CN110889372A - 基于视频追踪及目标雷达信息的自动追踪驾驶方法 - Google Patents
基于视频追踪及目标雷达信息的自动追踪驾驶方法 Download PDFInfo
- Publication number
- CN110889372A CN110889372A CN201911177047.4A CN201911177047A CN110889372A CN 110889372 A CN110889372 A CN 110889372A CN 201911177047 A CN201911177047 A CN 201911177047A CN 110889372 A CN110889372 A CN 110889372A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- tracking
- driving
- automatic driving
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 18
- 230000008447 perception Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于视频追踪及目标雷达信息的自动追踪驾驶方法,包括自动驾驶车辆获取自动行车规划信息,采用视频追踪以及雷达探测获取前方目标车辆的空间追踪坐标信息,可以根据空间追踪坐标信息,根据自动驾驶车辆的位置信息以及目标车辆的位置信息匹配至自动行车规划信息,判别目标车辆与自动行车规划信息是否一致,以此,判别目标车辆是否继续作为追踪或跟随的目标,以此,在驾驶过程中,跟随前车驾驶可以很方便的判断路况信息,在路况较为复杂时,通过追踪前车模式,前车正常行驶过的路线可初步推测为良好路况,以此可提高自动驾驶的路况识别能力,使得自动驾驶更加安全;在生活中,也常常需要跟随驾驶,如此,增加自动驾驶的实用性。
Description
技术领域
本发明属于自动驾驶应用技术领域,具体涉及基于视频追踪及目标雷达信息的自动追踪驾驶方法。
背景技术
自动驾驶技术这个想法首次出现是在20世纪30年代的一本名为《AirWonderStories》的月刊科幻杂志上。但直到1986年,卡内基·梅隆大学制造出的NavLab1才算得上第一辆由电脑驾驶而非人类驾驶的汽车。自那时开始,像奔驰、宝马、奥迪、大众、福特等全球知名的汽车巨头们就开始着手研发自动驾驶技术,特别是最近10年,连谷歌、英特尔、苹果等科技厂商也加入了自动驾驶的研究之中。
为了更方便的区分和定义自动驾驶技术,自动驾驶的分级就成了一件大事。目前全球汽车行业公认的两个分级制度分别是由美国高速公路安全管理局(简称NHTSA)和国际自动机工程师学会(简称SAE)提出的。其中,L4和L5级别的自动驾驶技术都可以称为完全自动驾驶技术,到了这个级别,汽车已经可以在完全不需要驾驶员介入的情况下来进行所有的驾驶操作,驾驶员也可以将注意力放在其他的方面比如工作或是休息。但两者的区别在于,L4级别的自动驾驶适用于部分场景下,通常是指在城市中或是高速公路上。而L5级别则要求自动驾驶汽车在任何场景下都可以做到完全驾驶车辆行驶。
在自动驾驶技术日趋成熟的情况下,如何实现更多的功能,提供更加便捷的服务,是本发明着重探讨的问题。
在驾驶过程中,跟随前车驾驶可以很方便的判断路况信息,为驾驶人员省去了观察路况的信息的麻烦,如此,使得驾驶更加安全。而且,在生活中,也常常需要跟随驾驶,如此,增加自动驾驶的自动追踪模式很有必要。
发明内容
本发明提供了基于视频追踪及目标雷达信息的自动追踪驾驶方法,提供一种自动追踪驾驶方法,增加现在自动驾驶的驾驶模式,以提高自动驾驶的实用性与安全性。
本发明所采用的技术方案为:
基于视频追踪及目标雷达信息的自动追踪驾驶方法,包括以下步骤:
S1、自动驾驶车辆获取自动行车规划信息;所述自动驾驶车辆在自动行驶的过程中实时获取目标车辆的位置信息,并获取所述自动驾驶车辆的位置信息;
S2、自动驾驶车辆采用视频追踪以及雷达探测获取前方目标车辆的空间追踪坐标信息;
S3、根据自动驾驶车辆的位置信息以及目标车辆的位置信息匹配至自动行车规划信息;
S4、自动行车规划信息与目标车辆的空间追踪坐标信息关联,在目前目标车辆与自动行车规划信息行驶路径一致时根据目标车辆的空间坐标系进行追踪行驶。
通过首先获取自动行车规划信息作为追踪驾驶的前提,避免行驶到错误路线,采用视频追踪以及雷达探测获取前方目标车辆的空间追踪坐标信息,可以根据空间追踪坐标信息,根据自动驾驶车辆的位置信息以及目标车辆的位置信息匹配至自动行车规划信息,判别目标车辆与自动行车规划信息是否一致,以此,判别目标车辆是否继续作为追踪或跟随的目标。
根据以上技术优选的,所述自动驾驶车辆获取自动行车规划信息,用以所述自动驾驶车辆根据所述行车规划路径自动行驶;所述自动行车规划信息包括行车规划路径的信息。
根据以上技术优选的,步骤S2获取空间追踪坐标信息的方法是,
S201、对摄像机视频实时检测目标车辆的图像区域;
S202、基于前后帧图像中的目标车辆图像区域对目标车辆进行连续视频跟踪;
