CN113895431B - 一种车辆检测方法及*** - Google Patents
一种车辆检测方法及*** Download PDFInfo
- Publication number
- CN113895431B CN113895431B CN202111160916.XA CN202111160916A CN113895431B CN 113895431 B CN113895431 B CN 113895431B CN 202111160916 A CN202111160916 A CN 202111160916A CN 113895431 B CN113895431 B CN 113895431B
- Authority
- CN
- China
- Prior art keywords
- module
- vehicle
- accident
- data acquisition
- target vehicle
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 210000005252 bulbus oculi Anatomy 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 239000011521 glass Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000005299 abrasion Methods 0.000 abstract description 11
- 206010039203 Road traffic accident Diseases 0.000 abstract description 5
- 230000036541 health Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- 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
-
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision 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
- 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
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
- B60W2050/146—Display means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Emergency Management (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及车辆识别技术领域,具体为一种车辆检测方法及***,包括数据采集模块、数据分析模块和提示模块,所述数据采集模块用于采集车辆信息,数据分析模块用于分析目标车辆的事故多发方位信息,提示模块用于根据事故多发方位信息提示用户对目标车辆进行规避,本方案通过采集目标车辆的视频图像,再分析目标车辆的磨损点并生成对应的磨损信息,之后根据磨损信息来分析出目标车辆的事故多发方位信息,通过提示根据事故多发方位信息让用户对目标车辆进行规避;以车辆的磨损点来分析出目标车辆经常发生碰撞磨损的方向,也即事故多发方位,然后提示用户对目标车辆进行相应的规避,以此降低交通事故发生的概率,对用户的生命健康安全起到保障作用。
Description
技术领域
本发明涉及车辆识别技术领域,具体为一种车辆检测方法及***。
背景技术
随着智能***在交通工具领域的广泛应用和车载信息技术的快速发展,汽车内部的人机交互***开始逐渐颠覆传统模式,这种改变为人们带来了全新的驾乘体验,使人们的出行更加方便、舒适及安全。现有的车辆检测***中,大都只能显示驾驶车辆与目标车辆的相对距离,并根据车辆的行驶轨迹进行碰撞预警。但这种根据车辆行驶轨迹进行碰撞预警的方式留给驾驶员的反应时间极短,当驾驶员来不及调整方向时,往往会造成交通事故,对驾乘人员的身体带来一定的创伤。所以,现在亟需一种能够对目标车辆进行分析并对可能发生的危险进行提前预警的车辆检测***。
发明内容
本发明所解决的技术问题在于提供一种能够对目标车辆进行分析并对可能发生的危险进行提前预警的车辆检测***。
本发明提供的基础方案:一种车辆检测***,包括数据采集模块、数据分析模块和提示模块;
所述数据采集模块包括图像采集模块、图像处理模块和图像传输模块;
所述图像采集模块用于采集视频图像,所述图像处理模块用于对视频图像进行预处理,所述图像传输模块用于将预处理后的视频图像传输至数据分析模块;
所述数据分析模块包括图像识别模块和事故分析模块;
所述图像识别模块用于识别出视频图像中车辆的磨损点,并生成目标车辆的磨损信息;
所述事故分析模块用于根据磨损信息分析出目标车辆的事故多发方位信息;
所述提示模块用于根据事故多发方位信息提示用户对目标车辆进行规避。
本发明的原理及优点在于:本方案通过采集目标车辆的视频图像,再分析目标车辆的磨损点并生成对应的磨损信息,之后根据磨损信息来分析出目标车辆的事故多发方位信息,通过提示根据事故多发方位信息让用户对目标车辆进行规避;以车辆的磨损点来分析出目标车辆经常发生碰撞磨损的方向,也即事故多发方位,然后提示用户对目标车辆进行相应的规避,以此降低交通事故发生的概率,对用户的生命健康安全起到保障作用。
进一步,所述图像识别模块包括车辆识别模块和磨损点识别模块;
所述车辆识别模块用于识别车辆信息并查找目标车辆的事故记录;
