CN105292122B - 车辆行驶过程中对路况进行识别的方法 - Google Patents
车辆行驶过程中对路况进行识别的方法 Download PDFInfo
- Publication number
- CN105292122B CN105292122B CN201510690566.6A CN201510690566A CN105292122B CN 105292122 B CN105292122 B CN 105292122B CN 201510690566 A CN201510690566 A CN 201510690566A CN 105292122 B CN105292122 B CN 105292122B
- Authority
- CN
- China
- Prior art keywords
- line
- black
- row
- road
- points
- 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.)
- Expired - Fee Related
Links
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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种车辆行驶过程中对路况进行识别的***,包括以下步骤:图像信息获取、图像信息预处理、特征提取、路径识别。该***能够准确将前方需要通过的路况信息计算和反馈出来,便于驾驶人员及时采取相应的措施调整线路或者减速避让,更加安全,防止意外发生。
Description
技术领域
本发明涉及汽车领域,具体地,涉及一种车辆行驶过程中对路况进行识别的方法。
背景技术
汽车有如下定义:由动力驱动,具有4个或4个以上车轮的非轨道承载的车辆,主要用于:载运人员和或货物;牵引载运人员或货物的车辆;特殊用途。1879年,德国工程师卡尔·本茨,首次试验成功一台二冲程试验性发动机。1883年10月,他创立了“本茨公司和莱茵煤气发动机厂”,1885年,他在曼海姆制成了第一辆本茨专利机动车,该车为三轮汽车,采用一台二冲程单缸0.9马力的汽油机,此车具备了现代汽车的一些基本特点,如火花点火、水冷循环、钢管车架、钢板弹簧悬架、后轮驱动前轮转向和制动手把等。1886年的1月29日,德国工程师卡尔·本茨为其机动车申请了专利。同年11月,卡尔·本茨的三轮机动车获得了德意志专利权。这就是公认的世界上第一辆现代汽车。由于上述原因,人们一般都把1886年作为汽车元年,也有些学者把卡尔·本茨制成第一辆三轮汽车之年即1885年,视为汽车诞生年。1885年是汽车发明取得决定性突破的一年。当时和戴姆勒在同一工厂的本茨,也在研究汽车。他在1885年几乎与戴姆勒同时制成了汽油发动机,装在汽车上,以每小时12公里的速度行驶,获得成功。这一年,英国的巴特勒也发明了装有汽油发动机的汽车。此外,意大利的贝尔纳也发明了汽车,俄国的普奇洛夫和伏洛波夫两人发明了装有内燃机的汽车。以前中国没有汽车制造业。中国土地上第一辆汽车是1903年输入的美国产奥斯莫比尔牌小汽车,领得第一号汽车行驶牌证,其所有者为上海富翁。自1953年7月第一汽车制造厂动工兴建,1956年7月投产,1957年7月13日我国生产出第一辆载货的解放牌汽车,又于1958年5月,我国第一汽车制造厂自行研制设计生产了第一辆与当时政治风云起伏颠簸、荣辱与共的红旗牌乘用车,被誉为“东方神韵”。几十年来,我国汽车工业得到了快速的发展。特别是改革开放以来,汽车生产采用了各种高科技及人性化的安全及便利设施,汲国外汽车科研之精华。不仅秉乘了传统的坚固造型,更具时尚汽车的柔媚风貌,线条流畅,驾乘舒适的“座驾”新宠不断诞生。2001年底,中国正式加入了世贸组织,以此为契机,中国汽车产业迎来了一个新的高速发展时期。2009年,中国汽车产销分别为1379.10万辆和1364.48万辆,一举超越美国,称为世界第一汽车产销大国。2012年中国汽车全年产销分别为1927.18万辆和1930.64万辆,连续四年蝉联世界第一。进经过十年高速发展之后,中国自主品牌乘用车技术得到了长足的发展。2013年上半年先后上市的一汽红旗、北汽绅宝、长安睿骋、吉利帝豪、比亚迪思锐及此前已经先后上市的上汽荣威、广汽传祺等为代表的自主品牌高端乘用车向合资品牌发起集团式冲锋,将逐步改写自主品牌乘用车只能在中低端抢占市场的现状。由于现在道路的复杂性,人们在驾驶汽车行驶过程中,很难凭肉眼将路况看清,造成意外发生。
发明内容
本发明所要解决的技术问题是提供一种车辆行驶过程中对路况进行识别的方法,该***能够准确将前方需要通过的路况信息计算和反馈出来,便于驾驶人员及时采取相应的措施调整线路或者减速避让,更加安全,防止意外发生。