S203、建立目标车辆雷达坐标系与图像空间坐标系的映射关系,对目标车辆雷达信息进行空间标定并变换至图像空间坐标系中以关联得到空间追踪坐标信息。
根据以上技术优选的,步骤S201对摄像机视频实时检测目标车辆的图像区域的方法是,
首先对图像前景区域提取,再利用图像形态学对图像前景区域修正填充,然后对图像前景区域进行形状特征判定,一个图像前景区域对应一个车辆的图像区域。
根据以上技术优选的,所述车辆的图像区域为车辆在视频图像中所覆盖的像素区域。
根据以上技术优选的,所述自动驾驶车辆在自动行驶的过程中实时获取目标车辆的位置信息具体为:
所述自动驾驶车辆在自动行驶的过程中,通过环境感知模块获得环境感知信息,识别所述环境感知信息中的所述目标车辆,实时获取每一所述目标车辆位置信息,其中所述环境感知模块包括摄像以及GPS装置、惯性导航、激光雷达、毫米波雷达中的一种或多种。
根据以上技术优选的,所述自动驾驶车辆通过所述摄像机采集所述目标车辆的所述车辆牌照信息作为目标车辆的识别信息。
根据以上技术优选的,在追踪行驶过程中,根据目标车辆与自动驾驶车辆的行车距离变化,结合自动行驶车辆的速度判断目标车辆的速度;然后根据目标车辆的速度进行自动驾驶车辆的加速或减速。
根据以上技术优选的,在追踪行驶过程中,所述目标车辆的空间坐标系不在自动行车规划信息行驶路径当中时回馈提醒信号,并在预设时间内接收控制信号,若未接收到控制信号则停止追踪行驶;停止追踪行驶后按照自动行车规划信息行驶或在预设时间内停止行驶。
本发明具有如下的优点和有益效果:
1、本发明通过首先获取自动行车规划信息作为追踪驾驶的前提,避免行驶到错误路线,采用视频追踪以及雷达探测获取前方目标车辆的空间追踪坐标信息,可以根据空间追踪坐标信息,根据自动驾驶车辆的位置信息以及目标车辆的位置信息匹配至自动行车规划信息,判别目标车辆与自动行车规划信息是否一致,以此,判别目标车辆是否继续作为追踪或跟随的目标,以此,在驾驶过程中,跟随前车驾驶可以很方便的判断路况信息,在路况较为复杂时,通过追踪前车模式,前车正常行驶过的路线可初步推测为良好路况,以此可提高自动驾驶的路况识别能力,使得自动驾驶更加安全;在生活中,也常常需要跟随驾驶,如此,增加自动驾驶的实用性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明的方法流程图意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
应当理解,术语第一、第二等仅用于区分描述,而不能理解为指示或暗示相对重要性。尽管本文可以使用术语第一、第二等等来描述各种单元,这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况,本文中术语“/和”是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况,另外,本文中字符“/”,一般表示前后关联对象是一种“或”关系。
应当理解,在本发明的描述中,术语“上”、“竖直”、“内”、“外”等指示的方位或位置关系,是该发明产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
应当理解,当将单元称作与另一个单元“连接”、“相连”或“耦合”时,它可以与另一个单元直相连接或耦合,或中间单元可以存在。相対地,当将单元称作与另一个单元“直接相连”或“直接耦合”时,不存在中间单元。应当以类似方式来解释用于描述单元之间的关系的其他单词(例如,“在……之间”对“直接在……之间”,“相邻”对“直接相邻”等等)。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本文使用的术语仅用于描述特定实施例,并且不意在限制本发明的示例实施例。如本文所使用的,单数形式“一”、“一个”以及“该”意在包括复数形式,除非上下文明确指示相反意思。还应当理解术语“包括”、“包括了”、“包含”、和/或“包含了”当在本文中使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
实施例1:
如图1所示,本实施例提供了基于视频追踪及目标雷达信息的自动追踪驾驶方法,包括以下步骤:
S1、自动驾驶车辆获取自动行车规划信息;所述自动驾驶车辆在自动行驶的过程中实时获取目标车辆的位置信息,并获取所述自动驾驶车辆的位置信息;
具体的,自动行车规划信息是指车辆基于用户需求或者基于自身形式需求,通过地图导航服务的导航地图数据、路况信息服务的路况服务数据等,根据自动驾驶车辆的位置自动计算的到达预约位置的路线的信息,其中具体包括到达预约位置的行车规划路径的信息。
自动行车规划信息可以是在自动驾驶车辆根据用户预约前往接驾时生成的,也可以是在用户乘坐自动驾驶车辆之后,根据用户前往的目的地生成的。
比如,自动驾驶车辆可以根据接收到的用户预约信息生成自动行车规划信息;用户预约信息包括预约位置的信息、预约时间的信息和自动驾驶车辆的当前位置信息。自动驾驶车辆根据用户的预约位置的信息和车辆的当前位置的信息获得相应的导航地图数据和路况服务数据,并结合预约时间来确定合理的路线规划,从而生成到达预约位置的行车规划路径的信息,同时还能生成预计消耗时长的信息。
