CN116414140A - 无人作战车辆路径规划方法、装置及计算机存储介质 - Google Patents
无人作战车辆路径规划方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN116414140A CN116414140A CN202310673577.8A CN202310673577A CN116414140A CN 116414140 A CN116414140 A CN 116414140A CN 202310673577 A CN202310673577 A CN 202310673577A CN 116414140 A CN116414140 A CN 116414140A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- marker
- markers
- road section
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 16
- 239000003550 marker Substances 0.000 claims description 117
- 238000001514 detection method Methods 0.000 claims description 99
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发公开了无人作战车辆路径规划方法、装置及计算机存储介质，属于交通控制技术领域。该无人作战车辆路径规划方法，包括：步骤S1，依据车辆创建第一数字孪生体，依据现实环境创建第一环境模型；步骤S2，记录车辆偏离主干道后正常行驶的第一可行驶路段的运行状态信息及第一可行驶路段的路径坐标，所述运行状态信息用于再现车辆沿第一可行驶路段中的运行状态；最终模仿第一次预先行驶的过程，平稳可靠的行驶完第一可行驶路段。应用本发明特别善于在一些复杂路段行驶，如悬崖路段，陡坡路段，保障无人作战车辆稳定到达目标地点。
Description
技术领域
本发明属于交通控制技术领域，具体涉及无人作战车辆路径规划方法、装置及计算机存储介质。
背景技术
现有信息化战争中体系对抗已成为重要特点，在基于信息系统的体系作战中，无人作战车辆在作战中对战车辆路径规划为重中之重。无人作战车辆能否快速准确的到达作战区域，常常关系到战争的胜败与否。但在复杂环境中，如悬崖路段，陡坡路段，穿过一条非主干道的捷径道路时，由于路况复杂，无人作战车辆常常会在该捷径道路发生故障或事故，公开号为CN112506183A的中国发明专利申请公开了一种分布式驱动无人车辆路径跟踪控制方法及系统，但其并没公开无人作战车辆穿过非主干道的捷径道路时，如何能够稳定快速通过，如何确保无人作战车辆快速占据重要作战区域的技术方案。
发明内容
本发明的目的在于提供一种无人作战车辆路径规划方法、装置及计算机存储介质，用于确保无人作战车辆穿过一些非主干道的捷径道路时，能够稳定快速通过，确保无人作战车辆快速占据重要作战区域。
为了实现上述目的，本发明提供如下技术方案：
一种无人作战车辆路径规划方法，包括：
步骤S1，依据车辆创建第一数字孪生体，依据现实环境创建第一环境模型，所述第一数字孪生体用于在所述第一环境模型内模拟车辆在现实环境中的运行；
步骤S2，记录车辆偏离主干道后正常行驶的第一可行驶路段的运行状态信息及第一可行驶路段的路径坐标，所述运行状态信息用于再现车辆沿第一可行驶路段中的运行状态；
步骤S3，将所述第一可行驶路段的路径坐标以及所述运行状态信息输入至所述第一环境模型内，并通过所述第一可行驶路段的路径坐标在所述第一环境模型内生成第二可行驶路段；
步骤S4，在车辆需要经过所述第一可行驶路段时，无人驾驶系统接收通过所述第二可行驶路段和所述运行状态信息生成的第二路段行驶信息，所述无人驾驶系统依照所述第二路段行驶信息在所述第一可行驶路段上行驶，所述第二可行驶路段信息用于给车辆提供行驶第一可行驶路段的路径坐标以及再现车辆沿第一可行驶路段行驶的运行状态。
所述无人作战车辆路径规划方法还包括：
位于步骤S2之后的步骤S2.1，通过相机采集车辆在第一可行驶路段的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，记录所述第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
位于步骤S3之后的步骤S3.1，将所述标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息输入至所述第一环境模型内；
位于步骤S4之后的步骤S4.1，当所述无人驾驶系统的路径中包括所述第一可行驶路段时，所述无人驾驶系统获取所述第一环境模型内的第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
步骤S4.2，通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统调整车辆在行驶过程中的自身位置，以使若干个所述第二标记物在所述第二图像中的相对位置与若干个所述第一标记物在第一图像中的相对位置相同，直至车辆从所述第一可行驶路段的入口进入。
从所述第一目标检测结果中选定若干第一标记物和所述第一标记物在所述第一图像中的相对位置信息与所述第二路段行驶信息相互绑定。
所述无人作战车辆路径规划方法还包括：
位于步骤S2之后的步骤S2.2，通过相机采集车辆在第一可行驶路段的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，测量出每个第一标记物与车辆的相对位置，获得每个第一标记物的实际坐标位置以及每个第一标记物的的类型信息；
位于步骤S3之后的步骤S3.2，在所述第一环境模型分别创建与每个第一标记物相对应的第三标记物，并且任何一个所述第三标记物对应存储有与其对应的第一标记物的实际坐标信息以及与其对应的第一标记物的的类型信息；
位于步骤S4之后的步骤S5.1，当所述无人驾驶系统的路径中包括所述第一可行驶路段时，所述无人驾驶系统获取所述第一环境模型内的与第三标记物所对应的第一标记物的实际坐标以及与第三标记物所对应的第一标记物的类型信息；
