CN114578382A - 一种基于人工智能的汽车周围环境实时检测方法及系统 - Google Patents
一种基于人工智能的汽车周围环境实时检测方法及系统 Download PDFInfo
- Publication number
- CN114578382A CN114578382A CN202210242569.3A CN202210242569A CN114578382A CN 114578382 A CN114578382 A CN 114578382A CN 202210242569 A CN202210242569 A CN 202210242569A CN 114578382 A CN114578382 A CN 114578382A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- real
- obstacle
- information
- surrounding environment
- 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.)
- Withdrawn
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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本发明提出了一种基于人工智能的汽车周围环境实时检测方法及系统,涉及人工智能领域。一种基于人工智能的汽车周围环境实时检测方法包括:获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息;通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器;建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中;控制器根据目标车辆的实时速度和行驶角度,以及距离障碍物的距离所计算的速度控制目标车辆进行躲避。其能够在目标车辆上显示周围的车辆或者障碍物,并且能够提前作出预判,避免交通事故的发生。
Description
技术领域
本发明涉及人工智能领域,具体而言,涉及一种基于人工智能的汽车周围环境实时检测方法及系统。
背景技术
车辆通常用于各种任务,诸如用于整个环境中的人员和货物运输。随着技术的进步,一些车辆配置有使车辆能够以部分或完全自主模式操作的系统。当以部分或完全自主模式操作时,车辆操作的某些或全部导航方面是由车辆控制系统而不是传统的人类驾驶员控制的。车辆的自主操作可能涉及感测车辆的周围环境的系统,以使计算系统能够规划并安全地运行到达期望的目的地的导航路线。
而雷达是一种利用电磁波探测目标的电子设备,其原理为雷达发射电磁波对目标进行照射并接收其回波,由此获得目标至电磁波发射点之间的间隔距离、距离变化率、方位和高度等信息。而,雷达一般被安置在环境恶劣、人迹罕至的位置,有些雷达设置需要在激动中完成无线电定位功能,这就需要在雷达投入使用之前对雷达设备的运行可靠性进行检测。
如何利用雷达和车辆进行配合,使车辆可以实时监测到车辆周围的环境信息,并作出决断或显示,是本领域技术人员亟需解决的技术问题。
发明内容
本发明的目的在于提供一种基于人工智能的汽车周围环境实时检测方法,其能够在目标车辆上显示周围的车辆或者障碍物,并且能够提前作出预判,避免交通事故的发生。
本发明的另一目的在于提供一种基于人工智能的汽车周围环境实时检测系统,其能够运行一种基于人工智能的汽车周围环境实时检测方法。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种基于人工智能的汽车周围环境实时检测方法,其包括获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息;通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器;控制器利用实时跟踪障碍物信息以及计算障碍物距离的结果,建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中;控制器根据目标车辆的实时速度和行驶角度,以及距离障碍物的距离所计算的速度控制目标车辆进行躲避。
在本发明的一些实施例中,上述获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息包括:目标车辆的实时车速通过车辆中控系统获取,目标车辆周围环境的激光雷达点云数据通过位于目标车辆车身四周的激光雷达对周围环境进行扫描获取。
在本发明的一些实施例中,上述还包括:周围环境的激光雷达点云数据包括在至少一帧中捕获的多普勒测量结果,其中,基于周围环境的激光雷达点云数据确定至少一个障碍物相对于目标车辆是相对运动的可能性。
在本发明的一些实施例中,上述通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器包括:目标车辆周边障碍物信息包括位于目标车辆周围、且处于驾车状态或停车状态的其他车辆、行人、动物、移动障碍物和固定障碍物中的至少一种。
在本发明的一些实施例中,上述还包括:当第一个激光雷达接收到碰到障碍物的回波信号时,而且旁边的第二个雷达也接受到了回波信号时,则采用三角定位距离计算障碍物的实时定位信息,并通过回波信号解析出障碍物的特征信息同时传输给目标车辆的控制器。