又如,自动驾驶车辆根据接收到的驾乘服务信息生成自动行车规划信息;驾乘服务信息包括目的地位置的信息和自动驾驶车辆的当前位置信息。自动驾驶车辆根据目的地位置的信息和车辆的当前位置的信息获得相应的导航地图数据和路况服务数据,来确定合理的路线规划,从而生成到达预约位置(即目的地位置)的行车规划路径的信息,同时也可以生成预计消耗时长的信息。
当然,还有一种情况是,自动驾驶车辆在送达乘客之后,自动寻找泊车位置进行泊车的过程中,也会生成自动行车规划信息。此时,自动形成规划信息中的预约位置即泊车位置。
无论是上述哪种情况,在自动行车规划信息中都包括有行车规划路径的信息。
S2、自动驾驶车辆采用视频追踪以及雷达探测获取前方目标车辆的空间追踪坐标信息;
自动驾驶车辆在自动行驶的过程中,通过环境感知模块,特别是摄像机,获得环境感知信息,当然也可以是结合激光雷达或毫米波雷达等对自动驾驶车辆周围环境进行感知识别。在获得环境感知信息之后,通过数据分析识别出环境感知信息中的目标车辆,实时获取目标车辆位置信息。
S3、根据自动驾驶车辆的位置信息以及目标车辆的位置信息匹配至自动行车规划信息;
S4、自动行车规划信息与目标车辆的空间追踪坐标信息关联,在目前目标车辆与自动行车规划信息行驶路径一致时根据目标车辆的空间坐标系进行追踪行驶。
自动驾驶车辆通过所述摄像机采集所述目标车辆的所述车辆牌照信息作为目标车辆的识别信息。
在追踪行驶过程中,根据目标车辆与自动驾驶车辆的行车距离变化,结合自动行驶车辆的速度判断目标车辆的速度;然后根据目标车辆的速度进行自动驾驶车辆的加速或减速。
在追踪行驶过程中,所述目标车辆的空间坐标系不在自动行车规划信息行驶路径当中时回馈提醒信号,并在预设时间内接收控制信号,若未接收到控制信号则停止追踪行驶;停止追踪行驶后按照自动行车规划信息行驶或在预设时间内停止行驶。
优选的,自动驾驶车辆获取自动行车规划信息,用以所述自动驾驶车辆根据所述行车规划路径自动行驶;所述自动行车规划信息包括行车规划路径的信息。
优选的,步骤S2获取空间追踪坐标信息的方法是,
S201、对摄像机视频实时检测目标车辆的图像区域;
首先对图像前景区域提取,再利用图像形态学对图像前景区域修正填充,然后对图像前景区域进行形状特征判定,一个图像前景区域对应一个车辆的图像区域。
S202、基于前后帧图像中的目标车辆图像区域对目标车辆进行连续视频跟踪;
与前帧车辆图像区域关联分析:将当前帧中的所有车辆图像区域与前一帧中的所有车辆图像区域进行关联分析,计算前后帧图像区域间的重叠度、形状相似度矩阵。同时基于开尔曼滤波对前一帧车辆图像区域的运动趋势进行估计,计算当前帧图像区域与预测估计区域质心的距离。综合上述3种计算结果,建立当前帧中的车辆图像区域与前一帧中的对应关系。
当前帧中的车辆图像区域,具有对应的前一帧车辆图像区域的,则将其作为前一帧车辆图像区域所属于的车辆目标在时序上的延续,从而实现对该车辆目标的视频图像跟踪。
当前帧中的车辆图像区域,不具有对应的前一帧车辆图像区域的,则将其作为新的车辆目标的初始图像区域,***分配相应的内存空间存储该车辆目标当前帧及后序的跟踪时序序列。
S203、建立目标车辆雷达坐标系与图像空间坐标系的映射关系,对目标车辆雷达信息进行空间标定并变换至图像空间坐标系中以关联得到空间追踪坐标信息。
与多目标雷达信息关联:在与当前帧时间最近的多目标雷达信息中,车辆雷达坐标变换至图像空间,进而将覆盖该坐标的车辆图像区域所属的车辆目标与该坐标对应的多目标雷达信息关联;方法如下:
建立雷达-图像坐标系变换映射:***初始化时利用多目标雷达和摄像机的安装参数建立雷达坐标系与图像空间坐标系的映射关系。所需要的安装参数包括:摄像机与雷达在左右、上下以及前后之间的距离差Lx、Ly和Lz,摄像机与道路方向的夹角α,摄像机与水平面的夹角β以及多目标雷达的安装高度H。车辆目标在以多目标雷达为中心的坐标系中的坐标一般表示为车辆在道路横向方向上与雷达之间的距离Dh及在道路纵向方向上的距离Dv,将其变换至以摄像机为中心的右手笛卡尔坐标系中,坐标(x,y,z)T满足:
已知摄像机的水平和竖直视角分别为aw和ah,以及图像的水平和竖直分辨率分别为w和h,则将上述坐标变换至图像空间坐标系中,坐标(u,v)T满足:
获取当前帧多目标雷达信息:***运行过程中多目标雷达持续感知,其微波扫描频率不一定与视频帧率一致,将选取与当前视频帧时间最近的多目标雷达信息帧;
获取车辆位置坐标信息:车辆目标的雷达信息一般包括车辆目标序号、车辆目标在以多目标雷达为中心的坐标系中的坐标、车辆目标的速度。多个车辆目标以包含上述信息的数组集合存储在一帧多目标雷达信息中。通过对多目标雷达信息进行一定格式的变换可以获取车辆雷达坐标;
车辆位置坐标变换:将当前获取的所有车辆雷达坐标利用上述雷达-图像坐标系变换映射,换算成图像空间坐标;
