CN114200937A - 一种基于gps定位和5g技术的无人驾驶控制方法 - Google Patents
一种基于gps定位和5g技术的无人驾驶控制方法 Download PDFInfo
- Publication number
- CN114200937A CN114200937A CN202111509408.8A CN202111509408A CN114200937A CN 114200937 A CN114200937 A CN 114200937A CN 202111509408 A CN202111509408 A CN 202111509408A CN 114200937 A CN114200937 A CN 114200937A
- Authority
- CN
- China
- Prior art keywords
- module
- state
- vehicle
- parameter
- parameters
- 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 22
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 9
- 230000008054 signal transmission Effects 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于GPS定位和5G技术的无人驾驶控制方法,包括通过设置在车辆上的传感模块采集车辆行驶状态数据;通过与传感模块连接通讯的状态获取模块接收状态数据,并由所述状态获取模块连接的状态分类模块对接收的状态数据进行分类,将车辆的行驶状态数据分类为路况状态与车体车体状态;根据参数调整模块接收所述状态分类模块的分类数据,再对接收的路况状态和车体状态与对应的标准参数比对,计算出误差;将计算出的误差数据传输至驾驶模块,驾驶模块根据误差数据调整驾驶参数,从而操作和驱动车辆行驶,本发明相比于传统的自动驾驶技术而言,更为精细与安全。
Description
技术领域
本发明涉及无人驾驶技术领域,具体是一种基于GPS定位和5G技术的无人驾驶控制方法。
背景技术
无人驾驶汽车是智能汽车的一种,也称为轮式移动机器人,主要依靠车内的以计算机***为主的智能驾驶仪来实现无人驾驶的目的,现实生活中,GPS定位主要用于对移动的人、宠物、车及设备进行远程实时定位监控的一门技术。
GPS定位是结合了GPS技术、无线通信技术、图像处理技术及GIS技术的定位技术,第五代移动通信技术是具有高速率、低时延和大连接特点的新一代宽带移动通信技术,是实现人机物互联的网络基础设施。
现有技术中的无人驾驶主要通过摄像头成像的方式进行车辆预判与参数控制,精准度不够,即,对于路况的数据提取和规划路线的能力较差,仅仅能通过摄像的方式对周围车辆与地形状况进行抓取,造成提取的数据量太大,无法根据路况状态与车体状态来和标准参数的比对,计算出误差,更无法根据误差来调整驾驶模块的参数,导致无人驾驶的精准度不够,在存在误差过大时易发生危险的问题。
发明内容
本发明的目的是提供一种基于GPS定位和5G技术的无人驾驶控制方法,以解决上述问题。
本发明的技术方案是:
一种基于GPS定位和5G技术的无人驾驶控制方法,包括:
S1、通过GPS定位模块确定车体的位置信息,通过设置在车辆上的传感模块采集车辆行驶状态数据;
S2、通过与传感模块连接通讯的状态获取模块接收状态数据,并由所述状态获取模块连接的状态分类模块对接收的状态数据进行分类,将车辆的行驶状态数据分类为路况状态与车体车体状态;
S3、根据参数调整模块接收所述状态分类模块的分类数据,再对接收的路况状态和车体状态与对应的标准参数比对,计算出误差;
S4、将计算出的误差数据通过5G信号传输至驾驶模块,驾驶模块根据误差数据调整驾驶参数,从而操作和驱动车辆行驶。
进一步的,S4中的驾驶模块,设置在车辆上,用于驱动和操作车辆,所述驾驶模块的参数包括:转向参数,所述转向参数为方向盘转动角度与方向;油门参数,所述油门参数为油门的升降高度;刹车参数,所述刹车参数为刹车的升降高度;档位参数,所述挡位参数为车体行驶的挡位。
进一步的,所述驾驶模块通过远程信号传输模块与远程服务平台通讯,所述远程服务平台供客服远程维护与获知车辆情况,且所述远程信号传输模块采用5G信号远程传输。
进一步的,所述S1中的传感模块包括:雷达激光模块,与所述GPS定位模块结合,通过确定出的车***置信息绘制地图,并探测周围车辆信息;摄像模块,用来拍摄周围路况,采集周围路况图像;声呐模块,用来探测与路上其它车辆之间的间距。
进一步的,S2中的所述状态分类模块包括:路况状态提取模块与车体状况提取模块,所述路况状态提取模块用来提取车体行驶周围的车辆数据、道路数据,所述车体状况提取模块用来提取车体自身的参数。
进一步的,还包括:参数调整模块,所述路况状态提取模块与车体状况提取模块均与所述参数调整模块连接,所述参数调整模块根据标准参数与提取出的路况参数以及车体参数之间的误差进行调整,所述路况状态提取模块上连接有CNN识别模块与路径规划模块,所述CNN识别模块用来识别路况并由所述路径规划模块对行车路径合理规划,所述路径规划模块与所述参数调整模块连接。
