CN115016453A - 一种智能网联无人车驾驶*** - Google Patents
一种智能网联无人车驾驶*** Download PDFInfo
- Publication number
- CN115016453A CN115016453A CN202210162634.1A CN202210162634A CN115016453A CN 115016453 A CN115016453 A CN 115016453A CN 202210162634 A CN202210162634 A CN 202210162634A CN 115016453 A CN115016453 A CN 115016453A
- Authority
- CN
- China
- Prior art keywords
- road
- information
- vehicle
- unit
- module
- 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
- 230000006855 networking Effects 0.000 title claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000008447 perception Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 238000004088 simulation Methods 0.000 claims description 51
- 230000010365 information processing Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 6
- 238000005352 clarification Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (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
本发明涉及车辆无人驾驶技术领域，公开了一种智能网联无人车驾驶***，包括：信息感知模块、路况分析模块、网联计算模块、避障策略模块和信息同步模块，所述信息感知模块用于采集和处理车辆周围的环境信息和车辆的状态信息；所述路况分析模块用于根据环境信息建立路况模型；所述网联计算模块用于根据路况模型和环境信息调整车辆行驶的预警阈值、行驶策略和避障策略；所述避障策略模块用于根据路况模型和状态信息分析车辆的预测轨迹，匹配相应的避障策略；所述信息同步模块用于将行驶策略和避障策略同步至车辆。能够对参与交通的无人车进行信息统一管理，实现全面掌握交通综合状况，并提供安全行驶策略，提高无人车行驶的安全性和可靠性。
Description
技术领域
本发明涉及车辆无人驾驶技术领域，具体涉及一种智能网联无人车驾驶***。
背景技术
目前的智能汽车是在一般汽车上增加雷达、摄像头等先进传感器、控制器、执行器等装置，通过车载环境感知***和信息终端实现与车、路、人等的信息交换，使车辆具备智能环境感知能力，能够自动分析车辆行驶的安全及危险状态，并使车辆按照人的意愿到达目的地，最终实现无人驾驶，进行驾驶决策及操作的目的。
然而，目前的无人驾驶车辆主要是以单个车辆为核心，通过单个车辆对周围的路况和环境进行识别和分析，做出决策。因此，不同的车辆由于所搭载的硬件和***不同，面对同一路况和环境可能行驶的策略和避障的策略不同，使得各个无人驾驶车辆缺乏统一的信息共享和配合，在目前的无人驾驶的智能程度还处于初级阶段的情况下，整个无人车参与的交通***的安全性和可靠性还亟待提高。
发明内容
本发明意在提供一种智能网联无人车驾驶***，能够对参与交通的无人车进行信息统一管理，实现全面掌握交通综合状况，并提供安全行驶策略，提高无人车行驶的安全性和可靠性。
本发明提供的技术方案为：一种智能网联无人车驾驶***，包括：信息感知模块、路况分析模块、网联计算模块、避障策略模块和信息同步模块，所述信息感知模块用于采集和处理车辆周围的环境信息和车辆的状态信息；所述路况分析模块用于根据环境信息建立路况模型；所述网联计算模块用于根据路况模型和环境信息调整车辆行驶的预警阈值、行驶策略和避障策略；所述避障策略模块用于根据路况模型和状态信息分析车辆的预测轨迹，匹配相应的避障策略；所述信息同步模块用于将行驶策略和避障策略同步至车辆。
