CN116255996A - 一种汽车立体导航方法、系统、装置及介质 - Google Patents
一种汽车立体导航方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN116255996A CN116255996A CN202310112597.8A CN202310112597A CN116255996A CN 116255996 A CN116255996 A CN 116255996A CN 202310112597 A CN202310112597 A CN 202310112597A CN 116255996 A CN116255996 A CN 116255996A
- Authority
- CN
- China
- Prior art keywords
- information
- navigation
- path
- cloud
- image
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
-
- 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
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种汽车立体导航方法包括:通过感知模块采集3D雷达检测到的车身周围情况;将处理后的图像信息上传云端;将结合云端信息的影像传输到决策模块,对车辆的导航信息做出最优的路径信息;确定可行性后生成导航信息;根据导航信息生成提示和路径信息展示,最终将导航信息和路径信息展示在显示模块的显示器上。本发明提供的汽车立体导航方法更加准确、实时,可帮助车辆准确在复杂路段准确的找到自己所处的路段,避免司机迷路,使得司机充分了解周围状态,实时判断道路车流状况;将车与道路之间的信息交流反馈到三维立体导航中,用于监测道路路面状况,引导司机选择最佳行驶路径。
Description
技术领域
本发明涉及汽车导航技术领域,具体为一种汽车立体导航方法、系统、装置及介质。
背景技术
导航是引导载体从起始点安全、可靠地引导到目的地的过程,利用电、磁、光、力学等科学原理与方法,通过测量与空中飞机、海上舰船、大洋里的潜艇、陆地上的车辆、人流等运动物体每时每刻位置有关的参数,从而实现对运动体的定位,并正确地从出发点沿着预定的路线,安全、准确、经济地引导到目的地,这种技术就叫导航技术。
导航技术根据其导航信息获取原理的不同,可分为无线电导航、卫星导航、天文导航、惯性导航、地形辅助导航、综合导航与组合导航,以及专门用于飞机等飞行器进行着陆的着陆系统等。如果运动体导航定位的数据仅仅只依靠装在运动体自身上的导航设备就能获取,采用推算原理工作,称自备式导航,或自主式导航,如惯性导航。假若要靠接收地面导航台或空中卫星等所发播的导航信息,才能定出运动体位置的为他备式导航,无线电导航和卫星导航等为典型的他备式导航。对于能够完成一定导航定位任务的所有设备组合的总称就叫导航系统,例如无线电导航系统、卫星导航系统、天文导航系统、惯性导航系统、组合导航系统、综合导航系统、地形辅助导航系统,以及着陆引导与港口导航系统等。
从应用的角度,汽车GPS导航可分为两种方式。第一种方式是汽车拥有独立的GPS导航装置,可以进行自主导航。例如,全球导航系统领先者VDO公司开发的MS6000系统,将音响和导航技术融为一体,采用直观的菜单和易操作的遥控装置,只要输入目的地,并在它提供的最多8条路线中选定一条,就可在导航系统指引下轻松上路。它会通过车载喇叭,播放行驶方向的语音提示,并在大型彩色显示屏上显示导航图像。日本松下公司推出的多用途汽车GPS导航仪,配备了CD驱动器和5.8英寸TFT液晶显示器。第二种方式是公众信息服务性质的车辆定位跟踪、监控系统。它由车载GPS接收部分和监控中心GPS定位导航部分组成,使用专线或公共网络进行通信,为行驶的车辆提供导航信息、跟踪调度、保全防盗、信息查询与救援等项服务。北京的“奥星天网”GPS信息服务系统、南京的110报警巡逻车GPS系统等,统统属于此类之例。
目前市面上的二维平面导航在复杂路段往往不能准确定位车辆位置的问题;司机不了解路况以及其他车辆的行驶情况。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的导航方法存在司机不了解路况以及其他车辆的行驶情况,以及二维平面导航在复杂路段往往不能准确定位车辆位置的问题的优化问题。
为解决上述技术问题,本发明提供如下技术方案:一种汽车立体导航方法,包括:
通过感知模块采集3D雷达检测到的车身周围情况;
将处理后的图像信息上传云端,并通过大数据获取云端信息;
将结合云端信息的影像传输到决策模块,对车辆的导航信息做出最优的路径信息;
对路径信息进行分析判断,确定可行性后生成导航信息;
根据导航信息生成提示和路径信息展示,最终将导航信息和路径信息展示在显示模块的显示器上。
作为本发明所述的汽车立体导航方法,其特征在于:所述采集3D雷达检测到的车身周围情况,包括:经过一阶段微分算子的图像提取,在分析检测之后,再次通过二阶段微分算子的零交叉来获取图像的边缘宽度像素;同时,识别噪声干扰,若感知模块感知到严重影响了遥感图像的质量的疑似噪声因素时,则直接对疑似噪声因素进行分析;
当噪声描述不符合概率分布和概率密度分布时,忽略影响因素,将采集到的信息上传云端;
当噪声描述符合概率分布和概率密度分布时,判断确定影响因素为噪声干扰;直到所有疑似噪声因素都不符合概率分布和概率密度分布时,将剔除噪声后的图像信息上传云端;
若感知模块未感知到严重影响了遥感图像的质量的疑似噪声因素时,则将图像信息直接上传云端。
作为本发明所述的汽车立体导航方法,其特征在于:所述通过大数据获取云端信息包括:将感知模块采集到的图像信息上传云端的同时,获取采集图像的GPS定位信息,实现车与云平台、车与车、车与路等全方位网络链接;
若位置信息上传延迟,则根据路径和车速对位置信息进行更正;
若位置信息上传没有延迟或已对位置信息进行更正,则在云端锁定其他数据源获取的图像信息;
当其他数据源获取的信息的时间与本次获取的时间间隔在此路段平均间隔范围内,则利用其他数据源获取的信息对该场景的导航信息进行预测;
当其他数据源获取的信息的时间与本次获取的时间间隔不在此路段平均间隔范围内,则根据与其他数据源获取的信息的时间间隔,在对导航信息预测时做出未知因素提示。
作为本发明所述的汽车立体导航方法,其特征在于:所述获取云端信息还包括:在获取数据源平面位置时,同时获取高度信息,从而匹配到三维立体位置;同时根据行驶方向判断具体的位置;
若获取的高度和行驶方向对应的实际路况与对应的三维定位不符合,则重新执行三维定位;
若获取的高度和行驶方向对应的实际路况与三维定位相符合,则认可三维定位的准确性。
作为本发明所述的汽车立体导航方法,其特征在于:所述结合云端信息的影像传输到决策模块,包括:对图像信息进一步筛选后,确认路径;
若云端信息中出现对行车安全无影响的因素,则忽略此因素;
若云端信息中出现对行车安全有影响的因素,则结合影响和因素对导航路径进行模拟。
作为本发明所述的汽车立体导航方法,其特征在于:所述路径的确认还包括:当存在对行车安全有影响的因素时,则根据对安全的影响程度判断选择路径;
若判断原行驶路径中对行车安全影响不严重时,则描述影响因素;
当用户选择规避该因素,则排除所有此类影响路段,模拟出不含此类影响的路径;
当用户选择忽略该因素,则决策模块在本次使用中将此类因素视为正常,模拟最优路径;
当用户未选择是否规避时,则默认选择忽略该因素;
若判断原行驶路径中对行车安全有严重影响时,自动更换到其他优先路径,直到对行车安全影响不严重为止,并生成更换路径原因。
作为本发明所述的汽车立体导航方法,其特征在于:将导航信息和路径信息展示在显示模块,对决策模块模拟的路径进行动态模拟以获得高分辨率的真实图像;
若车辆在启动时,选择显示模式为三维显示,则在整个形式过程不再主动提醒更换显示模式;
若车辆在启动时,选择显示模式为二维显示,则定位信息显示马上进入复杂的三维路段前,对用户执行三维显示模式切换请求;
当用户未进行选择时,则根据预先设定执行预设模式。
一种汽车立体导航系统,其特征在于,包括:
感知模块,采集3D雷达检测到的车身周围情况,处理后的图像信息上传云端;
决策模块,根据云端反馈的信息对车辆的导航信息模拟路径;
显示模块,将决策模块模拟出的路径信息动态呈现。
一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现本发明中任一项所述的方法的步骤。
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:所述计算机程序被处理器执行时实现本发明中任一项所述的方法的步骤。
本发明的有益效果:本发明提供的汽车立体导航方法,计算机视觉技术结合车联网技术实现三维立体导航相比于传统技术更加准确、实时,可帮助车辆准确在复杂路段准确的找到自己所处的路段,避免司机迷路;将车与车之间的通信实时反馈到三维立体导航中,包括车辆位置、行驶速度等信息,使得司机充分了解周围状态,实时判断道路车流状况;将车与道路之间的信息交流反馈到三维立体导航中,用于监测道路路面状况,引导司机选择最佳行驶路径。