步骤S5.2，通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统根据若干个所述第二标记物确定自身坐标位置，直至车辆从所述第一可行驶路段的入口进入。
本发明还提供一种无人作战车辆路径规划装置，包括：
创建单元，用于依据车辆创建第一数字孪生体，依据现实环境创建第一环境模型；
记录单元，用于记录车辆偏离主干道后正常行驶的第一可行驶路段的运行状态信息及第一可行驶路段的路径坐标，所述运行状态信息用于再现车辆沿第一可行驶路段中的运行状态；
第一配置单元，用于将所述第一可行驶路段的路径坐标以及所述运行状态信息输入至所述第一环境模型内，并通过所述第一可行驶路段的路径坐标在所述第一环境模型内生成第二可行驶路段；
第一执行单元，用于在车辆需要经过所述第一可行驶路段时，无人驾驶系统接收通过所述第二可行驶路段和所述运行状态信息生成的第二路段行驶信息，所述无人驾驶系统依照所述第二路段行驶信息在所述第一可行驶路段上行驶，所述第二可行驶路段信息用于给车辆提供行驶第一可行驶路段的路径坐标以及再现车辆沿第一可行驶路段行驶的运行状态。
所述无人作战车辆路径规划装置还包括：
第一检测处理单元，用于通过相机采集车辆在第一可行驶路段的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，记录所述第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
第二配置单元，用于将所述标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息输入至所述第一环境模型内；
第一数据获取单元，用于当所述无人驾驶系统的路径中包括所述第一可行驶路段时，所述无人驾驶系统获取所述第一环境模型内的第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
第二执行单元，用于通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统调整车辆在行驶过程中的自身位置，以使若干个所述第二标记物在所述第二图像中的相对位置与若干个所述第一标记物在第一图像中的相对位置相同，直至车辆从所述第一可行驶路段的入口进入。
从所述第一目标检测结果中选定若干第一标记物和所述第一标记物在所述第一图像中的相对位置信息与所述第二路段行驶信息相互绑定。
所述无人作战车辆路径规划方法还包括：
第二检测处理单元，用于通过相机采集车辆在第一可行驶路段的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，测量出每个第一标记物与车辆的相对位置，获得每个第一标记物的实际坐标位置以及每个第一标记物的的类型信息；
第三配置单元，用于在所述第一环境模型分别创建与每个第一标记物相对应的第三标记物，并且任何一个所述第三标记物对应存储有与其对应的第一标记物的实际坐标信息以及与其对应的第一标记物的的类型信息；
第二数据获取单元，用于当所述无人驾驶系统的路径中包括所述第一可行驶路段时，所述无人驾驶系统获取所述第一环境模型内的与第三标记物所对应的第一标记物的实际坐标以及与第三标记物所对应的第一标记物的类型信息；
第三执行单元，用于通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统根据若干个所述第二标记物确定自身坐标位置，直至车辆从所述第一可行驶路段的入口进入。
本发明还提供一种计算机存储介质，所述计算机存储介质中存储有指令，当所述指令被运行时，实现上述无人作战车辆路径规划方法。
有益效果
与现有技术相比，本发明提供的无人作战车辆路径规划方法、装置及计算机存储介质中，通过车辆的预先行驶，记录车辆离主干道后正常行驶的第一可行驶路段的运行状态信息及第一可行驶路段的路径坐标，开创并获得一条新的可行驶路段，供车辆在后续行驶时使用。将上述第一可行驶路段的路径坐标以及运行状态信息输入至第一环境模型内生成第二可行驶路段，方便后续调用。在车辆需要经过所述第一可行驶路段时，无人驾驶系统接收通过第二可行驶路段和运行状态信息生成的第二路段行驶信息。最终模仿第一次预先行驶的过程，平稳可靠的行驶完第一可行驶路段。应用本发明的无人驾驶系统，特别善于在一些复杂路段行驶，如悬崖路段、陡坡路段行驶，保障无人作战车辆稳定到达目标地点。
附图说明
图1为本发明提供的无人作战车辆路径规划方法的流程图；
图2为本发明提供的无人作战车辆路径规划方法记录车辆信息的示意图；
图3为本发明提供的无人作战车辆路径规划方法在第一环境模型内车辆模拟运行以及车辆实际运行的示意图；
图4为本发明提供的无人作战车辆路径规划方法中相机拍摄的第一图像时的示意图；
图5为本发明提供的无人作战车辆路径规划方法中相机拍摄的第二图像时的示意图；
图6为本发明提供的无人作战车辆路径规划装置的结构框图。
具体实施方式
以下，对本发明的实施方式进行说明。在具体实施中，用于可以选择技术较为成熟的数字孪生平台完成数字孪生的后续模拟运行工作，例如采用达索3D体验平台(3DExperience)或ANSYS数字孪生平台。
在下文中，对本发明的实施方式中使用的用语的定义等进行说明。
·数字孪生：是指物理产品在虚拟空间中的数字模型。该“双胞胎”不仅与他真实空间中的孪生兄弟形似，能模拟产品的实际运行，而切还能通过安装在产品上的传感器反馈回来的数据，反应产品运行状态，乃至改变产品状态，所以它将“表现”的和真实产品一模一样。
·仿真系统：配置有数字孪生体以及数字孪生环境模型的虚拟时空。可以通过调整该虚拟时空的时间轴模拟出数字孪生体随着时间的变化而在数字孪生环境模型中的随着时间的工作状态的不断变化。在本发明中，数字孪生体为第一数字孪生体。数字孪生环境模型为第一环境模型。
·图像目标检测，基于CNN 的目标检测是通过CNN 作为特征提取器，并对得到的图像的带有位置属性的特征进行判断，从而产出一个能够圈定出特定目标或者物体（Object）的限定框，和low-level任务不同，目标检测需要预测物体类别及其覆盖的范围。现有的目标检测方法包括1、R-CNN；2、SPP-net；3、Fast R-CNN；4、Faster R-CNN；5、YOLO v1~v3；6、SSD；7、FPN；8、RetinaNet；9、Mask R-CNN。
