动目标；
步骤二、当通信模块已经与基站建立连接，并且GPS模块已经获取到目标有效的时间、位置信息后，主控模块开始对毫米波雷达发送的下一帧探测结果信息进行解包处理，并与GPS模块获取的时间信息重新打包，发送给通信模块；
步骤三、通信模块将接收到的数据包通过UDP协议转发送给云端服务器；
步骤四、云端服务器后台开启一个UDP端口，用于接收通过通信模块发送来的雷达信息和探测数据，经过解包后保存为数据文件；
步骤五、为便捷且清晰地得知探测到的信息，利用云端服务器开启HTTP服务，通过网页前端向终端用户展示毫米波雷达状态及探测到的信息；
步骤六、车载终端通过浏览器访问云服务端网站，获取并显示毫米波雷达状态及探测到的信息，同时通过车载运算平台判断目标是否对车辆安全行驶造成影响，当出现干扰车辆正常行驶的目标时，发出报警信号。
相比于现有技术，本发明具有如下优点：
1、本发明依据毫米波雷达探测原理和智慧交通自动驾驶场景的需求，设计路基自动驾驶辅助探测系统，实现主动探测附近的车辆和行人等移动目标，将探测目标的位置、速度等信息实时发送给云端服务器，再由服务器转发给附近的车载终端，为驾驶员或者自动驾驶系统提供处于盲区的移动目标的相关辅助信息。
2、本发明运用毫米波雷达实现目标探测，受天气和光照影响小，探测距离远，能获取目标的位置和速度信息。
3、为了提高探测精度和稳定性，本发明采用了DBSCAN聚类算法以及扩展卡尔曼滤波等信号处理算法提升目标跟踪的精度。
4、为了将数据准确及时的传递给终端用户，本发明采用单片机作为主控系统和4G/5G透传模块配合的方案，实现了高速实时的信号传输。
5、本发明利用LTE移动蜂窝网络进行数据的实时高速传输，实现探测设备到车辆终端的实时可靠交互，保证远距离探测和高精度测角，且整套系统具有低成本、低功耗、高可靠的特点。
附图说明
图1是路基自动驾驶辅助探测系统方案设计框图；
图2是路基自动驾驶辅助探测系统硬件电路图；
图3是路基自动驾驶辅助探测系统整体工作流程图；
图4是路基自动驾驶辅助探测系统实物图；
图5是路基自动驾驶辅助探测系统软件整体流程图；
图6是实际道路测试路基自动驾驶辅助探测系统的架设场景；
图7是实际道路测试路基自动驾驶辅助探测系统架设地点1俯视视角；
图8是实际道路测试路基自动驾驶辅助探测系统架设地点2俯视视角；
图9是路基自动驾驶辅助探测系统距离速度精度评估实验截图；
图10是路基自动驾驶辅助探测系统探测结果与GPS探测结果的距离误差对比；
图11是路基自动驾驶辅助探测系统探测结果与GPS探测结果的速度误差对比；
图12是路基自动驾驶辅助探测系统探测车辆行驶轨迹的历史记录；
图13是路基自动驾驶辅助探测系统探测到最远距离汽车目标的车载终端显示图；
图14是路基自动驾驶辅助探测系统探测到行人和非机动车的车载终端显示图；
图15是路基自动驾驶辅助探测系统探测结果与实际路况车辆的对比图。
具体实施方式
下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。
本发明提供了一种路基自动驾驶辅助探测系统，如图1所示，所述系统包括主控模块、毫米波雷达模块、通信模块、GPS模块、云端服务器、车载终端，其中：毫米波雷达模块用于探测移动目标，主控模块完成与毫米波雷达模块、4G/5G通信模块、GPS模块的实时通信，4G/5G通信模块与云端服务器负责把毫米波雷达模块与GPS模块接收到的目标数据实时传送到车载终端。
本发明中，所述毫米波雷达模块直接获取目标物体运动状态的点云数据，通过串口将数据信息传送至主控模块。毫米波雷达模块提供连接器用于连接外部设备，不仅可以利用串口等多种方式与外部设备的通信，也可以利用毫米波雷达模块为外部设备供电。
本发明中，所述主控模块与通信模块之间双向通信，保证主控不仅能输出数据给设备，而且能够获取到设备的工作状态等信息。
本发明中，所述通信模块通过简单的指令设置，即可实现串口到网络的双向数据透传。利用网络透传模式，可以方便的将雷达探测到的目标信息传输到云端服务器。通信模块将自动打包数据通过移动蜂窝网络将数据发送给基站，基站将数据转发到因特网，最终被云端的服务器接收。当模块参数配置好之后，此过程可以自动完成，而不需要进行额外控制，从而实现了从主控到云端服务器通信的透明过程。
本发明中，所述GPS模块获取到有效的时间、位置信息后，主控开始对毫米波雷达发送的下一帧探测结果信息进行解包处理，并与GPS获取的时间信息重新打包，发送给通信模块，通信模块将接收到的数据包通过UDP协议转发送给云端服务器。
本发明中，所述车载终端通过互联网访问云服务器，获取车辆附近的雷达探测数据，根据雷达GPS信息和车辆自身GPS信息计算雷达探测目标到车辆的相对位置，并判断雷达探测目标是否会对当前行车安全造成影响，若出现危险，提醒驾驶员及时减速，谨慎驾驶。另外车载终端通过CAN总线将雷达探测数据提供给自动驾驶系统中控，为自动驾驶系统提供辅助数据。
一种利用上述系统进行路基自动驾驶辅助探测的方法，如图3所示，包括以下步骤：
步骤一、各子系统上电，自动进行初始化工作。主控模块配置好通信参数、内存空间和DMA设置，等待通信模块、GPS模块、毫米波雷达模块完成初始化工作后，毫米波雷达模块开始探测运动目标。
