CN111307170A - 无人驾驶车辆行驶规划方法、装置、设备及介质 - Google Patents
无人驾驶车辆行驶规划方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111307170A CN111307170A CN201811520538.XA CN201811520538A CN111307170A CN 111307170 A CN111307170 A CN 111307170A CN 201811520538 A CN201811520538 A CN 201811520538A CN 111307170 A CN111307170 A CN 111307170A
- Authority
- CN
- China
- Prior art keywords
- image data
- signal
- target vehicle
- synchronous
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000001360 synchronised effect Effects 0.000 claims abstract description 102
- 230000009466 transformation Effects 0.000 claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 230000006837 decompression Effects 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 63
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 108010001267 Protein Subunits Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人驾驶车辆行驶规划方法、装置、设备及介质。所述方法包括：接收目标车辆发送的智能驾驶指令，获取目标车辆的定位信息；令目标车辆的双目摄像头采集预设监控范围内的同步图像数据；根据目标车辆的定位信息确定目标车辆的动态接收范围，并自云数据库中获取在动态接收范围内的共享图像数据；获取对共享图像数据进行解压缩逆变换之后生成的同步监测数据；根据同步图像数据和同步监控数据对目标车辆进行车辆行驶规划。本发明实现了区域内快速传输分享数据，有利于及时作出预警判断，并且及时有效地处理车辆周边的突发事件，提高了无人驾驶车辆的安全性。
Description
技术领域
本发明涉及人工智能领域，具体涉及一种无人驾驶车辆行驶规划方法、装置、设备及介质。
背景技术
无人驾驶车辆的高级驾驶辅助***(ADAS，Advanced Driver AssistanceSystems)，传感器是无人驾驶汽车的一个关键部件，能够为中央控制器提供汽车前方车辆距离、后方和侧面各种车辆图像数据。提供车辆数据的来源可以包括：雷达、超声波、激光和照相机等，其中通过摄像头获取的数据可以实时观测动态行车过程中的变化，更因为其自身成本低廉、信息量采集大、分辨率已经具有较高的水准而受到很大的欢迎。
目前，无人驾驶车辆在高级驾驶辅助***的帮助下在道路上的行驶获取的图像数据仅来源于单一车体，对于突发事件处理比较单一，如车辆之间或者车与移动障碍物由于不能够及时获取到双方有效视觉信息而产生交通事故；同时对于车辆之间来说单视角镜头范围内获取的图片数据量和信息量都比较小，对道路的判断单一，不能够及时通信做出预警判断，因此还需不断优化。
发明内容
本发明实施例提供一种无人驾驶车辆行驶规划方法、装置、设备及介质，能够在目标车辆的无人驾驶过程中高效传输同步图像数据并和其他车辆共享同步监控数据，从而根据同步图像数据和同步健康数据控制目标车辆实现无人驾驶，同时还能根据其及时处理突发事件，提高了无人驾驶车辆的安全性。
一种无人驾驶车辆行驶规划方法，包括：
接收目标车辆发送的智能驾驶指令，获取所述目标车辆的定位信息；
获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据；
根据所述目标车辆的定位信息确定所述目标车辆的动态接收范围，并自云数据库中获取所述动态接收范围内的共享图像数据；所述共享图像数据是指当前时段内所有车辆同步传输至所述云数据库中的图像数据；
获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据；
根据所述同步图像数据和所述同步监控数据对所述目标车辆进行车辆行驶规划。
一种无人驾驶车辆行驶规划装置，包括：
定位模块，用于接收目标车辆发送的智能驾驶指令，获取所述目标车辆的定位信息；
采集模块，用于获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据；
接收模块，用于根据所述目标车辆的定位信息确定所述目标车辆的动态接收范围，并自云数据库中获取所述动态接收范围内的共享图像数据；所述共享图像数据是指当前时段内所有车辆同步传输至所述云数据库中的图像数据；
解压缩模块，用于获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据；
规划模块，用于根据所述同步图像数据和所述同步监控数据对所述目标车辆进行车辆行驶规划。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述无人驾驶车辆行驶规划方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述无人驾驶车辆行驶规划方法。
