CN110749457A - 智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车 - Google Patents
智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车 Download PDFInfo
- Publication number
- CN110749457A CN110749457A CN201911062854.1A CN201911062854A CN110749457A CN 110749457 A CN110749457 A CN 110749457A CN 201911062854 A CN201911062854 A CN 201911062854A CN 110749457 A CN110749457 A CN 110749457A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- hug
- wheel
- pothole
- early warning
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车,包括:步骤1、利用车载激光雷达对车辆前方路况进行实时扫描,以获取路面的点云数据集;利用车辆差分GPS实现车道级定位,利用轮编码器和方向盘转角传感器分别读取轮脉冲信号和偏航角速度信号,并推算出车辆航迹;步骤2、计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,并将坑洼或拥包的几何中心位置转换为全局坐标位置并发送至道路养护***;步骤3、判断车辆是否处于人类驾驶员接管条件下,如果是,***发出预警提示,以提示前方有坑洼或拥包;如果车辆处于ACC或IACC辅助驾驶条件下,车辆则进行路径规划,以实现避障功能。
Description
技术领域
本发明属于汽车的道路检测技术领域,具体涉及一种智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车。
背景技术
随着汽车智能驾驶辅助技术的飞速发展,乘用车开始普及L2甚至更高级别的辅助驾驶技术,与此同时,人们对城市化道路的需求也越来越高。人们在出行时不仅会考虑安全便捷性,更会追求出行的舒适感。而城市结构化道路由于路面出现坑洼或拥包,若得不到及时维护,给通行车辆布下各式各样“地雷阵”,有的甚至成为了“马路杀手”。尤其是在车速较快的情况下,甚至会因爆胎酿成交通事故,威胁驾驶人员及乘客的生命安全。
在现有技术中,国内外对路面坑洼、拥包预警***主要是通过接触式来实现,即当车辆压过坑洼或拥包,通过车身传感器发现坑洼或拥包的存在,并且在几毫米内及时调整自身的悬架参数,使得坑洼或拥包对轮胎的冲击降到最低,从而给乘客带来舒适的驾乘感受。这种采用接触式预警方式,由于车轮覆盖面有限,容易对坑洼拥包漏检,同时该方式精度虽高,但给驾驶员的反应时间不多,容易造成交通事故。
因此,有必要开发一种新的智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车。
发明内容
本发明的目的是提供一种智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车,它能实时扫描并确定坑洼、拥包的准确位置,并进行预警提示。
本发明所述的一种智能驾驶汽车对路面坑洼拥包预警方法,包括以下步骤:
步骤1、利用车载激光雷达对车辆前方路况进行实时扫描,以获取路面的点云数据集;利用车辆差分GPS实现车道级定位,利用轮编码器和方向盘转角传感器分别读取轮脉冲信号和偏航角速度信号,并推算出车辆航迹;
步骤2、基于点云数据集重建坑洼或拥包模型,计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,并将坑洼或拥包的几何中心位置转换为全局坐标位置并发送至道路养护***;
步骤3、判断车辆是否处于人类驾驶员接管条件下,如果是,***发出预警提示,以提示前方有坑洼或拥包;如果车辆处于ACC或IACC辅助驾驶条件下,车辆则进行路径规划,以实现避障功能。
进一步,所述步骤2中,计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,具体为:
计算坑洼或拥包的几何中心位置(x1,y1),求坑洼或拥包的几何中心位置与坑洼或拥包的最远点的距离,即为拥包或坑洼的最大半径d,那么实际坑洼或拥包覆盖的最大横向范围为y1±d,提取由差分GPS确定的车辆几何中心位置(x2,y2),得到车轮位置为
若左/右车轮在[y1-d,y1+d]范围内,则判断车轮会压过坑洼或拥包。
本发明所述的一种智能驾驶汽车对路面坑洼拥包预警***,包括数据采集模块、数据处理模块和预警传输模块;
所述数据采集模块包括车载激光雷达、车辆差分GPS、轮编码器和方向盘转角传感器,利用车载激光雷达对车辆前方路况进行实时扫描,以获取路面的点云数据集;利用车辆差分GPS实现车道级定位,利用轮编码器和方向盘转角传感器分别读取轮脉冲信号和偏航角速度信号,并推算出车辆航迹;
所述数据处理模块基于点云数据集重建坑洼或拥包模型,计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,并将坑洼或拥包的几何中心位置转换为全局坐标位置并发送至道路养护***;