步骤二、当通信模块已经与基站建立连接，并且GPS模块已经获取到目标有效的时间、位置信息后，主控模块开始对毫米波雷达发送的下一帧探测结果信息进行解包处理，并与GPS模块获取的时间信息重新打包，发送给通信模块。
步骤三、通信模块将接收到的数据包通过UDP协议转发送给云端服务器。
步骤四、云端服务器后台开启一个UDP端口，用于接收通过通信模块发送来的雷达信息和探测数据，经过解包后保存为数据文件。
步骤五、为便捷且清晰地得知探测到的信息，利用云端服务器开启HTTP服务，通过网页前端向终端用户展示毫米波雷达状态及探测到的信息。
步骤六、车载终端通过浏览器访问云服务端网站，获取并显示毫米波雷达状态及探测到的信息，同时通过车载运算平台判断目标是否对车辆安全行驶造成影响，当出现干扰车辆正常行驶的目标时，发出报警信号。
实施例：
依据以上设计方案，实现一个实验演示系统作为实施例，其硬件电路图如图2所示。
本实施例中，所述主控模块选用GD32407V-START单片机，在系统初始化串口和中断配置后，启动与GPS相连串口UART2(简称GPS串口)的DMA，用于接收GPS数据报。
本实施例中，所述毫米波雷达模块选用AWR1843BOOST，AWR1843BOOST提供2组20针连接器用于连接外部设备，不仅可以利用TTL串口、SPI、RS232等多种方式与外部设备的通信，也可以利用模块提供的5V和3.3V输出为外部设备供电。内部开发主要基于TI提供的mmwave sdk实现。通过外部控制器(External Processor/Controlling)下发控制指令，由mmWave API实现指令的解析，并控制毫米波前端雷达子系统(Radar Sub-System，RadarSS,又也叫base sub system，BSS)工作，按照下发的参数产生对应的射频信号、接收回波信号并进行AD采样，得到雷达回波信号。系统包括多个数据处理单元(Data Processing Units，DPUs)，系统通过Data Path Manager(DPM)指定各DPU信号负责的信号处理内容，逐级进行信号处理，形成数据处理链路(Date Processing Chain,DPC)。最终的处理结果通过串口、CAN总线等方式输出至外部控制器。
本实施例中，所述4G/5G通信模块选取WH-LTE-7S1模块，与基站建立连接后将主动上报准备好状态，通过简单的AT指令设置，即可实现串口到网络的双向数据透传。单片机通过串口与WH-LTE-7S1模块相连，通过串口将数据发送给WH-LTE-7S1，模块将自动打包数据通过移动蜂窝网络将数据发送给基站，基站将数据转发到因特网，最终被云端服务器接收。
本实施例中，所述GPS模块选择的是中科微ATGM336H-5N模块，支持包括北斗、GPS等在内的多种卫星导航系统，具有高灵敏度、低功耗、低成本等优势。GPS相连串口UART2(简称GPS串口)的DMA，用于接收GPS数据报。
本实施例中，所述云端服务器采用典型的CS架构，服务器后台开启一个UDP端口，用于接收通过4G/5G模块发送过来的雷达信息和探测数据，经过解包后保存为数据文件。为直观展示探测结果，利用服务器开启HTTP服务，通过网页前端向终端用户展示雷达状态及探测信息。
依据以上步骤，详细介绍上文中实验演示系统实例的探测方法。
步骤一中，主控模块GD32407V-START自动启动系统，启动后初始化串口和中断配置，启动与GPS模块相连串口(简称GPS串口)的DMA，用于接收GPS数据。配置使能GPS串口的IDLE中断，当GPS数据报完成时触发IDLE中断，进入中断程序解析数据报，若GPS已经获取到足够数量的卫星时，便可输出有效的位置和时间信息，将此信息保存在雷达信息结构体变量中，以便打包时访问。
步骤一中，毫米波雷达模块AWR1843BOOST开始探测运动目标的具体步骤如下：
(1)通过主控下发控制指令，控制毫米波雷达系统工作，按照下发的参数产生对应的射频信号、接收回波信号，得到雷达回波信号。
(2)毫米波雷达获取包含目标对象活动信息的原始(模/数转换器)信号采样数据；
(3)对雷达原始采样数据作二维FFT(Fast Fourier transform,快速傅里叶变换)转换，获取带有目标物体的相对速度和相对距离信息的二维图谱数据F(u,v)；
(4)通过采用均值CFAR(Constant False-Alarm Rate,恒虚警概率)算法对二维图谱数据F(u,v)进行峰值检测，进而获取动态目标的速度和距离信息；
(5)对提取到的峰值数据进行DOA(Direction of arrival,波达方向)角度获取，得到目标物体的点云数据集(包含相对距离、方向角和俯仰角)；
(6)通过三角函数定理获取目标物体点云集的三维坐标信息，并通过计算获取运动特征集，即点云样本数据；
(7)通过点云样本数据实现对目标对象的目标聚类、轨迹跟踪以及行驶速度判断等功能。
本实施例利用DBSCAN聚类算法(Density-Based Spatial Clustering ofApplication with Noise)实现探测目标点云的聚合，区分来自不同目标的回波点，从而分析目标点的中心位置，计算目标的方向，以及方便进一步的跟踪滤波。以下为DBSCAN算法的详细实施过程。将雷达探测点云坐标数据作为样本集D＝(x1,x2,...,xm)，m为雷达探测到点云的总点数，选取合适的邻域参数(ε,MinPts)，本实施例中取(2.5,1)。