更新车辆跟踪信息:将当前帧中车辆图像区域的位置坐标、长宽大小以及对应的多目标雷达信息作为车辆目标的当前状态信息,添加至对应的车辆目标的时序序列中。
优选的,所述车辆的图像区域为车辆在视频图像中所覆盖的像素区域。
优选的,所述自动驾驶车辆在自动行驶的过程中实时获取目标车辆的位置信息具体为:
具体实施时,自动驾驶车辆在自动行驶的过程中,通过环境感知模块获得环境感知信息,识别所述环境感知信息中的所述目标车辆,实时获取每一所述目标车辆位置信息,其中所述环境感知模块包括摄像以及GPS装置、惯性导航、激光雷达、毫米波雷达中的一种或多种。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于,包括以下步骤:
S1、自动驾驶车辆获取自动行车规划信息;所述自动驾驶车辆在自动行驶的过程中实时获取目标车辆的位置信息,并获取所述自动驾驶车辆的位置信息;
S2、自动驾驶车辆采用视频追踪以及雷达探测获取前方目标车辆的空间追踪坐标信息;
S3、根据自动驾驶车辆的位置信息以及目标车辆的位置信息匹配至自动行车规划信息;
S4、自动行车规划信息与目标车辆的空间追踪坐标信息关联,在目前目标车辆与自动行车规划信息行驶路径一致时根据目标车辆的空间坐标系进行追踪行驶。
2.根据权利要求1所述的基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于,所述自动行车规划信息包括行车规划路径的信息;所述自动行车规划信息用于所述自动驾驶车辆根据所述行车规划路径自动行驶。
3.根据权利要求1所述的基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于,步骤S2获取空间追踪坐标信息的方法是,
S201、对摄像机视频实时检测目标车辆的图像区域;
S202、基于前后帧图像中的目标车辆图像区域对目标车辆进行连续视频跟踪;
S203、建立目标车辆雷达坐标系与图像空间坐标系的映射关系,对目标车辆雷达信息进行空间标定并变换至图像空间坐标系中以关联得到空间追踪坐标信息。
4.根据权利要求3所述的基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于,步骤S201对摄像机视频实时检测目标车辆的图像区域的方法是,
首先对图像前景区域提取,再利用图像形态学对图像前景区域修正填充,然后对图像前景区域进行形状特征判定,一个图像前景区域对应一个车辆的图像区域。
5.根据权利要求3所述的基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于:所述车辆的图像区域为车辆在视频图像中所覆盖的像素区域。
6.根据权利要求1所述的基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于,所述自动驾驶车辆在自动行驶的过程中实时获取目标车辆的位置信息具体为:
所述自动驾驶车辆在自动行驶的过程中,通过环境感知模块获得环境感知信息,识别所述环境感知信息中的所述目标车辆,实时获取每一所述目标车辆位置信息,其中所述环境感知模块包括摄像头以及GPS装置、惯性导航装置、激光雷达装置、毫米波雷达装置中的一种或多种。
7.根据权利要求6所述的基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于,所述自动驾驶车辆通过所述摄像机采集目标车辆的车辆牌照信息作为目标车辆的识别信息。
8.根据权利要求1所述的基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于,在追踪行驶过程中,根据目标车辆与自动驾驶车辆的行车距离变化,结合自动行驶车辆的速度判断目标车辆的速度;然后根据目标车辆的速度进行自动驾驶车辆的加速或减速。
9.根据权利要求1所述的基于视频追踪及目标雷达信息的自动追踪驾驶方法,其特征在于,在追踪行驶过程中,所述目标车辆的空间坐标系不在自动行车规划信息行驶路径当中时回馈提醒信号,并在预设时间内接收控制信号,若未接收到控制信号则停止追踪行驶;停止追踪行驶后按照自动行车规划信息行驶或在预设时间内停止行驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911177047.4A CN110889372A (zh) | 2019-11-26 | 2019-11-26 | 基于视频追踪及目标雷达信息的自动追踪驾驶方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911177047.4A CN110889372A (zh) | 2019-11-26 | 2019-11-26 | 基于视频追踪及目标雷达信息的自动追踪驾驶方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110889372A true CN110889372A (zh) | 2020-03-17 |
Family