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它的附图。其中:
图1为本发明第一个实施例提供的一种汽车立体导航方法的整体流程图;
图2为本发明第二个实施例提供的一种汽车立体导航系统的运行图;
图3为本发明第二个实施例提供的一种汽车立体导航系统中决策模块的功能示意图;
图4为本发明第二个实施例提供的一种汽车立体导航方法的整体概念图;
图5为本发明第二个实施例提供的一种汽车立体导航方法的三维定位判断功能图;
图6为本发明第二个实施例提供的一种汽车立体导航方法的路径规划功能示意图;
图7为本发明第二个实施例提供的一种汽车立体导航方法中的显示模式切换运行示意图;
图8为本发明的二个实施例中计算机设备的内部结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”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发明和简化描述,而不是指示或暗示所指的装置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发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的一个实施例,提供了一种汽车立体导航方法,包括:
S1:通过感知模块采集3D雷达检测到的车身周围情况;
更进一步的,计算机视觉技术图像预处理:在计算机视觉技术应用中,图像预处理处于模版匹配之前,基于特定的模版对最终所需的图像进行处理,结合图像输出的分辨率对其准确性做出判断。
经过图像预处理之后可以将图像中的二值边缘化图像提取出来,进一步提升图像处理的效果。在经过一定的创新发展之后,当前计算机视觉技术中的图像预处理技术已经发展成一阶段微分算子和二阶段微分算子,即首先经过一阶段微分算子的图像提取,在分析检测之后再次通过二阶段微分算子的零交叉来获取图像的边缘宽度像素。
应说明的是,在图像提取的同时,识别噪声干扰,若感知模块感知到严重影响了遥感图像的质量的疑似噪声因素时,则直接对疑似噪声因素进行分析;当噪声描述不符合概率分布和概率密度分布时,忽略影响因素,将采集到的信息上传云端;当噪声描述符合概率分布和概率密度分布时,判断确定影响因素为噪声干扰;直到所有疑似噪声因素都不符合概率分布和概率密度分布时,将剔除噪声后的图像信息上传云端;若感知模块未感知到严重影响了遥感图像的质量的疑似噪声因素时,则将图像信息直接上传云端。
应该说明的还有,图像噪声是指存在于图像数据中的不必要的或多余的干扰信息。噪声的存在严重影响了遥感图像的质量,因此在图像增强处理和分类处理之前,必须予以纠正。图像中各种妨碍人们对其信息接受的因素即可称为图像噪声。噪声在理论上可以定义为“不可预测,只能用概率统计方法来认识的随机误差。因此将图像噪声看成是多维随机过程是合适的,因而描述噪声的方法完全可以借用随机过程的描述,即用其概率分布函数和概率密度分布函数。
这样就可以省略对图像的细化步骤,获得更加可观的边缘效果,最终结果的精确度也可以得到更好的保障,而且在细致的检测环节之下,图像处理的精准化程序将获得大幅度的提高,这使其在三维图像呈现中展现出巨大的应用优势。
S2:将处理后的图像信息上传云端,并通过大数据获取云端信息;
更进一步的,将感知模块采集到的图像信息上传云端的同时,获取采集图像的GPS定位信息,实现车与云平台、车与车、车与路等全方位网络链接;
若位置信息上传延迟,则根据路径和车速对位置信息进行更正;
若位置信息上传没有延迟或已对位置信息进行更正,则在云端锁定其他数据源获取的图像信息;
当其他数据源获取的信息的时间与本次获取的时间间隔在此路段平均间隔范围内,则利用其他数据源获取的信息对该场景的导航信息进行预测;
当其他数据源获取的信息的时间与本次获取的时间间隔不在此路段平均间隔范围内,则根据与其他数据源获取的信息的时间间隔,在对导航信息预测时做出未知因素提示。
应该说明的是,未知因素提示具体是指危险预测,例如:在大雪过后a路径没有数据源传输路况,则在城市清除效率时间内则判断a路径有较大的不稳定因素。
所述获取云端信息还包括:在获取数据源平面位置时,同时获取高度信息,从而匹配到三维立体位置;同时根据行驶方向判断具体的位置;
若获取的高度和行驶方向对应的实际路况与对应的三维定位不符合,则重新执行三维定位;