在本发明的一些实施例中,上述控制器利用实时跟踪障碍物信息以及计算障碍物距离的结果,建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中包括:根据目标车辆每个探测周期的转弯半径、目标车辆当前位移数据以及目标车辆角度偏转量,计算得出以目标车辆为中心点的X、Y、Z的三维坐标系。
在本发明的一些实施例中,上述还包括:根据激光雷达点云数据的特征解析结果与障碍物之间对应的特征模型映射到在三维坐标系上。
第二方面,本申请实施例提供一种基于人工智能的汽车周围环境实时检测系统,其包括数据采集模块,用于获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息;
解析模块,用于通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器;
建立坐标系模块,用于控制器利用实时跟踪障碍物信息以及计算障碍物距离的结果,建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中;
控制模块,用于控制器根据目标车辆的实时速度和行驶角度,以及距离障碍物的距离所计算的速度控制目标车辆进行躲避。
在本发明的一些实施例中,上述包括:用于存储计算机指令的至少一个存储器;与上述存储器通讯的至少一个处理器,其中当上述至少一个处理器执行上述计算机指令时,上述至少一个处理器使上述系统执行:数据采集模块、解析模块、建立坐标系模块及控制模块。
第三方面,本申请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,该计算机程序被处理器执行时实现如一种基于人工智能的汽车周围环境实时检测方法中任一项的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
其能够在目标车辆上显示周围的车辆或者障碍物,并且能够提前作出预判,避免交通事故的发生。可以了解到前后车辆的速度,无人驾驶可以更方便的进行,对于失控的智能车辆,交警中心可以更快更好的进行控制。对于安全方面,可以提高破案率,犯罪分子将无处遁形。还可以了解到周围车辆的速度,位置和周围车辆有无其他问题,还可以了解周围车辆的物理信息,比如周围车辆的车型信息、车牌号码信息,并且可以显示在车辆上,安全驾驶,对于违章车辆可以上报给交通中心。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种基于人工智能的汽车周围环境实时检测方法步骤示意图;
图2为本发明实施例提供的一种基于人工智能的汽车周围环境实时检测方法详细步骤示意图;
图3为本发明实施例提供的一种基于人工智能的汽车周围环境实时检测系统模块示意图;
图4为本发明实施例提供的一种电子设备。
图标:10-数据采集模块;20-解析模块;30-建立坐标系模块;40-控制模块;101-存储器;102-处理器;103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1,图1为本发明实施例提供的一种基于人工智能的汽车周围环境实时检测方法步骤示意图,其如下所示:
步骤S100,获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息;
在一些实施方式中,系统可以被配置为当目标车辆在行驶道路上移动时接收从安装在目标车辆上的两个不同位置(或具有两个不同朝向)的两个或更多个雷达传感器获取的周围环境的激光雷达点云数据。周围环境的激光雷达点云数据可以代表目标车辆的环境。然后,系统可以使用周围环境的激光雷达点云数据来检测环境中存在的障碍物或者周围车辆。
步骤S110,通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器;
在一些实施方式中,障碍物为当雷达波遇到障碍物时散射(即反射)雷达波的对象。此外,还可以被配置为确定障碍物相对于目标车辆是静止或者相对运动的可能性。系统可能能够使用相干变化检测来确定障碍物是否正在移动。相干变化检测可以使用滑动窗口并比较来自障碍物的回波的相位以确定移动。经由激光雷达探测的运动对象包括位于目标车辆周围、且处于驾车状态或停车状态的其他车辆、行人、动物、移动障碍物和固定障碍物中的至少一种。
步骤S120,控制器利用实时跟踪障碍物信息以及计算障碍物距离的结果,建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中;
在一些实施方式中,将障碍物通过实时数据传输至目标车辆的控制器,目标车辆的控制器将其处理之后,以成像的形式展示在目标车辆显示屏,以便于驾驶员判断当前的目标车辆周围环境,从而更好地辅助驾驶员驾驶车辆。
在一些实施方式中,建立三维坐标系,原点为汽车后轴中心点,x轴经过汽车中心线,x轴方向指向汽车前进方向,y轴经过汽车后轴,指向主驾方向。例如,车身上装有的12个雷达三维坐标表示如(xa、ya、za),其中z表示雷达相对于地平线高度。
步骤S130,控制器根据目标车辆的实时速度和行驶角度,以及距离障碍物的距离所计算的速度控制目标车辆进行躲避。
在一些实施方式中,实时获取目标车辆的实时速度和行驶角度;通过实时速度和行驶角度,得到目标车辆相对目标车辆起始点的角度偏移;通过近似每一周期目标车辆的运动轨迹叠加,得到目标车辆相对目标车辆起始点的横向位移与纵向位移,并计算障碍物举例此时的目标车辆举例和角度,进行控制躲避。