(1)初始化核心对象集合
Figure BDA0003202989920000131
初始化聚类簇数k＝0，初始化未访问样本集合Γ＝D，簇划分
Figure BDA0003202989920000132
Figure BDA0003202989920000133
为空集。
(2)对于j＝1,2,...m，找出所有的核心对象。首先，通过距离度量方式，找到样本xj的ε邻域子样本集Nε(xj)。如果子样本集样本个数满足|Nε(xj)|≥MinPts，将样本xj加入核心对象样本集合：Ω＝Ω∪{xj}。
(3)如果核心对象集合
Figure BDA0003202989920000134
则算法结束，否则转入步骤4。
(4)在核心对象集合Ω中，随机选择一个核心对象ο，初始化当前簇核心对象队列Ωcur＝{o}，初始化类别序号k＝k+1，初始化当前簇样本集合Ck＝{o}，更新未访问样本集合Γ＝Γ-{o}。
(5)如果当前簇核心对象队列Ωcur＝{o}，则当前聚类簇Ck生成完毕，更新簇划分C＝{C1,C2,...,Ck}，更新核心对象集合Ω＝Ω-Ck，转入步骤3。否则更新核心对象集合Ω＝Ω-Ck。
(6)在当前簇核心对象队列Ωcur中取出一个核心对象o′，通过邻域距离阈值ε找出所有的ε-邻域子样本集Nε(o′)，令Δ＝Nε(o′)∩Γ，更新当前簇样本集合Ck＝Ck∪Δ，更新未访问样本集合Γ＝Γ-Δ，更新Ωcur＝Ωcur∪(Δ∩Ω)-o′，转入步骤(5)。输出结果为：簇划分C＝{C1,C2,...,Ck}。
本发明采用扩展卡尔曼滤波(Extended Kalman Filter，EKF)对探测结果进行跟踪滤波后再输出，以保证探测结果的准确性和稳定性，减少杂波输出，降低虚警概率。将聚类得到的中心位置、速度作为t时刻EKF的观测值yt，根据以下递推过程得到下一状态的估计值：
Figure BDA0003202989920000141
其中，
Figure BDA0003202989920000142
为系统在t时刻的状态的先验估计值，Ft,t-1为状态转移矩阵，wt为过程噪声，Pt为t时刻的协方差矩阵，Qt为t时刻预测模型的协方差矩阵，Gt为t时刻卡尔曼增益系数，决定了预测模型和观测魔性的信任度，
Figure BDA0003202989920000143
为t时刻修正后的系统状态，Ht为观测矩阵。
本实施例中，假设汽车匀速运动，定义系统状态变量：
Figure BDA0003202989920000144
定义状态转移矩阵：
Figure BDA0003202989920000145
其中，t0为数据间隔时间。
定义观测矩阵：
Figure BDA0003202989920000151
根据估计结果与下一次观测结果比较，判断是否为同一个目标，若比较结果为是，则继续进行跟踪，若无法与任意现有滤波器匹配则作为新的目标建立新的滤波器进行估计跟踪，若现有滤波器无新的匹配项，则判定为目标丢失。
步骤二中，当GPS数据报完成时触发IDLE中断，进入中断程序解析数据报，若GPS已经获取到足够数量的卫星时，便可输出有效的位置和时间信息，将此信息保存在雷达信息结构体变量中，以便打包时访问。解析完毕后等待下次IDLE中断，解析新的GPS数据报，更新结构体变量中的位置时间信息。
主控系统等待通信模块和GPS模块都准备好后，启动与毫米波雷达模块相连的串口(简称毫米波模块串口)DMA，接收毫米波雷达模块发送的探测结果信息，同时启动探测结果信息的解码工作。对于毫米波雷达模块串口，采用双缓存DMA传输模式，通过乒乓数据存储，并同步进行数据解析处理。当其中一个缓冲区存满后触发DMA完成中断，此时立即重新启动DMA，将数据存储到另一个缓冲区中，然后对前一个缓冲区的数据进行处理。如此往复切换。另外设置一个足够大的数据接收缓冲区，用于保存完整帧结构的毫米波雷达模块探测数据，当DMA缓冲区填满时，将数据添加到数据接收缓冲区的队尾。在以上存储工作进行的同时，同步进行数据解析工作，每解析完一帧数据，将数据与GPS信息重新打包。
步骤四中，云端服务器开启UDP端口，接收4G/5G通信模块发送的数据，将接收到数据后进行解包，并转换成JSON格式文件存储，方便前端读取。
步骤五中，通过网页前端向终端用户展示毫米波雷达状态及探测到的信息具体为通过Web实现前端。前端界面示例如图12所示，顶部为雷达位置、时间等相关信息，界面的主体为探测结果，图中圆点即为探测所得目标信息，可展示目标的x、y坐标和速度。
通过实际道路探测实验结果，绘制了1分钟时间范围内的所有目标点轨迹的历史记录，如图12所示。
图15给出了某时刻下雷达探测结果与视频中车辆对应情况，视频截图中的大部分车辆都可以在雷达探测结果中找到对应点目标。
本发明将毫米波雷达、DBCAN聚类及扩展卡尔曼滤波算法相结合，实现对道路上运动目标的实时监测，让用户及时了解所在位置周围的交通道路的状况，与现有技术相比，优点如下：
(1)保证数据之间的实时高速传输，实现探测设备到车辆终端的实时可靠交互，兼顾远距离探知目标和实时性的信息传输的功能；
(2)能够实现远距离探测和高精度测角，整套系统具有低成本、低功耗、可靠性高的特点。
