CN116343433B - 一种基于rtk的高精度驾校安全监控方法及*** - Google Patents
一种基于rtk的高精度驾校安全监控方法及*** Download PDFInfo
- Publication number
- CN116343433B CN116343433B CN202310624089.8A CN202310624089A CN116343433B CN 116343433 B CN116343433 B CN 116343433B CN 202310624089 A CN202310624089 A CN 202310624089A CN 116343433 B CN116343433 B CN 116343433B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- area
- automatic tracking
- vehicles
- driving school
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000012549 training Methods 0.000 claims abstract description 46
- 238000002372 labelling Methods 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 18
- 230000000875 corresponding effect Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/16—Control of vehicles or other craft
- G09B19/167—Control of land vehicles
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Emergency Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于RTK的高精度驾校安全监控方法及***,所述方法包括:通过自动循迹小车获取场地地图;对场地地图进行标注,标注出禁止区域和训练区域;实时获取所有车辆在场地地图中的位置,判断车辆与禁止区域或训练区域之间的关系;当车辆距离禁止区域一定距离范围内或者处于禁止区域时,对车辆进行刹停处理;当车辆处于训练区域时,判断车辆是否存在碰撞危险,若是,对车辆进行相应的处理。本发明通过自动循迹小车获取场地地图,提高了场地地图采集的工作效率以及精准度,对场地地图进行区域标定,且实时监控车辆的运动状态,当车辆进入相应区域时对车辆及时给与警告或者制动动作,提前避免了车辆的危险行为,保障了学员的练车安全。
Description
技术领域
本发明实施例涉及驾校安全监控技术领域,具体涉及一种基于RTK的高精度驾校安全监控方法及***。
背景技术
由于新手学员缺乏车感,坐上车可能会比较紧张,所以很容易在学车的时候产生冲出围栏的危险操作,严重时还会造成车辆相撞等危险情况,给驾校造成不必要的损失。
为了避免学员冲出练车区域驾校也做了一些防护措施,比如教练坐车上踩副刹,由教练在车上必要时刹停车辆。给场地增加物理围栏,在车辆越过区域时给予一定阻力。顶住油门限制动力等措施。虽然这些在一定程度上能避免事故,但是却需要更多人工成本和场地成本,在科目三练习等一些场景下,速度比较高时这些措施也比较难避免事故的发生。
故此,出现了一些针对驾校学车安全的监控***,而这些监控***基本上都是基于驾校的场地地图,对车辆的运动轨迹进行实时监测,配合警示模块从而对学员进行安全警示,然而这种监控***对驾校的场地地图的精度要求比较高,而在传统驾校地图采集过程中,通常是通过RTK进行场地的定位,采集设备通常为手持设备,需要人工手动一个个点位采集地图,并且每个点位需要手动校准,效率很低。人工采集还会因为采集人员工作不认真等原因产生采集误差。在面对一些驾校场地较大,场地复杂的环境,人工采集更加显得效率低、成本高。
发明内容
鉴于上述问题,本发明实施例提供了一种基于RTK的高精度驾校安全监控方法及***,用于解决现有技术中存在的场地地图采集误差大、效率低,导致场地地图精度差,且对教学培训过程中存在的安装隐患监控不到位,不能及时提前示警的问题。
根据本发明实施例的一个方面,提供了一种基于RTK的高精度驾校安全监控方法,包括以下步骤:
通过自动循迹小车对驾校场地信息进行自动采集并处理,以生成相应的场地地图;
对所述场地地图进行标注,标注出禁止区域和训练区域;
实时获取所有车辆在场地地图中的位置,并获取所述车辆与所述禁止区域或训练区域之间的关系;