实施例2
请参阅图2,图2为本发明实施例提供的一种基于人工智能的汽车周围环境实时检测方法详细步骤示意图,其如下所示:
步骤S200,目标车辆的实时车速通过车辆中控系统获取,目标车辆周围环境的激光雷达点云数据通过位于目标车辆车身四周的激光雷达对周围环境进行扫描获取。
步骤S210,周围环境的激光雷达点云数据包括在至少一帧中捕获的多普勒测量结果,其中,基于周围环境的激光雷达点云数据确定至少一个障碍物相对于目标车辆是相对运动的可能性。
步骤S220,目标车辆周边障碍物信息包括位于目标车辆周围、且处于驾车状态或停车状态的其他车辆、行人、动物、移动障碍物和固定障碍物中的至少一种。
步骤S230,当第一个激光雷达接收到碰到障碍物的回波信号时,而且旁边的第二个雷达也接受到了回波信号时,则采用三角定位距离计算障碍物的实时定位信息,并通过回波信号解析出障碍物的特征信息同时传输给目标车辆的控制器。
步骤S240,根据目标车辆每个探测周期的转弯半径、目标车辆当前位移数据以及目标车辆角度偏转量,计算得出以目标车辆为中心点的X、Y、Z的三维坐标系。
步骤S250,根据激光雷达点云数据的特征解析结果与障碍物之间对应的特征模型映射到在三维坐标系上。
在一些实施方式中,通过根据激光雷达在目标车辆内的设置位置,确定相应的目标分区环境指标,并基于目标分区环境指标,对激光雷达所处的车内环境进行模拟。通过激光雷达在模拟的车内环境中,发射探测波到激光雷达,以对经由激光雷达按照相应车辆周边场景,所模拟出的运动对象的相对位置及运动状态进行定位。通过激光雷达在确定接收到探测波时,通过激光雷达天线反馈携带有定位运动信息的回波信号到激光雷达;定位运动信息包括目标车辆到运动对象之间的间隔距离、相对位置、相对运动方向和相对运动速度中的至少一种。通过激光雷达从接收到的回波信号中解析出定位运动信息,并将解析出的定位运动信息传输给控制器。通过控制器根据定位运动信息,通过相应的检测方式,对激光雷达的运行可靠性进行检测。
实施例3
请参阅图3,图3为本发明实施例提供的一种基于人工智能的汽车周围环境实时检测系统模块示意图,其如下所示:
数据采集模块10,用于获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息;
解析模块20,用于通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器;
建立坐标系模块30,用于控制器利用实时跟踪障碍物信息以及计算障碍物距离的结果,建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中;
控制模块40,用于控制器根据目标车辆的实时速度和行驶角度,以及距离障碍物的距离所计算的速度控制目标车辆进行躲避。
如图4所示,本申请实施例提供一种电子设备,其包括存储器101,用于存储一个或多个程序;处理器102。当一个或多个程序被处理器102执行时,实现如上述第一方面中任一项的方法。
还包括通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器101(Random Access Memory,RAM),只读存储器101(Read Only Memory,ROM),可编程只读存储器101(ProgrammableRead-Only Memory,PROM),可擦除只读存储器101(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器102,包括中央处理器102(Central Processing Unit,CPU)、网络处理器102(Network Processor,NP)等;还可以是数字信号处理器102(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中,应该理解到,所揭露的方法及系统,也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
另一方面,本申请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,该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器101(ROM,Read-Only Memory)、随机存取存储器101(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请实施例提供的一种基于人工智能的汽车周围环境实时检测方法及系统,其能够在目标车辆上显示周围的车辆或者障碍物,并且能够提前作出预判,避免交通事故的发生。可以了解到前后车辆的速度,无人驾驶可以更方便的进行,对于失控的智能车辆,交警中心可以更快更好的进行控制。对于安全方面,可以提高破案率,犯罪分子将无处遁形。还可以了解到周围车辆的速度,位置和周围车辆有无其他问题,还可以了解周围车辆的物理信息,比如周围车辆的车型信息、车牌号码信息,并且可以显示在车辆上,安全驾驶,对于违章车辆可以上报给交通中心。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种基于人工智能的汽车周围环境实时检测方法,其特征在于,包括:
获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息;
通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器;
控制器利用实时跟踪障碍物信息以及计算障碍物距离的结果,建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中;
控制器根据目标车辆的实时速度和行驶角度,以及距离障碍物的距离所计算的速度控制目标车辆进行躲避。
2.如权利要求1所述的一种基于人工智能的汽车周围环境实时检测方法,其特征在于,所述获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息包括:
目标车辆的实时车速通过车辆中控系统获取,目标车辆周围环境的激光雷达点云数据通过位于目标车辆车身四周的激光雷达对周围环境进行扫描获取。
3.如权利要求2所述的一种基于人工智能的汽车周围环境实时检测方法,其特征在于,还包括:
周围环境的激光雷达点云数据包括在至少一帧中捕获的多普勒测量结果,其中,基于周围环境的激光雷达点云数据确定至少一个障碍物相对于目标车辆是相对运动的可能性。
4.如权利要求1所述的一种基于人工智能的汽车周围环境实时检测方法,其特征在于,所述通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器包括:
目标车辆周边障碍物信息包括位于目标车辆周围、且处于驾车状态或停车状态的其他车辆、行人、动物、移动障碍物和固定障碍物中的至少一种。
5.如权利要求4所述的一种基于人工智能的汽车周围环境实时检测方法,其特征在于,还包括:
当第一个激光雷达接收到碰到障碍物的回波信号时,而且旁边的第二个雷达也接受到了回波信号时,则采用三角定位距离计算障碍物的实时定位信息,并通过回波信号解析出障碍物的特征信息同时传输给目标车辆的控制器。
6.如权利要求1所述的一种基于人工智能的汽车周围环境实时检测方法,其特征在于,所述控制器利用实时跟踪障碍物信息以及计算障碍物距离的结果,建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中包括:
根据目标车辆每个探测周期的转弯半径、目标车辆当前位移数据以及目标车辆角度偏转量,计算得出以目标车辆为中心点的X、Y、Z的三维坐标系。
7.如权利要求6所述的一种基于人工智能的汽车周围环境实时检测方法,其特征在于,还包括:
根据激光雷达点云数据的特征解析结果与障碍物之间对应的特征模型映射到在三维坐标系上。
8.一种基于人工智能的汽车周围环境实时检测系统,其特征在于,包括:
数据采集模块,用于获取目标车辆的实时车速、周围环境的激光雷达点云数据,并计算目标车辆的运动轨迹信息;
解析模块,用于通过激光雷达接收到回波信号,并中解析出目标车辆周边障碍物信息,并将解析出的障碍物信息传输给目标车辆的控制器;
建立坐标系模块,用于控制器利用实时跟踪障碍物信息以及计算障碍物距离的结果,建立三维坐标系,把障碍物信息对应的数据投影至以目标车辆为原点的三维坐标系中;
控制模块,用于控制器根据目标车辆的实时速度和行驶角度,以及距离障碍物的距离所计算的速度控制目标车辆进行躲避。
9.如权利要求8所述的一种基于人工智能的汽车周围环境实时检测系统,其特征在于,包括:
用于存储计算机指令的至少一个存储器;
与所述存储器通讯的至少一个处理器,其中当所述至少一个处理器执行所述计算机指令时,所述至少一个处理器使所述系统执行:数据采集模块、解析模块、建立坐标系模块及控制模块。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242569.3A CN114578382A (zh) | 2022-03-11 | 2022-03-11 | 一种基于人工智能的汽车周围环境实时检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210242569.3A CN114578382A (zh) | 2022-03-11 | 2022-03-11 | 一种基于人工智能的汽车周围环境实时检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114578382A true CN114578382A (zh) | 2022-06-03 |
Family
ID=81774938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210242569.3A Withdrawn CN114578382A (zh) | 2022-03-11 | 2022-03-11 | 一种基于人工智能的汽车周围环境实时检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114578382A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052465A (zh) * | 2022-12-30 | 2023-05-02 | 深圳市昂星科技有限公司 | 一种停车引导控制方法及系统 |
CN116359932A (zh) * | 2023-03-27 | 2023-06-30 | 珠海创智科技有限公司 | 基于激光雷达传感器的障碍物距离反馈方法及装置 |