进一步的,所述CNN识别模块包括:卷积层特征提取模块,使用不同的滤波器从输入图像中提取不同的特征;激活层模块,与所述卷积层特征提取模块连接,用于控制目标神经元的开启;汇聚层模块,与所述激活层模块连接,用于压缩特征映射图所占用的空间,以减少参数的数目;物体跟踪模块,与汇聚层模块连接,在物体被识别出来后所述物体跟踪模块将根据预测出的物体运行轨迹对物体进行跟踪。
进一步的,所述参数调整模块包括:依次连接的现实参数生成模块、参数对比模块与误差计算模块,所述现实参数生成模块用来将车体状况提取模块获得的参数列出,通过参数比对模块将现实参数与标准参数进行比对,并通过误差计算模块计算出误差。
进一步的,所述参数调整模块上连接有一信息库模块,所述信息库模块包括标准参数输入模块,所述标准参数输入模块用来输入与记录多种路况下的标准的参数数据。
进一步的,所述参数调整模块还包括故障检测模块,所述故障检测模块包括误差阈值设置模块、阈值对比模块和报警模块,所述误差阈值设置模块用来设置标准参数与现实参数之间的误差范围,所述阈值对比模块用来比对置标准参数与现实参数之间的误差是否在阈值范围内,若不在则由报警模块进行报警。
与现有技术相比,本发明的有益效果是:
1、本发明通过传感模块采集车辆形式状态数据,再通过状态获取模块获取状态数据并由状态分类模块进行分类,分类为路况状态与车体状态,根据路况状态与车体状态来与标准参数比对,计算误差,根据误差来调整驾驶模块的参数,该方法中兼顾了路况与车体自身状况的数据提取与处理,相比于传统的自动驾驶技术而言,更为精细与安全。
2、本发明通过设置的路况状态提取模块,并通过CNN识别模块压缩处理数据,降低了***的工作负担,使***操作运转更加流畅,从而对周围车辆的识别更为精准,相比于传统的仅仅通过摄像头进行拍摄判断而言,精度更高,提升安全性。
3、本发明通过设置的故障检测模块,可以灵活的设置误差的阈值范围,在参数无法被驾驶模块自行校队的过程时,发出预警,以确保驾驶人员可以及时调整为人为控制状态,提升了驾驶安全性。
4、本发明通过设置的远程服务平台与远程信号传输模块,通过远程信号传输模块进行5G信号的传递,速度更快,更方便远程服务平台与驾驶人员之间的交流,利于驾驶模块的长期跟踪,防止发生错误时不能及时发现,更利于驾驶模块的后期大数据收集与***的及时调整。
附图说明
图1为本发明的无人驾驶控制方法的原理图;
图2为本发明的CNN识别模块原理图;
图3为本发明的参数调整模块原理图;
图4为本发明的故障检测模块原理图;
图5为本发明的无人驾驶控制方法的驾驶模块安放示意图;
图6为本发明的传感模块原理图。
具体实施方式
下面结合附图1到附图6,对本发明的具体实施方式进行详细描述。在本发明的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,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。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征;在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
需要说明的是,本发明中涉及到的电路连接均采用常规的电路连接方式,不涉及到任何创新。
实施例
如图1到图6所示,一种基于GPS定位和5G技术的无人驾驶控制方法,包括:
S1、通过GPS定位模块确定车体的位置信息,通过设置在车辆上的传感模块采集车辆行驶状态数据;
S2、通过与传感模块连接通讯的状态获取模块接收状态数据,并由所述状态获取模块连接的状态分类模块对接收的状态数据进行分类,将车辆的行驶状态数据分类为路况状态与车体车体状态;
S3、根据参数调整模块接收所述状态分类模块的分类数据,再对接收的路况状态和车体状态与对应的标准参数比对,计算出误差;
S4、将计算出的误差数据通过5G信号传输至驾驶模块,驾驶模块根据误差数据调整驾驶参数,从而操作和驱动车辆行驶。
具体的,S4中的驾驶模块,设置在车辆上,用于驱动和操作车辆,所述驾驶模块的参数包括转向参数、油门参数、刹车参数与挡位参数,所述转向参数为方向盘转动角度与方向;所述油门参数为油门的升降高度;所述刹车参数为刹车的升降高度;所述挡位参数为车体行驶的挡位。
优选的,为了更方便的获知车辆情况,并使车辆在发生故障时,能够即使获得救援,所述驾驶模块通过远程信号传输模块与远程服务平台通讯,所述远程服务平台供客服远程维护与获知车辆情况,且所述远程信号传输模块采用5G信号远程传输。
优选的,为了提高车辆对于路况的监测效果,即,提高车辆在遇上路况上复杂环境和突发情况能够快速做出计算,得出正确的参数,以应对复杂环境和突发情况,所述S1中的传感模块包括:雷达激光模块、摄像模块和声呐模块;雷达激光模块与所述GPS定位模块结合,通过确定出的车***置信息绘制地图,并探测周围车辆信息;摄像模块用来拍摄周围路况,采集周围路况图像;声呐模块用来探测与路上其它车辆之间的间距。
