本發(fā)明實(shí)施例提供了一種適用于牽引車的艙駕融合域控系統(tǒng)及輔助駕駛的控制方法，包括：艙駕一體域控主機(jī)、周視感知攝像頭和毫米波雷達(dá)；艙駕一體域控制器用于收集并處理感知攝像頭與毫米波雷達(dá)采集的數(shù)據(jù)，通過處理后的數(shù)據(jù)生成告警信息和/或輔助制動控制...

本發(fā)明實(shí)施例提供了一種智能駕駛時視覺失效的檢測方法、裝置、設(shè)備及介質(zhì)，其中，該方法包括以下步驟：對檢測目標(biāo)圖像進(jìn)行預(yù)處理，生成預(yù)處理后圖像；將預(yù)處理后圖像分割為遮擋物圖像和非遮擋物圖像，計算遮擋物圖像在預(yù)處理后圖像中的比例，通過比例判斷...

本發(fā)明實(shí)施例提供了一種用于深度學(xué)習(xí)的數(shù)據(jù)自動標(biāo)注方法、裝置、設(shè)備及介質(zhì)，涉及自動駕駛技術(shù)領(lǐng)域，其中，該方法包括：確定每一幀待標(biāo)注數(shù)據(jù)的場景類別；根據(jù)每一幀待標(biāo)注數(shù)據(jù)的場景類別，確定多種自動標(biāo)注算法分別對應(yīng)的權(quán)重；通過多種自動標(biāo)注算法和每...

本發(fā)明提供了一種多策略融合的可疑樣本篩選方法、系統(tǒng)、設(shè)備及介質(zhì)，所述方法包括：通過多個分類模型對原始數(shù)據(jù)的自動標(biāo)注框結(jié)果進(jìn)行類別判別，依據(jù)判別結(jié)果輸出第一可疑樣本集，其中，所述判別結(jié)果包括可疑或正常；基于聚類算法、匹配算法和離群點(diǎn)算法，...

本發(fā)明實(shí)施例提供了一種車輛駕駛信號及變化率的估計方法、裝置、設(shè)備及介質(zhì)，涉及自動駕駛技術(shù)領(lǐng)域，其中，該方法包括以下步驟：通過車輛的控制器局域網(wǎng)總線獲取車輛駕駛信號的測量值；構(gòu)建車輛駕駛信號及變化率的預(yù)測模型，通過車輛駕駛信號及變化率的預(yù)...

本發(fā)明提供了一種用于橫向控制過程的車道線判斷方法和系統(tǒng)，涉及自動駕駛技術(shù)領(lǐng)域，所述方法通過獲取車輛數(shù)據(jù)，包括左側(cè)車道線數(shù)據(jù)、右側(cè)車道線數(shù)據(jù)和行車數(shù)據(jù)；根據(jù)所述車輛數(shù)據(jù)分別對車輛進(jìn)行平行約束條件、單側(cè)車道線有效條件的判斷，從而實(shí)現(xiàn)對左、右...

本發(fā)明實(shí)施例提供了一種目標(biāo)車與自車橫向重疊度的確定方法、裝置、設(shè)備與介質(zhì)，其中，該方法包括以下步驟：計算自車左側(cè)與目標(biāo)車左側(cè)的橫向距離和自車右側(cè)與目標(biāo)車右側(cè)的橫向距離；計算第一位置關(guān)系出現(xiàn)的第一概率、第二位置關(guān)系出現(xiàn)的第二概率、第三位置...

本發(fā)明實(shí)施例提供了一種基于光照度標(biāo)定的車燈控制方法、裝置、設(shè)備及介質(zhì)，其中，該方法包括以下步驟：對原始輸入圖像進(jìn)行預(yù)處理，計算輸入原始圖像的像素均值；將像素均值分別與亮度均值第一閾值和亮度均值第二閾值比較，若像素均值在亮度均值第一閾值與...

本發(fā)明實(shí)施例提供了一種檢測設(shè)備運(yùn)行狀態(tài)的判斷方法、裝置、計算機(jī)設(shè)備及介質(zhì)，其中，該方法包括以下步驟：通過視頻采集平臺采集檢測設(shè)備的運(yùn)行時的視頻作為檢測視頻，通過檢測設(shè)備的種類取得檢測視頻的種類；若檢測視頻為棋盤視頻，識別檢測視頻中棋盤格...

本發(fā)明提供了一種基于多模態(tài)融合的3D目標(biāo)檢測方法、系統(tǒng)、設(shè)備及介質(zhì)，方法包括獲取3D激光點(diǎn)云數(shù)據(jù)的點(diǎn)云特征信息和每張圖片的分割mask；依據(jù)點(diǎn)云特征信息的深度信息和強(qiáng)度信息、圖片的rgb三通道數(shù)據(jù)及分割mask，進(jìn)行特征提取和空間轉(zhuǎn)換得...

本發(fā)明提供了一種連續(xù)幀點(diǎn)云的4D自動標(biāo)注方法、系統(tǒng)、設(shè)備及介質(zhì)，方法包括：計算初始車端深度學(xué)習(xí)算法與4D自動標(biāo)注算法之間連續(xù)幀點(diǎn)云歷史數(shù)據(jù)標(biāo)注結(jié)果的差值，提取問題場景的點(diǎn)云數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集；進(jìn)行訓(xùn)練數(shù)據(jù)集的偽標(biāo)注和軌跡修正，依據(jù)目標(biāo)生...

