CN114312842B - 一种无人清扫车信号灯融合感知识别和控制方法 - Google Patents
一种无人清扫车信号灯融合感知识别和控制方法 Download PDFInfo
- Publication number
- CN114312842B CN114312842B CN202111680714.8A CN202111680714A CN114312842B CN 114312842 B CN114312842 B CN 114312842B CN 202111680714 A CN202111680714 A CN 202111680714A CN 114312842 B CN114312842 B CN 114312842B
- Authority
- CN
- China
- Prior art keywords
- signal lamp
- gps
- information
- stop line
- unmanned
- 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
- 241001417527 Pempheridae Species 0.000 title claims abstract description 30
- 230000004927 fusion Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000008447 perception Effects 0.000 title claims abstract description 16
- 238000005507 spraying Methods 0.000 claims abstract description 15
- 238000010408 sweeping Methods 0.000 claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 241000283070 Equus zebra Species 0.000 claims description 32
- 238000004140 cleaning Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 4
- 241001123248 Arma Species 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract 1
- 230000002093 peripheral effect Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种无人清扫车信号灯融合感知识别和控制方法。该方法通过V2X识别信号灯；通过自动驾驶感知部件识别行人和车辆等障碍物；通过控制器分析后传输指令给执行单元来控制清扫车行驶状态及喷洒、清扫机构的运动。本发明通过V2X识别信号灯，精确度大幅提高，避免了感知部件在极端情况下的误识别情况；通过摄像头，毫米波，激光雷达等感知部件融合感知识别周边障碍物，通过多传感器融合感知，降低误识别率；通过融合判定来执行动力，转向，制动以及清扫和喷洒动作。
Description
技术领域
本发明涉及无人清扫车领域，尤其是涉及一种无人清扫车信号灯融合感知识别和控制方法。
背景技术
随着社会经济的发展与科学技术的进步，无人驾驶清扫车已经实现了商业化运营，这必将减轻环卫工作者的劳动强度和风险，极大地方便了人们的生活。但是无人驾驶清扫车遇到信号灯时，如果不能及时做出判断，极易造成交通安全隐患，降低通行效率。当前信号灯识别技术主要通过摄像头识别是否存在信号灯以及信号灯的颜色，受功能原理所限无法解决雨天或环境光干扰时其识别性能下降的问题。现有技术的不足之处：1.算法模型的不完善导致摄像头识别红绿置信度大幅降低；2.环境遮挡导致摄像头识别信号灯置信度大幅降低；3.逆光导致摄像头识别信号灯置信度大幅降低；4.夜间光线不足导致摄像头识别信号灯置信度大幅降低；5.在高架桥或者有遮挡物的情况下，GPS信号是否可用，会对无人驾驶车的行驶安全性造成困扰，6.并没有给出斑马线和停止线的判断。
发明内容
鉴于以上所述现有技术的缺点，本发明提供了一种无人清扫车信号灯融合感知识别和控制方法，用于解决现有技术算法模型的不完善导致摄像头识别红绿置信度大幅降低，环境遮挡导致摄像头识别信号灯置信度大幅降低，夜间光线不足导致摄像头识别信号灯置信度大幅降低。
为了实现上述目的及相关目的，本发明提供了一种无人清扫车信号灯融合感知识别和控制方法，包括：
步骤一：检测GPS信号是否可用，若GPS信号可用，无人清扫车在GPS导引下靠近信号灯路口，并直接进入步骤三；
步骤二：若GPS信号不可用，查看路测单元RSU的SPAT消息，根据SPAT消息的内容，对比无人清扫车高精度地图，判断无人清扫车所在车道的ID信息；