所述预警传输模块用于判断车辆是否处于人类驾驶员接管条件下,如果是,***发出预警提示,以提示前方有坑洼或拥包;如果车辆处于ACC或IACC辅助驾驶条件下,车辆则进行路径规划,以实现避障功能。
进一步,所述计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,具体为:
计算坑洼或拥包的几何中心位置(x1,y1),求坑洼或拥包的几何中心位置与坑洼或拥包的最远点的距离,即为拥包或坑洼的最大半径d,那么实际坑洼或拥包覆盖的最大横向范围为y1±d,提取由差分GPS确定的车辆几何中心位置(x2,y2),得到车轮位置为
若左/右车轮在[y1-d,y1+d]范围内,则判断车轮会压过坑洼或拥包。
进一步,所述车载激光雷达安装在车辆挡风玻璃的正上方处。
本发明所述的一种智能驾驶汽车,采用如本发明所述的智能驾驶汽车对路面坑洼拥包预警***。
本发明具有以下优点:它能够实时扫描并确定坑洼、拥包的准确位置;一方面存储并传输坑洼或拥包位置信息到道路维护部门以便及时维护,另一方面通过计算坑洼拥包与本车的相对位置,以实现本车在启动智能驾驶辅助功能下作路径规划完成坑洼或拥包的避障功能。本发明采用非接触式预警方式,在保证***高精度前提下,对前方路况进行实时感知,减少坑洼拥包漏检率,通过提前预警,留给驾驶员的反应时间更多,提升了驾乘人员的安全性和舒适性。
附图说明
图1为本发明的流程图;
图2为***通过坑洼或拥包条件判断示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
本实施例中,一种智能驾驶汽车对路面坑洼拥包预警方法,包括以下步骤:
步骤1、利用车载激光雷达对车辆前方路况进行实时扫描,以获取路面的点云数据集;利用车辆差分GPS实现车道级定位,利用轮编码器和方向盘转角传感器分别读取轮脉冲信号和偏航角速度信号,并推算出车辆航迹。
步骤2、基于点云数据集重建坑洼或拥包模型,计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,并将坑洼或拥包的几何中心位置转换为全局坐标位置并发送至道路养护***。
步骤3、判断车辆是否处于人类驾驶员接管条件下,如果是,***发出预警提示,以提示前方有坑洼或拥包;如果车辆处于ACC或IACC辅助驾驶条件下,车辆则进行路径规划,以实现避障功能。
如图1所示,智能驾驶汽车对路面坑洼拥包预警方法具体流程如下:
1)通过车载激光雷达对车辆前方路况进行实时扫描。
2)所测点云数据为基于球坐标的测量,X0Y面为横向扫描,Z轴与横向扫描面垂直,将激光脉冲发射体发出的窄束激光脉冲依次扫过前方扫描区域,测量每个激光脉冲从发出经被测物表面再返回扫描头所经过的相位差来计算距离S,同时内置精密时钟控制编码器,同步测量每个激光脉冲横向扫描角度观测值α和纵向扫描角度观测值θ,因此可以得到坑洼或拥包表面任意一个点的坐标为(Scosθcosα,Scosθsinα,Ssinα)。
3)另一方面,通过差分GPS实现车辆的车道级定位的同时,利用轮速编码器、方向盘转角传感器等记录轮脉冲、偏航角速度等整车信息,由此推算车辆航迹。
4)数据提取:通过扫描得到周围环境的点云数据集后,经滤波、去噪等预处理后,计算地面参数模型,然后提取坑洼或拥包等“异常点”。
5)模型重建:对于提取出来的一系列坑洼拥包的“异常点”,进行插补、缝合与平滑处理,采用局部投影三角化算法对数据点进行重建,得到最终的坑洼或拥包模型。
6)参数对比:将已重建的坑洼或拥包模型与交通部《公路沥青路面养护技术规范》(JTJ073.2-2001)文件中定义的对车辆行驶有较大影响的坑洼或拥包从平均深度(高度)、最大半径进行比较。如果坑洼或拥包模型的平均深度(高度)大于设定阈值(比如:2cm)且最大半径大于3cm,则判断前方存在坑洼或拥包。本实施例中,若是坑洼,则计算平均深度,若是拥包,则计算平均高度。
7)如图2所示,位置计算:计算坑洼或拥包的几何中心位置(x1,y1),求坑洼或拥包的几何中心位置与坑洼或拥包的最远点的距离,即为拥包或坑洼的最大半径d,那么实际坑洼或拥包覆盖的最大横向范围为y1±d,提取由差分GPS确定的车辆几何中心位置(x2,y2),得到车轮位置为
8)***判断:通过航迹推算,若左/右车轮在[y1-d,y1+d]范围内,则判断车轮会压过坑洼或拥包,可参考图2***通过坑洼或拥包条件判断示意图。
9)当确认出坑洼或拥包的存在时,***会将其位置信息传输给道路养护***,以便及时维护路面。
10)确认坑洼或拥包与车辆的相对位置后,判断***是否由人类驾驶员接管,如果是,***发出预警提示前方坑洼或拥包;如果车辆处于ACC或IACC辅助驾驶条件下,车辆则进行路径规划,实现***主动避障。
本发明所述的一种智能驾驶汽车对路面坑洼拥包预警***,包括数据采集模块、数据处理模块和预警传输模块;数据采集模块与数据处理模块电连接,数据处理模块与预警传输模块电连接。
所述数据采集模块包括车载激光雷达、车辆差分GPS、轮编码器和方向盘转角传感器,利用车载激光雷达对车辆前方路况进行实时扫描,以获取路面的点云数据集;利用车辆差分GPS实现车道级定位,利用轮编码器和方向盘转角传感器分别读取轮脉冲信号和偏航角速度信号,并推算出车辆航迹。