CN116972780A (zh) * | 2023-09-25 | 2023-10-31 | 北京锐达仪表有限公司 | 具有物表温度和/或气体分布测量功能的三维扫描装置 |
-
2022
- 2022-03-11 CN CN202210242569.3A patent/CN114578382A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052465A (zh) * | 2022-12-30 | 2023-05-02 | 深圳市昂星科技有限公司 | 一种停车引导控制方法及系统 |
CN116359932A (zh) * | 2023-03-27 | 2023-06-30 | 珠海创智科技有限公司 | 基于激光雷达传感器的障碍物距离反馈方法及装置 |
CN116972780A (zh) * | 2023-09-25 | 2023-10-31 | 北京锐达仪表有限公司 | 具有物表温度和/或气体分布测量功能的三维扫描装置 |
CN116972780B (zh) * | 2023-09-25 | 2024-01-26 | 北京锐达仪表有限公司 | 具有物表气体分布测量或者物表温度及气体分布测量功能的三维扫描装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109927719B (zh) | 一种基于障碍物轨迹预测的辅助驾驶方法和系统 | |
CN106891888B (zh) | 车辆转向信号检测 | |
CN106873580B (zh) | 基于感知数据在交叉口处自主驾驶 | |
Darms et al. | Obstacle detection and tracking for the urban challenge | |
US11508122B2 (en) | Bounding box estimation and object detection | |
US9483059B2 (en) | Method to gain driver's attention for autonomous vehicle | |
US10705220B2 (en) | System and method for ground and free-space detection | |
US7729857B2 (en) | System for and method of detecting a collision and predicting a vehicle path | |
US11475678B2 (en) | Lane marker detection and lane instance recognition | |
CN101799992B (zh) | 组合的车辆到车辆通信和目标检测感测 | |
CN114578382A (zh) | 一种基于人工智能的汽车周围环境实时检测方法及系统 | |
US20170109644A1 (en) | Probabilistic Inference Using Weighted-Integrals-And-Sums-By-Hashing For Object Tracking | |
US20150336575A1 (en) | Collision avoidance with static targets in narrow spaces | |
US11544940B2 (en) | Hybrid lane estimation using both deep learning and computer vision | |
CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
Babak et al. | Control of autonomous ground vehicles: A brief technical review | |
US20210031793A1 (en) | Automated vehicle system | |
CN112485784A (zh) | 内轮差区域内目标的危险系数确定方法、装置、电子设备及存储介质 | |
Virdi | Using deep learning to predict obstacle trajectories for collision avoidance in autonomous vehicles | |
US20230182722A1 (en) | Collision avoidance method and apparatus | |
US11845429B2 (en) | Localizing and updating a map using interpolated lane edge data | |
CN110941003A (zh) | 车辆识别方法,装置,存储介质及电子设备 | |
CN114954442A (zh) | 一种车辆控制方法、系统和车辆 | |
CN114348018A (zh) | 商用车辆的自动驾驶系统及方法 | |
Goswami | Trajectory generation for lane-change maneuver of autonomous vehicles |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220603 |