CN114333298B - 一种基于交通雷达的车辆归属车道估计方法 - Google Patents

一种基于交通雷达的车辆归属车道估计方法 Download PDF

Info

Publication number
CN114333298B
CN114333298B CN202111473216.6A CN202111473216A CN114333298B CN 114333298 B CN114333298 B CN 114333298B CN 202111473216 A CN202111473216 A CN 202111473216A CN 114333298 B CN114333298 B CN 114333298B
Authority
CN
China
Prior art keywords
lane
radar
vehicle
road
coordinates
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
Application number
CN202111473216.6A
Other languages
English (en)
Other versions
CN114333298A (zh
Inventor
许忠印
何勇海
王志斌
王金璐
邱文利
金烨
权恒友
石磊
张龙
张少波
金凤温
张斌
韩宇
马义东
史皓男
张垚
杨宇鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Ruixing Electronic Technology Co ltd
Hebei Xiong'an Jingde Expressway Co ltd
Hebei Communications Planning Design and Research Institute Co Ltd
Original Assignee
Chongqing Ruixing Electronic Technology Co ltd
Hebei Xiong'an Jingde Expressway Co ltd
Hebei Communications Planning Design and Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Ruixing Electronic Technology Co ltd, Hebei Xiong'an Jingde Expressway Co ltd, Hebei Communications Planning Design and Research Institute Co Ltd filed Critical Chongqing Ruixing Electronic Technology Co ltd
Priority to CN202111473216.6A priority Critical patent/CN114333298B/zh
Publication of CN114333298A publication Critical patent/CN114333298A/zh
Application granted granted Critical
Publication of CN114333298B publication Critical patent/CN114333298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于交通雷达的车辆归属车道估计方法,该方法应用场景为高速公路的直线段或大曲率半径路段,要求雷达安装在高速公路道路的两侧或中央位置,雷达波束覆盖所测车道,首先,选取来向和去向道路边线地图信息,将地图点集经纬高坐标先转换为东北天坐标,再将东北天坐标转换为雷达本地坐标,获得雷达本地坐标系下的道路高精度地图信息,然后结合目标和地图点集在雷达本地坐标系中的坐标,利用线性插值找到平行于车辆的道路边界定位点坐标,最后利用车辆坐标和边界定位点坐标计算归属车道;本发明的方法具有高实时性、高精度的优点,可实现对车辆归属车道的精准估计。

