CN117485115A - 一种新能源汽车用限速装置 - Google Patents
一种新能源汽车用限速装置 Download PDFInfo
- Publication number
- CN117485115A CN117485115A CN202311455483.XA CN202311455483A CN117485115A CN 117485115 A CN117485115 A CN 117485115A CN 202311455483 A CN202311455483 A CN 202311455483A CN 117485115 A CN117485115 A CN 117485115A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- speed limit
- module
- point cloud
- cloud data
- 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
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K31/00—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator
- B60K31/02—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator including electrically actuated servomechanism including an electric control system or a servomechanism in which the vehicle velocity affecting element is actuated electrically
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K31/00—Vehicle fittings, acting on a single sub-unit only, for automatically controlling vehicle speed, i.e. preventing speed from exceeding an arbitrarily established velocity or maintaining speed at a particular velocity, as selected by the vehicle operator
- B60K2031/0091—Speed limiters or speed cutters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/60—Navigation input
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/60—Navigation input
- B60L2240/62—Vehicle position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/60—Navigation input
- B60L2240/66—Ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/44—Control modes by parameter estimation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- 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
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Abstract
本发明涉及汽车智能控制领域，公开了一种新能源汽车用限速装置，包括：限速提取模块，其基于北斗定位识别车辆所在位置，然后根据车辆所在位置来映射到地图上判断车辆所在的道路或区域，获取车辆所在道路或区域的预设限速值；图像处理模块，用于输入第一深度图和第二深度图，并输出车辆的预测限速值；限速计算模块，其用于生成实际限速值，实际限速值是预测限速值和预测限速值中较大的一个；限速模块，其用于限制车辆的速度不超过实际限速值；本发明能够基于点云数据进行处理获得预测限速值用于限速，能够预测极限的安全速度值用于车辆的限速。
Description
技术领域
本发明涉及汽车智能控制领域，更具体地说，它涉及一种新能源汽车用限速装置。
背景技术
新能源汽车广泛应用于交通、运输等各个领域，而且由于新能源汽车相较于传统汽车来说存在加速快的特点，更容易出现车辆控制的偏差，在厂区的车辆行驶于封闭的道路，受到厂区内设备或货物的影响会侵入车辆行驶的道路，尤其是对于厂区内的运输车辆，而设备或货物对道路的侵入以及车辆行驶的安全性无法通过尺寸等直接量化，传统的道路固定限速的方法无法适用。
发明内容
本发明提供一种新能源汽车用限速装置，解决相关技术中的限速控制只适用于开放地带的限速的技术问题。
本发明提供了一种新能源汽车用限速装置，包括：
限速提取模块，其基于北斗定位识别车辆所在位置，然后根据车辆所在位置来映射到地图上判断车辆所在的道路或区域，获取车辆所在道路或区域的预设限速值；
第一数据采集模块，其用于采集车辆当前行驶的道路的点云数据；
第一点云数据预处理模块，其用于对采集的道路的点云数据进行降噪和抽稀处理获得第一点云数据；
第一深度图生成模块，其基于第一点云数据生成第一深度图，第一深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
第二数据采集模块，其用于采集车辆的点云数据；
第一点云数据预处理模块，其用于对采集的车辆的点云数据进行降噪和抽稀处理获得第二点云数据；