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明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仅用以解释本发明，并不用于限定本发明。
在一些特定情况下,无人作战车辆在经过特定路段时，很容易发生故障或事故。例如，无人作战车辆在悬崖峭壁路段行驶，一个不注意会发生侧翻坠崖。或者无人作战车辆在行驶时，突然遇到大的斜坡，如果档位没有及时调整，或者预先加速度不够，车子本身很容易抛锚。上述事故的发生经常会影响重要战局。
下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
请参考图1，其示意出了本发明提供的无人作战车辆路径规划方法的流程图，该无人作战车辆路径规划方法，包括：
步骤S1，依据车辆10创建第一数字孪生体100，依据现实环境创建第一环境模型，所述第一数字孪生体用于在所述第一环境模型内模拟车辆在现实环境中的运行。
步骤S2，记录车辆10偏离主干道后正常行驶的第一可行驶路段40的运行状态信息及第一可行驶路段40的路径坐标，所述运行状态信息用于再现车辆10沿第一可行驶路段40中的运行状态。
上述记录第一可行驶路段40时，在车辆10驶过第一可行驶路段40的过程中，不断通过gps测量车辆10当前自身位置而获得多个路径坐标。最终通过多个路径坐标的方式记录第一可行驶路段40的路径信息。
在行驶第一可行驶路段40的过程中，通过传感器记录每个时刻车辆行驶过程中车身速度、加速度、转向方向以及车身在当前时刻的姿态情况，上述传感器至少包括车速传感器、GPS传感器、加速度传感器、水平传感器、陀螺仪传感器和转速传感器。通过车速传感器测量车辆的车速。通过GPS传感器测量车辆的坐标位置。通过加速度传感器测量每个时间点车辆的加速度。通过水平传感器测量每个时间点车辆的倾斜角度。通过陀螺仪传感器测量每个时间点车辆的行驶方位。通过转速传感器测量变速箱、传动部件或发动机的转速。
在上述车速传感器、GPS传感器、加速度传感器、水平传感器、陀螺仪传感器和转速传感器的测量下，获得记录获得在第一可行驶路段40行驶时的运行状态信息。
步骤S3，将所述第一可行驶路段40的路径坐标以及所述运行状态信息输入至所述第一环境模型内，并通过所述第一可行驶路段40的路径坐标在所述第一环境模型内生成第二可行驶路段400。
如图1所示，第一可行驶路段40的路径坐标在第一环境模型内生成了第二可行驶路段400。第二可行驶路段400为新路段，第一数字孪生体100在第一环境模型内模拟生成最短行驶路线时，第二可行驶路段400可以作为选择项。
步骤S4，在车辆10需要经过所述第一可行驶路段40时，无人驾驶系统接收通过所述第二可行驶路段400和所述运行状态信息生成的第二路段行驶信息，所述无人驾驶系统依照所述第二路段行驶信息在所述第一可行驶路段40上行驶，所述第二可行驶路段信息用于给车辆10提供行驶第一可行驶路段40的路径坐标以及再现车辆10沿第一可行驶路段40行驶的运行状态。
若在第一环境模型内，规划第一数字孪生体100行驶的路线中包括第二可行驶路段400，则无人驾驶系统需要接收第二路段行驶信息，以便无人驾驶系统能够控制车辆10稳定的通过第一可行驶路段40。
在一示例中，如图2所示，图中第一可行驶路段40上具有一个陡坡50。在步骤S2中，车辆10需要成功穿过该陡坡50的话，车辆10在上陡坡50之前需要一定的操作，例如，改变档位至低速挡，增加车辆的行驶速度。期间记录车辆10的降低档位操作及记录车辆10的行驶速度信息。
在步骤S4中，车辆10重复行驶第一可行驶路段40时，无人驾驶系统通过复制模仿步骤S2中车辆10的行驶状态，最终稳定的通过陡坡50，即步骤S4中模仿步骤S2中车辆10的提前降低挡速度，模仿车辆10的行驶速度。
当然优选的，车辆10在步骤S2中通过车速传感器、GPS传感器、加速度传感器、水平传感器、陀螺仪传感器和转速传感器记录车辆的各项数据，在步骤S4中，使车辆10模拟出上述传感器测量的各项数据，使车辆10的模拟更加准确，通过陡坡50更加稳定。
综上所述，本发明提供的无人作战车辆路径规划方法中，通过车辆的预先行驶，记录车辆离主干道后正常行驶的第一可行驶路段的运行状态信息及第一可行驶路段的路径坐标，开创并获得一条新的可行驶路段，供车辆在后续行驶时使用。将上述第一可行驶路段的路径坐标以及运行状态信息输入至第一环境模型内生成第二可行驶路段，方便后续调用。在车辆需要经过所述第一可行驶路段时，无人驾驶系统接收通过第二可行驶路段和运行状态信息生成的第二路段行驶信息。最终模仿第一次预先行驶的过程，平稳可靠的行驶完第一可行驶路段。应用本发明的无人驾驶系统，特别善于在一些复杂路段行驶，如悬崖路段、陡坡路段行驶，保障无人作战车辆稳定到达目标地点。
进一步的，本发明公开的无人作战车辆路径规划方法的另一实施例，无人作战车辆路径规划方法具体包括：
步骤S1，依据车辆10创建第一数字孪生体100，依据现实环境创建第一环境模型；
步骤S2，记录车辆10偏离主干道后正常行驶的第一可行驶路段40的运行状态信息及第一可行驶路段40的路径坐标，所述运行状态信息用于再现车辆10沿第一可行驶路段40中的运行状态。
步骤S2.1，通过相机110采集车辆10在第一可行驶路段40的入口处的第一图像111，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，记录所述第一标记物的类型信息以及所述第一标记物在所述第一图像111中的相对位置信息。其中，相机110被固定安装在车辆10上。
步骤S3，将所述第一可行驶路段40的路径坐标以及所述运行状态信息输入至所述第一环境模型内，并通过所述第一可行驶路段40的路径坐标在所述第一环境模型内生成第二可行驶路段400；
步骤S3.1，将所述标记物的类型信息以及所述第一标记物在所述第一图像111中的相对位置信息输入至所述第一环境模型内；
步骤S4，在车辆10需要经过所述第一可行驶路段40时，无人驾驶系统接收通过所述第二可行驶路段400和所述运行状态信息生成的第二路段行驶信息，所述无人驾驶系统依照所述第二路段行驶信息在所述第一可行驶路段40上行驶，所述第二可行驶路段信息用于给车辆10提供行驶第一可行驶路段40的路径坐标以及再现车辆10沿第一可行驶路段40行驶的运行状态；从所述第一目标检测结果中选定若干第一标记物和所述第一标记物在所述第一图像中的相对位置信息与所述第二路段行驶信息相互绑定。
