CN114333298A - 一种基于交通雷达的车辆归属车道估计方法 - Google Patents
一种基于交通雷达的车辆归属车道估计方法 Download PDFInfo
- Publication number
- CN114333298A CN114333298A CN202111473216.6A CN202111473216A CN114333298A CN 114333298 A CN114333298 A CN 114333298A CN 202111473216 A CN202111473216 A CN 202111473216A CN 114333298 A CN114333298 A CN 114333298A
- Authority
- CN
- China
- Prior art keywords
- lane
- radar
- vehicle
- road
- coordinates
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
Images
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于交通雷达的车辆归属车道估计方法,该方法应用场景为高速公路的直线段或大曲率半径路段,要求雷达安装在高速公路道路的两侧或中央位置,雷达波束覆盖所测车道,首先,选取来向和去向道路边线地图信息,将地图点集经纬高坐标先转换为东北天坐标,再将东北天坐标转换为雷达本地坐标,获得雷达本地坐标系下的道路高精度地图信息,然后结合目标和地图点集在雷达本地坐标系中的坐标,利用线性插值找到平行于车辆的道路边界定位点坐标,最后利用车辆坐标和边界定位点坐标计算归属车道;本发明的方法具有高实时性、高精度的优点,可实现对车辆归属车道的精准估计。
Description
技术领域
本发明属于交通雷达应用技术领域,具体涉及一种基于交通雷达的车辆归属车道估计方法。
背景技术
随着智能交通系统的发展,人们对于汽车道路安全信息关注度不断提高。车辆在高速上行驶的过程中,探测雷达精确捕获每个车辆的归属车道是有实际意义的,这有利于提高雷达对车辆的追踪精度,也可以获取单个车道的车流量。因此作为交通雷达需要获取的路况信息,精确计算每个目标车辆的归属车道成为一个亟待解决的问题。
发明内容
有鉴于此,本发明的目的是提供一种基于交通雷达的车辆归属车道估计方法,可实时输出车辆的归属车道,计算复杂度低,实时性强。
一种基于交通雷达的车辆归属车道估计方法,包括如下步骤:
S0、建立雷达本地笛卡尔坐标系XYZ,交通雷达所处位置为坐标原点,以交通雷达阵面法线为Y轴,且Y轴尽量与道路方向平行;
S1:获取交通雷达的经纬度信息和偏北角θ;其中,偏北角θ指的是雷达本地坐标系XYZ的Y轴相对于东北天坐标系ENU中N轴的夹角;
S2:获得待测路段地图点集的经纬高信息;
S3:将道路地图点集的经纬度和雷达位置的经纬度坐标转换到东北天坐标系ENU中;
S4:将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中;
S5:对车道信息进行提取,包括车道宽度和车道数量;
S6:结合目标在雷达本地笛卡尔坐标系XYZ的位置和车道线信息,得到目标车辆的归属车,具体为:
根据交通雷达返回的数据,提取目标车辆的位置信息和速度信息,由目标车辆的位置信息中Y轴坐标值y,在目标车辆所在道路左边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标定义为(xN,YN)和(xN-1,YN-1);在目标车辆所在道路右边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标可以定义为(xM,YM)和(xM-1,YM-1),则车辆与道路左边界和右边界的距离x_left和x_right值由坐标(xN,YN)和(xN-1,YN-1),(xM,YM)和(xM-1,YM-1)进行线性插值得到,插值公式表示为:
根据车辆所在与道路左边界和右边界的距离x_left和x_right,结合道路总宽度以及各车道宽度确定车辆所在车道。
较佳的,所述步骤S6中,利用x_left和x_right计算车辆位置x所占车道比例rate:
根据rate的值来判断车辆归属车道:假设高速公路为双向N车道,那么单向车道总宽:
其中,I∑为单向车道总宽;
所属车道判定规则为:
进一步的,所述S6中,假如目标落入绿化带内,rate满足α≤rate<0,α是设定的临界值,则将该目标归属车道判断为1车道。
进一步的,所述S6中,假如目标落到车道之外,即1≤rate<1+β,β是设定的临界值,则将该目标归属车道判断为应急车道。
较佳的,所述交通雷达安装在路中或路旁。
较佳的,所述交通雷达的经纬度信息和偏北角θ通过GPS设备获取。
较佳的,所述S3中,使用地理信息标准库的转换公式,将道路地图点集的经纬度和雷达位置的经纬度坐标转换到东北天坐标系ENU中。
较佳的,所述S4中,将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中,转换公式如下:
即
其中x,y,z为雷达本地笛卡尔坐标系XYZ中的坐标,E,N,U为东北天坐标系ENU中坐标,L为转换矩阵,ψ为偏转角且数值等于-θ。
本发明具有如下有益效果:
本发明公开了一种基于交通雷达的车辆归属车道估计方法,该方法应用场景为高速公路的直线段或大曲率半径路段,要求雷达安装在高速公路道路的两侧或中央位置,雷达波束覆盖所测车道,首先,选取来向和去向道路边线地图信息,将地图点集经纬高坐标先转换为东北天坐标,再将东北天坐标转换为雷达本地坐标,获得雷达本地坐标系下的道路高精度地图信息,然后结合目标和地图点集在雷达本地坐标系中的坐标,利用线性插值找到平行于车辆的道路边界定位点坐标,最后利用车辆坐标和边界定位点坐标计算归属车道;本发明的方法具有高实时性、高精度的优点,可实现对车辆归属车道的精准估计。
附图说明
图1是本发明的东北天坐标系与雷达本地坐标系及转换关系示意图;
图2是本发明目标车辆归属车道计算示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
如图1所示,地图点集的选取是由单向车道的左右护栏决定的,两两地图点集沿道路方向间隔10m(可以根据实际需要调整间隔距离)。雷达的波束指向要求覆盖所测道路,其位置安装在路中和路旁均可。其中东北天坐标系ENU的N轴指北;雷达本地笛卡尔坐标系XYZ,雷达所处位置为坐标原点,以雷达的前方或侧前方为Y轴,使Y轴尽量与道路方向平行。为了简洁,图中均省去了高度坐标轴。地图点集按照地理信息标准库中的转换关系,由经纬高坐标系转换为东北天坐标系ENU,再由坐标系ENU转换为雷达本地笛卡尔坐标系XYZ。有了道路地图点集在雷达本地坐标系XYZ的位置信息后,才能对车辆进行车道归属估计。
图2所示是高速双向车道目标车辆归属车道估计建模。两向车道被绿化带分开,将交通雷达置于绿化带中,此时功率波束会更好的覆盖双向车道,使探测目标的接收信噪比更加稳定。车道为双向8车道,最外围车道是应急车道,绿化带宽度大于车道宽度。此时的坐标系是雷达本地坐标系XYZ。估计方法的具体步骤如下:
S1:获取交通雷达的经纬度信息和偏北角θ(可通过GPS设备获取);其中,偏北角θ指的是雷达达本地坐标系XYZ的Y轴相对于东北天坐标系ENU中N轴的夹角。
S2:获得待测高速路段地图点集的经纬高(经度,纬度,高度)信息,经纬高地图点集数据范围为雷达测量范围,地图点集间隔为10m(距离可调);
S3:使用地理信息标准库的转换公式,将道路地图点集和雷达位置的经纬度(WGS84)坐标转换到东北天坐标系ENU中;
S4:将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中,转换公式如下:
即
其中x,y,z为雷达本地笛卡尔坐标系XYZ中的坐标,E,N,U为东北天坐标系ENU中坐标,L为转换矩阵,ψ为偏转角且数值等于-θ;
S5:对车道信息进行提取,包括车道宽度,车道数量;
S6:结合目标在雷达本地笛卡尔坐标系XYZ的位置和车道线信息,得到目标车辆的归属车,具体为:
首先求出车道总宽度,根据车道各自的宽度,算出各车道所占比例。然后根据交通雷达返回的数据,提取目标车辆的位置信息和速度信息,如附图2所示,由目标车辆的位置信息中Y轴坐标值y,在目标车辆所在道路左边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,如图2所示,该两个地图点即为沿左边界上与车辆前、后两个地图点,其坐标可以定义为(xN,YN)和(xN-1,YN-1);同理,在目标车辆所在道路右边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标可以定义为(xM,YM)和(xM-1,YM-1),则车辆与道路左边界和右边界的距离x_left和x_right值可以由相邻的两个地图点集坐标(xN,YN)和(xN-1,YN-1),(xM,YM)和(xM-1,YM-1)进行线性插值得到,插值公式表示为:
至此,由于计算得到了车辆所在与道路左边界和右边界的距离x_left和x_right,根据道路总宽度以及各车道宽度即可确定车辆所在车道。
为了简化计算过程,本发明采用如下方法估计车辆所在车道,具体为:
利用x_left和x_right计算车辆位置x所占车道比例rate:
根据rate的值来判断车辆归属车道。此情况在曲率半径大的高速弯路上同样适用,因为在雷达的测量范围内,道路弯曲程度是很小的,只要雷达的Y轴方向尽量与道路方向平行,距离雷达距离较远处,依然可以使用该方法。假设高速公路为双向N车道,那么单向车道总宽:
其中,I∑为单向车道总宽。
以图2为例,假设车道1、2、3、4和5的道路间距分别为I1、I2、I3、I4和I5,各车道判定规则为:
当车道数量N≠5时,同样使用图2示例的方法判定。
由于目标距离较远,雷达测量精度下降,可能导致滤波航迹偏入绿化带或车道外,在这里说明如何处理这些特殊情况:
(1)假如目标落入绿化带内,rate满足α≤rate<0,α是临界值,由道路信息决定,且目标的速度和上行道方向相符或者目标的速度和下行道相符,则将该目标归属车道判断为1车道。
(2)假如目标落到车道之外,即1≤rate<1+β,β是临界值,由道路信息决定,且目标的速度和上行道方向相符或者目标的速度和下行道相符,则将该目标归属车道判断为应急车道。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于交通雷达的车辆归属车道估计方法,其特征在于,包括如下步骤:
S0、建立雷达本地笛卡尔坐标系XYZ,交通雷达所处位置为坐标原点,以交通雷达阵面法线为Y轴,且Y轴尽量与道路方向平行;