优选的,为了更快速有效的提取车体行驶周围的车辆数据、道路数据和车体自身的参数,S2中的所述状态分类模块包括:路况状态提取模块与车体状况提取模块。
优选的,S2中所用的模块还包括:参数调整模块,所述路况状态提取模块与车体状况提取模块均与所述参数调整模块连接,所述参数调整模块根据标准参数与提取出的路况参数以及车体参数之间的误差进行调整,所述路况状态提取模块上连接有CNN识别模块与路径规划模块,所述CNN识别模块用来识别路况并由所述路径规划模块对行车路径合理规划,所述路径规划模块与所述参数调整模块连接。
优选的,为了使车辆在行驶中可以更精准地识别路况并对行车路径合理规划,所述CNN识别模块包括:卷积层特征提取模块、激活层模块,汇聚层模块和物体跟踪模块,卷积层特征提取模块使用不同的滤波器从输入图像中提取不同的特征;激活层模块与所述卷积层特征提取模块连接,用于控制目标神经元的开启;汇聚层模块与所述激活层模块连接,用于压缩特征映射图所占用的空间,以减少参数的数目;物体跟踪模块与汇聚层模块连接,在物体被识别出来后所述物体跟踪模块将根据预测出的物体运行轨迹对物体进行跟踪。
具体的,所述参数调整模块包括:依次连接的现实参数生成模块、参数对比模块与误差计算模块,所述现实参数生成模块用来将车体状况提取模块获得的参数列出,通过参数比对模块将现实参数与标准参数进行比对,并通过误差计算模块计算出误差。
优选的,为了进一步的提高数据的计算速度和计算结果的精准度,所述参数调整模块上连接有一信息库模块,所述信息库模块包括标准参数输入模块,所述标准参数输入模块用来输入与记录多种路况下的标准的参数数据。
优选的,为了提高车辆对于故障数据的检测效率和反馈速度,所述参数调整模块还包括故障检测模块,所述故障检测模块包括误差阈值设置模块、阈值对比模块和报警模块,所述误差阈值设置模块用来设置标准参数与现实参数之间的误差范围,所述阈值对比模块用来比对置标准参数与现实参数之间的误差是否在阈值范围内,若不在则由报警模块进行报警。
以上公开的仅为本发明的较佳地几个具体实施例,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,包括:
S1、通过GPS定位模块确定车体的位置信息,通过设置在车辆上的传感模块采集车辆行驶状态数据;
S2、通过与传感模块连接通讯的状态获取模块接收状态数据,并由所述状态获取模块连接的状态分类模块对接收的状态数据进行分类,将车辆的行驶状态数据分类为路况状态与车体车体状态;
S3、根据参数调整模块接收所述状态分类模块的分类数据,再对接收的路况状态和车体状态与对应的标准参数比对,计算出误差;
S4、将计算出的误差数据通过5G信号传输至驾驶模块,驾驶模块根据误差数据调整驾驶参数,从而操作和驱动车辆行驶。
2.根据权利要求1所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,S4中的驾驶模块,设置在车辆上,用于驱动和操作车辆,所述驾驶模块的参数包括:
转向参数,所述转向参数为方向盘转动角度与方向;
油门参数,所述油门参数为油门的升降高度;
刹车参数,所述刹车参数为刹车的升降高度;
档位参数,所述挡位参数为车体行驶的挡位。
3.根据权利要求2所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,S4中所述驾驶模块通过远程信号传输模块与远程服务平台通讯,所述远程服务平台供客服远程维护与获知车辆情况,且所述远程信号传输模块采用5G信号远程传输。
4.根据权利要求1所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,所述S1中的传感模块包括:
雷达激光模块,与所述GPS定位模块结合,通过确定出的车***置信息绘制地图,并探测周围车辆信息;
摄像模块,用来拍摄周围路况,采集周围路况图像;
声呐模块,用来探测与路上其它车辆之间的间距。
5.根据权利要求1所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,S2中的所述状态分类模块包括:路况状态提取模块与车体状况提取模块,所述路况状态提取模块用来提取车体行驶周围的车辆数据、道路数据,所述车体状况提取模块用来提取车体自身的参数。
6.根据权利要求5所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,S2中的模块还包括:参数调整模块,所述路况状态提取模块与车体状况提取模块均与所述参数调整模块连接,所述参数调整模块根据标准参数与提取出的路况参数以及车体参数之间的误差进行调整,所述路况状态提取模块上连接有CNN识别模块与路径规划模块,所述CNN识别模块用来识别路况并由所述路径规划模块对行车路径合理规划,所述路径规划模块与所述参数调整模块连接。
7.根据权利要求6所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,所述CNN识别模块包括:
卷积层特征提取模块,使用不同的滤波器从输入图像中提取不同的特征;
