CN107065886A - 基于云的汽车无人驾驶*** - Google Patents
基于云的汽车无人驾驶*** Download PDFInfo
- Publication number
- CN107065886A CN107065886A CN201710378016.XA CN201710378016A CN107065886A CN 107065886 A CN107065886 A CN 107065886A CN 201710378016 A CN201710378016 A CN 201710378016A CN 107065886 A CN107065886 A CN 107065886A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- intelligent automobile
- automobile
- geomagnetic sensor
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000033001 locomotion Effects 0.000 claims abstract description 16
- 230000005389 magnetism Effects 0.000 claims description 8
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims 1
- 230000011664 signaling Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
Abstract
本申请提供了一种基于云的汽车无人驾驶***，其特征在于，包括：云、地磁检测***、通信网络、运动分析装置和控制装置；其中，云，用于根据目的地、当前路况以及用户的要求规划精确到车道的路线，并将路线发送给智能汽车；地磁检测***布设在车道的路面下，用于检测智能汽车；通信网络，用于在云、地磁检测***和智能汽车之间实时地收发数据；运动分析装置，设置于智能汽车上，用于根据地磁检测***的检测数据确定智能汽车的运动状况；控制装置，设置于智能汽车上，用于根据运动分析装置的分析控制智能汽车的驾驶。
Description
技术领域
本申请涉及汽车技术领域，特别地，涉及一种基于云的汽车无人驾驶***。
背景技术
智能汽车是通过车载传感***感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。
它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
智能汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。
发明内容
本申请提供一种基于云的汽车无人驾驶***，用于解决上述的问题。
本申请还提供了一种基于云的汽车无人驾驶***，其特征在于，包括云、多个地磁传感器组成的地磁传感网络、运动分析装置和控制装置；其中，
云，贮存于停车场后台，用于在智能汽车进入停车场时，将目的车位和路线发送给智能汽车；
地磁传感器布设在停车场的道路路面下，用于在智能汽车沿着规划的路线行进前往目的车位时，感知该智能汽车；
运动分析装置，贮存于智能汽车上，用于根据地磁传感器的感知数据分析智能汽车的速度和轨迹；
控制装置，贮存于智能汽车上，用于根据运动分析装置的分析控制智能汽车的速度，以防止智能汽车之间发生碰撞。
本发明通过地磁传感器检测智能汽车的运行状况来预测智能汽车的轨迹，并进而控制智能汽车的速度，以防止智能汽车之间发生碰撞，实现了提前就能控制和避免智能汽车的碰撞，并且节省了现有的奔驰B和雷克萨斯LS复杂的雷达***，并且完全解放了驾驶员的车速控制操作，使得驾驶员在将智能汽车送入停车场门口时，即可自行离开智能汽车。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1示出了根据本发明一个实施例的基于云的汽车无人驾驶***的示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
图1示出了根据本发明一个实施例的基于云的汽车无人驾驶***的示意图。包括云10、多个地磁传感器组成的地磁传感网络20、运动分析装置30和控制装置40；其中，
云10，贮存于停车场后台，用于在智能汽车进入停车场时，将目的车位和路线发送给智能汽车；
地磁传感器20布设在停车场的道路路面下，用于在智能汽车沿着规划的路线行进前往目的车位时，感知该智能汽车；
运动分析装置30，贮存于智能汽车上，用于根据地磁传感器20的感知数据分析智能汽车的速度和轨迹；
控制装置40，贮存于智能汽车上，用于根据运动分析装置30的分析控制智能汽车的速度，以防止智能汽车之间发生碰撞。
现有的奔驰B和雷克萨斯LS配备了一种汽车无人驾驶***。其原理是：遍布车辆周围的雷达探头测量自身与周围物体之间的距离和角度，然后通过车载电脑计算出操作流程配合车速调整方向盘的转动，驾驶者只需要控制车速即可。现有的汽车无人驾驶***因为还需要人工控制车速，所以还不能用于智能汽车。这样存在的问题，一是给驾驶员增加了开车负担，而是驾驶员在停车过程中不能离开汽车，耽误不少时间，而且可能还要多绕很多路才能走到目的地；二是需要复杂的雷达***。
而本发明通过地磁传感器检测智能汽车的运行状况来预测智能汽车的轨迹，并进而控制智能汽车的速度，以防止智能汽车之间发生碰撞，实现了提前就能控制和避免智能汽车的碰撞，并且节省了现有的奔驰B和雷克萨斯LS复杂的雷达***，并且完全解放了驾驶员的车速控制操作，使得驾驶员在将智能汽车送入停车场门口时，即可自行离开智能汽车。
优选的，地磁传感器在其检测区域内，通过检测磁力线的扰动以确定智能汽车的进入和离开。