本发明解决上述问题所采用的技术方案是:车辆行驶过程中对路况进行识别的方法,包括以下步骤:
(1)图像信息获取:根据摄像头的工作时序,采集算法采用中断的方法,当单片机检测到场同步脉冲时,进入场中断服务子程序,当进入场中断后,清除标志位,行计数值置零,场计数加1,行间隔计数置0,然后关闭场中断,打开行中断,使单片机得以接受行中断信号,当场中断到来时需要将行计数器置为0以便读取新一场的数据,同时还需要读取脉冲累加器中的数据获取当前智能车的速度值,关闭场中断等待行中断的响应,为了区分行与行之间的数据在每行的开始会有一个行中断信号,在行中断中要完成图像灰度值得读取,在采集完最后一行数据之后再对数据进行分析处理,通常情况下白色的道路灰度值较大,黑色的边沿灰度值较小,通过灰度值的不同来提取道路边缘信息,随后,不断的重复上面的过程,直至采集到180×40的表格数据,将其存放在数组中后续的图像处理中使用;
(2)图像信息预处理:在图像采集的过程中,由于摄像头受光线影响以及受自身性能的限制致使摄像头采集的图像中含有噪声,采用中值滤波的方法去除噪声,首先确定一个以某像素点为中心点的邻域,然后将邻域中各像素点的灰度值排序,取中间值作为中心点像素灰度的新值;
(3)特征提取:由于路径信息经摄像头采集处理之后,是一幅黑白的灰度图像,故采用边缘检测算法,因道路黑带分布于两侧,所以从中间的第一个有效数据点开始依次向右进行阀值判断,由于实际中黑白物体边缘可能会出现模糊偏差,导致阀值并不是简单的介于两相邻点之间,甚至要相隔一个点,因此以第line为原点,判断line和line+3的差是否大于该阀值,如果是则将line+3记为i,然后再从下一行的中心位置开始检测,如果line和line+3的差大于该阈值则将line+3记为j,在比较i和j的差值,如果差值小于5则说明i和j的纵向距离比较小,符合实际,所以记i和j为有效数据,重复此过程直至将黑带检测完毕;
(4)路径识别:在距离道路中心线左右各4.5米处,有两条10米长的黑色引导线,因道路总宽度为15米,而两侧的黑色引导线可以通过上述边沿检测算法得到,将左右边沿相加取平均值可以得到道路中心线,可以通过计算得到黑色引导线与中心线的中线,即左中心线与右中心线,左右中心线必经过左右起始的黑色引导线,所以可以通过连续扫描左右中心线的方式检测起始线,当扫描到有从白色到黑色的跳变沿时即为找到起始线,在提取黑色引导线的基础上,***需要识别出弯道和直道,不同弯道的参数,由几何知识可知,由不在同一条直线上的3个点可以确定出1个圆,同一个圆上任意不同的3个点确定的均为同一个圆,因此可以通过道路上的3个点确定出一个圆,进而计算出这3个点确定的圆的半径,半径的倒数即为曲率,采用平面三角形面积公式计算曲率:
设平面上的3点及其坐标分别为A(x1,y1),B(x2,y2),C(x3,y3),定义S(A,B,C)=(x1-x3)×(y2-y3)-(y1-y3)×(x2-x3)
则三角形的外心为:x=S((x1×x1+y1×y1,y1),(x2×x2+y2×y2,y2),(x3×x3+y3×y3,y3))/2×S(A,B,C),y=S((x1,x1×x1+y1×y1),(x2,x2×x2+y2×y2),(x3,x3×x3+y3×y3))/2×S(A,B,C)
求出三角形外心后,进而求出其外接圆半径,最后求出曲率;
当S弯弯度较小时同样会出现斜率同正同负的现象,因此应分三段计算斜率,从而可以很好地识别出路径;
定义:设平面上的4点及其坐标分别为:A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)斜率为k1=(y2-y1)/(x2-x1),k2=(y3-y2)/(x3-x2),k3=(y4-y3)/(x4-x3),根据k1、k2、k3可区分不同的弯道。
本方案根据探头对路面以及车辆震动状态,运用算法公式得到准确的路况信息,帮助驾驶员驾驶。
综上,本发明的有益效果是:该***能够准确将前方需要通过的路况信息计算和反馈出来,便于驾驶人员及时采取相应的措施调整线路或者减速避让,更加安全,防止意外发生。
具体实施方式
下面结合实施例,对本发明作进一步地的详细说明,但本发明的实施方式不限于此。
实施例:
车辆行驶过程中对路况进行识别的方法,包括以下步骤:
(1)图像信息获取:根据摄像头的工作时序,采集算法采用中断的方法,当单片机检测到场同步脉冲时,进入场中断服务子程序,当进入场中断后,清除标志位,行计数值置零,场计数加1,行间隔计数置0,然后关闭场中断,打开行中断,使单片机得以接受行中断信号,当场中断到来时需要将行计数器置为0以便读取新一场的数据,同时还需要读取脉冲累加器中的数据获取当前智能车的速度值,关闭场中断等待行中断的响应,为了区分行与行之间的数据在每行的开始会有一个行中断信号,在行中断中要完成图像灰度值得读取,在采集完最后一行数据之后再对数据进行分析处理,通常情况下白色的道路灰度值较大,黑色的边沿灰度值较小,通过灰度值的不同来提取道路边缘信息,随后,不断的重复上面的过程,直至采集到180×40的表格数据,将其存放在数组中后续的图像处理中使用;