若获取的高度和行驶方向对应的实际路况与三维定位相符合,则认可三维定位的准确性。
应该说明的是,在同一位置的不同高度的行驶方向是不同的。高架桥以及山路的修建不会是在同一位置的不同高度上同向修建的,所以利用高度和行驶方向对定位进行判断是合理的。
应该说明的还有,上传云端实现了车联网信息通信技术,实现车与云平台、车与车、车与路等全方位网络链接。车联网是利用传感技术感知车辆的状态信息,并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理,以及交通信息服务的智能决策和车辆的智能化控制。
S3:将结合云端信息的影像传输到决策模块,对车辆的导航信息做出最优的路径信息。
对图像信息进一步筛选后,确认路径;
若云端信息中出现对行车安全无影响的因素,则忽略此因素;
若云端信息中出现对行车安全有影响的因素,则结合影响和因素对导航路径进行模拟。
当存在对行车安全有影响的因素时,则根据对安全的影响程度判断选择路径;
若判断原行驶路径中对行车安全影响不严重时,则描述影响因素;
当用户选择规避该因素,则排除所有此类影响路段,模拟出不含此类影响的路径;
当用户选择忽略该因素,则决策模块在本次使用中将此类因素视为正常,模拟最优路径;
当用户未选择是否规避时,则默认选择忽略该因素;
若判断原行驶路径中对行车安全有严重影响时,自动更换到其他优先路径,直到对行车安全影响不严重为止,并生成更换路径原因。
应该说明的是,在规划导航路线时,首先要以用户安全为主。在保证基本安全的前提下,因为不同用户对相同路况的处理不同,所以本着尊重用户判断的原则,根据用户的选择对路径进行规划。
同时,在系统自动更换路径时,生成原因,保证了用户对路径的了解和基本判断。
S4:根据导航信息生成提示和路径信息展示,最终将导航信息和路径信息展示在显示模块的显示器上。
将导航信息和路径信息展示在显示模块,对决策模块模拟的路径进行动态模拟以获得高分辨率的真实图像;
若车辆在启动时,选择显示模式为三维显示,则在整个形式过程不再主动提醒更换显示模式;
若车辆在启动时,选择显示模式为二维显示,则定位信息显示马上进入复杂的三维路段前,对用户执行三维显示模式切换请求;
当用户未进行选择时,则根据预先设定执行预设模式。
应该说明的是,有的用户在平坦路径不习惯使用三位导航,而适应二位导航;但是在马上进入复杂的三维路段时,三维导航的优势和稳定性精确性就凸显出来,所以对二维模式的用户进行切换模式的请求。
同时,用户若未进行选择时,不能强制执行模式切换,则是根据用户的自定义预设执行预设模式的切换或不切换。
要说明的还有,通过计算机模拟人体视觉进行数据的采集和监测处理。计算机在完成图像采集之后,会对其进行动态模拟,以获得高分辨率的真实图像,最终实现三维立体图像。之后将动态化的图像模拟和实际所需检测的周围车况、道路、建筑进行比对分析就可以获得准确性较高的数据。
本实施例还提供一种计算设备,包括,存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的方法。
本实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提出的一种汽车立体导航方法。
本实施例提出的存储介质与上述实施例提出的一种汽车立体导航方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器、磁变存储器、铁电存储器、相变存储器、石墨烯存储器等。易失性存储器可包括随机存取存储器或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器或动态随机存取存储器等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。
本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
实施例2
参照图2-8,为本发明的一个实施例,提供了一种汽车立体导航方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
本专利利用车机的T-BOX进行数据采集并将CAN数据存储到车联网云端作为数据基础。三维立体导航依靠车载摄像头进行信号采集,并利用计算机视觉技术中的图像预处理以及场景重建技术完成三维立体导航的建立,云端数据作为三维立体导航中的数据基础,将车与车之间的通信、车与道路之间的信息实时反馈到三维立体导航中。从而使司机可以在复杂路段通过三维立体导航准确的找到车辆位置;使司机充分了解道路车流状况,引导司机选择最佳行驶路径。