本发明提供的无人驾驶车辆行驶规划方法、装置、设备及介质，通过获取目标车辆的双目摄像头采集的同步图像数据以及接收目标车辆的动态接收范围内的同步监控数据，并结合目标车辆自身的同步图像数据以及目标车辆自身动态接受范围内的同步监控数据来进行车辆行驶规划，获取的图像数据量和信息量更加丰富；本发明能够在目标车辆的无人驾驶过程中高效传输同步图像数据并和其他车辆共享同步监控数据，从而根据同步图像数据和同步健康数据控制目标车辆实现无人驾驶，同时，本发明还可以根据上述数据及时作出预警判断，以及时有效地处理车辆周边的突发事件，提高了无人驾驶车辆的安全性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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他的附图。
图1是本发明一实施例中无人驾驶车辆行驶规划方法的应用环境示意图；
图2是本发明一实施例中无人驾驶车辆行驶规划方法的流程图；
图3是本发明一实施例中无人驾驶车辆行驶规划方法的步骤S20的程图；
图4是本发明一实施例中无人驾驶车辆行驶规划方法的步骤S203的流程图；
图5是本发明一实施例中无人驾驶车辆行驶规划方法的压缩正变换的流程图；
图6是本发明一实施例中无人驾驶车辆行驶规划方法的步骤S40的流程图；
图7是本发明一实施例中无人驾驶车辆行驶规划方法的解压缩逆变换的流程图；
图8是本发明一实施例中无人驾驶车辆行驶规划装置的原理框图；
图9是本发明一实施例中无人驾驶车辆行驶规划装置的采集模块的原理框图；
图10是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
本发明提供的无人驾驶车辆行驶规划方法，可应用在如图1的应用环境中，其中，无人驾驶车辆通过网络与服务器进行通信。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种无人驾驶车辆行驶规划方法，以该方法应用在图1中的服务器为例进行说明，包括以下步骤：
S10、接收目标车辆发送的智能驾驶指令，获取所述目标车辆的定位信息。
其中，所述智能驾驶指令是指无人驾驶车辆(即目标车辆)的车主在无人驾驶车辆设置的控制面板上录入的运行参数和输入目的地位置信息，并通过点击或滑动等方式触发预设的自动驾驶模式按钮或者人工驾驶模式按钮发送至服务器的指令。
作为优选，在接收目标车辆发送的智能驾驶指令时，通过无人驾驶车辆的设置的定位***获取该目标车辆的定位信息，此时，可以将该定位信息和目的地位置信息在预设的电子地图中进行标注，并接收所述电子地图规划的多条初始出行路线，进而自动选择出多条出行路线中的某一较优路线(比如时间最快、收费最低或路程最短等参数较优)，令无人驾驶车辆以运行参数按照该优选路线运行，再根据所述S40中实时获取的图像数据调整该较优路线。
S20、获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据。
其中，所述双目摄像头包括但不限定于为设置在无人驾驶车辆的前后方、左右两侧、左上右下方、右上左下方中的双目摄像头，且每一所述双目摄像头设置有两个单摄像头，每一所述双目摄像头均采集其监控范围内的一路图像数据。也即，所述同步图像数据是指设置在无人驾驶车辆的前后方、左右两侧、左上右下方、右上左下方等位置的双目摄像头同步并行采集的无人驾驶车辆的前后方、左右两侧、左上右下方、右上左下方的图像数据。所述同步图像数据包括但不限定为车辆周围的环境图像数据，以及从车辆周围的环境图像数据中提取的人流量数据、周围车辆信息等。
具体的，无人驾驶车辆(即目标车辆)在不启动时，双目摄像头处于关闭或节能状态，在启动无人驾驶车辆时，唤醒双目摄像头，即自动将双目摄像头从节能状态或关闭状态切换至工作状态，并根据预设的图像采集周期(即每隔预设时长定时采集一次)令双目摄像头抓拍同步图像数据。
S30、根据所述目标车辆的定位信息确定所述目标车辆的动态接收范围，并自云数据库中获取所述动态接收范围内的共享图像数据；所述共享图像数据是指当前时段内所有车辆同步传输至所述云数据库中的图像数据。
其中，所述动态接收范围是跟随所述目标车辆的定位信息确定同步监控数据的可接收范围，且所述动态接收范围根据需求设置，比如：以目标车辆为中心，获取2公里以内的圆形区域范围作为动态接收范围。
所述云数据库是指用于存放具有相同分享权限的所有车辆通过双目摄像头采集的同步图像数据，且提供分区域分时段查询功能。可理解的，在一实施例中，无人驾驶车辆的各车企可以创建各自的云数据库，且各车企需要为名下的所有无人驾驶车辆提供分享权限。
进一步的，将目标车辆的同步图像数据进行压缩之后，可以将其传输至与服务器通信连接的云数据库中，在目标车辆的被压缩的所述同步图像数据(压缩之后被标记为共享图像数据)传输至云数据库之后，若该目标车辆在当前时段内处于其他车辆的动态接收范围中，传输至云服务器的该目标车辆的同步图像数据(传输至云服务器之前即已被压缩并标记为共享图像数据)即可作为其他车辆的同步监控数据(共享图像数据自云服务器中被调取之后，即进行解压缩逆变换生成同步监控数据)；若该目标车辆在当前时段内从第一地点移动至第二地点之后，第一地点处于第二地点的动态接受范围之内，此时，在第一地点抓取的同步图像数据传输至云数据库之后，可以将该目标车辆在第一地点的同步图像数据作为第二地点的同步监控数据，但是该目标车辆在第一地点的同步图像数据可以直接从云数据库中获取，亦可以直接从所述目标车辆的数据库中直接获取(该目标车辆在第一地点的同步图像数据已预先被存储至该数据库中，直接自该数据库中提取的速度更快)。
作为优选，在启动无人驾驶车辆时，获取目标车辆的时间信息(当前时间点以及当前时间点所处的当前时段)，并根据所述时间信息和所述定位信息生成查询指令，将所述查询指令发送至云数据库，并接收云数据库传输回来的共享图像数据。其中，所述时间信息为当前时间点以及该当前时间点对应的当前时段。
S40、获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据。
在本实施例中，在自云数据库中根据所述时间信息和所述定位信息自动获取对应于所述时间信息以及所述定位信息的共享图像数据之后，将获取的共享图像数据进行解压缩之后传输至目标车辆。可理解的，所述云数据库存放的共享图像数据为压缩之后的同步图像数据，在将共享图像数据传输至车辆时，需要将共享图像数据进行解压缩之后得到可供车辆使用的数据(即同步监控数据)。
S50、根据所述同步图像数据和所述同步监控数据对所述目标车辆进行车辆行驶规划。
