CN113879312A - 基于多传感器融合的前向目标选择方法、装置和存储介质 - Google Patents
基于多传感器融合的前向目标选择方法、装置和存储介质 Download PDFInfo
- Publication number
- CN113879312A CN113879312A CN202111282944.9A CN202111282944A CN113879312A CN 113879312 A CN113879312 A CN 113879312A CN 202111282944 A CN202111282944 A CN 202111282944A CN 113879312 A CN113879312 A CN 113879312A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- lane
- road
- curve
- 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
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 20
- 238000010187 selection method Methods 0.000 title claims abstract description 17
- 230000009471 action Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 101100058952 Dictyostelium discoideum calA gene Proteins 0.000 claims description 6
- 101150021780 camA gene Proteins 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 101100139867 Floropilus chiversii radR gene Proteins 0.000 claims description 5
- 238000000034 method Methods 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic 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
- 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
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/30—Road curve radius
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于多传感器融合的前向目标选择方法,通过雷达探测的路沿曲线信息、摄像头采集的车道线曲线信息、GPS信息来综合获取道路曲率信息;再进一步确定本车行驶方向上车道左右边界的横向距离;结合得到的道路曲率信息、本车行驶方向上车道左右边界的横向距离,得到前向目标选择区域信息;在前向目标选择区域中选择在本车行驶方向上本车道内纵向距离最近的目标。能够有效地保证车辆在各种工况下前向目标判断的准确率,确保辅助驾驶系统报警、制动的准确性,使得车辆可以更安全。
Description
技术领域
本发明属于智能驾驶领域,尤其是一种基于多传感器融合的前向目标选择方法和装置。
背景技术
车辆在行驶过程中,由于道路环境千变万化,车辆在行驶过程中所在道路环境以及道路曲率也在一直变化。在智能驾驶领域中,不管是前向防撞预警功能、自动刹车辅助功能还是自适应巡航等辅助驾驶功能,都需要从传感器探测到的众多目标中选择出本车行驶方向上最快到达的目标,再对该前向目标进行报警状态等的判断。
现在的辅助驾驶系统,大多只依靠单一传感器实现选择本车前方最危险目标的功能,此时前方最危险的目标不只是距离本车最近的目标(尤其是弯道情况下),而是指在本车行驶轨迹上距离本车最近的目标。因此正确地选择前向目标,就需要知道本车行驶方向上覆盖的道路曲线信息。
但是单一传感器有各自的优势和各自的缺点,比如摄像头传感器可以通过识别道路环境中的车道线来辅助划分本车行驶区域,但是摄像头受天气影响较大且当道路车道线标识不清楚时,摄像头识别车道线结果不可信,且存在作用距离过短的情况;雷达传感器可以通过识别道路环境中的静止物目标来识别道路的曲率,比如高架隔音板、铁栅栏、护栏等目标,但是雷达传感器识别路沿类目标无法提供本车道左右行驶区域的横向距离信息,且当环境中没有强反射静止物时,雷达识别路沿效果很差;GPS传感器可以提供道路的基本信息,但存在受信号影响较大且存在地图信息不完全等问题。由上所述,可以看出单一传感器无法满足智能驾驶系统长时间实时工作且不出错的要求。
