CN112698655A - 一种拖拉机自动驾驶路径判别准确率测试方法及系统 - Google Patents
一种拖拉机自动驾驶路径判别准确率测试方法及系统 Download PDFInfo
- Publication number
- CN112698655A CN112698655A CN202011576621.6A CN202011576621A CN112698655A CN 112698655 A CN112698655 A CN 112698655A CN 202011576621 A CN202011576621 A CN 202011576621A CN 112698655 A CN112698655 A CN 112698655A
- Authority
- CN
- China
- Prior art keywords
- tractor
- driving
- information
- path
- original path
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 52
- 230000007613 environmental effect Effects 0.000 claims abstract description 24
- 230000008676 import Effects 0.000 claims abstract 4
- 238000010998 test method Methods 0.000 claims 4
- 230000005856 abnormality Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003860 storage 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种拖拉机自动驾驶路径判别准确率测试方法及系统，包括原始路径生成模块、数据采集模块、信息比对模块和路径判别模块，首先，基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储；然后，将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息；根据所述驾驶信息，判断所述驾驶信息中是否存在异常点；并基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行两级标记；直至所述拖拉机停车或者完成驾驶，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值，提高路径的实用性。
Description
技术领域
本发明涉及路径判别技术领域，尤其涉及一种拖拉机自动驾驶路径判别准确率测试方法及系统。
背景技术
目前，农业生产中，大多使用的是拖拉机等农业机械进行生产，随着卫星定位技术、通信技术、计算机技术的成熟，已经研究出了自动驾驶技术，将自动驾驶技术应用于拖拉机等农用机械上，能够有效提高生产效率，节约生产成本，但是对于自动驾驶中，路径的规划至关重要，缺乏验证和调研划分出的驾驶路径，导致路径缺乏实用性，降低使用效果。
发明内容
本发明的目的在于提供一种拖拉机自动驾驶路径判别准确率测试方法及系统，提高路径的实用性。
为实现上述目的，第一方面，本发明提供了一种拖拉机自动驾驶路径判别准确率测试方法，包括以下步骤：
基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储；
将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息；
基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记；
直至所述拖拉机停车或者完成驾驶，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值。
其中，将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息，包括：
将所述原始路径导入拖拉机中的驱动系统，根据所述原始路径进行自动驾驶；
利用多种传感器采集所述拖拉机运行过程中的驾驶信息，并在设定的时间间隔内获取所述拖拉机的定位信息。
其中，基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记，包括：
基于所述驾驶信息中的异常点，获取对应的环境信息，判断所述环境信息是否允许所述拖拉机继续进行行驶，其中，所述环境信息包括障碍物高度或者障碍物之间的宽度；
若当前所述环境信息不允许所述拖拉机继续进行行驶，则将所述拖拉机进行停机；
若当前所述环境信息允许所述拖拉机继续进行行驶，则改变所述拖拉机的所述驾驶信息；
结合当前所述定位信息，对所述原始路径进行对应的两级标记。
其中，若当前所述环境信息允许所述拖拉机继续进行行驶，则改变所述拖拉机的所述驾驶信息，包括：
若当前所述环境信息允许所述拖拉机继续进行行驶，则利用所述环境信息计算出对应的偏转量，利用所述偏转量改变所述拖拉机的所述驾驶信息。
其中，基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记之前，所述方法还包括：
根据所述驾驶信息，判断所述驾驶信息中是否存在异常点；
若存在异常点，则获取对应的环境信息；
若不存在异常点，则继续按照所述原始路径进行自动驾驶。
其中，根据所述驾驶信息，判断所述驾驶信息中是否存在异常点，包括：
将所述驾驶信息与所述原始路径中对应的基准信息相减，将得到的比率值与设定的阈值进行比较；
若所述比率值小于或等于所述阈值，则所述驾驶信息中不存在异常点；
若所述比率值大于所述阈值，则所述驾驶信息中存在异常点。
第二方面，本发明提供了一种拖拉机自动驾驶路径判别准确率测试系统，如第一方面所述的一种拖拉机自动驾驶路径判别准确率测试方法应用于一种拖拉机自动驾驶路径判别准确率测试系统，
所述拖拉机自动驾驶路径判别准确率测试系统包括原始路径生成模块、数据采集模块、信息比对模块和路径判别模块，所述原始路径生成模块、所述数据采集模块、所述信息比对模块和所述路径判别模块依次连接；
所述路径生成模块，用于基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储；
所述数据采集模块，用于将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息；
所述数据比对模块，用于基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记；
所述路径判别模块，用于当所述拖拉机停车或者完成驾驶后，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值。
本发明的一种拖拉机自动驾驶路径判别准确率测试方法及系统，包括原始路径生成模块、数据采集模块、信息比对模块和路径判别模块，首先，基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储；然后，将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息；根据所述驾驶信息，判断所述驾驶信息中是否存在异常点；并基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行两级标记；直至所述拖拉机停车或者完成驾驶，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值，提高路径的实用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种拖拉机自动驾驶路径判别准确率测试方法的步骤示意图。
图2是本发明提供的一种拖拉机自动驾驶路径判别准确率测试系统的结构示意图。
1-原始路径生成模块、2-数据采集模块、3-信息比对模块、4-路径判别模块。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1，本发明提供一种拖拉机自动驾驶路径判别准确率测试方法，包括以下步骤：
S101、基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储。
具体的，基于实际生产需要，划分出对应的驾驶范围，并利用所述北斗卫星系统获取对应的卫星图像，基于所述卫星图像，规划出原始路径，其中，所述原始路径需包含整个所述驾驶范围，且不会重叠或交叉，在这样的路径下进行自动驾驶，即能够对需要的范围进行全部包含，且还能够进行正常的驾驶，不会因为交叉或重叠的路径，影响拖拉机等农用机械的行驶。同时，为了增加对数据的监督和管理，将所述原始路径在对应的显示设备上进行实时显示和存储，便于后续的判别验证。
S102、将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息。
具体的，将所述原始路径导入拖拉机中的驱动系统，根据所述原始路径进行自动驾驶；而在导入所述驱动系统之前，需要在所述拖拉机中安装对应的自动驾驶系统，使所述拖拉机具有自动驾驶功能。
利用所述拖拉机中的多种传感器采集所述拖拉机运行过程中的驾驶信息，所述驾驶信息包括车速、车轮转向、偏转角等，每种信息对应一种传感器，并在设定的时间间隔内获取所述拖拉机的定位信息，例如，设定时间间隔为半分钟、一分钟、五分钟等，一般为一分钟，时间过长，会导致采集到的两个定位点之间的距离过大，中间的路径不清楚，导致得到的实际路径不准确，而时间间隔过短，会导致数据过多，增加计算量，占用过多的存储空间。
S103、基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记。
具体的，根据所述驾驶信息，判断所述驾驶信息中是否存在异常点；具体的判断方法为：将所述驾驶信息与所述原始路径中对应的基准信息相减，将得到的比率值与设定的阈值进行比较；若所述比率值小于或等于所述阈值，则所述驾驶信息中不存在异常点；若所述比率值大于所述阈值，则所述驾驶信息中存在异常点。采用相减进行判断，可以直观的显示出两个数据之间的差距，并且将这个比率值与阈值进行比较，这里的阈值是一个范围值，为了控制精准度，将一般小于或等于1，避免过大的差距。若不存在异常点，则继续按照所述原始路径进行自动驾驶；若存在异常点，则获取对应的环境信息。
基于所述驾驶信息中的异常点，获取对应的环境信息，判断所述环境信息是否允许所述拖拉机继续进行行驶，其中，所述环境信息包括障碍物高度或者障碍物之间的宽度；
若当前所述环境信息不允许所述拖拉机继续进行行驶，则将所述拖拉机进行停机；即若当前的障碍物的高度超过所述拖拉机的车轮高度，并且障碍物之间的宽度小于所述拖拉机的车身宽度或障碍物之间的宽度大于所述拖拉机的车身长度，控制所述拖拉机停机，并结合当前的定位信息，对所述原始路径下对应的位置进行第一级标记，如进行红色光源闪烁；
若当前所述环境信息允许所述拖拉机继续进行行驶，则改变所述拖拉机的所述驾驶信息或继续按照所述原始路径进行行驶；分为一下几种情况：一、若当前的障碍物高度小于所述拖拉机的车轮高度，则继续按照所述原始路径进行行驶；二、若当前的障碍物高度大于所述拖拉机的车轮高度，但所述障碍物的四周没有其他障碍物，或者具有其他障碍物，但障碍物之间的间距大于所述拖拉机的车身宽度，则改变所述拖拉机的所述驾驶信息，并结合当前的所述定位信息，对所述原始路径进行第二季标记，如进行黄色光源的闪烁。
其中，改变所述拖拉机的所述驾驶信息的具体方式为：所述驱动系统发出绕过障碍物指令，利用视觉传感器扫描出所述拖拉机前方的障碍物的边界线，根据所述边界线拟合出沿着所述边界线转弯的圆弧路径，根据所述圆弧路径换算出车轮偏转量，进而驱动车轮进行对应角度的偏转。
S104、直至所述拖拉机停车或者完成驾驶，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值。
具体的，当所述拖拉机停机或者达到所述原始路径中的完成点时，将获取的所有的所述定位信息，按照时间顺序进行连接，得到对应的驾驶路径，然后将所述驾驶路径与所述原始路径进行匹配，具体的匹配方法为：将所述驾驶路径对所述原始路径进行覆盖，并计算出两者之间的准确率值，若所述准确率值小于重叠阈值(0.3)。则证明所述原始路径具有较高的实用性，可以直接进行使用，若所述准确率值大于或等于所述重叠阈值，或者所述拖拉机未完成驾驶(所述驾驶路径的里程数未达到所述原始路径的里程数)，则对所述异常点进行数据分析或者实际验证，若所述异常点为不可消除的因素，则利用所述驾驶路径对所述原始路径进行更新修正；若所述异常点为偶然的、可消除因素，则保留所述原始路径上的对应路径，并消除对应的标记，直至将所述原始路径上标注的所有所述异常点更新或消除完成，得到最后的应用路径，提高实用性。
请参阅图2，本发明提供一种拖拉机自动驾驶路径判别准确率测试系统，所述的一种拖拉机自动驾驶路径判别准确率测试方法应用于一种拖拉机自动驾驶路径判别准确率测试系统，
所述拖拉机自动驾驶路径判别准确率测试系统包括原始路径生成模块1、数据采集模块2、信息比对模块3和路径判别模块4，所述原始路径生成模块1、所述数据采集模块2、所述信息比对模块3和所述路径判别模块4依次连接；
所述路径生成模块，用于基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储；
所述数据采集模块2，用于将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息；
所述数据比对模块，用于基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记；
所述路径判别模块4，用于当所述拖拉机停车或者完成驾驶后，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值。
在本实施方式中，关于一种拖拉机自动驾驶路径判别准确率测试系统的具体限定可以参见上文中对于一种拖拉机自动驾驶路径判别准确率测试方法的限定，在此不再赘述。上述一种拖拉机自动驾驶路径判别准确率测试系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本发明的一种拖拉机自动驾驶路径判别准确率测试方法及系统，包括原始路径生成模块1、数据采集模块2、信息比对模块3和路径判别模块4，首先，基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储；然后，将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息；根据所述驾驶信息，判断所述驾驶信息中是否存在异常点；并基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行两级标记；直至所述拖拉机停车或者完成驾驶，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值，提高路径的实用性。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (7)
1.一种拖拉机自动驾驶路径判别准确率测试方法，其特征在于，包括以下步骤：
基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储；
将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息；
基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记；
直至所述拖拉机停车或者完成驾驶，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值。
2.如权利要求1所述的拖拉机自动驾驶路径判别准确率测试方法，其特征在于，将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息，包括：
将所述原始路径导入拖拉机中的驱动系统，根据所述原始路径进行自动驾驶；
利用多种传感器采集所述拖拉机运行过程中的驾驶信息，并在设定的时间间隔内获取所述拖拉机的定位信息。
3.如权利要求1所述的拖拉机自动驾驶路径判别准确率测试方法，其特征在于，基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记，包括：
基于所述驾驶信息中的异常点，获取对应的环境信息，判断所述环境信息是否允许所述拖拉机继续进行行驶，其中，所述环境信息包括障碍物高度或者障碍物之间的宽度；
若当前所述环境信息不允许所述拖拉机继续进行行驶，则将所述拖拉机进行停机；
若当前所述环境信息允许所述拖拉机继续进行行驶，则改变所述拖拉机的所述驾驶信息；
结合当前所述定位信息，对所述原始路径进行对应的两级标记。
4.如权利要求3所述的拖拉机自动驾驶路径判别准确率测试方法，其特征在于，若当前所述环境信息允许所述拖拉机继续进行行驶，则改变所述拖拉机的所述驾驶信息，包括：
若当前所述环境信息允许所述拖拉机继续进行行驶，则利用所述环境信息计算出对应的偏转量，利用所述偏转量改变所述拖拉机的所述驾驶信息。
5.如权利要求1所述的拖拉机自动驾驶路径判别准确率测试方法，其特征在于，基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记之前，所述方法还包括：
根据所述驾驶信息，判断所述驾驶信息中是否存在异常点；
若存在异常点，则获取对应的环境信息；
若不存在异常点，则继续按照所述原始路径进行自动驾驶。
6.如权利要求5所述的拖拉机自动驾驶路径判别准确率测试方法，其特征在于，根据所述驾驶信息，判断所述驾驶信息中是否存在异常点，包括：
将所述驾驶信息与所述原始路径中对应的基准信息相减，将得到的比率值与设定的阈值进行比较；
若所述比率值小于或等于所述阈值，则所述驾驶信息中不存在异常点；
若所述比率值大于所述阈值，则所述驾驶信息中存在异常点。
7.一种拖拉机自动驾驶路径判别准确率测试系统，如权利要求1至权利要求6任一项所述的一种拖拉机自动驾驶路径判别准确率测试方法应用于一种拖拉机自动驾驶路径判别准确率测试系统，其特征在于，
所述拖拉机自动驾驶路径判别准确率测试系统包括原始路径生成模块、数据采集模块、信息比对模块和路径判别模块，所述原始路径生成模块、所述数据采集模块、所述信息比对模块和所述路径判别模块依次连接；
所述路径生成模块，用于基于北斗卫星系统和对应的驾驶范围生成对应的原始路径，并进行显示和存储；
所述数据采集模块，用于将所述原始路径导入拖拉机进行自动驾驶，并获取所述拖拉机的驾驶信息和定位信息；
所述数据比对模块，用于基于所述驾驶信息中的异常点，获取所述异常点对应的环境信息，并对所述原始路径进行标记；
所述路径判别模块，用于当所述拖拉机停车或者完成驾驶后，将所有的所述定位信息进行连接，并将得到的驾驶路径与所述原始路径进行判别，得到对应的准确率值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011576621.6A CN112698655A (zh) | 2020-12-28 | 2020-12-28 | 一种拖拉机自动驾驶路径判别准确率测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011576621.6A CN112698655A (zh) | 2020-12-28 | 2020-12-28 | 一种拖拉机自动驾驶路径判别准确率测试方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112698655A true CN112698655A (zh) | 2021-04-23 |
Family
ID=75512170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011576621.6A Pending CN112698655A (zh) | 2020-12-28 | 2020-12-28 | 一种拖拉机自动驾驶路径判别准确率测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112698655A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928531A (zh) * | 2016-04-13 | 2016-09-07 | 浙江合众新能源汽车有限公司 | 一种适用于无人驾驶汽车的行进路线精准生成方法 |
| US20180059682A1 (en) * | 2016-08-26 | 2018-03-01 | Crown Equipment Corporation | Materials handling vehicle path validation and dynamic path modification |
| CN109254306A (zh) * | 2018-08-21 | 2019-01-22 | 江苏大学 | 一种基于移动互联网和gnss定位的农机作业路径调取系统及方法 |
| WO2020045344A1 (ja) * | 2018-08-31 | 2020-03-05 | 株式会社デンソー | 地図生成システム、車載装置 |
| CN110906954A (zh) * | 2019-12-02 | 2020-03-24 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶平台的高精度地图测试评估方法和装置 |
| CN111278705A (zh) * | 2017-08-22 | 2020-06-12 | 日产自动车株式会社 | 自动驾驶车辆的目标路径生成方法以及生成装置 |
| CN111583630A (zh) * | 2020-04-10 | 2020-08-25 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构全新道路高精地图快速生成系统与方法 |
-
2020
- 2020-12-28 CN CN202011576621.6A patent/CN112698655A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928531A (zh) * | 2016-04-13 | 2016-09-07 | 浙江合众新能源汽车有限公司 | 一种适用于无人驾驶汽车的行进路线精准生成方法 |
| US20180059682A1 (en) * | 2016-08-26 | 2018-03-01 | Crown Equipment Corporation | Materials handling vehicle path validation and dynamic path modification |
| CN111278705A (zh) * | 2017-08-22 | 2020-06-12 | 日产自动车株式会社 | 自动驾驶车辆的目标路径生成方法以及生成装置 |
| CN109254306A (zh) * | 2018-08-21 | 2019-01-22 | 江苏大学 | 一种基于移动互联网和gnss定位的农机作业路径调取系统及方法 |
| WO2020045344A1 (ja) * | 2018-08-31 | 2020-03-05 | 株式会社デンソー | 地図生成システム、車載装置 |
| CN110906954A (zh) * | 2019-12-02 | 2020-03-24 | 武汉中海庭数据技术有限公司 | 一种基于自动驾驶平台的高精度地图测试评估方法和装置 |
| CN111583630A (zh) * | 2020-04-10 | 2020-08-25 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构全新道路高精地图快速生成系统与方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2015280776B2 (en) | Vehicle positioning or navigation utilizing associated feature pairs | |
| EP3640622B1 (en) | Method and apparatus for determining coping capability boundary information of an unmanned vehicle and computer program therefore | |
| CN113168524A (zh) | 用于测试驾驶员辅助系统的方法和设备 | |
| US20200269853A1 (en) | Method and device for eliminating steady-state lateral deviation and storage medium | |
| BR112020002623A2 (pt) | método de gerenciamento de informação de faixa de tráfego, método de controle de deslocamento e dispositivo de gerenciamento de informação de faixa de tráfego | |
| CN108255151A (zh) | 一种无人驾驶车辆的测评系统 | |
| US20210088340A1 (en) | Inferring lane boundaries via high speed vehicle telemetry | |
| CN114475656B (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
| KR20160112580A (ko) | Obd, gps 및 블랙박스 영상정보를 이용한 교통사고 현장 재현시스템 및 그 방법 | |
| CN113902210A (zh) | 一种网约车偏航检测方法、装置、电子设备及存储介质 | |
| CN113609148B (zh) | 一种地图更新的方法和装置 | |
| CN115966066A (zh) | 一种矿山车辆安全运行监测预警方法、装置和系统 | |
| CN113071500A (zh) | 车道线的获取方法、装置、计算机设备和存储介质 | |
| CN110703739A (zh) | 车辆诊断方法、路侧单元、车载单元、系统及存储介质 | |
| CN114545920A (zh) | 一种室外机器人视觉导航回桩充电系统及装置 | |
| Murman | Flex-Ro: a robotic high throughput field phenotyping system | |
| CN115878494A (zh) | 自动驾驶软件系统的测试方法、装置、车辆及存储介质 | |
| Sell et al. | Safety toolkit for automated vehicle shuttle-practical implementation of digital twin | |
| CN112698655A (zh) | 一种拖拉机自动驾驶路径判别准确率测试方法及系统 | |
| CN115855097A (zh) | 一种自动驾驶车辆全局路径规划方法、系统及车辆 | |
| CN111914412B (zh) | 一种基于错误注入器的自动驾驶性能局限测试系统及方法 | |
| CN117589177B (zh) | 基于工业大模型自主导航方法 | |
| CN109948449B (zh) | 一种信息处理方法、装置及存储介质 | |
| CN109849934B (zh) | 轨迹处理的方法、装置、存储介质和终端设备 | |
| CN107092253A (zh) | 用于控制无人车的方法、装置及服务器 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210423 |