其中，所述车辆行驶规划包括路线控制和车辆控制；所述路线控制包括更换线道、路线规划/调整等；所述车辆控制包括车辆加速、车辆加速、车辆转弯、车辆掉头、启动车辆、停止车辆等。
可理解的，车辆在一个动态接收范围(一个近距离范围)内的共享图像数据具有时间相关性和空间相关性，以每个车辆自身为中心节点，选择动态接收范围内的不同车辆连续时间内的图像数据可以做出更合理的车辆行驶规划。
示例性的，通过设置在目标车辆的正前方的双目摄像头来获取前方道路图像数据后，根据所述前方道路图像数据判断目标车辆与前方车辆的距离远近，发出近距离减速预警；进一步的，实时获取目标车辆与前方车辆的相距距离，在检测到目标车辆与前方车辆的相距距离小于预设的减速距离阈值时，自动控制所述目标车辆进行减速。
示例性的，极端天气(比如：大雾，沙尘等)能见度较低的情况下，从设置在目标车辆的正前方的双目摄像头抓取交通灯信号并进行语音提示。进一步的，在根据交通灯信号获得交通灯为绿灯时，根据获取的前方道路图像数据、车辆的当前运行参数、车辆与交通灯的相距距离等信息获取车辆能够通过该交通灯的最大通过概率，在检测到所述最大通过概率小于预设的绿灯减速阈值时，自动控制所述目标车辆进行减速。
综上所述，本发明提供的无人驾驶车辆行驶规划方法，通过同时获取目标车辆自身的同步图像数据以及目标车辆自身周围的共享图像数据，并结合目标车辆自身的同步图像数据以及目标车辆自身周围的共享图像数据来进行车辆行驶规划，获取的图像数据量和信息量更加丰富，有利于处理突发性事件，以及能够及时与服务器进行通信作出预警判断。
在一实施例中，如图3所示，所述步骤S20，具体包括以下步骤：
S201、令多组双目摄像头分多路同步采集所述同步图像数据；所述双目摄像头包含设置在所述目标车辆的前后方、左右两侧、左上右下方以及右上左下方的双目摄像头，且每一所述双目摄像头包含两个单摄像头；
也即，安装在所述目标车辆的前后方、左右两侧、左上右下方以及右上左下方的双目摄像头均为一组双目摄像头，而令多组双目摄像头同步并行采集多路同步图像数据，可以保证图像数据的实时有效性。
S202、将每一所述双目摄像头采集的所述同步图像数据保存至一个二维点矩阵中；所述二维点矩阵是指用像素点描述的二维矩阵。
也即，目标车辆设置的双目摄像头的每一个单摄像头可以作为一个采集节点，分别采集各采集节点的同步图像数据，并将所述同步图像数据使用二维点矩阵进行保存。
S203、对所述二维点矩阵进行压缩正变换之后，获取二维分量矩阵；所述二维分量矩阵是指用非零维度分量描述的二维矩阵。
其中，所述压缩正变换用于将双目摄像头采集的同步图像数据转换为共享图像数据，且包括行变换、列变换、高低频分量变换和分量替换。
在本实施例中，在所述步骤S202中将所述同步图像数据使用二维点矩阵进行保存之后，对所述二维点矩阵进行行变换和列变换，可以得到同步图像数据对应的四个维度分量，去掉最高分量，保留其余三个维度分量作为有效维度分量。
S204、将所述二维分量矩阵标记为共享图像数据，并将所述共享图像数据传输至所述云数据库中。
综上所述，本发明提供的无人驾驶车辆行驶规划方法，通过获取所有采集节点上的同步图像数据，并将对应于每一采集节点的同步图片数据使用二维点矩阵进行保存，进而对所述二维点矩阵进行压缩正变换之后，得到共享图像数据，并将该共享图像数据传输至云数据库中，可以节省传输耗能，提高了传输效率。
在一实施例中，如图4所示，所述步骤S203，具体包括以下步骤；
S2031、将所述二维点矩阵作为所述原始信号进行行变换，获取包含第一细节信号和第一逼近信号的行变换后信号。
示例性的，压缩正变换如图5所示。
首先，将所述原始信号中的行像素进行***处理，获取第一奇数信号和第一偶数信号。也即，进入***阶段，将原始信号f(t)根据采样间隔τ***成第一奇数信号xom(t)与第一偶数信号xem(t)，如下式(1)所示：
其次，根据预设的第一预测算子对所述第一奇数信号进行预测，获取第一细节信号。也即，进入预测阶段，保持第一偶数信号不变，通过第一预测算子Pm[·]来预测第一奇数信号，把预测值与实际值的差异值定义为第一细节信号dm(t)。如下式(2)所示：
dm(t)＝xom(t)-Pm[xem(t)] (2)
最后，根据预设的第一更新算子和所述第一细节信号对所述第一偶数信息进行更新，获取第一逼近信号。也即，进入更新阶段，首先引入第一更新算子Um[·]，利用上述所述第一细节信号更新原始的第一偶数信号，从而得到一个第一逼近信号cm(t)，如下式(3)所示：
cm(t)＝xem(t)+Um[dm(t)] (3)
优选的，对所述原始信号进行行变换时，所述第一细节信号为高频分量；所述第一逼近信号为低频分量，且其中所述第一预测算子Pm[·]为xem(t)，即第一偶数信号本身，所述第一更新算子Um[·]为dm(t)，即第一细节信号本身。
S2032、将所述行变换后信号进行列变换，获取包含第二细节信号和第二逼近信号的列变换后信号。
具体的，对所述行变换后信号中的列像素进行***处理，获取第二奇数信号yon(t)和第二偶数信号yen(t)；使用预设的第二预测算子Pn[·]对第二奇数信号yon(t)进行预测，得到第二细节信号dn(t)，并利用预设的第二更新算子Un[·]和第二细节信号dn(t)对第二偶数信号yen(t)进行更新，得到第二逼近信号cn(t)。优选的，对所述行变换后信号进行列变换时，所述第二细节信号为高频分量，所述第二逼近信号为低频分量，且其中所述第二预测算子Pn[·]为yen(t)，即第二偶数信号本身，所述更新算子Un[·]为dn(t)，即第二细节信号本身。
示例性的，若某二维点矩阵中的部分列像素构成数组
其中y1(t0)为第一列第一项的偶数信号，y2(t0)为第二列第一项的偶数信号，y1(t1)为第一列第一项的奇数信号，y2(t1)为第二列第一项的奇数信号；此时，数组H进行列变换可以得到
其中c1(t1)和d1(t1)为分别根据y1(t0)和y1(t1)进行列变换得到的第一列第一项的逼近信号和细节信号，c2(t2)和d2(t2)为分别为根据y2(t0)和y2(t1)进行列变换得到的第二列第一项的逼近信号和细节信号。
S2033、将所述列变换后信号中的所述第二细节信号和所述第二逼近信号进行分量转换和分量替换，得到一个二维分量矩阵。