步骤三：通过算法检测停止线，检测停止线后，查看路测单元RSU的SPAT消息，根据SPAT消息找到信号灯和倒计时信息；
步骤四：接近停止线0.3-1米停车，控制清扫车的喷洒、清扫机构停止运动；
步骤五：倒计时结束2秒后，检测前方是否有行人和车辆通过，若没有，则执行无人清扫车通过信号灯操作，并启动喷洒、清扫机构。进一步的，所述步骤三检测停止线包括以下步骤：
31、使用透视变换，将二值图转换成鸟瞰图；
32、使用梯度阈值，颜色阈值来处理校正后的图片，捕获车道线所在位置的像素，并以此进行阈值过滤得到车道线的二进制图；
33、对二进制图通过高斯滤波去除噪声信息，提取二进制图中属于停止线和斑马线的像素；
34统计所有斑马线与停止线之间角度；
35计算车辆相对停止线的距离。
进一步的，所述步骤三检测停止线的方法还包括以下步骤：
M1：阈值过滤提取后的停止线和斑马线特征比较明显，即斑马线为一组间距、长度递减的平行Y轴的直线，停止线为一道平行X轴的直线，引入二维空间Hough变换，其定义为：
R(ρ,θ)＝∫∫f(x,y)δ(ρ-xcosθ-ysinθ)dxdv
式子中：f(x,y)为图像点(x,y)的灰度，ρ为坐标原点到直线的垂直距离，θ为斑马线与X轴的夹角，即斑马线与停止线之间角度；
M2：根据所有斑马线与停止线之间角度的幅度变化建立数学模型，如果停止线与各斑马线的夹角θ变化均在所述数学模型范围内，则认定检测到的图像就是靠近斑马线的停止线，否则不是。
进一步的，停止线到坐标原点的垂直距离设置为0.3-1米；
进一步的，所述检测GPS信号是否可用包括以下步骤：
建立3级级联的AR模型来逼近ARMA模型：
第一级：
xt-a1xt-1-a2xt-2-a3xt-3＝ut
第二级：
ut-b1ut-1-b2ut-2＝vt
第三级：
vt-c1vt-1＝nt
来实时地预测下一时刻的GPS的输出定位信息，根据以上建立的模型，得出一步预测的公式为：
利用实时求取各级模型参数，为下一时刻GPS的位置信息，通过上面的公式就可以实时在线估计出GPS输出定位信息，以达到处理的目的，判断性准则：利用95％的圆周半径作为GPS接收输出定位信息的判断标准，将3级AR模型的预测输出值与当前时刻GPS接收机定位输出值相比较，当两者的差距超过该半径，则认为5％的小概率事件发生了，当前的GPS输出定位信息不可用，判定该时刻的GPS输出值为离群值，95％的圆概率半径的计算式如下：
CEP95≈2.0HDOPσUERE
式中，HDOP为水平精度因子，取为1.5；σUERE为卫星伪距测量误差的标准偏差，对于C/A码来说，其估计值为33.3m；
如果当前GPS输出的信息为离群值，则为了不影响下一时刻模型的准
确性，应该将输出信息剔除掉，并以当前时刻的AR模型的预测输出值代替，继续进行在线的参数估计和下一时刻的预测，并判断信息的可用性。
进一步的，有一种存储一个或多个程序的计算机可读存储介质，所述计算机可读存储介质存储有一个或多个程序指令，所述程序指令被处理器执行时，完成以上的任意一种方法。
进一步的，所述的无人清扫车信号灯融合感知识别和控制系统，包括摄像头模块、激光雷达模块、毫米波雷达、定位模块、惯导模块；车端V2X通过5G通讯获取路端V2X信号灯信号，所述激光雷达，毫米波雷达，定位模块，摄像头，惯导模块实现车辆位置以及周边环境的感知，通过自动驾驶控制器控制车辆的转向系统，制动系统，驱动系统，仪表以及清扫系统，喷洒系统的工作。
不同传感器获得的实测数据进行特性分类，得到能代表检测值的矢量信息；对得到的具有方向信息的向量进行识别和分类，完成各传感器对被测实体的解释数据；探测传感器将得到的被测实体的解释数据，按照目标实体的分类进行相互关联；通过多传感器数据融合算法将被测实体的传感器数据进行融合，得到该实体的一致性解释与描述。
本发明通过V2X识别信号灯，精确度大幅提高，避免了感知部件在极端情况下的误识别情况；通过摄像头，毫米波，激光雷达等感知部件融合感知识别周边障碍物，GPS信号的判断是否可用也提高了无人清扫车的安全性，通过多传感器融合感知，降低误识别率；通过融合判定来执行动力，转向，制动以及清扫和喷洒动作。
附图说明
图1是本发明中一种无人清扫车V2X识别信号灯逻辑图；
图2是本发明中一种无人清扫车架构图；
图3是本发明中车辆行驶图；
图4是本发明中检测斑马线和停止线流程图；
图5是本发明中斑马线鸟瞰图。
图6是本发明在不同光照下的斑马线识别对比图。
具体实施方式
下面结合附图对本发明作进一步描述。
实时例1：如图1,2所示，首先无人清扫车A通过V2X和路测单元RSU识别信号灯，包括：S1.为了检测GPS信号是否可用，建立3级级联的AR模型来逼近ARMA模型：
第一级：
xt-a1xt-1-a2xt-2-a3xt-3＝ut
第二级：
ut-b1ut-1-b2ut-2＝vt
第三级：
vt-c1vt-1＝nt
