CN110390225A - 车辆视频巡线*** - Google Patents
车辆视频巡线*** Download PDFInfo
- Publication number
- CN110390225A CN110390225A CN201810339410.7A CN201810339410A CN110390225A CN 110390225 A CN110390225 A CN 110390225A CN 201810339410 A CN201810339410 A CN 201810339410A CN 110390225 A CN110390225 A CN 110390225A
- Authority
- CN
- China
- Prior art keywords
- image data
- module
- inspection system
- video frequency
- analog
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 230000009191 jumping Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 24
- 238000000465 moulding Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 206010000372 Accident at work Diseases 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000686 essence Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/38—Information transfer, e.g. on bus
- G06F13/42—Bus transfer protocol, e.g. handshake; Synchronisation
- G06F13/4282—Bus transfer protocol, e.g. handshake; Synchronisation on a serial bus, e.g. I2C bus, SPI bus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明适用于视频图像技术领域，提供了一种车辆视频巡线***，包括：视频采集模块、模数转换模块、现场可编程门阵列模块和处理器模块。所述视频采集模块用于实时采集路面基线的模拟图像数据；所述现场可编程门阵列模块用于对所述数据图像数据进行编程预处理得到编程图像数据，并存储所述编程图像数据；所述处理器模块用于读取存储的所述编程图像数据，并每隔预设时间对所述编程图像数据进行跳转边缘捕捉，根据所述跳转边缘计算车辆偏移量，通过PID算法根据车辆偏移量控制车辆按照路面基线前进。本发明使得车辆实现自动巡线，避免了司机完全靠驾驶技巧和手感来控制施工车辆不安全的问题，降低人工劳动强度及危险性。
Description
技术领域
本发明属于视频图像技术领域，尤其涉及一种车辆视频巡线***。
背景技术
随着现代交通业的飞速发展，公路桥梁的建设日益增多。在公路施工过程中，有许多的施工车辆施工过程中需要沿着路面引导线前进，而且这些施工车辆施工过程不能越过路面引导线规定的范围。但是，有些施工车辆自身体积庞大，司机完全靠驾驶技巧和手感来控制车辆是不靠谱的，有可能一个很小的操作失误，就可能导致事故的发生。
发明内容
有鉴于此，本发明实施例提供了一种车辆视频巡线***，以解决现有技术中司机完全靠驾驶技巧和手感来控制施工车辆不安全的问题。
本发明实施例的第一方面提供了一种车辆视频巡线***，包括：
进一步的，视频采集模块、模数转换模块、现场可编程门阵列模块和处理器模块；
所述视频采集模块用于实时采集路面基线的模拟图像数据；
所述模数转换模块用于对所述模拟图像数据进行模数转换得到数据图像数据；
所述现场可编程门阵列模块用于对所述数据图像数据进行编程预处理得到编程图像数据，并存储所述编程图像数据；
所述处理器模块用于读取存储的所述编程图像数据，并每隔预设时间对所述编程图像数据进行跳转边缘捕捉，根据所述跳转边缘计算车辆偏移量，通过PID算法根据车辆偏移量控制车辆按照路面基线前进。
进一步的，所述模数转换模块具体用于：接收视频采集模块采集的模拟图像数据，并将模拟图像数据进行模数转换，转换为数字图像数据。
进一步的，所述所述现场可编程门阵列模块用于接收模数转换后的图像数据并进行编程预处理，包括：