也即，将用细节信号和逼近信号描述的像素点，用高低频分量进行描述，并将其中最高的一个维度分量(高低频分量)用零分量进行替换。
可理解的，对同步图像数据中的各像素点进行行变换和列变换处理之后，得到同步图像数据行和列的高频分量(值)和低频分量(值)，而空间近似度越高的区域，则高频系数值(与高频分量成相反数)越小，可以选择丢弃；反之，近似度越低的区域，高频系数值可以选择保留，此时，通过适配不同的预测算子、更新算子以及选择丢弃不同的高频系数可以得到不同程度的压缩效果。
示例性的，若某二维点矩阵中的部分像素点为数组
其中x1(t0)第一行的第一像素点，x1(t1)为第一行的第二个像素点，x2(t0)为第二行的第一个像素点，x2(t1)为第二行的第二个像素点，此时，数组A的变换过程的步骤如下：
步骤1：将数组A进行行变换可以得到数组
其中，c1(t1)和d1(t1)分别为根据x1(t0)和x1(t1)进行行变换得到的第一项的第一逼近信号和第一项的第一细节信号，c2(t2)和d2(t2)为分别为根据x2(t0)和x2(t1)进行行变换得到的第二项的第一逼近信号和第二项的第二细节信号；且第一项的第一逼近信号c1(t1)和第一项的第一细节信号d1(t1)将作为步骤2(列变换)中的偶数信号；第二项的第一逼近信号c2(t2)和第二项的第一细节信号d2(t2)将作为步骤2(列变换)中的奇数信号。
步骤2：将数组A′进行列变换可以得到数组
其中，c1c(t1)和d1c(t1)分别为根据f1(t0)和f1(t1)进行列变换之后得到的第一项的第二逼近信号和第一项的第二细节信号，c2d(t2)和d2d(t2)分别为根据f2(t0)和f2(t1)进行列变换之后得到的第二项的第二逼近信号和第二项的第二细节信号；
步骤3：将数组A″进行分量转换可以得到数组
其中，L-L为低-低频分量，H-L为高-低频分量，L-H为低-高频分量，H-H为高-高频分量；
步骤4：将数组B进行分量替换(即将高-高频分量替换为0)可以得到数组
在一实施例中，如图6所示，所述步骤S40，具体包括以下步骤：
S401、获取对应于所述共享图像数据的所述二维分量矩阵。
其中，所述共享图像数据为压缩正变换之后得到的用高低频分量(维度分量)描述的二维分量矩阵(或图像数据)。
可理解的，其他车辆他车辆将高低频分量描述的共享图像数据传输到目标车辆时，需要将所述共享图像数据通过解压缩逆变换还原成同步监控数据(即用像素点描述的二维点矩阵)。
S402、根据所述二维分量矩阵获取包含所述第二细节信号和所述第二逼近信号的分量信号。
也即，所述分量信号与原始信号经过行变换和列变换获得的列变换后信号相似。
S403、将所述分量信号进行行逆变换，获取包含所述第二偶数信号和所述第二奇数信号的行逆变换后信号。
示例性的，解压缩正逆变换如图8所示。
首先，根据所述第二更新算子、第二细节信号和所述第二逼近信号获取所述第二偶数信号。也即，首先引入第二更新算子Un[·]，利用所述分量信号中已知的第二细节信号和第二逼近信号获取原始的第二偶数信号y′en(t)。如下式(4)所示：
y′en(t)＝cn(t)-Un[dn(t)] (4)
然后，根据所述第二预测算子、所述第二偶数信号以及所述第二逼近信号获取所述行像素的第二奇数信号。也即，引入获取第二预测算子Pn[·]，利用所述分量信号中已知的第二细节信号和上述获得的第二偶数信号获取原始的第二奇数信号y′on(t)。如下式(5)所示：
y′on(t)＝dn(t)+Pn[y′en(t)] (5)
S404、将所述行逆变换后信号进行列逆变换，获取包含所述第一偶数信号和所述第一奇数信号的二维点矩阵，并将所述二维点矩阵标记为所述同步监控数据。
具体的，根据所述行逆变换后信号中的所述第二偶数信号和所述第二奇数信号获得列逆变换之前的所述第一细节信号和所述第一逼近信号，再根据所述第一更新算子Um[·]、所述第一细节信号和所述第一逼近信号获取原始的第一偶数信号x′em(t)，而根据所述第一预测算子Pm[·]、所述第一偶数信号以及所述第一逼近信号获取原始的所述第一奇数信号x′om(t)，进而将由分量信号经过行逆变换和列逆变换还原得到的第一偶数信号x′em(t)和第一奇数信号x′om(t)进行合并得到原始信号y′(t)，即所述二维点矩阵。
综上所述，本发明提供的无人驾驶车辆行驶规划方法，将同步图像进行压缩正变换转化为共享图像数据传输至云数据库中，并从云数据库中获取动态接收范围内的共享图像数据进行解压缩逆变换转化为同步监控数据，使得无人驾驶车辆在拥挤的十字路口和人流量较多的区域内实现快速传输共享各自视野范围内的图像数据，实现了及时有效地处理车身环境，提高了无人驾驶车辆的安全性。
在一实施例中，如图9所示，提供一种无人驾驶车辆行驶规划装置，该无人驾驶车辆行驶规划装置与上述实施例中无人驾驶车辆行驶规划方法一一对应。该无人驾驶车辆行驶规划装置包括定位模块110、采集模块120、接收模块130和规划模块140。各功能模块详细说明如下：
定位模块110，用于接收目标车辆发送的智能驾驶指令，获取所述目标车辆的定位信息。
采集模块120，用于获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据。
接收模块130，用于根据所述目标车辆的定位信息确定所述目标车辆的动态接收范围，并自云数据库中获取所述动态接收范围内的共享图像数据；所述共享图像数据是指当前时段内所有车辆同步传输至所述云数据库中的图像数据。
解压缩模块140，用于获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据。
规划模块150，用于根据所述同步图像数据和所述同步监控数据对所述目标车辆进行车辆行驶规划。
在一实施例中，如图9所示，无人驾驶车辆行驶规划装置，所述采集模块120包括以下子模块，各功能子模块详细说明如下：
同步采集子模块121，用于令多组双目摄像头分多路同步采集所述同步图像数据；所述双目摄像头包含设置在所述目标车辆的前后方、左右两侧、左上右下方以及右上左下方的双目摄像头，且每一所述双目摄像头包含两个单摄像头。