步骤S4.1，当所述无人驾驶系统的路径中包括所述第一可行驶路段40时，所述无人驾驶系统获取所述第一环境模型内的第一标记物的类型信息以及所述第一标记物在所述第一图像111中的相对位置信息；
步骤S4.2，通过相机110采集车辆10路径区域的第二图像112，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统调整车辆10在行驶过程中的自身位置，以使若干个所述第二标记物在所述第二图像112中的相对位置与若干个所述第一标记物在第一图像111中的相对位置相同，直至车辆10从所述第一可行驶路段40的入口进入。
本发明提供的无人作战车辆路径规划方法还包括：
对第一目标检测结果进行加密处理得到加密的第一特征图像，还对第二目标检测结果进行加密处理得到加密的第二特征图像；
将第一特征图像和第二特征图像通过无线网络传送给指挥中心，指挥中心接收到加密的第一特征图像和第二特征图像进行解密得到传送的第一目标检测结果和第二目标检测结果。
对图像目标检测时采用CNN卷积神经网络对获取的图像进行处理，在处理过程中获得分辨率依次降低的第1到第N级图像，N为大于等于2的正整数；对目标检测结果进行加密处理具体过程为：将第N级图像（其像素数为P×Q，P为第N级图像的像素行数，为 正整数； Q为第N级图像的像素列数，为正整数）划分成I×J个区域，每个区域的像素数为（P/I）×(Q/J),将I×J个区域组成I行和J列的矩阵,I和J为正整数; 根据与指挥中心约定的规则将矩阵进行变换从而形成加密的特征图像，所述变换包括：行行互换、列列互换、先行互换而后再列互换或先列互换而后再行互换。
指挥中心对加密的特征图像进行解密处理的过程包括：对加密的特征图像进行区域划分，形成I×J个区域，将 I×J个区域组成I行和J列的矩阵; 根据约定的规则将矩阵进行逆变换从而恢复了第N级图像。
上述实施例中，其主要目的是，使车辆10准确的从第一可行驶路段40的入口进入。若第一可行驶路段40的行驶路段较窄，在采用GPS定位车辆10自身位置时，很可能因GPS定位不准确，使得车辆10不能准确进入第一可行驶路段40。
因此采用记录位于第一可行驶路段40入口处标记的方式，准确记录第一可行驶路段40的入口位置。首先通过GPS粗略定位并记录第一可行驶路段40的入口坐标。
如图4所示，通过相机110采集第一图像111，再通过图像目标检测获得第一图像111中若干第一标记物的类型信息以及每个第一标记物在第一图像111中的相对位置信息。
在车辆10第二次行驶第一可行驶路段40时，无人驾驶系统首先通过GPS粗略定位出车辆10在第一可行驶路段40的入口位置。继而，如图5所示，通过相机110不断拍摄照片，直至采集到第二图像112，第二图像112内具有若干个与第一标记物相似的第二标记物。
如图4及图5所示，若干第二标记物在第二图像112的位置与若干第一标记物在第一图像111上的相对位置并不相同。此时，图5中的相机110需要向左移动，最终使若干第二标记物在第二图像112的位置与若干第一标记物在第一图像111上的相对位置相同。即车辆10整体向左移动，带动相机110向左移动。
综上，通过照片及照片上标记物的方式，准确的让车辆10从第一可行驶路段40的入口驶入。增加车辆10驶入第一可行驶路段40的入口的准确性。最终使车辆10安全的驶入第一可行驶路段40。
进一步的，请参考图2及图3，本发明公开的无人作战车辆路径规划方法的另一实施例，无人作战车辆路径规划方法具体包括：
步骤S1，依据车辆10创建第一数字孪生体100，依据现实环境创建第一环境模型；
步骤S2，记录车辆10偏离主干道后正常行驶的第一可行驶路段40的运行状态信息及第一可行驶路段40的路径坐标，所述运行状态信息用于再现车辆10沿第一可行驶路段40中的运行状态；
步骤S2.2，通过相机110采集车辆在第一可行驶路段40的入口处的第一图像111，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，测量出每个第一标记物与车辆的相对位置，获得每个第一标记物的实际坐标位置以及每个第一标记物的的类型信息；
步骤S3，将所述第一可行驶路段40的路径坐标以及所述运行状态信息输入至所述第一环境模型内，并通过所述第一可行驶路段40的路径坐标在所述第一环境模型内生成第二可行驶路段400；
步骤S3.2，在所述第一环境模型分别创建与每个第一标记物相对应的第三标记物，并且任何一个所述第三标记物对应存储有与其对应的第一标记物的实际坐标信息以及与其对应的第一标记物的的类型信息；
步骤S4，在车辆10需要经过所述第一可行驶路段40时，无人驾驶系统接收通过所述第二可行驶路段400和所述运行状态信息生成的第二路段行驶信息，所述无人驾驶系统依照所述第二路段行驶信息在所述第一可行驶路段40上行驶，所述第二可行驶路段信息用于给车辆10提供行驶第一可行驶路段40的路径坐标以及再现车辆10沿第一可行驶路段40行驶的运行状态。
步骤S5.1，当所述无人驾驶系统的路径中包括所述第一可行驶路段40时，所述无人驾驶系统获取所述第一环境模型内的与第三标记物所对应的第一标记物的实际坐标以及与第三标记物所对应的第一标记物的类型信息；
步骤S5.2，通过相机110采集车辆路径区域的第二图像112，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统根据若干个所述第二标记物确定自身坐标位置，直至车辆从所述第一可行驶路段40的入口进入。
上述实施例中，在车辆10第一次通过第一可行驶路段40时，通过GPS定位车身坐标时，所产生的误差很难消减。但如果车辆10第一次通过第一可行驶路段40时，记录的是相对位置信息，则车辆10通过上述相对位置信息行驶时，误差可以减少很多。
如图2所示，车辆10通过第一可行驶路段40后，不但记录第一可行驶路段40的路径坐标，也同时记录第一可行驶路段40的入口处的若干第一标记物的实际坐标位置以及每个第一标记物的的类型信息，如e障碍物31、f障碍物32、b障碍物22、c障碍物23和d障碍物24。