当车辆距离禁止区域一定距离范围内或者处于禁止区域时,对车辆进行刹停处理;当车辆处于训练区域时,判断车辆是否存在碰撞危险,若是,对车辆进行相应的处理。
进一步的,作为优选技术方案,所述场地地图的生成具体包括:
自动循迹小车通过全景摄像头采集驾校场地的图像信息,并对其进行处理,以分析识别出自动循迹小车所处区域以及在所述区域中的位置;
通过循迹摄像头识别所述区域中的场地线,得到自动循迹小车在所述区域中的精确位置以及所述区域需要采集的点位;
自动循迹小车行驶到与其距离最近的所述点位正下方,以采集记录当前点位的卫星信息;
自动循迹小车沿所述场地线循迹行驶,依次行驶到所述区域中的所有点位下方,采集记录所述区域中的所有点位的卫星信息和循迹轨迹,从而生成相应的场地地图。
进一步的,作为优选技术方案,自动循迹小车所处区域以及在所述区域中的位置的识别过程具体包括:
建立并训练所有区域的图像模型;
将全景摄像头采集到的驾校场地的图像信息与训练的所有区域的图像模型进行对比分析,从而分析识别出所述自动循迹小车所处的区域以及在所述区域中的位置。
进一步的,作为优选技术方案,场地地图的生成还包括:
所述自动循迹小车通过APP端与移动端连接,并通过APP端控制所述自动循迹小车的全景摄像头和循迹摄像头进行采集工作。
进一步的,作为优选技术方案,所述车辆与所述禁止区域和训练区域之间的关系获取具体包括:
所述禁止区域包括禁行区、道路边界区以及危险区;
获取车辆模型,遍历车辆模型上的所有点,当至少一个所述点与所述禁行区或道路边界区之间的距离在一定距离范围内时,判断所述车辆距离所述禁行区或道路边界区一定距离范围内;
当至少一个所述点处于所述危险区内时,判断所述车辆处于危险区;
当所有所述点处于所述训练区域时,判断所述车辆处于训练区域。
进一步的,作为优选技术方案,判断车辆是否存在碰撞危险具体包括:
循环获取相邻两车辆之间的距离,当相邻两车辆之间的距离在一定阈值范围内时;
获取当前两车辆的车速及车辆模型,根据车速及车辆模型判断两车辆在第一时间范围内是否存在碰撞危险,若是,对车辆进行预警处理;
继续获取当前两车辆之间的距离和速度,判断当前两车辆的运动趋势,结合车辆模型判断两车辆在第二时间范围内是否存在航向路径上的碰撞危险,若是,对当前两车辆进行刹停处理。
进一步的,作为优选技术方案,当判断两车辆在第一时间范围内存在碰撞危险时,还可对两车辆进行减速或者刹停处理。
进一步的,作为优选技术方案,当车辆处于训练区域时,还包括:
实时检测学员是否存在危险操作行为,若是,对车辆进行预警处理、减速处理或者刹停处理。
根据本发明实施例的另一方面,提供了一种基于RTK的高精度驾校安全监控***,采用上述所述的一种基于RTK的高精度驾校安全监控方法对驾校安全进行实时监控,所述***包括自动循迹小车、移动端、服务器、PTK设备;所述自动循迹小车分别与所述移动端和所述服务器连接,所述服务器与所有车辆和PTK设备连接;
所述移动端通过APP端控制所述自动循迹小车运动以及信息采集,并存储查看自动循迹小车采集的信息;
所述自动循迹小车用于对驾校场地信息进行自动采集并处理,以生成相应的场地地图,并将所述场地地图发送至所述服务器;
所述PTK设备用于实时获取驾校场地内的所有车辆的位置信息并发送至服务器;
所述服务器对所述场地地图进行标注,同时还获取车辆运动信息,并根据车辆的位置信息对车辆进行实时监控,以及时对车辆进行预警或者控车动作。
进一步的,作为优选技术方案,所述自动循迹小车具体包括:
底盘,用于所述自动循迹小车的运动;
全景摄像头,设置在所述底盘上方,用于采集驾校场地的图像信息,并对其进行处理,以分析识别出自动循迹小车所处区域以及在所述区域中的位置;
循迹摄像头,设置在所述底盘下方,用于检测所述区域中的场地线和点位,以及采集所述场地线的循迹轨迹以及点位的卫星信息;
卫星模块,设置在所述底盘上方,用于对所述自动循迹小车进行精准定位,以获取所述自动循迹小车的卫星坐标;
控制模块,分别与所述底盘、全景摄像头、循迹摄像头、卫星模块以及APP端连接,用于根据APP端下发的指令控制所述底盘运动,以及控制所述全景摄像头、循迹摄像头、卫星模块进行信息采集,并对采集的信息进行处理以生成场地地图;
电源模块,设置在所述底盘中,以对所述自动循迹小车进行供电。
本发明实施例,通过自动循迹小车对驾校场地信息进行自动采集,以得到场地地图,大大的提高了场地地图采集的工作效率以及精准度,为后续的安全监控提供了必要条件,同时,通过对场地地图进行区域标定,且实时监控车辆的运动状态,当车辆进入相应区域时对车辆及时给与警告或者制动动作,提前避免了车辆的危险行为,保障了学员的练车安全。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明提供的一种基于RTK的高精度驾校安全监控方法的实施例的流程示意图;