保存子模块122，用于将每一所述双目摄像头采集的所述同步图像数据保存至一个二维点矩阵中；所述二维点矩阵是指用像素点描述的二维矩阵。
压缩子模块123，用于对所述二维点矩阵进行压缩正变换之后，获取二维分量矩阵；所述二维分量矩阵是指用非零维度分量描述的二维矩阵。
传输子模块124，用于将所述二维分量矩阵标记为共享图像数据，并将所述共享图像数据传输至所述云数据库中。
在一实施例中，无人驾驶车辆行驶规划装置，所述压缩子模块包括以下单元，各功能单元详细说明如下：
行变换单元，用于将所述二维点矩阵作为所述原始信号进行行变换，获取包含第一细节信号和第一逼近信号的行变换后信号。
列变换单元，用于将所述行变换后信号进行列变换，获取包含第二细节信号和第二逼近信号的列变换后信号。
分量处理单元，用于将所述列变换后信号中的所述第二细节信号和所述第二逼近信号进行分量转换和分量替换，得到一个二维分量矩阵。
在一实施例中，无人驾驶车辆行驶规划装置，所述行变换单元包括以下子单元，各功能子单元详细说明如下：
第一***子单元，用于将所述原始信号中的行像素进行***处理，获取第一奇数信号和第一偶数信号。
第一预测子单元，用于根据预设的第一预测算子对所述第一奇数信号进行预测，获取第一细节信号。
第一更新子单元，用于根据预设的第一更新算子和所述第一细节信号对所述第一偶数信息进行更新，获取第一逼近信号。
在一实施例中，无人驾驶车辆行驶规划装置，所述列变换单元包括以下子单元，各功能子单元详细说明如下：
第二***子单元，用于将所述行变换后信号中的列像素进行***处理，获取第二奇数信号和第二偶数信号。
第二预测子单元，用于根据预设的第二预测算子对所述第二奇数信号进行预测，获取第二细节信号。
第二更新子单元，用于根据预设的第二更新算子和所述第二细节信号对所述第二偶数信息进行更新，获取第二逼近信号。
在一实施例中，无人驾驶车辆行驶规划装置，所述接收模块130包括以下子模块，各功能子模块详细说明如下：
数据获取子模块，用于获取对应于所述共享图像数据的所述二维分量矩阵。
信号提取子模块，用于根据所述二维分量矩阵获取包含所述第二细节信号和所述第二逼近信号的分量信号。
第一逆变换子模块，用于将所述分量信号进行行逆变换，获取包含所述第二偶数信号和所述第二奇数信号的行逆变换后信号。
第二逆变换子模块，根据将所述行逆变换后信号进行列逆变换，获取包含所述第一偶数信号和所述第一奇数信号的二维点矩阵，并将所述二维点矩阵标记为所述同步监控数据。
关于无人驾驶车辆行驶规划装置的具体限定可以参见上文中对于无人驾驶车辆行驶规划方法的限定，在此不再赘述。上述无人驾驶车辆行驶规划装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机可读指令和数据库。该内存储器为非易失性存储介质中的操作***和计算机可读指令的运行提供环境。该计算机可读指令被处理器执行时以实现一种无人驾驶车辆行驶规划方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时实现以下步骤：
接收目标车辆发送的智能驾驶指令，获取所述目标车辆的定位信息；
获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据；
根据所述目标车辆的定位信息确定所述目标车辆的动态接收范围，并自云数据库中获取所述动态接收范围内的共享图像数据；所述共享图像数据是指当前时段内所有车辆同步传输至所述云数据库中的图像数据；
获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据；
根据所述同步图像数据和所述同步监控数据对所述目标车辆进行车辆行驶规划。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机可读指令，计算机可读指令被处理器执行时实现以下步骤：
接收目标车辆发送的智能驾驶指令，获取所述目标车辆的定位信息；
获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据；
根据所述目标车辆的定位信息确定所述目标车辆的动态接收范围，并自云数据库中获取所述动态接收范围内的共享图像数据；所述共享图像数据是指当前时段内所有车辆同步传输至所述云数据库中的图像数据；
获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据；
根据所述同步图像数据和所述同步监控数据对所述目标车辆进行车辆行驶规划。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、存储器总线直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元或模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元或模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
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发明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)
1.一种无人驾驶车辆行驶规划方法，其特征在于，包括：
接收目标车辆发送的智能驾驶指令，获取所述目标车辆的定位信息；
获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据；
根据所述目标车辆的定位信息确定所述目标车辆的动态接收范围，并自云数据库中获取所述动态接收范围内的共享图像数据；所述共享图像数据是指当前时段内所有车辆同步传输至所述云数据库中的图像数据；
获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据；
根据所述同步图像数据和所述同步监控数据对所述目标车辆进行车辆行驶规划。
2.如权利要求1所述的无人驾驶车辆行驶规划方法，其特征在于，所述获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据，包括：
