CN109606346A - 一种自动驾驶的车道保持*** - Google Patents
一种自动驾驶的车道保持*** Download PDFInfo
- Publication number
- CN109606346A CN109606346A CN201811641801.0A CN201811641801A CN109606346A CN 109606346 A CN109606346 A CN 109606346A CN 201811641801 A CN201811641801 A CN 201811641801A CN 109606346 A CN109606346 A CN 109606346A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- image
- time
- control
- 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
- 238000011217 control strategy Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 50
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 206010016256 fatigue Diseases 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 2
- 238000005070 sampling Methods 0.000 claims 1
- 230000011218 segmentation Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000035484 reaction time Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- 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
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
-
- 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
- B60W40/10—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 vehicle motion
- B60W40/105—Speed
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—Steering systems
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/20—Steering systems
- B60W2510/202—Steering torque
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
-
- 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
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明涉及一种自动驾驶的车道保持***,包括转向灯、电子地图、道路图像采集摄像头、转向***转矩传感器、转向***角度传感器、CAN收发模块和微处理器,微处理器接收转向灯信号、车辆的实时位置、车辆所在车道的车道线、车辆车速以及车辆转向盘的实时转矩、转角数据并通过所述微处理器中的决策模块制定控制策略,所述微处理器中的车辆保持控制模块控制转向***进行主动转向控制或助力转向控制,使车辆返回原车道;本发明的车道保持控制***通过对车道保持控制的决策功能进行修改,使得在当前车辆的车道保持***能够减少对驾驶员的潜在干扰,也保证决策的及时性。
Description
技术领域
本发明涉及智能驾驶辅助技术领域,尤其涉及一种自动驾驶的车道保持***。
背景技术
2010年中国GDP总量超过日本,成为世界第二大经济体,人民收入水平和生活质量与以前相比已有了巨大飞跃,车辆作为曾经的奢侈品也逐渐走进普通百姓的生活。根据中华人民共和国公安部交通管理局官方统计数字表明,截至2018年10月底,全国机动车保有量达3.22亿,其中车辆保有量达2.35亿辆;车辆驾驶人达3.63亿人。同时,2018年1月至10月新注册登记车辆达近3000万辆,保有量净增近2000万辆,新注册量和年增量均达历史最高水平。从驾驶人驾龄看,驾龄不满1年的驾驶人达3314万人,占驾驶人总数的9.27%。随着道路交通行业的迅猛发展,机动车以及驾驶人员数量也在飞快的增长,然而这在给人民群众的工作生活带来便捷的同时,也不可忽视的带来了日益严重的道路安全隐患。
根据我国公安部交管局的统计数据可以推算,2017年全国车辆事故致死人数达到了6万人。车道偏离已经成为导致高速公路交通事故的主要原因,而且随着人口和车辆保有量的不断增长,车道偏离事故的数量也非常明显的呈现上涨态势。由此可见,为预防日益严峻的车道偏离事故的发生,推行行之有效的驾驶辅助***不仅是车辆行业技术发展的需要,也是维护社会安全的必要。随着智能车辆技术的不断发展,人们为了减少车道偏离所引起的事故,也逐渐发展了诸如车道保持辅助***(Lane Keeping Assistance System,LKAS),车道线检测技术(Lane Detection Technology),车道偏离预警(Lane DepartureWarning System,LDWS),车道偏离辅助***(Lane Departure Assistance System,LDAS)等驾驶员辅助***;但是,上述技术都只是针对车辆行驶过程中的局部行为进行控制,不能较好的应用于自动驾驶的车辆上。
专利申请号为CN201810292236.5的专利公开了一种防止车道偏离的方法及***,该***通过设置车辆靠近偏离侧车道线的前轮穿越辅助干预作用线所需的时间大于或等于偏离辅助阈值时间时,提供转向力辅助干预,使车辆返回原车道;在偏离侧车道线的内边缘处设置辅助停止作用线,辅助停止作用线与偏离侧车道线的内边缘之间的距离大于辅助干预作用线与偏离侧车道线的内边缘之间的距离;当车辆返回原车道且前轮穿越所述辅助停止作用线时,停止提供转向辅助干预。但是,该申请无法实现对汽车转向信号以及驾驶员状态的判定,并且在车辆偏角较小,但距离车道线仍较远时,无法及时进行主动转向控制,车辆会继续保持行进,当车辆与车道边线距离较短时,预留给转向***的反应时间较短,及时进行转向控制也存在碰撞风险,因此,采用该申请的方法无法实现对车辆状态的智能控制,也无法及时对车辆的偏角进行控制。
发明内容
本发明的目的是为了解决背景技术而提出的一种自动驾驶的车道保持***,在车道保持控制***的基础上加入车辆所在位置、转向灯信号以及转矩等信号的判断,能够使得控制***对车辆的主动转向或助力转向的转向控制进行更精准的判定,通过对车道线识别和连续性检测方法的修改能够实现对车道线更好的识别;同时,本发明还通过对车道保持控制的决策功能进行修改,使得在当前车辆的车道保持***能够减少对驾驶员的潜在干扰,也保证决策的及时性。
为了解决上述技术问题,本发明提供了一种自动驾驶的车道保持***,包括转向灯、电子地图、道路图像采集摄像头、转向***转矩传感器、转向***角度传感器、CAN收发模块和微处理器;
所述电子地图,用于提供车辆的实时位置;
所述道路图像采集摄像头,用于采集车辆前方的道路图像;
所述转向***转矩传感器,用于获取车辆转向盘的实时转矩;
所述转向***角度传感器,用于获取车辆转向盘的实时转角;
所述微处理器,用于接收转向灯信号、车辆的实时位置、车辆所在车道的车道线、车辆车速以及车辆转向盘的实时转矩、转角数据通过所述微处理器中的决策模块制定控制策略,所述微处理器中的车辆保持控制模块根据所述控制策略控制转向***进行主动转向控制或助力转向控制,使车辆返回原车道。
进一步地,所述微处理器检测到转向***的实时转矩大于阈值时,或转向***的实时转矩小于阈值且实时转矩控制时间小于设定阈值时间时,所述微处理器根据检测的信号选择是否进行助力转向控制;
当所述微处理器检测到转向***的实时转矩小于阈值且实时转矩控制时间大于设定阈值时间时,所述微处理器根据检测的信号选择是否进行主动转向控制。
进一步地,所述电子地图提供的车辆实时位置进入转弯路段的情况下,当所述微处理器检测到转向灯开启信号时,或所述微处理器未检测到转向灯开启信号且转向***实时转矩大于阈值时,所述微处理器根据检测的信号选择是否进行助力转向控制;
当所述微处理器未检测到转向灯未开启信号且转向***实时转矩小于阈值时,所述微处理器根据检测的信号选择是否进行主动转向控制。
进一步地,所述决策模块根据转向盘的实时转矩、转向盘转角、车辆相对车道的偏角和车速信息计算车道保持控制器所需转向助力转矩或目标转角的数值,从而通过控制转向***进行助力转向或主动转向,将车辆回归到安全的行驶区域。
跨道时间是车辆偏离车道中心线而到达车道线边线所需要的时间,因此,当跨道时间值越小时,则证明车辆越快碰到车道线,离车道线就越近,发生车道偏离的危险性越大。
偏离距离指车辆偏离车道中心线的距离,当偏离距离值越大时,车辆离车道中心线越远,发生车道偏离的危险性越大。
但是,在车辆偏角突然增大,偏离距离还未达到开启阈值时,跨道时间达到了开启阈值,此时,如果只采用偏离距离模式则会导致车辆在较大偏角下行驶一段时间后留给***进行主动转向时间较少。
同时,由于在直线路段上,通常车辆偏角较小,行驶一段时间后,跨道时间在整个过程中并没有达到预设阈值,但是车辆一直处在偏离车道的过程中;行驶一段时间后,车辆偏离车道的侧向位移达到偏离距离的阈值,决策模块控制车道保持控制***进行主动转向;由此可见,单纯使用跨道时间决策算法的局限性,采用两种决策方式进行综合决策能够实现对多种路况下的辅助转向控制。
在此基础上,本发明的决策模块根据跨道时间和偏离距离对车道保持控制器进行决策控制,在跨道时间或偏离距离中的至少一个达到了开启阈值时,决策模块启动车道保持控制器;在跨道时间或偏离距离中的至少一个达到关闭阈值,决策模块关闭车道保持控制器。
其中优选的,所述跨道时间的开启阈值为0.5s、关闭阈值为2s;所述偏离距离的开启阈值为0.6m、关闭阈值为0.3m。
进一步地,所述车辆保持控制器进行主动转向控制是根据目标路径与实际路径之间的跨道时间和偏移距离,计算得到预期转角,将预期转角、实际转角之间差值通过PID计算器进行闭环运算得到控制电机动作所需的占空比控制量,占空比控制量信号控制电机驱动电路,驱动电机动作,带动转向***转动产生相应的前轮转角,最终方向实现对车辆行驶方向和偏角的控制。
进一步地,所述微处理器包含道路图像处理模块,用于从车辆前方采集的道路图像中识别出车辆所在车道的车道线以及车辆偏离侧的车道线;所述道路图像处理模块通过进行图像预处理、车道线拟合处理、车道线连续性检测,实现对对车辆所在车道的车道线以及车辆偏离侧的车道线的识别和连续性检测。
图像的预处理是车道线检测中极其重要的一环,其主要目的是能够更加明确的区分出车道线与背景。从摄像头提取到的图片并不是一成不变的黑白分明,从而可以简单的设定一个阈值就能将车道线与背景分离开来。车道线检测过程中存在有各种复杂状况的干扰,比如残缺不全的车道线、车辆及树木阴影、路肩、车辆阻碍等情况。通过图像的预处理可以将干扰因素降到最低,从而凸显出车道线。
彩色图像的存储结构是以像素为单位的形式存储在计算机中的,图像的每个像素由红色、绿色、蓝色这三色图像组成,每一种颜色由二进制形式的8位来组成,即以数字中的0-255来代表。
车道线检测算法中将真彩图像转灰度图像过程中,大部分方法是直接对真彩图像进行灰度化处理,即由红色、绿色、蓝色的三色图像直接变换成单色的图像,然而真彩图像中原本包含的丰富的车道线信息,经过固定灰度化处理,削减了车道线信号与周围背景的信号的反差度,削弱了车道线像素的优势,不能根据车道线颜色对部分像素特定处理,特定分类,增加了后续去除噪声的难度,导致车道线检测算法复杂度增加,程序运行时间过长。
识别区域图片中大部分为背景像素,车道线像素只占很少的一部分,而车道线的颜色一般为黄色和白色,黄色、白色的红色、绿色、蓝色的色度值不同,以黄色和白色色像素中红色、绿色部分比例与红色、绿色像素值的相关性作为两个约束条件来提取车道线像素,能够明显减少程序运行过程中的计算量,缩短计算时间,提高车道线检测的实时性,本发明对车道线像素作为特定处理像素进行图像处理,不仅能提高车道线检测的稳定性,还能够增加车道线像素的保有率。
如图7所示,在原始采集图像转灰度图像的过程中将黄色像素作为特定像素处理后,黄色车道线亮度被明显加强,从图中可以看出,特定像素的加入,增强了车道线与背景的对比度,同时增加了阈值分割算法有效性,从而通过阈值分割算法能更好地将目标与背景分离。
同时,由于天气不同会导致摄像头采用的图像出现曝光度过高或者光线偏暗的图片,给图像的分割带来了麻烦,因此,本发明在对图像去噪前,首先进行图像直方图均衡化处理使得图像对比度均衡,通过重新调整分布比较集中的像素值来增强图片目标物体与背景对比度,减少自然光线的强弱对车道线识别造成的影响。
但是经过图像对比度均衡处理后,图像上会出现由于其它物体的反射光而引起的噪点,因此,为防止孤立的噪声像素即椒盐噪声、脉冲噪声对图像的影响,在图像对比度均衡处理后采用中值滤波处理能够将分布在图像区域中的零散的噪声实现良好的去除处理。
经中值滤波处理后的图像,采用图像形态学去噪处理,增大车道线与背景的色差,通过对黄色、白色像素的约束,最大限度的保留车道线信息。
因此,在本发明中摒弃了很多传统图像处理方法,目的是保留尽量多的车道线像素,从而能够更加精确的拟合出车道线。
此外,在车道线检测的过程中需要将强化后的车道线灰度图像通过一个适当的阈值,进而将灰度图像转化为二值化图像,使得后续能够进行车道线拟合处理。
当图像目标物体与背景灰度值相差较大时,对图片采用全局阈值分割方法,能够起到不错的效果,但是对于目标物体与背景像素值差别不明显的图片,采用同样的全局阈值分割方法,则目标物体被作为噪声而清除的几率大大增加,而且图像中重要的细节会被忽略;此时,可以考虑采取局部阈值法对图像进行阈值分割,根据图像中车道线的位置对图像中心位置周围的像素采用局部分割,以消除路肩,栅栏等干扰因素的影响。
因此,在图像去噪处理后,将图像划分成三个图块——两个区域,每个区域包括有两个相邻的图块区域(参见图8),然后采用最大类间方差法对图像的三个图块进行二值化处理,使得图像上两个区域的分割阈值不同,能够降低图像的噪声,增加前景和背景的对比度。
在此基础上,本发明采用的图像预处理具体为:首先将白色和黄色像素选取为特定像素,然后采用图像直方图均衡化处理使得图像对比度均衡并采用中值滤波处理去除图像区域中零散的噪声,再通过图像形态学去噪处理,增大车道线与背景的色差;然后通过红色、绿色两通道的黄色、白色像素的约束,增强图像中车道线与背景的对比度;之后将图像分为三个图块,三个图块大小占比为25%:50%:25%,采用最大累间方差法对图像的三个图块进行二值化处理,最后通过车道线轮廓筛选保留符合车道线轮廓的车道线信号。
其中,最大类间方差法计算流程如下:
(1)计算图像的面积:Sarea=M×N,其中M,N分别代表图像的长和宽;
(2)定义图像中为同一像素值的像素个数为a[i](i=0,1,2…,254,255),计算出某一像素值在图像中所占的比例:
(3)计算每一个像素与其在图像中所占比例的乘积的和:AVGi=i*pi(i=0,1,2,...254,255);
(4)计算从像素值从0到i的所有像素的比例的和以及像素值与比例和的乘积,并计算在像素值等于i时的类间方差:
通过如上的步骤,计算出类间方差最大的像素值i,定义i为分割阈值。
其中,车道线轮廓筛选如图9所示,车道线轮廓筛选是通过计算二值化图像中车道线的轮廓的斜率和轮廓的面积来对二值化图像中的轮廓进行筛选,其步骤如下:
(1)遍历二值化图像中所有轮廓,计算每个轮廓的面积与每个轮廓的斜率;
(2)根据计算轮廓中心位置的横坐标与图像中心横坐标的大小,保留图像中线左右两边每边面积最大的四个轮廓;
(3)计算出这八个轮廓的斜率,取斜率大于0.4的四个轮廓,左右各两个;
(4)根据轮廓的斜率计算每个轮廓与图像上端的交点横坐标X,保留中心线两边横坐标离中心线横坐标X/2最近的轮廓,确定这两个轮廓为车道线轮廓,并只保留车辆所在车道左右两边车道线。
进一步地,车道线拟合处理具体为:首先采用最小二乘法方法拟合出直线或曲线车道线,然后采用随机抽样一致性算法对拟合后的车道线进行修正和再处理。
车道线的识别与连续性检测包括图像区域(即图像处理过程中被处理的图像区域,也即摄像头采集图像的区域)与连续性检测时的识别区域(图像区域和识别区域的划分,如图5所示),在图像区域处理过程中能保证车道线检测的稳定性,由于处理数据较大,降低了处理速度,而在连续性检测识别区域处理过程中能保证***算法的实时性,而算法的稳定会受到较大的干扰,在不同情形下变换识别区域能兼顾***的实时性与稳定性。
识别区域的大小直接决定算法处理信息量的大小,算法的处理速度,影响到***对算法实时性的要求。另一方面,如果单一的考虑到算法的实时性要求,而削减识别区域的大小,将车道线排除在处理区域以外,即车道线没有包括在识别区域内,出现车道线误检的情况,直接影响了算法的稳定性,增加了车道线误警率,造成疲劳驾驶。可通过调整摄像机的外部参数,使得选取的识别区域为道路部分,而去掉图像区域中的非道路部分。
为了减少要处理的数据量,通过对图像区域的处理,提取出最初的车道线,在成功提取车道线后,可以根据车道线参数信息,利用线性滤波算法连续性检测车道线确定识别区域,能够减少数据的计算量,节约计算时间;然而,在车辆变道等车道线突变的情况下,由于线性滤波算法灵敏度的不足,可能出现连续性检测失败的情况,当通过识别区域连续性检测检测车道线失败,则转为处理图像区域,重新找到目标车道线,再次成功提取车道线后转为线性滤波算法进行连续性检测,从而实现对车道线的连续性检测。在这种情况下,***通过在图像区域和识别区域两种模式下转换,以利用图像区域和识别区域两种模式下的优势,保证整个车道线检测过程中的稳定性及实时性。
进一步地,车道线连续性检测具体为:首先通过对图像区域进行图像预处理,提取出最初的车道线,然后根据车道线信息,利用线性滤波算法对车道线进行连续性判断,确定识别区域;当识别区域连续性检测车道线失败时,重新对图像区域的车道线进行识别,再次成功提取车道线后转为线性滤波算法进行连续性检测,从而实现对车道线的连续连续性检测。
本发明的有益效果是:
1、本发明的车道保持***进行主动转向控制还能够通过跨道时间和偏离距离的阈值共同决定,主动转向控制由开启阈值和关闭阈值判断结果决定,只要跨道时间或偏离距离中的至少一个达到了开启阈值,***就会启动车道保持控制;跨道时间或偏离距离中的至少一个达到关闭阈值,***就会关闭车道保持控制;通过上述综合决策算法能够较好的涵盖一些特殊驾驶情况,也能够保证决策的及时性。
2、通过电子地图、转向灯信号、转向盘转角以及转向盘的实时转矩等信息的判断,能够对车辆的预期路径(直行或转弯)以及驾驶员的状态进行判断,能够避免车道保持***对驾驶员行为的误判和干扰,还能够实现***智能的选择主动转向或助力转向控制。
3、本发明将黄色和白色像素作为特定像素,在随后的图像预处理过程中,能够增强车道线与背景的对比度,同时增强阈值分割有效性,从而通过最大累间方差法能更好地将目标与背景分离。
4、本发明在图像预处理后,将图像划分成三个图块,然后采用最大类间方差法对图像中三个图块中相邻的两个图块分别进行处理,使得图像上不同区域的分割阈值不同,能够降低图像的噪声,增加前景和背景的对比度。
5、本发明采用线性滤波算法对车道线进行连续性检测,使得道路图像处理模块能够在图像区域和识别区域下转换,保证整个车道线检测过程中的稳定性及实时性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明提出的自动驾驶的车道保持***的示意图;
图2是本发明中车辆保持控制模块进行主动转向控制和助力转向控制的示意图;
图3是本发明实施例中车道偏离情况示意图
图4是本发明中车道线识别的流程图;
图5是本发明中车道线连续性检测的图像区域和识别区域的示意图;
图6是本发明中车道线连续性检测的流程图;
图7是图像预处理中采用黄色和白色特定像素进行预处理的效果对比图;
图8是图像预处理中二值化处理的图像阈值分割示意图;
图9是本发明中车道线轮廓筛选的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1至图3所示,本实施例公开了一种自动驾驶的车道保持***,包括转向灯、电子地图、道路图像采集摄像头、转向***转矩传感器、转向***角度传感器、CAN收发模块和微处理器;
所述电子地图,用于提供车辆的实时位置;
所述道路图像采集摄像头,用于采集车辆前方的道路图像;
所述转向***转矩传感器,用于获取车辆转向盘的实时转矩;
所述转向***角度传感器,用于获取车辆转向盘的实时转角;
所述微处理器,用于接收转向灯信号、车辆的实时位置、车辆所在车道的车道线、车辆车速以及车辆转向盘的实时转矩、转角数据通过所述微处理器中的决策模块制定控制策略,所述微处理器中的车辆保持控制模块根据所述控制策略控制转向***进行主动转向控制或助力转向控制,使车辆返回原车道。
CAN收发模块与决策模块连接,CAN信号送至微处理器中的CAN收发模块后送至决策模块。同时,微处理器还连接转向灯、制动***和驱动***,车道保持控制模块控制驱动***中的电机进行车辆的主动转向控制、助力转向控制,控制驱动***中的发动机进行加速或减速控制。
其中,微处理器检测到转向***的实时转矩大于阈值时,或转向***的实时转矩小于阈值且实时转矩控制时间小于设定阈值时间时,所述微处理器根据检测的信号选择是否进行助力转向控制;
当所述微处理器检测到转向***的实时转矩小于阈值且实时转矩控制时间大于设定阈值时间时,所述微处理器根据检测的信号选择是否进行主动转向控制。
其中,电子地图提供的车辆实时位置进入转弯路段的情况下,当所述微处理器检测到转向灯开启信号时,或所述微处理器未检测到转向灯开启信号且转向***实时转矩大于阈值时,所述微处理器根据检测的信号选择是否进行助力转向控制;
当所述微处理器未检测到转向灯未开启信号且转向***实时转矩小于阈值时,所述微处理器根据检测的信号选择是否进行主动转向控制。
所述决策模块根据转向盘的实时转矩、转向盘转角、车辆相对车道的偏角和车速信息计算车道保持控制器所需转向助力转矩或目标转角的数值,从而通过控制转向***进行助力转向或主动转向,将车辆回归到安全的行驶区域。
所述车辆保持控制器进行主动转向控制是根据目标路径与实际路径之间的跨道时间和偏移距离,计算得到预期转角,将预期转角、实际转角之间差值通过PID计算器进行闭环运算得到控制电机动作所需的占空比控制量,占空比控制量信号控制电机驱动电路,驱动电机动作,带动转向***转动产生相应的前轮转角,最终方向实现对车辆行驶方向和偏角的控制。
其中,所述决策模块根据跨道时间和偏离距离对车道保持控制器进行决策控制,在跨道时间或偏离距离中的至少一个达到了开启阈值时,决策模块启动车道保持控制器;在跨道时间或偏离距离中的至少一个达到关闭阈值,决策模块关闭车道保持控制器。
所述跨道时间的开启阈值为0.5s、关闭阈值为2s;所述偏离距离的开启阈值为0.6m、关闭阈值为0.3m。
如图3所示,图中,W表示车道宽度,L表示车辆轴距,b表示轮距,θ表示车辆偏角,vl为路面坐标系下车辆的侧向速度,D表示车辆距道路中心线的距离(即偏离距离),d表示车辆距车道最近一侧的前轮到车道线的距离。
对于车辆行驶的某一时刻,根据几何关系可得:
其中,
因此,跨道时间
通过实验,设置车速80km/h,车辆突然以偏角(3°)的方向行驶,当达到了决策算法开启阈值时,决策模块控制车道保持控制***进行主动转向控制,重新控制车辆使其回到道路中心线;在实验过程中,在0.3s时,偏离距离为0.5m,还未达到开启阈值,但是跨道时间为0.4s,已达到开启阈值,此时车道保持控制***进行主动转向控制,经过一段反应时间和操作时间之后进行回道操作。
在1.3s时,跨道时间已经达到了关闭阈值,虽然此时偏离距离为0.78m,偏离距离阈值判断车辆仍在危险行驶区域内,但是根据偏角判断出车辆已经在调整,因此可将车道保持控制***关闭。
在整个过程中,跨道时间最小值为0.2s,偏离距离最大值约为1m,前轮距车道线最小距离d为0.2m,车辆几乎碰到车道线。此工况车速较高,偏航较为剧烈,然而在本发明的决策算法的作用下车辆仍没有冲出车道线。
当车速为80km/h,车辆突然以较小偏角(0.5°)的方向行驶,当达到了决策算法开启阈值时,决策模块控制车道保持控制***进行主动转向控制;在实验过程中,跨道时间在整个过程中并没有达到开启阈值,但是车辆一直处在偏离车道的过程中,这也体现了单纯使用跨道时间决策算法的局限性。
在4.1s时,车辆偏离车道的侧向位移达到了偏离距离决策判断的开启阈值,此时车道保持控制***进行主动转向控制,经过一段反应时间和操作时间之后进行回道操作。
在5.1s时,经过车道保持控制***的调节,偏离距离达到了关闭阈值,车辆已经进入安全状态,辅助驾驶***关闭。
整个过程中跨道时间最小值为0.9s,偏离距离最大值为0.7m,前轮距车道线最小距离d为0.5m,车辆没有冲出车道线,可见本发明车道保持决策算法起到了较好的作用。
因此,本发明的车道保持控制***是否进行主动转向控制还将由跨道时间和偏离距离的阈值共同决定,主动转向控制将分别由开启阈值和关闭阈值判断情况的逻辑或结果决定,即只要有一个跨道时间或中心偏离距离达到了开启阈值,***就会开启车道保持控制***;***开启之后只要有一个跨道时间或偏离距离达到关闭阈值,***就会关闭车道保持控制。
采用本发明的上述决策方法,通过对车辆所在位置、转向灯信号以及转矩等信号的判断,能够使得控制***对车辆的主动转向或助力转向的转向方法进行更精准的判定,同时,本发明还通过跨道时间和偏离距离的阈值共同决定是否进行主动转向控制,使得在当前车辆的车道保持***能够减少对驾驶员的潜在干扰,也保证决策的及时性。
实施例2
如图4至图9所示,本实施例提供了一种道路图像处理模块,采用该道路图像处理模块能够对道路图像进行处理实现对车道线进行识别和连续性检测。
具体的,道路图像处理模块通过进行图像预处理、车道线拟合处理、车道线连续性检测,实现对对车辆所在车道的车道线以及车辆偏离侧的车道线的识别和连续性检测。
所述图像预处理具体为:首先将白色和黄色像素选取为特定像素,然后采用图像直方图均衡化处理使得图像对比度均衡并采用中值滤波处理去除图像区域中零散的噪声,再通过图像形态学去噪处理,增大车道线与背景的色差;然后通过红色、绿色两通道的黄色、白色像素的约束,增强图像中车道线与背景的对比度;之后将图像分为三个图块,三个图块大小占比为25%:50%:25%,采用最大累间方差法对图像的三个图块进行二值化处理,最后通过车道线轮廓筛选保留符合车道线轮廓的车道线信号。
所述最大类间方差法计算流程如下:
(1)计算图像的面积:Sarea=M×N,其中M,N分别代表图像的长和宽;
(2)定义图像中为同一像素值的像素个数为a[i](i=0,1,2…,254,255),计算出某一像素值在图像中所占的比例:
(3)计算每一个像素与其在图像中所占比例的乘积的和:AVGi=i*pi(i=0,1,2,...254,255);
(4)计算从像素值从0到i的所有像素的比例的和以及像素值与比例和的乘积,并计算在像素值等于i时的类间方差:
通过如上的步骤,计算出类间方差最大的像素值i,定义i为分割阈值。
所述车道线轮廓筛选是通过计算二值化图像中车道线的轮廓的斜率和轮廓的面积来对二值化图像中的轮廓进行筛选,其步骤如下:
(1)遍历二值化图像中所有轮廓,计算每个轮廓的面积与每个轮廓的斜率;
(2)根据计算轮廓中心位置的横坐标与图像中心横坐标的大小,保留图像中线左右两边每边面积最大的四个轮廓;
(3)计算出这八个轮廓的斜率,取斜率大于0.4的四个轮廓,左右各两个;
(4)根据轮廓的斜率计算每个轮廓与图像上端的交点横坐标X,保留中心线两边横坐标离中心线横坐标X/2最近的轮廓,确定这两个轮廓为车道线轮廓,并只保留车辆所在车道左右两边车道线。
所述车道线拟合处理具体为:首先采用最小二乘法方法拟合出直线或曲线车道线,然后采用随机抽样一致性算法对拟合后的车道线进行修正和再处理。
所述车道线连续性检测具体为:首先通过对图像区域进行图像预处理,提取出最初的车道线,然后根据车道线信息,利用线性滤波算法对车道线进行连续性判断,确定识别区域;当识别区域连续性检测车道线失败时,重新对图像区域的车道线进行识别,再次成功提取车道线后转为线性滤波算法进行连续性检测,从而实现对车道线的连续连续性检测。
本发明的实施例,具有如下有益效果:主动转向控制的开启和关闭由开启阈值和关闭阈值判断结果决定,只要跨道时间或偏离距离中的至少一个达到了开启阈值,***就会启动车道保持控制;跨道时间或偏离距离中的至少一个达到关闭阈值,***就会关闭车道保持控制;通过上述综合决策算法能够较好的涵盖一些特殊驾驶情况,也能够保证决策的及时性;并且通过转向灯信号以及转向盘的实时扭矩等信息的判断,能够对驾驶员的状态进行判断,车道保持***不会进行预警和主动控制干涉,能够避免车道保持***对驾驶员行为的误判和干扰;同时,在对道路采集图像进行预处理是,本发明将黄色和白色像素作为特定像素,在随后的图像预处理过程中,能够增强车道线与背景的对比度,同时增强阈值分割有效性,从而通过最大累间方差法能更好地将目标与背景分离;并在图像预处理后,将图像划分成三个图块,然后采用最大类间方差法对图像中三个图块中相邻的两个图块分别进行处理,使得图像上不同区域的分割阈值不同,能够降低图像的噪声,增加前景和背景的对比度;此外,本发明采用线性滤波算法对车道线进行连续性检测,使得道路图像处理模块能够在图像区域和识别区域下转换,保证整个车道线检测过程中的稳定性及实时性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种自动驾驶的车道保持***,其特征在于,包括转向灯、电子地图、道路图像采集摄像头、转向***转矩传感器、转向***角度传感器、CAN收发模块和微处理器;
所述电子地图,用于提供车辆的实时位置;
所述道路图像采集摄像头,用于采集车辆前方的道路图像;
所述转向***转矩传感器,用于获取车辆转向盘的实时转矩;
所述转向***角度传感器,用于获取车辆转向盘的实时转角;
所述微处理器,用于接收转向灯信号、车辆的实时位置、车辆所在车道的车道线、车辆车速以及车辆转向盘的实时转矩、转角数据通过所述微处理器中的决策模块制定控制策略,所述微处理器中的车辆保持控制模块根据所述控制策略控制转向***进行主动转向控制或助力转向控制,使车辆返回原车道。
2.根据权利要求1所述的一种自动驾驶的车道保持***,其特征在于:所述微处理器检测到转向***的实时转矩大于阈值时,或转向***的实时转矩小于阈值且实时转矩控制时间小于设定阈值时间时,所述微处理器根据检测的信号选择是否进行助力转向控制;
当所述微处理器检测到转向***的实时转矩小于阈值且实时转矩控制时间大于设定阈值时间时,所述微处理器根据检测的信号选择是否进行主动转向控制。
3.根据权利要求1所述的一种自动驾驶的车道保持***,其特征在于:电子地图提供的车辆实时位置进入转弯路段的情况下,当所述微处理器检测到转向灯开启信号时,或所述微处理器未检测到转向灯开启信号且转向***实时转矩大于阈值时,所述微处理器根据检测的信号选择是否进行助力转向控制;
当所述微处理器未检测到转向灯未开启信号且转向***实时转矩小于阈值时,所述微处理器根据检测的信号选择是否进行主动转向控制。
4.根据权利要求1所述的一种自动驾驶的车道保持***,其特征在于:所述决策模块根据转向盘的实时转矩、转向盘转角、车辆相对车道的偏角和车速信息计算车道保持控制器所需转向助力转矩或目标转角的数值,从而通过控制转向***进行助力转向或主动转向,将车辆回归到安全的行驶区域。
5.根据权利要求4所述的一种自动驾驶的车道保持***,其特征在于:所述决策模块根据跨道时间和偏离距离对车道保持控制器进行决策控制,在跨道时间或偏离距离中的至少一个达到了开启阈值时,决策模块启动车道保持控制器;在跨道时间或偏离距离中的至少一个达到关闭阈值,决策模块关闭车道保持控制器。
6.根据权利要求5所述的一种自动驾驶的车道保持***,其特征在于:所述跨道时间的开启阈值为0.5s、关闭阈值为2s;所述偏离距离的开启阈值为0.6m、关闭阈值为0.3m。
7.根据权利要求5所述的一种自动驾驶的车道保持***,其特征在于:所述车辆保持控制器进行主动转向控制是根据目标路径与实际路径之间的跨道时间和偏移距离,计算得到预期转角,将预期转角、实际转角之间差值通过PID计算器进行闭环运算得到控制电机动作所需的占空比控制量,占空比控制量信号控制电机驱动电路,驱动电机动作,带动转向***转动产生相应的前轮转角,最终方向实现对车辆行驶方向和偏角的控制。
8.根据权利要求1所述的一种自动驾驶的车道保持***,其特征在于:所述微处理器包含道路图像处理模块,用于从车辆前方采集的道路图像中识别出车辆所在车道的车道线以及车辆偏离侧的车道线;所述道路图像处理模块通过进行图像预处理、车道线拟合处理、车道线连续性检测,实现对对车辆所在车道的车道线以及车辆偏离侧的车道线的识别和连续性检测。
9.根据权利要求8所述的一种自动驾驶的车道保持***,其特征在于:所述图像预处理具体为:首先将白色和黄色像素选取为特定像素,然后采用图像直方图均衡化处理使得图像对比度均衡并采用中值滤波处理去除图像区域中零散的噪声,再通过图像形态学去噪处理,增大车道线与背景的色差;然后通过红色、绿色两通道的黄色、白色像素的约束,增强图像中车道线与背景的对比度;之后将图像分为三个图块,三个图块大小占比为25%:50%:25%,采用最大累间方差法对图像的三个图块进行二值化处理,最后通过车道线轮廓筛选保留符合车道线轮廓的车道线信号。
10.根据权利要求8所述的一种自动驾驶的车道保持***,其特征在于:所述车道线拟合处理具体为:首先采用最小二乘法方法拟合出直线或曲线车道线,然后采用随机抽样一致性算法对拟合后的车道线进行修正和再处理;所述车道线连续性检测具体为:首先通过对图像区域进行图像预处理,提取出最初的车道线,然后根据车道线信息,利用线性滤波算法对车道线进行连续性判断,确定识别区域;当识别区域连续性检测车道线失败时,重新对图像区域的车道线进行识别,再次成功提取车道线后转为线性滤波算法进行连续性检测,从而实现对车道线的连续连续性检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641801.0A CN109606346A (zh) | 2018-12-29 | 2018-12-29 | 一种自动驾驶的车道保持*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811641801.0A CN109606346A (zh) | 2018-12-29 | 2018-12-29 | 一种自动驾驶的车道保持*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109606346A true CN109606346A (zh) | 2019-04-12 |
Family
ID=66017308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811641801.0A Pending CN109606346A (zh) | 2018-12-29 | 2018-12-29 | 一种自动驾驶的车道保持*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109606346A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110203193A (zh) * | 2019-06-13 | 2019-09-06 | 智邮开源通信研究院(北京)有限公司 | 车辆控制方法、装置、汽车及存储介质 |
CN110341708A (zh) * | 2019-08-21 | 2019-10-18 | 浙江吉利汽车研究院有限公司 | 一种盲区自动驾驶控制方法及*** |
CN111027423A (zh) * | 2019-11-28 | 2020-04-17 | 北京百度网讯科技有限公司 | 一种车道线检测方法、装置和电子设备 |
CN111038583A (zh) * | 2019-12-31 | 2020-04-21 | 深圳一清创新科技有限公司 | 无人车转向补偿方法、装置、计算机设备和存储介质 |
CN111169371A (zh) * | 2020-01-14 | 2020-05-19 | 吉利汽车研究院(宁波)有限公司 | 一种车辆转向灯的控制方法、装置、电子设备和存储介质 |
CN111605549A (zh) * | 2020-05-06 | 2020-09-01 | 南京航空航天大学 | 一种基于可拓逻辑的智能车道保持***及控制方法 |
CN112319468A (zh) * | 2020-11-12 | 2021-02-05 | 上海伯镭智能科技有限公司 | 维持路肩间距的无人驾驶车道保持方法 |
CN112477857A (zh) * | 2019-09-12 | 2021-03-12 | 比亚迪股份有限公司 | 一种车道保持装置及其控制方法和具有其的车辆 |
WO2021102957A1 (zh) * | 2019-11-29 | 2021-06-03 | 驭势(上海)汽车科技有限公司 | 一种车道保持方法、车载设备和存储介质 |
CN112977445A (zh) * | 2021-03-25 | 2021-06-18 | 江苏理工学院 | 一种基于eps的车道保持辅助*** |
CN113581196A (zh) * | 2021-08-30 | 2021-11-02 | 上海商汤临港智能科技有限公司 | 一种车辆行驶预警的方法、装置、计算机设备及存储介质 |
CN113928407A (zh) * | 2020-06-29 | 2022-01-14 | 北京新能源汽车股份有限公司 | 一种输出扭矩的确定方法及装置 |
CN115042781A (zh) * | 2022-08-17 | 2022-09-13 | 北京理工大学 | 一种集中式软件定义的车道保持网络化控制*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1726513A1 (en) * | 2005-05-02 | 2006-11-29 | Iveco S.p.A. | Driving assistance system for lane keeping support, for lane change assistance, and for driver status monitoring for a vehicle |
CN102717825A (zh) * | 2012-06-20 | 2012-10-10 | 清华大学 | 一种协同式车道保持控制方法 |
CN105774901A (zh) * | 2014-12-26 | 2016-07-20 | 比亚迪股份有限公司 | 车道保持控制***及方法及车辆 |
CN108482370A (zh) * | 2018-04-13 | 2018-09-04 | 北京奥特尼克科技有限公司 | 一种商用车车道保持***及其控制策略设计 |
-
2018
- 2018-12-29 CN CN201811641801.0A patent/CN109606346A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1726513A1 (en) * | 2005-05-02 | 2006-11-29 | Iveco S.p.A. | Driving assistance system for lane keeping support, for lane change assistance, and for driver status monitoring for a vehicle |
CN102717825A (zh) * | 2012-06-20 | 2012-10-10 | 清华大学 | 一种协同式车道保持控制方法 |
CN105774901A (zh) * | 2014-12-26 | 2016-07-20 | 比亚迪股份有限公司 | 车道保持控制***及方法及车辆 |
CN108482370A (zh) * | 2018-04-13 | 2018-09-04 | 北京奥特尼克科技有限公司 | 一种商用车车道保持***及其控制策略设计 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110203193A (zh) * | 2019-06-13 | 2019-09-06 | 智邮开源通信研究院(北京)有限公司 | 车辆控制方法、装置、汽车及存储介质 |
CN110341708A (zh) * | 2019-08-21 | 2019-10-18 | 浙江吉利汽车研究院有限公司 | 一种盲区自动驾驶控制方法及*** |
CN110341708B (zh) * | 2019-08-21 | 2021-01-15 | 浙江吉利汽车研究院有限公司 | 一种盲区自动驾驶控制方法及*** |
CN112477857A (zh) * | 2019-09-12 | 2021-03-12 | 比亚迪股份有限公司 | 一种车道保持装置及其控制方法和具有其的车辆 |
CN111027423A (zh) * | 2019-11-28 | 2020-04-17 | 北京百度网讯科技有限公司 | 一种车道线检测方法、装置和电子设备 |
CN111027423B (zh) * | 2019-11-28 | 2023-10-17 | 北京百度网讯科技有限公司 | 一种自动驾驶车道线检测方法、装置和电子设备 |
WO2021102957A1 (zh) * | 2019-11-29 | 2021-06-03 | 驭势(上海)汽车科技有限公司 | 一种车道保持方法、车载设备和存储介质 |
CN111038583A (zh) * | 2019-12-31 | 2020-04-21 | 深圳一清创新科技有限公司 | 无人车转向补偿方法、装置、计算机设备和存储介质 |
CN111169371A (zh) * | 2020-01-14 | 2020-05-19 | 吉利汽车研究院(宁波)有限公司 | 一种车辆转向灯的控制方法、装置、电子设备和存储介质 |
CN111605549A (zh) * | 2020-05-06 | 2020-09-01 | 南京航空航天大学 | 一种基于可拓逻辑的智能车道保持***及控制方法 |
CN113928407A (zh) * | 2020-06-29 | 2022-01-14 | 北京新能源汽车股份有限公司 | 一种输出扭矩的确定方法及装置 |
CN113928407B (zh) * | 2020-06-29 | 2022-12-06 | 北京新能源汽车股份有限公司 | 一种输出扭矩的确定方法及装置 |
CN112319468A (zh) * | 2020-11-12 | 2021-02-05 | 上海伯镭智能科技有限公司 | 维持路肩间距的无人驾驶车道保持方法 |
CN112977445A (zh) * | 2021-03-25 | 2021-06-18 | 江苏理工学院 | 一种基于eps的车道保持辅助*** |
CN113581196A (zh) * | 2021-08-30 | 2021-11-02 | 上海商汤临港智能科技有限公司 | 一种车辆行驶预警的方法、装置、计算机设备及存储介质 |
CN113581196B (zh) * | 2021-08-30 | 2023-08-22 | 上海商汤临港智能科技有限公司 | 一种车辆行驶预警的方法、装置、计算机设备及存储介质 |
CN115042781A (zh) * | 2022-08-17 | 2022-09-13 | 北京理工大学 | 一种集中式软件定义的车道保持网络化控制*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109606346A (zh) | 一种自动驾驶的车道保持*** | |
CN205992300U (zh) | 用于提供利用人行横道识别结果的引导信息的电子装置 | |
CN107031623B (zh) | 一种基于车载盲区相机的道路预警方法 | |
CN113276769A (zh) | 车辆盲区防撞预警***及方法 | |
CN109017780A (zh) | 一种车辆智能驾驶控制方法 | |
CN106845453B (zh) | 基于图像的尾灯检测与识别方法 | |
CN104129389B (zh) | 一种有效判别车辆行驶状态的方法及其装置 | |
EP2118818B1 (en) | Video-based road departure warning | |
CN105512623A (zh) | 基于多传感器雾天行车视觉增强与能见度预警***及方法 | |
KR102041734B1 (ko) | 딥 러닝 기반 교통 위반 단속 시스템 및 방법 | |
CN106652468A (zh) | 车辆道路前车违规检测和自车违规预警提醒装置及方法 | |
US20090074249A1 (en) | System and method for traffic sign recognition | |
CN105512720A (zh) | 一种公交车辆客流统计方法和*** | |
CN102785661A (zh) | 车道偏离控制***及方法 | |
CN108764108A (zh) | 一种基于贝叶斯统计决策的前车检测方法 | |
CN110738081B (zh) | 异常路况检测方法及装置 | |
CN110893849B (zh) | 一种自动驾驶车辆避障换道控制方法及装置 | |
KR101224027B1 (ko) | 영상의 장면 정보를 이용한 전방 차량 검출 방법 | |
CN109446919A (zh) | 一种基于端到端学习的视觉车道保持方法 | |
EP4339648A1 (en) | Determining objects of interest for active cruise control | |
CN109887276B (zh) | 基于前景提取与深度学习融合的夜间交通拥堵检测方法 | |
CN115782905B (zh) | 一种自动驾驶车辆驾驶安全度量化*** | |
CN108417043A (zh) | 一种远光灯持续开起的检测方法 | |
CN202911633U (zh) | 基于多信息融合的混合动力车车道标识线动态检测装置 | |
CN105426852B (zh) | 车载单目长波红外相机行人识别方法 |
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 |