本发明的工作原理及优点在于：***采集和分析各车辆周围的环境信息和车辆的状态信息，实现车辆大数据的统一采集和简单处理。根据环境信息建立路况模型，能够直观反映真实的道路情况。综合各车辆建立的路况模型结合车辆当前所处的环境信息，通过大数据云计算技术，能够全面掌握当前交通综合状况，并制定和调整相应的车辆状态预警阈值，以及车辆的行驶策略和避障策略，在该策略下能够保证当前交通状况的安全性。在车辆行驶的过程中，实时分析车辆的预测轨迹，根据当前车辆的状态信息集合路况模型匹配相应的避障策略，并实时同步至目标车辆，执行相应策略。本发明***通过车辆与***之间的智能网联实现数据共享，对参与交通的无人车进行信息统一管理，实现全面掌握交通综合状况，并提供安全行驶策略，提高无人车行驶的安全性和可靠性。
进一步，所述车辆的状态信息和预警阈值均包括实时位置、速度和方向。
识别车辆的实时位置是否处于风险路段，方向是否朝向风险路段，以及速度是否过快。结合路况模型和环境信息可以对以上车辆的状态信息设置相应预警阈值。
进一步，所述信息感知模块包括信息采集单元和信息处理单元，所述信息采集单元用于采集车辆周围的环境信息和车辆的状态信息，所述信息处理单元用于对环境信息进行清晰化处理和特征识别。
对于的数据信息，特别是图像信息，通过算法进行清晰化处理，并识别和提取图像的特征，进行分类。
进一步，所述信息处理单元的特征识别包括道路识别、车辆识别、行人识别、交通标志识别和交通信号灯识别。
综合车辆在路面可能遇到的各类场景，支持对道路、车辆、行人、交通标志和交通信号灯的识别，能够识别的特征广泛且全面。
进一步，所述路况分析模块包括结构化道路识别单元、道路特征识别单元和道路模型单元，所述结构化道路识别单元用于识别道路是否为结构化道路；所述道路特征识别单元用于根据结构化道路识别结果，进行道路特征识别；所述道路模型单元用于根据道路特征识别结果建立路况模型。
道路按照是否有规则的车道线可以分为结构化道路和非结构化道路，结构化道路有明显的道路特征，***可以根据道路模型或者人为设定的特征准确识别，但是实际环境中，存在没有明显的车道线或受到雾雪等天气干扰的路段，称为部分非结构化道路和完全非结构化道路，在非结构化道路识别上运用结构化道路的识别方法可能会导致错误的决策。因此需要先判断是否结构化道路，通过识别和计算道路上满足结构化道路的道路特征的百分比，按照百分比划分结构化道路和非结构化道路(部分非结构化道路和完全非结构化道路)，再采用相应的识别方法，以建立路况模型。
进一步，所述网联计算模块包括数据整合单元、阈值调整单元和策略调整单元，所述数据整合单元用于整合各车辆所在的路况模型和环境信息；所述阈值调整单元用于根据路况模型和环境信息调整车辆行驶的预警阈值；所述策略调整单元用于根据路况模型和环境信息调整车辆的行驶策略和避障策略。
在此整合各车辆路况模型和环境信息数据，对处于同一地点的路况模型和环境信息进行归类，合并重复数据，以此可以了解到各地点的路况和环境。根据当前地点的路况和环境对预警阈值、行驶策略和避障策略进行调整。
进一步，所述避障策略模块包括轨迹预测单元和策略匹配单元，所述轨迹预测单元用于根据路况模型和状态信息分析车辆的预测轨迹；所述策略匹配单元用于根据预测轨迹和状态信息匹配对应的避障策略。
避障前先对车辆的行驶轨迹进行预测，判断是否有碰撞的可能，再根据前方障碍的不同，结合车辆当前状态，执行不同的避障策略，以保障安全性。
进一步，还包括场景模拟模块，所述场景模拟模块用于根据路况模型、环境信息和状态信息建立交通模拟场景。
还提供对当前交通场景进行模拟，真实场景与模拟场景一一对应，使得相关工作人员能够直观了解到当前的具体交通状况，便于交通的统一协调管理和进行相关测试。
进一步，所述场景模拟模块包括环境模拟单元、场地模拟单元和车辆模拟单元，所述环境模拟单元用于根据环境信息模拟天气环境；所述场地模拟单元用于结合路况模型和地图模型，建立模拟场地；所述车辆模拟单元用于根据状态信息模拟车辆行驶。
主要从天气、场地和车辆三方面实现对真实交通场景的模拟，环境、路况和车辆状态与现实情况对应，具备一定的真实感，便于相关工作人员能够直接根据模拟场景联想到各类安全防治措施。
进一步，所述交通模拟场景包括电子交通模拟场景和实物交通模拟场景。
除了显示在屏幕上的电子交通模拟场景，还提供实物交通模拟场景，根据环境和场地的情况制作真实模型，然后通过无线控制的方式指挥小车模型在场地上移动，与真实场景一一对应，进一步提高了模拟场景的真实感。
附图说明
图1为本发明一种智能网联无人车驾驶***实施例的模块框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
实施例：
如图1所示，本实施例公开了一种智能网联无人车驾驶***，包括信息感知模块、路况分析模块、网联计算模块、避障策略模块、信息同步模块和场景模拟模块。