图2示出了本发明提供的一种基于RTK的高精度驾校安全监控方法的场地地图的生成流程示意图;
图3示出了本发明提供的一种基于RTK的高精度驾校安全监控***的实施例的结构框图;
图4示出了本发明提供的一种基于RTK的高精度驾校安全监控***的自动循迹小车的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
实施例1
本实施例为了解决现有技术中存在的场地地图采集误差大、效率低,导致场地地图精度差,且对教学培训过程中存在的安装隐患监控不到位,不能及时提前示警的问题,公开了一种基于RTK的高精度驾校安全监控方法。
图1示出了本发明一种基于RTK的高精度驾校安全监控方法的第一实施例的流程图。如图1所示,该方法包括以下步骤:
步骤S10:通过自动循迹小车对驾校场地信息进行自动采集并处理,以生成相应的场地地图。
其中,自动循迹小车可实现自动控制,自动沿整个驾校场地运动,对整个驾校场地进行扫描,从而实现对整个驾校场地信息进行自动采集,然后对采集的驾校场地信息进行处理,以生成相应的场地地图。
其中,驾校场地包括各个项目区域,也可以称之为训练区域,禁行区、道路边界区、危险区,危险区也可以称之为警告区域等,上述分布可根据当前驾校场地的实际分布情况进行划分。
步骤S20:对所述场地地图进行标注,标注出禁止区域和训练区域。
其中,场地地图生成后,对其进行区域划分,标注出禁止区域和训练区域。
标注方法通常为在相应区域***划线,或者根据相应区域的形状将相应区域围成圆形、多边形或者不规则形状。
步骤S30:实时获取所有车辆在场地地图中的位置,并获取所述车辆与所述禁止区域或训练区域之间的关系。
本步骤具体为:实时获取所有车辆在场地地图中的位置,然后分别计算每辆车与禁止区域或训练区域之间的距离,从而判断其与禁止区域或训练区域之间的关系,包括靠近禁止区域或训练区域或者处于禁止区域或训练区域中。
步骤S40:当车辆距离禁止区域一定距离范围内或者处于禁止区域时,对车辆进行刹停处理;当车辆处于训练区域时,判断车辆是否存在碰撞危险,若是,对车辆进行相应的处理。
本步骤具体为:通过步骤30可计算每辆车辆与禁止区域或训练区域之间的距离从而知道车辆是否靠近或者处于禁止区域或训练区域。故此,在此基础上,对车辆与禁止区域或训练区域之间的距离进行判断,当车辆距离禁止区域一定距离范围内或者处于禁止区域时,及时让车辆刹停;当车辆处于训练区域时,判断车辆是否存在碰撞危险,若是,对车辆进行相应的处理,包括减速、调整航向以及刹停,以保证学员的练车安全。
在本步骤中,对车辆是靠近还是处于禁止区域的判断是需要根据禁止区域的位置以及危险程度确定的,当然,具体情况还是需要根据驾校场地的具体情况设定。
本发明实施例公开的一种基于RTK的高精度驾校安全监控方法,通过自动循迹小车对驾校场地信息进行自动采集,以得到场地地图,大大的提高了场地地图采集的工作效率以及精准度,为后续的安全监控提供了必要条件,同时,通过对场地地图进行区域标定,且实时监控车辆的运动状态,当车辆进入相应区域时对车辆及时给与警告或者制动动作,提前避免了车辆的危险行为,保障了学员的练车安全。
实施例2
本实施例公开了一种基于RTK的高精度驾校安全监控方法,具体公开了场地地图的生成流程示意图。
图2示出了本发明一种基于RTK的高精度驾校安全监控方法的场地地图的生成流程示意图。如图2所示,场地地图的生成包括以下步骤:
步骤S101:自动循迹小车通过全景摄像头采集驾校场地的图像信息,并对其进行处理,以分析识别出自动循迹小车所处区域以及在所述区域中的位置。
本步骤具体为:自动循迹小车上设有全景摄像头,其在运动过程中,通过全景摄像头扫描驾校场地,以实现采集驾校场地的图像信息,然后通过其控制模块对采集的驾校场地的图像信息进行处理,以分析识别出自动循迹小车所处区域,同时根据自动循迹小车上的卫星模块得到自动循迹小车在所述区域中的位置。
在本步骤中,自动循迹小车所处区域以及在所述区域中的位置的识别过程具体包括:
建立并训练所有区域的图像模型。在本实施例中,图像模型的建立和训练过程采用现有技术实现,本实施例不再进行过多阐述。
将全景摄像头采集到的驾校场地的图像信息与训练的所有区域的图像模型进行对比分析,也可以理解为,将采集到的驾校场地的图像信息输入到训练的所有区域的图像模型中,从而分析识别出所述自动循迹小车所处的区域。
根据自动循迹小车上的卫星模块得到自动循迹小车的坐标,进一步得到自动循迹小车在所述区域中的位置。
步骤S102:通过循迹摄像头识别所述区域中的场地线,得到自动循迹小车在所述区域中的精确位置以及所述区域需要采集的点位。