所述数据处理模块基于点云数据集重建坑洼或拥包模型,计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,并将坑洼或拥包的几何中心位置转换为全局坐标位置并发送至道路养护***。
所述预警传输模块用于判断车辆是否处于人类驾驶员接管条件下,如果是,***发出预警提示,以提示前方有坑洼或拥包;如果车辆处于ACC或IACC辅助驾驶条件下,车辆则进行路径规划,以实现避障功能。
本实施例中,所述车载激光雷达安装在车辆挡风玻璃的正上方处。
本实施例中,一种智能驾驶汽车,采用如本实施例中所述的智能驾驶汽车对路面坑洼拥包预警***。
Claims (6)
1.一种智能驾驶汽车对路面坑洼拥包预警方法,其特征在于,包括以下步骤:
步骤1、利用车载激光雷达对车辆前方路况进行实时扫描,以获取路面的点云数据集;利用车辆差分GPS实现车道级定位,利用轮编码器和方向盘转角传感器分别读取轮脉冲信号和偏航角速度信号,并推算出车辆航迹;
步骤2、基于点云数据集重建坑洼或拥包模型,计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,并将坑洼或拥包的几何中心位置转换为全局坐标位置并发送至道路养护***;
步骤3、判断车辆是否处于人类驾驶员接管条件下,如果是,***发出预警提示,以提示前方有坑洼或拥包;如果车辆处于ACC或IACC辅助驾驶条件下,车辆则进行路径规划,以实现避障功能。
3.一种智能驾驶汽车对路面坑洼拥包预警***,其特征在于:包括数据采集模块、数据处理模块和预警传输模块;
所述数据采集模块包括车载激光雷达、车辆差分GPS、轮编码器和方向盘转角传感器,利用车载激光雷达对车辆前方路况进行实时扫描,以获取路面的点云数据集;利用车辆差分GPS实现车道级定位,利用轮编码器和方向盘转角传感器分别读取轮脉冲信号和偏航角速度信号,并推算出车辆航迹;
所述数据处理模块基于点云数据集重建坑洼或拥包模型,计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,并将坑洼或拥包的几何中心位置转换为全局坐标位置并发送至道路养护***;
所述预警传输模块用于判断车辆是否处于人类驾驶员接管条件下,如果是,***发出预警提示,以提示前方有坑洼或拥包;如果车辆处于ACC或IACC辅助驾驶条件下,车辆则进行路径规划,以实现避障功能。
4.根据权利要求3所述的智能驾驶汽车对路面坑洼拥包预警***,其特征在于:所述计算出坑洼或拥包的几何中心位置及最大半径;结合车辆位置来预测车辆车轮是否会压过坑洼或拥包,具体为:
计算坑洼或拥包的几何中心位置(x1,y1),求坑洼或拥包的几何中心位置与坑洼或拥包的最远点的距离,即为拥包或坑洼的最大半径d,那么实际坑洼或拥包覆盖的最大横向范围为y1±d,提取由差分GPS确定的车辆几何中心位置(x2,y2),得到车轮位置为
若左/右车轮在[y1-d,y1+d]范围内,则判断车轮会压过坑洼或拥包。
5.根据权利要求3或4所述的智能驾驶汽车对路面坑洼拥包预警***,其特征在于:所述车载激光雷达安装在车辆挡风玻璃的正上方处。
6.一种智能驾驶汽车,其特征在于:采用如权利要求3至5任一所述的智能驾驶汽车对路面坑洼拥包预警***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911062854.1A CN110749457A (zh) | 2019-10-31 | 2019-10-31 | 智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911062854.1A CN110749457A (zh) | 2019-10-31 | 2019-10-31 | 智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110749457A true CN110749457A (zh) | 2020-02-04 |
Family
ID=69281882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911062854.1A Pending CN110749457A (zh) | 2019-10-31 | 2019-10-31 | 智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110749457A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111516692A (zh) * | 2020-04-20 | 2020-08-11 | 重庆长安汽车股份有限公司 | 一种车辆在坑洼路面上行驶的控制***及方法 |
CN112356851A (zh) * | 2020-04-22 | 2021-02-12 | 青岛慧拓智能机器有限公司 | 一种无人驾驶矿车骑坑规划方法 |
CN112455467A (zh) * | 2021-01-11 | 2021-03-09 | 湖南汽车工程职业学院 | 智能驾驶汽车对路面坑洼拥包预警方法 |
CN112991737A (zh) * | 2021-03-10 | 2021-06-18 | 英博超算(南京)科技有限公司 | 一种汽车采集路况信息的方法 |
