CN114037962A - 车辆碰撞预测方法、装置、电子设备及存储介质 - Google Patents
车辆碰撞预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114037962A CN114037962A CN202111328233.0A CN202111328233A CN114037962A CN 114037962 A CN114037962 A CN 114037962A CN 202111328233 A CN202111328233 A CN 202111328233A CN 114037962 A CN114037962 A CN 114037962A
- Authority
- CN
- China
- Prior art keywords
- information
- image information
- vehicle
- collision
- target 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 claims abstract description 82
- 238000012806 monitoring device Methods 0.000 claims description 45
- 230000004044 response Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000010426 asphalt Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种车辆碰撞预测方法、装置、电子设备及存储介质,通过根据目标车辆的当前位置,获取第一图像信息,其中,第一图像信息是通过目标道路监控设备拍摄的,目标道路监控设备的监控区域覆盖当前位置;第一图像信息用于表征监控区域内目标车辆的位置和可移动物体的位置;获取目标车辆的运行信息,运行信息用于表征目标车辆在当前位置的车辆行驶状态;根据第一图像信息和运行信息,生成碰撞信息,碰撞信息用于表征目标车辆与可移动物体的碰撞概率。由于在车辆行驶过程中,通过道路监控设备拍摄的第一图像信息来实现目标车辆的定位,结合目标车辆本身的运行信息,可以实现复杂路况下精确的碰撞预测,从而提高车辆的行驶安全性。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种车辆碰撞预测方法、装置、电子设备及存储介质。
背景技术
随着自动驾驶技术的快速发展,车辆的自动驾驶以及行驶预警功能也日渐完善。在当前自动驾驶和行驶预警的实现方案中,通常基于车辆上设置的传感器单元,进行路况检测,并结合车云计算等技术,实现车辆的路径规划、碰撞预测等功能。
然而,在当前的实际应用过程中,受到车辆上设置的传感器数量、位置等因素的制约,在复杂路况下,车辆的探测能力会受到影响,导致无法对可能发生的碰撞事故进行准确预警,进而导致车辆的碰撞事故,影响行驶安全性。
发明内容
本申请提供一种车辆碰撞预测方法、装置、电子设备及存储介质,用以解决在在复杂路况下,无法对可能发生的碰撞事故进行准确预警的问题。
第一方面,本申请提供了一种车辆碰撞预测方法,包括:
根据目标车辆的当前位置,获取第一图像信息,其中,所述第一图像信息是通过目标道路监控设备拍摄的,所述目标道路监控设备的监控区域覆盖所述当前位置;所述第一图像信息用于表征所述监控区域内所述目标车辆的位置和可移动物体的位置;获取所述目标车辆的运行信息,所述运行信息用于表征所述目标车辆在所述当前位置的车辆行驶状态;根据所述第一图像信息和所述运行信息,生成碰撞信息,所述碰撞信息用于表征所述目标车辆与所述可移动物体的碰撞概率。
在一种可能的实现方式中,所述根据所述第一图像信息和所述运行信息,生成碰撞信息,包括:根据所述第一图像信息,生成第二图像信息,所述第二图像信息用于表征所述目标车辆和所述可移动物体在预设的平面坐标系中的位置;根据所述第二图像信息和所述运行信息,生成碰撞信息。
在一种可能的实现方式中,所述第二图像信息包括第一坐标和第二坐标,所述第一坐标表征所述目标车辆在预设的平面坐标系中的坐标;所述第二坐标表征所述可移动物体在所述平面坐标系中的坐标;所述根据所述第二图像信息和所述运行信息,生成碰撞信息,包括:根据所述运行信息和所述第一坐标,确定第一预测位置,所述第一预测位置为所述目标车辆根据所述运行信息行驶预设时长后的位置;根据所述第二图像信息,确定第二预测位置,所述第二预测位置为所述可移动物体在所述预设时长后的位置;根据所述第一预测位置和所述第二预测位置,生成碰撞信息。
在一种可能的实现方式中,所述目标道路监控设备包括至少两个,所述根据所述第一图像信息,生成第二图像信息,包括:根据各所述目标监控设备对应的第一图像信息,生成多维图像信息,所述多维图像信息用于表征在不同视觉角度下,所述目标车辆的位置和所述可移动物体的位置;根据所述多维图像信息,生成第二图像信息。
在一种可能的实现方式中,所述方法还包括:根据所述第一图像信息,确定场景信息,所述场景信息用于表征所述当前位置的路面环境;根据所述场景信息,确定概率加权系数,所述概率加权系数用于表征所述场景信息对所述碰撞概率的影响加权;所述根据所述第一图像信息和所述运行信息,生成碰撞信息,包括:根据所述第一图像信息、所述运行信息和所述概率加权系数,生成碰撞信息。
在一种可能的实现方式中,所述获取所述目标车辆的运行信息,包括:以目标频率向状态服务器发送请求消息,所请求消息用于从所述状态服务器获取所述目标车辆的运行信息;接收所述状态服务器返回的响应消息,所述响应消息中包括所述运行信息。