本步骤具体为:自动循迹小车下方设置的循迹摄像头识别当前区域中的场地线,得到自动循迹小车在该区域中的精确位置以及该区域所有需要采集的点位。
在本步骤中,区域需要采集的点位包括场地线拐角点、起始点等明显的特征点。
步骤S103:自动循迹小车行驶到与其距离最近的所述点位正下方,以采集记录当前点位的卫星信息。
本步骤具体为:根据小车在该区域中的精确位置以及区域所有需要采集的点位,识别与自动循迹小车最近的点位,控制自动循迹小车行驶到点位正下方,根据自动循迹小车上的卫星模块得到自动循迹小车当前的坐标,从而得到当前点位的卫星信息,并记录。
步骤S104:自动循迹小车沿所述场地线循迹行驶,依次行驶到所述区域中的所有点位下方,采集记录所述区域中的所有点位的卫星信息和循迹轨迹,从而生成相应的场地地图。
本步骤具体为:得到当前点位的卫星信息后,自动循迹小车沿场地线循迹行驶依次行驶到该区域中的所有点位下方,采集记录所述区域中的所有点位的卫星信息和循迹轨迹,从而生成相应的场地地图。
举例说明:
当该区域为倒车入库或者侧方停车区域时,只需要采集记录所有点位的卫星信息即可;当该区域为曲线行驶区域时,需要连续采集场地线,故此,需要采集记录曲线行驶区域的起始点位,然后自动循迹小车沿场地线循迹行驶时,还需要在循迹过程中采集循迹轨迹,从而生成场地地图。
在实施例中,可单独生成一个区域的场地地图,然后所有区域的场地地图编辑合并成整个驾校的场地地图,也可采集完所有区域的所有点位的卫星信息以及循迹轨迹,生成最终的场地地图。本实施例对此不进行限定,最终完成场地地图的生成即可。
在本实施例中,该自动循迹小车是通过APP端与移动端连接的,可通过APP端控制所述自动循迹小车的全景摄像头和循迹摄像头进行采集工作。
具体为:移动端通过APP端采用蓝牙或者WIFI与自动循迹小车连接,在APP端可以实时查看全景摄像头和循迹摄像头所采集的图像。APP端可以遥控控制自动循迹小车运动,并在全景摄像头和循迹摄像头在采集图像过程中查看采集到的图像信息,同时还可对采集到的图像信息自动储存和处理等。
本实施例的自动循迹小车通过全景摄像头和循迹摄像头配合对驾校场地信息进行自动采集,且可采用移动端通过APP端控制自动循迹小车运动,实现自动采集工作,从而大大的提高了场地地图采集的工作效率以及精准度,为后续的安全监控提供了必要条件。
实施例3
本实施例公开了一种基于RTK的高精度驾校安全监控方法,具体公开了车辆与禁止区域和训练区域之间的关系的判断以及后续处理方案。
在本实施例中,所述车辆与所述禁止区域和训练区域之间的关系获取具体包括:
所述禁止区域包括禁行区、道路边界区以及危险区等;该禁止区域的划分主要根据驾校场地的实际情况确定,包括但不限于上述所述区域。
获取车辆模型,遍历车辆模型上的所有点,当至少一个所述点与所述禁行区或道路边界区之间的距离在一定距离范围内时,判断所述车辆距离所述禁行区或道路边界区一定距离范围内。
在本实施例中,车辆模型的获取为:根据车辆上的两个双天线定位基准点,或者单天线算法补偿方案,测绘出车辆车身周边30个以上的点,得到车辆的具体尺寸大小,从而得到车辆模型,该车辆模型可为多边形或者方形。
遍历车辆模型上的所有点,计算每个点与禁行区或道路边界区之间的距离,当至少一个所述点与所述禁行区或道路边界区之间的距离在一定距离范围内时,判断所述车辆距离所述禁行区或道路边界区一定距离范围内。
在本实施例中,点与禁行区或道路边界区之间的距离可设置为20cm-100cm,该距离范围的设定可根据驾校场地的实际情况设定,在此不对其进行具体限定。
当至少一个所述点处于所述危险区内时,判断所述车辆处于危险区。
当所有所述点处于所述训练区域时,判断所述车辆处于训练区域,当然,也可设定当至少一个所述点处于所述训练区域时,则判断所述车辆处于训练区域。
本步骤具体实现对车辆位置的判断,当判断距离禁止区域一定距离范围内或者处于禁止区域时,对车辆进行刹停处理。
在本实施例中,对车辆是靠近还是处于禁行区、道路边界区或者危险区的判断,是需要根据禁行区、道路边界区或危险区的位置以及危险程度确定的,当然,具体情况还是需要根据驾校场地的具体情况设定。
在本实施例中,当车辆处于训练区域时,对于车辆是否存在碰撞危险的判断,具体包括:
循环获取相邻两车辆之间的距离,当相邻两车辆之间的距离在一定阈值范围内时。
相邻两车辆之间的距离通过以下公式获取:
;
其中,表示相邻两车辆之间的距离,/>分别表示两车辆的位置。
将该相邻两车辆之间的距离与预设阈值进行比较,当相邻两车辆之间的距离该阈值范围内时,获取当前两车辆的车速及车辆模型,根据车速及车辆模型判断两车辆在第一时间范围内是否存在碰撞危险,若是,对车辆进行预警处理。
该第一时间至少设置为3S以上,优选的,可设置为5 S -6S,故此,当判断两车辆在第一时间范围内存在碰撞危险时,发出预警信息。