所述现场可编程门阵列模块用于对接收到的数字图像数据进行灰度处理、二值化处理和加窗处理。
进一步的，所述现场可编程门阵列模块包括：帧缓冲存储器；
所述帧缓冲存储器用于存储所述编程预处理后的图像数据。
进一步的，所述处理器模块包括：程序控制模块；
所述程序控制模块用于存储所述PID算法，通过PID算法控制车辆电机，由此控制车辆按照路面基线前进。
进一步的，所述处理器模块包括：定时器；
所述定时器用于对编程图像数据进行跳转边缘捕捉。
进一步的，所述根据所述跳转边缘计算车辆偏移量，包括：通过跳转边缘计算出信号宽度，再通过信号宽度计算出车辆偏移量。
进一步的，所述模数转换模块与现场可编程门阵列模块之间通过I2C总线连接。
进一步的，所述现场可编程门阵列模块与处理器模块之间通过JTAG及RS-232串行接口连接。
进一步的，所述视频采集模块采用CCD视频传感器。
本发明实施例与现有技术相比存在的有益效果是：
本发明实施例通过视频采集模块实时采集路面基线的模拟图像数据，再通过模数转换模块对所述模拟图像数据进行模数转换得到数据图像数据，现场可编程门阵列模块对所述数据图像数据进行编程预处理后得到编程图像数据，并存储所述编程图像数据，处理器模块读取存储的所述编程图像数据，并每隔预设时间对所述编程图像数据进行跳转边缘捕捉，根据所述跳转边缘计算车辆偏移量，最后通过PID算法根据车辆偏移量控制车辆按照路面基线前进。本发明实施例可以使得车辆实现自动巡线，避免了司机完全靠驾驶技巧和手感来控制施工车辆不安全的问题，防止了重大安全生产事故的发生，降低了巡检人员的工作强度，提高了工作效率，节约了人力，降低人工劳动强度及危险性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种车辆视频巡线***的示意图；
图2是本发明实施例提供的另一种车辆视频巡线***的示意图；
图3是本发明实施例提供的另一种车辆视频巡线***的示意图；
图4是本发明实施例提供的另一种车辆视频巡线***的示意图；
图5是本发明实施例提供的另一种车辆视频巡线***的示意图；
图6是本发明实施例提供的另一种车辆视频巡线***的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
参考图1，图1是本发明实施例提供的一种车辆视频巡线***的示意图，该***包括：视频采集模块11、模数转换模块12、现场可编程门阵列(Field-Programmable GateArray，FPGA)模块13和处理器模块14。
所述视频采集模块11用于实时采集路面基线的模拟图像数据。
所述模数转换模块12用于对所述模拟图像数据进行模数转换得到数据图像数据。
所述FPGA模块13用于对所述数据图像数据进行编程预处理得到编程图像数据，并存储所述编程图像数据。
所述处理器模块14用于读取存储的所述编程图像数据，并每隔预设时间对所述编程图像数据进行跳转边缘捕捉，根据所述跳转边缘计算车辆偏移量，通过PID算法根据车辆偏移量控制车辆按照路面基线前进。
本发明实施例通过实时采集路面图像数据，当车辆偏离路面的基线时，那么收集的两个连续帧图像数据就会有差别，通过计算得出车辆偏移量，再通过PID算法控制车辆电机可以使得车辆实现自动巡线，避免了司机完全靠驾驶技巧和手感来控制施工车辆不安全的问题，防止了重大安全生产事故的发生，降低了巡检人员的工作强度，提高了工作效率，节约了人力，降低人工劳动强度及危险性。
进一步的，所述视频采集模块11采用电荷耦合元件(Charge-coupled Device，CCD)视频传感器，例如，在本发明的一种实施例中，视频采集模块11采用松下公司的动态wv-cp460系列颜色光学摄像机，因此，从视频采集模块11发送到模数转换模块12的模拟视频信号格式是NTSC(National Television Standards Committee)格式或PAL(PhaseAlternating Lineformat)格式。应理解，此处仅为示例性表述，并不能理解为对本发明的具体限制。
进一步的，所述模数转换模块12具体用于：接收视频采集模块采集的模拟图像数据，并将模拟图像数据进行模数转换，转换为数字图像数据。模拟信号只有通过模数转化为数字信号后才能用软件进行处理，在本发明的一种实施例中，所述模数转换模块12采用SAA7113视频解码芯片。视频采集模块11输入PAL格式的实时模拟图像数据，该信号经过模数转换模块12转换处理后，产生的是720像素YUV4:2:2的数字图像数据，该数字图像的分辨率为864×625。在数字图像中，每个像素光强度标志着不同灰度级，通常，白色的灰度级是255，黑色灰度级为0，介于白色和黑色之间的光强度则分为256个等级。应理解，此处仅为示例性表述，并不能理解为对本发明的具体限制。
