CN115320582A - 一种无人车自动识别系统 - Google Patents
一种无人车自动识别系统 Download PDFInfo
- Publication number
- CN115320582A CN115320582A CN202211154266.2A CN202211154266A CN115320582A CN 115320582 A CN115320582 A CN 115320582A CN 202211154266 A CN202211154266 A CN 202211154266A CN 115320582 A CN115320582 A CN 115320582A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- millimeter wave
- computing module
- target
- identification system
- 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- Withdrawn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
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims 2
- 238000000034 method Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 abstract description 9
- 206010039203 Road traffic accident Diseases 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种无人车自动识别系统，属于辅助驾驶的技术领域，包括感知单元和处理单元；所述感知单元包括摄像头和毫米波雷达；所述处理单元包括计算模块，所述计算模块设有视频接口和CAN接口，所述摄像头通过所述视频接口与所述计算模块电性连接，所述毫米波雷达通过所述CAN接口与所述计算模块电性连接。本发明提供的识别系统及识别方法，能够使汽车行驶过程中识别周围车辆、识别周围行人及其他危险障碍物等，能够实时监控车辆周围可能发生的碰撞风险，提前提醒驾驶员采取避让措施，尽量减少、甚至是避免交通事故的发生，来提升汽车驾驶过程中的主动安全性。
Description
技术领域
本发明属于辅助驾驶的技术领域，尤其是涉及一种无人车自动识别系统。
背景技术
随着技术的进步，无人车的应用越来越广泛。相较于传统的车辆，无人车的安全性能大幅提升。其中，无人车的自动识别系统是安全行驶的保证。而传统的车辆更侧重于增加汽车车身的强度以及增大缓冲部件的效果来提升事故发生后的被动安全性。
现有技术中，无人车的自动识别系统还无法做到将碰撞风险赋予不同的预警等级，甚至避免交通事故的发生，提升汽车驾驶过程中的主动安全性仍然是一个长期有待研究的课题。
发明内容
有鉴于此，本发明旨在提出一种将碰撞风险赋予不同的预警等级的无人车自动识别系统，以解决上述的技术问题。
一种无人车自动识别系统，自动识别步骤包括：
S1、计算模块预先采集车辆、行人的数据样本，并进行训练，得到模型训练结果；
S2、摄像头持续获取车身周围的图像信息，并以视频流的数据形式通过视频接口传入计算模块；
S3、计算模块以车身位置为基准坐标系，将传入的图像信息与基准坐标系对齐，并对图像信息进行转换拼接，得到车身周围的全景图像；
S4、计算模块将全景图像信息与车辆、行人的模型训练结果进行比对，得到目标识别结果，并对每个识别的目标存入单独的序列；
S5、毫米波雷达获取每个识别目标的具体位置坐标及其移动速度数据，并将其通过CAN接口传入计算模块；
S6、计算模块根据识别目标的位置坐标及其移动速度数据推算其未来轨迹点，并模拟识别目标未来趋势的轨迹线；
S7、计算模块获取自身车辆的轮距、轴距、速度及方向盘角度数据，推算并模拟自身车辆的行驶轨迹线；
S8、计算模块将自身行驶轨迹线与每一目标序列的轨迹线进行比对，判断是否有碰撞风险。
优选地，计算模块判断出具有碰撞风险时，通过显示器将危险信息进行显示，并通过扬声器发声进行警告。
优选地，计算模块根据自身车辆与目标序列的相对距离及两者的速度数据，将碰撞风险赋予不同的预警等级；
不同的预警等级，显示器的显示标识以及扬声器发声的音量或者频率不同。
优选地，所述计算模块赋予三种预警等级，包括0-无风险、1-预警及2-严重警告；
且当目标存在碰撞风险是1-预警时，扬声器以低频情况预警，提示驾驶员注意；
当目标存在碰撞风险是2-严重警告时，扬声器以高频情况预警，提示驾驶员马上采取制动措施。
自动识别系统，包括感知单元和处理单元：
所述感知单元包括摄像头和毫米波雷达；
所述处理单元包括计算模块，所述计算模块设有视频接口和CAN接口，所述摄像头通过所述视频接口与所述计算模块电性连接，所述毫米波雷达通过所述CAN接口与所述计算模块电性连接。
优选地，所述摄像头和所述毫米波雷达分别设置有六个，其中车头安装有六个摄像头和六个毫米波雷达，车尾安装有六个摄像头和六个毫米波雷达。
优选地，所述毫米波雷达包括短距毫米波雷达和长距毫米波雷达。
优选地，所述短距毫米波雷达设置有四个，车头与车尾各设置两个；所述长距毫米波雷达具有八个，车头与车尾各设置四个。
优选地，此系统还包括交互单元，所述交互单元包括扬声器和显示器，两者均与所述计算模块电性连接。