基于地磁信号的检测准确率超过了复杂的雷达***等传统设备，采用地磁传感器对智能汽车进行检测，提高了感知智能汽车的准确度，并且还降低了成本。
优选的地磁传感器包括：
采集模块，用于设地磁传感器检测到的原始信号数据进行低通和带通滤波器去噪、降低采样频率、求能量谱处理，得到信号β(k)；
加工模块，用于采用滑动加权对信号进行处理得到平滑后信号β′(k)：
式中，Window表示滑动窗口长度。
本优选实施例对原始信号进行平滑处理，这能够消除突发噪声的影响，可以提高信号分析的准确率。
优选的，运动分析装置包括：
V模块，用于分析智能汽车的速度；
R模块，用于分析智能汽车的轨迹。
本优选实施例同时分析智能汽车的速度和轨迹，从而能够综合分析汽车的运动状况。
优选的，V模块包括：
阈值模块，用于确定阈值T(k)，若当前信号采样连续超过阈值则认为有智能汽车存在，当信号连续低于阈值则认为智能汽车不存在，其中，T(k)根据B′(k)的变化进行迭代更新，假设阈值初始值为T0，T(k)采用下式进行更新：
式中，A和B为更新因子，T为阈值更新延迟，0＜A＜1，B＞1；
速度模块，确定速度
式中，ΔTB和ΔTA分别表示地磁传感器B和地磁传感器A的时钟和标准时钟的差值，TB,start和TA,start分别表示地磁传感器B和地磁传感器A的检测到智能汽车的开始时间，TB,end和TA,end分别表示地磁传感器B和地磁传感器A的检测到智能汽车的截止时间，dA,B表示两个地磁传感器之间的距离。
本优选实施例加强了对实际检测环境中背景噪声的分析处理，因此提高了鲁棒性，能够保证智能汽车检测的准确性和可靠性；求取智能汽车速度时，考虑了地磁传感器的时钟同步问题，智能汽车速度检测更为准确。
优选的，R模块包括一般模块和简化模块，一般模块用于建立轨迹一般模型，简化模块用于建立与符合车道的轨迹简化模型。
轨迹一般模型为：假设地磁传感网络中的多个地磁传感器构成的n个节点，在固定的时间间隔内对智能汽车进行周期性的检测并上报汇聚节点，得到一个n维向量集D＝(+1,0,-1)n,其中，+1表示智能汽车向着地磁传感器的检测范围方向移动，0表示没有发现智能汽车，-1表示智能汽车往远离地磁传感器检测范围的方向移动，根据向量集D以及对应的时间戳对智能汽车轨迹进行估算；
轨迹简化模型为：智能汽车的运行轨迹是与车道平行的直线，汇聚节点在固定的时间间隔π内以一定的频率采样智能汽车数据，则采样结果表示为一个二元检测序列o(tj)：
式中，tj表示采样时刻，s(tj)为根据阈值检测到的智能汽车存在性状态输出。
本优选实施例实现了对智能汽车轨迹的估算，一般模型能够对于各种轨迹进行估算，当智能汽车运行于规划路线时，采用轨迹简化模型能够对智能汽车轨迹进行简化，提高了计算效率，节省了计算时间，从而能更及时地预判，提前将智能汽车减速或加速。
优选的，设在某一时刻地磁传感器f检测到尾部离开事件，地磁传感器g检测到头部进入，智能汽车长度检测模块确定智能汽车的长度为：
式中，T、H、P分别为实际环境中的温度、湿度、气压，T0、H0、P0分别为标准温度、标准湿度、标准气压，dp,q表示两个地磁传感器f和g之间的距离，df和dg分别表示智能汽车与地磁传感器f和g的距离，doff表示智能汽车偏移两个地磁传感器连线的距离。
由于磁信号受到环境因素的影响，将温湿度和气压作为依据对误差调整参数进行计算，获得的智能汽车长度更为准确。本优选实施例在对智能汽车长度进行检测的过程中，引入T、H、P分别为实际环境中的温度、湿度、气压，从而可以调整这些自然因素带来的误差，能够减少经计算得到的磁性长度与智能汽车实际长度的误差，
需要说明的是，上述装置或***实施例属于优选实施例，所涉及的模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本申请所提供的一种基于云的汽车无人驾驶***，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (7)
1.一种基于云的汽车无人驾驶***，其特征在于，包括：云、地磁检测***、通信网络和智能汽车，智能汽车包括运动分析装置和控制装置；其中，
云，用于根据目的地、当前路况以及用户的要求规划精确到车道的路线，并将路线发送给智能汽车；
地磁检测***布设在车道的路面下，用于检测智能汽车；
通信网络，用于在云、地磁检测***和智能汽车之间实时地收发数据；
运动分析装置，设置于智能汽车上，用于根据地磁检测***的检测数据确定智能汽车的运动状况；
控制装置，设置于智能汽车上，用于根据运动分析装置的分析控制智能汽车的驾驶。
2.根据权利要求1所述的汽车无人驾驶***，其特征在于，地磁检测***由多个地磁传感器联网构成，地磁传感器在通过检测磁场扰动以确定智能汽车的进入和离开。
3.根据权利要求2所述的汽车无人驾驶***，其特征在于，地磁传感器包括：
信号模块，用于对地磁传感器检测到的原始信号数据进行去噪、降低采样频率、求能量谱处理，得到时刻k的信号S(k)；
平滑模块，用于采用滑动加权对信号进行处理得到平滑后信号
其中W表示滑动窗口长度，i表示时刻k之前的第i个信号。
4.根据权利要求3所述的汽车无人驾驶***，其特征在于，运动分析装置包括：V模块，用于分析智能汽车的速度V；R模块，用于分析智能汽车的轨迹R。
5.根据权利要求4所述的汽车无人驾驶***，其特征在于，V模块包括：
阈值模块，用于确定阈值U(k)，若当前信号采样连续超过U(k)则认为有智能汽车处于该地磁传感器的范围内，当信号连续低于U(k)则认为没有智能汽车处于该地磁传感器的范围内，其中，根据S′(k)的变化对U(k)进行迭代更新，假设阈值初始值为U0，其中，X和Y为更新因子，U为阈值更新延迟，0＜X＜1，Y＞1；
速度模块，确定速度
<mrow>
<mi>v</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>3</mn>