S1:获取交通雷达的经纬度信息和偏北角θ;其中,偏北角θ指的是雷达本地坐标系XYZ的Y轴相对于东北天坐标系ENU中N轴的夹角;
S2:获得待测路段地图点集的经纬高信息;
S3:将道路地图点集的经纬度和雷达位置的经纬度坐标转换到东北天坐标系ENU中;
S4:将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中;
S5:对车道信息进行提取,包括车道宽度和车道数量;
S6:结合目标在雷达本地笛卡尔坐标系XYZ的位置和车道线信息,得到目标车辆的归属车,具体为:
根据交通雷达返回的数据,提取目标车辆的位置信息和速度信息,由目标车辆的位置信息中Y轴坐标值y,在目标车辆所在道路左边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标定义为(xN,YN)和(xN-1,YN-1);在目标车辆所在道路右边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标可以定义为(xM,YM)和(xM-1,YM-1),则车辆与道路左边界和右边界的距离x_left和x_right值由坐标(xN,YN)和(xN-1,YN-1),(xM,YM)和(xM-1,YM-1)进行线性插值得到,插值公式表示为:
根据车辆所在与道路左边界和右边界的距离x_left和x_right,结合道路总宽度以及各车道宽度确定车辆所在车道。
3.如权利要求2所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述S6中,假如目标落入绿化带内,rate满足α≤rate<0,α是设定的临界值,则将该目标归属车道判断为1车道。
4.如权利要求2所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述S6中,假如目标落到车道之外,即1≤rate<1+β,β是设定的临界值,则将该目标归属车道判断为应急车道。
5.如权利要求1、2、3或4所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述交通雷达安装在路中或路旁。
6.如权利要求1、2、3或4所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述交通雷达的经纬度信息和偏北角θ通过GPS设备获取。
7.如权利要求1、2、3或4所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述S3中,使用地理信息标准库的转换公式,将道路地图点集的经纬度和雷达位置的经纬度坐标转换到东北天坐标系ENU中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111473216.6A CN114333298B (zh) | 2021-12-02 | 2021-12-02 | 一种基于交通雷达的车辆归属车道估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111473216.6A CN114333298B (zh) | 2021-12-02 | 2021-12-02 | 一种基于交通雷达的车辆归属车道估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114333298A true CN114333298A (zh) | 2022-04-12 |
CN114333298B CN114333298B (zh) | 2024-02-23 |
Family
ID=81048809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111473216.6A Active CN114333298B (zh) | 2021-12-02 | 2021-12-02 | 一种基于交通雷达的车辆归属车道估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333298B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114994673A (zh) * | 2022-08-04 | 2022-09-02 | 南京隼眼电子科技有限公司 | 用于雷达的道路地图生成方法、装置及存储介质 |
CN115015887A (zh) * | 2022-04-21 | 2022-09-06 | 广州软件应用技术研究院 | 一种路侧跨多杆激光雷达点云数据拼接方法和系统 |
CN114333298B (zh) * | 2021-12-02 | 2024-02-23 | 河北雄安京德高速公路有限公司 | 一种基于交通雷达的车辆归属车道估计方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09178505A (ja) * | 1995-12-27 | 1997-07-11 | Pioneer Electron Corp | 運転支援装置 |
JP2013234902A (ja) * | 2012-05-08 | 2013-11-21 | Alpine Electronics Inc | 走行レーン認識装置および走行レーン認識方法 |