本发明关键创新点在于：
(1)通过采用毫米波雷达实时监测道路上的车辆及行人的运动情况；
(2)利用LTE移动蜂窝网络进行数据的实时高速传输，实现探测设备到车辆终端的实时可靠交互；
(3)利用毫米波雷达技术实现远距离探测和高精度测角，同时利用DBSCAN聚类算法，扩展卡尔曼滤波算法，保证了数据的可靠性和稳定性；
(4)兼顾远距离探知和实时性的信息传输的功能，能够在保证信息及时传输的情况下探测远距离的目标。

Claims (8)

1.一种路基自动驾驶辅助探测系统，其特征在于所述系统包括毫米波雷达模块、主控模块、通信模块、GPS模块、云端服务器、车载终端，其中：
所述毫米波雷达模块通过毫米波雷达获取包含目标对象活动信息的原始信号采样数据，分别对雷达原始采样数据作二维快速傅里叶变换，通过恒虚警概率算法得到目标物体的速度以及点云数据集，通过点云样本数据实现对目标对象的目标聚类、轨迹跟踪以及类型判断；
所述GPS模块用于获取当前雷达系统的位置信息和时间信息，以便云端服务器掌握雷达系统的工作状态，并将雷达数据推送给需要的用户；
所述通信模块通过串口与主控模块相连，通过4G/5G移动通信网络建立主控到互联网的网络透传，将主控通过串口发送过来的数据包通过UDP协议转发给云端服务器；
所述云端服务器用于提供数据的接收和分发功能，后端程序开启UDP端口，接收通信模块发送的数据，接收到数据后进行解包，并转换成JSON格式文件存储，方便前端读取，前端程序通过HTTP协议为车载终端提供数据访问接口，将雷达探测数据发送给车载终端；
所述车载终端通过互联网访问云服务器，获取车辆附近的雷达探测数据，根据雷达GPS信息和车辆自身GPS信息计算雷达探测目标到车辆的相对位置，并判断雷达探测目标是否会对当前行车安全造成影响，若出现危险，提醒驾驶员及时减速，谨慎驾驶；另外车载终端通过CAN总线将雷达探测数据提供给自动驾驶系统中控，为自动驾驶系统提供辅助数据。
2.根据权利要求1所述的路基自动驾驶辅助探测系统，其特征在于所述点云数据集包含相对距离、方向角和俯仰角。
3.根据权利要求1所述的路基自动驾驶辅助探测系统，其特征在于所述云端服务器采用CS架构。
4.一种利用权利要求1-3任一项所述系统进行路基自动驾驶辅助探测的方法，其特征在于所述方法包括如下步骤：
步骤一、各子系统上电，自动进行初始化工作，主控模块配置好通信参数、内存空间和DMA设置，等待通信模块、GPS模块、毫米波雷达模块完成初始化工作后，毫米波雷达模块开始探测运动目标；
步骤二、当通信模块已经与基站建立连接，并且GPS模块已经获取到目标有效的时间、位置信息后，主控模块开始对毫米波雷达发送的下一帧探测结果信息进行解包处理，并与GPS模块获取的时间信息重新打包，发送给通信模块；
步骤三、通信模块将接收到的数据包通过UDP协议转发送给云端服务器；
步骤四、云端服务器后台开启一个UDP端口，用于接收通过通信模块发送来的雷达信息和探测数据，经过解包后保存为数据文件；
步骤五、为便捷且清晰地得知探测到的信息，利用云端服务器开启HTTP服务，通过网页前端向终端用户展示毫米波雷达状态及探测到的信息；
步骤六、车载终端通过浏览器访问云服务端网站，获取并显示毫米波雷达状态及探测到的信息，同时通过车载运算平台判断目标是否对车辆安全行驶造成影响，当出现干扰车辆正常行驶的目标时，发出报警信号。
5.根据权利要求4所述的路基自动驾驶辅助探测方法，其特征在于所述步骤一中，毫米波雷达模块开始探测运动目标的具体步骤如下：
(1)通过主控下发控制指令，控制毫米波雷达系统工作，按照下发的参数产生对应的射频信号、接收回波信号，得到雷达回波信号；
(2)毫米波雷达获取包含目标对象活动信息的原始信号采样数据；
(3)对雷达原始采样数据作二维FFT转换，获取带有目标物体的相对速度和相对距离信息的二维图谱数据F(u,v)；
(4)通过采用均值CFAR算法对二维图谱数据F(u,v)进行峰值检测，进而获取动态目标的速度和距离信息；
(5)对提取到的峰值数据进行DOA角度获取，得到目标物体的点云数据集；
(6)通过三角函数定理获取目标物体点云集的三维坐标信息，并通过计算获取运动特征集，即点云样本数据；
(7)通过点云样本数据实现对目标对象的目标聚类、轨迹跟踪以及行驶速度判断。
6.根据权利要求5所述的路基自动驾驶辅助探测方法，其特征在于所述步骤(7)中，利用DBSCAN聚类算法实现探测目标点云的聚合，区分来自不同目标的回波点，从而分析目标点的中心位置，计算目标的方向，以及方便进一步的跟踪滤波。
7.根据权利要求6所述的路基自动驾驶辅助探测方法，其特征在于所述DBSCAN算法的具体步骤如下：
(1)将雷达探测点云坐标数据作为样本集D＝(x1,x2,...,xm)，选取邻域参数(ε,MinPts)；
(2)初始化核心对象集合
Figure FDA0003202989910000041
初始化聚类簇数k＝0，初始化未访问样本集合Γ＝D，簇划分
Figure FDA0003202989910000042
(3)对于j＝1,2,...m，找出所有的核心对象，首先，通过距离度量方式，找到样本xj的ε邻域子样本集Nε(xj)，如果子样本集样本个数满足|Nε(xj)|≥MinPts，将样本xj加入核心对象样本集合：Ω＝Ω∪{xj}；