信息感知模块包括信息采集单元和信息处理单元，信息采集单元用于通过车辆上的传感器和仪表获取车辆周围的环境信息和车辆的状态信息，其中传感器和仪表包括惯性元件、超声波传感器、激光雷达、毫米波雷达、图像传感器、定位装置、车载仪表和车载自组织网络等，采集的环境信息包括天气、温度、湿度和图像等数据。本实施例中信息处理单元主要针对图像数据进行处理，首先对图像进行清晰化处理，包括针对现场环境光闪烁导致采集的图像不清晰的问题，对图像逐帧分析，选取色差最小的几张图像，通过图像多帧融合算法，生成环境光稳定的图像，再增强图像对比度，增强色彩；针对现场水雾较重导致采集的图像模糊的问题，对图像逐帧分析，通过多张融合的算法，生成去水雾效果的图像，再增强图像对比度，增强色彩。在得到清晰化处理的图像后，再对图像进行特征识别，本实施例中信息处理单元的特征识别包括道路识别、车辆识别、行人识别、交通标志识别和交通信号灯识别，其中道路识别包括对道路上的车道线识别，通过图像对当前道路进行一个初步的识别；车辆识别和行人识别在图像识别的基础上，结合雷达波数据，对车辆附近的其他车辆和行人进行准确识别；交通标志识别和交通型号等识别则根据图像数据匹配交通标志和交通信号灯的含义。车辆的状态信息则包括车辆的实时位置、速度和方向。
路况分析模块包括结构化道路识别单元、道路特征识别单元和道路模型单元，结构化道路识别单元在信息感知模块的基础上，对道路进行进一步的识别。道路按照是否有规则的车道线可以分为结构化道路和非结构化道路，结构化道路有明显的道路特征，***可以根据道路模型或者人为设定的特征准确识别，但是实际环境中，存在没有明显的车道线或受到雾雪等天气干扰的路段，称为部分非结构化道路和完全非结构化道路，在非结构化道路识别上运用结构化道路的识别方法可能会导致错误的决策。因此结构化道路根据图像上是否存在车道线或车道线是否规则识别当前道路是否为结构化道路，本实施例中车道线的规则程度处于70％以下或没有明显的车道线则判断为非结构化道路，20％-70％为部分非结构化道路，20％以下为完全非结构化道路。则若识别结果为非结构化道路，则道路特征识别单元采取非结构化道路识别模型，进行道路特征识别，本实施例中对于非结构化道路主要通过识别道路两旁的特征景物，如行道树、栏杆、道路边沿等。道路模型单元则通过识别的道路特征，来判断道路走向，根据识别结果建立路况模型，本实施例中路况模型包括道路模型以及道路上的车辆和行人模型。
网联计算模块包括数据整合单元、阈值调整单元和策略调整单元，数据整合单元用于整合各车辆路况模型和环境信息数据，对处于同一地点的路况模型和环境信息进行归类，合并重复数据，以此可以了解到各地点的路况和环境。阈值调整单元则分析整合后的路况模型和环境信息，根据不同地点的具体情况，参考相应交通规则设置车辆行驶的预警阈值，例如了解到某地点的道路上车辆较多，同时为大雾天气，且路面湿滑，因此需要根据上述情况设置车辆的速度阈值为50km/h，某些雾气严重路段直接设为危险路段，将实时位置处于该路段的车辆或行驶方向为该路段的车辆纳入预警范围。策略调整单元分析整合后的路况模型和环境信息，调整车辆在该路况环境下的行驶策略和避障策略，例如在道路上车辆较多，同时为大雾天气，且路面湿滑，调整车辆的行驶策略为速度控制在40km/h左右，同时打开雾灯，并且雾气严重路段直接打开双闪。避障策略为若检测到前方有障碍，若前方障碍为行人，则直接减速直到行人通过路面；若前方障碍为路障等静止物体，则减速并打开转向灯，在周围没有行人车辆的情况下低速绕过障碍；若前方障碍为车辆，通过雷达波测得前方车辆速度超过40km/h时，则保持40km/h跟进，进行自适应巡航，若前方车辆速度低于40km/h时，则打开超车转向灯，等待周围没有其他车辆或行人时，加速超车后继续保持40km/h的速度。
避障策略模块包括轨迹预测单元和策略匹配单元，轨迹预测单元根据当前的路况模型和车辆当前状态信息对车辆的预测轨迹进行分析，主要结合当前路面情况，以及车辆的实时速度和方向，例如当前车速为40km/h，前方100米左右有行人匀速通过路面，按照双方的相对速度计算预测轨迹可能会发生碰撞，因此策略匹配模块结合当前车速和路面湿滑的情况，匹配到此时需要减速让行人，因此计划在距离行人50米左右进行制动，逐步降低车速，待行人通过后再恢复速度。
信息同步模块用于将上述行驶策略和避障策略通过信息同步模块实时同步至目标车辆，以便车辆及时采取相应策略。
场景模拟模块包括环境模拟单元、场地模拟单元和车辆模拟单元，环境模拟单元用于根据环境信息模拟天气环境，包括雨、雪、雾、晴等多种天气环境。场地模拟单元用于根据路况模型，结合已有地图模型，生成和建立某地点的模拟场地，场地上包括实时的车辆和行人模型。车辆模拟单元用于根据车辆的状态信息，在模拟场地上模拟车辆行驶。通过上述模拟场景的组合，能够在屏幕上观看电子交通模拟场景，包括当前场地的车辆的行驶情况和周围的环境情况，一目了然，相比对传统的实时交通图更直观。同时本实施例中也支持将上述模拟场景通过实物交通模拟场景的形式展现，通过在沙盘上建立与场地对应还原的道路模型，并在道路上放置小车模型，根据车辆模拟单元根据实时行驶情况，通过遥控的方式控制小车模型在道路模型上行驶，以实物展示的方式反映当前交通状况，更加直观。