在一种可能的实现方式中,所述方法还包括:根据所述第一图像信息,确定场景信息,所述场景信息用于表征所述当前位置的路面环境;根据所述场景信息,确定所述目标频率。
在一种可能的实现方式中,所述运行信息包括以下至少一种:车辆行驶速度、车辆转向角、档位信息。
在一种可能的实现方式中,所述根据目标车辆的当前位置,获取第一图像信息,包括:获取所述当前位置对应的位置标识;根据所述位置标识,确定对应的监控设备标识;根据所述监控设备标识,确定所述目标道路监控设备,并获取所述目标道路监控设备拍摄的第一图像信息。
在一种可能的实现方式中,所述方法还包括:在所述碰撞信息对应的碰撞概率大于碰撞阈值时,向所述目标车辆发送预警信息,所述预警信息用于使所述目标车辆播放碰撞提示信息。
第二方面,本申请提供了一种车辆碰撞预测装置,包括:
第一获取模块,用于根据目标车辆的当前位置,获取第一图像信息,其中,所述第一图像信息是通过目标道路监控设备拍摄的,所述目标道路监控设备的监控区域覆盖所述当前位置;所述第一图像信息用于表征所述监控区域内所述目标车辆的位置和可移动物体的位置;
第二获取模块,用于获取所述目标车辆的运行信息,所述运行信息用于表征所述目标车辆在所述当前位置的车辆行驶状态;
生成模块,用于根据所述第一图像信息和所述运行信息,生成碰撞信息,所述碰撞信息用于表征所述目标车辆与所述可移动物体的碰撞概率。
在一种可能的实现方式中,所述生成模块,具体用于:根据所述第一图像信息,生成第二图像信息,所述第二图像信息用于表征所述目标车辆和所述可移动物体在预设的平面坐标系中的位置;根据所述第二图像信息和所述运行信息,生成碰撞信息。
在一种可能的实现方式中,所述第二图像信息包括第一坐标和第二坐标,所述第一坐标表征所述目标车辆在预设的平面坐标系中的坐标;所述第二坐标表征所述可移动物体在所述平面坐标系中的坐标;所述生成模块在根据所述第二图像信息和所述运行信息,生成碰撞信息时,具体用于:根据所述运行信息和所述第一坐标,确定第一预测位置,所述第一预测位置为所述目标车辆根据所述运行信息行驶预设时长后的位置;根据所述第二图像信息,确定第二预测位置,所述第二预测位置为所述可移动物体在所述预设时长后的位置;根据所述第一预测位置和所述第二预测位置,生成碰撞信息。
在一种可能的实现方式中,所述目标道路监控设备包括至少两个,所述生成模块在根据所述第一图像信息,生成第二图像信息时,具体用于:根据各所述目标监控设备对应的第一图像信息,生成多维图像信息,所述多维图像信息用于表征在不同视觉角度下,所述目标车辆的位置和所述可移动物体的位置;根据所述多维图像信息,生成第二图像信息。
在一种可能的实现方式中,所述生成模块,还用于:根据所述第一图像信息,确定场景信息,所述场景信息用于表征所述当前位置的路面环境;根据所述场景信息,确定概率加权系数,所述概率加权系数用于表征所述场景信息对所述碰撞概率的影响加权;
所述生成模块在根据所述第一图像信息和所述运行信息,生成碰撞信息时,具体用于:根据所述第一图像信息、所述运行信息和所述概率加权系数,生成碰撞信息。
在一种可能的实现方式中,所述第二获取模块,具体用于:以目标频率向状态服务器发送请求消息,所请求消息用于从所述状态服务器获取所述目标车辆的运行信息;接收所述状态服务器返回的响应消息,所述响应消息中包括所述运行信息。
在一种可能的实现方式中,所述生成模块,还用于:根据所述第一图像信息,确定场景信息,所述场景信息用于表征所述当前位置的路面环境;根据所述场景信息,确定所述目标频率。
在一种可能的实现方式中,所述运行信息包括以下至少一种:车辆行驶速度、车辆转向角、档位信息。
在一种可能的实现方式中,所述第一获取模块,具体用于:获取所述当前位置对应的位置标识;根据所述位置标识,确定对应的监控设备标识;根据所述监控设备标识,确定所述目标道路监控设备,并获取所述目标道路监控设备拍摄的第一图像信息。
在一种可能的实现方式中,所述生成模块,还用于:在所述碰撞信息对应的碰撞概率大于碰撞阈值时,向所述目标车辆发送预警信息,所述预警信息用于使所述目标车辆播放碰撞提示信息。
第三方面,本申请提供了一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如本申请实施例第一方面任一项所述的车辆碰撞预测方法。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如本申请实施例第一方面任一项所述的车辆碰撞预测方法。
根据本申请实施例的第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面任一项所述的车辆碰撞预测方法。
本申请提供的车辆碰撞预测方法、装置、电子设备及存储介质,通过根据目标车辆的当前位置,获取第一图像信息,其中,所述第一图像信息是通过目标道路监控设备拍摄的,所述目标道路监控设备的监控区域覆盖所述当前位置;所述第一图像信息用于表征所述监控区域内所述目标车辆的位置和可移动物体的位置;获取所述目标车辆的运行信息,所述运行信息用于表征所述目标车辆在所述当前位置的车辆行驶状态;根据所述第一图像信息和所述运行信息,生成碰撞信息,所述碰撞信息用于表征所述目标车辆与所述可移动物体的碰撞概率。由于在车辆行驶过程中,通过道路监控设备拍摄的第一图像信息来实现目标车辆以及目标车辆周围的可移动物体的定位,相比车辆本身设置的图像传感器,具有更好的视野范围,结合目标车辆本身的运行信息,可以实现复杂路况下精确的碰撞预测,从而提高车辆的行驶安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的车辆碰撞预测方法的一种应用场景图;