Description

一种基于交通雷达的车辆归属车道估计方法
技术领域
本发明属于交通雷达应用技术领域,具体涉及一种基于交通雷达的车辆归属车道估计方法。
背景技术
随着智能交通***的发展,人们对于汽车道路安全信息关注度不断提高。车辆在高速上行驶的过程中,探测雷达精确捕获每个车辆的归属车道是有实际意义的,这有利于提高雷达对车辆的追踪精度,也可以获取单个车道的车流量。因此作为交通雷达需要获取的路况信息,精确计算每个目标车辆的归属车道成为一个亟待解决的问题。
发明内容
有鉴于此,本发明的目的是提供一种基于交通雷达的车辆归属车道估计方法,可实时输出车辆的归属车道,计算复杂度低,实时性强。
一种基于交通雷达的车辆归属车道估计方法,包括如下步骤:
S0、建立雷达本地笛卡尔坐标系XYZ,交通雷达所处位置为坐标原点,以交通雷达阵面法线为Y轴,且Y轴尽量与道路方向平行;
S1:获取交通雷达的经纬度信息和偏北角θ;其中,偏北角θ指的是雷达本地坐标系XYZ的Y轴相对于东北天坐标系ENU中N轴的夹角;
S2:获得待测路段地图点集的经纬高信息;
S3:将道路地图点集的经纬度和雷达位置的经纬度坐标转换到东北天坐标系ENU中;
S4:将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中;
S5:对车道信息进行提取,包括车道宽度和车道数量;
S6:结合目标在雷达本地笛卡尔坐标系XYZ的位置和车道线信息,得到目标车辆的归属车,具体为:
根据交通雷达返回的数据,提取目标车辆的位置信息和速度信息,由目标车辆的位置信息中Y轴坐标值y,在目标车辆所在道路左边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标定义为(xN,YN)和(xN-1,YN-1);在目标车辆所在道路右边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标可以定义为(xM,YM)和(xM-1,YM-1),则车辆与道路左边界和右边界的距离x_left和x_right值由坐标(xN,YN)和(xN-1,YN-1),(xM,YM)和(xM-1,YM-1)进行线性插值得到,插值公式表示为:
根据车辆所在与道路左边界和右边界的距离x_left和x_right,结合道路总宽度以及各车道宽度确定车辆所在车道。
较佳的,所述步骤S6中,利用x_left和x_right计算车辆位置x所占车道比例rate:
根据rate的值来判断车辆归属车道:假设高速公路为双向N车道,那么单向车道总宽:
其中,I为单向车道总宽;
所属车道判定规则为:
判定为1车道;当/>判定为2车道;当判定为h车道;其中h∈N。
进一步的,所述S6中,假如目标落入绿化带内,rate满足α≤rate<0,α是设定的临界值,则将该目标归属车道判断为1车道。
进一步的,所述S6中,假如目标落到车道之外,即1≤rate<1+β,β是设定的临界值,则将该目标归属车道判断为应急车道。
较佳的,所述交通雷达安装在路中或路旁。
较佳的,所述交通雷达的经纬度信息和偏北角θ通过GPS设备获取。
较佳的,所述S3中,使用地理信息标准库的转换公式,将道路地图点集的经纬度和雷达位置的经纬度坐标转换到东北天坐标系ENU中。
较佳的,所述S4中,将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中,转换公式如下:
其中x,y,z为雷达本地笛卡尔坐标系XYZ中的坐标,E,N,U为东北天坐标系ENU中坐标,L为转换矩阵,ψ为偏转角且数值等于-θ。
本发明具有如下有益效果:
本发明公开了一种基于交通雷达的车辆归属车道估计方法,该方法应用场景为高速公路的直线段或大曲率半径路段,要求雷达安装在高速公路道路的两侧或中央位置,雷达波束覆盖所测车道,首先,选取来向和去向道路边线地图信息,将地图点集经纬高坐标先转换为东北天坐标,再将东北天坐标转换为雷达本地坐标,获得雷达本地坐标系下的道路高精度地图信息,然后结合目标和地图点集在雷达本地坐标系中的坐标,利用线性插值找到平行于车辆的道路边界定位点坐标,最后利用车辆坐标和边界定位点坐标计算归属车道;本发明的方法具有高实时性、高精度的优点,可实现对车辆归属车道的精准估计。
附图说明
图1是本发明的东北天坐标系与雷达本地坐标系及转换关系示意图;
图2是本发明目标车辆归属车道计算示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
如图1所示,地图点集的选取是由单向车道的左右护栏决定的,两两地图点集沿道路方向间隔10m(可以根据实际需要调整间隔距离)。雷达的波束指向要求覆盖所测道路,其位置安装在路中和路旁均可。其中东北天坐标系ENU的N轴指北;雷达本地笛卡尔坐标系XYZ,雷达所处位置为坐标原点,以雷达的前方或侧前方为Y轴,使Y轴尽量与道路方向平行。为了简洁,图中均省去了高度坐标轴。地图点集按照地理信息标准库中的转换关系,由经纬高坐标系转换为东北天坐标系ENU,再由坐标系ENU转换为雷达本地笛卡尔坐标系XYZ。有了道路地图点集在雷达本地坐标系XYZ的位置信息后,才能对车辆进行车道归属估计。
图2所示是高速双向车道目标车辆归属车道估计建模。两向车道被绿化带分开,将交通雷达置于绿化带中,此时功率波束会更好的覆盖双向车道,使探测目标的接收信噪比更加稳定。车道为双向8车道,最***车道是应急车道,绿化带宽度大于车道宽度。此时的坐标系是雷达本地坐标系XYZ。估计方法的具体步骤如下:
S1:获取交通雷达的经纬度信息和偏北角θ(可通过GPS设备获取);其中,偏北角θ指的是雷达达本地坐标系XYZ的Y轴相对于东北天坐标系ENU中N轴的夹角。
S2:获得待测高速路段地图点集的经纬高(经度,纬度,高度)信息,经纬高地图点集数据范围为雷达测量范围,地图点集间隔为10m(距离可调);
S3:使用地理信息标准库的转换公式,将道路地图点集和雷达位置的经纬度(WGS84)坐标转换到东北天坐标系ENU中;
S4:将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中,转换公式如下:
其中x,y,z为雷达本地笛卡尔坐标系XYZ中的坐标,E,N,U为东北天坐标系ENU中坐标,L为转换矩阵,ψ为偏转角且数值等于-θ;
S5:对车道信息进行提取,包括车道宽度,车道数量;
S6:结合目标在雷达本地笛卡尔坐标系XYZ的位置和车道线信息,得到目标车辆的归属车,具体为:
首先求出车道总宽度,根据车道各自的宽度,算出各车道所占比例。然后根据交通雷达返回的数据,提取目标车辆的位置信息和速度信息,如附图2所示,由目标车辆的位置信息中Y轴坐标值y,在目标车辆所在道路左边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,如图2所示,该两个地图点即为沿左边界上与车辆前、后两个地图点,其坐标可以定义为(xN,YN)和(xN-1,YN-1);同理,在目标车辆所在道路右边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标可以定义为(xM,YM)和(xM-1,YM-1),则车辆与道路左边界和右边界的距离x_left和x_right值可以由相邻的两个地图点集坐标(xN,YN)和(xN-1,YN-1),(xM,YM)和(xM-1,YM-1)进行线性插值得到,插值公式表示为:
至此,由于计算得到了车辆所在与道路左边界和右边界的距离x_left和x_right,根据道路总宽度以及各车道宽度即可确定车辆所在车道。
为了简化计算过程,本发明采用如下方法估计车辆所在车道,具体为:
利用x_left和x_right计算车辆位置x所占车道比例rate:
根据rate的值来判断车辆归属车道。此情况在曲率半径大的高速弯路上同样适用,因为在雷达的测量范围内,道路弯曲程度是很小的,只要雷达的Y轴方向尽量与道路方向平行,距离雷达距离较远处,依然可以使用该方法。假设高速公路为双向N车道,那么单向车道总宽:
其中,I为单向车道总宽。
以图2为例,假设车道1、2、3、4和5的道路间距分别为I1、I2、I3、I4和I5,各车道判定规则为:
(1)判定为1车道。
(2)判定为2车道。
(3)判定为3车道。
(4)判定为4车道。
(5)判定为应急车道。
当车道数量N≠5时,同样使用图2示例的方法判定。
由于目标距离较远,雷达测量精度下降,可能导致滤波航迹偏入绿化带或车道外,在这里说明如何处理这些特殊情况:
(1)假如目标落入绿化带内,rate满足α≤rate<0,α是临界值,由道路信息决定,且目标的速度和上行道方向相符或者目标的速度和下行道相符,则将该目标归属车道判断为1车道。
(2)假如目标落到车道之外,即1≤rate<1+β,β是临界值,由道路信息决定,且目标的速度和上行道方向相符或者目标的速度和下行道相符,则将该目标归属车道判断为应急车道。
综上所述,以上仅为本发明的较佳实施例而已,并非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,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于交通雷达的车辆归属车道估计方法,其特征在于,包括如下步骤:
S0、建立雷达本地笛卡尔坐标系XYZ,交通雷达所处位置为坐标原点,以交通雷达阵面法线为Y轴,且Y轴尽量与道路方向平行;
S1:获取交通雷达的经纬度信息和偏北角θ;其中,偏北角θ指的是雷达本地坐标系XYZ的Y轴相对于东北天坐标系ENU中N轴的夹角;
S2:获得待测路段地图点集的经纬高信息;
S3:将道路地图点集的经纬度和雷达位置的经纬度坐标转换到东北天坐标系ENU中;
S4:将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中;
S5:对车道信息进行提取,包括车道宽度和车道数量;
S6:结合目标在雷达本地笛卡尔坐标系XYZ的位置和车道线信息,得到目标车辆的归属车,具体为:
根据交通雷达返回的数据,提取目标车辆的位置信息和速度信息,由目标车辆的位置信息中Y轴坐标值y,在目标车辆所在道路左边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标定义为(xN,YN)和(xN-1,YN-1);在目标车辆所在道路右边界上地图点集中,找到与Y轴坐标值与y值最接近的两个地图点,其坐标可以定义为(xM,YM)和(xM-1,YM-1),则车辆与道路左边界和右边界的距离x_left和x_right值由坐标(xN,YN)和(xN-1,YN-1),(xM,YM)和(xM-1,YM-1)进行线性插值得到,插值公式表示为:
根据车辆所在与道路左边界和右边界的距离x_left和x_right,结合道路总宽度以及各车道宽度确定车辆所在车道,具体的,利用x_left和x_right计算车辆位置x所占车道比例rate:根据rate的值来判断车辆归属车道:假设高速公路为双向N车道,那么单向车道总宽:/>其中,I为单向车道总宽;所属车道判定规则为:当判定为1车道;当/>判定为2车道;当/>判定为h车道;其中h∈N。
2.如权利要求1所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述S6中,假如目标落入绿化带内,rate满足α≤rate<0,α是设定的临界值,则将该目标归属车道判断为1车道。
3.如权利要求1所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述S6中,假如目标落到车道之外,即1≤rate<1+β,β是设定的临界值,则将该目标归属车道判断为应急车道。
4.如权利要求1、2或3所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述交通雷达安装在路中或路旁。
5.如权利要求1、2或3所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述交通雷达的经纬度信息和偏北角θ通过GPS设备获取。
6.如权利要求1、2或3所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述S3中,使用地理信息标准库的转换公式,将道路地图点集的经纬度和雷达位置的经纬度坐标转换到东北天坐标系ENU中。
7.如权利要求1、2或3所述的基于交通雷达的车辆归属车道估计方法,其特征在于,所述S4中,将道路地图点集和雷达位置的经纬度从东北天坐标系ENU转换为雷达本地笛卡尔坐标系XYZ中,转换公式如下:
其中x,y,z为雷达本地笛卡尔坐标系XYZ中的坐标,E,N,U为东北天坐标系ENU中坐标,L为转换矩阵,ψ为偏转角且数值等于-θ。
CN202111473216.6A 2021-12-02 2021-12-02 一种基于交通雷达的车辆归属车道估计方法 Active CN114333298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111473216.6A CN114333298B (zh) 2021-12-02 2021-12-02 一种基于交通雷达的车辆归属车道估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111473216.6A CN114333298B (zh) 2021-12-02 2021-12-02 一种基于交通雷达的车辆归属车道估计方法