(2)图像信息预处理:在图像采集的过程中,由于摄像头受光线影响以及受自身性能的限制致使摄像头采集的图像中含有噪声,采用中值滤波的方法去除噪声,首先确定一个以某像素点为中心点的邻域,然后将邻域中各像素点的灰度值排序,取中间值作为中心点像素灰度的新值;
(3)特征提取:由于路径信息经摄像头采集处理之后,是一幅黑白的灰度图像,故采用边缘检测算法,因道路黑带分布于两侧,所以从中间的第一个有效数据点开始依次向右进行阀值判断,由于实际中黑白物体边缘可能会出现模糊偏差,导致阀值并不是简单的介于两相邻点之间,甚至要相隔一个点,因此以第line为原点,判断line和line+3的差是否大于该阀值,如果是则将line+3记为i,然后再从下一行的中心位置开始检测,如果line和line+3的差大于该阈值则将line+3记为j,在比较i和j的差值,如果差值小于5则说明i和j的纵向距离比较小,符合实际,所以记i和j为有效数据,重复此过程直至将黑带检测完毕;
(4)路径识别:在距离道路中心线左右各4.5米处,有两条10米长的黑色引导线,因道路总宽度为15米,而两侧的黑色引导线可以通过上述边沿检测算法得到,将左右边沿相加取平均值可以得到道路中心线,可以通过计算得到黑色引导线与中心线的中线,即左中心线与右中心线,左右中心线必经过左右起始的黑色引导线,所以可以通过连续扫描左右中心线的方式检测起始线,当扫描到有从白色到黑色的跳变沿时即为找到起始线,在提取黑色引导线的基础上,***需要识别出弯道和直道,不同弯道的参数,由几何知识可知,由不在同一条直线上的3个点可以确定出1个圆,同一个圆上任意不同的3个点确定的均为同一个圆,因此可以通过道路上的3个点确定出一个圆,进而计算出这3个点确定的圆的半径,半径的倒数即为曲率,采用平面三角形面积公式计算曲率:
设平面上的3点及其坐标分别为A(x1,y1),B(x2,y2),C(x3,y3),定义S(A,B,C)=(x1-x3)×(y2-y3)-(y1-y3)×(x2-x3)
则三角形的外心为:x=S((x1×x1+y1×y1,y1),(x2×x2+y2×y2,y2),(x3×x3+y3×y3,y3))/2×S(A,B,C),y=S((x1,x1×x1+y1×y1),(x2,x2×x2+y2×y2),(x3,x3×x3+y3×y3))/2×S(A,B,C)
求出三角形外心后,进而求出其外接圆半径,最后求出曲率;
当S弯弯度较小时同样会出现斜率同正同负的现象,因此应分三段计算斜率,从而可以很好地识别出路径;
定义:设平面上的4点及其坐标分别为:A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)斜率为k1=(y2-y1)/(x2-x1),k2=(y3-y2)/(x3-x2),k3=(y4-y3)/(x4-x3),根据k1、k2、k3可区分不同的弯道。
该***能够准确将前方需要通过的路况信息计算和反馈出来,便于驾驶人员及时采取相应的措施调整线路或者减速避让,更加安全,防止意外发生。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术、方法实质上对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (1)
1.车辆行驶过程中对路况进行识别的方法,其特征在于,包括以下步骤:
(1)图像信息获取:根据摄像头的工作时序,采集算法采用中断的方法,当单片机检测到场同步脉冲时,进入场中断服务子程序,当进入场中断后,清除标志位,行计数值置零,场计数加1,行间隔计数置0,然后关闭场中断,打开行中断,使单片机得以接受行中断信号,当场中断到来时需要将行计数器置为0以便读取新一场的数据,同时还需要读取脉冲累加器中的数据获取当前智能车的速度值,关闭场中断等待行中断的响应,为了区分行与行之间的数据在每行的开始会有一个行中断信号,在行中断中要完成图像灰度值得读取,在采集完最后一行数据之后再对数据进行分析处理,通常情况下白色的道路灰度值较大,黑色的边沿灰度值较小,通过灰度值的不同来提取道路边缘信息,随后,不断的重复上面的过程,直至采集到180×40的表格数据,将其存放在数组中后续的图像处理中使用;
(2)图像信息预处理:在图像采集的过程中,由于摄像头受光线影响以及受自身性能的限制致使摄像头采集的图像中含有噪声,采用中值滤波的方法去除噪声,首先确定一个以某像素点为中心点的邻域,然后将邻域中各像素点的灰度值排序,取中间值作为中心点像素灰度的新值;