图2为本申请一个实施例提供的车辆碰撞预测方法的流程图;
图3为图2所示实施例中步骤S101的实现步骤流程图;
图4为本申请实施例提供的一种目标道路监控设备与目标车辆的关系示意图;
图5为本申请另一个实施例提供的车辆碰撞预测方法的流程图;
图6为本申请实施例提供的一种生成第二图像信息的示意图;
图7为图5所示实施例中步骤S206的实现步骤流程图;
图8为本申请实施例提供的一种基于第一预测位置和第二预测位置生成碰撞信息的过程示意图;
图9为本申请一个实施例提供的车辆碰撞预测装置的结构示意图;
图10为本申请一个实施例提供的电子设备的示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
下面对本申请实施例的应用场景进行解释:
图1为本申请实施例提供的车辆碰撞预测方法的一种应用场景图,本申请实施例提供的车辆碰撞预测方法可以应用于车辆辅助驾驶场景下,示例性地,如图1所示,本申请实施例提供的方法的执行主体可以为公共安全服务器11,公共安全服务器11一方面与设置在路侧的道路监控设备12通信连接,另一方面与在道路上行驶的智能车辆13通信连接,公共安全服务器11为用于处理城市道路数据共用服务器,公共安全服务器可以根据智能车辆13上报的定位信息,调用对应的道路监控设备采集12的图像信息,基于本实施例提供的方法对该智能车辆13进行碰撞预测,生成碰撞信息,并能够发送至智能车辆13以进行预警。另一方面,智能车辆13在接入该公共安全服务器11后,通过向公共安全服务器11上报少量的信息(图中示为定位信息),能够接收该公共安全服务器11推送的碰撞信息,对驾驶智能车辆13的驾驶人进行碰撞提醒。
当前,在车辆自动驾驶应用场景下的具体实践过程中,由于受到硬件配套设施、制度法规、网络条件等多方面因素的制约,目前的汽车自动驾驶级别通常只能达到辅助驾驶级别(即参考汽车驾驶自动化分级标准的L2级别),在具体的实现方案上,通常是基于车辆上设置的传感器单元进行路况检测,并依靠车机系统的计算能力,实现车辆碰撞预测等功能。然而,受到车辆上设置的传感器数量、位置等因素的制约,在复杂路况下,例如图1所示应用场景中,由于车辆的图像传感器,会由于其他车辆的遮挡,导致检测视野受限,致使车辆的探测能力受到影响,在此种情况下,仅凭车辆自身的检测能力,无法满足对碰撞预警的支持,而受限于不同厂商、平台的车辆之间数据传输协议、安全性方面的限制,目前也无法实现多车辆之间的数据共享,因此,导致了无法对可能发生的碰撞事故进行准确预警的问题。因此,当前亟需一种能够在无需与其他车辆进行数据交互的情况下,进行车辆碰撞预测的方法来解决上述问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请一个实施例提供的车辆碰撞预测方法的流程图,示例性地,本实施例方法的执行主体可以为预警服务器,或者与道路监控设备通信的电子设备,本实施例中,以预警服务器作为执行主体进行介绍,具体可参见图1所示的应用场景中对公共安全服务器的介绍。如图2所示,本实施例提供的车辆碰撞预测方法包括以下几个步骤:
步骤S101,根据目标车辆的当前位置,获取第一图像信息,其中,第一图像信息是通过目标道路监控设备拍摄的,目标道路监控设备的监控区域覆盖当前位置;第一图像信息用于表征监控区域内目标车辆的位置和可移动物体的位置。
示例性地,目标车辆在接入预警服务器后,会实时的向预警服务器上报坐标位置,预警服务器根据目标车辆上报的坐标位置,确定目标车辆的当前位置,即目标车辆的实时坐标。示例性地,预警服务器根据车辆上报的坐标,确定目标车辆的当前位置为第一位置(a,b),其中,a和b分别代表车辆的经度坐标和维度坐标。进一步地,根据当前位置,确定对应的目标道路监控设备,目标道路监控设备为监控区域能够覆盖当前位置的道路监控设备。其中,具体地,道路监控设备例如为设置在道路两侧的监控摄像机,监控摄像机以固定角度设备,用于拍摄一个固定监控区域内的图像或视频。
进一步地,通过目标道路监控设备获取第一图像信息,该第一图像信息可以为监控区域对应的图像或视频,在第一图像信息中,包括处于当前位置(例如上述示例中的第一位置)的目标车辆,以及目标车辆周围处于监控区域内的其他对象,例如其他车辆、非机动车、行人、障碍物等。其中,车辆、非机动车、行人属于可移动物体;而固定设置的障碍物属于非可移动物体。通过第一图像信息可以表征目标车辆和可移动物体的位置。
在一种可能的实现方式中,如图3所示,步骤S101的实现步骤包括:
步骤S1011,获取当前位置对应的位置标识。
步骤S1012,根据位置标识,确定对应的监控设备标识。
步骤S1013,根据监控设备标识,确定目标道路监控设备,并获取目标道路监控设备拍摄的第一图像信息。
示例性地,根据预设的城市道路监控设备分布数据,可以确定不同的道路监控设备所处的位置,以及所对应的监控区域。更具体地,城市道路监控设备分布数据包括不同的监控设备标识与对应的监控区域的映射关系;根据当前位置对应的位置标识,例如位置坐标,确定该当前位置所在的监控区域,进而确定对应的监控设备标识,进一步地,根据该监控设备标识,可以确定目标道路监控设备。