所述磨损点识别模块用于识别出视频图像中车辆的磨损点并生成目标车辆的磨损信息。
有益效果:识别目标车辆信息并查找其事故记录,使得对目标车辆的分析更为全面。
进一步,所述事故分析模块用于根据车辆的事故记录和磨损信息生成目标车辆的事故多发方位信息。
有益效果:因车辆磨损处存在已被维修的可能,所以根据车辆事故记录对目标车辆的事故多发方位信息进行补充,能使得对目标车辆的分析更为全面。
进一步,所述数据采集模块还包括用户数据采集模块,所述用户数据采集模块包括急转数据采集模块和视线数据采集模块;
所述急转数据采集模块用于采集用户驾驶时的急转向数据;
所述视线数据采集模块包括眼球追踪模块和视线分析模块,所述眼球追踪模块用于追踪用户视线,所述视线分析模块用于采集用户观察后视镜的频率。
有益效果:用户后视镜观察不足以及打方向盘过多造成的急转都是造成交通事故的一大因素,本方案通过对急转数据和后视镜观察频率进行采集,使得对目标车辆的分析更为全面。
进一步,所述提示模块包括车辆警示模块、现实增强模块与显示模块;
所述车辆警示模块用于根据事故多发方位信息、急转向数据和观察后视镜的频率生成目标车辆的规避信息;
所述现实增强模块根据规避信息生成对应的警示图像传输至显示模块;
所述显示模块用于显示与目标车辆对应的警示图像。
有益效果:通过现实增强技术来进行提示,相较于语音播报提示而言,视觉提醒显然更为明确且迅速。
进一步,所述显示模块采用AR眼镜或AR挡风玻璃。
有益效果:以AR挡风玻璃为终端设备相较于AR眼镜而言,能方便近视用户的驾驶,不用同时佩戴近视眼镜盒AR眼镜,AR眼镜相较于AR挡风玻璃而言,能够预测行车轨迹的外部车辆不仅仅限于前方车辆,对侧方车辆的行车轨迹也能进行预测。
一种车辆检测方法,采用了上述任意种车辆检测***。
附图说明
图1为本发明一种车辆检测***的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明:
具体实施过程如下:
实施例一
实施例一基本如附图1所示,一种车辆检测***,包括数据采集模块、数据分析模块和提示模块,所述数据采集模块用于采集车辆信息,所述数据分析模块用于分析目标车辆的事故多发方位信息,所述提示模块用于根据事故多发方位信息提示用户对目标车辆进行规避。
具体的,所述数据采集模块包括图像采集模块、图像处理模块、图像传输模块和用户数据采集模块;本实施例中,所述图像采集模块采用车载摄像头进行视频图像的采集;所述图像处理模块用于对采集的视频图像进行预加速处理,将视频转换为更易识别的格式并增强视频的对比度,使得视频图像中的各类目标更容易被区分;所述图像传输模块采用VDMA图像传输技术,通过VDMA实现双缓冲和多缓冲机制,更为高效地进行数据存取,将预处理后的视频图像传输至数据分析模块。
本实施例中,所述用户数据采集模块包括急转数据采集模块和视线数据采集模块,所述急转数据模块用于采集用户驾驶车辆时在转弯处因打方向盘过多而造成的急转向数据。所述视线采集模块包括眼球追踪模块和视线分析模块,所述眼球追踪模块采用了现有的眼动追踪技术来追踪用户的眼睛注视或凝视的点,所述视线分析模块用于采集用户驾驶时观察后视镜的频率,具体的,本实施例中视线分析模块采集用户在转向、停车以及变道时观察后视镜的频率。
所述数据分析模块包括图像识别模块和事故分析模块;所述图像识别模块包括车辆识别模块和磨损点识别模块,所述车辆识别模块用于识别车辆信息并查找目标车辆的事故记录。所述车辆信息包括车型和车牌号,具体的,提取车牌号时,会先通过Hough变换法检测车牌区域上下、左右边框直线以及长度比来计算倾斜角度,再根据倾斜角度对车牌区域进行校正处理,去除车牌边框等噪声,方便对字符的识别。提取出车牌区域后,还会对车牌区域以单个字符为单位进行分割,目的是为分清车牌中总共有几个字符,字符间的位置关系等信息,保证车牌类型匹配和字符识别正确。本实施例中是通过字符聚类的方式,利用字符的结构特征、字符间的相似性,字符间间隔等信息,把单个字符分别提取出来,然后把宽、高相似的字符归为一类从而去除车牌边框以及一些小的噪声。字符分割之后,本实施例还会对分割后的字符的灰度图像进行归一化处理,提取特征,然后经过机器学习或字符数据库模板进行匹配,最后选取匹配度最高的结果作为识别结果。提取出车牌号后,根据车牌号通过互联网获取车型以及车辆的事故记录。所述磨损点识别模块中存储有各个车型的外形数据,识别出目标车辆的车型后根据存储的外形数据和实时图像来分析出目标车辆的磨损点信息。
所述事故分析模块用于根据目标车辆的磨损点信息和事故记录来分析出事故多发方位信息。具体的,所述磨损点代表着目标车辆发生过事故的部位,根据磨损点信息能够得到目标车辆的磨损点分布,而事故记录中记录着目标车辆的历史事故信息,根据其磨损点分布以及历史事故信息能够分析出车辆各个方位发生事故的次数,由此分析出车辆个方位发生事故的概率,也即事故多发方位信息。
所述提示模块包括车辆警示模块、现实增强模块和显示模块;所述车辆警示模块用于根据目标车辆的事故多发方位信息、急转向数据及其用户观察后视镜的频率来生成规避信息;本实施例中,所述事故多发方位信息中包括目标车辆各个方位发生事故的概率;所述急转向数据为目标车辆一个月内的急转向次数;所述观察后视镜的频率为目标车辆用户在一个月内处于转向、停车以及变道时观察后视镜的概率。
所述显示增强模块用于根据规避信息生成警示图像数据并传输至显示模块;本实施例中的显示模块为AR挡风玻璃,其它实施例也可为AR研究,驾驶员能够通过AR挡风玻璃观察到目标车辆对应的竟是图像,由此提高了用户驾驶的安全性,降低了交通事故发生的概率。
实施例二
实施例二与实施例一的区别仅在于,实施例二为一种采用了上述车辆检测***的一种车辆检测方法。
以上的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (5)