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得出的启示下，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 (10)
1.一种智能网联无人车驾驶***，其特征在于，包括：信息感知模块、路况分析模块、网联计算模块、避障策略模块和信息同步模块，所述信息感知模块用于采集和处理车辆周围的环境信息和车辆的状态信息；所述路况分析模块用于根据环境信息建立路况模型；所述网联计算模块用于根据路况模型和环境信息调整车辆行驶的预警阈值、行驶策略和避障策略；所述避障策略模块用于根据路况模型和状态信息分析车辆的预测轨迹，匹配相应的避障策略；所述信息同步模块用于将行驶策略和避障策略同步至车辆。
2.根据权利要求1所述的一种智能网联无人车驾驶***，其特征在于：所述车辆的状态信息和预警阈值均包括实时位置、速度和方向。
3.根据权利要求1所述的一种智能网联无人车驾驶***，其特征在于：所述信息感知模块包括信息采集单元和信息处理单元，所述信息采集单元用于采集车辆周围的环境信息和车辆的状态信息，所述信息处理单元用于对环境信息进行清晰化处理和特征识别。
4.根据权利要求3所述的一种智能网联无人车驾驶***，其特征在于：所述信息处理单元的特征识别包括道路识别、车辆识别、行人识别、交通标志识别和交通信号灯识别。
5.根据权利要求1所述的一种智能网联无人车驾驶***，其特征在于：所述路况分析模块包括结构化道路识别单元、道路特征识别单元和道路模型单元，所述结构化道路识别单元用于识别道路是否为结构化道路；所述道路特征识别单元用于根据结构化道路识别结果，进行道路特征识别；所述道路模型单元用于根据道路特征识别结果建立路况模型。
6.根据权利要求1所述的一种智能网联无人车驾驶***，其特征在于：所述网联计算模块包括数据整合单元、阈值调整单元和策略调整单元，所述数据整合单元用于整合各车辆所在的路况模型和环境信息；所述阈值调整单元用于根据路况模型和环境信息调整车辆行驶的预警阈值；所述策略调整单元用于根据路况模型和环境信息调整车辆的行驶策略和避障策略。
7.根据权利要求1所述的一种智能网联无人车驾驶***，其特征在于：所述避障策略模块包括轨迹预测单元和策略匹配单元，所述轨迹预测单元用于根据路况模型和状态信息分析车辆的预测轨迹；所述策略匹配单元用于根据预测轨迹和状态信息匹配对应的避障策略。
8.根据权利要求1所述的一种智能网联无人车驾驶***，其特征在于：还包括场景模拟模块，所述场景模拟模块用于根据路况模型、环境信息和状态信息建立交通模拟场景。
9.根据权利要求8所述的一种智能网联无人车驾驶***，其特征在于：所述场景模拟模块包括环境模拟单元、场地模拟单元和车辆模拟单元，所述环境模拟单元用于根据环境信息模拟天气环境；所述场地模拟单元用于结合路况模型和地图模型，建立模拟场地；所述车辆模拟单元用于根据状态信息模拟车辆行驶。
10.根据权利要求9所述的一种智能网联无人车驾驶***，其特征在于：所述交通模拟场景包括电子交通模拟场景和实物交通模拟场景。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210162634.1A CN115016453A (zh) | 2022-02-22 | 2022-02-22 | 一种智能网联无人车驾驶*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210162634.1A CN115016453A (zh) | 2022-02-22 | 2022-02-22 | 一种智能网联无人车驾驶*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115016453A true CN115016453A (zh) | 2022-09-06 |
Family
ID=83067037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210162634.1A Pending CN115016453A (zh) | 2022-02-22 | 2022-02-22 | 一种智能网联无人车驾驶*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115016453A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115848295A (zh) * | 2022-12-23 | 2023-03-28 | 重庆电子工程职业学院 | 一种车辆自燃预警方法及*** |