CN113029597A (zh) * | 2021-04-06 | 2021-06-25 | 北京理工大学 | 无人车全线控底盘测试*** |
CN113370982A (zh) * | 2021-06-17 | 2021-09-10 | 北京百度网讯科技有限公司 | 路面颠簸区域的检测方法、装置、电子设备及存储介质 |
CN114044002A (zh) * | 2021-11-30 | 2022-02-15 | 成都坦途智行科技有限公司 | 一种适用于自动驾驶的低洼路面自动识别的方法 |
CN115503817A (zh) * | 2022-08-30 | 2022-12-23 | 大运汽车股份有限公司 | 通过路面状况进行转向助力模式切换控制***及方法 |
CN115546749A (zh) * | 2022-09-14 | 2022-12-30 | 武汉理工大学 | 基于摄像机和激光雷达的路面坑洼检测及清扫和避让方法 |
CN115871622A (zh) * | 2023-01-19 | 2023-03-31 | 重庆赛力斯新能源汽车设计院有限公司 | 基于落差路面的辅助驾驶方法、电子设备及存储介质 |
CN116620296A (zh) * | 2023-05-18 | 2023-08-22 | 中公高远(北京)汽车检测技术有限公司 | 一种智能汽车的避险方法和*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204452581U (zh) * | 2015-02-17 | 2015-07-08 | 吉林大学 | 汽车防过度自转向电控限位装置 |
CN109131326A (zh) * | 2018-08-08 | 2019-01-04 | 大连理工大学 | 一种具有换道辅助功能的自适应巡航控制器及其工作方法 |
CN109808509A (zh) * | 2019-02-25 | 2019-05-28 | 武汉理工大学 | 一种无人驾驶越野车跨壕沟的自动识别与控制***及方法 |
CN109859208A (zh) * | 2019-01-03 | 2019-06-07 | 北京化工大学 | 基于凹凸性和rsd特征的场景分割与目标建模方法 |
CN110007316A (zh) * | 2019-04-16 | 2019-07-12 | 吉林大学 | 一种基于激光雷达路面信息识别的主动转向避障***及方法 |
CN110286387A (zh) * | 2019-06-25 | 2019-09-27 | 深兰科技(上海)有限公司 | 应用于自动驾驶***的障碍物检测方法、装置及存储介质 |
-
2019
- 2019-10-31 CN CN201911062854.1A patent/CN110749457A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204452581U (zh) * | 2015-02-17 | 2015-07-08 | 吉林大学 | 汽车防过度自转向电控限位装置 |
CN109131326A (zh) * | 2018-08-08 | 2019-01-04 | 大连理工大学 | 一种具有换道辅助功能的自适应巡航控制器及其工作方法 |
CN109859208A (zh) * | 2019-01-03 | 2019-06-07 | 北京化工大学 | 基于凹凸性和rsd特征的场景分割与目标建模方法 |
CN109808509A (zh) * | 2019-02-25 | 2019-05-28 | 武汉理工大学 | 一种无人驾驶越野车跨壕沟的自动识别与控制***及方法 |
CN110007316A (zh) * | 2019-04-16 | 2019-07-12 | 吉林大学 | 一种基于激光雷达路面信息识别的主动转向避障***及方法 |
CN110286387A (zh) * | 2019-06-25 | 2019-09-27 | 深兰科技(上海)有限公司 | 应用于自动驾驶***的障碍物检测方法、装置及存储介质 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111516692A (zh) * | 2020-04-20 | 2020-08-11 | 重庆长安汽车股份有限公司 | 一种车辆在坑洼路面上行驶的控制***及方法 |
CN112356851B (zh) * | 2020-04-22 | 2021-11-05 | 青岛慧拓智能机器有限公司 | 一种无人驾驶矿车骑坑规划方法 |
CN112356851A (zh) * | 2020-04-22 | 2021-02-12 | 青岛慧拓智能机器有限公司 | 一种无人驾驶矿车骑坑规划方法 |
CN112455467A (zh) * | 2021-01-11 | 2021-03-09 | 湖南汽车工程职业学院 | 智能驾驶汽车对路面坑洼拥包预警方法 |
CN112991737A (zh) * | 2021-03-10 | 2021-06-18 | 英博超算(南京)科技有限公司 | 一种汽车采集路况信息的方法 |
CN113029597A (zh) * | 2021-04-06 | 2021-06-25 | 北京理工大学 | 无人车全线控底盘测试*** |