CN103942959A (zh) * | 2014-04-22 | 2014-07-23 | 深圳市宏电技术股份有限公司 | 一种车道检测方法及装置 |
CN105702093A (zh) * | 2016-04-21 | 2016-06-22 | 江苏联盟信息工程有限公司 | 一种基于经纬度采集点的车道判定方法及定位装置 |
US20180024238A1 (en) * | 2015-02-04 | 2018-01-25 | Audi Ag | Method for acquiring transverse-position information of a motor vehicle on a carriageway and motor vehicle |
CN110044371A (zh) * | 2018-01-16 | 2019-07-23 | 华为技术有限公司 | 一种车辆定位的方法以及车辆定位装置 |
CN111339802A (zh) * | 2018-12-19 | 2020-06-26 | 长沙智能驾驶研究院有限公司 | 实时相对地图的生成方法及装置、电子设备和存储介质 |
CN111582079A (zh) * | 2020-04-24 | 2020-08-25 | 杭州鸿泉物联网技术股份有限公司 | 基于计算机视觉的车道定位方法及装置 |
CN112541953A (zh) * | 2020-12-29 | 2021-03-23 | 江苏航天大为科技股份有限公司 | 一种基于雷达信号和视频同步坐标映射的车辆检测方法 |
DE102019217144A1 (de) * | 2019-11-06 | 2021-05-06 | Volkswagen Aktiengesellschaft | Ampelspurzuordnung aus Schwarmdaten |
US20210262808A1 (en) * | 2019-08-12 | 2021-08-26 | Huawei Technologies Co., Ltd. | Obstacle avoidance method and apparatus |
CN113494915A (zh) * | 2020-04-02 | 2021-10-12 | 广州汽车集团股份有限公司 | 一种车辆横向定位方法、装置及系统 |
CN113494917A (zh) * | 2020-04-07 | 2021-10-12 | 上汽通用汽车有限公司 | 地图构建方法及系统、制定导航策略的方法以及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333298B (zh) * | 2021-12-02 | 2024-02-23 | 河北雄安京德高速公路有限公司 | 一种基于交通雷达的车辆归属车道估计方法 |
-
2021
- 2021-12-02 CN CN202111473216.6A patent/CN114333298B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09178505A (ja) * | 1995-12-27 | 1997-07-11 | Pioneer Electron Corp | 運転支援装置 |
JP2013234902A (ja) * | 2012-05-08 | 2013-11-21 | Alpine Electronics Inc | 走行レーン認識装置および走行レーン認識方法 |
CN103942959A (zh) * | 2014-04-22 | 2014-07-23 | 深圳市宏电技术股份有限公司 | 一种车道检测方法及装置 |
US20180024238A1 (en) * | 2015-02-04 | 2018-01-25 | Audi Ag | Method for acquiring transverse-position information of a motor vehicle on a carriageway and motor vehicle |
CN105702093A (zh) * | 2016-04-21 | 2016-06-22 | 江苏联盟信息工程有限公司 | 一种基于经纬度采集点的车道判定方法及定位装置 |
CN110044371A (zh) * | 2018-01-16 | 2019-07-23 | 华为技术有限公司 | 一种车辆定位的方法以及车辆定位装置 |
CN111339802A (zh) * | 2018-12-19 | 2020-06-26 | 长沙智能驾驶研究院有限公司 | 实时相对地图的生成方法及装置、电子设备和存储介质 |
US20210262808A1 (en) * | 2019-08-12 | 2021-08-26 | Huawei Technologies Co., Ltd. | Obstacle avoidance method and apparatus |
DE102019217144A1 (de) * | 2019-11-06 | 2021-05-06 | Volkswagen Aktiengesellschaft | Ampelspurzuordnung aus Schwarmdaten |