优选地，所述扬声器与所述显示器电性连接，通过所述显示器可控制所述扬声器的音量大小。
相对于现有技术，本发明提供的一种无人车自动识别系统具有以下优势：
1、本发明提供的无人车自动识别系统，能够使汽车行驶过程中识别周围车辆、识别周围行人及其他危险障碍物等。
2、能够实时监控车辆周围可能发生的碰撞风险，提前提醒驾驶员采取避让措施，尽量减少、甚至是避免交通事故的发生，来提升汽车驾驶过程中的主动安全性。
本发明技术方案适合在相关技术领域推广应用。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。
其中，
图1为本发明无人车自动识别系统的结构示意图；
图2为本发明无人车自动识别系统的识别步骤示意图；
图3为本发明无人车发生碰撞时，预警等级示意图。
具体实施方式
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描述。
为使本申请实施方式的目的、技术方案和优点更加清楚，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。
基于本申请中的实施方式，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方式，都属于本申请保护的范围。
因此，以下对在附图中提供的本申请的实施方式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方式。基于本申请中的实施方式，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方式，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。
在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
实施例：
如图1所示，本发明的无人车自动识别系统，包括感知单元和处理单元；所述感知单元包括摄像头和毫米波雷达；所述处理单元包括计算模块，所述计算模块设有视频接口和CAN接口，所述摄像头通过所述视频接口与所述计算模块电性连接，所述毫米波雷达通过所述CAN接口与所述计算模块电性连接。
在本实施例提供的上述技术方案的多个可选实施方式中，较为优选地，所述摄像头和所述毫米波雷达均具有八个，且均设置为四个位于车头，四个位于车尾。
在本实施例提供的上述技术方案的多个可选实施方式中，较为优选地，此系统还包括交互单元，所述交互单元包括扬声器和显示器，两者均与所述计算模块电性连接。
如图2所示，本发明提供了一种无人车自动识别系统，包括如下识别步骤：
S1、计算模块预先采集车辆、行人的数据样本，并进行训练，得到模型训练结果；
S2、摄像头持续获取车身周围的图像信息，并以视频流的数据形式通过视频接口传入计算模块；
S3、计算模块以车身位置为基准坐标系，将传入的图像信息与基准坐标系对齐，并对图像信息进行转换拼接，得到车身周围的全景图像；
S4、计算模块将全景图像信息与车辆、行人的模型训练结果进行比对，得到目标识别结果，并对每个识别的目标存入单独的序列；
S5、毫米波雷达获取每个识别目标的具体位置坐标及其移动速度数据，并将其通过CAN接口传入计算模块；
S6、计算模块根据识别目标的位置坐标及其移动速度数据推算其未来轨迹点，并模拟识别目标未来趋势的轨迹线；
S7、计算模块获取自身车辆的轮距、轴距、速度及方向盘角度数据，推算并模拟自身车辆的行驶轨迹线；
S8、计算模块将自身行驶轨迹线与每一目标序列的轨迹线进行比对，判断是否有碰撞风险。
在本实施例提供的上述技术方案的多个可选实施方式中，较为优选地，计算模块判断出具有碰撞风险时，通过显示器将危险信息进行显示，并通过扬声器发声进行警告。
在本实施例提供的上述技术方案的多个可选实施方式中，较为优选地，计算模块根据自身车辆与目标序列的相对距离及两者的速度数据，将碰撞风险赋予不同的预警等级；不同的预警等级，显示器的显示标识以及扬声器发声的音量或者频率不同。
更加具体地，对于本实施例提供的无人车自动识别系统及其识别方法，至少包括如下具体实施方式：
计算模块，也称处理系统，将图像视频流和毫米波信号获取后进行处理，根据识别结果进行行为预测。
处理系统得到摄像头的数据流后，调用opencv的捕捉函数，设置图片大小为1280*720，得到一帧实时图像信息；将八个相机都对齐到车身的基准参考坐标系，利用仿射变换矩阵对图像信息进行拼接，得到车辆周围的全景图像；
利用预先训练好的SSD模型算法（已经提前对车辆、行人的数据样本集进行训练，得到模型训练结果）对图像进行识别，得到目标识别结果；处理系统通过CAN接口获取毫米波雷达的目标数据，包括位置，速度等；
将识别结果和毫米波目标采用GNN（全局最近邻）算法和卡尔曼算法进行融合，得到最终目标信息；将每个目标存入单独序列；
根据最近几个时间片内目标的位置信息作为基础，利用线性插值函数推算出目标的未来时刻的轨迹点，作为未来趋势的轨迹线；通过阿克曼转向几何模型，输入车辆轮距，轴距，车辆的速度和方向盘角度，计算得到当前车辆的转弯半径，再通过转弯半径推测出车辆未来时刻的行驶轨迹；遍历车辆周围目标序列，判断是否有目标与车辆在未来时刻有碰撞风险。
如图3所示，根据风险情况给每个目标赋予不同的预警等级，
0-无风险；1-预警；2-严重警告。