来实时地预测下一时刻的GPS的输出定位信息，根据以上建立的模型，得出一步预测的公式为：
利用实时求取各级模型参数，为下一时刻GPS的位置信息，通过上面的公式就可以实时在线估计出GPS输出定位信息，以达到处理的目的，判断性准则：利用95％的圆周半径作为GPS接收输出定位信息的判断标准，将3级AR模型的预测输出值与当前时刻GPS接收机定位输出值相比较，当两者的差距超过该半径，则认为5％的小概率事件发生了，当前的GPS输出定位信息不可用，判定该时刻的GPS输出值为离群值，95％的圆概率半径的计算式如下：
式中，HDOP为水平精度因子，取为1.5；σUERE为卫星伪距测量误差的标准偏差，对于C/A码来说，其估计值为33.3m；
如果当前GPS输出的信息为离群值，则为了不影响下一时刻模型的准确性，应该将输出信息剔除掉，并以当前时刻的AR模型的预测输出值代替，继续进行在线的参数估计和下一时刻的预测，并判断信息的可用性；
S2：若GPS信号不可用，则在参考路径上，带有V2X通信技术的无人清扫车实时接收和识别路测单元RSU设备的有效信息；获取无人清扫车车道的信息，获取车道所对应的相位ID；
S3：通过算法检测停止线，检测停止线后，查看路测单元RSU的SPAT消息，根据SPAT消息查找该相位的信号灯和倒计时信息；
S4：接近停止线0.3-1米停车，控制清扫车的喷洒、清扫机构停止运动；
S5：最后根据倒计时等信息执行无人清扫车通过信号灯操作，并启动喷洒、清扫机构。
如图3所示，无人清扫车A信号灯融合感知识别和控制系统，包括摄像头模块、激光雷达模块、毫米波雷达、无线通讯模块、惯导模块、定位模块、中央处理器、无线充电模块等；不同传感器获得的实测数据进行特性分类，得到能代表检测值的矢量信息；对得到的具有方向信息的向量进行识别和分类，完成各传感器对被测实体的解释数据；探测传感器将得到的被测实体的解释数据，按照目标实体的分类进行相互关联；通过多传感器数据融合算法将被测实体的传感器数据进行融合，得到该实体的一致性解释与描述。
车端V2X通过5G通讯获取路端V2X信号灯信号，所述激光雷达，毫米波雷达，定位模块，摄像头，惯导模块实现车辆位置以及周边环境的感知，通过自动驾驶控制器控制车辆的转向系统，制动系统，驱动系统，仪表以及清扫系统，喷洒系统的工作。
在该系统下，如图4所示，当倒计时结束2秒后，无人清扫车检测前方是否有行人和车辆通过，若没有，则执行无人清扫A车通过信号灯操作，并启动喷洒、清扫机构。
如图5所示，所述算法包括：1.使用透视变换，将二值图转换成鸟瞰图，2.使用梯度阈值，颜色阈值来处理校正后的图片，捕获车道线所在位置的像素，并以此进行阈值过滤得到车道线的二进制图，3.对二进制图通过高斯滤波去除噪声信息，提取二进制图中属于停止线和斑马线的像素，4.统计所有斑马线与停止线之间角度，5.计算车辆相对停止线的距离。
斑马线的识别：阈值过滤提取后的停止线和斑马线特征比较明显，即斑马线为一组间距、长度递减的平行Y轴的直线，停止线为一道平行X轴的直线，引入二维空间Hough变换，其定义为：
R(ρ,θ)＝∫∫f(x,y)δ(ρ-xcosθ-ysinθ)dxdv
式子中：f(x,y)为图像点(x,y)的灰度，ρ为坐标原点到直线的垂直距离，θ为斑马线与X轴的夹角，即斑马线与停止线之间角度；根据所有斑马线与停止线之间角度的幅度变化建立数学模型，如果停止线与各斑马线的夹角θ变化均在所述数学模型范围内，则认定检测到的图像就是靠近斑马线的停止线，否则不是。
实施列2：与实施列1不同之处在于：当GPS信号可用时，无人清扫车在GPS导引下靠近信号灯路口，再通过算法检测停止线，
当人清扫车检测到停止线到无人清扫车坐标原点的垂直距离设置为0.3-1米时，停车，控制清扫车的喷洒、清扫机构停止运动，最后根据倒计时等信息执行无人清扫车通过信号灯操作，并启动喷洒、清扫机构。
上述实施例仅例示性说明本发明的原理，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (5)
1.一种无人清扫车信号灯融合感知识别和控制方法，其特征在于所述方法包括以下步骤：
步骤一：检测GPS信号是否可用，若GPS信号可用，无人清扫车在GPS导引下靠近信号灯路口，并直接进入步骤三；
步骤二：若GPS信号不可用，查看路测单元RSU的SPAT消息，根据SPAT消息的内容，对比无人清扫车高精度地图，判断无人清扫车所在车道的ID信息；
步骤三：通过算法检测停止线，检测停止线后，查看路测单元RSU的SPAT消息，根据SPAT消息找到信号灯和倒计时信息；
步骤四：接近停止线0.3—1米停车，控制清扫车的喷洒、清扫机构停止运动；
步骤五：倒计时结束2秒后，检测前方是否有行人和车辆通过，若没有，则执行无人清扫车通过信号灯操作，并启动喷洒、清扫机构；
所述步骤三检测停止线的方法还包括以下步骤：
M1：阈值过滤提取后的停止线和斑马线特征比较明显，即斑马线为一组间距、长度递减的平行Y轴的直线，停止线为一道平行X轴的直线，引入二维空间Hough变换，其定义为：