在本实施例中,该预警信息的发送时间根据车速动态变化。
另外,当判断两车辆在第一时间范围内存在碰撞危险时,还可对两车辆进行减速或者刹停处理。具体可根据学员的情况进行处理。
判断两车辆在第一时间范围内存在碰撞危险后,继续获取当前两车辆之间的距离和速度,判断当前两车辆的运动趋势,结合车辆模型判断两车辆在第二时间范围内是否存在航向路径上的碰撞危险,若是,对当前两车辆进行刹停处理,也就是向车辆发送刹车指令,车辆接收到指令后执行相应动作,避免危险,实现自动控制。
该第二时间至少设置为3S以内,优选的,可设置为3 S或者2S,故此,当判断两车辆在第二时间范围内存在碰撞危险时,就可基本判断两车辆一定存在碰撞的情况发生,故此,需要对车辆进行刹停处理。同样的,提前刹停时间根据车速动态变化。
在本实施例中,车速、车辆的运动趋势、刹车以及油门等车辆信息是通过车辆CAN获取的。
另外,在本实施例中,当车辆处于训练区域时,还实时检测学员是否存在危险操作行为,若是,对车辆进行预警处理、减速处理或者刹停处理。
具体为:通过车辆CAN实时获取车辆的车速、航向、刹车以及油门等信息,以实时检测学员的危险操作行为,如超速、同时踩刹车和油门、长时间压线等危险行为,当存在上述任意一种情况时,根据危险程度及时给与预警处理、减速处理或者刹停处理,即,向相应车辆发送预警信号、减速指令或者刹车指令,车辆接收到指令后执行相应动作并发出警示,避免危险,实现自动可控制。
预警处理包括声音、动画等形式的警告。
在本实施例中,车辆可通过其控制***实现主动刹车,从而替代教练在车上刹车,在一定程度上节约了人工成本。
实施例4
本实施例公开了一种基于RTK的高精度驾校安全监控***,其采用实施例1-3任一实施例所述的一种基于RTK的高精度驾校安全监控方法对驾校安全进行实时监控。
图3示出了本发明一种基于RTK的高精度驾校安全监控***的结构框图。如图3所示,该***包括:
自动循迹小车100、移动端200、服务器300、PTK设备400;所述自动循迹小车100分别与所述移动端200和所述服务器300连接,所述服务器300与所有车辆和PTK设备400连接。
在本实施例中,移动端200通过APP端控制自动循迹小车100运动以及信息采集,并存储查看自动循迹小车100采集的信息。
自动循迹小车100用于对驾校场地信息进行自动采集并处理,以生成相应的场地地图,并将场地地图发送至服务器300。
PTK设备400固定设置在驾校场地中,用于实时获取驾校场地内的所有车辆的位置信息并发送至服务器300。
服务器300对场地地图进行标注,同时还获取车辆运动信息,并根据车辆的位置信息对车辆进行实时监控,以及时对车辆进行预警或者控车动作。
在本实施例中,服务器300对场地地图进行标注、对车辆进行实时监控、以及时对车辆进行预警或者控车动作的具体实现过程,请参见实施1-3所述,本实施例不在进行重复阐述。
在本实施例中,自动循迹小车如图4所示,包括:底盘、全景摄像头、循迹摄像头、卫星模块、控制模块以及电源模块。
其中,底盘采用麦克纳姆轮,用于负责自动循迹小车的运动。
全景摄像头,设置在底盘上方,用于采集驾校场地的图像信息,并对其进行处理,以分析识别出自动循迹小车区域以及在区域中的位置。
循迹摄像头,设置在底盘下方,用于检测区域中的场地线和点位,以及采集场地线的循迹轨迹以及点位的卫星信息。
卫星模块,设置在底盘上方,用于对自动循迹小车进行精准定位,以获取自动循迹小车的卫星坐标。
控制模块,设置在底盘中,分别与底盘、全景摄像头、循迹摄像头、卫星模块以及APP端连接,用于根据APP端下发的指令控制底盘运动,以及控制全景摄像头、循迹摄像头、卫星模块进行信息采集,并对采集的信息进行处理以生成场地地图,实现与移动端信息交互。
电源模块,设置在底盘中,以对自动循迹小车进行供电。
在本实施例中,自动循迹小车对驾校场地信息进行自动采集并处理,以及相应的场地地图的生成过程具体参见实施例2,本实施例不在进行重复阐述。
在此处所提供的说明书中,说明了大量具体细节。然而能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。类似地,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。其中,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (7)
1.一种基于RTK的高精度驾校安全监控方法,其特征在于,包括以下步骤:
通过自动循迹小车对驾校场地信息进行自动采集并处理,以生成相应的场地地图;
对所述场地地图进行标注,标注出禁止区域和训练区域;