</mfrac>
<mroot>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>d</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>s</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&Delta;T</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>s</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&Delta;T</mi>
<mi>A</mi>
</msub>
<mo>)</mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>d</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>B</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>e</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&Delta;T</mi>
<mi>B</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<mo>(</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>e</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>&Delta;T</mi>
<mi>A</mi>
</msub>
<mo>)</mo>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>3</mn>
</msup>
</mrow>
<mn>3</mn>
</mroot>
</mrow>
式中，ΔTA和ΔTAB分别表示地磁传感器A和地磁传感器B的时钟和标准时钟的差值，TA,s和TB,s分别表示地磁传感器A和地磁传感器B的检测到智能汽车的开始时间，TA,e和TB,e分别表示地磁传感器A和地磁传感器B的检测到智能汽车的截止时间，dA,B表示两个地磁传感器A和B之间的距离。
6.根据权利要求5所述的汽车无人驾驶***，其特征在于，R模块包括一般模块和简化模块，一般模块用于建立轨迹一般模型，简化模块用于建立与符合车道的轨迹简化模型；
轨迹一般模型为：假设地磁传感网络中的n个地磁传感器在固定的时间间隔内对智能汽车进行周期性的检测，检测数据汇聚得到向量集L＝(+1,0,-1)n,其中，+1表示智能汽车靠近地磁传感器的检测范围，0表示没有发现智能汽车，-1表示智能汽车往远离地磁传感器检测范围，根据向量集L以及对应的时间戳对智能汽车轨迹进行估算；
轨迹简化模型为：智能汽车的运行轨迹与车道重合，周期性地采集智能汽车数据，则采集结果表示为一个二元检测序列M(tj)：
<mrow>
<mi>M</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>s</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>&NotEqual;</mo>
<mn>0</mn>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>s</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mi>T</mi>
<mo>)</mo>
<mo>=</mo>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
<mo>,</mo>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>s</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>=</mo>
<mn>0</mn>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>s</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mi>T</mi>
<mo>)</mo>
<mo>=</mo>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>s</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
<mo>=</mo>
<mn>0</mn>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>s</mi>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mi>T</mi>
<mo>)</mo>
<mo>&NotEqual;</mo>
<mn>0</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中，tj表示采样时刻，s(tj)为根据阈值检测到的智能汽车存在性状态输出。
7.根据权利要求6所述的汽车无人驾驶***，其特征在于,设在某一时刻地磁传感器f检测到尾部离开事件，地磁传感器g检测到头部进入，智能汽车长度检测模块确定智能汽车的长度L为：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>L</mi>