CN113370982A (zh) * | 2021-06-17 | 2021-09-10 | 北京百度网讯科技有限公司 | 路面颠簸区域的检测方法、装置、电子设备及存储介质 |
CN113370982B (zh) * | 2021-06-17 | 2023-11-24 | 北京百度网讯科技有限公司 | 路面颠簸区域的检测方法、装置、电子设备及存储介质 |
CN114044002A (zh) * | 2021-11-30 | 2022-02-15 | 成都坦途智行科技有限公司 | 一种适用于自动驾驶的低洼路面自动识别的方法 |
CN115503817A (zh) * | 2022-08-30 | 2022-12-23 | 大运汽车股份有限公司 | 通过路面状况进行转向助力模式切换控制***及方法 |
CN115546749A (zh) * | 2022-09-14 | 2022-12-30 | 武汉理工大学 | 基于摄像机和激光雷达的路面坑洼检测及清扫和避让方法 |
CN115871622A (zh) * | 2023-01-19 | 2023-03-31 | 重庆赛力斯新能源汽车设计院有限公司 | 基于落差路面的辅助驾驶方法、电子设备及存储介质 |
CN116620296A (zh) * | 2023-05-18 | 2023-08-22 | 中公高远(北京)汽车检测技术有限公司 | 一种智能汽车的避险方法和*** |
CN116620296B (zh) * | 2023-05-18 | 2024-03-12 | 中公高远(北京)汽车检测技术有限公司 | 一种智能汽车的避险方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110749457A (zh) | 智能驾驶汽车对路面坑洼拥包预警方法、***及智能驾驶汽车 | |
US11913807B2 (en) | Methods and systems for calibrating sensors using road map data | |
US10181084B2 (en) | Combining multiple estimates of an environment into a consolidated estimate for an autonomous vehicle | |
USRE46982E1 (en) | Controlling a vehicle having inadequate map data | |
US9440652B1 (en) | Filtering noisy/high-intensity regions in laser-based lane marker detection | |
US9336436B1 (en) | Methods and systems for pedestrian avoidance | |
US20180329423A1 (en) | System To Optimize Sensor Parameters In An Autonomous Vehicle | |
CN113329927A (zh) | 基于激光雷达的挂车追踪 | |
CN112455467A (zh) | 智能驾驶汽车对路面坑洼拥包预警方法 | |
CN106515582A (zh) | 安全驾驶预警方法及装置 | |
CN107618505B (zh) | 一种提高自动泊车成功率的控制***及方法 | |
JP2017523517A (ja) | 自律車両用の交通信号応答 | |
CN108091176B (zh) | 一种汽车主动防碰撞虚拟斑马线控制*** | |
EP4065444A1 (en) | Real-time adjustment of vehicle sensor field of view volume | |
CN101101333A (zh) | 用于产生行进车辆的驾驶员辅助信息的设备和方法 | |
CN111439198B (zh) | 一种大型车辆转弯预警方法及*** | |
CN111775934A (zh) | 一种汽车的智能驾驶避障*** | |
JP2024045402A (ja) | 車両制御装置、車両制御方法、車両制御プログラム | |
US11059480B2 (en) | Collision avoidance system with elevation compensation | |
CN115892063A (zh) | 一种无人驾驶商用车路况监控及应对方法 | |
CN210101616U (zh) | 一种防碰撞***、车辆 | |
CN111497832A (zh) | 车辆内轮差风险监测方法、装置、计算机设备及存储介质 | |
CN113049846A (zh) | 用于测量拖车车轮转速的***和方法 | |
JP2021149390A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US20240109533A1 (en) | Virtual hazard inference system |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200204 |