激活层模块,与所述卷积层特征提取模块连接,用于控制目标神经元的开启;
汇聚层模块,与所述激活层模块连接,用于压缩特征映射图所占用的空间,以减少参数的数目;
物体跟踪模块,与汇聚层模块连接,在物体被识别出来后所述物体跟踪模块将根据预测出的物体运行轨迹对物体进行跟踪。
8.根据权利要求6所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,所述参数调整模块包括:依次连接的现实参数生成模块、参数对比模块与误差计算模块,所述现实参数生成模块用来将车体状况提取模块获得的参数列出,通过参数比对模块将现实参数与标准参数进行比对,并通过误差计算模块计算出误差。
9.根据权利要求8所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,所述参数调整模块上连接有一信息库模块,所述信息库模块包括标准参数输入模块,所述标准参数输入模块用来输入与记录多种路况下的标准的参数数据。
10.根据权利要求9所述的一种基于GPS定位和5G技术的无人驾驶控制方法,其特征在于,所述参数调整模块还包括故障检测模块,所述故障检测模块包括误差阈值设置模块、阈值对比模块和报警模块,所述误差阈值设置模块用来设置标准参数与现实参数之间的误差范围,所述阈值对比模块用来比对置标准参数与现实参数之间的误差是否在阈值范围内,若不在则由报警模块进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111509408.8A CN114200937B (zh) | 2021-12-10 | 2021-12-10 | 一种基于gps定位和5g技术的无人驾驶控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111509408.8A CN114200937B (zh) | 2021-12-10 | 2021-12-10 | 一种基于gps定位和5g技术的无人驾驶控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114200937A true CN114200937A (zh) | 2022-03-18 |
CN114200937B CN114200937B (zh) | 2023-07-14 |
Family
ID=80652323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111509408.8A Active CN114200937B (zh) | 2021-12-10 | 2021-12-10 | 一种基于gps定位和5g技术的无人驾驶控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114200937B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116686535A (zh) * | 2023-06-30 | 2023-09-05 | 哈尔滨市大地勘察测绘有限公司 | 基于数据分析的无人驾驶收割机控制方法及*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009098970A (ja) * | 2007-10-17 | 2009-05-07 | Fuji Heavy Ind Ltd | 安全運転支援システム |
CN106407931A (zh) * | 2016-09-19 | 2017-02-15 | 杭州电子科技大学 | 一种新型深度卷积神经网络运动车辆检测方法 |
CN108319909A (zh) * | 2018-01-29 | 2018-07-24 | 清华大学 | 一种驾驶行为分析方法及*** |
US20190061771A1 (en) * | 2018-10-29 | 2019-02-28 | GM Global Technology Operations LLC | Systems and methods for predicting sensor information |
US20190101917A1 (en) * | 2017-10-04 | 2019-04-04 | Hengshuai Yao | Method of selection of an action for an object using a neural network |
CN109871010A (zh) * | 2018-12-25 | 2019-06-11 | 南方科技大学 | 基于强化学习型的方法及*** |
US10466717B1 (en) * | 2018-09-05 | 2019-11-05 | Chongqing Jinkang New Energy Vehicle Co., Ltd. | Vehicle command generation using vehicle-to-infrastructure communications and deep networks |