图4为本申请实施例提供的一种目标道路监控设备与目标车辆的关系示意图,如图4所示,目标车辆的当前位置为第一位置(a,b),其中,a、b为第一位置的经度坐标和维度坐标。第一位置处于监控区域#1,监控区域#1对应的道路监控设备为目标道路监控设备。该目标监控设备的监控设备标识为device_1,之后,预警服务器通过目标道路监控设备device_1,获取第一图像信息。类似地,当目标车辆行驶至第二位置(c,d)时,当前位置为第二位置,其中,c、d为第二位置的经度坐标和维度坐标。第二位置处于监控区域#2,监控区域#2对应的道路监控设备为目标道路监控设备。该目标监控设备的监控设备标识为device_2,之后,预警服务器通过目标道路监控设备device_2,获取第一图像信息。示例性地,当目标车辆处于第一位置和第二位置之间时,由于不处于道路监控设备的监控区间,所以不执行本实施例提供的方法。
本实施例步骤中,通过根据目标车辆的当前位置,确定并调用对应的目标监控设备进行图像采集,获取图像信息,可以实现对目标车辆在重点路段的碰撞预测。考虑到预警服务器或者电子设备可能需要同时对多台车辆进行碰撞预测,因此,通过在发生碰撞概率较高的位置预先设置道路监控设备,实现对事故高发路段的重点预警,可以降低预警服务器的计算负担,并保证碰撞预测的有效性。
步骤S102,获取目标车辆的运行信息,运行信息用于表征目标车辆在当前位置的车辆行驶状态。
示例性地,在获取第一图像信息时,同步的获取目标车辆的运行信息,其中,运行信息表征目标车辆在当前位置的车辆行驶状态,运行信息例如包括:车辆行驶速度、车辆转向角、档位信息等。具体地,运行信息是目标车辆的车机系统通过设置于目标车辆上的各项传感器而获取的数据,之后,目标车辆通过高速无线网络,例如5G网络,将该运行信息同步至预警服务器,以使预警服务器获得目标车辆的运行信息。
在一种可能的实现方式中,预警服务器通过与目标车辆的直接通信,获取目标车辆的运行信息。具体地,例如,预警服务器在根据目标车辆的当前位置,判断目标车辆进入监控区域后,向目标车辆发送请求消息,用于获取目标车辆的车机系统内存储的运行信息;之后,目标车辆向预警服务器发送响应消息,该响应消息中携带有运行信息,从而使预警服务器获得目标车辆的运行信息。
在另一种可能的实现方式中,目标车辆与状态服务器通信,并能够向状态服务器发送运行信息。具体地,状态服务器可以是目标车辆的生成厂商为目标车辆配套的服务器,用于接收、分析目标车辆的运行信息,以及可选地实现车辆路径规划、车辆行驶控制等功能。状态服务器通信在接收到预警服务器发送的请求消息后,向预警服务器返回包含目标车辆的运行响应消息,从而使预警服务器获得目标车辆的运行信息。本实施例步骤中,通过预警服务器与状态服务器之间基于预设协议的通信,可以使预警服务器获取不同厂商的车辆的运行信息的,由于不同厂商的表征车辆的运行状态的信息构成、实现方式不同,而预警服务器属于公共设施,因此直接由目标车辆向预警服务器发送运行信息,存在数据格式不一致的问题,而通过各厂商的状态服务器,获取运行信息的方式,可以通过在状态服务器一侧设置专门的接口,实现对运行信息的格式转换,从而保证不同厂商的车辆都能够向预警服务器同步运行信息,不需要在车辆侧设置专门的通信端口,提高数据传输的效率和实时性,同时保证数据的安全性和私密性。
步骤S103,根据第一图像信息和运行信息,生成碰撞信息,碰撞信息用于表征目标车辆与可移动物体的碰撞概率。
示例性地,在获得第一图像信息和运行信息后,根据第一图像信息,基于图像目标识别、空间定位等技术,可以确定在监控区域内的各对象的位置,即目标车辆与可移动物体的位置。进一步地,根据目标车辆的运行信息,可以预测目标车辆之后的移动位置,结合第一图像信息所表征的可移动物体的移动位置变化特征,可以预测可移动物体之后的移动位置,根据目标车辆的移动位置和可移动物体的移动位置之间的关系,可以判断是否发生碰撞,以及发生碰撞的概率,即生成碰撞信息。
其中,生成碰撞信息的实现方式,可以通过预训练的神经网络预测模型实现,具体地,通过以图像信息和运行信息组成的样本进行打标(标记是否发生碰撞)生成样本数据后,基于样本数据对神经网络预测模型进行训练,得到训练至收敛的神经网络预测模型。之后,基于该神经网络预测模型,可以生成第一图像信息和运行信息对应的碰撞信息。其中,神经网络模型具体的训练过程此处不再赘述。
本实施例中,通过根据目标车辆的当前位置,获取第一图像信息,其中,第一图像信息是通过目标道路监控设备拍摄的,目标道路监控设备的监控区域覆盖当前位置;第一图像信息用于表征监控区域内目标车辆的位置和可移动物体的位置;获取目标车辆的运行信息,运行信息用于表征目标车辆在当前位置的车辆行驶状态;根据第一图像信息和运行信息,生成碰撞信息,碰撞信息用于表征目标车辆与可移动物体的碰撞概率。由于在车辆行驶过程中,通过道路监控设备拍摄的第一图像信息来实现目标车辆以及目标车辆周围的可移动物体的定位,相比车辆本身设置的图像传感器,具有更好的视野范围,结合目标车辆本身的运行信息,可以实现复杂路况下精确的碰撞预测,从而提高车辆的行驶安全性。
图5为本申请另一个实施例提供的车辆碰撞预测方法的流程图,如图5所示,本实施例提供的车辆碰撞预测方法在图2所示实施例提供的车辆碰撞预测方法的基础上,对步骤S102-S103进一步细化,则本实施例提供的车辆碰撞预测方法包括以下几个步骤:
步骤S201,根据目标车辆的当前位置,获取第一图像信息。
步骤S202,根据第一图像信息,确定场景信息,场景信息用于表征当前位置的路面环境。