(4)如果核心对象集合
Figure FDA0003202989910000043
则算法结束，否则转入步骤(5)；
(5)在核心对象集合Ω中，随机选择一个核心对象ο，初始化当前簇核心对象队列Ωcur＝{o}，初始化类别序号k＝k+1，初始化当前簇样本集合Ck＝{o}，更新未访问样本集合Γ＝Γ-{o}；
(6)如果当前簇核心对象队列Ωcur＝{o}，则当前聚类簇Ck生成完毕，更新簇划分C＝{C1,C2,...,Ck}，更新核心对象集合Ω＝Ω-Ck，转入步骤(4)，否则更新核心对象集合Ω＝Ω-Ck；
(7)在当前簇核心对象队列Ωcur中取出一个核心对象o′，通过邻域距离阈值ε找出所有的ε-邻域子样本集Nε(o′)，令Δ＝Nε(o′)∩Γ，更新当前簇样本集合Ck＝Ck∪Δ，更新未访问样本集合Γ＝Γ-Δ，更新Ωcur＝Ωcur∪(Δ∩Ω)-o′，转入步骤(6)，输出结果为：簇划分C＝{C1,C2,...,Ck}。
8.根据权利要求5所述的路基自动驾驶辅助探测方法，其特征在于所述步骤(7)中，采用扩展卡尔曼滤波对探测结果进行跟踪滤波后再输出。
CN202110908978.8A 2021-08-09 2021-08-09 一种路基自动驾驶辅助探测系统及其控制方法 Active CN113479218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110908978.8A CN113479218B (zh) 2021-08-09 2021-08-09 一种路基自动驾驶辅助探测系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110908978.8A CN113479218B (zh) 2021-08-09 2021-08-09 一种路基自动驾驶辅助探测系统及其控制方法

Publications (2)

Publication Number Publication Date
CN113479218A true CN113479218A (zh) 2021-10-08
CN113479218B CN113479218B (zh) 2022-05-31

Family

ID=77945943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110908978.8A Active CN113479218B (zh) 2021-08-09 2021-08-09 一种路基自动驾驶辅助探测系统及其控制方法

Country Status (1)

Country Link
CN (1) CN113479218B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114323706A (zh) * 2021-11-22 2022-04-12 卡斯柯信号有限公司 一种列车ato控车故障检测方法、装置、设备及介质
CN114442101A (zh) * 2022-01-28 2022-05-06 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
CN114550425A (zh) * 2021-10-30 2022-05-27 南京理工大学 一种基于毫米波雷达的行人感知车路协同预警装置及方法
CN115257784A (zh) * 2022-06-15 2022-11-01 西安电子科技大学 基于4d毫米波雷达的车路协同系统
CN116577767A (zh) * 2023-07-07 2023-08-11 长沙莫之比智能科技有限公司 基于毫米波雷达的电动汽车无线充电安全区域检测方法
CN117452407A (zh) * 2023-12-26 2024-01-26 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种用于车载辅助驾驶系统的雷达数据服务系统和方法
CN117593904A (zh) * 2023-11-06 2024-02-23 广东省电信规划设计院有限公司 基于云原生的辅助驾驶控制方法及装置

Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6587790B1 (en) * 2002-07-26 2003-07-01 Vaughn R. Arnold Anti-terror reporting system
CN101275998A (zh) * 2007-03-30 2008-10-01 株式会社丸滨 雷达探测装置
JP2013045233A (ja) * 2011-08-23 2013-03-04 Toyota Infotechnology Center Co Ltd 隊列走行制御装置および隊列走行制御方法
CN103407428A (zh) * 2013-08-23 2013-11-27 哈尔滨工业大学 汽车互联时代的智能驾驶辅助系统
CN107071746A (zh) * 2016-01-21 2017-08-18 福特全球技术公司 用于经由专用短程通信的车辆群组通信的系统和方法