发明内容
本发明的目的是在于克服现有技术中存在的不足,提供一种基于多传感器融合的前向目标选择方法和装置,能够有效地保证车辆在各种工况下前向目标判断的准确率,确保辅助驾驶系统报警、制动的准确性,使得车辆可以更安全、平稳地在道路上运行。为实现以上技术目的,本发明实施例采用的技术方案是:
第一方面,本发明实施例提供了一种基于多传感器融合的前向目标选择方法,包括以下步骤:
步骤S1,判断雷达是否探测到有效的路沿曲线信息,若是则根据路沿曲线信息得到道路曲率信息,进入步骤S2-1-1,否则进入步骤S2-2-1;
步骤S2-1-1,在雷达探测到的路沿曲线信息有效时,判断路沿曲线是否缺失近距离段数据;若是,则需要用其它信息来补充近距离段道路曲率信息,进入步骤S2-1-2,否则直接进入步骤S3;
步骤S2-1-2,判断此时是否能够获得本车车辆信息,如果能够获得本车车辆信息,则进入步骤S2-1-3-1,否则进入步骤S2-1-3-2;
步骤S2-1-3-1,利用本车车辆信息获得近距离段道路曲率信息;
步骤S2-1-3-2,将雷达探测到的路沿曲线在近距离处做延伸;
步骤S2-2-1,判断摄像头是否采集到有效的车道线曲线信息,若是则进入进入步骤S2-2-2,否则进入步骤S2-2-3;
步骤S2-2-2,在摄像头采集到的车道线曲线信息中选取本车道左右两侧的车道线信息,进而得到道路曲率信息;
步骤S2-2-3,判断雷达是否探测到了稳定的前向目标,若存在稳定的前向目标,则进入步骤S2-2-4-1;若没有探测到稳定的前方目标,则进入步骤S2-2-4-2;
步骤S2-2-4-1,通过前方目标的运动轨迹来辅助判断本车的运动轨迹,从而获得本车行驶方向上的道路曲率信息;
步骤S2-2-4-2,通过GPS信息来获取道路曲率信息;
步骤S3,判断通过摄像头获取的车道线曲线信息是否有效,若有效则进入步骤S3-1,若无效则进入步骤S3-2;
步骤S3-1:选取符合本车车道阈值范围内的车道线,并提取车道线曲线与x轴的截距作为本车行驶方向上车道左右边界的横向距离;
步骤S3-2,当没有有效的车道线曲线信息时,若上一帧有通过摄像头探测获得的车道左右边界的横向距离,则沿用上一帧的车道左右边界的横向距离,否则采用车道左右边界横向距离默认值;
步骤S4,结合得到的道路曲率信息、本车行驶方向上车道左右边界的横向距离,得到前向目标选择区域信息;
步骤S5,在前向目标选择区域中选择在本车行驶方向上本车道内纵向距离最近的目标。
进一步地,步骤S1中,所述路沿曲线信息用三次多项式表示,具体公式如下:
radRy∈[radRymin,radRymax];
其中,radRy是路沿坐标点的纵向距离值,radRx是路沿坐标点的横向距离值,radA0是路沿曲线与x轴的截距,radA1表示路沿曲线的航向角,radA2表示0.5倍的路沿曲线曲率,radA3表示六分之一的路沿曲线曲率变化率,radRymin是表示路沿曲线有效纵向作用距离的最小值,radRymax是表示路沿曲线有效纵向作用距离的最大值。
进一步地,步骤S2-1-1中,所述判断路沿曲线是否缺失近距离段数据,具体通过radRymin值是否大于一定的阈值来判断。
进一步地,所述本车车辆信息包括本车的方向角度。
进一步地,步骤S2-1-3-2中,所述将雷达探测到的路沿曲线在近距离处做延伸,具体为:利用目前路沿曲线信息的公式(1),令radRymin趋向于0,向近距离处拓展。
进一步地,步骤S2-2-1中,所述车道线曲线信息用三次多项式表示,具体公式如下:
camRy∈[camRymin,camRymax];
其中,camRy是车道线坐标点的纵向距离值,camRx是车道线坐标点的横向距离值,camA0是探测的车道线曲线与x轴的截距,camA1表示车道线曲线的航向角,camA2表示0.5倍的车道线曲线曲率,camA3表示六分之一的车道线曲线曲率变化率,camRymin是表示车道线曲线有效纵向作用距离的最小值,camRymax是表示车道线曲线有效纵向作用距离的最大值。
第二方面,本发明实施例提出了一种基于多传感器融合的前向目标选择装置,包括:
存储器,存储有计算机程序;
处理器,用于运行所述计算机程序,所述计算机程序运行时执行如上文所述的基于多传感器融合的前向目标选择方法的步骤。
第三方面,本发明实施例提出了一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序运行时执行如上文所述的基于多传感器融合的前向目标选择方法的步骤。
本发明实施例提供的技术方案带来的有益效果是:
1)本申请采用雷达、摄像头和GPS相结合的方法,保证车辆在各种工况下都能实现选择本车前方最危险目标的功能,解决了单一传感器无法保证时刻准确获取智能驾驶系统中前方最危险目标的问题。