ID=69748872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911177047.4A Pending CN110889372A (zh) | 2019-11-26 | 2019-11-26 | 基于视频追踪及目标雷达信息的自动追踪驾驶方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889372A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111976744A (zh) * | 2020-08-20 | 2020-11-24 | 东软睿驰汽车技术(沈阳)有限公司 | 基于打车的控制方法、装置及自动驾驶汽车 |
CN112758099A (zh) * | 2020-12-31 | 2021-05-07 | 福瑞泰克智能***有限公司 | 辅助驾驶方法、装置、计算机设备和可读存储介质 |
CN113189610A (zh) * | 2021-04-28 | 2021-07-30 | 中国科学技术大学 | 地图增强的自动驾驶多目标追踪方法和相关设备 |
CN113945153A (zh) * | 2020-07-16 | 2022-01-18 | 远景网格有限公司 | 用于自动驾驶的利用图像跟踪的距离和位置测定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103935366A (zh) * | 2014-05-03 | 2014-07-23 | 陈桂英 | 基于雷达定位的车辆自动跟随***及车辆自动跟随方法 |
CN105890610A (zh) * | 2016-06-24 | 2016-08-24 | 维沃移动通信有限公司 | 车辆跟踪导航方法及装置 |
CN106710240A (zh) * | 2017-03-02 | 2017-05-24 | 公安部交通管理科学研究所 | 融合多目标雷达与视频信息的通行车辆跟踪测速方法 |
WO2018019141A1 (zh) * | 2016-07-28 | 2018-02-01 | 比亚迪股份有限公司 | 基于车辆远程控制的应急驾驶方法、***及车辆 |
CN108958264A (zh) * | 2018-08-03 | 2018-12-07 | 北京智行者科技有限公司 | 基于自动驾驶技术的道路交通稽查方法和车辆 |
CN109164809A (zh) * | 2018-09-20 | 2019-01-08 | 北京机械设备研究所 | 一种车辆编队自主跟随控制***及方法 |
-
2019
- 2019-11-26 CN CN201911177047.4A patent/CN110889372A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103935366A (zh) * | 2014-05-03 | 2014-07-23 | 陈桂英 | 基于雷达定位的车辆自动跟随***及车辆自动跟随方法 |
CN105890610A (zh) * | 2016-06-24 | 2016-08-24 | 维沃移动通信有限公司 | 车辆跟踪导航方法及装置 |
WO2018019141A1 (zh) * | 2016-07-28 | 2018-02-01 | 比亚迪股份有限公司 | 基于车辆远程控制的应急驾驶方法、***及车辆 |
CN107664957A (zh) * | 2016-07-28 | 2018-02-06 | 比亚迪股份有限公司 | 基于车辆远程控制的应急驾驶方法、***及车辆 |
CN106710240A (zh) * | 2017-03-02 | 2017-05-24 | 公安部交通管理科学研究所 | 融合多目标雷达与视频信息的通行车辆跟踪测速方法 |
CN108958264A (zh) * | 2018-08-03 | 2018-12-07 | 北京智行者科技有限公司 | 基于自动驾驶技术的道路交通稽查方法和车辆 |
CN109164809A (zh) * | 2018-09-20 | 2019-01-08 | 北京机械设备研究所 | 一种车辆编队自主跟随控制***及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113945153A (zh) * | 2020-07-16 | 2022-01-18 | 远景网格有限公司 | 用于自动驾驶的利用图像跟踪的距离和位置测定方法及装置 |
CN111976744A (zh) * | 2020-08-20 | 2020-11-24 | 东软睿驰汽车技术(沈阳)有限公司 | 基于打车的控制方法、装置及自动驾驶汽车 |
CN112758099A (zh) * | 2020-12-31 | 2021-05-07 | 福瑞泰克智能***有限公司 | 辅助驾驶方法、装置、计算机设备和可读存储介质 |
CN112758099B (zh) * | 2020-12-31 | 2022-08-09 | 福瑞泰克智能***有限公司 | 辅助驾驶方法、装置、计算机设备和可读存储介质 |