示例性地,第一图像信息是通过目标道路监控设备拍摄的图片或者视频,通过对第一图像信息进行特征识别,可以确定出第一图像信息所表征的环境,也即上述步骤中所指的当前位置的路面环境,例如地面存雪、地面积水、地面结冰等。其中,场景信息的具体实现形式可以为场景标识,通过对第一图像信息进行识别和分类后,确定一个表征路面环境的场景标识,该过程可以通过带有分类器的图像识别模型实现,其中对路面环境进行识别和分类的具体原理及实现过程为本领域技术人员知晓的现有技术,此处不再赘述。
步骤S203,根据场景信息,确定目标频率。
步骤S204,以目标频率向状态服务器发送请求消息,所请求消息用于从状态服务器获取目标车辆的运行信息。
步骤S205,接收状态服务器返回的响应消息,响应消息中包括运行信息。
示例性地,在确定场景信息后,根据不同的场景信息,确定对应的目标频率,具体地,当场景信息表征的路面环境复杂时,例如路面积雪、路面结冰,则车辆发生碰撞的几率更高,此时,对应设置的目标频率也较高,之后在基于该更高的目标频率发送请求信息,能够获得更加实时的目标车辆的运行信息,从而提高碰撞预测的精确度;反正,若场景信息表征的路面环境正常时,则相对而言车辆发生碰撞的几率更低,此时,对应设置的目标频率也较低,之后在基于该较低的目标频率发送请求信息,可以降低预警服务器一侧的计算负载。
相应的,在以对应的目标频率发送请求后,可以得到以相同频率返回的响应消息,以获得响应消息中包括的运行信息。之后,预警服务器根据该运行信息进行后续处理,来实现碰撞预警。由于本实施例步骤中的目标频率是基于场景信息确定的,因此预警服务器获取运行信息和基于运行信息进行计算的频率能够与场景信息所表征的路面环境相匹配,从而提高预警服务器恶劣环境下的预警能力。
步骤S206,根据第一图像信息,生成第二图像信息,第二图像信息用于表征目标车辆和可移动物体在预设的平面坐标系中的位置。
在一种可能的实现方式中,第二图像信息是第一图像信息向预设的水平面内进行投影而得到的信息。由于拍摄第一图像信息的道路监控设备通常设置在路侧的高位,例如路灯上、红绿灯上。因此,通过道路监控设备拍摄第一图像信息时,通常是以俯视角拍摄的,在此情况下,通过对第一图像信息进行目标识别,得到其中包括的各可移动物体,以及目标车辆后,将各可移动物体和目标车辆向基于水平面预设的坐标系进行投影,从而得到目标车辆和可移动物体在平面坐标系中的位置。
示例性地,图6为本申请实施例提供的一种生成第二图像信息的示意图,如图6所示,第一图像信息例如为视频,根据该视频中的最新一帧图片,即图中所示的第一视频帧,进行目标识别后,确定其中的目标车辆和第一可移动物体、第二可移动物体,其中,目标车辆可以通过目标车辆的预设车辆信息确定,例如通过目标车辆的车牌号、车身颜色、车辆外形等。具体地,图中第一可移动物体为行人、第二可移动物体为其他车辆。对第一图像信息中的各对象进行目标定位后,生成第二图像信息,第二图像信息中包括目标车辆对应的第一坐标A、第一可移动物体对应的第二坐标B1、第二可移动物体对应的第二坐标B2。其中,第一坐标和第二坐标可以为以二维数组的形式实现,表示第一图像信息中的各对象(目标车辆和可移动物体)的中心点在平面坐标系的坐标,忽视各对象的占地面积;还可以以多维数组的形式实现,例如三维数组(表征各对象的中心点的坐标、正方形轮廓的边长)、四维数组(表征各对象的中心点的坐标、长方形轮廓的边长)以及更高维的数组,不仅表示各对象在平面坐标系中的坐标,还可以标识各对象的占地面积,具体实现方式可根据需要设置,此处不再一一赘述。第一坐标和第二坐标即为对目标车辆和可移动物体在平面坐标系中定位后的结果。
在一种可能的实现方式中,目标道路监控设备包括至少两个,如图7所示,步骤S206的具体实现步骤包括:
步骤S2061,根据各目标监控设备对应的第一图像信息,生成多维图像信息,多维图像信息用于表征在不同视觉角度下,目标车辆的位置和可移动物体的位置。
步骤S2062,根据多维图像信息,生成第二图像信息。
示例性地,在一些可能的应用场景中,多个道路监控设备对应同一个监控区域,例如在道路口,设置的多个道路监控设备,用于从不同的角度对到路口进行监控。当目标车辆的当前位置处于多个道路监控设备的监控区域时,即目标道路监控设备包括多个,可以获取各目标监控设备所拍摄的第一图像信息,不同的第一图像信息,表征从不同角度拍摄的监控区域的图片或视频。之后,将各第一图像信息进行合并,生成多维图像信息,多维图像信息用于表征在不同视觉角度下,目标车辆的位置和可移动物体的位置。在一种可能的实现方式中,多维图像数据是将由多个第一图像信息组成的图像数组,通过该图像数组从多个位置对目标车辆和可移动物体进行定位,可以进一步的提高定位精度。因此生成的第二图像信息表征的目标车辆和可移动物体的坐标,具有更好的精度。
步骤S207,根据运行信息和第一坐标,确定第一预测位置,第一预测位置为目标车辆根据运行信息行驶预设时长后的位置。
步骤S208,根据第二图像信息,确定第二预测位置,第二预测位置为可移动物体在预设时长后的位置。
示例性地,第二图像信息包括第一坐标和第二坐标,第一坐标表征目标车辆在预设的平面坐标系中的坐标;第二坐标表征可移动物体在平面坐标系中的坐标。
在获得第一坐标和第二坐标后,即确定了目标车辆的位置和在其周围的可移动物体的位置,之后,通过目标车辆的运行状态,例如行驶速度、车辆转角,判断目标车辆基于该第一坐标,在预设时长后的位置,即第一预测位置;对于可移动物体,可以通过多个第二图像信息之间的变化,假设可移动物体是匀速运动的基础上,预测可移动物体在预设时长后的位置,即第二预测位置。
可选地,在步骤S208之后,还包括:
步骤S209,根据场景信息,确定概率加权系数,概率加权系数用于表征场景信息对碰撞概率的影响加权;
步骤S210,根据第一预测位置、第二预测位置和概率加权系数,生成碰撞信息。