-
2022
- 2022-02-22 CN CN202210162634.1A patent/CN115016453A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115848295A (zh) * | 2022-12-23 | 2023-03-28 | 重庆电子工程职业学院 | 一种车辆自燃预警方法及*** |
| CN115848295B (zh) * | 2022-12-23 | 2024-04-12 | 重庆电子工程职业学院 | 一种车辆自燃预警方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111382768B (zh) | 多传感器数据融合方法和装置 | |
| US11380105B2 (en) | Identification and classification of traffic conflicts | |
| CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
| US20220230449A1 (en) | Automatically perceiving travel signals | |
| CN112215306B (zh) | 一种基于单目视觉与毫米波雷达融合的目标检测方法 | |
| US10650256B2 (en) | Automatically perceiving travel signals | |
| CN109941286A (zh) | 用于评估车辆行驶表面的方法和设备 | |
| CN113190921B (zh) | 用于智能汽车驾乘性能测试的自动评价方法及*** | |
| CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
| US20180299893A1 (en) | Automatically perceiving travel signals | |
| DE102019108610A1 (de) | Verbesserung des fahrzeugverhaltens unter verwendung von informationen aus anderen fahrzeugleuchten | |
| CN109544725B (zh) | 一种基于事件驱动的自动驾驶事故智能处理方法 | |
| CN111907518B (zh) | 一种基于云端大数据分析动态优化aeb制动策略的方法 | |
| CN111231971A (zh) | 基于大数据的汽车安全性能分析评价方法及*** | |
| US20180300566A1 (en) | Automatically perceiving travel signals | |
| CN114537374A (zh) | 一种基于可行驶区域的车辆前方防碰撞*** | |
| CN114915646B (zh) | 一种无人驾驶矿车的数据分级上传方法和装置 | |
| CN115016453A (zh) | 一种智能网联无人车驾驶*** | |
| CN113432615B (zh) | 基于多传感器融合可驾驶区域的检测方法、***和车辆 | |
| CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及*** | |
| KR20200092462A (ko) | 주행상황 정보융합 기반 주행경로 가변화 방법 및 시스템 | |
| Kanjee et al. | Vision-based adaptive cruise control using pattern matching | |
| CN117008574A (zh) | 一种智能网联汽车高级辅助驾驶***和自动驾驶***测试平台 | |
| CN116798222A (zh) | 高速公路能见度检测与智慧诱导方法、***及装置 | |
| Beresnev et al. | Automated Driving System based on Roadway and Traffic Conditions Monitoring. |
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 |