在第一环境模型内分别创建与每个第一标记物相对应的第三标记物，如E孪生障碍物131、B孪生障碍物122、C孪生障碍物123、D孪生障碍物124和F孪生障碍物132。
在第一环境模型内模拟出路线后,若模拟的路线经过第二可行驶路段400，则获取第一环境模型内的与第三标记物所对应的第一标记物的实际坐标以及与第三标记物所对应的第一标记物的类型信息。
通过相机110不断拍摄照片，直至采集到第二图像112有若干个第二标记物，若干个第二标记物与若干第一标记物相似度大于预设值时，如预设值为0.9，说明其中第二标记物与第一标记物的相似度为百分之九十。
此时，可以确定若干个第二标记物与若干第一标记物对应。如图3所示，例如，E孪生障碍物131所存储的第一标记物的实际坐标和E孪生障碍物131所对应的第一标记物的类型信息与e障碍物31对应。
B孪生障碍物122所存储的第一标记物的实际坐标和B孪生障碍物122所对应的第一标记物的类型信息与b障碍物22对应。
之后，无人驾驶系统测量出相机110与e障碍物31和/或b障碍物22之间的距离，算出相机110的第一坐标。当然，也可以理解为，通过e障碍物31和b障碍物22对自身坐标进行修正。无人驾驶系统测量与e障碍物31或b障碍物22的距离时，可以采用单目测距方法，双目测距方法或雷达测距。
之后，无人驾驶系统以修正后的第一坐标为基准进行行驶。
通常情况下，e障碍物31及b障碍物22与第一可行驶路段40的相对位置是固定的，因此，通过e障碍物31及b障碍物22对相机110的修正也是准确的。可以使无人驾驶系统能够准确的定位自身位置，安全稳定的从第一可行驶路段40的入口进入。
请参考图6，本发明还公开了无人作战车辆路径规划装置，图6示出了本发明无人作战车辆路径规划装置的结构框图，该无人作战车辆路径规划装置，包括：
创建单元，用于依据车辆10创建第一数字孪生体100，依据现实环境创建第一环境模型；
记录单元，用于记录车辆10偏离主干道后正常行驶的第一可行驶路段40的运行状态信息及第一可行驶路段40的路径坐标，所述运行状态信息用于再现车辆10沿第一可行驶路段40中的运行状态；
第一配置单元，用于将所述第一可行驶路段40的路径坐标以及所述运行状态信息输入至所述第一环境模型内，并通过所述第一可行驶路段40的路径坐标在所述第一环境模型内生成第二可行驶路段400；
第一执行单元，用于在车辆10需要经过所述第一可行驶路段40时，无人驾驶系统接收通过所述第二可行驶路段400和所述运行状态信息生成的第二路段行驶信息，所述无人驾驶系统依照所述第二路段行驶信息在所述第一可行驶路段40上行驶，所述第二可行驶路段400信息用于给车辆10提供行驶第一可行驶路段40的路径坐标以及再现车辆10沿第一可行驶路段40行驶的运行状态。从所述第一目标检测结果中选定若干第一标记物和所述第一标记物在所述第一图像中的相对位置信息与所述第二路段行驶信息相互绑定。
与现有技术相比，本发明提供的无人作战车辆路径规划装置的有益效果与上述技术方案所述无人作战车辆路径规划方法的有益效果相同，此处不做赘述。
进一步的，所述无人作战车辆路径规划装置还包括：
第一检测处理单元，用于通过相机采集车辆10在第一可行驶路段40的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，记录所述第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
第二配置单元，用于将所述标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息输入至所述第一环境模型内；
第一数据获取单元，用于当所述无人驾驶系统的路径中包括所述第一可行驶路段40时，所述无人驾驶系统获取所述第一环境模型内的第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
第二执行单元，用于通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统调整车辆10在行驶过程中的自身位置，以使若干个所述第二标记物在所述第二图像中的相对位置与若干个所述第一标记物在第一图像中的相对位置相同，直至车辆10从所述第一可行驶路段40的入口进入。
进一步的，所述无人作战车辆路径规划装置还包括：
第二检测处理单元，用于通过相机采集车辆10在第一可行驶路段40的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，测量出每个第一标记物与车辆10的相对位置，获得每个第一标记物的实际坐标位置以及每个第一标记物的类型信息；
第三配置单元，用于在所述第一环境模型分别创建与每个第一标记物相对应的第三标记物，并且任何一个所述第三标记物对应存储有与其对应的第一标记物的实际坐标信息以及与其对应的第一标记物的的类型信息；
第二数据获取单元，用于当所述无人驾驶系统的路径中包括所述第一可行驶路段40时，所述无人驾驶系统获取所述第一环境模型内的与第三标记物所对应的第一标记物的实际坐标以及与第三标记物所对应的第一标记物的类型信息；
第三执行单元，用于通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统根据若干个所述第二标记物确定自身坐标位置，直至车辆10从所述第一可行驶路段40的入口进入。
本发明提供的无人作战车辆路径规划装置还包括：
保密处理单元，用于对第一目标检测结果进行加密处理得到加密的第一特征图像，还用于对第二目标检测结果进行加密处理得到加密的第二特征图像；
传输单元，用于将第一特征图像和第二特征图像通过无线网络传送给指挥中心，指挥中心接收到加密的第一特征图像和第二特征图像进行解密得到传送的第一目标检测结果和第二目标检测结果。
对图像目标检测时采用CNN卷积神经网络对获取的图像进行处理，在处理过程中获得分辨率依次降低的第1到第N级图像，N为大于等于2的正整数；对目标检测结果进行加密处理具体过程为：将第N级图像（其像素数为P×Q，P为第N级图像的像素行数，为 正整数； Q为第N级图像的像素列数，为正整数）划分成I×J个区域，每个区域的像素数为（P/I）×(Q/J),将I×J个区域组成I行和J列的矩阵,I和J为正整数; 根据与指挥中心约定的规则将矩阵进行变换从而形成加密的特征图像，所述变换包括：行行互换、列列互换、先行互换而后再列互换或先列互换而后再行互换。