进一步的，所述FPGA模块13具体用于对接收到的数字图像数据进行灰度处理、二值化处理和加窗处理。
如图2所示，图2是本发明实施例提供的一种彩色图像进行灰度化处理后的图像，将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。在本发明实施例中可使用分量法、最大值法、平均值法和加权平均法这四种方法对彩色图像进行灰度化处理，例如，在本发明的一种实施例中使用平均值法对彩色图像进行灰度化处理，将彩色图像中的三分量亮度求平均即可得到一个灰度值。应理解，此处仅为示例性表述，并不能理解为对本发明的具体限制。
如图3所示，图3是本发明实施例提供的一种灰度图像进行二值化处理后的图像。图像二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程，在本发明实施例中可使用全局二值化法或局部自适应二值化法对灰度图像进行二值化处理。例如，在本发明的一种实施例中使用全局二值化法对灰度图像进行二值化处理，按照一定的规则将整幅图像划分为N个窗口，对这N个窗口中的每一个窗口再按照一个统一的阈值T将该窗口内的像素划分为两部分，进行二值化处理。应理解，此处仅为示例性表述，并不能理解为对本发明的具体限制。在本发明实施例中，对图像进行二值化处理可使得图像中数据量大为减少，从而能凸显出目标的轮廓。
如图4所示，图4是本发明实施例提供的一种二值化图像进行加窗处理后的图像，图像加窗处理是图像处理中常见的一种处理，它的思想是对于图像矩阵，通过一个固定大小(例如3×3)的小矩阵对图像进行运算操作。在本发明实施例中可使用Sobel边缘检测、形态学操作、模糊滤波和高斯滤波对二值化图像进行加窗处理，例如，在本发明的一种实施例中，使用高斯滤波对二值化图像进行加窗处理。应理解，此处仅为示例性表述，并不能理解为对本发明的具体限制。在本发明实施例中，对接收到的数字图像数据进行灰度处理、二值化处理和加窗处理后，得到有用的图像数据大小为64×48。
可选的，在本发明的一种实施例中，所述FPGA模块13采用EPIC20芯片，应理解，此处仅为示例性表述，并不能理解为对本发明的具体限制。
进一步的，所述处理器模块14具体用于读取存储的所述编程图像数据，每隔预设时间对所述编程图像数据进行跳转边缘捕捉，例如，在本发明的一种实施例中，所述预设时间可以为10ms。应理解，此处仅为示例性表述，并不能理解为对本发明的具体限制。在本发明实施例中，通过跳转边缘计算出信号宽度，再通过信号宽度计算出车辆偏移量，最后通过PID算法根据车辆偏移量控制车辆按照路面基线前进。例如，如图5所示，是本发明实施例提供的一种信号宽度的图像，处理器模块14捕捉4个跳转边缘，依次命名为sample1、sample2、sample3、sample 4。通过计算，得到信号宽度依次命名为width2、width3、width4，这3个宽度能够反映车辆的位置，信号宽度width3是白色路径的宽度，信号宽度width2和信号宽度width4分别表示白色路径左边和右边的黑色区域所显示的宽度，使用偏移公式：偏移量perror2＝(width 2-width 4)/2计算得到车辆偏移量，再通过PID(Proportion IntegralDifferential)算法即可控制车辆按照路面基线前进。
进一步的，在本发明实施例中，所述PID算法包括：使用公式out_p＝KP×偏移量perror2÷20对比例进行计算，其中，KP为比例系数；使用公式out_d2＝KD×(偏移量perror2-偏移量perror1)÷20对积分项进行计算，其中，KD为微分系数，偏移量perror 1为前一次偏移量；使用公式out 2＝out_p+out_d2+CENTER对调节变量进行计算，其中，CENTER是电动机的中心位置，out2为电动机的调节变量，用于控制PWM波形的高电平时长，如果在连续图像帧中out 2一直等于CENTER，则代表运梁车是沿着白色基线运行的，因为车辆工作是受其电机控制，电机又受脉冲宽度调制(Pulse Width Modulation，PWM)输出波控制工作，PWM是利用微处理器的数字输出来对模拟电路进行控制的一种技术。在本发明实施例中，通过输出PWM控制车辆电机，从而控制车辆按照路面基线前进，实现了车辆的自动巡线，避免了司机完全靠驾驶技巧和手感来控制施工车辆不安全的问题。使用公式偏移量perror2＝偏移量perror1对前一次偏移量进行保存，使用公式out_d1＝out_d2对前一次微分块的值进行保存，对历史数据进行替换和覆盖，可节省处理器模块的存储空间，提升处理器模块处理速度。考虑到车辆不必严格按照白色基线行驶，因此，去除容易导致积分饱和从而导致***不稳定的相关信息。
