The invention discloses a method and a system for predicting a pit ahead of a vehicle in driving, which comprises the following steps: the training module trains the pit ahead algorithm model according to the actual collected road condition data, and passes the trained pit ahead algorithm model data to all vehicles through the management module at the same step; the collection module collects the pictures in front of the road when the vehicle is driving; the processing module Based on the prediction algorithm model of the pit, the collected images are calculated and the pit conditions in front of them are predicted. The beneficial effect of the invention: through deep learning technology combined with cloud correction technology, real-time prediction and continuous independent learning can be achieved, real-time prediction of road conditions can be achieved, and accidents can be reduced to the maximum extent.
【技术实现步骤摘要】
一种汽车行驶中前方坑洞的预判方法及系统
本专利技术涉及车辆行驶时的道路预判
,尤其涉及一种汽车行驶中前方坑洞的预判方法及系统。
技术介绍
近年来,用户驾驶汽车在高速行驶过程中,经常因为无法预判前方的坑洼路面而以较快的速度行驶,致使车辆地盘与地面激烈碰撞损害车辆甚至致使车辆失控发生事故。因此如果能够在车辆行驶中,对前方几百米左右的坑洼路况做到实时分析并即时给驾驶员预警提示,甚至在必要时候智能控制车辆减速来规避坑面导致的危险,将极大的减少因为路面坑洼导致的事故或者车辆的损害。现有的相关技术包括人工识别并报告车辆外部运行环境的车载系统,其他装有此系统的车辆可以收到上报的信息并在行经此处时候给车主做出安全预警;或基于智能手机的路面坑洞探测方法,能通过收集手机在行驶过程中产生的运动数据,分析出路面的颠簸情况检测路面坑洞的探测方法。以上技术存在很多的不足之处:如无法实时明确预警到驾驶人员前方坑洞情况;需要人工上报故障,处理方式不够智能化;依赖手机能测试设备,计算出的数据不够精确、受外界干扰较大,容易产生误报等。
技术实现思路
本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊,而这种简化或省略不能用于限制本专利技术的范围。鉴于上述现有存在的问题,提出了本专利技术。因此,本专利技术解决的其中一个技术问题是:提供一种汽车行驶中前方坑洞的预判方法 ...
【技术保护点】
1.一种汽车行驶中前方坑洞的预判方法,其特征在于:包括以下步骤,/n训练模块(300)根据实际采集的路况数据对坑洞预判算法模型进行训练,并将训练后的坑洞预判算法模型数据通过管理模块(400)同步给所有车辆;/n采集模块(100)在汽车行驶时采集道路前方的图片;/n处理模块(200)基于坑洞预判算法模型对采集到的图片进行计算并预测前方的坑洞情况。/n
【技术特征摘要】
1.一种汽车行驶中前方坑洞的预判方法,其特征在于:包括以下步骤,
训练模块(300)根据实际采集的路况数据对坑洞预判算法模型进行训练,并将训练后的坑洞预判算法模型数据通过管理模块(400)同步给所有车辆;
采集模块(100)在汽车行驶时采集道路前方的图片;
处理模块(200)基于坑洞预判算法模型对采集到的图片进行计算并预测前方的坑洞情况。
2.如权利要求1所述的汽车行驶中前方坑洞的预判方法,其特征在于:所述对坑洞预判算法模型进行训练包括以下步骤,
采集模块(100)在汽车行驶时采集前方的路况图片和汽车行驶信息;
对采集到的路况图片进行处理,并通过坑洞预判算法模型预测路面的坑洞信息;
对采集到的汽车行驶信息进行处理并根据加速度信息计算路面的坑洞信息;
对比根据路况图片预测的路面坑洞信息和根据汽车行驶信息计算的路面坑洞信息,当坑洞信息不一致时,将采集模块(100)采集到的路况图片和汽车行驶信息作为训练数据上传至管理模块(400)。
3.如权利要求2所述的汽车行驶中前方坑洞的预判方法,其特征在于:所述采集模块(100)包括图片采集装置(101),用于采集前方路面的图片,且图片格式为RGB格式,清晰采集的范围为前方200m距离。
4.如权利要求3所述的汽车行驶中前方坑洞的预判方法,其特征在于:所述采集模块(100)还包括行驶信息采集装置(102),采集到的汽车行驶信息包括汽车行驶时在垂直坐标系三个方向上的加速度、振动幅度和频率、行驶速度以及时间。
5.如权利要求4所述的汽车行驶中前方坑洞的预判方法,其特征在于:所述处理模块(200)包括人工智能计算机JetsonNano,所述采集模块(100)的图片采集装置(101)通过USB接口与处理模块(200)相连接。
6.如...
【专利技术属性】
技术研发人员:张福强,
申请(专利权)人:西藏宁算科技集团有限公司,的卢技术有限公司,西藏宁算信息科技有限公司,北京宁算科技有限公司,
类型:发明
国别省市:西藏;54
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。