(3)特征提取:由于路径信息经摄像头采集处理之后,是一幅黑白的灰度图像,故采用边缘检测算法,因道路黑带分布于两侧,所以从中间的第一个有效数据点开始依次向右进行阈值判断,由于实际中黑白物体边缘可能会出现模糊偏差,导致阈值并不是简单的介于两相邻点之间,甚至要相隔一个点,因此以第line为原点,判断line和line+3的差是否大于该阈值,如果是则将line+3记为i,然后再从下一行的中心位置开始检测,如果line和line+3的差大于该阈值则将line+3记为j,再 比较i和j的差值,如果差值小于5则说明i和j的纵向距离比较小,符合实际,所以记i和j为有效数据,重复此过程直至将黑带检测完毕;
(4)路径识别:在距离道路中心线左右各4.5米处,有两条10米长的黑色引导线,因道路总宽度为15米,而两侧的黑色引导线可以通过上述边缘检测算法得到,将左右边沿相加取平均值可以得到道路中心线,可以通过计算得到黑色引导线与中心线的中线,即左中心线与右中心线,左右中心线必经过左右起始的黑色引导线,所以可以通过连续扫描左右中心线的方式检测起始线,当扫描到有从白色到黑色的跳变沿时即为找到起始线,在提取黑色引导线的基础上,***需要识别出弯道和直道,不同弯道的参数,由几何知识可知,由不在同一条直线上的3个点可以确定出1个圆,同一个圆上任意不同的3个点确定的均为同一个圆,因此可以通过道路上的3个点确定出一个圆,进而计算出这3个点确定的圆的半径,半径的倒数即为曲率,采用平面三角形面积公式计算曲率:
设平面上的3点及其坐标分别为A(x1,y1),B(x2,y2),C(x3,y3),定义S(A,B,C)=(x1-x3)×(y2-y3)-(y1-y3)×(x2-x3)
则三角形的外心为:x=S((x1×x1+y1×y1,y1),(x2×x2+y2×y2,y2),(x3×x3+y3×y3,y3))/2×S(A,B,C),y=S((x1,x1×x1+y1×y1),(x2,x2×x2+y2×y2),(x3,x3×x3+y3×y3))/2×S(A,B,C)
求出三角形外心后,进而求出其外接圆半径,最后求出曲率;
当S弯弯度较小时同样会出现斜率同正同负的现象,因此应分三段计算斜率,从而可以很好地识别出路径;
定义:设平面上的4点及其坐标分别为:A(x1,y1),B(x2,y2),C(x3,y3),D(x4,y4)斜率为k1=(y2-y1)/(x2-x1),k2=(y3-y2)/(x3-x2),k3=(y4-y3)/(x4-x3),根据k1、k2、k3可区分不同的弯道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510690566.6A CN105292122B (zh) | 2015-10-22 | 2015-10-22 | 车辆行驶过程中对路况进行识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510690566.6A CN105292122B (zh) | 2015-10-22 | 2015-10-22 | 车辆行驶过程中对路况进行识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105292122A CN105292122A (zh) | 2016-02-03 |
CN105292122B true CN105292122B (zh) | 2018-07-06 |
Family
ID=55190138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510690566.6A Expired - Fee Related CN105292122B (zh) | 2015-10-22 | 2015-10-22 | 车辆行驶过程中对路况进行识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105292122B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6637400B2 (ja) * | 2016-10-12 | 2020-01-29 | 本田技研工業株式会社 | 車両制御装置 |
CN107329471B (zh) * | 2017-06-20 | 2018-10-09 | 广州中国科学院软件应用技术研究所 | 一种无人驾驶车辆的智能决策*** |
CN108407815A (zh) * | 2018-03-31 | 2018-08-17 | 四川攸亮科技有限公司 | 一种智能行车辅助*** |