R(ρ,θ)＝∫∫f(x ,y)δ(ρ-xcosθ-ysinθ)dxdv，
式子中：f(x ,y)为图像点(x ,y)的灰度，ρ为坐标原点到直线的垂直距离，θ为斑马线与X轴的夹角，即斑马线与停止线之间角度；
M2：根据所有斑马线与停止线之间角度的幅度变化建立数学模型，如果停止线与各斑马线的夹角θ变化均在所述数学模型范围内，则认定检测到的图像就是靠近斑马线的停止线，否则不是；
所述检测GPS信号是否可用包括以下步骤：
S1:建立3级级联的AR模型来逼近ARMA模型：
第一级：
xt-a1xt-1-a2xt-2-a3xt-3＝ut，
第二级：
ut-b1ut-1-b2ut-2＝vt，
第三级：
vt-c1vt-1＝nt，
来实时地预测下一时刻的GPS的输出定位信息，根据以上建立的模型，得出一步预测的公式为：
，
利用实时求取各级模型参数，为下一时刻GPS的位置信息，通过上面的公式就可以实时在线估计出GPS输出定位信息，以达到处理的目的，判断性准则：利用95％的圆周半径作为GPS接收输出定位信息的判断标准，将3级AR模型的预测输出值与当前时刻GPS接收机定位输出值相比较，当两者的差距超过该半径，则认为5％的小概率事件发生了，当前的GPS输出定位信息不可用，判定该时刻的GPS输出值为离群值，95％的圆概率半径的计算式如下：
，
式中，HDOP为水平精度因子，取为1.5；σUERE为卫星伪距测量误差的标准偏差，对于C/A码来说，其估计值为33.3m；如果当前GPS输出的信息为离群值，则为了不影响下一时刻模型的准确性，应该将输出信息剔除掉，并以当前时刻的AR模型的预测输出值代替，继续进行在线的参数估计和下一时刻的预测，并判断信息的可用性。
2.根据权利要求1所述的无人清扫车信号灯融合感知识别和控制方法，其特征在于，所述步骤三检测停止线包括以下步骤：
31、使用透视变换，将二值图转换成鸟瞰图；
32、使用梯度阈值，颜色阈值来处理校正后的图片，捕获车道线所在位置的像素，并以此进行阈值过滤得到车道线的二进制图；
33、对二进制图通过高斯滤波去除噪声信息，提取二进制图中属于停止线和斑马线的像素；
34、统计所有斑马线与停止线之间角度；
35、计算车辆相对停止线的距离。
3.根据权利要求2所述的一种无人清扫车信号灯融合感知识别和控制方法，其特征在于：停止线到无人清扫车坐标原点的垂直距离设置为0.3—1米。
4.一种应用于权利要求1—3任意一项所述的无人清扫车信号灯融合感知识别和控制方法的无人清扫车信号灯融合感知识别和控制系统，其特征在于，包括车端V2X、摄像头模块、激光雷达模块、毫米波雷达、惯导模块、定位模块；所述车端V2X通过5G通讯获取路端V2X信号灯信号，所述激光雷达，毫米波雷达，定位模块，摄像头，惯导模块实现车辆位置以及周边环境的感知，通过自动驾驶控制器控制车辆的转向系统，制动系统，驱动系统，仪表以及清扫系统，喷洒系统的工作。
5.一种存储一个或多个程序的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存储有一个或多个程序指令，所述程序指令被处理器执行时，完成权利要求1至3中的任意一种方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111680714.8A CN114312842B (zh) | 2021-12-30 | 2021-12-30 | 一种无人清扫车信号灯融合感知识别和控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111680714.8A CN114312842B (zh) | 2021-12-30 | 2021-12-30 | 一种无人清扫车信号灯融合感知识别和控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114312842A CN114312842A (zh) | 2022-04-12 |
| CN114312842B true CN114312842B (zh) | 2023-12-05 |
Family
ID=81023124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111680714.8A Active CN114312842B (zh) | 2021-12-30 | 2021-12-30 | 一种无人清扫车信号灯融合感知识别和控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114312842B (zh) |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105759820A (zh) * | 2016-04-08 | 2016-07-13 | 济宁中科先进技术研究院有限公司 | 基于激光和视觉的道路自主清扫控制系统及控制方法 |