可选的，所述处理器模块14采用ARM处理器，ARM体系结构选定的是32位嵌入式精简指令***(Reduced Instruction Set Computer，RISC)微处理器体系结构。例如，在本发明的一种实施例中，所述处理器模块14为LPC2294芯片。应理解，此处仅为示例性表述，并不能理解为对本发明的具体限制。
进一步的，所述模数转换模块与现场可编程门阵列模块之间通过I2C总线连接。
进一步的，所述现场可编程门阵列模块与处理器模块之间通过JTAG及RS-232串行接口连接。通过FPGA模块的JTAG接口对ARM处理器进行在线配置编程调试等。通过RS-232接口实现两者间的数据采集和传输。
参考图6，图6是本发明实施例提供的另一种车辆视频巡线***的示意图，如图6所示，所述FPGA模块13包括：帧缓冲存储器121；所述处理器模块14包括：程序控制模块141和定时器142。
所述帧缓冲存储器121用于存储所述编程预处理后的图像数据。
所述程序控制模块141用于存储所述PID算法，通过PID算法控制车辆电机，由此控制车辆按照路面基线前进。
所述定时器142用于对编程图像数据进行跳转边缘捕捉。
输入捕捉功能是定时器的基本功能之一，输入捕捉功能用来监测外部的事件和输入信号。当外部事件发生或信号发生变化时，在指定的输入捕捉引脚上发生一个指定的沿跳变(可以指定该跳变是上升沿还是下降沿)，定时器捕捉到特定的沿跳变后，把计数寄存器当前的值锁存到通道寄存器。在本发明实施例中，定时器用于每隔预设时间捕捉图像数据的4个跳转边缘。
进一步的，所述PID算法是通过C语音写入到处理器模块中的程序控制模块的。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本实用新型各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种车辆视频巡线***，其特征在于，包括：视频采集模块、模数转换模块、现场可编程门阵列模块和处理器模块；
所述视频采集模块用于实时采集路面基线的模拟图像数据；
所述模数转换模块用于对所述模拟图像数据进行模数转换得到数据图像数据；
所述现场可编程门阵列模块用于对所述数据图像数据进行编程预处理得到编程图像数据，并存储所述编程图像数据；
所述处理器模块用于读取存储的所述编程图像数据，并每隔预设时间对所述编程图像数据进行跳转边缘捕捉，根据所述跳转边缘计算车辆偏移量，通过PID算法根据车辆偏移量控制车辆按照路面基线前进。
2.如权利要求1所述的车辆视频巡线***，其特征在于，所述模数转换模块具体用于：接收视频采集模块采集的模拟图像数据，并将模拟图像数据进行模数转换，转换为数字图像数据。
3.如权利要求1所述的车辆视频巡线***，其特征在于，所述所述现场可编程门阵列模块用于接收模数转换后的图像数据并进行编程预处理，包括：
所述现场可编程门阵列模块用于对接收到的数字图像数据进行灰度处理、二值化处理和加窗处理。
4.如权利要求1所述的车辆视频巡线***，其特征在于，所述现场可编程门阵列模块包括：帧缓冲存储器；
所述帧缓冲存储器用于存储所述编程预处理后的图像数据。
5.如权利要求1所述的车辆视频巡线***，其特征在于，所述处理器模块包括：程序控制模块；
所述程序控制模块用于存储所述PID算法，通过PID算法控制车辆电机，由此控制车辆按照路面基线前进。
6.如权利要求1所述的车辆视频巡线***，其特征在于，所述处理器模块包括：定时器；
所述定时器用于对编程图像数据进行跳转边缘捕捉。
7.如权利要求1所述的车辆视频巡线***，其特征在于，所述根据所述跳转边缘计算车辆偏移量，包括：通过跳转边缘计算出信号宽度，再通过信号宽度计算出车辆偏移量。
8.如权利要求1所述的车辆视频巡线***，其特征在于，所述模数转换模块与现场可编程门阵列模块之间通过I2C总线连接。
9.如权利要求1所述的车辆视频巡线***，其特征在于，所述现场可编程门阵列模块与处理器模块之间通过JTAG及RS-232串行接口连接。
10.如权利要求1所述的车辆视频巡线***，其特征在于，所述视频采集模块采用CCD视频传感器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810339410.7A CN110390225A (zh) | 2018-04-16 | 2018-04-16 | 车辆视频巡线*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810339410.7A CN110390225A (zh) | 2018-04-16 | 2018-04-16 | 车辆视频巡线*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110390225A true CN110390225A (zh) | 2019-10-29 |