WO2018211646A1 (ja) * 2017-05-18 2018-11-22 日産自動車株式会社 イベントマップ生成方法及び運転支援方法
CN109817021A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 一种激光雷达路侧盲区交通参与者避让方法和装置
CN109866752A (zh) * 2019-03-29 2019-06-11 合肥工业大学 基于预测控制的双模式并行车辆轨迹跟踪行驶系统及方法
CN110083163A (zh) * 2019-05-20 2019-08-02 三亚学院 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统
CN110264586A (zh) * 2019-05-28 2019-09-20 浙江零跑科技有限公司 L3级自动驾驶系统道路驾驶数据采集、分析及上传方法
CN110542898A (zh) * 2019-06-18 2019-12-06 同济大学 一种基于雷达组群的车辆行为连续跟踪探测系统及方法
US20190375425A1 (en) * 2018-06-06 2019-12-12 Metawave Corporation Geographically disparate sensor fusion for enhanced target detection and identification in autonomous vehicles
DE102018211363A1 (de) * 2018-07-10 2020-01-16 Bayerische Motoren Werke Aktiengesellschaft Spurführung eines Kraftfahrzeugs auf einer Fahrspur
CN110969855A (zh) * 2019-12-13 2020-04-07 长沙莫之比智能科技有限公司 一种基于毫米波雷达的交通流量监测系统
CN111354221A (zh) * 2020-04-10 2020-06-30 南京楚航科技有限公司 一种基于毫米波雷达探测的道路智能停车设备和系统
CN111369779A (zh) * 2018-12-26 2020-07-03 北京图森智途科技有限公司 一种岸吊区卡车精准停车方法、设备及系统
CN111554088A (zh) * 2020-04-13 2020-08-18 重庆邮电大学 一种多功能v2x智能路侧基站系统
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
US20200307568A1 (en) * 2019-03-29 2020-10-01 Mazda Motor Corporation Vehicle driving support system
WO2020216316A1 (zh) * 2019-04-26 2020-10-29 纵目科技（上海）股份有限公司 基于毫米波雷达的辅助驾驶系统、方法、终端和介质
CN111865740A (zh) * 2019-04-17 2020-10-30 西南科技大学 一种基于毫米波雷达的车联网网关系统
CN111880174A (zh) * 2020-07-03 2020-11-03 芜湖雄狮汽车科技有限公司 一种用于支持自动驾驶控制决策的路侧服务系统及其控制方法
CN112660157A (zh) * 2020-12-11 2021-04-16 重庆邮电大学 一种多功能无障碍车远程监控与辅助驾驶系统
US20210117659A1 (en) * 2019-10-21 2021-04-22 Analog Devices International Unlimited Company Radar-based indoor localization and tracking system

Patent Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6587790B1 (en) * 2002-07-26 2003-07-01 Vaughn R. Arnold Anti-terror reporting system
CN101275998A (zh) * 2007-03-30 2008-10-01 株式会社丸滨 雷达探测装置
JP2013045233A (ja) * 2011-08-23 2013-03-04 Toyota Infotechnology Center Co Ltd 隊列走行制御装置および隊列走行制御方法
CN103407428A (zh) * 2013-08-23 2013-11-27 哈尔滨工业大学 汽车互联时代的智能驾驶辅助系统
CN107071746A (zh) * 2016-01-21 2017-08-18 福特全球技术公司 用于经由专用短程通信的车辆群组通信的系统和方法
WO2018211646A1 (ja) * 2017-05-18 2018-11-22 日産自動車株式会社 イベントマップ生成方法及び運転支援方法