| CN108334072A (zh) * | 2017-12-29 | 2018-07-27 | 同济大学 | 一种基于北斗导航的清扫车双驾驶模式控制系统 |
| CN108490941A (zh) * | 2018-03-29 | 2018-09-04 | 奇瑞汽车股份有限公司 | 应用于道路清扫车的自动驾驶系统及其控制方法、装置 |
| CN109308070A (zh) * | 2017-07-27 | 2019-02-05 | 郑州宇通客车股份有限公司 | 一种纯电动环卫清扫车及其自动驾驶系统 |
| CN109383513A (zh) * | 2017-08-04 | 2019-02-26 | 郑州宇通客车股份有限公司 | 环卫清扫车自动驾驶控制方法和控制系统 |
| CN109556615A (zh) * | 2018-10-10 | 2019-04-02 | 吉林大学 | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 |
| CN109610396A (zh) * | 2018-12-26 | 2019-04-12 | 北京智行者科技有限公司 | 无人驾驶清扫车辆及其洒水系统控制方法 |
| CN109828581A (zh) * | 2019-02-27 | 2019-05-31 | 同济大学 | 一种带有自动驾驶系统的多模式智能电动清扫车 |
| CN110499727A (zh) * | 2019-08-14 | 2019-11-26 | 北京智行者科技有限公司 | 一种基于多传感器的贴边清扫方法和清扫车 |
| CN110703769A (zh) * | 2019-11-12 | 2020-01-17 | 山东交通学院 | 一种基于云平台的自动驾驶清扫车系统及控制方法 |
| CN110895334A (zh) * | 2019-12-25 | 2020-03-20 | 广州赛特智能科技有限公司 | 基于激光雷达和gps融合虚拟墙无人清扫车校准装置及方法 |
| CN110956837A (zh) * | 2019-11-18 | 2020-04-03 | 中云智网数据产业(常州)有限公司 | 一种基于城市交通的自动驾驶特种车辆的调度方法 |
| CN111309003A (zh) * | 2019-11-29 | 2020-06-19 | 江苏集萃智能制造技术研究所有限公司 | 无人清扫车及其避障控制系统 |
| CN111489571A (zh) * | 2020-05-12 | 2020-08-04 | 东风汽车集团有限公司 | 一种基于v2x的车辆交叉口优先通行方法及系统 |
| KR102163208B1 (ko) * | 2020-03-10 | 2020-10-08 | 주식회사 태정이엔지 | 하이브리드 무인교통 감시시스템 및 그 방법 |
| CN111862633A (zh) * | 2020-06-23 | 2020-10-30 | 东风汽车集团有限公司 | 一种基于v2x的交通信号灯控制方法、路侧单元及系统 |
| CN111962436A (zh) * | 2020-08-26 | 2020-11-20 | 吉林大学 | 一种非机动车道无人驾驶自动规划环保清扫车及清扫方法 |
| CN112241175A (zh) * | 2020-12-21 | 2021-01-19 | 广州赛特智能科技有限公司 | 一种无人清扫车的道路全遍历清扫路径规划方法 |
| CN112572466A (zh) * | 2020-11-24 | 2021-03-30 | 苏州泛像汽车技术有限公司 | 一种自适应无人扫地车的控制方法 |
| KR102247023B1 (ko) * | 2020-05-08 | 2021-05-03 | 주식회사 사운드에어 | 사운드 데이터 기반 자율주행 시스템, 이동체 이동 안전 시스템 및 방법 |
| CN112982252A (zh) * | 2021-02-20 | 2021-06-18 | 深圳一清创新科技有限公司 | 一种沿边清扫方法、装置和清扫车 |
| CN113542926A (zh) * | 2021-07-07 | 2021-10-22 | 东风悦享科技有限公司 | 一种基于Sharing-Smart无人清扫车的5G平行驾驶系统及控制方法 |
| CN113759923A (zh) * | 2021-09-14 | 2021-12-07 | 东风悦享科技有限公司 | 一种自动驾驶清扫车的清扫控制系统及方法 |