第二深度图生成模块，其基于第二点云数据生成第二深度图，第二深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
图像处理模块，用于输入第一深度图和第二深度图，并输出车辆的预测限速值；
限速计算模块，其用于生成实际限速值，实际限速值是预测限速值和预测限速值中较大的一个；
限速模块，其用于限制车辆的速度不超过实际限速值。
进一步地，采集点云数据是通过激光雷达点云数据采集系统采集或者光学相机多视角重建的方法获得。
进一步地，对于采集的点云数据进行降噪的方法包括基于曲率流的去噪算法、双边滤波算法、利用支持向量机分类去噪。
进一步地，图像处理模块包括第一卷积模块、第二卷积模块、第三卷积模块和全连接层，其中，第一卷积模块输入第一深度图输出a*b*c的第一特征图；第二卷积模块输入第二深度图，输出a*b*c的第二特征图，第一特征图和第二特征图输入第三卷积模块，第三卷积模块的输出输入全连接层，全连接层输出预测限速值。
进一步地，第一特征图和第二特征图输入第三卷积模块，第三卷积模块包括M个第一卷积层和M个第二卷积层和一个门控模块，其中M个第一卷积层为串联结构，M个第二卷积层为串联结构，第一卷积层和第二卷积层的输出均输入到门控模块。
进一步地，门控模块包括旧路径门、新路径门、交汇门和逻辑门；
对于第三卷积模块的任意一个通道：
和/>分别表示第n个第一卷积层和第二卷积层输出的特征图；
其中旧路径门的计算公式如下：
scorer表示旧路径门的输出，Wr表示旧路径门的权重参数，concat表示拼接操作；
新路径门的计算公式如下：
scorez表示新路径门的输出，Wz表示新路径门的权重参数，concat表示拼接操作
交汇门的计算公式如下：
jer表示交汇门的输出，tanh表示双曲正切函数，Wjer表示交汇门的权重参数，concat表示拼接操作；表示中间特征矩阵；
逻辑门的计算公式如下：
hn＝(I-scorez)⊙hn-1+scorez⊙jer
hn表示逻辑门的输出，也即门控模块输入和/>时的输出，I表示单位矩阵，大小与scorez的大小一致，并且元素值均为1，I-scorez表示矩阵的元素对应求差获得新矩阵；
hN表示门控模块输入和/>时的输出，对应于第三卷积模块的一个通道的输出。
进一步地，全连接层的计算公式如下：
其中S表示预测限速值，Wq表示全连接层的权重参数，分别表示第三卷积模块的第1、2、M个通道的输出张量化获得的向量。
一种新能源汽车用限速方法，包括以下步骤：
基于北斗定位识别车辆所在位置，然后根据车辆所在位置来映射到地图上判断车辆所在的道路或区域，获取车辆所在道路或区域的预设限速值；
采集车辆当前行驶的道路的点云数据；采集车辆的点云数据；
对采集的道路的点云数据进行降噪和抽稀处理获得第一点云数据；基于第一点云数据生成第一深度图，第一深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
对采集的车辆的点云数据进行降噪和抽稀处理获得第二点云数据；基于第二点云数据生成第二深度图，第二深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
处理第一深度图和第二深度图，获得车辆的预测限速值；
生成实际限速值，实际限速值是预测限速值和预测限速值中较大的一个；
限制车辆的速度不超过实际限速值。
一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够前述的一种新能源汽车用限速方法中的一个或多个步骤。
本发明的有益效果在于：本发明能够基于点云数据进行处理获得预测限速值用于限速，能够预测极限的安全速度值用于车辆的限速。
附图说明
图1是本发明的一种新能源汽车用限速装置的模块示意图；
图2是本发明的图像处理模块的模块示意图；
图3是本发明的第三卷积模块的模块示意图；
图4是本发明的门控模块的模块示意图。
图中：限速提取模块101，第一数据采集模块102，第一点云数据预处理模块103，第一深度图生成模块104，第二数据采集模块105，第一点云数据预处理模块106，第二深度图生成模块107，图像处理模块108，限速计算模块109，限速模块110。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
如图1所示，一种新能源汽车用限速装置，包括：
限速提取模块101，其基于北斗定位识别车辆所在位置，然后根据车辆所在位置来映射到地图上判断车辆所在的道路或区域，获取车辆所在道路或区域的预设限速值；
第一数据采集模块102，其用于采集车辆当前行驶的道路的点云数据；
第一点云数据预处理模块103，其用于对采集的道路的点云数据进行降噪和抽稀处理获得第一点云数据；
道路的点云数据表征道路的轮廓信息以及对道路进行侵入的轮廓信息。
第一深度图生成模块104，其基于第一点云数据生成第一深度图，第一深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
第二数据采集模块105，其用于采集车辆的点云数据；
车辆的点云表征车辆的轮廓信息。
第一点云数据预处理模块106，其用于对采集的车辆的点云数据进行降噪和抽稀处理获得第二点云数据；
第二深度图生成模块107，其基于第二点云数据生成第二深度图，第二深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
图像处理模块108，用于输入第一深度图和第二深度图，并输出车辆的预测限速值；
限速计算模块109，其用于生成实际限速值，实际限速值是预测限速值和预测限速值中较大的一个；
限速模块110，其用于限制车辆的速度不超过实际限速值。
限速模块110可以是归属于车辆的车机的模块。
限速模块110可以是连接车辆的电机的控制器。
在本发明的一个实施例中，采集点云数据是通过激光雷达点云数据采集系统采集或者光学相机多视角重建的方法获得，还可以通过其他方法获取。
在本发明的一个实施例中，对于采集的点云数据进行降噪的方法包括基于曲率流的去噪算法、双边滤波算法、利用支持向量机分类去噪。
