CN115416650A - 一种车辆的智能驾驶避障系统 - Google Patents
一种车辆的智能驾驶避障系统 Download PDFInfo
- Publication number
- CN115416650A CN115416650A CN202211128653.9A CN202211128653A CN115416650A CN 115416650 A CN115416650 A CN 115416650A CN 202211128653 A CN202211128653 A CN 202211128653A CN 115416650 A CN115416650 A CN 115416650A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- obstacle avoidance
- data
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 9
- 230000000977 initiatory effect Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking 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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明涉及一种车辆的智能驾驶避障系统,包括:数据采集模块用于采集车辆行驶状态和车辆行驶环境的数据信息;信息处理模块用于对所采集的环境数据信息进行环境图像数据处理,得到处理后的环境图像数据;障碍物识别模块用于根据所述处理后的环境图像数据,对汽车周围环境中的障碍物进行识别,得到识别结果;路径决策执行模块用于根据所述识别结果和车辆行驶状态数据规划避障路径,并执行所述避障路径;本发明以车辆周围环境数据以及汽车当前运行状态参数为基准动态规划避障路径,从而可以实现车辆的主动避障,实现汽车在复杂的路况条件下的安全自动驾驶,本发明有利于提高复杂环境下汽车避障的安全性,且系统设计方法简单,便于实现和推广。
Description
技术领域
本发明涉及汽车控制技术领域,特别是涉及一种车辆的智能驾驶避障系统。
背景技术
随着人工智能的发展,越来越多的产品开始朝着网联化、智能化和无人化方向发展,尤其是汽车行业,汽车已经重新被定义为智能移动终端,从机械产品转向电子产品。智能驾驶车辆及其相关生态体系得到前所未有的发展,但是无人化也不是一蹴而就的,需要技术不停的积累、迭代逐步发展,尚有许多的核心技术亟待解决。
现如今智能驾驶存在的问题主要是驾驶的单一性即对路况的假设种类太少,不能进行像人一样的全路况驾驶控制。其次就是路途中的各种信息的采集不太完全,只能采用特定的简单的路况信息,对于突发情况的处理缺乏很大的应变能力。智能驾驶汽车在行驶过程中,当前方存在静态障碍物或低速行驶的交通参与者时,若智能驾驶系统具备主动避障决策的功能,车辆可以通过换道或绕行等行为,避开前方的障碍物或交通参与者,以此来提高车辆行驶的效率和安全性,使车辆能够更加智能化地执行驾驶任务。
目前,智能驾驶汽车的主动避障决策方法需要基于人工经验和大量人工标定工作,导致基于规则判断的决策结果的准确性较低,使智能驾驶汽车难以及时做出正确的决策,影响行驶效率及安全性。因此本发明提供了一种车辆的智能驾驶避障系统。
发明内容
本发明的目的是提供一种车辆的智能驾驶避障系统,以达到提高决策结果的准确性,进而达到提高驾驶效率及安全性的目的。
为实现上述目的,本发明提供了如下方案:
一种车辆的智能驾驶避障系统,包括:数据采集模块、信息处理模块、障碍物识别模块和路径决策执行模块;
其中,所述数据采集模块用于采集车辆行驶状态和车辆行驶环境的数据信息;
所述信息处理模块用于对所采集的环境数据信息进行环境图像数据处理,得到处理后的环境图像数据;
所述障碍物识别模块用于根据所述处理后的环境图像数据,对汽车周围环境中的障碍物进行识别,得到识别结果;
所述路径决策执行模块用于根据所述识别结果和车辆行驶状态数据规划避障路径,并执行所述避障路径;
所述数据采集模块、所述信息处理模块、所述障碍物识别模块、所述路径决策执行模块依次连接。