Family
ID=68283020
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810339410.7A Pending CN110390225A (zh) | 2018-04-16 | 2018-04-16 | 车辆视频巡线*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110390225A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201965486U (zh) * | 2010-12-16 | 2011-09-07 | 西安理工大学 | 智能循迹小车 |
| CN103472824A (zh) * | 2013-08-29 | 2013-12-25 | 河海大学 | 一种基于摄像头的自动导航车的导航***及方法 |
| CN103995535A (zh) * | 2014-06-04 | 2014-08-20 | 苏州工业职业技术学院 | 基于模糊控制的pid控制器路径控制方法 |
| CN104442814A (zh) * | 2014-10-31 | 2015-03-25 | 重庆长安汽车股份有限公司 | 基于偏差预测算法的车道保持及自动对中***和方法 |
| CN205193589U (zh) * | 2015-11-18 | 2016-04-27 | 长沙师范学院 | 基于多传感器的智能循迹小车控制*** |
| CN205469262U (zh) * | 2015-12-29 | 2016-08-17 | 浙江交通职业技术学院 | 基于嵌入式摄像识别技术的汽车车道保持辅助*** |
| CN106295560A (zh) * | 2016-08-09 | 2017-01-04 | 浙江零跑科技有限公司 | 基于车载双目相机和分段式pid控制的车道保持方法 |
| CN106530312A (zh) * | 2016-11-05 | 2017-03-22 | 广州市奥威亚电子科技有限公司 | 一种基于低功耗嵌入式***实时抠像方法 |
| CN206564662U (zh) * | 2016-11-07 | 2017-10-17 | 陈丽艳 | 一种视频质量检测*** |
| CN107272707A (zh) * | 2017-08-03 | 2017-10-20 | 郑州轻工业学院 | 基于ipv6的无人车自动轨迹模糊pid跟随控制方法 |
-
2018
- 2018-04-16 CN CN201810339410.7A patent/CN110390225A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201965486U (zh) * | 2010-12-16 | 2011-09-07 | 西安理工大学 | 智能循迹小车 |
| CN103472824A (zh) * | 2013-08-29 | 2013-12-25 | 河海大学 | 一种基于摄像头的自动导航车的导航***及方法 |
| CN103995535A (zh) * | 2014-06-04 | 2014-08-20 | 苏州工业职业技术学院 | 基于模糊控制的pid控制器路径控制方法 |
| CN104442814A (zh) * | 2014-10-31 | 2015-03-25 | 重庆长安汽车股份有限公司 | 基于偏差预测算法的车道保持及自动对中***和方法 |
| CN205193589U (zh) * | 2015-11-18 | 2016-04-27 | 长沙师范学院 | 基于多传感器的智能循迹小车控制*** |
| CN205469262U (zh) * | 2015-12-29 | 2016-08-17 | 浙江交通职业技术学院 | 基于嵌入式摄像识别技术的汽车车道保持辅助*** |
| CN106295560A (zh) * | 2016-08-09 | 2017-01-04 | 浙江零跑科技有限公司 | 基于车载双目相机和分段式pid控制的车道保持方法 |
| CN106530312A (zh) * | 2016-11-05 | 2017-03-22 | 广州市奥威亚电子科技有限公司 | 一种基于低功耗嵌入式***实时抠像方法 |