实时获取所有车辆在场地地图中的位置,并获取所述车辆与所述禁止区域或训练区域之间的关系;
当车辆距离禁止区域一定距离范围内或者处于禁止区域时,对车辆进行刹停处理;当车辆处于训练区域时,判断车辆是否存在碰撞危险,若是,对车辆进行相应的处理;
其中,所述场地地图的生成具体包括:
建立并训练所有区域的图像模型;
自动循迹小车通过全景摄像头采集驾校场地的图像信息,将全景摄像头采集到的驾校场地的图像信息与训练的所有区域的图像模型进行对比分析,从而分析识别出所述自动循迹小车所处的区域以及在所述区域中的位置;
通过循迹摄像头识别所述区域中的场地线,得到自动循迹小车在所述区域中的精确位置以及所述区域需要采集的点位;
自动循迹小车行驶到与其距离最近的所述点位正下方,以采集记录当前点位的卫星信息;
自动循迹小车沿所述场地线循迹行驶,依次行驶到所述区域中的所有点位下方,采集记录所述区域中的所有点位的卫星信息和循迹轨迹,从而生成相应的场地地图;
判断车辆是否存在碰撞危险具体包括:
循环获取相邻两车辆之间的距离,当相邻两车辆之间的距离在一定阈值范围内时;
获取当前两车辆的车速及车辆模型,根据车速及车辆模型判断两车辆在第一时间范围内是否存在碰撞危险,若是,对车辆进行预警处理;
继续获取当前两车辆之间的距离和速度,判断当前两车辆的运动趋势,结合车辆模型判断两车辆在第二时间范围内是否存在航向路径上的碰撞危险,若是,对当前两车辆进行刹停处理。
2.根据权利要求1所述的一种基于RTK的高精度驾校安全监控方法,其特征在于,场地地图的生成还包括:
所述自动循迹小车通过APP端与移动端连接,并通过APP端控制所述自动循迹小车的全景摄像头和循迹摄像头进行采集工作。
3.根据权利要求1所述的一种基于RTK的高精度驾校安全监控方法,其特征在于,所述车辆与所述禁止区域和训练区域之间的关系获取具体包括:
所述禁止区域包括禁行区、道路边界区以及危险区;
获取车辆模型,遍历车辆模型上的所有点,当至少一个所述点与所述禁行区或道路边界区之间的距离在一定距离范围内时,判断所述车辆距离所述禁行区或道路边界区一定距离范围内;
当至少一个所述点处于所述危险区内时,判断所述车辆处于危险区;
当所有所述点处于所述训练区域时,判断所述车辆处于训练区域。
4.根据权利要求1所述的一种基于RTK的高精度驾校安全监控方法,其特征在于,当判断两车辆在第一时间范围内存在碰撞危险时,还可对两车辆进行减速或者刹停处理。
5.根据权利要求1所述的一种基于RTK的高精度驾校安全监控方法,其特征在于,当车辆处于训练区域时,还包括:
实时检测学员是否存在危险操作行为,若是,对车辆进行预警处理、减速处理或者刹停处理。
6.一种基于RTK的高精度驾校安全监控***,其特征在于,采用权利要求1-5任一项所述的一种基于RTK的高精度驾校安全监控方法对驾校安全进行实时监控,所述***包括自动循迹小车、移动端、服务器、PTK设备;所述自动循迹小车分别与所述移动端和所述服务器连接,所述服务器与所有车辆和PTK设备连接;
所述移动端通过APP端控制所述自动循迹小车运动以及信息采集,并存储查看自动循迹小车采集的信息;
所述自动循迹小车用于对驾校场地信息进行自动采集并处理,以生成相应的场地地图,并将所述场地地图发送至所述服务器;
所述PTK设备用于实时获取驾校场地内的所有车辆的位置信息并发送至服务器;
所述服务器对所述场地地图进行标注,同时还获取车辆运动信息,并根据车辆的位置信息对车辆进行实时监控,以及时对车辆进行预警或者控车动作。
7.根据权利要求6所述的一种基于RTK的高精度驾校安全监控***,其特征在于,所述自动循迹小车具体包括:
底盘,用于所述自动循迹小车的运动;
全景摄像头,设置在所述底盘上方,用于采集驾校场地的图像信息,并对其进行处理,以分析识别出自动循迹小车所处区域以及在所述区域中的位置;
循迹摄像头,设置在所述底盘下方,用于检测所述区域中的场地线和点位,以及采集所述场地线的循迹轨迹以及点位的卫星信息;
卫星模块,设置在所述底盘上方,用于对所述自动循迹小车进行精准定位,以获取所述自动循迹小车的卫星坐标;
控制模块,分别与所述底盘、全景摄像头、循迹摄像头、卫星模块以及APP端连接,用于根据APP端下发的指令控制所述底盘运动,以及控制所述全景摄像头、循迹摄像头、卫星模块进行信息采集,并对采集的信息进行处理以生成场地地图;