优选地,所述数据采集模块中包括车辆行驶状态感知单元和车辆行驶环境感知单元,分别用于采集车辆行驶状态信息和车辆行驶环境信息,并传递给所述信息处理模块。
优选地,所述车辆行驶状态感知单元包括车速传感装置、车轮传感装置、侧滑传感装置、侧向加速度传感装置、质心侧偏角传感装置以及车灯状态采集装置;
所述车辆行驶环境感知单元包括分别安装在车头、车身两侧以及车尾的视觉传感装置和雷达传感装置,以及根据汽车所在定位数据在相应的地图数据上挖掘的对应道路参数。
优选地,所述信息处理模块包括:
图像降噪单元:用于对接收到的环境图像数据进行降噪处理;
图像增强单元:用于对降噪后的环境图像数据进行增强处理。
优选地,所述障碍物识别模块包括:
障碍物监测识别单元:用于实现对行驶过程中车辆周围环境的障碍物进行实时监测及识别。
优选地,对所述障碍物进行实时监测的过程包括:
将传感器捕捉到的信息化数据进行栅格化,得到障碍物的栅格化立体图,然后根据所述栅格化立体图进行障碍物聚类分析,得到动态栅格图,将所述栅格化立体图与所述动态栅格图合并,得到障碍物分离后的立体栅格图,在车辆行进过程中不断更新所述栅格化立体图和所述动态栅格图,实现对障碍物的实时监测。
优选地,所述障碍物监测识别单元中包括障碍物识别模型,所述障碍物识别模型采用Ssd_inception_V3_coco模型,所述模型采用Ssd目标检测算法,用coco数据集预训练Ssd_inception_V3深度神经网络。
优选地,所述路径决策执行模块包括:
路径规划单元:用于根据所述识别结果进行路径的重新规划,根据环境特征以及不同的交通场景路面情况计算得到新规划路线,然后将所述新规划路线发送至智能驾驶控制器;
智能驾驶控制器:用于根据所述新规划路线控制转向电机的转角,实现自适应避障。
本发明的有益效果为:
本发明以车辆周围环境数据以及汽车当前运行状态参数为基准动态规划避障路径,从而可以实现车辆的主动避障,实现汽车在复杂的路况条件下的安全自动驾驶,本发明有利于提高复杂环境下汽车避障的安全性,且系统设计方法简单,便于实现和推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种车辆的智能驾驶避障系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种车辆的智能驾驶避障系统,如图1所示,包括:数据采集模块、信息处理模块、障碍物识别模块和路径决策执行模块;
其中,所述数据采集模块用于采集车辆行驶状态和车辆行驶环境的数据信息;
所述信息处理模块用于对所采集的环境数据信息进行环境图像数据处理,得到处理后的环境图像数据;
所述障碍物识别模块用于根据所述处理后的环境图像数据,对汽车周围环境中的障碍物进行识别,得到识别结果;
所述路径决策执行模块用于根据所述识别结果和车辆行驶状态数据规划避障路径,并执行所述避障路径;
所述数据采集模块、所述信息处理模块、所述障碍物识别模块、所述路径决策执行模块依次连接。
数据采集模块中包括车辆行驶状态感知单元和车辆行驶环境感知单元,分别用于采集车辆行驶状态信息和车辆行驶环境信息,并传递给所述信息处理模块。
车辆行驶状态感知单元包括车速传感装置、车轮传感装置、侧滑传感装置、侧向加速度传感装置、质心侧偏角传感装置以及车灯状态采集装置;分别用于实现车辆行驶速度、汽车车轮倾角参数、汽车加速度以及侧方、前方、后方车辆的车灯启闭状态的采集。
所述车辆行驶环境感知单元包括分别安装在车头、车身两侧以及车尾的视觉传感装置和雷达传感装置,以及根据汽车所在定位数据在相应的地图数据上挖掘的对应道路参数;其中,视觉传感装置为单目视觉传感器,每一个单目视觉传感器所采集到的图像数据均携带有其对应的身份编号,且每一个单目视觉传感器的身份编号不同,优选地,采用其安装位置作为身份编号;雷达传感装置为雷达传感器,用于通过安装在车头、车身两侧以及车尾的雷达传感器实现汽车周围障碍物距离的测定,每一个雷达传感器所采集到的距离参数均携带有其对应的身份编号,且每一个雷达传感器的身份编号不同,优选地,采用其安装位置作为身份编号。
进一步优化方案,信息处理模块包括:
图像降噪单元:用于对接收到的环境图像数据进行降噪处理;
图像增强单元:用于对降噪后的环境图像数据进行增强处理。
具体包括:
对环境图像数据作灰度化处理,得到灰度环境图像;将灰度环境图像进行分割,得到多个大小相同的子图像块,并分别计算子图像块的第一灰度均值和第二灰度均值;基于第一灰度均值和第二灰度均值计算图像块中各像素点的灰度估计值,将得到的各像素点的灰度估计值替代其之前的灰度值,此时得到的子图像块即为降噪后的子图像块;
障碍物识别模块包括:
障碍物监测识别单元:用于实现对行驶过程中车辆周围环境的障碍区进行实时监测及识别。
对所述障碍物进行实时监测的过程包括:
首先将传感器捕捉到的信息数据栅格化得到障碍物的栅格化立体图,然后根据栅格图进行障碍物聚类分析,将每一时刻的栅格图进行组合就得到了行进过程中的动态栅格图,然后将得到的区域图将其融合得到新的动态栅格图,然后再将静态的三维立体栅格图合并,就得到了障碍物分离后的立体栅格图,在车辆行进过程中动静态栅格图不断更新,这就实现了行驶过程中对车辆周围环境的障碍物的实时监测,并将这些数据图形传递给主控器,为主控器做出行驶决策提供依据。
所有栅格都是规定的矩形,每个矩形连接最典型的为四叉树法,即由读取的立体图,输入的终点位置以及车辆自身的定位位置遍历整个交通网络的路线,根据计算机算法计算出一条条连通的路径。
进一步优化方案,所述障碍物监测识别单元中还包括障碍物识别模型,本实施例中,所述障碍物识别模型采用Ssd_inception_V3_coco模型,该模型采用ssd目标检测算法,用coco数据集预训练Ssd_inception_V3深度神经网络,然后用先前准备好的数据集训练该模型,微调深度神经网络中的各项参数,最后得到合适的用于检测障碍物类型的目标检测模型。
路径决策执行模块包括:
路径规划单元:用于根据所述识别结果进行路径的重新规划,根据环境特征以及不同的交通场景路面情况计算得到新规划路线,然后将所述新规划路线发送至智能驾驶控制器;
智能驾驶控制器:用于根据所述新规划路线控制转向电机的转角,实现自适应避障。
所述系统还包括执行机构,执行机构中包括电子阻力转向单元、电子控制制动单元、转向灯以及喇叭等均为车载系统和部件,直接与智能驾驶控制器连接,接收智能驾驶控制器指令并执行。其中,电子阻力转向单元接收智能驾驶控制器的转向需求,将控制信号转成电机轴的角速度或者角位移来控制方向盘的机械转动,实现车辆的自动转向,从而实现自动寻迹和自动避障。电子控制制动单元将智能驾驶控制器的电控信号转换成机械制动信号的作用,实现车辆制动。比如在发现前方有障碍物的时候,或者突然出现障碍物,车辆可以通过感知紧急制动,当然也满足常规模式的自主停车。
本系统的操作方法包括:
智能车辆按照预行驶路线人工行驶,同时采集路况信息,获取当前路段的环境信息及车辆行驶状态信息;
导入行驶路线信息到智能驾驶控制器,车辆进入智能驾驶模式,此时智能车辆按照规定的位置信息行驶,如全程无障碍物信息则可行驶完全程;
当智能车辆在行驶路途中碰到故障车时,等待及鸣笛:
在此步骤中,由数据采集模块采集的信息判断智能车辆是否遇到障碍物;当遇到障碍物时,智能车辆停车观察,若在规定时间内,前方故障车驶离,则车辆继续行驶,若规定时间内,车辆未能驶离,则智能驾驶控制器控制喇叭进行鸣笛示意;采集障碍物信息及前后路况信息,结合激光雷达和单目视觉传感器采集的数据,重新规划路线。
若满足条件,则按照重新规划的路线进行变道,控制智能车辆转向灯工作,并规划变道路径,执行机构执行变道操作,若是不满足条件则等待,同时向后台提起请求进行人工干预。智能车辆可以根据之前采集的位置信息进行平移一个标准车道宽,之后沿当前车道继续行驶或重回初始路径。
本发明以车辆周围环境数据以及汽车当前运行状态参数为基准动态规划避障路径,从而可以实现车辆的主动避障,实现汽车在复杂的路况条件下的安全自动驾驶,本发明有利于提高复杂环境下汽车避障的安全性,且系统设计方法简单,便于实现和推广。
以上所述的实施例仅是对本发明优选方式进行的描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种车辆的智能驾驶避障系统,其特征在于,包括:数据采集模块、信息处理模块、障碍物识别模块和路径决策执行模块;
其中,所述数据采集模块用于采集车辆行驶状态和车辆行驶环境的数据信息;
所述信息处理模块用于对所采集的环境数据信息进行环境图像数据处理,得到处理后的环境图像数据;
所述障碍物识别模块用于根据所述处理后的环境图像数据,对汽车周围环境中的障碍物进行识别,得到识别结果;
