CN116858580A - 面向自动驾驶车辆在环测试的底盘主动转向系统和方法 - Google Patents
面向自动驾驶车辆在环测试的底盘主动转向系统和方法 Download PDFInfo
- Publication number
- CN116858580A CN116858580A CN202310518055.0A CN202310518055A CN116858580A CN 116858580 A CN116858580 A CN 116858580A CN 202310518055 A CN202310518055 A CN 202310518055A CN 116858580 A CN116858580 A CN 116858580A
- Authority
- CN
- China
- Prior art keywords
- steering wheel
- angle
- rotation angle
- degrees
- vision
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000004438 eyesight Effects 0.000 claims abstract description 57
- 230000007246 mechanism Effects 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013135 deep learning Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000006978 adaptation Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000016776 visual perception Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/06—Steering behaviour; Rolling behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明提供了一种面向自动驾驶车辆在环测试的基于视觉的底盘主动转向方法和系统,包括:通过双目视觉监控设备形成方向盘图像数据;其中,方向盘上设置有方向盘定位辅助装置;定位目前方向盘的旋转角度,换算得出车辆前轮预计旋转的角度作为目标转角;令底盘测功机转向控制单元,依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的旋转运动。本发明利用主动感知的方式,为第三方检测机构开展相关适配测试业务提供了可靠的实现方式,从而达到与通过CAN信号控制目标转角相同的目的。
Description
技术领域
本发明涉及在环测试领域,具体地,涉及面向自动驾驶车辆在环测试的底盘主动转向系统和方法,特别是面向自动驾驶车辆在环测试的基于视觉的底盘主动转向系统和方法。
背景技术
目前针对自动驾驶车辆在环测试系统的转向模块,通过打通与被测车辆的通讯,依据CAN中的转向指令控制底盘测功机的转向系统进行主动转向,从而实现与车辆在环测试中车辆转向轮的同步运动。这种方法存在一定的缺陷。
现有技术中,在车辆在环测试台架上,底盘测功机的前轮主动转向系统在被测车辆的CAN网络中捕获转向指令,并进行主动转向,以适应转向轮的转向运动。而待测车辆多为量产车型,正是因为这种依赖CAN信号捕获的预先转向,考虑到CAN协议的保密性,第三方检测机构往往很难获取被测车辆的CAN协议并进行信号捕获,并且即便能获取CAN协议,往往需要对不同的车辆做不同的适配,导致流程繁杂,效率不高。因此使用这种技术的自动驾驶整车在环测试验证业务在商业层面的推广受到极大阻碍,市场上不具备广泛的适用性。
现有技术中存在有在方向盘上做标记,起到定位辅助的作用,然后拍摄图像,根据图像识别出方向盘的方向等信息的专利文献,但是这些专利文献的各标签贴在视觉上的特征差异不明显,并且识别的过程不具备反馈,因而伴随着误差的累积,导致因各标签特征差异较小而增加了错误识别的概率,系统不具备反馈测量导致其自身容易形成大的累积误差且无法自然纠偏。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种面向自动驾驶车辆在环测试的底盘主动转向系统和方法。
根据本发明提供的一种面向自动驾驶车辆在环测试的基于视觉的底盘主动转向方法,包括:
通过双目视觉监控设备的两个视觉传感器拍摄方向盘,形成方向盘图像数据;其中,方向盘上设置有方向盘定位辅助装置;
根据方向盘图像数据,定位目前方向盘的旋转角度,并根据所述方向盘的旋转角度通过换算得出车辆前轮预计旋转的角度作为目标转角,将目标转角发送至底盘测功机转向控制单元;
令底盘测功机转向控制单元,依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的旋转运动。