如图2-4所示，在本发明的一个实施例中，图像处理模块包括第一卷积模块、第二卷积模块、第三卷积模块和全连接层，其中，第一卷积模块输入第一深度图输出a*b*c的第一特征图；
第二卷积模块输入第二深度图，输出a*b*c的第二特征图；
a、b、c分别表示特征图的通道数、长度和宽度；缺省值分别为10、100、100。
第一特征图和第二特征图输入第三卷积模块，第三卷积模块包括M个第一卷积层和M个第二卷积层和一个门控模块，其中M个第一卷积层为串联结构，M个第二卷积层为串联结构，第一卷积层和第二卷积层的输出均输入到门控模块，门控模块包括旧路径门、新路径门、交汇门和逻辑门；
对于第三卷积模块的任意一个通道：
和/>分别表示第n个第一卷积层和第二卷积层输出的特征图；
其中旧路径门的计算公式如下：
scorer表示旧路径门的输出，Wr表示旧路径门的权重参数，concat表示拼接操作；
新路径门的计算公式如下：
scorez表示新路径门的输出，Wz表示新路径门的权重参数，concat表示拼接操作
交汇门的计算公式如下：
jer表示交汇门的输出，tanh表示双曲正切函数，Wjer表示交汇门的权重参数，concat表示拼接操作；表示中间特征矩阵；
逻辑门的计算公式如下：
hn＝(I-scorez)⊙hn-1+scorez⊙jer
hn表示逻辑门的输出，也即门控模块输入和/>时的输出，I表示单位矩阵，大小与scorez的大小一致，并且元素值均为1，I-scorez表示矩阵的元素对应求差获得新矩阵；
hN表示门控模块输入和/>时的输出，对应于第三卷积模块的一个通道的输出。
全连接层的计算公式如下：
其中S表示预测限速值，Wq表示全连接层的权重参数，分别表示第三卷积模块的第1、2、M个通道的输出张量化获得的向量。
σ表示激活函数，默认为sigmoid函数。
本发明的图像处理模块将门控思想结合到一个并行的连续卷积中，两个并行的连续卷积分别用于对车辆的深度图和道路的深度图进行卷积，通过门控模块控制卷积特征的合成，来近似车辆在路径中移动的过程中相对于道路的空间位置变化，能够准确的预测性的获取限速值。
本发明尤其适用于场内的存在设备或堆积的物品侵占车辆的行驶的道路的情况。
通过不同的驾驶员进行极限安全速度测试来获取训练时的S的真值，以此来计算损失。
本发明的至少一个实施例中提供了一种新能源汽车用限速方法，包括以下步骤：
步骤101，基于北斗定位识别车辆所在位置，然后根据车辆所在位置来映射到地图上判断车辆所在的道路或区域，获取车辆所在道路或区域的预设限速值；
步骤102，采集车辆当前行驶的道路的点云数据；采集车辆的点云数据；
步骤103，对采集的道路的点云数据进行降噪和抽稀处理获得第一点云数据；基于第一点云数据生成第一深度图，第一深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
步骤104，对采集的车辆的点云数据进行降噪和抽稀处理获得第二点云数据；基于第二点云数据生成第二深度图，第二深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
步骤105，处理第一深度图和第二深度图，获得车辆的预测限速值；
步骤106，生成实际限速值，实际限速值是预测限速值和预测限速值中较大的一个；
步骤107，限制车辆的速度不超过实际限速值。
本发明的至少一个实施例中提供了一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行前述的一种新能源汽车用限速方法中的一个或多个步骤。
上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。
Claims (9)
1.一种新能源汽车用限速装置，其特征在于，包括：
限速提取模块，其基于北斗定位识别车辆所在位置，然后根据车辆所在位置来映射到地图上判断车辆所在的道路或区域，获取车辆所在道路或区域的预设限速值；
第一数据采集模块，其用于采集车辆当前行驶的道路的点云数据；
第一点云数据预处理模块，其用于对采集的道路的点云数据进行降噪和抽稀处理获得第一点云数据；
第一深度图生成模块，其基于第一点云数据生成第一深度图，第一深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
第二数据采集模块，其用于采集车辆的点云数据；
第一点云数据预处理模块，其用于对采集的车辆的点云数据进行降噪和抽稀处理获得第二点云数据；
第二深度图生成模块，其基于第二点云数据生成第二深度图，第二深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
图像处理模块，用于输入第一深度图和第二深度图，并输出车辆的预测限速值；
限速计算模块，其用于生成实际限速值，实际限速值是预测限速值和预测限速值中较大的一个；
限速模块，其用于限制车辆的速度不超过实际限速值。
2.根据权利要求1所述的一种新能源汽车用限速装置，其特征在于，采集点云数据是通过激光雷达点云数据采集系统采集或者光学相机多视角重建的方法获得。
3.根据权利要求1所述的一种新能源汽车用限速装置，其特征在于，对于采集的点云数据进行降噪的方法包括基于曲率流的去噪算法、双边滤波算法、利用支持向量机分类去噪。
4.根据权利要求1所述的一种新能源汽车用限速装置，其特征在于，图像处理模块包括第一卷积模块、第二卷积模块、第三卷积模块和全连接层，其中，第一卷积模块输入第一深度图输出a*b*c的第一特征图；第二卷积模块输入第二深度图，输出a*b*c的第二特征图，第一特征图和第二特征图输入第三卷积模块，第三卷积模块的输出输入全连接层，全连接层输出预测限速值。
5.根据权利要求4所述的一种新能源汽车用限速装置，其特征在于，第一特征图和第二特征图输入第三卷积模块，第三卷积模块包括M个第一卷积层和M个第二卷积层和一个门控模块，其中M个第一卷积层为串联结构，M个第二卷积层为串联结构，第一卷积层和第二卷积层的输出均输入到门控模块。
6.根据权利要求5所述的一种新能源汽车用限速装置，其特征在于，门控模块包括旧路径门、新路径门、交汇门和逻辑门；
对于第三卷积模块的任意一个通道：