令多组双目摄像头分多路同步采集所述同步图像数据；所述双目摄像头包含设置在所述目标车辆的前后方、左右两侧、左上右下方以及右上左下方的双目摄像头，且每一所述双目摄像头包含两个单摄像头；
将每一所述双目摄像头采集的所述同步图像数据保存至一个二维点矩阵中；所述二维点矩阵是指用像素点描述的二维矩阵；
对所述二维点矩阵进行压缩正变换之后，获取二维分量矩阵；所述二维分量矩阵是指用非零维度分量描述的二维矩阵；
将所述二维分量矩阵标记为共享图像数据，并将所述共享图像数据传输至所述云数据库中。
3.如权利要求2所述的无人驾驶车辆行驶规划方法，其特征在于，所述对所述二维点矩阵进行压缩正变换之后，获取二维分量矩阵，包括：
将所述二维点矩阵作为所述原始信号进行行变换，获取包含第一细节信号和第一逼近信号的行变换后信号；
将所述行变换后信号进行列变换，获取包含第二细节信号和第二逼近信号的列变换后信号；
将所述列变换后信号中的所述第二细节信号和所述第二逼近信号进行分量转换和分量替换，得到一个二维分量矩阵。
4.如权利要求3所述的无人驾驶车辆行驶规划方法，其特征在于，所述将所述二维点矩阵作为所述原始信号进行行变换，获取包含第一细节信号和第一逼近信号的行变换后信号，包括：
将所述原始信号中的行像素进行***处理，获取第一奇数信号和第一偶数信号；
根据预设的第一预测算子对所述第一奇数信号进行预测，获取第一细节信号；
根据预设的第一更新算子和所述第一细节信号对所述第一偶数信息进行更新，获取第一逼近信号。
5.如权利要求3所述的无人驾驶车辆行驶规划方法，其特征在于，所述对所述行变换后信号进行列变换，得到包含第二细节信号和第二逼近信号的列变换后信号，包括：
将所述行变换后信号中的列像素进行***处理，获取第二奇数信号和第二偶数信号；
根据预设的第二预测算子对所述第二奇数信号进行预测，获取第二细节信号；
根据预设的第二更新算子和所述第二细节信号对所述第二偶数信息进行更新，获取第二逼近信号。
6.如权利要求3所述的无人驾驶车辆行驶规划方法，其特征在于，所述获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据，包括：
获取对应于所述共享图像数据的所述二维分量矩阵；
根据所述二维分量矩阵获取包含所述第二细节信号和所述第二逼近信号的分量信号；
将所述分量信号进行行逆变换，获取包含所述第二偶数信号和所述第二奇数信号的行逆变换后信号；
将所述行逆变换后信号进行列逆变换，获取包含所述第一偶数信号和所述第一奇数信号的二维点矩阵，并将所述二维点矩阵标记为所述同步监控数据。
7.一种无人驾驶车辆行驶规划装置，其特征在于，包括：
定位模块，用于接收目标车辆发送的智能驾驶指令，获取所述目标车辆的定位信息；
采集模块，用于获取所述目标车辆的双目摄像头采集的预设监控范围内的同步图像数据；
接收模块，用于根据所述目标车辆的定位信息确定所述目标车辆的动态接收范围，并自云数据库中获取所述动态接收范围内的共享图像数据；所述共享图像数据是指当前时段内所有车辆同步传输至所述云数据库中的图像数据；
解压缩模块，用于获取对所述共享图像数据进行解压缩逆变换之后生成的同步监控数据；
规划模块，用于根据所述同步图像数据和所述同步监控数据对所述目标车辆进行车辆行驶规划。
8.如权利要求7所述的无人驾驶车辆行驶规划装置，其特征在于，所述采集模块，包括：
同步采集子模块，用于令多组双目摄像头分多路同步采集所述同步图像数据；所述双目摄像头包含设置在所述目标车辆的前后方、左右两侧、左上右下方以及右上左下方的双目摄像头，且每一所述双目摄像头包含两个单摄像头；
保存子模块，用于将每一所述双目摄像头采集的所述同步图像数据保存至一个二维点矩阵中；所述二维点矩阵是指用像素点描述的二维矩阵；
压缩子模块，用于对所述二维点矩阵进行压缩正变换之后，获取二维分量矩阵；所述二维分量矩阵是指用非零维度分量描述的二维矩阵；
传输子模块，用于将所述二维分量矩阵标记为共享图像数据，并将所述共享图像数据传输至所述云数据库中。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如权利要求1至6任一项所述无人驾驶车辆行驶规划方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如权利要求1至6任一项所述无人驾驶车辆行驶规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811520538.XA CN111307170B (zh) | 2018-12-12 | 2018-12-12 | 无人驾驶车辆行驶规划方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811520538.XA CN111307170B (zh) | 2018-12-12 | 2018-12-12 | 无人驾驶车辆行驶规划方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111307170A true CN111307170A (zh) | 2020-06-19 |
| CN111307170B CN111307170B (zh) | 2022-03-18 |
Family
ID=71157967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811520538.XA Active CN111307170B (zh) | 2018-12-12 | 2018-12-12 | 无人驾驶车辆行驶规划方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111307170B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115631478A (zh) * | 2022-12-02 | 2023-01-20 | 广汽埃安新能源汽车股份有限公司 | 道路图像检测方法、装置、设备、计算机可读介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663894A (zh) * | 2012-05-20 | 2012-09-12 | 杭州妙影微电子有限公司 | 一种基于物联网的道路交通状况预知***及预知方法 |