所述路径决策执行模块用于根据所述识别结果和车辆行驶状态数据规划避障路径,并执行所述避障路径;
所述数据采集模块、所述信息处理模块、所述障碍物识别模块、所述路径决策执行模块依次连接。
2.根据权利要求1所述的车辆的智能驾驶避障系统,其特征在于,所述数据采集模块中包括车辆行驶状态感知单元和车辆行驶环境感知单元,分别用于采集车辆行驶状态信息和车辆行驶环境信息,并传递给所述信息处理模块。
3.根据权利要求2所述的车辆的智能驾驶避障系统,其特征在于,所述车辆行驶状态感知单元包括车速传感装置、车轮传感装置、侧滑传感装置、侧向加速度传感装置、质心侧偏角传感装置以及车灯状态采集装置;
所述车辆行驶环境感知单元包括分别安装在车头、车身两侧以及车尾的视觉传感装置和雷达传感装置,以及根据汽车所在定位数据在相应的地图数据上挖掘的对应道路参数。
4.根据权利要求1所述的车辆的智能驾驶避障系统,其特征在于,所述信息处理模块包括:
图像降噪单元:用于对接收到的环境图像数据进行降噪处理;
图像增强单元:用于对降噪后的环境图像数据进行增强处理。
5.根据权利要求1所述的车辆的智能驾驶避障系统,其特征在于,所述障碍物识别模块包括:
障碍物监测识别单元:用于实现对行驶过程中车辆周围环境的障碍物进行实时监测及识别。
6.根据权利要求5所述的车辆的智能驾驶避障系统,其特征在于,对所述障碍物进行实时监测的过程包括:
将传感器捕捉到的信息化数据进行栅格化,得到障碍物的栅格化立体图,然后根据所述栅格化立体图进行障碍物聚类分析,得到动态栅格图,将所述栅格化立体图与所述动态栅格图合并,得到障碍物分离后的立体栅格图,在车辆行进过程中不断更新所述栅格化立体图和所述动态栅格图,实现对障碍物的实时监测。
7.根据权利要求5所述的车辆的智能驾驶避障系统,其特征在于,所述障碍物监测识别单元中包括障碍物识别模型,所述障碍物识别模型采用Ssd_inception_V3_coco模型,所述模型采用Ssd目标检测算法,用coco数据集预训练Ssd_inception_V3深度神经网络。
8.根据权利要求1所述的车辆的智能驾驶避障系统,其特征在于,所述路径决策执行模块包括:
路径规划单元:用于根据所述识别结果进行路径的重新规划,根据环境特征以及不同的交通场景路面情况计算得到新规划路线,然后将所述新规划路线发送至智能驾驶控制器;
智能驾驶控制器:用于根据所述新规划路线控制转向电机的转角,实现自适应避障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211128653.9A CN115416650A (zh) | 2022-09-16 | 2022-09-16 | 一种车辆的智能驾驶避障系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211128653.9A CN115416650A (zh) | 2022-09-16 | 2022-09-16 | 一种车辆的智能驾驶避障系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115416650A true CN115416650A (zh) | 2022-12-02 |
Family
ID=84203663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211128653.9A Pending CN115416650A (zh) | 2022-09-16 | 2022-09-16 | 一种车辆的智能驾驶避障系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115416650A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660520A (zh) * | 2022-12-14 | 2023-01-31 | 昆明理工大学 | 一种基于交通运输物流的数据分析方法及系统 |
CN116736852A (zh) * | 2023-06-08 | 2023-09-12 | 江苏大学扬州(江都)新能源汽车产业研究所 | 一种基于自动驾驶的车辆避障规划方法及系统 |
-
2022