利用扬声器和显示器提示驾驶员注意周围存在风险的目标；如果目标存在碰撞风险是1-预警时，扬声器以低频情况预警，提示驾驶员注意；如果目标存在碰撞风险是2-严重警告时，扬声器以高频情况预警，提示驾驶员马上采取制动等措施；检测到驾驶员采取制动措施后，扬声器停止报警；驾驶员也可以通过显示界面对扬声器的声音大小进行调节。
另外，八个毫米波雷达中有四个为长距毫米波雷达，车身前后各设置两个；四个短距毫米波雷达，车身前后各设置两个。
需要注意的是，摄像头以及毫米波雷达的数量可以适量增减，设置位置也不仅限于车身前后，车身两侧及顶部和底部也可以设置，雷达的波长规格也不仅限于毫米级。
本发明提供的无人车自动识别系统，能够使汽车行驶过程中识别周围车辆、识别周围行人及其他危险障碍物等，能够实时监控车辆周围可能发生的碰撞风险，提前提醒驾驶员采取避让措施，尽量减少、甚至是避免交通事故的发生，来提升汽车驾驶过程中的主动安全性。
最后应说明的是：本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似的部分相互参见即可。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质 ( 包括但不限于磁盘存储器和光学存储器等 ) 上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备 ( 系统 )、和计算机程序产品的流程图和 / 或方框图来描述的。应理解可由计算机程序指令实现流程图和 / 或方框图中的每一流程和 / 或方框、以及流程图和 / 或方框图中的流程和 / 或方框的结合。
可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和 / 或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和 / 或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和 / 或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种无人车自动识别系统，其特征在于，自动识别步骤包括：
S1、计算模块预先采集车辆、行人的数据样本，并进行训练，得到模型训练结果；
S2、摄像头持续获取车身周围的图像信息，并以视频流的数据形式通过视频接口传入计算模块；
S3、计算模块以车身位置为基准坐标系，将传入的图像信息与基准坐标系对齐，并对图像信息进行转换拼接，得到车身周围的全景图像；
S4、计算模块将全景图像信息与车辆、行人的模型训练结果进行比对，得到目标识别结果，并对每个识别的目标存入单独的序列；
S5、毫米波雷达获取每个识别目标的具体位置坐标及其移动速度数据，并将其通过CAN接口传入计算模块；
S6、计算模块根据识别目标的位置坐标及其移动速度数据推算其未来轨迹点，并模拟识别目标未来趋势的轨迹线；
S7、计算模块获取自身车辆的轮距、轴距、速度及方向盘角度数据，推算并模拟自身车辆的行驶轨迹线；
S8、计算模块将自身行驶轨迹线与每一目标序列的轨迹线进行比对，判断是否有碰撞风险。
2.根据权利要求1所述的一种无人车自动识别系统，其特征在于，计算模块判断出具有碰撞风险时，通过显示器将危险信息进行显示，并通过扬声器发声进行警告。
3.根据权利要求2所述的一种无人车自动识别系统，其特征在于，计算模块根据自身车辆与目标序列的相对距离及两者的速度数据，将碰撞风险赋予不同的预警等级；
不同的预警等级，显示器的显示标识以及扬声器发声的音量或者频率不同。
4.根据权利要求3所述的一种无人车自动识别系统，其特征在于，所述计算模块赋予三种预警等级，包括0-无风险、1-预警及2-严重警告；
且当目标存在碰撞风险是1-预警时，扬声器以低频情况预警，提示驾驶员注意；
当目标存在碰撞风险是2-严重警告时，扬声器以高频情况预警，提示驾驶员马上采取制动措施。
5.根据权利要求1所述的一种无人车自动识别系统，其特征在于，自动识别系统，包括感知单元和处理单元：
所述感知单元包括摄像头和毫米波雷达；
所述处理单元包括计算模块，所述计算模块设有视频接口和CAN接口，所述摄像头通过所述视频接口与所述计算模块电性连接，所述毫米波雷达通过所述CAN接口与所述计算模块电性连接。
6.根据权利要求5所述的一种无人车自动识别系统，其特征在于，所述摄像头和所述毫米波雷达分别设置有六个，其中车头安装有六个摄像头和六个毫米波雷达，车尾安装有六个摄像头和六个毫米波雷达。
7.根据权利要求6所述的一种无人车自动识别系统，其特征在于，所述毫米波雷达包括短距毫米波雷达和长距毫米波雷达。
8.根据权利要求7所述的一种无人车自动识别系统，其特征在于，所述短距毫米波雷达设置有四个，车头与车尾各设置两个；所述长距毫米波雷达具有八个，车头与车尾各设置四个。
9.根据权利要求5所述的一种无人车自动识别系统，其特征在于，此系统还包括交互单元，所述交互单元包括扬声器和显示器，两者均与所述计算模块电性连接。
10.根据权利要求9所述的一种无人车自动识别系统，其特征在于，所述扬声器与所述显示器电性连接，通过所述显示器可控制所述扬声器的音量大小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211154266.2A CN115320582A (zh) | 2022-09-22 | 2022-09-22 | 一种无人车自动识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211154266.2A CN115320582A (zh) | 2022-09-22 | 2022-09-22 | 一种无人车自动识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115320582A true CN115320582A (zh) | 2022-11-11 |