以下通过对模拟场景的路径模拟进行论证。
场景1:三维定位高度为10m的一条路径,导航中方向是东西走向;
汽车实际的三维定位高度为20m的一条路径,导航中方向是南北走向。
汽车行驶在路径时,定位信息显示三维高度维10m,此时根据汽车行驶路径判断实际汽车的道路是南北走向并非是东西走向,则判断三维定位不准确,对三维定位进行更正。
经过定位锁定和路经确认,输出汽车实际的三维定位高度为20m的一条路径,方向是南北走向。
场景2:为本发明在复杂场景的应用;
车辆往山顶行驶,前一天晚上下过大雪,且城市的道路维护无法实现对山路的积雪清洁,但是云端信息中检测到其他数据源上传的此路段的路况信息,此路段属于对车辆安全有较小影响的情况;
当车辆以二维导航模式行驶到山下,系统弹出切换三维导航显示的提示;
用户自定义为默认切换至三维显示;
系统自动转为三维导航显示模式,并对用户进行路况提醒,用户选择忽略此因素,这是根据车联网的云端信息,对路段中的积雪和路滑危险进行具体的图像提示,进行提前预警。
表一为10次本发明与传统导航在山城中复杂的三维路况的导航准确度情况对比:
表一:
次数 | 本发明 | 传统导航 |
1 | 准确 | 准确 |
2 | 准确 | 偏离 |
3 | 准确 | 准确 |
4 | 准确 | 偏离 |
5 | 准确 | 偏离 |
6 | 偏离 | 偏离 |
7 | 准确 | 准确 |
8 | 准确 | 偏离 |
9 | 准确 | 准确 |
10 | 准确 | 准确 |
可以看出,本发明在对于复杂的三维路段的导航准确性明显高于传统方法的导航准确性。
表二为10次本发明与传统导航在简单的二维路况的导航准确度情况对比:
表二:
次数 | 本发明 | 传统导航 |
1 | 准确 | 准确 |
2 | 准确 | 准确 |
3 | 准确 | 准确 |
4 | 准确 | 准确 |
5 | 准确 | 准确 |
6 | 准确 | 准确 |
7 | 准确 | 准确 |
8 | 准确 | 准确 |
9 | 准确 | 准确 |
10 | 准确 | 准确 |
可以看出,在二维模式下的导航,本发明不落后与传统的二维导航的准确性。
表三为10次本发明在三维模式下与传统二维导航在简单的二维路况的导航准确度情况对比:
表三:
次数 | 本发明 | 传统导航 |
1 | 准确 | 准确 |
2 | 准确 | 准确 |
3 | 准确 | 准确 |
4 | 准确 | 准确 |
5 | 准确 | 准确 |
6 | 准确 | 准确 |
7 | 准确 | 准确 |
8 | 准确 | 准确 |
9 | 准确 | 准确 |
10 | 准确 | 准确 |
可以看出,在三维模式下的导航,本发明不落后与传统的二维导航的准确性。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种汽车立体导航方法,其特征在于,包括:
通过感知模块采集3D雷达检测到的车身周围情况;
将处理后的图像信息上传云端,并通过大数据获取云端信息;
将结合云端信息的影像传输到决策模块,对车辆的导航信息做出最优的路径信息;
对路径信息进行分析判断,确定可行性后生成导航信息;
根据导航信息生成提示和路径信息展示,最终将导航信息和路径信息展示在显示模块的显示器上。
2.如权利要求1所述的汽车立体导航方法,其特征在于:所述采集3D雷达检测到的车身周围情况,包括:经过一阶段微分算子的图像提取,在分析检测之后,再次通过二阶段微分算子的零交叉来获取图像的边缘宽度像素;同时,识别噪声干扰,若感知模块感知到严重影响了遥感图像的质量的疑似噪声因素时,则直接对疑似噪声因素进行分析;
当噪声描述不符合概率分布和概率密度分布时,忽略影响因素,将采集到的信息上传云端;
当噪声描述符合概率分布和概率密度分布时,判断确定影响因素为噪声干扰;直到所有疑似噪声因素都不符合概率分布和概率密度分布时,将剔除噪声后的图像信息上传云端;
若感知模块未感知到严重影响了遥感图像的质量的疑似噪声因素时,则将图像信息直接上传云端。
3.如权利要求1或2任一所述的汽车立体导航方法,其特征在于:所述通过大数据获取云端信息包括:将感知模块采集到的图像信息上传云端的同时,获取采集图像的GPS定位信息,实现车与云平台、车与车、车与路等全方位网络链接;
若位置信息上传延迟,则根据路径和车速对位置信息进行更正;
若位置信息上传没有延迟或已对位置信息进行更正,则在云端锁定其他数据源获取的图像信息;