指挥中心对加密的特征图像进行解密处理的过程包括：对加密的特征图像进行区域划分，形成I×J个区域，将 I×J个区域组成I行和J列的矩阵; 根据约定的规则将矩阵进行逆变换从而恢复了第N级图像。
本发明还公开了计算机存储介质，所述计算机存储介质中存储有指令，当所述指令被运行时，实现上述无人作战车辆路径规划方法。
上述计算机存储介质中存储有计算机程序，该计算机程序被处理器执行时可用于执行无人作战车辆路径规划方法。
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。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。“若干”的含义是一个或一个以上，除非另有明确具体的限定。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。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，则本发明也意图包括这些改动和变型在内。
Claims (9)
1.一种无人作战车辆路径规划方法，其特征在于，包括：
步骤S1，依据车辆创建第一数字孪生体，依据现实环境创建第一环境模型，所述第一数字孪生体用于在所述第一环境模型内模拟车辆在现实环境中的运行；
步骤S2，记录车辆偏离主干道后正常行驶的第一可行驶路段的运行状态信息及第一可行驶路段的路径坐标，所述运行状态信息用于再现车辆沿第一可行驶路段中的运行状态；
步骤S3，将所述第一可行驶路段的路径坐标以及所述运行状态信息输入至所述第一环境模型内，并通过所述第一可行驶路段的路径坐标在所述第一环境模型内生成第二可行驶路段；
步骤S4，在车辆需要经过所述第一可行驶路段时，无人驾驶系统接收通过所述第二可行驶路段和所述运行状态信息生成的第二路段行驶信息，所述无人驾驶系统依照所述第二路段行驶信息在所述第一可行驶路段上行驶，所述第二可行驶路段信息用于给车辆提供行驶第一可行驶路段的路径坐标以及再现车辆沿第一可行驶路段行驶的运行状态。
2.根据权利要求1所述的无人作战车辆路径规划方法，其特征在于，所述无人作战车辆路径规划方法还包括：
位于步骤S2之后的步骤S2.1，通过相机采集车辆在第一可行驶路段的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，记录所述第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
位于步骤S3之后的步骤S3.1，将所述标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息输入至所述第一环境模型内；
位于步骤S4之后的步骤S4.1，当所述无人驾驶系统的路径中包括所述第一可行驶路段时，所述无人驾驶系统获取所述第一环境模型内的第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
步骤S4.2，通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统调整车辆在行驶过程中的自身位置，以使若干个所述第二标记物在所述第二图像中的相对位置与若干个所述第一标记物在第一图像中的相对位置相同，直至车辆从所述第一可行驶路段的入口进入。
3.根据权利要求2所述的无人作战车辆路径规划方法，其特征在于，从所述第一目标检测结果中选定若干第一标记物和所述第一标记物在所述第一图像中的相对位置信息与所述第二路段行驶信息相互绑定。
4.根据权利要求1所述的无人作战车辆路径规划方法，其特征在于，所述无人作战车辆路径规划方法还包括：
位于步骤S2之后的步骤S2.2，通过相机采集车辆在第一可行驶路段的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，测量出每个第一标记物与车辆的相对位置，获得每个第一标记物的实际坐标位置以及每个第一标记物的的类型信息；
位于步骤S3之后的步骤S3.2，在所述第一环境模型分别创建与每个第一标记物相对应的第三标记物，并且任何一个所述第三标记物对应存储有与其对应的第一标记物的实际坐标信息以及与其对应的第一标记物的的类型信息；
位于步骤S4之后的步骤S5.1，当所述无人驾驶系统的路径中包括所述第一可行驶路段时，所述无人驾驶系统获取所述第一环境模型内的与第三标记物所对应的第一标记物的实际坐标以及与第三标记物所对应的第一标记物的类型信息；
步骤S5.2，通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统根据若干个所述第二标记物确定自身坐标位置，直至车辆从所述第一可行驶路段的入口进入。
5.一种无人作战车辆路径规划装置，其特征在于，包括：
创建单元，用于依据车辆创建第一数字孪生体，依据现实环境创建第一环境模型；
记录单元，用于记录车辆偏离主干道后正常行驶的第一可行驶路段的运行状态信息及第一可行驶路段的路径坐标，所述运行状态信息用于再现车辆沿第一可行驶路段中的运行状态；
第一配置单元，用于将所述第一可行驶路段的路径坐标以及所述运行状态信息输入至所述第一环境模型内，并通过所述第一可行驶路段的路径坐标在所述第一环境模型内生成第二可行驶路段；
第一执行单元，用于在车辆需要经过所述第一可行驶路段时，无人驾驶系统接收通过所述第二可行驶路段和所述运行状态信息生成的第二路段行驶信息，所述无人驾驶系统依照所述第二路段行驶信息在所述第一可行驶路段上行驶，所述第二可行驶路段信息用于给车辆提供行驶第一可行驶路段的路径坐标以及再现车辆沿第一可行驶路段行驶的运行状态。
6.根据权利要求5所述的无人作战车辆路径规划装置，其特征在于，所述无人作战车辆路径规划装置还包括：
第一检测处理单元，用于通过相机采集车辆在第一可行驶路段的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，记录所述第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
第二配置单元，用于将所述标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息输入至所述第一环境模型内；