CN109229012A (zh) * | 2018-10-11 | 2019-01-18 | 吉林大学 | 一种基于多路况智能识别的汽车远近光灯自动切换方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567086B (zh) * | 2009-06-03 | 2014-01-08 | 北京中星微电子有限公司 | 一种车道线检测方法及其设备 |
KR20130006752A (ko) * | 2011-06-23 | 2013-01-18 | 주식회사 만도 | 차선 인식 장치 및 그 방법 |
JP5971020B2 (ja) * | 2011-08-22 | 2016-08-17 | 日産自動車株式会社 | レーン認識装置 |
KR101316433B1 (ko) * | 2011-09-14 | 2013-10-08 | 현대자동차주식회사 | 차량 주변정보 제공 시스템 및 그 방법 |
KR101912085B1 (ko) * | 2012-07-02 | 2018-10-26 | 현대모비스 주식회사 | 차선 검출 신뢰도 계산방법 및 이를 수행하는 계산장치 |
-
2015
- 2015-10-22 CN CN201510690566.6A patent/CN105292122B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN105292122A (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105292122B (zh) | 车辆行驶过程中对路况进行识别的方法 | |
US11084494B2 (en) | Method for detecting safety of driving behavior, apparatus, device and storage medium | |
CN104802737B (zh) | 一种基于手机的车辆异常驾驶行为检测方法 | |
CN106934876B (zh) | 一种车辆异常驾驶事件的识别方法及*** | |
CN104246821B (zh) | 三维物体检测装置和三维物体检测方法 | |
CN105303860B (zh) | 车辆行驶过程中对红绿灯进行识别的*** | |
US20190236384A1 (en) | Helmet wearing determination method, helmet wearing determination system, helmet wearing determination apparatus, and program | |
CN101030316B (zh) | 一种汽车安全驾驶监控***和方法 | |
CN105574537B (zh) | 基于多传感器的危险驾驶行为检测和评估方法 | |
CN102254161B (zh) | 基于路面轮廓及路面图像特征的路面类型识别方法及装置 | |
CN101984478B (zh) | 基于双目视觉车道线检测的非正常s型驾驶预警方法 | |
CN102541061B (zh) | 基于视听觉信息的缩微智能车 | |
CN104246850B (zh) | 蛇行判定装置 | |
CN108133644A (zh) | 一种机动车驾驶员考试的评判***及评判方法 | |
CN105513405B (zh) | 一种车辆轨迹分析方法和装置 | |
CN102167041A (zh) | 一种基于加速度传感器的车辆行驶状态的判定方法 | |
CN103578227B (zh) | 基于gps定位信息的疲劳驾驶检测方法 | |
EP2928178A1 (en) | On-board control device | |
CN105185112A (zh) | 驾驶行为分析识别的方法及*** | |
CN108877213A (zh) | 交通事故的识别方法及*** | |
CN103489010A (zh) | 基于驾驶行为的疲劳驾驶检测方法 | |
CN103985251A (zh) | 一种车辆排队长度测算的方法及*** | |
CN103472824A (zh) | 一种基于摄像头的自动导航车的导航***及方法 | |
CN106710269A (zh) | 车辆行驶数据的处理方法与装置 | |
CN109094560A (zh) | 一种自适应巡航方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180706 Termination date: 20191022 |
|
CF01 | Termination of patent right due to non-payment of annual fee |