本發(fā)明提供了一種激光和相機(jī)聯(lián)合標(biāo)定方法和系統(tǒng)，涉及自動駕駛技術(shù)領(lǐng)域，所述方法包括：在多特征場景下采集車輛的點(diǎn)云數(shù)據(jù)和圖像數(shù)據(jù)；通過選取點(diǎn)云點(diǎn)的方式確定相機(jī)裝置的初始外參矩陣；根據(jù)初始外參矩陣將各點(diǎn)云點(diǎn)的點(diǎn)云坐標(biāo)投影到圖像上，用不同顏色的...

本發(fā)明實(shí)施例提供了一種用于橫向控制的橫向距離的計算方法、裝置、設(shè)備及介質(zhì)，涉及智能駕駛技術(shù)領(lǐng)域，其中，該方法包括：在開啟智慧躲閃偏移功能后，檢測獲取自車與相鄰車道的前車之間的橫向距離；在自車執(zhí)行偏移動作的過程中，在自車與前車的縱向距離處...

本發(fā)明實(shí)施例提供了一種基于車載相機(jī)的測距方法、裝置、計算機(jī)設(shè)備及介質(zhì)，涉及自動駕駛技術(shù)領(lǐng)域，其中，該方法包括以下步驟：標(biāo)定車載相機(jī)的鏡頭構(gòu)建車載相機(jī)的內(nèi)部參數(shù)和外部參數(shù)；識別出圖像中的2d目標(biāo)檢測框，去畸變并進(jìn)行修正，生成規(guī)則檢測框；對...

本發(fā)明提供一種基于圖像幀間差的車輛狀態(tài)判斷方法和系統(tǒng)，涉及智能駕駛技術(shù)領(lǐng)域，所述方法包括：獲取當(dāng)前幀圖像和車輛的前一幀運(yùn)動狀態(tài)；通過深度學(xué)習(xí)對所述當(dāng)前幀圖像進(jìn)行移動目標(biāo)檢測；根據(jù)當(dāng)前幀圖像獲得當(dāng)前邊緣圖像，根據(jù)當(dāng)前邊緣圖像和移動目標(biāo)檢測...

本發(fā)明實(shí)施例提供了一種魚眼鏡頭相機(jī)去畸變方法、裝置、計算機(jī)設(shè)備及介質(zhì)，涉及圖像處理技術(shù)領(lǐng)域，包括獲取內(nèi)參、旋轉(zhuǎn)矩陣和像素單元在去畸變輸出圖像的第一坐標(biāo)；設(shè)對去畸變輸出圖像進(jìn)行w次去畸變反投影計算，每次計算采用不同偏航角調(diào)節(jié)角度，根據(jù)偏航...

本發(fā)明提供了一種車輛動力學(xué)模型與實(shí)車聯(lián)合仿真方法、系統(tǒng)、設(shè)備及介質(zhì)，涉及智能駕駛仿真技術(shù)領(lǐng)域，方法包括：在設(shè)定的實(shí)車試驗(yàn)工況下，分別采集車輛在不同初始車速條件下的縱向性能數(shù)據(jù)及橫向性能數(shù)據(jù)，獲得實(shí)車初始數(shù)據(jù)；對所述實(shí)車初始數(shù)據(jù)進(jìn)行預(yù)處理...

本發(fā)明提供了一種環(huán)視拼接透明底盤的方法、裝置、設(shè)備及存儲介質(zhì)，所述方法包括：進(jìn)行ORB特征提取得到當(dāng)前幀ORB特征點(diǎn)集和前一幀ORB特征點(diǎn)集，進(jìn)行特征點(diǎn)匹配得到包括ORB特征點(diǎn)對集，對ORB特征點(diǎn)對集計算得到變換矩陣；使用變換矩陣得到當(dāng)...

本發(fā)明實(shí)施例提供了一種模擬真實(shí)傳感器感知數(shù)據(jù)方法、裝置、計算機(jī)設(shè)備及介質(zhì)，涉及自動駕駛技術(shù)領(lǐng)域，該方法包括：構(gòu)建自動駕駛虛擬場景，自動駕駛虛擬場景包括仿真雷達(dá)傳感器模型；對仿真雷達(dá)傳感器模型進(jìn)行抖動模擬，獲得第一仿真數(shù)據(jù)；對自動駕駛虛擬...

本發(fā)明提供了一種分神駕駛檢測方法、裝置、設(shè)備及存儲介質(zhì)，涉及安全駕駛技術(shù)領(lǐng)域。方法包括：獲取駕駛員人臉的紅外圖像；根據(jù)所述紅外圖像進(jìn)行人臉檢測和人臉關(guān)鍵點(diǎn)檢測，獲取人臉關(guān)鍵點(diǎn)信息；根據(jù)所述人臉關(guān)鍵點(diǎn)信息，計算人臉頭部的3D姿態(tài)角及眼部區(qū)...