CN114415200A - 车辆定位方法、装置、电子设备及计算机可读存储介质 - Google Patents

车辆定位方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN114415200A
CN114415200A CN202111474016.2A CN202111474016A CN114415200A CN 114415200 A CN114415200 A CN 114415200A CN 202111474016 A CN202111474016 A CN 202111474016A CN 114415200 A CN114415200 A CN 114415200A
Authority
CN
China
Prior art keywords
data
vehicle
target vehicle
determining
forklift
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
Application number
CN202111474016.2A
Other languages
English (en)
Inventor
张永翔
王博
黄雄
陈信裕
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.)
Guangdong Jaten Robot and Automation Co Ltd
Original Assignee
Guangdong Jaten Robot and Automation Co Ltd
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 Guangdong Jaten Robot and Automation Co Ltd filed Critical Guangdong Jaten Robot and Automation Co Ltd
Priority to CN202111474016.2A priority Critical patent/CN114415200A/zh
Publication of CN114415200A publication Critical patent/CN114415200A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请提供了一种车辆定位方法、装置、电子设备及计算机可读存储介质，涉及目标定位技术领域，该方法包括获取激光雷达检测到的点云数据；将所述点云数据划分为车身数据与车轮数据；根据所述车身数据确定目标车辆的车身中心和车身长度，根据车轮数据确定目标车辆的朝向角；根据所述目标车辆的车身中心、车身长度以及朝向角对目标车辆进行定位；本申请能够不受光照环境限制，且能快速的进行车辆定位。