2)本申请在不同的工况下,结合了雷达、摄像头、GPS传感器各自的优势和劣势,选择了不同的传感器或者是结合不同传感器的检测结果来保证智能驾驶系统能够稳定可靠地得到前方最危险的目标。
附图说明
图1为本发明实施例中的坐标系示意图。
图2为本发明实施例中的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例中坐标系定义如下,平行于车头的方向为X方向,且左边为负方向,右边为正方向,垂直于车头的方向为Y方向,前面是正方向,后面是负方向;本申请所涉及的毫米波雷达传感器安装于车辆的前保险杠位置,摄像头传感器安装于本车车辆前挡风玻璃处,GPS传感器根据各厂家要求安装于车辆的相应位置;
第一方面,本发明的实施例提出一种基于多传感器融合的前向目标选择方法,包括以下步骤:
步骤S1,判断雷达是否探测到有效的路沿曲线信息,若是则根据路沿曲线信息得到道路曲率信息,进入步骤S2-1-1,否则进入步骤S2-2-1;
在本申请中,路沿曲线信息用三次多项式表示,具体公式如下:
radRy∈[radRymin,radRymax];
其中,radRy是路沿坐标点的纵向距离值,radRx是路沿坐标点的横向距离值,radA0是路沿曲线与x轴的截距,radA1表示路沿曲线的航向角,radA2表示0.5倍的路沿曲线曲率,radA3表示六分之一的路沿曲线曲率变化率,radRymin是表示路沿曲线有效纵向作用距离的最小值,radRymax是表示路沿曲线有效纵向作用距离的最大值;
当雷达探测到的路沿曲线的长度和路沿曲线坐标点的点数分别大于各自阈值时,该路沿曲线有效,进入步骤S2-1-1,否则进入步骤S2-2-1;
步骤S2-1-1,在雷达探测到的路沿曲线信息有效时,判断路沿曲线是否缺失近距离段数据;即radRymin值是否大于一定的阈值;若是,则需要用其它信息来补充近距离段道路曲率信息,进入步骤S2-1-2,否则直接进入步骤S3;
步骤S2-1-2,判断此时是否能够获得本车车辆信息,比如本车车速、本车的方向角度(可通过方向盘或车辆转向机构设置的传感器获取),如果能够获得本车车辆信息,则进入步骤S2-1-3-1,否则进入步骤S2-1-3-2;
步骤S2-1-3-1,利用本车车辆信息获得近距离段道路曲率信息;
步骤S2-1-3-2,将雷达探测到的路沿曲线在近距离处做延伸;即利用目前路沿曲线信息的公式(1),令radRymin趋向于0,向近距离处拓展;
步骤S2-2-1,判断摄像头是否采集到有效的车道线曲线信息,若是则进入进入步骤S2-2-2,否则进入步骤S2-2-3;
在本申请中,车道线曲线信息用三次多项式表示,具体公式如下:
camRy∈[camRymin,camRymax];
其中,camRy是车道线坐标点的纵向距离值,camRx是车道线坐标点的横向距离值,camA0是探测的车道线曲线与x轴的截距,camA1表示车道线曲线的航向角,camA2表示0.5倍的车道线曲线曲率,camA3表示六分之一的车道线曲线曲率变化率,camRymin是表示车道线曲线有效纵向作用距离的最小值,camRymax是表示车道线曲线有效纵向作用距离的最大值;
步骤S2-2-2,在摄像头采集到的车道线曲线信息中选取本车道左右两侧的车道线信息,即camRx最靠近0的两条车道线,进而得到道路曲率信息;
步骤S2-2-3,判断雷达是否探测到了稳定的前向目标,由常理可知,同向道路上的所有运动目标除变道、超车等特定动作之外,运动轨迹都应相同;因此若存在稳定的前向目标,则进入步骤S2-2-4-1;若雷达没有探测到稳定的前方目标,则进入步骤S2-2-4-2;
步骤S2-2-4-1,通过前方目标的运动轨迹来辅助判断本车的运动轨迹,从而获得本车行驶方向上的道路曲率信息;
步骤S2-2-4-2,通过GPS信息来获取道路曲率信息;车辆上GPS传感器获得的地理位置信息为实时数据,可以据此来获得道路曲率信息;
步骤S3,经过上述步骤,可以得到本车行驶方向上的道路曲率信息,仍需要知道本车行驶方向上左右两侧车道线的横向距离;本步骤判断通过摄像头获取的车道线曲线信息是否有效,若有效则进入步骤S3-1,若无效则进入步骤S3-2;
步骤S3-1:摄像头可以探测到道路上很多车道线,选取符合本车车道阈值范围内的车道线,并提取车道线曲线与x轴的截距作为本车行驶方向上车道左右边界的横向距离;
步骤S3-2,当没有有效的车道线曲线信息时,若上一帧有通过摄像头探测获得的车道左右边界的横向距离,则沿用上一帧的车道左右边界的横向距离,否则采用车道左右边界横向距离默认值,一般默认值取道路国标宽度的一半,左侧值为-1.8米,右侧值为1.8米;
步骤S4,结合得到的道路曲率信息、本车行驶方向上车道左右边界的横向距离,就可以得到前向目标选择区域信息;
步骤S5,在前向目标选择区域中选择在本车行驶方向上本车道内纵向距离最近的目标;该目标为对本车最危险的目标。