| CN102737509A (zh) * | 2012-06-29 | 2012-10-17 | 惠州天缘电子有限公司 | 基于车联网实现图像信息共享的方法及*** |
| CN203149847U (zh) * | 2012-12-12 | 2013-08-21 | 华创车电技术中心股份有限公司 | 路况分享服务器 |
| CN104715603A (zh) * | 2013-12-13 | 2015-06-17 | 中兴通讯股份有限公司 | 道路监控方法、摄像装置、车载终端、及*** |
| CN105849790A (zh) * | 2015-10-16 | 2016-08-10 | 华为技术有限公司 | 一种路况信息获取方法 |
| CN105849748A (zh) * | 2013-12-27 | 2016-08-10 | 英派尔科技开发有限公司 | 数据收集方案 |
| CN105989712A (zh) * | 2015-11-06 | 2016-10-05 | 乐卡汽车智能科技（北京）有限公司 | 一种车辆数据处理的方法及车辆终端 |
| CN105987700A (zh) * | 2014-11-28 | 2016-10-05 | 现代摩比斯株式会社 | 利用实拍影像的行驶路径引导装置及其方法 |
| CN106240456A (zh) * | 2015-06-09 | 2016-12-21 | Lg电子株式会社 | 驾驶员辅助设备及其控制方法 |
| CN106462729A (zh) * | 2014-02-17 | 2017-02-22 | 通用电气公司 | 车辆图像数据管理***和方法 |
| CN106971583A (zh) * | 2017-03-27 | 2017-07-21 | 宁波吉利汽车研究开发有限公司 | 一种基于车载联网设备的路况信息共享***及共享方法 |
| CN107301668A (zh) * | 2017-06-14 | 2017-10-27 | 成都四方伟业软件股份有限公司 | 一种基于稀疏矩阵、卷积神经网络的图片压缩方法 |
| CN107613014A (zh) * | 2017-09-29 | 2018-01-19 | 联想(北京)有限公司 | 一种数据共享方法、***、终端、存储介质及汽车 |
| CN107883977A (zh) * | 2016-09-29 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 一种信息分享方法、***及汽车 |
| CN108462728A (zh) * | 2017-02-17 | 2018-08-28 | 中兴通讯股份有限公司 | 一种车载信息处理的方法及装置、车载移动终端 |
| CN108766007A (zh) * | 2018-08-02 | 2018-11-06 | 成都秦川物联网科技股份有限公司 | 基于车联网的路况报警方法及车联网*** |
-
2018
- 2018-12-12 CN CN201811520538.XA patent/CN111307170B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663894A (zh) * | 2012-05-20 | 2012-09-12 | 杭州妙影微电子有限公司 | 一种基于物联网的道路交通状况预知***及预知方法 |
| CN102737509A (zh) * | 2012-06-29 | 2012-10-17 | 惠州天缘电子有限公司 | 基于车联网实现图像信息共享的方法及*** |
| CN203149847U (zh) * | 2012-12-12 | 2013-08-21 | 华创车电技术中心股份有限公司 | 路况分享服务器 |
| CN104715603A (zh) * | 2013-12-13 | 2015-06-17 | 中兴通讯股份有限公司 | 道路监控方法、摄像装置、车载终端、及*** |
| CN105849748A (zh) * | 2013-12-27 | 2016-08-10 | 英派尔科技开发有限公司 | 数据收集方案 |
| CN106462729A (zh) * | 2014-02-17 | 2017-02-22 | 通用电气公司 | 车辆图像数据管理***和方法 |
| CN105987700A (zh) * | 2014-11-28 | 2016-10-05 | 现代摩比斯株式会社 | 利用实拍影像的行驶路径引导装置及其方法 |
| CN106240456A (zh) * | 2015-06-09 | 2016-12-21 | Lg电子株式会社 | 驾驶员辅助设备及其控制方法 |
| CN105849790A (zh) * | 2015-10-16 | 2016-08-10 | 华为技术有限公司 | 一种路况信息获取方法 |
| CN105989712A (zh) * | 2015-11-06 | 2016-10-05 | 乐卡汽车智能科技（北京）有限公司 | 一种车辆数据处理的方法及车辆终端 |
| CN107883977A (zh) * | 2016-09-29 | 2018-04-06 | 法乐第(北京)网络科技有限公司 | 一种信息分享方法、***及汽车 |
| CN108462728A (zh) * | 2017-02-17 | 2018-08-28 | 中兴通讯股份有限公司 | 一种车载信息处理的方法及装置、车载移动终端 |
| CN106971583A (zh) * | 2017-03-27 | 2017-07-21 | 宁波吉利汽车研究开发有限公司 | 一种基于车载联网设备的路况信息共享***及共享方法 |
| CN107301668A (zh) * | 2017-06-14 | 2017-10-27 | 成都四方伟业软件股份有限公司 | 一种基于稀疏矩阵、卷积神经网络的图片压缩方法 |