当其他数据源获取的信息的时间与本次获取的时间间隔在此路段平均间隔范围内,则利用其他数据源获取的信息对该场景的导航信息进行预测;
当其他数据源获取的信息的时间与本次获取的时间间隔不在此路段平均间隔范围内,则根据与其他数据源获取的信息的时间间隔,在对导航信息预测时做出未知因素提示。
4.如权利要求3所述的汽车立体导航方法,其特征在于:所述获取云端信息还包括:在获取数据源平面位置时,同时获取高度信息,从而匹配到三维立体位置;同时根据行驶方向判断具体的位置;
若获取的高度和行驶方向对应的实际路况与对应的三维定位不符合,则重新执行三维定位;
若获取的高度和行驶方向对应的实际路况与三维定位相符合,则认可三维定位的准确性。
5.如权利要求1或4任一所述的汽车立体导航方法,其特征在于:所述结合云端信息的影像传输到决策模块,包括:对图像信息进一步筛选后,确认路径;
若云端信息中出现对行车安全无影响的因素,则忽略此因素;
若云端信息中出现对行车安全有影响的因素,则结合影响和因素对导航路径进行模拟。
6.如权利要求5所述的汽车立体导航方法,其特征在于:所述路径的确认还包括:当存在对行车安全有影响的因素时,则根据对安全的影响程度判断选择路径;
若判断原行驶路径中对行车安全影响不严重时,则描述影响因素;
当用户选择规避该因素,则排除所有此类影响路段,模拟出不含此类影响的路径;
当用户选择忽略该因素,则决策模块在本次使用中将此类因素视为正常,模拟最优路径;
当用户未选择是否规避时,则默认选择忽略该因素;
若判断原行驶路径中对行车安全有严重影响时,自动更换到其他优先路径,直到对行车安全影响不严重为止,并生成更换路径原因。
7.如权利要求6所述的汽车立体导航方法,其特征在于:将导航信息和路径信息展示在显示模块,对决策模块模拟的路径进行动态模拟以获得高分辨率的真实图像;
若车辆在启动时,选择显示模式为三维显示,则在整个形式过程不再主动提醒更换显示模式;
若车辆在启动时,选择显示模式为二维显示,则定位信息显示马上进入复杂的三维路段前,对用户执行三维显示模式切换请求;
当用户未进行选择时,则根据预先设定执行预设模式。
8.一种汽车立体导航系统,其特征在于,包括:
感知模块,采集3D雷达检测到的车身周围情况,处理后的图像信息上传云端;
决策模块,根据云端反馈的信息对车辆的导航信息模拟路径;
显示模块,将决策模块模拟出的路径信息动态呈现。
9.一种计算机设备,包括:存储器和处理器;所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
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:所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310112597.8A CN116255996A (zh) | 2023-02-14 | 2023-02-14 | 一种汽车立体导航方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310112597.8A CN116255996A (zh) | 2023-02-14 | 2023-02-14 | 一种汽车立体导航方法、系统、装置及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116255996A true CN116255996A (zh) | 2023-06-13 |
Family
ID=86685779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310112597.8A Pending CN116255996A (zh) | 2023-02-14 | 2023-02-14 | 一种汽车立体导航方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116255996A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116456048A (zh) * | 2023-06-19 | 2023-07-18 | 中汽信息科技(天津)有限公司 | 一种基于场景适配的汽车影像记录方法及系统 |
-
2023
- 2023-02-14 CN CN202310112597.8A patent/CN116255996A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116456048A (zh) * | 2023-06-19 | 2023-07-18 | 中汽信息科技(天津)有限公司 | 一种基于场景适配的汽车影像记录方法及系统 |