在本发明实施例中,在雷达探测的路沿曲线信息有效和摄像头能探测到车道线曲线信息的情况下,利用两种信息的融合,弥补了雷达传感器和摄像头传感器各自的缺点,使得道路区域检测的更准确;在雷达探测的路沿曲线信息无效的情况下,利用摄像头探测到的车道线曲线信息或者雷达探测目标轨迹信息或者GPS信息获取道路曲率信息,保证了在某些工况下,通过其他传感器仍能获取本车道行驶区域的基本信息,保证了更高的适用性。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的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,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于多传感器融合的前向目标选择方法,其特征在于,包括以下步骤:
步骤S1,判断雷达是否探测到有效的路沿曲线信息,若是则根据路沿曲线信息得到道路曲率信息,进入步骤S2-1-1,否则进入步骤S2-2-1;
步骤S2-1-1,在雷达探测到的路沿曲线信息有效时,判断路沿曲线是否缺失近距离段数据;若是,则需要用其它信息来补充近距离段道路曲率信息,进入步骤S2-1-2,否则直接进入步骤S3;
步骤S2-1-2,判断此时是否能够获得本车车辆信息,如果能够获得本车车辆信息,则进入步骤S2-1-3-1,否则进入步骤S2-1-3-2;
步骤S2-1-3-1,利用本车车辆信息获得近距离段道路曲率信息;
步骤S2-1-3-2,将雷达探测到的路沿曲线在近距离处做延伸;
步骤S2-2-1,判断摄像头是否采集到有效的车道线曲线信息,若是则进入进入步骤S2-2-2,否则进入步骤S2-2-3;
步骤S2-2-2,在摄像头采集到的车道线曲线信息中选取本车道左右两侧的车道线信息,进而得到道路曲率信息;
步骤S2-2-3,判断雷达是否探测到了稳定的前向目标,若存在稳定的前向目标,则进入步骤S2-2-4-1;若没有探测到稳定的前方目标,则进入步骤S2-2-4-2;
步骤S2-2-4-1,通过前方目标的运动轨迹来辅助判断本车的运动轨迹,从而获得本车行驶方向上的道路曲率信息;
步骤S2-2-4-2,通过GPS信息来获取道路曲率信息;
步骤S3,判断通过摄像头获取的车道线曲线信息是否有效,若有效则进入步骤S3-1,若无效则进入步骤S3-2;
步骤S3-1:选取符合本车车道阈值范围内的车道线,并提取车道线曲线与x轴的截距作为本车行驶方向上车道左右边界的横向距离;
步骤S3-2,当没有有效的车道线曲线信息时,若上一帧有通过摄像头探测获得的车道左右边界的横向距离,则沿用上一帧的车道左右边界的横向距离,否则采用车道左右边界横向距离默认值;
步骤S4,结合得到的道路曲率信息、本车行驶方向上车道左右边界的横向距离,得到前向目标选择区域信息;
步骤S5,在前向目标选择区域中选择在本车行驶方向上本车道内纵向距离最近的目标。
3.如权利要求2所述的基于多传感器融合的前向目标选择方法,其特征在于,步骤S2-1-1中,
所述判断路沿曲线是否缺失近距离段数据,具体通过radRymin值是否大于一定的阈值来判断。
4.如权利要求1、2或3所述的基于多传感器融合的前向目标选择方法,其特征在于,
所述本车车辆信息包括本车的方向角度。
5.如权利要求2或3所述的基于多传感器融合的前向目标选择方法,其特征在于,步骤S2-1-3-2中,
所述将雷达探测到的路沿曲线在近距离处做延伸,具体为:利用目前路沿曲线信息的公式(1),令radRymin趋向于0,向近距离处拓展。
7.一种基于多传感器融合的前向目标选择装置,其特征在于,包括:
存储器,存储有计算机程序;
处理器,用于运行所述计算机程序,所述计算机程序运行时执行如权利要求1~6中任一项所述的基于多传感器融合的前向目标选择方法的步骤。
8.一种存储介质,其特征在于,
所述存储介质中存储有计算机程序,所述计算机程序运行时执行如权利要求1~6中任一项所述的基于多传感器融合的前向目标选择方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111282944.9A CN113879312B (zh) | 2021-11-01 | 2021-11-01 | 基于多传感器融合的前向目标选择方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111282944.9A CN113879312B (zh) | 2021-11-01 | 2021-11-01 | 基于多传感器融合的前向目标选择方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113879312A true CN113879312A (zh) | 2022-01-04 |
CN113879312B CN113879312B (zh) | 2023-02-28 |
Family
