CN109532719A - 一种基于多传感器信息融合的电动汽车 - Google Patents
一种基于多传感器信息融合的电动汽车 Download PDFInfo
- Publication number
- CN109532719A CN109532719A CN201811413083.1A CN201811413083A CN109532719A CN 109532719 A CN109532719 A CN 109532719A CN 201811413083 A CN201811413083 A CN 201811413083A CN 109532719 A CN109532719 A CN 109532719A
- Authority
- CN
- China
- Prior art keywords
- module
- information
- control
- electric car
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提出一种基于多传感器信息融合的电动汽车,所述电动汽车的电子***包括依次相连的子***、信息模块、融合控制器、域模块和中央网关,其中信息模块为测量传感器,融合控制器接收信息模块的测量信息并生成控制决策,域模块接收并执行融合控制器的控制指令,子***用于实现动力控制和车身电子***监控。本发明提出基于多传感器信息融合的电动汽车,在充分利用多个传感器资源的基础上,通过对多种传感器及其感知数据的合理支配、管理与利用,将多种传感器在空间和时间上的独立信息、互补信息以及冗余信息通过MHT和DSmT理论进行融合,并利用时序信息改进冲突分配,从而得到对所感知环境的一致性解释与描述。
Description
技术领域
本发明属于电动汽车领域,尤其是一种基于多传感器信息融合的电动汽车。
背景技术
近年来,随着经济的发展,智能电动汽车已经成为世界汽车工程领域的研究热点,智能汽车的发展很大程度上取决于对交互信息的感知、融合、理解能力和交互行为决策能力,特别是在动态复杂环境中的视觉感知能力和对车辆的运动控制能力。因此整车的控制架构的开发和拓展变得更加重要。智能汽车的电子电气架构的传感器信息大量涌现,海量信息处理的困难性、数据关联的复杂性、以及信息处理的及时性、准确性和可靠性,这些都是迫切需要解决的问题,它与智能电动汽车的安全性和高效性紧密联系。
为了提高智能电动电子汽车架构的安全性和高效性,需要对智能电动汽车电子电气架构提出更高的要求。现有的汽车多个控制器之间采用分布式决策方式,即每个控制器都具有自己的判断逻辑,多个控制器之间的判断逻辑相对比较固定,在现有的智能电动汽车的电子电气架构中往往很难及时的高效的处理海量的信息。
发明内容
基于此,本发明提出一种基于多传感器信息融合的电动汽车,采用的技术方案如下:
一种基于多传感器信息融合的电动汽车,所述电动汽车的电子***包括依次相连的子***、信息模块、融合控制器、域模块和中央网关,其中信息模块为测量传感器,融合控制器接收信息模块的测量信息并生成控制决策,域模块接收并执行融合控制器的控制指令,子***用于实现动力控制和车身电子***监控。
进一步的,域模块包括电池管理域模块、底盘控制域模块、车身信息控制域模块、舒适域控制模块和智能驾驶域模块。
进一步的,电池管理域模块包括整车控制器、车载充电机、集成动力控制器、电子换挡器、自动变速器控制单元和智能电池传感器。
进一步的,底盘控制域模块包括泊车辅助***、电子助力转向***、前摄像头***前雷达***、转向柱组合开关、方向盘转角传感器、电子稳定控制单元、电子驻车制动***、制动回馈***、四轮驱动***、智能制动助力增压器、后侧方雷达模块、全景影像模块、盲点监测、自动泊车辅助和安全气囊控制单元。
进一步的,车身信息控制域模块包括行车记录仪、多媒体交互***、远程信息处理控制器和组合仪表控制单元。
进一步的,舒适域控制模块包括驾驶员座椅控制模块、空调控制器、后背门自动举升、车辆声学警示***、车身控制模块、副驾门模块、司机门模块、电子转向柱锁控制单元、无钥匙进入一键式启动单元、自适应远光和智能前大灯随动***。
进一步的,智能驾驶域模块包括远光灯辅助***、驾驶员侧后部座椅模块、前乘客座椅模块、前乘客侧后部座椅模块、左前座椅气动模块、左后座椅气动模块、右前座椅气动模块、右后座椅气动模块、灯光效果管理***、左侧车道变道警告***、右侧车道变道警告***、车道偏离警告***、交通标志识别***、车道保持辅助***、侧面碰撞警告***、转向和方向导向辅助***、变速箱电子控制***、碰撞和安全模块动态稳定控制***、后桥侧偏角控制***、前部电动主动式侧倾稳定装置、后部电动主动式侧倾稳定装置、夜视***、主动定速巡航控制***和后座区娱乐***。
进一步的,域模块还包括空调控制面板、PM 2.5传感器、负离子发生器、高压电加热电阻、空调压缩机模块、电子水阀、雨量光线传感器、天窗电机控制器、天窗遮阳板控制器、后司机门模块、后副驾门模块、虚拟钥匙控制器、脚步移动检测模块、前控制面板、无线充电模块、氛围灯主控制器。
进一步的,信息模块包括相机、毫米波雷达、激光雷达和组合导航***。
进一步的,所述电动汽车利用多传感器融合进行多目标识别和跟踪,步骤包括:
步骤1:获取相机、毫米波雷达、激光雷达的测量数据,包括目标的像素位置、大小、类别和类别置信度等;
步骤2:基于多种传感器的检测结果,生成各目标检测区域之间的关联概率关系;
步骤3:利用关联概率值和检测的对应条件形成多种假设,每种假设对应一种多目标的多传感器检测结果;
步骤4:提取联合概率值最大的假设,生成单帧最可能假设,实现测量数据的聚类和合并;
步骤5:使用DSmT算法进行当单帧目标识别;
步骤6:基于检测目标的时间序列特性进行检测冲突重分配;
步骤7:利用卡尔曼滤波进行当前帧的目标跟踪。
与现有技术相比,本发明的有益效果在于:本发明提出基于多传感器信息融合的电动汽车,在充分利用多个传感器资源的基础上,通过对多种传感器及其感知数据的合理支配、管理与利用,将多种传感器在空间和时间上的独立信息、互补信息以及冗余信息通过MHT和DSmT理论进行融合,并利用时序信息改进冲突分配,从而得到对所感知环境的一致性解释与描述。本发明能高效的处理智能车周围的障碍物信息,从而提高整车电气架构信息的处理效率和整车的安全性。
附图说明
图1是电动汽车电子***结构示意图;
图2是DSmT融合算法示意图;
图3是融合算法整体示意图。
具体实施方式
如图1所示,本实施例中提出的电动汽车包括依次相连的子***、信息模块、融合控制器、域模块和中央网关,
子***包括:
动力控制电***、底盘安全***、娱乐信息***、车身电子***和高级辅助驾驶***;
域模块包括:
由整车控制器、车载充电机、集成动力控制器、电子换挡器、自动变速器控制单元、智能电池传感器构成的电池管理域模块;
由泊车辅助***、电子助力转向***、前摄像头***前雷达***、转向柱组合开关、方向盘转角传感器、电子稳定控制单元、电子驻车制动***、制动回馈***、四轮驱动***、智能制动助力增压器、后侧方雷达模块(左)、后侧方雷达模块(右)、全景影像模块、盲点监测、自动泊车辅助和安全气囊控制单元构成的底盘控制域模块;
由行车记录仪、多媒体交互***、远程信息处理控制器、组合仪表控制单元、抬头显示***构成的车身信息控制域模块;
由驾驶员座椅控制模块、空调控制器、后背门自动举升、车辆声学警示***、车身控制模块、副驾门模块、司机门模块、电子转向柱锁控制单元、无钥匙进入一键式启动单元、自适应远光和智能前大灯随动***构成的舒适域控制模块。
由远光灯辅助***、驾驶员侧后部座椅模块、前乘客座椅模块、前乘客侧后部座椅模块、左前座椅气动模块、左后座椅气动模块、右前座椅气动模块、右后座椅气动模块、灯光效果管理***、左侧车道变道警告***、右侧车道变道警告***、车道偏离警告***、交通标志识别***、车道保持辅助***、侧面碰撞警告***、转向和方向导向辅助***、变速箱电子控制***、碰撞和安全模块动态稳定控制***、后桥侧偏角控制***、前部电动主动式侧倾稳定装置、后部电动主动式侧倾稳定装置、夜视***、主动定速巡航控制***和后座区娱乐***构成的智能驾驶域模块。
由空调控制面板、PM 2.5传感器、负离子发生器、高压电加热电阻、空调压缩机模块、电子水阀、雨量光线传感器、天窗电机控制器、天窗遮阳板控制器、后司机门模块、后副驾门模块、虚拟钥匙控制器、脚步移动检测模块、前控制面板、无线充电模块、氛围灯主控制器构成的其它域控制模块。
由差分GPS信号接收/发送、及相应处理模块、LTE-V信号接收/发送、及相应处理模块、WIFI信号接收/发送、及相应处理模块构成的V2X域控制模块。
信息模块包括:
相机、毫米波雷达、激光雷达和组合导航***,其中相机基于深度学习进行障碍物检测、识别和跟踪;基于深度学习检测车道线信息,毫米波雷达用于检测出障碍物位置信息,激光雷达用于模式识别和目标追踪。
如图2图3所示,本实施例中,利用相机、毫米波雷达、激光雷达三种传感器采集的数据,将三种传感器的采集信息作为三个证据源,利用多假设跟踪算法对多帧检测的结果进行关联,在数据关联的基础上,根据目标在多个证据下的识别结果,基于DSmT理论,通过改进冲突分配规则对识别的类别置信度进行融合,从而得到正确的识别类别和目标的位置信息,融合控制器辅以组合导航***对电动汽车本身的跟踪信息,可以生成相应的控制指令。
进行目标跟踪和识别时,首先进行数据预处理,利用多个传感器的检测结果,形成目标障碍物的证据描述。将其数据统一到同一坐标系下,形成各自的目标检测区域。多传感器对同一目标的检测可能出现冗余情况,为了获取对多传感器检测目标的统一描述,基于多假设跟踪算法(MHT)中的多假设思想对单帧下同一目标的传感器数据实现数据的聚类和合并,以选取更为可靠的目标障碍区域,步骤包括:
步骤1:获取各传感器的测量数据,包括目标的像素位置、大小、类别和类别置信度等;
步骤2:基于多种传感器的的检测结果,生成各目标检测区域之间的关联概率关系;
步骤3:利用关联概率值和检测的对应条件形成多种假设,每种假设对应一种多目标的多传感器检测结果;
步骤4:提取联合概率值最大的假设,生成单帧最可能假设。
其中步骤4中生成最优假设时,将每一条假设所包含的所有关联概率值相加形成一个联合概率值,针对多种假设进行筛选,如多种传感器关联越准确,则假设中生成的联合概率值越大,因此,选取概率最大的假设作为当前帧融合的最优输出结果。
进行数据聚类后,基于DSmT理论进行单帧目标识别,通过基于DSmT理论对多传感器多视角检测结果进行融合处理,能够融合多个视角下的检测特征,实现更优的检测效果。
假设每个场景或待检测目标可以由传感器1、传感器2......传感器n同时检测得到,每个传感器的检测结果都可以看做是一个证据源,并给出识别集合:
⊙={OBJtype1,OBJtype2,…OBJtypen}
对于融合检测结果,每个被检测出来的目标都有一个置信度,并赋值以基本概率数值,假设对于1号目标,传感器1识别出来的类别是OBJtype1,并得知相应的各种检测结果的概率值
{m11(OBJtype1)m11(OBJtype2)…m11(OBJtypen)}
,同样对于1号目标,传感器2识别出来的类别是OBJtype1,并得知相应的各种检测结果的概率值
{m21(OBJtype1),m21(OBJtype2)…m21(OBJtype))}
,基于DSmT中的PCR5(proportional conflict redistribution rules No.5)原则,得出融合传感器1和传感器2的识别结果:
式中,X∈⊙,D⊙表示对⊙中的元素进行相应运算之后获取的超幂集合。
在车辆行驶过程中,由于车辆周围的物体基本不会发生突变,所以在目标检测的过程中,考虑时序信息有助于提高对目标检测的正确判断,例如当一个目标在多帧情况下判断是障碍物,则其后一帧即使因为漏检或误检等情况,当前帧也可以基于检测目标在时间序列上的关系正确预测该目标,本市实施中通过将检测结果加权分配给不同传感器的冲突单元,同时考虑检测结果序列,使得冲突的分配更加准确。
本实施例中,通过ROS***建立检测目标在时间序列上的关系,对于某一固定目标,选取连续的检测结果,设连续检测结果的数量为s,设s个检测结果序列为
{m1(OBJtype1),m2(OBJtype2)…ms(OBJtypen)}
针对第s+1个检测结果,将初始概率设定为
{md(OBJtype1),md(OBJtype2)…md(OBJtypen)}
设定两种传感器之间的冲突分配系数为
则第s+1次预测的类别置信度为
ms+i(X)=δi(X)+δ2(X,Y)
其中
δ1=ms(X)md(X)
δ1表示非冲突证据支撑程度,δ2表示冲突情况下对X的分配程度。
本实施例中,利用卡尔曼滤波算法对每帧数据分析,得到融合后的障碍物检测列表,同时建立障碍物跟踪列表。对于跟踪的目标,卡尔曼滤波算法估计目标的位置和大小,对于每一帧的检测目标,根据上述数据聚类、和时间序列分析将其与跟踪的目标形成数据关联,未能形成关联的部分则根据原因分为“突然出现”和“突然消失”,前者则作为新的目标进行跟踪,后者则进入目标状态判断阈值筛选。在此基础上,获取了跟踪障碍物列表,最终利用目标状态判断阈值筛选目标,生成最终的障碍物跟踪列表。
以上所述仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明创造的保护范围之内。
Claims (10)
1.一种基于多传感器信息融合的电动汽车,其特征在于,所述电动汽车的电子***包括依次相连的子***、信息模块、融合控制器、域模块和中央网关,其中信息模块为测量传感器,融合控制器接收信息模块的测量信息并生成控制决策,域模块接收并执行融合控制器的控制指令,子***用于实现动力控制和车身电子***监控。
2.如权利要求1所述一种基于多传感器信息融合的电动汽车,其特征在于,域模块包括电池管理域模块、底盘控制域模块、车身信息控制域模块、舒适域控制模块和智能驾驶域模块。
3.如权利要求2所述一种基于多传感器信息融合的电动汽车,其特征在于,电池管理域模块包括整车控制器、车载充电机、集成动力控制器、电子换挡器、自动变速器控制单元和智能电池传感器。
4.如权利要求2所述一种基于多传感器信息融合的电动汽车,其特征在于,底盘控制域模块包括泊车辅助***、电子助力转向***、前摄像头***前雷达***、转向柱组合开关、方向盘转角传感器、电子稳定控制单元、电子驻车制动***、制动回馈***、四轮驱动***、智能制动助力增压器、后侧方雷达模块、全景影像模块、盲点监测、自动泊车辅助和安全气囊控制单元。
5.如权利要求2所述一种基于多传感器信息融合的电动汽车,其特征在于,车身信息控制域模块包括行车记录仪、多媒体交互***、远程信息处理控制器和组合仪表控制单元。
6.如权利要求2所述一种基于多传感器信息融合的电动汽车,其特征在于,舒适域控制模块包括驾驶员座椅控制模块、空调控制器、后背门自动举升、车辆声学警示***、车身控制模块、副驾门模块、司机门模块、电子转向柱锁控制单元、无钥匙进入一键式启动单元、自适应远光和智能前大灯随动***。
7.如权利要求2所述一种基于多传感器信息融合的电动汽车,其特征在于,智能驾驶域模块包括远光灯辅助***、驾驶员侧后部座椅模块、前乘客座椅模块、前乘客侧后部座椅模块、左前座椅气动模块、左后座椅气动模块、右前座椅气动模块、右后座椅气动模块、灯光效果管理***、左侧车道变道警告***、右侧车道变道警告***、车道偏离警告***、交通标志识别***、车道保持辅助***、侧面碰撞警告***、转向和方向导向辅助***、变速箱电子控制***、碰撞和安全模块动态稳定控制***、后桥侧偏角控制***、前部电动主动式侧倾稳定装置、后部电动主动式侧倾稳定装置、夜视***、主动定速巡航控制***和后座区娱乐***。
8.如权利要求2所述一种基于多传感器信息融合的电动汽车,其特征在于,域模块还包括空调控制面板、PM 2.5传感器、负离子发生器、高压电加热电阻、空调压缩机模块、电子水阀、雨量光线传感器、天窗电机控制器、天窗遮阳板控制器、后司机门模块、后副驾门模块、虚拟钥匙控制器、脚步移动检测模块、前控制面板、无线充电模块、氛围灯主控制器。
9.如权利要求1所述一种基于多传感器信息融合的电动汽车,其特征在于,信息模块包括相机、毫米波雷达、激光雷达和组合导航***。
10.如权利要求9所述一种基于多传感器信息融合的电动汽车,其特征在于,所述电动汽车利用多传感器融合进行多目标识别和跟踪,步骤包括:
步骤1:获取相机、毫米波雷达、激光雷达的测量数据,包括目标的像素位置、大小、类别和类别置信度等;
步骤2:基于多种传感器的检测结果,生成各目标检测区域之间的关联概率关系;
步骤3:利用关联概率值和检测的对应条件形成多种假设,每种假设对应一种多目标的多传感器检测结果;
步骤4:提取联合概率值最大的假设,生成单帧最可能假设,实现测量数据的聚类和合并;
步骤5:使用DSmT算法进行当单帧目标识别;
步骤6:基于检测目标的时间序列特性进行检测冲突重分配;
步骤7:利用卡尔曼滤波,结合目标识别结果和组合导航***的定位信息进行当前帧的目标跟踪和预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811413083.1A CN109532719B (zh) | 2018-11-23 | 2018-11-23 | 一种基于多传感器信息融合的电动汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811413083.1A CN109532719B (zh) | 2018-11-23 | 2018-11-23 | 一种基于多传感器信息融合的电动汽车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109532719A true CN109532719A (zh) | 2019-03-29 |
CN109532719B CN109532719B (zh) | 2021-09-03 |
Family
ID=65850365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811413083.1A Active CN109532719B (zh) | 2018-11-23 | 2018-11-23 | 一种基于多传感器信息融合的电动汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109532719B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399898A (zh) * | 2019-06-17 | 2019-11-01 | 中国北方车辆研究所 | 一种无人车辆多传感器信息融合体系架构 |
CN110543850A (zh) * | 2019-08-30 | 2019-12-06 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、神经网络训练方法及装置 |
CN111160447A (zh) * | 2019-12-25 | 2020-05-15 | 中国汽车技术研究中心有限公司 | 一种基于DSmT理论的自主泊车定位***多传感器感知融合方法 |
CN111391823A (zh) * | 2019-12-27 | 2020-07-10 | 湖北亿咖通科技有限公司 | 一种用于自动泊车场景的多层地图制作方法 |
CN111949943A (zh) * | 2020-07-24 | 2020-11-17 | 北京航空航天大学 | 一种面向高级自动驾驶的v2x和激光点云配准的车辆融合定位方法 |
CN112009468A (zh) * | 2019-05-30 | 2020-12-01 | 罗伯特·博世有限公司 | 用于自动驾驶***的多假设物体跟踪 |
CN112477782A (zh) * | 2019-09-12 | 2021-03-12 | 华为技术有限公司 | 实现汽车中电子控制功能的***、方法以及汽车 |
WO2021047261A1 (zh) * | 2019-09-12 | 2021-03-18 | 华为技术有限公司 | 实现汽车中电子控制功能的***、方法以及汽车 |
WO2021072696A1 (zh) * | 2019-10-17 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 目标检测与跟踪方法、***、可移动平台、相机及介质 |
CN112731324A (zh) * | 2020-12-16 | 2021-04-30 | 中交第一公路勘察设计研究院有限公司 | 高速公路多雷达跨区域组网多目标跟踪方法 |
CN113002396A (zh) * | 2020-04-14 | 2021-06-22 | 青岛慧拓智能机器有限公司 | 一种用于自动驾驶矿用车辆的环境感知***及矿用车辆 |
CN113053121A (zh) * | 2021-03-22 | 2021-06-29 | 洪璐 | 一种汽车电子控制单元的安全算法管理方法及*** |
CN113283516A (zh) * | 2021-06-01 | 2021-08-20 | 西北工业大学 | 一种基于强化学习和d-s证据理论的多传感器数据融合方法 |
CN113459973A (zh) * | 2021-07-12 | 2021-10-01 | 广州小鹏汽车科技有限公司 | 电动汽车网络***、控制方法以及车辆 |
CN113514253A (zh) * | 2021-03-19 | 2021-10-19 | 中国汽车技术研究中心有限公司 | 一种应用于智能网联汽车的复杂气象条件测试平台 |
CN115214494A (zh) * | 2022-07-14 | 2022-10-21 | 安徽一维新能源技术有限公司 | 一种支持ros***的高精度底盘控制*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017066345A1 (en) * | 2015-10-13 | 2017-04-20 | Flywheel Software, Inc. | Accurately determining real time parameters describing vehicle motion based on multiple data sources |
CN206932240U (zh) * | 2017-08-01 | 2018-01-26 | 风度(常州)汽车研发院有限公司 | 车载以太网通信***和智能汽车 |
CN108445885A (zh) * | 2018-04-20 | 2018-08-24 | 鹤山东风新能源科技有限公司 | 一种基于纯电动物流车的自动驾驶***及其控制方法 |
-
2018
- 2018-11-23 CN CN201811413083.1A patent/CN109532719B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017066345A1 (en) * | 2015-10-13 | 2017-04-20 | Flywheel Software, Inc. | Accurately determining real time parameters describing vehicle motion based on multiple data sources |
CN206932240U (zh) * | 2017-08-01 | 2018-01-26 | 风度(常州)汽车研发院有限公司 | 车载以太网通信***和智能汽车 |
CN108445885A (zh) * | 2018-04-20 | 2018-08-24 | 鹤山东风新能源科技有限公司 | 一种基于纯电动物流车的自动驾驶***及其控制方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112009468A (zh) * | 2019-05-30 | 2020-12-01 | 罗伯特·博世有限公司 | 用于自动驾驶***的多假设物体跟踪 |
CN110399898A (zh) * | 2019-06-17 | 2019-11-01 | 中国北方车辆研究所 | 一种无人车辆多传感器信息融合体系架构 |
CN110543850A (zh) * | 2019-08-30 | 2019-12-06 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、神经网络训练方法及装置 |
CN110543850B (zh) * | 2019-08-30 | 2022-07-22 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、神经网络训练方法及装置 |
US11472422B2 (en) | 2019-09-12 | 2022-10-18 | Huawei Technologies Co., Ltd. | System and method for implementing automobile electronic control function |
US11433833B2 (en) | 2019-09-12 | 2022-09-06 | Huawei Technologies Co., Ltd. | System and method for implementing automobile electronic control function |
CN112477782A (zh) * | 2019-09-12 | 2021-03-12 | 华为技术有限公司 | 实现汽车中电子控制功能的***、方法以及汽车 |
WO2021047261A1 (zh) * | 2019-09-12 | 2021-03-18 | 华为技术有限公司 | 实现汽车中电子控制功能的***、方法以及汽车 |
WO2021047262A1 (zh) * | 2019-09-12 | 2021-03-18 | 华为技术有限公司 | 实现汽车中电子控制功能的***、方法以及汽车 |
US11975664B2 (en) | 2019-09-12 | 2024-05-07 | Huawei Technologies Co., Ltd. | System and method for implementing automobile electronic control function |
WO2021072696A1 (zh) * | 2019-10-17 | 2021-04-22 | 深圳市大疆创新科技有限公司 | 目标检测与跟踪方法、***、可移动平台、相机及介质 |
CN111160447B (zh) * | 2019-12-25 | 2023-11-14 | 中国汽车技术研究中心有限公司 | 一种基于DSmT理论的自主泊车定位***多传感器感知融合方法 |
CN111160447A (zh) * | 2019-12-25 | 2020-05-15 | 中国汽车技术研究中心有限公司 | 一种基于DSmT理论的自主泊车定位***多传感器感知融合方法 |
CN111391823A (zh) * | 2019-12-27 | 2020-07-10 | 湖北亿咖通科技有限公司 | 一种用于自动泊车场景的多层地图制作方法 |
CN113002396A (zh) * | 2020-04-14 | 2021-06-22 | 青岛慧拓智能机器有限公司 | 一种用于自动驾驶矿用车辆的环境感知***及矿用车辆 |
CN111949943A (zh) * | 2020-07-24 | 2020-11-17 | 北京航空航天大学 | 一种面向高级自动驾驶的v2x和激光点云配准的车辆融合定位方法 |
CN112731324A (zh) * | 2020-12-16 | 2021-04-30 | 中交第一公路勘察设计研究院有限公司 | 高速公路多雷达跨区域组网多目标跟踪方法 |
CN113514253A (zh) * | 2021-03-19 | 2021-10-19 | 中国汽车技术研究中心有限公司 | 一种应用于智能网联汽车的复杂气象条件测试平台 |
CN113053121A (zh) * | 2021-03-22 | 2021-06-29 | 洪璐 | 一种汽车电子控制单元的安全算法管理方法及*** |
CN113283516B (zh) * | 2021-06-01 | 2023-02-28 | 西北工业大学 | 一种基于强化学习和d-s证据理论的多传感器数据融合方法 |
CN113283516A (zh) * | 2021-06-01 | 2021-08-20 | 西北工业大学 | 一种基于强化学习和d-s证据理论的多传感器数据融合方法 |
CN113459973A (zh) * | 2021-07-12 | 2021-10-01 | 广州小鹏汽车科技有限公司 | 电动汽车网络***、控制方法以及车辆 |
CN113459973B (zh) * | 2021-07-12 | 2023-10-31 | 广州小鹏汽车科技有限公司 | 电动汽车网络***、控制方法以及车辆 |
CN115214494A (zh) * | 2022-07-14 | 2022-10-21 | 安徽一维新能源技术有限公司 | 一种支持ros***的高精度底盘控制*** |
CN115214494B (zh) * | 2022-07-14 | 2023-03-24 | 安徽一维新能源技术有限公司 | 一种支持ros***的高精度底盘控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN109532719B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109532719A (zh) | 一种基于多传感器信息融合的电动汽车 | |
KR102546511B1 (ko) | 자율 차량들을 위한 중복성 하드웨어 시스템 | |
CN108445885A (zh) | 一种基于纯电动物流车的自动驾驶***及其控制方法 | |
US20200256681A1 (en) | Apparatus for providing map | |
US11763574B2 (en) | Multi-modal, multi-technique vehicle signal detection | |
US20200234191A1 (en) | Travel model generation system, vehicle in travel model generation system, and processing method | |
US20070043491A1 (en) | Driver assistance system | |
CN111258318A (zh) | 一种环卫车自动驾驶***及其控制方法 | |
JP7382327B2 (ja) | 情報処理装置、移動体、情報処理方法及びプログラム | |
CN111164530A (zh) | 更新用于至少一个移动单元的自动控制的控制模型的方法和*** | |
US20190100135A1 (en) | Acceleration event-based passenger notification system | |
CN110217231A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN115951678A (zh) | 一种用于电子导向胶轮车的自动驾驶*** | |
CN113841100A (zh) | 自主行驶控制设备、自主行驶控制***和自主行驶控制方法 | |
DE112022003364T5 (de) | Komplementäres steuersystem für ein autonomes fahrzeug | |
US12037017B2 (en) | Collision evaluation using a hierarchy of grids | |
CN106778907A (zh) | 一种基于多传感器信息融合的智能行车预警*** | |
CN110908367A (zh) | 一种基于scstsv的智能网联汽车计算平台 | |
Pechinger et al. | Cyclist Safety in Urban Automated Driving-Sub-Microscopic HIL Simulation | |
WO2023287906A1 (en) | System and method in the prediction of target vehicle behavior based on image frame and normalization | |
US20210241001A1 (en) | Vehicle control system | |
CN112351407A (zh) | 一种基于5g分级决策的aeb策略方法 | |
CN212172193U (zh) | 一种适用于微巴的智能网联自动驾驶*** | |
CN109131356A (zh) | 人机混合增强智能驾驶***及电动汽车 | |
US11987266B2 (en) | Distributed processing of vehicle sensor data |
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 |