- 2022-09-16 CN CN202211128653.9A patent/CN115416650A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660520A (zh) * | 2022-12-14 | 2023-01-31 | 昆明理工大学 | 一种基于交通运输物流的数据分析方法及系统 |
CN115660520B (zh) * | 2022-12-14 | 2023-03-28 | 昆明理工大学 | 一种基于交通运输物流的数据分析方法及系统 |
CN116736852A (zh) * | 2023-06-08 | 2023-09-12 | 江苏大学扬州(江都)新能源汽车产业研究所 | 一种基于自动驾驶的车辆避障规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11465630B2 (en) | Driving surface friction estimations using vehicle steering | |
EP3490859B1 (en) | Determining drivability of objects for autonomous vehicles | |
CN111422196A (zh) | 一种适用于微巴的智能网联自动驾驶系统及方法 | |
CN108646731B (zh) | 无人驾驶车辆场端控制系统及其控制方法 | |
CN106064626B (zh) | 车辆行驶控制装置 | |
CN115416650A (zh) | 一种车辆的智能驾驶避障系统 | |
CN110103953B (zh) | 用于辅助车辆的驾驶控制的方法、设备、介质和系统 | |
CN111994068B (zh) | 一种基于智能轮胎触觉感知的智能驾驶汽车控制系统 | |
EP3626569B1 (en) | Driving assistance device and driving assistance method | |
CN110858325A (zh) | 车辆自适应学习 | |
US20210061269A1 (en) | Method of handling occlusions at intersections in operation of autonomous vehicle | |
US11731639B2 (en) | Method and apparatus for lane detection on a vehicle travel surface | |
CN110799403B (zh) | 车辆控制装置 | |
CN115291596A (zh) | 道路可行驶区域推理方法及装置 | |
CN112512887B (zh) | 一种行驶决策选择方法以及装置 | |
CN113631452B (zh) | 一种变道区域获取方法以及装置 | |
CN113147752B (zh) | 一种无人驾驶方法及系统 | |
KR20200087891A (ko) | 차량 주변의 위험 요소를 감지하기 위한 전자 장치 및 이를 제어하기 위한 방법 | |
CN113228131B (zh) | 用于提供周围环境数据的方法和系统 | |
EP3850305B1 (en) | Driving surface friction estimations for vehicles | |
EP4170450A1 (en) | Method and system for switching between local and remote guidance instructions for an autonomous vehicle | |
CN114199272A (zh) | 一种基于视觉检测的新能源汽车智能驾驶系统 | |
CN110712644B (zh) | 驾驶辅助系统和方法 | |
JP7359107B2 (ja) | 対象物認識装置、移動体衝突予防装置および車両 | |
CN117601903B (zh) | 车辆行驶场景的生成方法、装置和存储介质及电子设备 |
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 |