ID=79015184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111282944.9A Active CN113879312B (zh) | 2021-11-01 | 2021-11-01 | 基于多传感器融合的前向目标选择方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113879312B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114407884A (zh) * | 2022-01-19 | 2022-04-29 | 上汽通用五菱汽车股份有限公司 | 自动驾驶优化方法、装置、电子设备及可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010023721A (ja) * | 2008-07-22 | 2010-02-04 | Hitachi Ltd | 走行支援装置 |
EP2803944A2 (en) * | 2013-05-14 | 2014-11-19 | Ricoh Company, Ltd. | Image Processing Apparatus, Distance Measurement Apparatus, Vehicle-Device Control System, Vehicle, and Image Processing Program |
US20160003936A1 (en) * | 2013-03-04 | 2016-01-07 | Denso Corporation | Target recognition apparatus |
JP2016151863A (ja) * | 2015-02-17 | 2016-08-22 | トヨタ自動車株式会社 | 白線検出装置 |
CN106004659A (zh) * | 2016-08-03 | 2016-10-12 | 安徽工程大学 | 车辆周围环境感知系统及其控制方法 |
WO2018177026A1 (zh) * | 2017-03-29 | 2018-10-04 | 蔚来汽车有限公司 | 确定道路边沿的装置和方法 |
CN111959515A (zh) * | 2020-08-19 | 2020-11-20 | 无锡威孚高科技集团股份有限公司 | 一种基于视觉检测的前向目标选择方法、装置及系统 |
CN112009473A (zh) * | 2020-10-16 | 2020-12-01 | 福瑞泰克智能系统有限公司 | 一种自适应巡航目标选择的方法、装置和计算机设备 |
CN112572432A (zh) * | 2020-12-17 | 2021-03-30 | 东风汽车集团有限公司 | 基于超声波雷达探测路沿的lka车道保持系统及方法 |
CN113487901A (zh) * | 2021-07-30 | 2021-10-08 | 重庆长安汽车股份有限公司 | 基于摄像头感知的车道宽度校验方法及系统 |
-
2021
- 2021-11-01 CN CN202111282944.9A patent/CN113879312B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010023721A (ja) * | 2008-07-22 | 2010-02-04 | Hitachi Ltd | 走行支援装置 |
US20160003936A1 (en) * | 2013-03-04 | 2016-01-07 | Denso Corporation | Target recognition apparatus |
EP2803944A2 (en) * | 2013-05-14 | 2014-11-19 | Ricoh Company, Ltd. | Image Processing Apparatus, Distance Measurement Apparatus, Vehicle-Device Control System, Vehicle, and Image Processing Program |
JP2016151863A (ja) * | 2015-02-17 | 2016-08-22 | トヨタ自動車株式会社 | 白線検出装置 |
CN106004659A (zh) * | 2016-08-03 | 2016-10-12 | 安徽工程大学 | 车辆周围环境感知系统及其控制方法 |
WO2018177026A1 (zh) * | 2017-03-29 | 2018-10-04 | 蔚来汽车有限公司 | 确定道路边沿的装置和方法 |
CN111959515A (zh) * | 2020-08-19 | 2020-11-20 | 无锡威孚高科技集团股份有限公司 | 一种基于视觉检测的前向目标选择方法、装置及系统 |