示例性地,根据第一预测位置与第二预测位置之间的距离,可以确定对应的判断基础碰撞概率,即距离越短、碰撞概率越大。在此基础上,基于表征道路环境的场景信息,生成概率加权系数,更具体地,例如,在正常的沥青道路环境下,概率加权系数为1.0;而在有积雪的沥青道路环境下,概率加权系数为1.3,在路面环境中有大雾、且有积雪的沥青道路环境下,概率加权系数为1.8。通过概率加权信息,对基础碰撞概率进行加权,从而得到一个用于表征碰撞概率的值,即碰撞信息。
图8为本申请实施例提供的一种基于第一预测位置和第二预测位置生成碰撞信息的过程示意图,如图8,在获取第二图像信息后,确定目标车辆在处于当前位置时,目标车辆的第一坐标和目标车辆周围的可移动物体的第二坐标,之后,基于第一坐标和第二坐标,分别确定对应的第一预测位置和第二预测位置,再根据第一预测位置和第二预测位置之间的距离,基于场景信息进行加权计算后,预测碰撞概率,进而生成表征碰撞概率的碰撞信息。
步骤S211,在碰撞信息对应的碰撞概率大于碰撞阈值时,向目标车辆发送预警信息,预警信息用于使目标车辆播放碰撞提示信息。
示例性地,碰撞信息可以为一个概率值,在确定碰撞信息后,当碰撞信息对应的概率值大于预设值时,服务器向目标车辆发送预警信息,目标车辆在接收到预警信息后,播放对应的碰撞提示信息,具体地,例如通过车载音响播放提示声音,和/或通过显示屏播放提示图像,以实现对驾驶员的提醒。
本实施例中,通过基于目标道路监控设备采集的第一图像信息,生成表征目标车辆的位置和监控区域内可移动物体的位置的第二图像信息,基于第二图像信息和目标车辆的运行状态预测碰撞概率,实现了对碰撞事故的提前预警。由于道路监控设备以俯视角度拍摄的第一图像信息的视野更好,可以在复杂路况下精确定位目标车辆与周围可移动物体的位置,因此可以在不需要与其他车辆进行数据交互的情况下,利用现有的道路基础设施完成对车辆与车辆碰撞、车辆与行人碰撞的预警。
本实施例中,步骤S201的实现方式与本申请图2所示实施例中的步骤S101的实现方式相同,在此不再一一赘述。
图9为本申请一个实施例提供的车辆碰撞预测装置的结构示意图,如图9所示,本实施例提供的车辆碰撞预测装置3包括:
第一获取模块31,用于根据目标车辆的当前位置,获取第一图像信息,其中,第一图像信息是通过目标道路监控设备拍摄的,目标道路监控设备的监控区域覆盖当前位置;第一图像信息用于表征监控区域内目标车辆的位置和可移动物体的位置;
第二获取模块32,用于获取目标车辆的运行信息,运行信息用于表征目标车辆在当前位置的车辆行驶状态;
生成模块33,用于根据第一图像信息和运行信息,生成碰撞信息,碰撞信息用于表征目标车辆与可移动物体的碰撞概率。
在一种可能的实现方式中,生成模块33,具体用于:根据第一图像信息,生成第二图像信息,第二图像信息用于表征目标车辆和可移动物体在预设的平面坐标系中的位置;根据第二图像信息和运行信息,生成碰撞信息。
在一种可能的实现方式中,第二图像信息包括第一坐标和第二坐标,第一坐标表征目标车辆在预设的平面坐标系中的坐标;第二坐标表征可移动物体在平面坐标系中的坐标;生成模块33在根据第二图像信息和运行信息,生成碰撞信息时,具体用于:根据运行信息和第一坐标,确定第一预测位置,第一预测位置为目标车辆根据运行信息行驶预设时长后的位置;根据第二图像信息,确定第二预测位置,第二预测位置为可移动物体在预设时长后的位置;根据第一预测位置和第二预测位置,生成碰撞信息。
在一种可能的实现方式中,目标道路监控设备包括至少两个,生成模块33在根据第一图像信息,生成第二图像信息时,具体用于:根据各目标监控设备对应的第一图像信息,生成多维图像信息,多维图像信息用于表征在不同视觉角度下,目标车辆的位置和可移动物体的位置;根据多维图像信息,生成第二图像信息。
在一种可能的实现方式中,生成模块33,还用于:根据第一图像信息,确定场景信息,场景信息用于表征当前位置的路面环境;根据场景信息,确定概率加权系数,概率加权系数用于表征场景信息对碰撞概率的影响加权;
生成模块33在根据第一图像信息和运行信息,生成碰撞信息时,具体用于:根据第一图像信息、运行信息和概率加权系数,生成碰撞信息。
在一种可能的实现方式中,第二获取模块32,具体用于:以目标频率向状态服务器发送请求消息,所请求消息用于从状态服务器获取目标车辆的运行信息;接收状态服务器返回的响应消息,响应消息中包括运行信息。
在一种可能的实现方式中,生成模块33,还用于:根据第一图像信息,确定场景信息,场景信息用于表征当前位置的路面环境;根据场景信息,确定目标频率。
在一种可能的实现方式中,运行信息包括以下至少一种:车辆行驶速度、车辆转向角、档位信息。
在一种可能的实现方式中,第一获取模块31,具体用于:获取当前位置对应的位置标识;根据位置标识,确定对应的监控设备标识;根据监控设备标识,确定目标道路监控设备,并获取目标道路监控设备拍摄的第一图像信息。
在一种可能的实现方式中,生成模块33,还用于:在碰撞信息对应的碰撞概率大于碰撞阈值时,向目标车辆发送预警信息,预警信息用于使目标车辆播放碰撞提示信息。
其中,第一获取模块31、第二获取模块32、生成模块33依次连接。本实施例提供的车辆碰撞预测装置可以执行如图2-图8任一所示的方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图10为本申请一个实施例提供的电子设备的示意图,如图10所示,本实施例提供的电子设备包括:处理器41,以及与处理器41通信连接的存储器42。
其中,存储器42存储计算机执行指令;