| WO2021251562A1 (ko) * | 2020-06-09 | 2021-12-16 | 주식회사 서경산업 | 보행신호등 주변의 위반차량 무인단속시스템 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019079941A1 (en) * | 2017-10-23 | 2019-05-02 | Bayerische Motoren Werke Aktiengesellschaft | METHOD AND APPARATUS FOR DETERMINING A DRIVING STRATEGY OF A VEHICLE |
-
2021
- 2021-12-30 CN CN202111680714.8A patent/CN114312842B/zh active Active
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105759820A (zh) * | 2016-04-08 | 2016-07-13 | 济宁中科先进技术研究院有限公司 | 基于激光和视觉的道路自主清扫控制系统及控制方法 |
| CN109308070A (zh) * | 2017-07-27 | 2019-02-05 | 郑州宇通客车股份有限公司 | 一种纯电动环卫清扫车及其自动驾驶系统 |
| CN109383513A (zh) * | 2017-08-04 | 2019-02-26 | 郑州宇通客车股份有限公司 | 环卫清扫车自动驾驶控制方法和控制系统 |
| CN108334072A (zh) * | 2017-12-29 | 2018-07-27 | 同济大学 | 一种基于北斗导航的清扫车双驾驶模式控制系统 |
| CN108490941A (zh) * | 2018-03-29 | 2018-09-04 | 奇瑞汽车股份有限公司 | 应用于道路清扫车的自动驾驶系统及其控制方法、装置 |
| CN109556615A (zh) * | 2018-10-10 | 2019-04-02 | 吉林大学 | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 |
| CN109610396A (zh) * | 2018-12-26 | 2019-04-12 | 北京智行者科技有限公司 | 无人驾驶清扫车辆及其洒水系统控制方法 |
| CN109828581A (zh) * | 2019-02-27 | 2019-05-31 | 同济大学 | 一种带有自动驾驶系统的多模式智能电动清扫车 |
| CN110499727A (zh) * | 2019-08-14 | 2019-11-26 | 北京智行者科技有限公司 | 一种基于多传感器的贴边清扫方法和清扫车 |
| CN110703769A (zh) * | 2019-11-12 | 2020-01-17 | 山东交通学院 | 一种基于云平台的自动驾驶清扫车系统及控制方法 |
| CN110956837A (zh) * | 2019-11-18 | 2020-04-03 | 中云智网数据产业(常州)有限公司 | 一种基于城市交通的自动驾驶特种车辆的调度方法 |
| CN111309003A (zh) * | 2019-11-29 | 2020-06-19 | 江苏集萃智能制造技术研究所有限公司 | 无人清扫车及其避障控制系统 |
| CN110895334A (zh) * | 2019-12-25 | 2020-03-20 | 广州赛特智能科技有限公司 | 基于激光雷达和gps融合虚拟墙无人清扫车校准装置及方法 |
| KR102163208B1 (ko) * | 2020-03-10 | 2020-10-08 | 주식회사 태정이엔지 | 하이브리드 무인교통 감시시스템 및 그 방법 |
| KR102247023B1 (ko) * | 2020-05-08 | 2021-05-03 | 주식회사 사운드에어 | 사운드 데이터 기반 자율주행 시스템, 이동체 이동 안전 시스템 및 방법 |
| CN111489571A (zh) * | 2020-05-12 | 2020-08-04 | 东风汽车集团有限公司 | 一种基于v2x的车辆交叉口优先通行方法及系统 |
| WO2021251562A1 (ko) * | 2020-06-09 | 2021-12-16 | 주식회사 서경산업 | 보행신호등 주변의 위반차량 무인단속시스템 |
| CN111862633A (zh) * | 2020-06-23 | 2020-10-30 | 东风汽车集团有限公司 | 一种基于v2x的交通信号灯控制方法、路侧单元及系统 |
| CN111962436A (zh) * | 2020-08-26 | 2020-11-20 | 吉林大学 | 一种非机动车道无人驾驶自动规划环保清扫车及清扫方法 |