优选地,所述方向盘定位辅助装置包括四个不同灰度值的亮面夹具,在方向盘0位状态下,分别安装于被测车辆方向盘的0度、90度、180度、270度四个方位上;在灰度值区间[0,255]中,四个亮面夹具中,任意一个亮面夹具的灰度值均与其他三个亮面夹具的灰度差相差至少60。
优选地,两个视觉传感器均安装于主驾驶座椅头枕处,视角正对方向盘,拍摄范围覆盖方向盘。
优选地,所述根据方向盘图像数据,定位目前方向盘的旋转角度,包括:
步骤S1:采集方向盘分别逆时针以及顺时针打满一圈的图像,并且标注出角度,角度范围(-360°~360°),从而构建数据集;
步骤S2:通过监督训练,利用卷积神经网络对数据集进行训练,并迭代测试,使得对于每一帧图像,深度学习图像处理算法均能够定位出方向盘的旋转角度,此时角度范围仍为(-360°~360°);
步骤S3:引入执行机构的反馈转角,进行当前旋转圈数的判断,对于深度学习图像处理算法定位出方向盘的旋转角度进行对应旋转圈数下的定位角度值计算;
步骤S4:通过双目视觉的两个视觉传感器两者对应的各自定位角度值的计算结果的互校验,判断两者计算结果的差异值判断系统是否正常工作;若差异值的绝对值超过10度,即判定系统需要进行检查维护;否则输出两者计算结果的均值,作为得到的方向盘的旋转角度。
优选地,依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的绕Z轴的旋转运动,其中,Z轴垂直于地面。
根据本发明提供的一种面向自动驾驶车辆在环测试的基于视觉的底盘主动转向系统,包括:方向盘定位辅助装置、双目视觉监控设备、图形主机、底盘测功机;
方向盘定位辅助装置安装于待测车辆的方向盘;
双目视觉监控设备的两个视觉传感器拍摄方向盘,形成方向盘图像数据;
图形主机根据方向盘图像数据,定位目前方向盘的旋转角度,并根据所述方向盘的旋转角度通过换算得出车辆前轮预计旋转的角度作为目标转角,将目标转角发送至底盘测功机转向控制单元;
底盘测功机的转向控制单位根据所述目标转角,控制执行机构进行旋转,以适配车辆前轮的旋转运动。
优选地,所述方向盘定位辅助装置包括四个不同灰度值的亮面夹具,在方向盘0位状态下,分别安装于被测车辆方向盘的0度、90度、180度、270度四个方位上;在灰度值区间[0,255]中,四个亮面夹具中,任意一个亮面夹具的灰度值均与其他三个亮面夹具的灰度差相差至少60。
优选地,两个视觉传感器均安装于主驾驶座椅头枕处,视角正对方向盘,拍摄范围覆盖方向盘。
优选地,所述图形主机,包括:
模块M1:采集方向盘分别逆时针以及顺时针打满一圈的图像,并且标注出角度,角度范围(-360°~360°),从而构建数据集;
模块M2:通过监督训练,利用卷积神经网络对数据集进行训练,并迭代测试,使得对于每一帧图像,深度学习图像处理算法均能够定位出方向盘的旋转角度,此时角度范围仍为(-360°~360°);
模块M3:引入执行机构的反馈转角,进行当前旋转圈数的判断,对于深度学习图像处理算法定位出方向盘的旋转角度进行对应旋转圈数下的定位角度值计算;
模块M4:通过双目视觉的两个视觉传感器两者对应的各自定位角度值的计算结果的互校验,判断两者计算结果的差异值判断系统是否正常工作;若差异值的绝对值超过10度,即判定系统需要进行检查维护;否则输出两者计算结果的均值,作为得到的方向盘的旋转角度。
优选地,依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的绕Z轴的旋转运动,其中,Z轴垂直于地面。
与现有技术相比,本发明具有如下的有益效果:
1、本发明基于深度学习的视觉算法,结合双目视觉传感器及定位辅助装置,实时监控方向盘的运动状态,从而将转角传递至底盘测功机转向控制单元,安装简单,部署效率高,能够几乎无差别的适用于各种被测车辆;具备较高的精度;具备广泛的适用性及优良的实用性,具备商业推广价值。
2、本发明不同于已有技术对被测车辆CAN协议依赖性与被测车辆CAN协议保密性的固有矛盾,本发明利用主动感知的方式,具备良好的商业应用价值,为第三方检测机构开展相关适配测试业务提供了可靠的实现方式;从而达到与通过CAN信号控制目标转角相同的目的。
3、本发明将提升自动驾驶整车在环测试的易用性,简化部署流程,为自动驾驶整车在环测试验证业务的推广提供有力支撑。
4、本发明中在辅助装置的设计上,采用亮面夹具,对于后续的识别环节精度的提高起到了极大的帮助作用;本发明采用的亮面夹具的RGB值差异较大,提升了视觉识别精度及鲁棒性。
5、本发明通过执行器角度状态值的反馈以及双目视觉的冗余设计,必要时对视觉识别可能产生的错误结果进行纠偏,大大减少了累计误差,增加了系统的鲁棒性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的工作原理示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示,根据本发明提供的一种面向自动驾驶车辆在环测试的基于视觉的底盘主动转向系统,在硬件上,系统主要由方向盘定位辅助装置、双目视觉监控设备、高性能图形主机组成。其中,方向盘定位辅助装置为4个不同灰度值的亮面夹具,安装于被测车辆方向盘上,双目视觉监控设备主要由两个视觉传感器组成,高性能图形主机搭载视觉感知定位计算单元。