CN113189610A (zh) * | 2021-04-28 | 2021-07-30 | 中国科学技术大学 | 地图增强的自动驾驶多目标追踪方法和相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889372A (zh) | 基于视频追踪及目标雷达信息的自动追踪驾驶方法 | |
US11494979B2 (en) | Bounding box estimation and lane vehicle association | |
US8605947B2 (en) | Method for detecting a clear path of travel for a vehicle enhanced by object detection | |
CN108885828B (zh) | 车辆控制***、车辆控制方法及存储介质 | |
US20180224857A1 (en) | Ecu, autonomous vehicle including ecu, and method of determining driving lane for the same | |
US9042639B2 (en) | Method for representing surroundings | |
US10935652B2 (en) | Systems and methods for using road understanding to constrain radar tracks | |
JP7156988B2 (ja) | 走行制御装置、走行制御方法、およびプログラム | |
US20180074200A1 (en) | Systems and methods for determining the velocity of lidar points | |
WO2021173198A1 (en) | Multi-modal, multi-technique vehicle signal detection | |
JP7413935B2 (ja) | 車載センサシステム | |
US12043269B2 (en) | Methods and systems for camera to ground alignment | |
Díaz et al. | Extended floating car data system: Experimental results and application for a hybrid route level of service | |
CN116438583A (zh) | 可用泊车位识别装置、可用泊车位识别方法和程序 | |
US11691566B2 (en) | Intelligent vehicle systems and control logic for surround view augmentation with object model recognition | |
US20210294338A1 (en) | Control apparatus, control method, and computer-readable storage medium storing program | |
CN114503044A (zh) | 用于在3d点云中自动标记对象的***和方法 | |
US11869250B2 (en) | Systems and methods for detecting traffic objects | |
JP7402753B2 (ja) | 安全支援システム、および車載カメラ画像分析方法 | |
US11326898B2 (en) | Parking assist apparatus and parking assist method | |
KR20220064407A (ko) | 온보드 클러스터 트래킹 시스템 | |
CN113525358A (zh) | 车辆控制装置以及车辆控制方法 | |
US11990038B2 (en) | Control device, moving body, control method, and storage medium | |
US20240010242A1 (en) | Signal processing device and signal processing method | |
US20240257636A1 (en) | Methods and systems for sensor fusion for traffic intersection assist |
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: 20200317 |
|
RJ01 | Rejection of invention patent application after publication |