第一数据获取单元，用于当所述无人驾驶系统的路径中包括所述第一可行驶路段时，所述无人驾驶系统获取所述第一环境模型内的第一标记物的类型信息以及所述第一标记物在所述第一图像中的相对位置信息；
第二执行单元，用于通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统调整车辆在行驶过程中的自身位置，以使若干个所述第二标记物在所述第二图像中的相对位置与若干个所述第一标记物在第一图像中的相对位置相同，直至车辆从所述第一可行驶路段的入口进入。
7.根据权利要求6所述的无人作战车辆路径规划装置，其特征在于，从所述第一目标检测结果中选定若干第一标记物和所述第一标记物在所述第一图像中的相对位置信息与所述第二路段行驶信息相互绑定。
8.根据权利要求5所述的无人作战车辆路径规划装置，其特征在于，还包括：
第二检测处理单元，用于通过相机采集车辆在第一可行驶路段的入口处的第一图像，通过图像目标检测获得第一目标检测结果，从所述第一目标检测结果中选定若干第一标记物，测量出每个第一标记物与车辆的相对位置，获得每个第一标记物的实际坐标位置以及每个第一标记物的的类型信息；
第三配置单元，用于在所述第一环境模型分别创建与每个第一标记物相对应的第三标记物，并且任何一个所述第三标记物对应存储有与其对应的第一标记物的实际坐标信息以及与其对应的第一标记物的的类型信息；
第二数据获取单元，用于当所述无人驾驶系统的路径中包括所述第一可行驶路段时，所述无人驾驶系统获取所述第一环境模型内的与第三标记物所对应的第一标记物的实际坐标以及与第三标记物所对应的第一标记物的类型信息；
第三执行单元，用于通过相机采集车辆路径区域的第二图像，并通过图像目标检测获得第二目标检测结果，若所述第二目标检测结果中具有若干个与所述第一标记物相似的第二标记物，且每个所述第二标记物与其所对应的所述第一标记物的相似度大于预设值，则无人驾驶系统根据若干个所述第二标记物确定自身坐标位置，直至车辆从所述第一可行驶路段的入口进入。
9.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有指令，当所述指令被运行时，实现权利要求1-4任一项所述无人作战车辆路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310673577.8A CN116414140B (zh) | 2023-06-08 | 2023-06-08 | 无人作战车辆路径规划方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310673577.8A CN116414140B (zh) | 2023-06-08 | 2023-06-08 | 无人作战车辆路径规划方法、装置及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116414140A true CN116414140A (zh) | 2023-07-11 |
| CN116414140B CN116414140B (zh) | 2023-08-04 |
Family
ID=87059689
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310673577.8A Active CN116414140B (zh) | 2023-06-08 | 2023-06-08 | 无人作战车辆路径规划方法、装置及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116414140B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108961790A (zh) * | 2018-07-24 | 2018-12-07 | 河北德冠隆电子科技有限公司 | 基于四维实景交通仿真的恶劣天气预警管理系统及方法 |
| CN112200319A (zh) * | 2020-10-20 | 2021-01-08 | 北京计算机技术及应用研究所 | 一种实现无人车导航避障的规则推理方法及系统 |
| CN113071518A (zh) * | 2021-04-14 | 2021-07-06 | 上海锵玫人工智能科技有限公司 | 一种自动无人驾驶方法、小巴、电子设备以及存储介质 |
| CN113848985A (zh) * | 2021-11-01 | 2021-12-28 | 西南交通大学 | 基于Hybird A*算法的多舰载无人机路径规划方法 |
| US20220214690A1 (en) * | 2021-01-05 | 2022-07-07 | Argo AI, LLC | Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries |
| CN114815654A (zh) * | 2022-03-01 | 2022-07-29 | 北京理工大学 | 一种面向无人车控制的数字孪生系统及其搭建方法 |
| CN115112141A (zh) * | 2022-06-24 | 2022-09-27 | 重庆长安汽车股份有限公司 | 一种车辆路径规划方法、系统、电子设备及存储介质 |
| CN115560771A (zh) * | 2022-08-31 | 2023-01-03 | 上海仙途智能科技有限公司 | 基于采样的路径规划方法及装置、自动行驶设备 |
| CN116110225A (zh) * | 2023-03-01 | 2023-05-12 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的车路协同云控系统及方法 |
| CN116182884A (zh) * | 2022-12-02 | 2023-05-30 | 华南理工大学 | 基于frenet坐标系横纵解耦的智能车辆局部路径规划方法 |
-
2023
- 2023-06-08 CN CN202310673577.8A patent/CN116414140B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108961790A (zh) * | 2018-07-24 | 2018-12-07 | 河北德冠隆电子科技有限公司 | 基于四维实景交通仿真的恶劣天气预警管理系统及方法 |