1.一种车辆检测***,其特征在于:包括数据采集模块、数据分析模块和提示模块;
所述数据采集模块包括图像采集模块、图像处理模块和图像传输模块;
所述图像采集模块用于采集视频图像,所述图像处理模块用于对视频图像进行预处理,所述图像传输模块用于将预处理后的视频图像传输至数据分析模块;
所述数据分析模块包括图像识别模块和事故分析模块;
所述图像识别模块包括车辆识别模块和磨损点识别模块;
所述车辆识别模块用于识别车辆信息并查找目标车辆的事故记录;
所述磨损点识别模块用于识别出视频图像中车辆的磨损点并生成目标车辆的磨损信息;
所述事故分析模块用于根据车辆的事故记录和磨损信息生成目标车辆的事故多发方位信息;
所述提示模块用于根据事故多发方位信息提示用户对目标车辆进行规避。
2.根据权利要求1所述的一种车辆检测***,其特征在于:所述数据采集模块还包括用户数据采集模块,所述用户数据采集模块包括急转数据采集模块和视线数据采集模块;
所述急转数据采集模块用于采集用户驾驶时的急转向数据;
所述视线数据采集模块包括眼球追踪模块和视线分析模块,所述眼球追踪模块用于追踪用户视线,所述视线分析模块用于采集用户观察后视镜的频率。
3.根据权利要求2所述的一种车辆检测***,其特征在于:所述提示模块包括车辆警示模块、现实增强模块与显示模块;
所述车辆警示模块用于根据事故多发方位信息、急转向数据和观察后视镜的频率生成目标车辆的规避信息;
所述现实增强模块根据规避信息生成对应的警示图像传输至显示模块;
所述显示模块用于显示与目标车辆对应的警示图像。
4.根据权利要求3所述的一种车辆检测***,其特征在于:所述显示模块采用AR眼镜或AR挡风玻璃。
5.一种车辆检测方法,其特征在于:采用了上述权利要求1-4中任一种车辆检测***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111160916.XA CN113895431B (zh) | 2021-09-30 | 2021-09-30 | 一种车辆检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111160916.XA CN113895431B (zh) | 2021-09-30 | 2021-09-30 | 一种车辆检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113895431A CN113895431A (zh) | 2022-01-07 |
CN113895431B true CN113895431B (zh) | 2023-07-04 |
Family
ID=79189738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111160916.XA Active CN113895431B (zh) | 2021-09-30 | 2021-09-30 | 一种车辆检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113895431B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005241516A (ja) * | 2004-02-27 | 2005-09-08 | Nissan Motor Co Ltd | 車両用表示装置および方法 |
CN103678838A (zh) * | 2012-09-04 | 2014-03-26 | 同济大学 | 一种道路交通事故信息深度处理方法 |
CN103987604A (zh) * | 2011-12-06 | 2014-08-13 | 罗伯特·博世有限公司 | 用于当两个车辆之间碰撞时减小事故损失的方法和*** |
CN107195024A (zh) * | 2016-06-08 | 2017-09-22 | 南京航空航天大学 | 通用型车辆行驶数据记录***和处理方法 |
WO2017186157A1 (zh) * | 2016-04-29 | 2017-11-02 | 盯盯拍(深圳)技术股份有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送*** |
WO2020024457A1 (zh) * | 2018-08-01 | 2020-02-06 | 平安科技(深圳)有限公司 | 交通事故的定责方法、装置及计算机可读存储介质 |
CN111179587A (zh) * | 2018-11-09 | 2020-05-19 | 丰田自动车北美公司 | 实时车辆事故预测、警告和预防 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011140993A1 (zh) * | 2010-05-12 | 2011-11-17 | 北京星河易达科技有限公司 | 基于综合状态检测的智能交通安全***及其决策方法 |
US10024684B2 (en) * | 2014-12-02 | 2018-07-17 | Operr Technologies, Inc. | Method and system for avoidance of accidents |
CN106530831A (zh) * | 2016-12-15 | 2017-03-22 | 江苏大学 | 一种高威胁车辆监测预警***及方法 |
CN108725440B (zh) * | 2018-04-20 | 2020-11-27 | 深圳市商汤科技有限公司 | 前向碰撞控制方法和装置、电子设备、程序和介质 |
CN110647863B (zh) * | 2019-09-30 | 2024-02-02 | 重庆元韩汽车技术设计研究院有限公司 | 用于智能驾驶的视觉信号采集分析*** |