| CN107613014A (zh) * | 2017-09-29 | 2018-01-19 | 联想(北京)有限公司 | 一种数据共享方法、***、终端、存储介质及汽车 |
| CN108766007A (zh) * | 2018-08-02 | 2018-11-06 | 成都秦川物联网科技股份有限公司 | 基于车联网的路况报警方法及车联网*** |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115631478A (zh) * | 2022-12-02 | 2023-01-20 | 广汽埃安新能源汽车股份有限公司 | 道路图像检测方法、装置、设备、计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111307170B (zh) | 2022-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10229590B2 (en) | System and method for improved obstable awareness in using a V2X communications system | |
| US10349011B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
| US10613547B2 (en) | System and method for improved obstacle awareness in using a V2X communications system | |
| US20200346662A1 (en) | Information processing apparatus, vehicle, mobile object, information processing method, and program | |
| CN108574929B (zh) | 用于自主驾驶***中的车载环境中的联网场景再现和增强的方法和设备 | |
| DE102020129456A1 (de) | Trajektorienvorhersage aus einer vorberechneten oder dynamisch generierten bank von trajektorien | |
| US20190266029A1 (en) | Distributed computing resource management | |
| DE102017126877A1 (de) | Automatisierte Copilot-Steuerung für autonome Fahrzeuge | |
| DE102018106353A1 (de) | Vorübergehende datenzuordnungen zum betreiben von autonomen fahrzeugen | |
| DE102017126925A1 (de) | Automatisierte Co-Pilotsteuerung für autonome Fahrzeuge | |
| DE112016007429T5 (de) | Entferntes Betriebssystem, Transportsystem und entferntes Betriebsverfahren | |
| DE102019108644A1 (de) | Verfahren und vorrichtung zum automatischen lernen von regeln für autonomes fahren | |
| US11453410B2 (en) | Reducing processing requirements for vehicle control | |
| DE112018005907T5 (de) | Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren, programm und beweglicher körper | |
| KR102476931B1 (ko) | LiDAR 정보와 카메라 정보의 병합 | |
| CA3136909A1 (en) | SYSTEMS AND METHODS FOR SIMULTANEOUS LOCATION AND MAPPING USING ASYNCHRONOUS MULTI-ANGLE CAMERAS | |
| CN111307170B (zh) | 无人驾驶车辆行驶规划方法、装置、设备及介质 | |
| CN110789515B (zh) | 机动车辆中用于硬件验证的***和方法 | |
| US20220250656A1 (en) | Systems and methods for vehicular-network-assisted federated machine learning | |
| CN112710316A (zh) | 专注于构造和本地化技术领域的动态地图生成 | |
| US20230032009A1 (en) | Shared tile map with live updates | |
| CN110427504B (zh) | 基于kettle的汽车数据实时采集处理***及方法 | |
| US20220350995A1 (en) | Data driven dynamically reconfigured disparity map | |
| Ucar et al. | Signal phase and timing by a vehicular cloud | |
| US12007786B2 (en) | System and method for real-time lane validation |
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 |