电源模块,设置在所述底盘中,以对所述自动循迹小车进行供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310624089.8A CN116343433B (zh) | 2023-05-30 | 2023-05-30 | 一种基于rtk的高精度驾校安全监控方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310624089.8A CN116343433B (zh) | 2023-05-30 | 2023-05-30 | 一种基于rtk的高精度驾校安全监控方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116343433A CN116343433A (zh) | 2023-06-27 |
CN116343433B true CN116343433B (zh) | 2023-10-24 |
Family
ID=86879122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310624089.8A Active CN116343433B (zh) | 2023-05-30 | 2023-05-30 | 一种基于rtk的高精度驾校安全监控方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116343433B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102998689A (zh) * | 2012-11-27 | 2013-03-27 | 北京星网宇达科技股份有限公司 | 基于虚拟传感器的区域判断方法 |
CN105890602A (zh) * | 2014-11-17 | 2016-08-24 | 孔兵 | 差分卫星定位***的电子地图绘制装置及方法 |
CN106875781A (zh) * | 2017-03-16 | 2017-06-20 | 南京多伦科技股份有限公司 | 一种机器人智能教练辅助驾驶方法及其*** |
CN107274744A (zh) * | 2016-04-07 | 2017-10-20 | 北京通汇定位科技有限公司 | 驾驶教学***、方法和设备 |
CN108389477A (zh) * | 2018-03-05 | 2018-08-10 | 广州星唯信息科技有限公司 | 一种驾培场地训练的纠偏指导方法 |
CN109215487A (zh) * | 2018-08-24 | 2019-01-15 | 宽凳(北京)科技有限公司 | 一种基于深度学习的高精地图制作方法 |
CN209993188U (zh) * | 2018-12-29 | 2020-01-24 | 武汉卡比特信息有限公司 | 一种安全驾驶培训*** |
CN111047948A (zh) * | 2019-11-27 | 2020-04-21 | 康忠文 | 一种学车辅助方法及*** |
CN111089568A (zh) * | 2019-12-25 | 2020-05-01 | 上海点甜农业专业合作社 | 一种基于rtk+摄像头的路标标定仪 |
CN111123926A (zh) * | 2019-12-20 | 2020-05-08 | 上海点甜农业专业合作社 | 一种基于二维码路标自动导航场景的搭建方法 |
DE102019207303A1 (de) * | 2019-05-20 | 2020-11-26 | Robert Bosch Gmbh | Verfahren und System zum Erstellen einer Lokalisierungskarte für ein Fahrzeug |
CN115083209A (zh) * | 2022-07-26 | 2022-09-20 | 广州市德赛西威智慧交通技术有限公司 | 一种基于视觉定位的车路协同方法及*** |
-
2023
- 2023-05-30 CN CN202310624089.8A patent/CN116343433B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102998689A (zh) * | 2012-11-27 | 2013-03-27 | 北京星网宇达科技股份有限公司 | 基于虚拟传感器的区域判断方法 |
CN105890602A (zh) * | 2014-11-17 | 2016-08-24 | 孔兵 | 差分卫星定位***的电子地图绘制装置及方法 |
CN107274744A (zh) * | 2016-04-07 | 2017-10-20 | 北京通汇定位科技有限公司 | 驾驶教学***、方法和设备 |
CN106875781A (zh) * | 2017-03-16 | 2017-06-20 | 南京多伦科技股份有限公司 | 一种机器人智能教练辅助驾驶方法及其*** |