CN111142539A (zh) * | 2020-01-13 | 2020-05-12 | 中智行科技有限公司 | 一种无人驾驶车辆控制方法、装置和无人驾驶车辆 |
CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
EP3722907A1 (en) * | 2019-04-09 | 2020-10-14 | Bayerische Motoren Werke Aktiengesellschaft | Learning a scenario-based distribution of human driving behavior for realistic simulation model and deriving an error model of stationary and mobile sensors |
WO2021073528A1 (zh) * | 2019-10-18 | 2021-04-22 | 华中光电技术研究所(中国船舶重工集团有限公司第七一七研究所) | 一种无人艇智能决策方法及*** |
US20210201504A1 (en) * | 2019-12-31 | 2021-07-01 | Baidu Usa Llc | Vehicle trajectory prediction model with semantic map and lstm |
US20210303920A1 (en) * | 2020-03-30 | 2021-09-30 | Wipro Limited | Method and system for detecting and tracking objects in a rotational environment |
-
2021
- 2021-12-10 CN CN202111509408.8A patent/CN114200937B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009098970A (ja) * | 2007-10-17 | 2009-05-07 | Fuji Heavy Ind Ltd | 安全運転支援システム |
CN106407931A (zh) * | 2016-09-19 | 2017-02-15 | 杭州电子科技大学 | 一种新型深度卷积神经网络运动车辆检测方法 |
US20190101917A1 (en) * | 2017-10-04 | 2019-04-04 | Hengshuai Yao | Method of selection of an action for an object using a neural network |
CN108319909A (zh) * | 2018-01-29 | 2018-07-24 | 清华大学 | 一种驾驶行为分析方法及*** |
US10466717B1 (en) * | 2018-09-05 | 2019-11-05 | Chongqing Jinkang New Energy Vehicle Co., Ltd. | Vehicle command generation using vehicle-to-infrastructure communications and deep networks |
US20190061771A1 (en) * | 2018-10-29 | 2019-02-28 | GM Global Technology Operations LLC | Systems and methods for predicting sensor information |
CN109871010A (zh) * | 2018-12-25 | 2019-06-11 | 南方科技大学 | 基于强化学习型的方法及*** |
EP3722907A1 (en) * | 2019-04-09 | 2020-10-14 | Bayerische Motoren Werke Aktiengesellschaft | Learning a scenario-based distribution of human driving behavior for realistic simulation model and deriving an error model of stationary and mobile sensors |
WO2021073528A1 (zh) * | 2019-10-18 | 2021-04-22 | 华中光电技术研究所(中国船舶重工集团有限公司第七一七研究所) | 一种无人艇智能决策方法及*** |
US20210201504A1 (en) * | 2019-12-31 | 2021-07-01 | Baidu Usa Llc | Vehicle trajectory prediction model with semantic map and lstm |