Publications (2)

Publication Number Publication Date
CN114333298A CN114333298A (zh) 2022-04-12
CN114333298B true CN114333298B (zh) 2024-02-23

Family

ID=81048809

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111473216.6A Active CN114333298B (zh) 2021-12-02 2021-12-02 一种基于交通雷达的车辆归属车道估计方法

Country Status (1)

Country Link
CN (1) CN114333298B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114333298B (zh) * 2021-12-02 2024-02-23 河北雄安京德高速公路有限公司 一种基于交通雷达的车辆归属车道估计方法
CN114994673B (zh) * 2022-08-04 2022-10-21 南京隼眼电子科技有限公司 用于雷达的道路地图生成方法、装置及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09178505A (ja) * 1995-12-27 1997-07-11 Pioneer Electron Corp 運転支援装置
JP2013234902A (ja) * 2012-05-08 2013-11-21 Alpine Electronics Inc 走行レーン認識装置および走行レーン認識方法
CN103942959A (zh) * 2014-04-22 2014-07-23 深圳市宏电技术股份有限公司 一种车道检测方法及装置
CN105702093A (zh) * 2016-04-21 2016-06-22 江苏联盟信息工程有限公司 一种基于经纬度采集点的车道判定方法及定位装置
CN110044371A (zh) * 2018-01-16 2019-07-23 华为技术有限公司 一种车辆定位的方法以及车辆定位装置
CN111339802A (zh) * 2018-12-19 2020-06-26 长沙智能驾驶研究院有限公司 实时相对地图的生成方法及装置、电子设备和存储介质
CN111582079A (zh) * 2020-04-24 2020-08-25 杭州鸿泉物联网技术股份有限公司 基于计算机视觉的车道定位方法及装置
CN112541953A (zh) * 2020-12-29 2021-03-23 江苏航天大为科技股份有限公司 一种基于雷达信号和视频同步坐标映射的车辆检测方法
DE102019217144A1 (de) * 2019-11-06 2021-05-06 Volkswagen Aktiengesellschaft Ampelspurzuordnung aus Schwarmdaten
CN113494917A (zh) * 2020-04-07 2021-10-12 上汽通用汽车有限公司 地图构建方法及***、制定导航策略的方法以及存储介质
CN113494915A (zh) * 2020-04-02 2021-10-12 广州汽车集团股份有限公司 一种车辆横向定位方法、装置及***
CN114333298A (zh) * 2021-12-02 2022-04-12 河北雄安京德高速公路有限公司 一种基于交通雷达的车辆归属车道估计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015001386A1 (de) * 2015-02-04 2016-08-04 Audi Ag Verfahren zur Ermittlung einer Querpositionsinformantion eines Kraftfahrzeugs auf einer Fahrbahn und Kraftfahrzeug
CN110550029B (zh) * 2019-08-12 2021-02-09 华为技术有限公司 障碍物避让方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09178505A (ja) * 1995-12-27 1997-07-11 Pioneer Electron Corp 運転支援装置
JP2013234902A (ja) * 2012-05-08 2013-11-21 Alpine Electronics Inc 走行レーン認識装置および走行レーン認識方法
CN103942959A (zh) * 2014-04-22 2014-07-23 深圳市宏电技术股份有限公司 一种车道检测方法及装置
CN105702093A (zh) * 2016-04-21 2016-06-22 江苏联盟信息工程有限公司 一种基于经纬度采集点的车道判定方法及定位装置
CN110044371A (zh) * 2018-01-16 2019-07-23 华为技术有限公司 一种车辆定位的方法以及车辆定位装置
CN111339802A (zh) * 2018-12-19 2020-06-26 长沙智能驾驶研究院有限公司 实时相对地图的生成方法及装置、电子设备和存储介质
DE102019217144A1 (de) * 2019-11-06 2021-05-06 Volkswagen Aktiengesellschaft Ampelspurzuordnung aus Schwarmdaten
CN113494915A (zh) * 2020-04-02 2021-10-12 广州汽车集团股份有限公司 一种车辆横向定位方法、装置及***
CN113494917A (zh) * 2020-04-07 2021-10-12 上汽通用汽车有限公司 地图构建方法及***、制定导航策略的方法以及存储介质
CN111582079A (zh) * 2020-04-24 2020-08-25 杭州鸿泉物联网技术股份有限公司 基于计算机视觉的车道定位方法及装置
CN112541953A (zh) * 2020-12-29 2021-03-23 江苏航天大为科技股份有限公司 一种基于雷达信号和视频同步坐标映射的车辆检测方法
CN114333298A (zh) * 2021-12-02 2022-04-12 河北雄安京德高速公路有限公司 一种基于交通雷达的车辆归属车道估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于汽车雷达的弯道行驶车辆防撞算法;胡晨曦;杜自成;张博;李飞;;火控雷达技术(第03期);全文 *