<mo>=</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mroot>
<mfrac>
<mrow>
<mfrac>
<mrow>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</mrow>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>+</mo>
<mn>2</mn>
<mfrac>
<mrow>
<mi>H</mi>
<mo>-</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
</mrow>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>+</mo>
<msqrt>
<mfrac>
<mrow>
<mi>P</mi>
<mo>-</mo>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
</mrow>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
</mfrac>
</msqrt>
</mrow>
<mn>3</mn>
</mfrac>
<mn>3</mn>
</mroot>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
</mrow>
</msub>
<mo>-</mo>
<msqrt>
<mrow>
<msubsup>
<mi>R</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<msqrt>
<mrow>
<msubsup>
<mi>R</mi>
<mi>q</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>f</mi>
<mo>,</mo>
<mi>g</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>R</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，T、H、P分别为实际环境中的温度、湿度、气压，T0、H0、P0分别为标准温度、标准湿度、标准气压，dp,q表示两个地磁传感器f和g之间的距离，df和dg分别表示智能汽车与地磁传感器f和g的距离，doff表示智能汽车偏移两个地磁传感器连线的距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710378016.XA CN107065886A (zh) | 2017-05-25 | 2017-05-25 | 基于云的汽车无人驾驶*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710378016.XA CN107065886A (zh) | 2017-05-25 | 2017-05-25 | 基于云的汽车无人驾驶*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107065886A true CN107065886A (zh) | 2017-08-18 |
Family
ID=59609753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710378016.XA Pending CN107065886A (zh) | 2017-05-25 | 2017-05-25 | 基于云的汽车无人驾驶*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107065886A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109921924A (zh) * | 2019-02-14 | 2019-06-21 | 电子科技大学 | 一种智能汽车多层立体网联控制***建模方法 |
| CN111290407A (zh) * | 2020-03-30 | 2020-06-16 | 新石器慧通（北京）科技有限公司 | 自动驾驶车辆及其转向调节方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923782A (zh) * | 2010-07-28 | 2010-12-22 | 北京交通大学 | 基于地磁传感技术的交通车辆速度获取方法 |
| CN102881171A (zh) * | 2012-05-24 | 2013-01-16 | 中国科学院深圳先进技术研究院 | 车辆检测方法及其车辆检测***以及车辆路径规划*** |
| CN103065496A (zh) * | 2012-12-20 | 2013-04-24 | 北京时代凌宇科技有限公司 | 一种基于地磁的停车场车辆循迹定位管理***及方法 |
| CN106128130A (zh) * | 2016-07-01 | 2016-11-16 | 北京工业大学 | 基于地磁车辆检测器的施工区运行状态控制方法和*** |
-
2017
- 2017-05-25 CN CN201710378016.XA patent/CN107065886A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923782A (zh) * | 2010-07-28 | 2010-12-22 | 北京交通大学 | 基于地磁传感技术的交通车辆速度获取方法 |