CN111142539A (zh) * | 2020-01-13 | 2020-05-12 | 中智行科技有限公司 | 一种无人驾驶车辆控制方法、装置和无人驾驶车辆 |
CN111240328A (zh) * | 2020-01-16 | 2020-06-05 | 中智行科技有限公司 | 一种车辆行驶安全监控方法、装置和无人驾驶车辆 |
US20210303920A1 (en) * | 2020-03-30 | 2021-09-30 | Wipro Limited | Method and system for detecting and tracking objects in a rotational environment |
Non-Patent Citations (1)
Title |
---|
张强;李嘉锋;卓力;: "基于卷积神经网络的监控场景下车辆颜色识别", 测控技术, no. 10, pages 11 - 14 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116686535A (zh) * | 2023-06-30 | 2023-09-05 | 哈尔滨市大地勘察测绘有限公司 | 基于数据分析的无人驾驶收割机控制方法及*** |
CN116686535B (zh) * | 2023-06-30 | 2023-12-01 | 哈尔滨市大地勘察测绘有限公司 | 基于数据分析的无人驾驶收割机控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114200937B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11100795B2 (en) | Driving service active sensing system and method in internet of vehicles environment | |
CN113581211B (zh) | 一种车辆行驶控制方法、***、装置及可读存储介质 | |
CN111427041B (zh) | 一种矿区无人驾驶车辆的紧急停车*** | |
CN112046500B (zh) | 自动驾驶装置和方法 | |
US9836964B2 (en) | Vehicle identification system and vehicle identification device | |
CN109871010B (zh) | 基于强化学习型的方法及*** | |
CN109849919B (zh) | 自动驾驶接管的安全警示***及其方法 | |
CN111324120A (zh) | 一种自动驾驶前车切入切出场景提取方法 | |
CN113791621B (zh) | 一种自动驾驶牵引车与飞机对接方法及*** | |
CN107529041A (zh) | 一种用于无人农用车的远程监控方法 | |
WO2020250725A1 (ja) | 情報処理装置、および情報処理方法、並びにプログラム | |
EP4148385A1 (en) | Vehicle navigation positioning method and apparatus, and base station, system and readable storage medium | |
WO2022000127A1 (zh) | 一种目标跟踪方法及其装置 | |
CN112319473B (zh) | 带环境自适应能力的自动驾驶车辆纵向控制方法及*** | |
US20230222914A1 (en) | Vehicle reminding method and system, and related device | |
US20230136798A1 (en) | Method and apparatus for detecting lane line | |
CN114200937B (zh) | 一种基于gps定位和5g技术的无人驾驶控制方法 | |
KR20190107281A (ko) | 자율 주행 차량 시스템 및 차량의 자율 주행 방법 | |
CN113758482A (zh) | 车辆导航定位方法、装置、基站、***及可读存储介质 | |
CN111429734A (zh) | 港口内外集卡实时监控***及监控方法 | |
CN114397672A (zh) | 一种基于定位技术的列车主动障碍物检测方法及装置 | |
CN112061028B (zh) | 一种用于观光车辆的监测预警装置 | |
CN115222791B (zh) | 目标关联方法、装置、可读存储介质及芯片 | |
CN116564084A (zh) | 一种基于纯路端感知的网联式辅助驾驶控制方法及*** | |
CN206671565U (zh) | 一种利用激光传感器构建的前防撞预警和驾驶辅助*** |
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 |