KR20210050925A (ko) * | 2019-10-29 | 2021-05-10 | 엘지전자 주식회사 | 차량 충돌 회피 장치 및 방법 |
CN111353372A (zh) * | 2019-11-23 | 2020-06-30 | 厦门知垚科技有限公司 | 一种空中有轨远程控制的智能巡查*** |
-
2021
- 2021-09-30 CN CN202111160916.XA patent/CN113895431B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005241516A (ja) * | 2004-02-27 | 2005-09-08 | Nissan Motor Co Ltd | 車両用表示装置および方法 |
CN103987604A (zh) * | 2011-12-06 | 2014-08-13 | 罗伯特·博世有限公司 | 用于当两个车辆之间碰撞时减小事故损失的方法和*** |
CN103678838A (zh) * | 2012-09-04 | 2014-03-26 | 同济大学 | 一种道路交通事故信息深度处理方法 |
WO2017186157A1 (zh) * | 2016-04-29 | 2017-11-02 | 盯盯拍(深圳)技术股份有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送*** |
CN107195024A (zh) * | 2016-06-08 | 2017-09-22 | 南京航空航天大学 | 通用型车辆行驶数据记录***和处理方法 |
WO2020024457A1 (zh) * | 2018-08-01 | 2020-02-06 | 平安科技(深圳)有限公司 | 交通事故的定责方法、装置及计算机可读存储介质 |
CN111179587A (zh) * | 2018-11-09 | 2020-05-19 | 丰田自动车北美公司 | 实时车辆事故预测、警告和预防 |
Non-Patent Citations (1)
Title |
---|
协同式道路交叉口防碰撞模型仿真研究;李进龙,刘红星,谢文杰,罗霞;计算机仿真;第第35卷卷(第第11期期);第161-165页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113895431A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103871242B (zh) | 一种驾驶行为综合评价***与方法 | |
CN104013414B (zh) | 一种基于移动智能手机的驾驶员疲劳检测*** | |
CN105303830A (zh) | 一种驾驶行为分析***及分析方法 | |
CN105197011B (zh) | 车辆用驾驶员危险指数管理***及其方法 | |
US11518380B2 (en) | System and method for predicted vehicle incident warning and evasion | |
CN109145719B (zh) | 一种驾驶员疲劳状态识别方法及*** | |
CN105620489A (zh) | 驾驶辅助***及车辆实时预警提醒方法 | |
CN111994074B (zh) | 车辆碰撞预警方法及装置 | |
CN110826369A (zh) | 一种驾驶员驾驶时注意力检测方法和*** | |
CN106448265A (zh) | 司机驾驶行为数据的采集方法及装置 | |
CN115027484A (zh) | 一种面向高度自动驾驶的人机融合感知方法 | |
Lethaus et al. | Do eye movements reflect driving manoeuvres? | |
CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
Lethaus et al. | Using pattern recognition to predict driver intent | |
CN105336217A (zh) | 一种基于机器视觉和安卓平台的行车安全预警*** | |
CN114801993B (zh) | 一种汽车盲区监控*** | |
CN116279561A (zh) | 车辆疲劳驾驶的预警方法、装置、设备及可读存储介质 | |
Verma et al. | Design and development of a driving assistance and safety system using deep learning | |
CN111591294B (zh) | 一种不同交通环境下的车辆换道预警方法 | |
CN110154894A (zh) | 一种基于路面状况的汽车安全驾驶预警方法 | |
CN113895431B (zh) | 一种车辆检测方法及*** | |
CN111445669A (zh) | 一种公交车的安全监测*** | |
Zhang et al. | A Novel Method for the Driver Lane-Changing Intention Recognition | |
CN115107786A (zh) | 一种用于智能汽车的驾驶行为纠正***及方法 | |
CN113147781A (zh) | 一种汽车智能驾驶信息展示*** |
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 |