US20190375425A1 (en) * 2018-06-06 2019-12-12 Metawave Corporation Geographically disparate sensor fusion for enhanced target detection and identification in autonomous vehicles
DE102018211363A1 (de) * 2018-07-10 2020-01-16 Bayerische Motoren Werke Aktiengesellschaft Spurführung eines Kraftfahrzeugs auf einer Fahrspur
CN111369779A (zh) * 2018-12-26 2020-07-03 北京图森智途科技有限公司 一种岸吊区卡车精准停车方法、设备及系统
CN109817021A (zh) * 2019-01-15 2019-05-28 北京百度网讯科技有限公司 一种激光雷达路侧盲区交通参与者避让方法和装置
US20200307568A1 (en) * 2019-03-29 2020-10-01 Mazda Motor Corporation Vehicle driving support system
CN109866752A (zh) * 2019-03-29 2019-06-11 合肥工业大学 基于预测控制的双模式并行车辆轨迹跟踪行驶系统及方法
CN111865740A (zh) * 2019-04-17 2020-10-30 西南科技大学 一种基于毫米波雷达的车联网网关系统
WO2020216316A1 (zh) * 2019-04-26 2020-10-29 纵目科技（上海）股份有限公司 基于毫米波雷达的辅助驾驶系统、方法、终端和介质
CN110083163A (zh) * 2019-05-20 2019-08-02 三亚学院 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统
CN110264586A (zh) * 2019-05-28 2019-09-20 浙江零跑科技有限公司 L3级自动驾驶系统道路驾驶数据采集、分析及上传方法
CN110542898A (zh) * 2019-06-18 2019-12-06 同济大学 一种基于雷达组群的车辆行为连续跟踪探测系统及方法
US20210117659A1 (en) * 2019-10-21 2021-04-22 Analog Devices International Unlimited Company Radar-based indoor localization and tracking system
CN110969855A (zh) * 2019-12-13 2020-04-07 长沙莫之比智能科技有限公司 一种基于毫米波雷达的交通流量监测系统
CN111354221A (zh) * 2020-04-10 2020-06-30 南京楚航科技有限公司 一种基于毫米波雷达探测的道路智能停车设备和系统
CN111554088A (zh) * 2020-04-13 2020-08-18 重庆邮电大学 一种多功能v2x智能路侧基站系统
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
CN111880174A (zh) * 2020-07-03 2020-11-03 芜湖雄狮汽车科技有限公司 一种用于支持自动驾驶控制决策的路侧服务系统及其控制方法
CN112660157A (zh) * 2020-12-11 2021-04-16 重庆邮电大学 一种多功能无障碍车远程监控与辅助驾驶系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
余汪江: "基于激光雷达的无人驾驶汽车动态障碍物检测与识别研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
余汪江: "基于激光雷达的无人驾驶汽车动态障碍物检测与识别研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, 15 June 2020 (2020-06-15) *
段建民等: "基于四线激光雷达的道路信息提取与目标检测", 《激光杂志》 *
段建民等: "基于四线激光雷达的道路信息提取与目标检测", 《激光杂志》, vol. 38, no. 6, 25 June 2017 (2017-06-25) *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114550425A (zh) * 2021-10-30 2022-05-27 南京理工大学 一种基于毫米波雷达的行人感知车路协同预警装置及方法
CN114323706A (zh) * 2021-11-22 2022-04-12 卡斯柯信号有限公司 一种列车ato控车故障检测方法、装置、设备及介质
CN114323706B (zh) * 2021-11-22 2024-04-12 卡斯柯信号有限公司 一种列车ato控车故障检测方法、装置、设备及介质