CN113494915A (zh) * | 2020-04-02 | 2021-10-12 | 广州汽车集团股份有限公司 | 一种车辆横向定位方法、装置及系统 |
CN113494917A (zh) * | 2020-04-07 | 2021-10-12 | 上汽通用汽车有限公司 | 地图构建方法及系统、制定导航策略的方法以及存储介质 |
CN111582079A (zh) * | 2020-04-24 | 2020-08-25 | 杭州鸿泉物联网技术股份有限公司 | 基于计算机视觉的车道定位方法及装置 |
CN112541953A (zh) * | 2020-12-29 | 2021-03-23 | 江苏航天大为科技股份有限公司 | 一种基于雷达信号和视频同步坐标映射的车辆检测方法 |
Non-Patent Citations (1)
Title |
---|
胡晨曦;杜自成;张博;李飞;: "基于汽车雷达的弯道行驶车辆防撞算法", 火控雷达技术, no. 03 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114333298B (zh) * | 2021-12-02 | 2024-02-23 | 河北雄安京德高速公路有限公司 | 一种基于交通雷达的车辆归属车道估计方法 |
CN115015887A (zh) * | 2022-04-21 | 2022-09-06 | 广州软件应用技术研究院 | 一种路侧跨多杆激光雷达点云数据拼接方法和系统 |
CN114994673A (zh) * | 2022-08-04 | 2022-09-02 | 南京隼眼电子科技有限公司 | 用于雷达的道路地图生成方法、装置及存储介质 |
CN114994673B (zh) * | 2022-08-04 | 2022-10-21 | 南京隼眼电子科技有限公司 | 用于雷达的道路地图生成方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114333298B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114333298A (zh) | 一种基于交通雷达的车辆归属车道估计方法 | |
CN111307162B (zh) | 用于自动驾驶场景的多传感器融合定位方法 | |
US8996197B2 (en) | Lane monitoring with electronic horizon | |
CN104778274B (zh) | 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法 | |
CN106767853B (zh) | 一种基于多信息融合的无人驾驶车辆高精度定位方法 | |
CN110532636B (zh) | 一种面向多场景的智能驾驶自主车道保持性能检测方法 | |
CN109272756B (zh) | 一种信控交叉口排队长度估计方法 | |
JP6504316B2 (ja) | 走行車線推定システム | |
EP2306150B1 (en) | Method of transmitting position information of digital map and apparatus utilized for the method | |
EP2427726B1 (en) | Methods and systems for creating digital transportation networks | |
CN105792135B (zh) | 一种定位车辆所在车道的方法及装置 | |
CN113419244A (zh) | 一种基于毫米波雷达数据的车辆轨迹拼接方法 | |
CN112995899B (zh) | 车路协同定位方法、装置、车载定位系统及路侧设备 | |
CN114333297B (zh) | 一种基于交通雷达的车辆所属弯道车道估计方法 | |
CN102208013A (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
CN111121849B (zh) | 传感器的方位参数的自动校准方法、边缘计算单元和路侧传感系统 | |
CN106097718A (zh) | 基于gps数据的信号交叉口区域通行时间估计方法 | |
CN104750963A (zh) | 交叉口延误时长估计方法及装置 | |
CN107274721A (zh) | 一种智能交通系统中多车辆协作定位方法 | |
CN112683260A (zh) | 一种基于高精度地图和v2x的组合导航定位精度提升系统及方法 | |
CN104395944A (zh) | 定向车道的识别 | |
CN111175788A (zh) | 自动驾驶车辆横向定位方法及其定位系统 | |
CN110018503B (zh) | 车辆的定位方法及定位系统 | |
CN113075676B (zh) | 一种基于车道线里程匹配的隧道内车辆定位方法 | |
CN104515528A (zh) | 基于路段累积概率的单点地图匹配方法 |
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 |