Family
ID=83915072
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211154266.2A Withdrawn CN115320582A (zh) | 2022-09-22 | 2022-09-22 | 一种无人车自动识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115320582A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117238042A (zh) * | 2023-11-14 | 2023-12-15 | 深圳市蓝鲸智联科技股份有限公司 | 一种车底活体监测系统 |
| CN117520788A (zh) * | 2024-01-05 | 2024-02-06 | 成都亚度克升科技有限公司 | 基于人工智能和大数据分析的音箱参数确定方法和系统 |
-
2022
- 2022-09-22 CN CN202211154266.2A patent/CN115320582A/zh not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117238042A (zh) * | 2023-11-14 | 2023-12-15 | 深圳市蓝鲸智联科技股份有限公司 | 一种车底活体监测系统 |
| CN117520788A (zh) * | 2024-01-05 | 2024-02-06 | 成都亚度克升科技有限公司 | 基于人工智能和大数据分析的音箱参数确定方法和系统 |
| CN117520788B (zh) * | 2024-01-05 | 2024-03-22 | 成都亚度克升科技有限公司 | 基于人工智能和大数据分析的音箱参数确定方法和系统 |
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 | |
| US10821946B2 (en) | Sensor integration based pedestrian detection and pedestrian collision prevention apparatus and method | |
| CN115320582A (zh) | 一种无人车自动识别系统 | |
| US8977435B2 (en) | Vehicle control apparatus | |
| JP5863233B2 (ja) | 運転者注視方向連動の前方衝突危険警報システム、その方法及びそれを利用した車両 | |
| KR101864896B1 (ko) | 차량 주변의 캡쳐 방법 | |
| US20210380115A1 (en) | Devices and methods for predicting collisions and/or intersection violations | |
| CN106553655A (zh) | 危险车辆检测方法和系统以及包括该系统的车辆 | |
| JP2003123196A (ja) | 車両の周辺監視装置及びプログラム | |
| JP2016007894A (ja) | 注意喚起装置及び走行制御装置 | |
| JP6384419B2 (ja) | 動物種類判定装置 | |
| CN104773177A (zh) | 辅助驾驶方法和装置 | |
| CN107408338A (zh) | 驾驶员辅助系统 | |
| CN103503045A (zh) | 周边车辆检测装置 | |
| JP2010093610A (ja) | 自動車の外界認識装置及び外界認識方法 | |
| JP2008186416A (ja) | 物体検出装置、通信システム、および車車間通信装置 | |
| JP2009040108A (ja) | 画像表示制御装置及び画像表示制御システム | |
| JP2008204281A (ja) | 物体検出装置、および車車間通信システム | |
| US20190043363A1 (en) | Vehicle external notification device | |
| US20210312193A1 (en) | Devices and methods for predicting intersection violations and/or collisions | |
| CN112606804B (zh) | 一种车辆主动制动的控制方法及控制系统 | |
| JP2004295472A (ja) | 車両用警報装置 | |
| JP4502844B2 (ja) | 警告装置及び警告方法 | |
| JP6296684B2 (ja) | 運転支援装置 | |
| CN111216718A (zh) | 一种避免碰撞方法、装置及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221111 |