CN112009473A (zh) * | 2020-10-16 | 2020-12-01 | 福瑞泰克智能系统有限公司 | 一种自适应巡航目标选择的方法、装置和计算机设备 |
CN112572432A (zh) * | 2020-12-17 | 2021-03-30 | 东风汽车集团有限公司 | 基于超声波雷达探测路沿的lka车道保持系统及方法 |
CN113487901A (zh) * | 2021-07-30 | 2021-10-08 | 重庆长安汽车股份有限公司 | 基于摄像头感知的车道宽度校验方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114407884A (zh) * | 2022-01-19 | 2022-04-29 | 上汽通用五菱汽车股份有限公司 | 自动驾驶优化方法、装置、电子设备及可读存储介质 |
CN114407884B (zh) * | 2022-01-19 | 2024-02-13 | 上汽通用五菱汽车股份有限公司 | 自动驾驶优化方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113879312B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113139607B (zh) | 障碍物检测方法和装置 | |
US8306269B2 (en) | Lane recognition device | |
US9132837B2 (en) | Method and device for estimating the number of lanes and/or the lane width on a roadway | |
JP4558758B2 (ja) | 車両用障害物認識装置 | |
US11351997B2 (en) | Collision prediction apparatus and collision prediction method | |
US20110025548A1 (en) | System and method for vehicle sensor fusion | |
JP2012089114A (ja) | 障害物認識装置 | |
US20150175167A1 (en) | Course estimator | |
CN113253257B (zh) | 一种基于多毫米波雷达和视觉的露天矿障碍物检测方法 | |
JP5402983B2 (ja) | 車両用道路形状認識方法及び装置、記録媒体 | |
US10538251B2 (en) | Course estimator and method of estimating a state of a course of a vehicle and a non-transitory computer-readable storage medium for the same | |
CN112764034B (zh) | 一种车载bsd毫米波雷达低速下障碍物识别方法 | |
WO2023066156A1 (zh) | 一种视觉雷达感知融合方法及终端设备 | |
JP2012198730A (ja) | 車両用道路形状認識方法及び装置、記録媒体 | |
CN113879312B (zh) | 基于多传感器融合的前向目标选择方法、装置和存储介质 | |
US10970870B2 (en) | Object detection apparatus | |
US11307292B2 (en) | ODM information reliability determination system and method and vehicle using the same | |
CN116299280A (zh) | 一种车辆状态识别方法、系统、设备以及介质 | |
CN111959515B (zh) | 一种基于视觉检测的前向目标选择方法、装置及系统 | |
CN113228133B (zh) | 驾驶辅助装置 | |
CN110940981A (zh) | 一种用于判断车辆前方目标的位置是否处于本车道内的方法 | |
CN110834626A (zh) | 行车障碍预警方法、装置、车辆和存储介质 | |
CN114084133B (zh) | 一种跟车目标的确定方法及相关装置 | |
CN113204026B (zh) | 一种后毫米波雷达盲区检测性能提升方法 | |
CN115661797B (zh) | 目标跟踪方法、装置及设备 |
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 |