| CN112572466A (zh) * | 2020-11-24 | 2021-03-30 | 苏州泛像汽车技术有限公司 | 一种自适应无人扫地车的控制方法 |
| CN112241175A (zh) * | 2020-12-21 | 2021-01-19 | 广州赛特智能科技有限公司 | 一种无人清扫车的道路全遍历清扫路径规划方法 |
| CN112982252A (zh) * | 2021-02-20 | 2021-06-18 | 深圳一清创新科技有限公司 | 一种沿边清扫方法、装置和清扫车 |
| CN113542926A (zh) * | 2021-07-07 | 2021-10-22 | 东风悦享科技有限公司 | 一种基于Sharing-Smart无人清扫车的5G平行驾驶系统及控制方法 |
| CN113759923A (zh) * | 2021-09-14 | 2021-12-07 | 东风悦享科技有限公司 | 一种自动驾驶清扫车的清扫控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114312842A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107161141B (zh) | 无人驾驶汽车系统及汽车 | |
| CN111695546B (zh) | 用于无人车的交通信号灯识别方法和装置 | |
| CN112665556B (zh) | 使用被动和主动测量生成场景的三维地图 | |
| JP6166294B2 (ja) | 自動運転システム、自動運転の方法及びコンピューティング装置 | |
| CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
| Choi et al. | Environment-detection-and-mapping algorithm for autonomous driving in rural or off-road environment | |
| CN112132896B (zh) | 一种轨旁设备状态检测方法及系统 | |
| CN110103953B (zh) | 用于辅助车辆的驾驶控制的方法、设备、介质和系统 | |
| JP6464783B2 (ja) | 物体検出装置 | |
| US11371851B2 (en) | Method and system for determining landmarks in an environment of a vehicle | |
| CN109871787B (zh) | 一种障碍物检测方法及装置 | |
| CN111563469A (zh) | 一种不规范停车行为识别方法及装置 | |
| CN109583415A (zh) | 一种基于激光雷达与摄像机融合的交通灯检测与识别方法 | |
| WO2020029706A1 (zh) | 一种伪车道线剔除方法及装置 | |
| CN108230254A (zh) | 一种自适应场景切换的高速交通全车道线自动检测方法 | |
| CN106295459A (zh) | 基于机器视觉和级联分类器的车辆检测和预警方法 | |
| CN109682388B (zh) | 跟随路径的确定方法 | |
| Belaroussi et al. | Impact of reduced visibility from fog on traffic sign detection | |
| Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
| Revilloud et al. | An improved approach for robust road marking detection and tracking applied to multi-lane estimation | |
| US10970870B2 (en) | Object detection apparatus | |
| CN114296095A (zh) | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 | |
| US20230349719A1 (en) | Map generation apparatus, map generation program and on-vehicle equipment | |
| CN114312842B (zh) | 一种无人清扫车信号灯融合感知识别和控制方法 | |
| CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 |
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 |