| CN102881171A (zh) * | 2012-05-24 | 2013-01-16 | 中国科学院深圳先进技术研究院 | 车辆检测方法及其车辆检测***以及车辆路径规划*** |
| CN103065496A (zh) * | 2012-12-20 | 2013-04-24 | 北京时代凌宇科技有限公司 | 一种基于地磁的停车场车辆循迹定位管理***及方法 |
| CN106128130A (zh) * | 2016-07-01 | 2016-11-16 | 北京工业大学 | 基于地磁车辆检测器的施工区运行状态控制方法和*** |
Non-Patent Citations (1)
| Title |
|---|
| KYOUNG-WOOK MIN,ET AL: "Design and Implementation of autonomous vehicle valet parking system", 《PROCEEDING OF THE 16TH INTERNATIONAL IEEE ANNUAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109921924A (zh) * | 2019-02-14 | 2019-06-21 | 电子科技大学 | 一种智能汽车多层立体网联控制***建模方法 |
| CN109921924B (zh) * | 2019-02-14 | 2021-07-13 | 电子科技大学 | 一种智能汽车多层立体网联控制***建模方法 |
| CN111290407A (zh) * | 2020-03-30 | 2020-06-16 | 新石器慧通（北京）科技有限公司 | 自动驾驶车辆及其转向调节方法 |
| CN111290407B (zh) * | 2020-03-30 | 2023-09-15 | 新石器慧通（北京）科技有限公司 | 自动驾驶车辆及其转向调节方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107672589B (zh) | 一种基于雷达探测数据的车辆轨迹实时预测方法和装置 | |
| CN107085938B (zh) | 基于车道线与gps跟随的智能驾驶局部轨迹容错规划方法 | |
| US10800427B2 (en) | Systems and methods for a vehicle controller robust to time delays | |
| CN103454919B (zh) | 智能空间中移动机器人的运动控制***的控制方法 | |
| US20200346654A1 (en) | Vehicle Information Storage Method, Vehicle Travel Control Method, and Vehicle Information Storage Device | |
| CN109062209A (zh) | 一种智能辅助驾驶控制***及其控制方法 | |
| CN109649390A (zh) | 一种自动驾驶汽车自主跟车***及方法 | |
| CN108536149A (zh) | 一种基于Dubins路径的无人驾驶车辆避障控制装置及控制方法 | |
| CN108646731A (zh) | 无人驾驶车辆场端控制***及其控制方法 | |
| CN104709283A (zh) | 车道变换控制装置及其控制方法 | |
| KR101155565B1 (ko) | 네트워크를 이용한 차량 제어 방법 및 시스템 | |
| CN110816540B (zh) | 交通拥堵的确定方法、装置、***及车辆 | |
| CN108032859A (zh) | 自动变道控制方法、装置和汽车 | |
| WO2023201964A1 (zh) | 一种跟车目标确定方法、装置、设备及介质 | |
| CN107678418A (zh) | 自适应巡航测试方法及装置 | |
| CN106950953A (zh) | 一种自动泊车路径跟踪及车辆控制***和方法 | |
| CN107102642A (zh) | 用于无人驾驶汽车的自动泊车*** | |
| Wang et al. | ECASS: Edge computing based auxiliary sensing system for self-driving vehicles | |
| CN107065886A (zh) | 基于云的汽车无人驾驶*** | |
| Chang et al. | Automated highway system experiments in the path program | |
| McAree et al. | Lateral control of vehicle platoons with on-board sensing and inter-vehicle communication | |
| Ravipati et al. | Vision based localization for infrastructure enabled autonomy | |
| KR20050092172A (ko) | 자기장을 이용한 궤도차량의 자율 주행시스템 및 그주행방법 | |
| US20200013286A1 (en) | Train presence detection apparatus | |
| CN108303987A (zh) | 一种电动汽车的自动驾驶控制***及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170818 |
|
| RJ01 | Rejection of invention patent application after publication |