本发明主要的工作流程及功能如下:
方向盘定位辅助装置由4个不同灰度值的亮面夹具组成,在方向盘0位状态下,分别安装于被测车辆方向盘的0度、90度、180度、270度四个方位上。通常方向盘的颜色RGB值接近于(0,0,0),灰度值接近0;而方向盘定位辅助装置的灰度值极大区别于方向盘颜色灰度值,从而帮助视觉感知系统更好的进行感知识别,能够高精度的定位方向盘所旋转的角度;其中,灰度值区间为[0,255],四个亮面夹具中,任意一个亮面夹具的灰度值均与其他三个亮面夹具的灰度差相差至少60,从而构成灰度值的极大区别;
双目视觉监控设备通过两个视觉传感器拍摄方向盘,形成方向盘图像数据,两个视觉传感器均安装于主驾驶座椅位置,按照30Hz的频率记录图像,并通过以太网将图像实时传输至高性能图形主机中;具体地,两个视觉传感器位于驾驶座头枕处,视角正对方向盘,拍摄范围覆盖方向盘,这样能够保证信息的获取完整。
高性能图形主机载有视觉感知定位计算单元,基于深度学习图像处理算法对实时传输过来的方向盘图像数据进行处理、计算,精准定位目前方向盘的旋转角度,并通过换算得出车辆前轮预计旋转的角度,通过滤波处理后,使用Socket/串口将目标转角发送至底盘测功机转向控制单元;所述视觉感知定位计算单元包括:
模块M1:采集方向盘分别逆时针以及顺时针打满一圈的图像,并且标注出角度(-360°~360°),从而构建数据集;
模块M2:通过监督训练,利用简单的VGG卷积神经网络对数据集进行训练,并迭代测试,使得对于每一帧图像,深度学习图像处理算法均能够定位出方向盘的旋转角度,此时角度范围仍为(-360°~360°);
模块M3:引入执行机构的反馈转角,进行当前旋转圈数的判断,对于深度学习图像处理算法定位出方向盘的旋转角度进行对应圈数下的定位角度值计算;
模块M4:通过双目视觉的两个视觉传感器对应的各自定位角度值的计算结果的互校验,判断两者计算结果的差异值判断系统是否正常工作。若差异值的绝对值超过10度,即判定系统需要进行检查维护;否则输出两者结果的均值,最终得到准确的方向盘旋转角度。
底盘测功机转向控制单元,依据高性能图形主机的视觉感知定位计算单元传输过来的目标转角,来控制执行机构进行旋转,以适配车辆前轮的绕Z轴的旋转运动,其中,Z轴垂直于地面。
在本申请的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“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申请和简化描述,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申请的限制。
根据本发明还提供一种面向自动驾驶车辆在环测试的基于视觉的底盘主动转向方法,包括:
通过双目视觉监控设备的两个视觉传感器拍摄方向盘,形成方向盘图像数据;其中,方向盘上设置有方向盘定位辅助装置;所述方向盘定位辅助装置包括四个不同灰度值的亮面夹具,在方向盘0位状态下,分别安装于被测车辆方向盘的0度、90度、180度、270度四个方位上;在灰度值区间[0,255]中,四个亮面夹具中,任意一个亮面夹具的灰度值均与其他三个亮面夹具的灰度差相差至少60。两个视觉传感器均安装于主驾驶座椅头枕处,视角正对方向盘,拍摄范围覆盖方向盘。
根据方向盘图像数据,定位目前方向盘的旋转角度,并根据所述方向盘的旋转角度通过换算得出车辆前轮预计旋转的角度作为目标转角,将目标转角发送至底盘测功机转向控制单元;所述根据方向盘图像数据,定位目前方向盘的旋转角度,包括:
步骤S1:采集方向盘分别逆时针以及顺时针打满一圈的图像,并且标注出角度,角度范围(-360°~360°),从而构建数据集;
步骤S2:通过监督训练,利用卷积神经网络对数据集进行训练,并迭代测试,使得对于每一帧图像,深度学习图像处理算法均能够定位出方向盘的旋转角度,此时角度范围仍为(-360°~360°);
步骤S3:引入执行机构的反馈转角,进行当前旋转圈数的判断,对于深度学习图像处理算法定位出方向盘的旋转角度进行对应旋转圈数下的定位角度值计算;
步骤S4:通过双目视觉的两个视觉传感器两者对应的各自定位角度值的计算结果的互校验,判断两者计算结果的差异值判断系统是否正常工作;若差异值的绝对值超过10度,即判定系统需要进行检查维护;否则输出两者计算结果的均值,作为得到的方向盘的旋转角度。
令底盘测功机转向控制单元,依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的旋转运动。依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的绕Z轴的旋转运动,其中,Z轴垂直于地面。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种面向自动驾驶车辆在环测试的基于视觉的底盘主动转向方法,其特征在于,包括:
通过双目视觉监控设备的两个视觉传感器拍摄方向盘,形成方向盘图像数据;其中,方向盘上设置有方向盘定位辅助装置;
根据方向盘图像数据,定位目前方向盘的旋转角度,并根据所述方向盘的旋转角度通过换算得出车辆前轮预计旋转的角度作为目标转角,将目标转角发送至底盘测功机转向控制单元;
令底盘测功机转向控制单元,依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的旋转运动。
2.根据权利要求1所述的面向自动驾驶车辆在环测试的基于视觉的底盘主动转向方法,其特征在于,所述方向盘定位辅助装置包括四个不同灰度值的亮面夹具,在方向盘0位状态下,分别安装于被测车辆方向盘的0度、90度、180度、270度四个方位上;在灰度值区间[0,255]中,四个亮面夹具中,任意一个亮面夹具的灰度值均与其他三个亮面夹具的灰度差相差至少60。
3.根据权利要求1所述的面向自动驾驶车辆在环测试的基于视觉的底盘主动转向方法,其特征在于,两个视觉传感器均安装于主驾驶座椅头枕处,视角正对方向盘,拍摄范围覆盖方向盘。
4.根据权利要求2所述的面向自动驾驶车辆在环测试的基于视觉的底盘主动转向方法,其特征在于,所述根据方向盘图像数据,定位目前方向盘的旋转角度,包括:
步骤S1:采集方向盘分别逆时针以及顺时针打满一圈的图像,并且标注出角度,角度范围(-360°~360°),从而构建数据集;
步骤S2:通过监督训练,利用卷积神经网络对数据集进行训练,并迭代测试,使得对于每一帧图像,深度学习图像处理算法均能够定位出方向盘的旋转角度,此时角度范围仍为(-360°~360°);
步骤S3:引入执行机构的反馈转角,进行当前旋转圈数的判断,对于深度学习图像处理算法定位出方向盘的旋转角度进行对应旋转圈数下的定位角度值计算;
步骤S4:通过双目视觉的两个视觉传感器两者对应的各自定位角度值的计算结果的互校验,判断两者计算结果的差异值判断系统是否正常工作;若差异值的绝对值超过10度,即判定系统需要进行检查维护;否则输出两者计算结果的均值,作为得到的方向盘的旋转角度。
5.根据权利要求1所述的面向自动驾驶车辆在环测试的基于视觉的底盘主动转向方法,其特征在于,依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的绕Z轴的旋转运动,其中,Z轴垂直于地面。
6.一种面向自动驾驶车辆在环测试的基于视觉的底盘主动转向系统,其特征在于,包括:方向盘定位辅助装置、双目视觉监控设备、图形主机、底盘测功机;
方向盘定位辅助装置安装于待测车辆的方向盘;
双目视觉监控设备的两个视觉传感器拍摄方向盘,形成方向盘图像数据;
图形主机根据方向盘图像数据,定位目前方向盘的旋转角度,并根据所述方向盘的旋转角度通过换算得出车辆前轮预计旋转的角度作为目标转角,将目标转角发送至底盘测功机转向控制单元;
底盘测功机的转向控制单位根据所述目标转角,控制执行机构进行旋转,以适配车辆前轮的旋转运动。
7.根据权利要求6所述的面向自动驾驶车辆在环测试的基于视觉的底盘主动转向系统,其特征在于,所述方向盘定位辅助装置包括四个不同灰度值的亮面夹具,在方向盘0位状态下,分别安装于被测车辆方向盘的0度、90度、180度、270度四个方位上;在灰度值区间[0,255]中,四个亮面夹具中,任意一个亮面夹具的灰度值均与其他三个亮面夹具的灰度差相差至少60。
8.根据权利要求6所述的面向自动驾驶车辆在环测试的基于视觉的底盘主动转向系统,其特征在于,两个视觉传感器均安装于主驾驶座椅头枕处,视角正对方向盘,拍摄范围覆盖方向盘。
9.根据权利要求7所述的面向自动驾驶车辆在环测试的基于视觉的底盘主动转向系统,其特征在于,所述图形主机,包括:
模块M1:采集方向盘分别逆时针以及顺时针打满一圈的图像,并且标注出角度,角度范围(-360°~360°),从而构建数据集;
模块M2:通过监督训练,利用卷积神经网络对数据集进行训练,并迭代测试,使得对于每一帧图像,深度学习图像处理算法均能够定位出方向盘的旋转角度,此时角度范围仍为(-360°~360°);
模块M3:引入执行机构的反馈转角,进行当前旋转圈数的判断,对于深度学习图像处理算法定位出方向盘的旋转角度进行对应旋转圈数下的定位角度值计算;
模块M4:通过双目视觉的两个视觉传感器两者对应的各自定位角度值的计算结果的互校验,判断两者计算结果的差异值判断系统是否正常工作;若差异值的绝对值超过10度,即判定系统需要进行检查维护;否则输出两者计算结果的均值,作为得到的方向盘的旋转角度。
10.根据权利要求6所述的面向自动驾驶车辆在环测试的基于视觉的底盘主动转向系统,其特征在于,依据所述目标转角,来控制执行机构进行旋转,以适配车辆前轮的绕Z轴的旋转运动,其中,Z轴垂直于地面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310518055.0A CN116858580A (zh) | 2023-05-09 | 2023-05-09 | 面向自动驾驶车辆在环测试的底盘主动转向系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310518055.0A CN116858580A (zh) | 2023-05-09 | 2023-05-09 | 面向自动驾驶车辆在环测试的底盘主动转向系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116858580A true CN116858580A (zh) | 2023-10-10 |