和/>分别表示第n个第一卷积层和第二卷积层输出的特征图；
其中旧路径门的计算公式如下：
scorer表示旧路径门的输出，Wr表示旧路径门的权重参数，concat表示拼接操作；
新路径门的计算公式如下：
scorez表示新路径门的输出，Wz表示新路径门的权重参数，concat表示拼接操作
交汇门的计算公式如下：
jer表示交汇门的输出，tanh表示双曲正切函数，Wjer表示交汇门的权重参数，concat表示拼接操作；表示中间特征矩阵；
逻辑门的计算公式如下：
hn＝(I-scorez)⊙hn-1+scorez⊙jer
hn表示逻辑门的输出，也即门控模块输入和/>时的输出，I表示单位矩阵，大小与scorez的大小一致，并且元素值均为1，I-scorez表示矩阵的元素对应求差获得新矩阵；
hN表示门控模块输入和/>时的输出，对应于第三卷积模块的一个通道的输出。
7.根据权利要求6所述的一种新能源汽车用限速装置，其特征在于，全连接层的计算公式如下：
其中S表示预测限速值，Wq表示全连接层的权重参数，分别表示第三卷积模块的第1、2、M个通道的输出张量化获得的向量。
8.一种新能源汽车用限速方法，其特征在于，包括以下步骤：
基于北斗定位识别车辆所在位置，然后根据车辆所在位置来映射到地图上判断车辆所在的道路或区域，获取车辆所在道路或区域的预设限速值；
采集车辆当前行驶的道路的点云数据；采集车辆的点云数据；
对采集的道路的点云数据进行降噪和抽稀处理获得第一点云数据；基于第一点云数据生成第一深度图，第一深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
对采集的车辆的点云数据进行降噪和抽稀处理获得第二点云数据；基于第二点云数据生成第二深度图，第二深度图的相机坐标系的原点在车辆当前行驶的道路的地面上；
处理第一深度图和第二深度图，获得车辆的预测限速值；
生成实际限速值，实际限速值是预测限速值和预测限速值中较大的一个；
限制车辆的速度不超过实际限速值。
9.一种存储介质，其特征在于，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行如权利要求8所述的一种新能源汽车用限速方法中的一个或多个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311455483.XA CN117485115A (zh) | 2023-11-02 | 2023-11-02 | 一种新能源汽车用限速装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311455483.XA CN117485115A (zh) | 2023-11-02 | 2023-11-02 | 一种新能源汽车用限速装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117485115A true CN117485115A (zh) | 2024-02-02 |
Family
ID=89673865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311455483.XA Pending CN117485115A (zh) | 2023-11-02 | 2023-11-02 | 一种新能源汽车用限速装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117485115A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109964237A (zh) * | 2016-09-15 | 2019-07-02 | 谷歌有限责任公司 | 图像深度预测神经网络 |
| CN112889071A (zh) * | 2018-12-21 | 2021-06-01 | 北京航迹科技有限公司 | 用于确定二维图像中深度信息的系统和方法 |
| US20220038375A1 (en) * | 2020-07-29 | 2022-02-03 | Micron Technology, Inc. | Edge processing of sensor data using a neural network to reduce data traffic on a communication network |
| CN115185265A (zh) * | 2022-06-10 | 2022-10-14 | 上海人工智能创新中心 | 一种用于自动驾驶的控制系统及方法 |
| US20230227082A1 (en) * | 2019-12-27 | 2023-07-20 | Westinghouse Air Brake Technologies Corporation | Vehicle speed management systems and methods |
| CN116665448A (zh) * | 2023-06-12 | 2023-08-29 | 深圳市普蓝机器人有限公司 | 一种基于图卷积网络的交通速度实时预测方法及系统 |
-
2023
- 2023-11-02 CN CN202311455483.XA patent/CN117485115A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109964237A (zh) * | 2016-09-15 | 2019-07-02 | 谷歌有限责任公司 | 图像深度预测神经网络 |
| US20190279383A1 (en) * | 2016-09-15 | 2019-09-12 | Google Llc | Image depth prediction neural networks |
| CN112889071A (zh) * | 2018-12-21 | 2021-06-01 | 北京航迹科技有限公司 | 用于确定二维图像中深度信息的系统和方法 |