| CN112200319A (zh) * | 2020-10-20 | 2021-01-08 | 北京计算机技术及应用研究所 | 一种实现无人车导航避障的规则推理方法及系统 |
| US20220214690A1 (en) * | 2021-01-05 | 2022-07-07 | Argo AI, LLC | Methods and system for predicting trajectories of uncertain road users by semantic segmentation of drivable area boundaries |
| CN113071518A (zh) * | 2021-04-14 | 2021-07-06 | 上海锵玫人工智能科技有限公司 | 一种自动无人驾驶方法、小巴、电子设备以及存储介质 |
| CN113848985A (zh) * | 2021-11-01 | 2021-12-28 | 西南交通大学 | 基于Hybird A*算法的多舰载无人机路径规划方法 |
| CN114815654A (zh) * | 2022-03-01 | 2022-07-29 | 北京理工大学 | 一种面向无人车控制的数字孪生系统及其搭建方法 |
| CN115112141A (zh) * | 2022-06-24 | 2022-09-27 | 重庆长安汽车股份有限公司 | 一种车辆路径规划方法、系统、电子设备及存储介质 |
| CN115560771A (zh) * | 2022-08-31 | 2023-01-03 | 上海仙途智能科技有限公司 | 基于采样的路径规划方法及装置、自动行驶设备 |
| CN116182884A (zh) * | 2022-12-02 | 2023-05-30 | 华南理工大学 | 基于frenet坐标系横纵解耦的智能车辆局部路径规划方法 |
| CN116110225A (zh) * | 2023-03-01 | 2023-05-12 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的车路协同云控系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116414140B (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10031526B1 (en) | Vision-based driving scenario generator for autonomous driving simulation | |
| JP7045628B2 (ja) | 車両の動作を制御するための車両の装置、車両、およびコンピュータプログラム | |
| KR102572219B1 (ko) | 자율 주행을 위한 항법 정보의 융합 프레임워크(fusion framework) 및 배치 정렬(batch alignment) | |
| EP2372308B1 (en) | Image processing system and vehicle control system | |
| US8831877B2 (en) | Automatic correction of trajectory data | |
| CN108896994A (zh) | 一种无人驾驶车辆定位方法及设备 | |
| CN109584706B (zh) | 电子地图车道线处理方法、设备及计算机可读存储介质 | |
| JP5062497B2 (ja) | 風景画像認識を用いた自車位置検出システム | |
| CN102208012B (zh) | 风景匹配参考数据生成系统及位置测量系统 | |
| CN104411559B (zh) | 用于检测交通信号及其关联状态的鲁棒方法 | |
| CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
| JP2024045389A (ja) | レーンマッピング及びナビゲーション | |
| US8712105B2 (en) | Vehicle speed verification system and method | |
| CN109931939A (zh) | 车辆的定位方法、装置、设备及计算机可读存储介质 | |
| AU2017300097A1 (en) | Crowdsourcing and distributing a sparse map, and lane measurements for autonomous vehicle navigation | |
| EP2372304A2 (en) | Vehicle position recognition system | |
| CN108628324A (zh) | 基于矢量地图的无人车导航方法、装置、设备及存储介质 | |
| JP5333860B2 (ja) | 風景画像認識を用いた自車位置検出システム | |
| CN101855520B (zh) | 用于在汽车中输出光学的行驶建议的方法和装置 | |
| AU2015238339B2 (en) | Navigation system | |
| CN110470309A (zh) | 本车位置推断装置 | |
| CN112119188A (zh) | 控制安装在铁路干预车辆上的一个或多个干预工具的集合的方法 | |
| US20200217665A1 (en) | Mobile platform, image capture path generation method, program, and recording medium | |
| CN116414140B (zh) | 无人作战车辆路径规划方法、装置及计算机存储介质 | |
| JP5333861B2 (ja) | 風景画像認識を用いた自車位置検出システム |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |