车道保持中提醒驾驶员的方法、装置、电子设备及介质

    公开(公告)号:CN112918474B

    公开(公告)日:2022-06-17

    申请号:CN202110223497.3

    申请日:2021-03-01

    IPC分类号: B60W30/12 B60W50/14 B60W50/00

    摘要: 本发明涉及一种车道保持中提醒驾驶员的方法、装置、电子设备及介质。该方法包括以下步骤:检测作用于方向盘中心的平行力矩;若判断所述平行力矩在预设平行力矩范围外,则检测作用于方向盘中心的垂向力矩;若判断所述垂向力矩在预设垂向力矩范围内或判断所述平行力矩在预设平行力矩范围内,则检测方向盘上的温度信息;若判断所述温度信息在预设温度信息范围外,提醒驾驶员接管车辆。该方法能够确保当驾驶员在正常监管车辆时,车道保持功能不会因自身传感器和判断逻辑问题产生误提示,最大程度避免误报误提示的发生,提高功能可靠性和用户满意度,同时能避免驾驶员采用其他物体违规监控车辆,提高行车安全。

    车道保持中提醒驾驶员的方法、装置、电子设备及介质

    公开(公告)号:CN112918474A

    公开(公告)日:2021-06-08

    申请号:CN202110223497.3

    申请日:2021-03-01

    IPC分类号: B60W30/12 B60W50/14 B60W50/00

    摘要: 本发明涉及一种车道保持中提醒驾驶员的方法、装置、电子设备及介质。该方法包括以下步骤:检测作用于方向盘中心的平行力矩;若判断所述平行力矩在预设平行力矩范围外,则检测作用于方向盘中心的垂向力矩;若判断所述垂向力矩在预设垂向力矩范围内或判断所述平行力矩在预设平行力矩范围内,则检测方向盘上的温度信息;若判断所述温度信息在预设温度信息范围外,提醒驾驶员接管车辆。该方法能够确保当驾驶员在正常监管车辆时,车道保持功能不会因自身传感器和判断逻辑问题产生误提示,最大程度避免误报误提示的发生,提高功能可靠性和用户满意度,同时能避免驾驶员采用其他物体违规监控车辆,提高行车安全。

    基于智能驾驶仿真赛事云平台的智能驾驶仿真方法

    公开(公告)号:CN113467276B

    公开(公告)日:2021-12-07

    申请号:CN202111028818.0

    申请日:2021-09-03

    IPC分类号: G05B17/02

    摘要: 本发明实施例公开了一种基于智能驾驶仿真赛事云平台的智能驾驶仿真方法,涉及智能驾驶仿真技术,方法包括:在智能驾驶仿真赛事云平台提供的页面上,确定与所选智能驾驶赛题对应的仿真场景;将每个用户提供的智能驾驶仿真算法,分别接入到每个仿真场景中并运行;根据每个所述智能驾驶仿真算法提供的控制指令,对对应仿真场景中的仿真车辆进行控制;在对仿真车辆进行控制的过程中,实时获取仿真车辆在仿真场景中的行驶情况;基于与所选智能驾驶赛题对应的评价标准,根据每个仿真车辆在对应的仿真场景中的行驶情况,实时对每个用户的智能驾驶仿真算法进行评分。本实施例可以接入多种智能驾驶仿真算法,实现多种算法在仿真场景中的运行。

    一种基于马尔科夫随机场的视觉传感器去噪方法

    公开(公告)号:CN111798382B

    公开(公告)日:2024-04-12

    申请号:CN202010463790.2

    申请日:2020-05-27

    IPC分类号: G06T5/70

    摘要: 本发明创造提供了一种基于马尔科夫随机场的视觉传感器去噪方法,包括以下步骤:S1、对仿真场景利用视觉传感器进行图像采集;S2、得到原始的图像数据之后,将图像转换为数字矩阵,作为去噪模型的输入;S3、将每一个像素点和像素点之间的邻域关系构造为势能函数,根据势能函数生成马尔科夫随机场的初始化消息;S4、将要发送的初始消息全部计算完成后,进行消息的更新迭代,直到模型收敛;S5、将模型收敛后得到的最优结果还原为图像信息,实现视觉传感器的去噪。本发明创造所述的方法在不损失智能网联仿真测试过程实时性的前提下,可以更好的实现视觉传感器的去噪,克服了传统视觉传感器去噪方法造成的图像模糊、细节损失和去噪效效果不佳的问题。

    一种基于梯度提升决策树模型的场景复杂度评估方法

    公开(公告)号:CN111797000A

    公开(公告)日:2020-10-20

    申请号:CN202010462513.X

    申请日:2020-05-27

    IPC分类号: G06F11/36

    摘要: 本发明提供了一种基于梯度提升决策树模型的场景复杂度评估方法,包括以下步骤:S1、采集参数,生成仿真驾驶场景;S2、对仿真的驾驶场景样本进行复杂度评分;S3、将总结的复杂度特征元素输入到决策树模型,进行计算;S4、决策树进行升级;S5、得到影响模型的特征参数数据集,将数据集80%作为训练集,20%作为测试集,采用5折交叉验证调试得到复杂度评价模型;S6、将待评价的数据计算场景复杂度;S7、将输入的驾驶场景数据,先拆分为动态特征、静态特征,然后在按照每个影响特征综合打分后得到场景复杂度。本发明所述的方法能给出清晰简明的自动驾驶测试场景的复杂度估值,满足测试人员能够对驾驶场景根据场景的复杂度进行选取的需求。