| US20230227082A1 (en) * | 2019-12-27 | 2023-07-20 | Westinghouse Air Brake Technologies Corporation | Vehicle speed management systems and methods |
| US20220038375A1 (en) * | 2020-07-29 | 2022-02-03 | Micron Technology, Inc. | Edge processing of sensor data using a neural network to reduce data traffic on a communication network |
| CN115997217A (zh) * | 2020-07-29 | 2023-04-21 | 美光科技公司 | 使用神经网络对传感器数据进行边缘处理以减少通信网络上的数据流量 |
| CN115185265A (zh) * | 2022-06-10 | 2022-10-14 | 上海人工智能创新中心 | 一种用于自动驾驶的控制系统及方法 |
| CN116665448A (zh) * | 2023-06-12 | 2023-08-29 | 深圳市普蓝机器人有限公司 | 一种基于图卷积网络的交通速度实时预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111860493B (zh) | 一种基于点云数据的目标检测方法及装置 | |
| CN107481292A (zh) | 车载摄像头的姿态误差估计方法和装置 | |
| Ming et al. | Vehicle detection using tail light segmentation | |
| CN103786731B (zh) | 用于估算车辆速度的装置和方法 | |
| US11107228B1 (en) | Realistic image perspective transformation using neural networks | |
| CN111292366B (zh) | 一种基于深度学习和边缘计算的视觉行车测距算法 | |
| DE102017208718A1 (de) | Verfahren zur Erkennung von Objekten in einem Bild einer Kamera | |
| US20210042946A1 (en) | Method and device for ascertaining a depth information image from an input image | |
| JP2023549036A (ja) | 点群からの効率的な三次元物体検出 | |
| CN111461221A (zh) | 一种面向自动驾驶的多源传感器融合目标检测方法和系统 | |
| US11887323B2 (en) | Self-supervised estimation of observed vehicle pose | |
| DE102020128978A1 (de) | Trainieren von tiefen neuronalen netzwerken mit synthetischen bildern | |
| DE102022123187A1 (de) | Adaptives Reduzieren von neuronalen Netzsystemen | |
| Dong et al. | A vision-based method for improving the safety of self-driving | |
| US20220292289A1 (en) | Systems and methods for depth estimation in a vehicle | |
| CN115053277B (zh) | 对周围移动物体进行变道分类的方法、系统、计算机设备及存储介质 | |
| CN117485115A (zh) | 一种新能源汽车用限速装置 | |
| DE102020122086A1 (de) | Messen von vertrauen in tiefen neuronalen netzwerken | |
| CN115699103A (zh) | 一种使用可解释自聚焦注意预测行为的方法和装置 | |
| US20220188621A1 (en) | Generative domain adaptation in a neural network | |
| DE102022124848A1 (de) | System und prozess unter verwendung homomorpher verschlüsselung, um parameter neuronaler netze für ein kraftfahrzeug zu sichern | |
| DE102022123257A1 (de) | Selektives Ausscheiden der Merkmale für entgegenwirkende Robustheit neuronaler Netze | |
| DE102022123358A1 (de) | Frequenzbasierte merkmalsbeschränkung für ein neuronales netz | |
| US20230038578A1 (en) | Systems and Methods for Image Based Perception | |
| DE102019220615A1 (de) | Verfahren und Vorrichtung zum Erkennen und Klassifizieren von Objekten |
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 |