Family
ID=88232881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310518055.0A Pending CN116858580A (zh) | 2023-05-09 | 2023-05-09 | 面向自动驾驶车辆在环测试的底盘主动转向系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116858580A (zh) |
-
2023
- 2023-05-09 CN CN202310518055.0A patent/CN116858580A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109690623B (zh) | 用于识别场景中的相机的姿势的系统和方法 | |
US11698250B2 (en) | Wheel aligner with improved accuracy and no-stop positioning, using a drive direction calculation | |
JP4690476B2 (ja) | 車載カメラの校正装置 | |
JP4803450B2 (ja) | 車載カメラの校正装置及び当該装置を用いた車両の生産方法 | |
US9361687B2 (en) | Apparatus and method for detecting posture of camera mounted on vehicle | |
US8452568B2 (en) | Method for calibrating cameras installed on vehicle | |
CN103020952B (zh) | 信息处理设备和信息处理方法 | |
US8368761B2 (en) | Image correction method for camera system | |
CN102016495B (zh) | 用于进行底盘测量的方法和装置 | |
WO2017057042A1 (ja) | 信号処理装置、信号処理方法、プログラム、および、物体検出システム | |
WO2010113673A1 (ja) | 車載カメラの校正装置、方法、及びプログラム | |
JP2008131177A (ja) | 車載カメラの校正装置、校正方法、並びにこの校正方法を用いた車両の生産方法 | |
JP5081313B2 (ja) | 車載カメラの校正装置 | |
WO2012145818A1 (en) | Method and system for dynamically calibrating vehicular cameras | |
CN108305288B (zh) | 用于静止轨道对地观测卫星线列仪器的恒星质心提取方法 | |
CN107643049B (zh) | 基于单目结构光的地磅上车辆位置检测系统及方法 | |
US9330319B2 (en) | Apparatus for compensating camera image and operating method thereof | |
US8395663B2 (en) | Positioning system and method thereof | |
WO2015015542A1 (ja) | 車載ステレオカメラシステム及びそのキャリブレーション方法 | |
CN114234967A (zh) | 一种基于多传感器融合的六足机器人定位方法 | |
US20110187851A1 (en) | Chassis-measuring system as well as method for determining the position parameters of measuring heads of a chassis-measuring system | |
CN111199576B (zh) | 一种基于移动平台的室外大范围人体姿态重建方法 | |
CN112150547B (zh) | 一种确定车体位姿的方法、装置及环视视觉里程计系统 | |
CN115235526A (zh) | 用于传感器的自动校准的方法和系统 | |
Ouyang et al. | Online calibration of exterior orientations of a vehicle-mounted surround-view camera system |
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 |