| CN206564662U (zh) * | 2016-11-07 | 2017-10-17 | 陈丽艳 | 一种视频质量检测*** |
| CN107272707A (zh) * | 2017-08-03 | 2017-10-20 | 郑州轻工业学院 | 基于ipv6的无人车自动轨迹模糊pid跟随控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 林枫等: ""基于线性CCD的智能车自主跟踪算法研究"", 《工业控制计算机》 * |
| 王茂森等: "《智能机器人技术》", 31 August 2015 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180157972A1 (en) | Partially shared neural networks for multiple tasks | |
| CN112987759A (zh) | 基于自动驾驶的图像处理方法、装置、设备及存储介质 | |
| CN103991449A (zh) | 一种车辆行进控制方法及*** | |
| CN110789517A (zh) | 自动驾驶横向控制方法、装置、设备及存储介质 | |
| CN112026782B (zh) | 一种基于开关式深度学习网络模型的自动驾驶决策方法及*** | |
| CN101739827A (zh) | 一种车辆检测跟踪方法和装置 | |
| CN111860255A (zh) | 驾驶检测模型的训练、使用方法、装置、设备及介质 | |
| CN109191841A (zh) | 一种基于树莓派的城市交通智能管理*** | |
| Fei et al. | Pillarsegnet: Pillar-based semantic grid map estimation using sparse lidar data | |
| CN110371016B (zh) | 车辆前灯的距离估计 | |
| CN108875458A (zh) | 车辆远光灯开启的检测方法、装置、电子设备及摄像机 | |
| CN107831760A (zh) | 机器人障碍物处理***及方法 | |
| CN104097565A (zh) | 一种汽车远近光灯控制方法和装置 | |
| CN110390225A (zh) | 车辆视频巡线*** | |
| CN108052893A (zh) | 一种识别远光灯是否开启的方法及设备 | |
| DE112018007190T5 (de) | Fahrzeugbeleuchtungssteuerungsvorrichtung,fahrzeugbeleuchtungssteuerungsverfahren undfahrzeugbeleuchtungssteuerungsprogramm | |
| CN114973181B (zh) | 多目bev视角的环境感知方法、装置、设备及存储介质 | |
| CN116363619A (zh) | 一种注意力机制的车道线检测方法、***、设备及介质 | |
| CN110341766A (zh) | 自适应时长调整平台 | |
| CN112590792B (zh) | 一种基于深度强化学习算法的车辆汇合控制方法 | |
| CN109501699A (zh) | 一种兼顾can驱动和硬线信号驱动的组合仪表报警策略 | |
| DE112018007189T5 (de) | Fahrzeugbeleuchtungssteuerungsvorrichtung, fahrzeugbeleuchtungssteuerungsverfahren undfahrzeugbeleuchtungssteuerungsprogramm | |
| CN115320637A (zh) | 一种自动驾驶方法、装置及存储介质 | |
| Kai et al. | THMR-V: an effective and robust high-speed system in structured road | |
| Gopinathan et al. | Implementation of lane detection in autonomous vehicle using fpga |
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: 20191029 |
|
| RJ01 | Rejection of invention patent application after publication |