Description

车辆定位方法、装置、电子设备及计算机可读存储介质
技术领域
本申请涉及但不限于目标定位技术领域，尤其涉及一种车辆定位方法、装置、电子设备及计算机可读存储介质。
背景技术
叉车在搬运汽车时，需要根据点云信息对齐目标车辆，并将叉臂对准目标车轮。现有的车辆分割与定位方法通常依赖摄像头采集的图像数据，如传统的几何特征目标检测法，以及神经网络数据驱动检测法。这些依赖摄像头采集结果的方法，对图像质量要求较高，而在某些场景，例如露天停车场环境中，图像的采集会受到光照与天气情况的直接影响，如在大雨、大雾、夜晚及强光过曝的情况下，摄像头的成像质量会急剧下降，影响图像检测的准确性。此外，传统的几何特征目标检测法依赖于明显的几何特征，但不同的车辆往往外形存在差异，难以用固定的几何特征进行不同车辆的检测。若车轮与车身颜色相近，则轮胎几何轮廓也难以提取。使用神经网络进行检测，则需要收集训练数据，给算法部署增加了成本。
鉴于此，有必要对现有的车辆定位方式进行改进，能够不受光照环境限制，且能快速的进行车辆定位。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供了一种车辆定位方法、装置、电子设备及计算机可读存储介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
第一方面，本申请实施例提供了一种车辆定位方法，包括：
获取激光雷达检测到的点云数据；
将所述点云数据划分为车身数据与车轮数据；
根据所述车身数据确定目标车辆的车身中心和车身长度，根据车轮数据确定目标车辆的朝向角；
根据所述目标车辆的车身中心、车身长度以及朝向角对目标车辆进行定位。
在一些实施例中，所述将所述点云数据划分为车身数据与车轮数据包括：
建立叉车的坐标系；
采用RANSAC算法确定所述点云数据在叉车的坐标系中的地平面方程；
将与地平面平行，且高于地平面设定高度的平面设为分割平面；
根据所述分割平面将所述点云数据划分为车身轮廓数据与车轮数据。
在一些实施例中，所述建立叉车的坐标系包括：
以叉车前进的路径为x轴，叉车前进方向为x轴正方向；叉车的车宽方向为y轴，朝向叉车内部的方向为y轴正方向；垂直地面方向为z轴，垂直地面向上为z轴正方向，建立叉车的坐标系。
在一些实施例中，所述根据所述车身数据确定目标车辆的车身中心和车身长度，包括：
采用DBSCAN算法对所述车身数据进行分割，得到目标车辆的点云区域；
根据所述点云区域确定该目标车辆的包围框，将该包围框的中心坐标所在位置作为该目标车辆的车身中心，将该包围框的长度作为该目标车辆的车身长度。
在一些实施例中，所述根据车轮数据确定目标车辆的朝向角，包括：
获取车轮数据；
根据所述车轮数据拟合目标车辆中靠近叉车侧的2个车轮的激光轮廓线；
根据所述2个车轮的激光轮廓线确定目标车辆中靠近叉车侧的2个车轮的车轮轮廓以及接地点坐标；
根据所述2个车轮的车轮轮廓以及接地点坐标分别确定所述2个车轮的中心点；
将所述2个车轮的中心点连接，得到目标车辆的车身方向；
确定目标车辆的车身方向朝向于叉车正方向的夹角，作为目标车辆的朝向角。
第二方面，本申请实施例还提供了一种车辆定位装置，所述车辆定位装置包括：
获取模块，用于获取激光雷达检测到的点云数据；
划分模块，用于将所述点云数据划分为车身数据与车轮数据；
确定模块，用于根据所述车身数据确定目标车辆的车身中心和车身长度，根据车轮数据确定目标车辆的朝向角；
定位模块，用于根据所述目标车辆的车身中心、车身长度以及朝向角对目标车辆进行定位。
第三方面，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的车辆定位方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如第一方面所述的车辆定位方法。
本申请实施例包括：获取激光雷达检测到的点云数据；将所述点云数据划分为车身数据与车轮数据；根据所述车身数据确定目标车辆的车身中心和车身长度，根据车轮数据确定目标车辆的朝向角；根据所述目标车辆的车身中心、车身长度以及朝向角对目标车辆进行定位。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1是本申请一个实施例提供的车辆定位方法的流程图；
图2是本申请一个实施例中以叉车为例建立的坐标系示意图；
图3是本申请一个实施例中聚类得到目标车辆的效果示意图；
图4是本申请一个实施例提供的车辆定位装置的结构示意图；
图5是本申请一个实施例提供的电子设备的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
如图1所示，图1是本申请一个实施例提供的一种车辆定位方法的流程图，在该方法中，包括但不限于有以下步骤：
步骤S100，获取激光雷达检测到的点云数据；
步骤S200，将所述点云数据划分为车身数据与车轮数据；
需要说明的是，车身数据是指车辆本体的点云数据，包含车辆最长两端的点云数据和最高处的点云数据；车轮数据是指与地面接触的车辆的轮胎区域的点云数据，包含车辆轮胎的点云数据；将点云数据进行数据分割，目的是减少轴距测算与车身检测的数据处理复杂程度。
步骤S300，根据所述车身数据确定目标车辆的车身中心和车身长度，根据车轮数据确定目标车辆的朝向角；
步骤S400，根据所述目标车辆的车身中心、车身长度以及朝向角对目标车辆进行定位。
本申请仅基于激光雷达，可实现对目标车辆的车身定位、车长检测、车身方向检测，可用于估计目标车辆的姿态，实现搬运汽车功能。本申请简单实用，相较于神经网络检测法，省去了神经网络计算时需要的加速硬件部署成本，基于点云统计值进行车辆定位，可靠稳定。相较于传统的几何检测方案，不依赖于特定的车辆几何特征，泛用性更好。相对于图像数据的采集条件，激光点云数据的采集条件更加宽松，不需要额外的补光，也不需要镜头去雾等操作。
另外，在一实施例中，所述步骤S200包括但不限于有以下步骤：
步骤S210，建立叉车的坐标系；
步骤S220，采用RANSAC算法确定所述点云数据在叉车的坐标系中的地平面方程；
步骤S230，将与地平面平行，且高于地平面设定高度的平面设为分割平面；
步骤S240，根据所述分割平面将所述点云数据划分为车身轮廓数据与车轮数据。
另外，如图2所示，在一实施例中，所述步骤S210包括但不限于有以下步骤：
以叉车前进的路径为x轴，叉车前进方向为x轴正方向；叉车的车宽方向为y轴，朝向叉车内部的方向为y轴正方向；垂直地面方向为z轴，垂直地面向上为z轴正方向，建立叉车的坐标系。
以叉车为例，首先采用RANSAC算法对激光雷达读入的点云数据进行处理，得到点云数据的地平面方程，并向Z轴正方向移动设定高度(10CM)，以移动后的平面作为分割平面，分别取得车轮接地部分数据与车身数据。可以理解的是，设定高度根据实际情况而定，在一些实施例中，所述设定高度的取值范围为5cm-25cm。
另外，参考图3，在一实施例中，步骤S300中，所述根据所述车身数据确定目标车辆的车身中心和车身长度，包括但不限于有以下步骤：
步骤S311，采用DBSCAN算法对所述车身数据进行分割，得到目标车辆的点云区域；
对于分割得到的车身数据，采用DBSCAN算法进行聚类，得到单一车辆的点云范围，并以此计算出车辆的宽高包围框，包围框中心坐标即为车身中心位置，包围框长度即为车长，以此可以指导叉车定位目标车辆。
步骤S312，根据所述点云区域确定该目标车辆的包围框，将该包围框的中心坐标所在位置作为该目标车辆的车身中心，将该包围框的长度作为该目标车辆的车身长度。
本申请提供的实施例中，由于采用平面分割，分割后的点云数据为停车场全部车辆的车身点云，因此需要单独分割出目标车辆，以便测量目标车辆的长度，由工程先验可知目标车辆为离叉车最近的车辆，其点云密度应当最密，因此可采用基于密度的聚类方法(DBSCAN算法)分割出目标车辆的车身数据，再对所得的单个车身数据进行统计，获取车长数据与车身中心坐标。叉车可根据车身中心坐标对齐目标车辆，并根据车长数据来进行伸展变形。
另外，在一实施例中，步骤S300中，所述根据车轮数据确定目标车辆的朝向角，包括但不限于有以下步骤：
步骤S321，获取车轮数据；
步骤S322，根据所述车轮数据拟合目标车辆中靠近叉车侧的2个车轮的激光轮廓线；
步骤S323，根据所述2个车轮的激光轮廓线确定目标车辆中靠近叉车侧的2个车轮的车轮轮廓以及接地点坐标；
步骤S324，根据所述2个车轮的车轮轮廓以及接地点坐标分别确定所述2个车轮的中心点；
步骤S325，将所述2个车轮的中心点连接，得到目标车辆的车身方向；
步骤S326，确定目标车辆的车身方向朝向于叉车正方向的夹角，作为目标车辆的朝向角。
需要说明的是，为了让叉车完全对正目标车辆，需要对目标车辆的姿态进行估计，主要估计的对象为目标车辆的朝向角θ，其中，朝向角θ定义为目标车辆的车身方向朝向于叉车正方向的夹角，0≤θ≤90°。
本实施例中，使用平面分割获得的车轮数据进行车身角度的拟合。具体地，首先取得离地面最近的激光点云数据，即车轮数据，再通过拟合靠近叉车侧的车轮的激光轮廓线来获得车身方向，最后结合前后轮的区域范围与车轮轮廓，确定车轮轮廓的中心点，并以此提取车身方向。
本申请提供的实施例中，发明人针对背景技术中存在的问题，对现有技术进行改进，基于受光照、环境条件影响较小的激光雷达点云数据进行车辆检测。激光雷达检测的点云数据不受可见光影响，在夜晚、薄雾、暗光环境下依旧可靠。使用地面作为对车身、车轮分割的依据，使用密度聚类作为单个车辆分割的依据，不依赖特定车辆的几何特征限制，可广泛应用于不同种类、不同颜色车辆检测上。使用统计学方法进行计算处理，相比采用神经网络的方法，不需要额外增加显卡等AI加速硬件，节约了部署成本。
另外，参考图4，在一实施例中，还提供了一种车辆定位装置，车辆定位装置包括；
获取模块100，用于获取激光雷达检测到的点云数据；
划分模块200，用于将所述点云数据划分为车身数据与车轮数据；
确定模块300，用于根据所述车身数据确定目标车辆的车身中心和车身长度，根据车轮数据确定目标车辆的朝向角；
定位模块400，用于根据所述目标车辆的车身中心、车身长度以及朝向角对目标车辆进行定位。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，参照图5，本申请的一个实施例还提供了一种电子设备，该电子设备包括：存储器11、处理器12及存储在存储器11上并可在处理器12上运行的计算机程序。
处理器12和存储器11可以通过总线或者其他方式连接。
实现上述实施例的车辆定位方法所需的非暂态软件程序以及指令存储在存储器11中，当被处理器12执行时，执行上述实施例中的车辆定位方法。
此外，本申请的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的车辆定位方法。
本领域普通技术人员可以理解，上文中所申请方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本申请的较佳实施进行了具体说明，但本申请并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (8)

1.一种车辆定位方法，其特征在于，包括：
获取激光雷达检测到的点云数据；
将所述点云数据划分为车身数据与车轮数据；
根据所述车身数据确定目标车辆的车身中心和车身长度，根据车轮数据确定目标车辆的朝向角；
根据所述目标车辆的车身中心、车身长度以及朝向角对目标车辆进行定位。
2.根据权利要求1所述的车辆定位方法，其特征在于，所述将所述点云数据划分为车身数据与车轮数据包括：
建立叉车的坐标系；
采用RANSAC算法确定所述点云数据在叉车的坐标系中的地平面方程；
将与地平面平行，且高于地平面设定高度的平面设为分割平面；
根据所述分割平面将所述点云数据划分为车身轮廓数据与车轮数据。
3.根据权利要求1所述的车辆定位方法，其特征在于，所述建立叉车的坐标系包括：
以叉车前进的路径为x轴，叉车前进方向为x轴正方向；叉车的车宽方向为y轴，朝向叉车内部的方向为y轴正方向；垂直地面方向为z轴，垂直地面向上为z轴正方向，建立叉车的坐标系。
4.根据权利要求1所述的车辆定位方法，其特征在于，所述根据所述车身数据确定目标车辆的车身中心和车身长度，包括：
采用DBSCAN算法对所述车身数据进行分割，得到目标车辆的点云区域；
根据所述点云区域确定该目标车辆的包围框，将该包围框的中心坐标所在位置作为该目标车辆的车身中心，将该包围框的长度作为该目标车辆的车身长度。
5.根据权利要求1所述的车辆定位方法，其特征在于，所述根据车轮数据确定目标车辆的朝向角，包括：
获取车轮数据；
根据所述车轮数据拟合目标车辆中靠近叉车侧的2个车轮的激光轮廓线；
根据所述2个车轮的激光轮廓线确定目标车辆中靠近叉车侧的2个车轮的车轮轮廓以及接地点坐标；
根据所述2个车轮的车轮轮廓以及接地点坐标分别确定所述2个车轮的中心点；
将所述2个车轮的中心点连接，得到目标车辆的车身方向；
确定目标车辆的车身方向朝向于叉车正方向的夹角，作为目标车辆的朝向角。
6.一种车辆定位装置，其特征在于，所述车辆定位装置包括：
获取模块，用于获取激光雷达检测到的点云数据；
划分模块，用于将所述点云数据划分为车身数据与车轮数据；
确定模块，用于根据所述车身数据确定目标车辆的车身中心和车身长度，根据车轮数据确定目标车辆的朝向角；
定位模块，用于根据所述目标车辆的车身中心、车身长度以及朝向角对目标车辆进行定位。
7.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的车辆定位方法。
8.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至5中任意一项所述的车辆定位方法。
CN202111474016.2A 2021-12-03 2021-12-03 车辆定位方法、装置、电子设备及计算机可读存储介质 Pending CN114415200A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111474016.2A CN114415200A (zh) 2021-12-03 2021-12-03 车辆定位方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111474016.2A CN114415200A (zh) 2021-12-03 2021-12-03 车辆定位方法、装置、电子设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN114415200A true CN114415200A (zh) 2022-04-29

Family

ID=81266015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111474016.2A Pending CN114415200A (zh) 2021-12-03 2021-12-03 车辆定位方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN114415200A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114927005A (zh) * 2022-05-17 2022-08-19 广东嘉腾机器人自动化有限公司 基于双舵轮机构的停车机器人控制系统及实现方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114927005A (zh) * 2022-05-17 2022-08-19 广东嘉腾机器人自动化有限公司 基于双舵轮机构的停车机器人控制系统及实现方法
CN114927005B (zh) * 2022-05-17 2024-01-23 广东嘉腾机器人自动化有限公司 基于双舵轮机构的停车机器人控制系统及实现方法

Similar Documents

Publication Publication Date Title
US11050933B2 (en) Device and method for determining a center of a trailer tow coupler
CN111712731B (zh) 目标检测方法、系统及可移动平台
US10867403B2 (en) Vehicle external recognition apparatus
CN109849930B (zh) 自动驾驶汽车的相邻车辆的速度计算方法和装置
CN113160594B (zh) 变化点检测装置以及地图信息发布系统
CN110008891B (zh) 一种行人检测定位方法、装置、车载计算设备及存储介质
CN111738033B (zh) 基于平面分割的车辆行驶信息确定方法及装置、车载终端
EP3935560A1 (en) Method for training and using a neural network to detect ego part position
CN115578470A (zh) 一种单目视觉定位方法、装置、存储介质和电子设备
CN108319931B (zh) 一种图像处理方法、装置及终端
WO2018149539A1 (en) A method and apparatus for estimating a range of a moving object
CN114415200A (zh) 车辆定位方法、装置、电子设备及计算机可读存储介质
CN115187941A (zh) 目标检测定位方法、系统、设备及存储介质
CN112384952A (zh) 一种相机的标定方法、标定装置及电子设备
CN112733678A (zh) 测距方法、装置、计算机设备和存储介质
US11138448B2 (en) Identifying a curb based on 3-D sensor data
CN116403191A (zh) 一种基于单目视觉的三维车辆跟踪方法、装置和电子设备
CN111376904B (zh) 一种自动跟车方法及装置
JP7493433B2 (ja) 移動量算出装置
CN116309943B (zh) 一种停车场语义地图路网构建方法、装置及电子设备
CN117058636A (zh) 车道线检测方法、装置、电子设备及存储介质
CN116721404A (zh) 车辆目标碰撞点的选取方法、装置、终端及存储介质
CN116071713A (zh) 斑马线确定方法、装置、电子设备和介质
CN115143905A (zh) 转角测量方法、自动驾驶方法、电子设备、系统及车辆
CN117953046A (zh) 数据处理方法、装置、控制器、车辆及存储介质

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