CN116456048B (zh) * | 2023-06-19 | 2023-08-18 | 中汽信息科技(天津)有限公司 | 一种基于场景适配的汽车影像记录方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11878713B2 (en) | Driving assistance system and method | |
US20230139760A1 (en) | Network-assisted scanning of a surrounding environment | |
US10762396B2 (en) | Multiple stage image based object detection and recognition | |
CN106846863B (zh) | 基于增强现实和云端智能决策的事故黑点警告系统及方法 | |
US10976421B2 (en) | Interface for improved high definition map generation | |
US9946939B2 (en) | Guided geometry extraction for localization of a device | |
US20190378404A1 (en) | Traffic prediction system, vehicle-mounted display apparatus, vehicle, and traffic prediction method | |
US10145956B2 (en) | Geometric fingerprinting for localization of a device | |
US10028102B2 (en) | Localization of a device using multilateration | |
WO2018122808A1 (zh) | 一种基于舒适度的自动驾驶行驶规划方法 | |
US9792521B2 (en) | Extracting feature geometries for localization of a device | |
US9803985B2 (en) | Selecting feature geometries for localization of a device | |
US20230038786A1 (en) | Deep Structured Scene Flow for Autonomous Devices | |
CN109086277A (zh) | 一种重叠区构建地图方法、系统、移动终端及存储介质 | |
CN113748314A (zh) | 交互式三维点云匹配 | |
US20230016153A1 (en) | Map Feature Identification Using Motion Data and Surfel Data | |
CN112163701B (zh) | 一种车站枢纽换乘管理方法及装置 | |
CN115427251A (zh) | 预测性再生制动 | |
CN110458080A (zh) | 一种汽车行驶中前方坑洞的预判方法及系统 | |
CN116255996A (zh) | 一种汽车立体导航方法、系统、装置及介质 | |
CN114152253A (zh) | 基于深度学习和大数据的全天候徒步旅行辅助系统及方法 | |
CN110210384A (zh) | 一种道路全局信息实时提取与表示系统 | |
Chen et al. | Gocomfort: Comfortable navigation for autonomous vehicles leveraging high-precision road damage crowdsensing | |
CN116698054B (zh) | 道路匹配方法、装置、电子设备及存储介质 | |
Tian | Methodologies and Applications of Data Coordinate Conversion for Roadside LiDAR |
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 |