CN108389477A (zh) * | 2018-03-05 | 2018-08-10 | 广州星唯信息科技有限公司 | 一种驾培场地训练的纠偏指导方法 |
CN109215487A (zh) * | 2018-08-24 | 2019-01-15 | 宽凳(北京)科技有限公司 | 一种基于深度学习的高精地图制作方法 |
CN209993188U (zh) * | 2018-12-29 | 2020-01-24 | 武汉卡比特信息有限公司 | 一种安全驾驶培训*** |
DE102019207303A1 (de) * | 2019-05-20 | 2020-11-26 | Robert Bosch Gmbh | Verfahren und System zum Erstellen einer Lokalisierungskarte für ein Fahrzeug |
CN111047948A (zh) * | 2019-11-27 | 2020-04-21 | 康忠文 | 一种学车辅助方法及*** |
CN111123926A (zh) * | 2019-12-20 | 2020-05-08 | 上海点甜农业专业合作社 | 一种基于二维码路标自动导航场景的搭建方法 |
CN111089568A (zh) * | 2019-12-25 | 2020-05-01 | 上海点甜农业专业合作社 | 一种基于rtk+摄像头的路标标定仪 |
CN115083209A (zh) * | 2022-07-26 | 2022-09-20 | 广州市德赛西威智慧交通技术有限公司 | 一种基于视觉定位的车路协同方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116343433A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220136930A1 (en) | System for testing intelligent vehicles | |
WO2021098383A1 (zh) | 一种智能汽车整车在环试验*** | |
CN107782564B (zh) | 一种自动驾驶车辆测评***及方法 | |
Zhou et al. | A framework for virtual testing of ADAS | |
US10580227B2 (en) | Method and apparatus for testing operation of unmanned vehicle | |
CN106875781A (zh) | 一种机器人智能教练辅助驾驶方法及其*** | |
CN105938052A (zh) | 一种用于智能车车辆测试的交互方法及*** | |
CN109100155A (zh) | 一种无人车在环快速仿真测试***和方法 | |
CN107274744A (zh) | 驾驶教学***、方法和设备 | |
CN105225478B (zh) | 智能车辆行为记录及评价方法 | |
CN109741632A (zh) | 一种车辆辅助行驶方法和装置 | |
CN105869638A (zh) | 一种操作指令提示方法及*** | |
CN110599853B (zh) | 驾校智能教学***及方法 | |
CN109632333A (zh) | 自动驾驶车辆性能测试方法、装置、设备及可读存储介质 | |
CN103593678A (zh) | 一种大跨度桥梁车辆动态荷载分布检测方法 | |
CN109196309A (zh) | 用于提供车辆轨迹信息的方法和用于定位路面凹坑的方法 | |
CN104390644A (zh) | 一种基于田间导航图像采集设备的田间障碍物检测方法 | |
CN104243713B (zh) | 基于智能手机的弯道检测方法 | |
CN203644261U (zh) | 一种基于差分gps的机动车驾驶员智能考试*** | |
CN110580052A (zh) | 一种车辆检测方法,装置及*** | |
CN116343433B (zh) | 一种基于rtk的高精度驾校安全监控方法及*** | |
CN103426211A (zh) | 车辆行驶状况分析***、分析装置和分析方法 | |
CN110236575A (zh) | 眼动仪与驾驶模拟器相结合的驾驶员反应时间计算方法 | |
CN106205135A (zh) | 一种违章掉头车辆行为的检测方法、装置及***和一种球机 | |
CN107042829A (zh) | 车队跟随监控方法、装置及*** |
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 |