一种自动驾驶车辆的弯道限速方法及系统

    公开(公告)号:CN119551011A

    公开(公告)日:2025-03-04

    申请号:CN202411883203.X

    申请日:2024-12-19

    Inventor: 宋华 丁钊 吴琼

    Abstract: 本发明具体公开了一种自动驾驶车辆的弯道限速方法及系统,该方法包括:通过高精地图及高精定位信息判断当前车辆是否行驶在弯道路段,如果是,则判断是否开启自动驾驶;如果开启自动驾驶,则判断是否存在当前弯道历史行驶数据,如果存在,则根据高精定位匹配弯道信息,调取当前弯道历史行驶数据;将历史行驶数据的车速和道路限速的最小值作为目标车速,进行自动弯道行驶。本发明能解决现有自动驾驶车辆在弯道路段不能智能调速,存在体验差的问题,提高车辆自动驾驶的安全性和智能化水平,增加驾驶员的舒适性。

    视觉目标检测方法、装置、设备及存储介质

    公开(公告)号:CN112036285B

    公开(公告)日:2024-04-09

    申请号:CN202010867854.5

    申请日:2020-08-25

    Abstract: 本发明公开了一种视觉目标检测方法、装置、设备及存储介质。该方法包括:获取待检测目标物对应的初始确认度指标;将所述初始确认度指标赋值给预设目标追踪器,通过所述预设目标追踪器对所述待检测目标物进行追踪,以得到预设帧数的视觉数据;根据所述预设帧数的视觉数据对所述初始确认度指标进行更新,得到目标确认度指标;根据所述目标确认度指标得到所述待检测目标物的目标检测结果。通过上述方式,获取用于描述目标物存在的确切程度的确认度指标,通过多帧视觉数据更新确认度指标,避免直接使用单帧的检测结果作为汽车感知的唯一数据,提高了目标检测的准确率,解决了的目标检测系统常出现错检、漏检的问题。

    融合长短程的车辆轨迹预测方法

    公开(公告)号:CN113844446B

    公开(公告)日:2023-08-15

    申请号:CN202111198775.0

    申请日:2021-10-14

    Inventor: 袁忠鑫 吴琼 丁钊

    Abstract: 本发明公开了一种融合长短程的车辆轨迹预测方法,本发明的主要设计构思在于,首先根据两种预测算法分别得到长程以及短程的预测轨迹,进一步地采用替换、插值、取点、拟合的步骤将长程以及短程的轨迹有机地结合起来,使得最终的预测轨迹既有长程轨迹的趋势特点也有短程轨迹的精度特点,并且能够根据不同场景、不同需求动态调节预测轨迹。本发明通过结合了基于车道选择的策略、基于深度学习的模型以及基于运动学的预测模型,充分利用各部分的优势,得到一条兼具短时间内行为预测精度,又具备长时间行为预测趋势的预测轨迹,从而为驾驶决策提供参考,进而为智能驾驶车辆更加安全快速地通行提供保障。

    基于自动驾驶的车辆最高时速系统、电子设备及存储介质

    公开(公告)号:CN115743145A

    公开(公告)日:2023-03-07

    申请号:CN202211529023.2

    申请日:2022-11-30

    Abstract: 本发明公开了基于自动驾驶的车辆最高时速系统、电子设备及存储介质。其中,系统包括:定位单元、感知单元、车况单元和判断单元;所述定位单元:基于GPS定位设备的位置信息;所述感知单元:基于激光雷达、毫米波雷达和相机获取的感知信息;所述车况单元:依据车辆传感器获取自动驾驶车辆自身的动态信息;所述判断单元:根据位置信息、感知信息和自动驾驶车辆自身的动态信息,得到驾驶场景、行驶环境和道路条件,再根据所述驾驶场景、行驶环境和道路条件综合判断当前自动驾驶车辆行驶的最高车速。本发明公开的技术内容,对于自动驾驶车辆的研究与使用,可以增强安全性,避免因车辆速度过快带来的危害,保障驾驶员的安全和财产安全。

    紧急场景下自动驾驶行驶模式决策方法

    公开(公告)号:CN113232655B

    公开(公告)日:2023-01-06

    申请号:CN202110723703.7

    申请日:2021-06-29

    Abstract: 本发明公开了一种紧急场景下自动驾驶行驶模式决策方法,具体地,预设至少三种可能会导致本车发生换道行为的被动紧急场景,并利用本车与其他车辆的行驶信息实时判定处于何种被动场景,然后针对所处的紧急场景,根据碰撞风险评估模型、与本车相关的周边其他车辆相对于本车的距离,尤其是结合了换道行为本身附加的风险系数,分别得到保持车道行驶方案以及变换车道行驶方案的预估风险值,再由优先级以及风险对比机制决策最终的驾驶行为。本发明对于被动场景下自动驾驶车辆是采用相对安全的车道保持行驶模式还是选择存在相对风险的车道变换行驶模式提供了可靠的决策依据,因而可以降低交通事故的发生概率。

    基于自选车位的自动泊车方法
    6.
    发明公开

    公开(公告)号:CN115107749A

    公开(公告)日:2022-09-27

    申请号:CN202210886217.1

    申请日:2022-07-26

    Abstract: 本发明公开了一种基于自选车位的自动泊车方法,从形式上取消了在停车场内全局搜索车位的过程,也弱化了对车位识别实时性的要求,在降低系统运算压力的同时,可以为辅助泊车进行更为复杂的功能设计。具体地,在用户自选的期望停车位中得到内点,基于内点划定第一感兴趣区域,并进行包含内点的第二感兴趣区域识别,将符合置信度条件的第二感兴趣区域释放给用户,或降低置信度阈值再次检测第二感兴趣区域;在由用户接受并选定释放的第二感兴趣区域后,基于第二感兴趣区域进行泊车路径规划。本发明的构思是从全局车位识别转变为在自选车位内的固定点周边区域进行目标车位检测,从而减弱了车位识别所涉及的大量特征,由此可以识别到更难识别的车位。

    基于单目视觉的车前障碍物测距方法

    公开(公告)号:CN113920183A

    公开(公告)日:2022-01-11

    申请号:CN202111232087.1

    申请日:2021-10-22

    Abstract: 本发明公开了一种基于单目视觉的车前障碍物测距方法,利用目标检测算法识别车辆前方图像中的障碍物,并获得障碍物的图像级坐标,再利用预先构建的图像位置信息与实际位置信息的映射关系矩阵,得到障碍物在真实世界的坐标,即可以得到该障碍物与车辆的距离数据。其中对于映射关系矩阵的构造,进一步可以设置并采集障碍物的图像数据集,利用目标检测算法提取障碍物图像坐标,并实地测量以车后轴中心点为原点的世界坐标系下障碍物的坐标,构造二者映射矩阵并经拟合优化,得到该映射关系矩阵。本发明有效解决了视觉测距成本高、结构复杂、实时性差及精确度低的问题,在高效且准确地检测出目标距离信息的同时,也避免了多目测距的匹配问题。

    融合长短程的车辆轨迹预测方法

    公开(公告)号:CN113844446A

    公开(公告)日:2021-12-28

    申请号:CN202111198775.0

    申请日:2021-10-14

    Inventor: 袁忠鑫 吴琼 丁钊

    Abstract: 本发明公开了一种融合长短程的车辆轨迹预测方法,本发明的主要设计构思在于,首先根据两种预测算法分别得到长程以及短程的预测轨迹,进一步地采用替换、插值、取点、拟合的步骤将长程以及短程的轨迹有机地结合起来,使得最终的预测轨迹既有长程轨迹的趋势特点也有短程轨迹的精度特点,并且能够根据不同场景、不同需求动态调节预测轨迹。本发明通过结合了基于车道选择的策略、基于深度学习的模型以及基于运动学的预测模型,充分利用各部分的优势,得到一条兼具短时间内行为预测精度,又具备长时间行为预测趋势的预测轨迹,从而为驾驶决策提供参考,进而为智能驾驶车辆更加安全快速地通行提供保障。

    针对拥堵路段的自动驾驶非自主导航方法

    公开(公告)号:CN113819920A

    公开(公告)日:2021-12-21

    申请号:CN202111178600.3

    申请日:2021-10-10

    Abstract: 本发明公开了一种针对拥堵路段的自动驾驶非自主导航方法,针对易发生拥堵的路段,将自动驾驶车辆的决策任务进行统筹规划,使自动驾驶车辆跳过自主导航过程,其只需接收统一定制的导航结果,然后按照导航结果行驶。具体地,利用道路的基础设施构建针对拥堵路段的感知网络,并通过两套参数定期构建大环境高精度地图以及实时更新小范围路面地图,从而减小了服务器的数据处理压力,也避免了基建导致的地图变化。接着通过对比高精度地图中车辆与标志物的相对偏移实现车辆精确定位,再根据车型、位置、车速及前述生成的地图信息,定制出各个参与车辆的个性化导航信息,从而解决了自动驾驶汽车在拥堵路段决策不统一的问题,有效减轻了交通拥堵负担。

    基于深度学习的红绿灯检测方法、装置、设备及存储介质

    公开(公告)号:CN113077630A

    公开(公告)日:2021-07-06

    申请号:CN202110493920.1

    申请日:2021-04-30

    Abstract: 本发明涉及自动驾驶技术领域,公开了一种基于深度学习的红绿灯检测方法、装置、设备及存储介质,所述方法包括:采集在预设路段上的红绿灯图像信息和道路场景信息,根据红绿灯图像信息和道路场景信息生成对应的样本数据集;根据所述预设深度学习算法对样本数据集和当前红绿灯数据集进行训练;根据预设转换策略对训练得到的目标权重模型进行转换,得到OM模型;根据预设深度学习推理模型库对OM模型进行推理,得到对应的推理结果,通过预设深度学习推理模型库对转换得到的OM模型进行推理,基于推理结果实现对红绿灯信号的检测,相较于现有技术通过安装路侧单元设备和车载单元设备对红绿灯信号的检测,能够有效提高检测的准确性及降低检测成本。

Patent Agency Ranking