Also Published As

Publication number Publication date
CN114333298A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN111307162B (zh) 用于自动驾驶场景的多传感器融合定位方法
CN114333298B (zh) 一种基于交通雷达的车辆归属车道估计方法
CN109946731B (zh) 一种基于模糊自适应无迹卡尔曼滤波的车辆高可靠融合定位方法
US8996197B2 (en) Lane monitoring with electronic horizon
CN106885576B (zh) 一种基于多点地形匹配定位的auv航迹偏差估计方法
CN107389064A (zh) 一种基于惯性导航的无人车变道控制方法
CN107274721B (zh) 一种智能交通***中多车辆协作定位方法
CN110186428B (zh) 一种基于大数据曲线拟合的道路坡度确定方法及***
JP3970473B2 (ja) 監視手段付きgps装置
CN114999228B (zh) 一种自动驾驶车在恶劣天气防碰撞方法
CN110441760B (zh) 一种基于先验地形图的大范围海底地形图拓展构图方法
CN112147651B (zh) 一种异步多车协同目标状态鲁棒估计方法
CN113335341A (zh) 基于gnss和电子地图拓扑结构的列车定位***及方法
CN112346104A (zh) 一种无人机信息融合定位方法
CN114333297B (zh) 一种基于交通雷达的车辆所属弯道车道估计方法
CN113639741A (zh) 一种偏航识别和导航路线规划方法及装置
CN113075676B (zh) 一种基于车道线里程匹配的隧道内车辆定位方法
CN104515528A (zh) 基于路段累积概率的单点地图匹配方法
CN113487910A (zh) 一种用于跟车场景的汽车数据采集***性能分析方法
CN111308468B (zh) 一种基于InSAR技术的形变风险区域自动识别的方法
Magrath et al. Evaluating different methods for determining road grade best suited to advanced bus transportation systems
CN116229708A (zh) 基于v2i的路侧感知***对交通目标的感知测试方法
CN116170347A (zh) 一种车联网路侧感知***时频性能测试方法
CN112731407B (zh) 一种基于超声波检测的列车定位方法
CN107588760B (zh) 适用于固定翼无人机跟踪道路的定高高精度航迹生成方法

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