CN114442101A (zh) * 2022-01-28 2022-05-06 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
CN114442101B (zh) * 2022-01-28 2023-11-14 南京慧尔视智能科技有限公司 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
CN115257784A (zh) * 2022-06-15 2022-11-01 西安电子科技大学 基于4d毫米波雷达的车路协同系统
CN116577767A (zh) * 2023-07-07 2023-08-11 长沙莫之比智能科技有限公司 基于毫米波雷达的电动汽车无线充电安全区域检测方法
CN116577767B (zh) * 2023-07-07 2024-01-30 长沙莫之比智能科技有限公司 基于毫米波雷达的电动汽车无线充电安全区域检测方法
CN117593904A (zh) * 2023-11-06 2024-02-23 广东省电信规划设计院有限公司 基于云原生的辅助驾驶控制方法及装置
CN117452407A (zh) * 2023-12-26 2024-01-26 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种用于车载辅助驾驶系统的雷达数据服务系统和方法
CN117452407B (zh) * 2023-12-26 2024-03-08 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种用于车载辅助驾驶系统的雷达数据服务系统和方法

Also Published As

Publication number Publication date
CN113479218B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN113479218B (zh) 一种路基自动驾驶辅助探测系统及其控制方法
US11092696B2 (en) Grouping for efficient cooperative positioning calculations
CN110895147B (zh) 自动驾驶车辆的用相机捕获图像数据的图像数据获取逻辑
US20190239040A1 (en) Millimeter wave vehicle-to-vehicle communication system for data sharing
CN111105640A (zh) 用于确定停车场中的车辆位置的系统和方法
CN113741485A (zh) 车路协同自动驾驶的控制方法、装置、电子设备及车辆
WO2022020995A1 (zh) 一种信号处理方法、装置以及存储介质
US11338823B2 (en) Multiple sensor data storage with compressed video stream in autonomous driving vehicles
CN110458080B (zh) 一种汽车行驶中前方坑洞的预判方法及系统
CN111279402A (zh) 人聚集分析装置、移动目的地计划制作装置、人聚集分析系统、车辆及人聚集分析程序
EP4196816A1 (en) Method and system for radar-based odometry
KR20240019763A (ko) 이미지 및 메시지 정보를 이용한 오브젝트 검출
CN115556769A (zh) 障碍物状态量确定方法及装置、电子设备和介质
CN111028544A (zh) 一种v2v技术和车载多传感器融合的行人预警系统
Hsu et al. Verification of on-line vehicle collision avoidance warning system using DSRC
WO2023123416A1 (zh) 同步的方法、装置以及车辆
CN111480165A (zh) 在考虑对象的特征结构的情况下创建用于车辆的基于特征的定位地图的方法
CN115309773A (zh) 定位方法、装置、设备、介质和车辆
CN109415065B (zh) 用于虚拟化驾驶环境的装置和方法以及车辆
CN113312403B (zh) 地图获取方法、装置、电子设备及存储介质
CN114333405B (zh) 用于辅助车辆停车的方法
US20230147434A1 (en) System for localizing three-dimensional objects
CN111710175B (zh) 交通信号灯的控制方法及装置
US20240144416A1 (en) Occupancy grid determination
US20240040605A1 (en) Communication control method and communication system

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