处理器41执行存储器42存储的计算机执行指令,以实现本申请图2-图8所对应的实施例中任一实施例提供的车辆碰撞预测方法。
其中,存储器41和处理器42通过总线43连接。
相关说明可以对应参见图2-图8所对应的实施例中的步骤所对应的相关描述和效果进行理解,此处不做过多赘述。
本申请一个实施例提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行以实现本申请图2-图8所对应的实施例中任一实施例提供的车辆碰撞预测方法。
其中,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本申请一个实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本申请图2-图8所对应的实施例中任一实施例提供的车辆碰撞预测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员在考虑说明书及实践这里公开的申请后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (14)
1.一种车辆碰撞预测方法,其特征在于,所述方法包括:
根据目标车辆的当前位置,获取第一图像信息,其中,所述第一图像信息是通过目标道路监控设备拍摄的,所述目标道路监控设备的监控区域覆盖所述当前位置;所述第一图像信息用于表征所述监控区域内所述目标车辆的位置和可移动物体的位置;
获取所述目标车辆的运行信息,所述运行信息用于表征所述目标车辆在所述当前位置的车辆行驶状态;
根据所述第一图像信息和所述运行信息,生成碰撞信息,所述碰撞信息用于表征所述目标车辆与所述可移动物体的碰撞概率。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像信息和所述运行信息,生成碰撞信息,包括:
根据所述第一图像信息,生成第二图像信息,所述第二图像信息用于表征所述目标车辆和所述可移动物体在预设的平面坐标系中的位置;
根据所述第二图像信息和所述运行信息,生成碰撞信息。
3.根据权利要求2所述的方法,其特征在于,所述第二图像信息包括第一坐标和第二坐标,所述第一坐标表征所述目标车辆在预设的平面坐标系中的坐标;所述第二坐标表征所述可移动物体在所述平面坐标系中的坐标;
所述根据所述第二图像信息和所述运行信息,生成碰撞信息,包括:
根据所述运行信息和所述第一坐标,确定第一预测位置,所述第一预测位置为所述目标车辆根据所述运行信息行驶预设时长后的位置;
根据所述第二图像信息,确定第二预测位置,所述第二预测位置为所述可移动物体在所述预设时长后的位置;
根据所述第一预测位置和所述第二预测位置,生成碰撞信息。
4.根据权利要求2所述的方法,其特征在于,所述目标道路监控设备包括至少两个,所述根据所述第一图像信息,生成第二图像信息,包括:
根据各所述目标监控设备对应的第一图像信息,生成多维图像信息,所述多维图像信息用于表征在不同视觉角度下,所述目标车辆的位置和所述可移动物体的位置;
根据所述多维图像信息,生成第二图像信息。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述第一图像信息,确定场景信息,所述场景信息用于表征所述当前位置的路面环境;
根据所述场景信息,确定概率加权系数,所述概率加权系数用于表征所述场景信息对所述碰撞概率的影响加权;
所述根据所述第一图像信息和所述运行信息,生成碰撞信息,包括:
根据所述第一图像信息、所述运行信息和所述概率加权系数,生成碰撞信息。
6.根据权利要求1所述的方法,其特征在于,所述获取所述目标车辆的运行信息,包括:
以目标频率向状态服务器发送请求消息,所请求消息用于从所述状态服务器获取所述目标车辆的运行信息;
接收所述状态服务器返回的响应消息,所述响应消息中包括所述运行信息。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
根据所述第一图像信息,确定场景信息,所述场景信息用于表征所述当前位置的路面环境;
根据所述场景信息,确定所述目标频率。
8.根据权利要求6所述的方法,其特征在于,所述运行信息包括以下至少一种:车辆行驶速度、车辆转向角、档位信息。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述根据目标车辆的当前位置,获取第一图像信息,包括:
获取所述当前位置对应的位置标识;
根据所述位置标识,确定对应的监控设备标识;
根据所述监控设备标识,确定所述目标道路监控设备,并获取所述目标道路监控设备拍摄的第一图像信息。
10.根据权利要求1-8任一项所述的方法,其特征在于,所述方法还包括:
在所述碰撞信息对应的碰撞概率大于碰撞阈值时,向所述目标车辆发送预警信息,所述预警信息用于使所述目标车辆播放碰撞提示信息。
11.一种车辆碰撞预测装置,其特征在于,包括:
第一获取模块,用于根据目标车辆的当前位置,获取第一图像信息,其中,所述第一图像信息是通过目标道路监控设备拍摄的,所述目标道路监控设备的监控区域覆盖所述当前位置;所述第一图像信息用于表征所述监控区域内所述目标车辆的位置和可移动物体的位置;
第二获取模块,用于获取所述目标车辆的运行信息,所述运行信息用于表征所述目标车辆在所述当前位置的车辆行驶状态;
生成模块,用于根据所述第一图像信息和所述运行信息,生成碰撞信息,所述碰撞信息用于表征所述目标车辆与所述可移动物体的碰撞概率。
12.一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至10中任一项所述的车辆碰撞预测方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至10中任一项所述的车辆碰撞预测方法。
14.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1至10中任一项所述的车辆碰撞预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111328233.0A CN114037962A (zh) | 2021-11-10 | 2021-11-10 | 车辆碰撞预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111328233.0A CN114037962A (zh) | 2021-11-10 | 2021-11-10 | 车辆碰撞预测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114037962A true CN114037962A (zh) | 2022-02-11 |
Family
ID=80144012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111328233.0A Pending CN114037962A (zh) | 2021-11-10 | 2021-11-10 | 车辆碰撞预测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114037962A (zh) |
-
2021
- 2021-11-10 CN CN202111328233.0A patent/CN114037962A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021226776A1 (zh) | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 | |
CN110430401B (zh) | 车辆盲区预警方法、预警装置、mec平台和存储介质 | |
US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
CN103176185B (zh) | 用于检测道路障碍物的方法及系统 | |
IL307426B1 (en) | System and method for using V2X and information from sensors | |
JP7420734B2 (ja) | データ配信システム、センサデバイス及びサーバ | |
Kar et al. | Real-time traffic estimation at vehicular edge nodes | |
CN109872530B (zh) | 一种路况信息的生成方法、车载终端及服务器 | |
US11025865B1 (en) | Contextual visual dataspaces | |
CA3156840C (en) | Video-based tracking systems and methods | |
CN111477030B (zh) | 车辆协同避险方法、车端平台、云端平台及存储介质 | |
JP7537787B2 (ja) | 衝突事故防止方法、その装置、そのサーバ及びそのコンピュータプログラム | |
CN114694060B (zh) | 一种道路抛洒物检测方法、电子设备及存储介质 | |
CN114530058A (zh) | 一种碰撞预警方法、装置和系统 | |
JP2023171455A (ja) | 経路予測装置、それを備えた車載装置、経路予測システム、経路予測方法、及びコンピュータプログラム | |
US20230095663A1 (en) | Urban digital twin platform system and moving object information analysis and management method therefor | |
CN111311942A (zh) | 基于v2x技术的路况显示方法、系统、v2x终端及v2x服务器 | |
WO2020210960A1 (zh) | 交通道路的数字化全景重建的方法和系统 | |
CN114842075B (zh) | 数据标注方法、装置、存储介质及车辆 | |
CN114037962A (zh) | 车辆碰撞预测方法、装置、电子设备及存储介质 | |
CN114842455A (zh) | 障碍物检测方法、装置、设备、介质、芯片及车辆 | |
Teufel et al. | Collective Perception Datasets for Autonomous Driving: A Comprehensive Review | |
CN117238143B (zh) | 基于雷达双光谱相机的交通数据融合方法、系统和装置 | |
CN115965841A (zh) | 基于雷视融合的远光灯检测方法、装置和电子设备 | |
WO2021068210A1 (zh) | 移动物体监控的方法、装置及计算机存储介质 |
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 |