CN107329471B - 一种无人驾驶车辆的智能决策系统 - Google Patents
一种无人驾驶车辆的智能决策系统 Download PDFInfo
- Publication number
- CN107329471B CN107329471B CN201710471322.8A CN201710471322A CN107329471B CN 107329471 B CN107329471 B CN 107329471B CN 201710471322 A CN201710471322 A CN 201710471322A CN 107329471 B CN107329471 B CN 107329471B
- Authority
- CN
- China
- Prior art keywords
- subsystem
- factor
- analysis
- induction factor
- cloud platform
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 87
- 230000006698 induction Effects 0.000 claims abstract description 74
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 238000010223 real-time analysis Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人驾驶车辆的智能决策系统,包括移动终端子系统、核心分析子系统和云平台子系统,移动终端子系统和核心分析子系统安装在无人驾驶车辆上,云平台子系统部署在云端;移动终端子系统实时采集路况信息数据,将路况信息数据生成一个唯一的感应因子,并将该感应因子发送给核心分析子系统;云平台子系统实时采集路况信息数据,将路况信息数据生成一个唯一的感应因子,并将该感应因子发送给核心分析子系统;核心分析子系统将接收到的感应因子进行矩阵转化,对比矩阵转化后的感应因子,给出决策。本发明通过云平台子系统和移动终端子系统检测到的感应因子给出决策,提高了数据传输过程中的准确性,提高了无人驾驶行驶中路况的识别率。
Description
技术领域
本发明涉及自动化技术领域,具体涉及一种无人驾驶车辆的智能决策系统。
背景技术
无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶汽车是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。
无人驾驶摄像头与激光雷达完成的工作包括:车道线检测;障碍物检测,相当于把障碍物识别以及对障碍物进行分类;交通标志的识别,比如识别红绿灯和限速牌等。
但是存在如下缺点:单单依靠车本身的传感器进行路况的识别;采用无人驾驶车传感器成本高。
发明内容
有鉴于此,为了解决现有技术中单单依靠车本身的传感器进行路况识别和采用无人驾驶车传感器成本高的技术问题,本发明提出一种无人驾驶车辆的智能决策系统。
本发明通过以下技术手段解决上述问题:
一种无人驾驶车辆的智能决策系统,包括移动终端子系统、核心分析子系统和云平台子系统,移动终端子系统和核心分析子系统安装在无人驾驶车辆上,云平台子系统部署在云端;
所述移动终端子系统用于实时采集路况信息数据,将路况信息数据生成一个唯一的感应因子,并将该感应因子发送给核心分析子系统;
所述云平台子系统用于实时采集路况信息数据,将路况信息数据生成一个唯一的感应因子,并将该感应因子发送给核心分析子系统;
所述核心分析子系统用于将接收到的感应因子进行矩阵转化,对比矩阵转化后的感应因子,给出决策。
进一步地,所述移动终端子系统包括:
至少一个终端采集器,用于实时采集路况信息数据,并把该路况信息数据上传给终端分析器;
终端分析器,用于将接收到的路况信息数据生成一个唯一的感应因子,并将该感应因子上传给数据上传模块;
数据上传模块,用于将接收的感应因子发送给核心分析子系统。
进一步地,所述云平台子系统包括:
至少一个云平台采集器,用于实时采集路况信息数据,并把该路况信息数据上传给云平台分析器;
云平台分析器,用于将接收到的路况信息数据生成一个唯一的感应因子,并将该感应因子上传给实时分析云平台;
实时分析云平台,用于将接收的感应因子发送给核心分析子系统。
进一步地,所述核心分析子系统包括分析模块,所述分析模块包括:
终端数据接收器,用于接收来自数据上传模块的感应因子,将接收到的感应因子进行矩阵转化,并将矩阵转化后的感应因子上传给决策分析矩阵单元;
云平台数据接收器,用于接收来自实时分析云平台的感应因子,将接收到的感应因子进行矩阵转化,并将矩阵转化后的感应因子上传给决策分析矩阵单元;
决策分析矩阵单元,用于对比矩阵转化后的感应因子,给出决策。
进一步地,所述核心分析子系统还包括与分析模块连接的告警模块,所述告警模块用于将分析模块给出的决策对外进行提醒。
进一步地,对外进行提醒的方式包括语音和/或闪灯。
进一步地,所述感应因子为10位感应因子,第0位为标识符,数值是唯一的,第1~3位是坐标标识符,用来记录当前感应到的经纬度,第4~6为事件标识符,用来标识感应到的是移动物体还是障碍物或者其他,第7~9为时间标识符,用来记录当前发生的时间。
进一步地,感应因子进行矩阵转化为:
其中:a1为感应因子的标识; a2为时间因子;
a3为标准的地位坐标; a4为事件因子。
进一步地,所述终端采集器为传感器或摄像头。
进一步地,所述平台采集器为传感器或摄像头。
与现有技术相比,本发明的有益效果如下:
本发明主要实现了把实时分析云平台检测到的信息和无人驾驶车上传感器或摄像头检测到的信息转化为感应因子(提高了数据传输过程中的准确性),一起发送给核心分析子系统,核心分析子系统再根据分析模块做成双决策,提高了无人驾驶行驶中路况的识别率(以往无人驾驶系统只是单单靠车载自身传感器来识别路况),同时引入告警功能,把决策内容通过告警模块提醒路人。在核心分析子系统中,把数据接收器分为云平台数据接收器和终端数据接收器,这样可以大大提高数据的接收效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明无人驾驶车辆的智能决策系统实施例1的结构示意图;
图2是本发明无人驾驶车辆的智能决策系统实施例2的结构示意图;
图3是本发明感应因子的结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1所示,本发明提供一种无人驾驶车辆的智能决策系统,包括移动终端子系统、核心分析子系统和云平台子系统,核心分析子系统分别与移动终端子系统、云平台子系统连接,移动终端子系统和核心分析子系统安装在无人驾驶车辆上,云平台子系统部署在云端;
所述移动终端子系统用于实时采集路况信息数据,将路况信息数据生成一个唯一的感应因子,并将该感应因子发送给核心分析子系统;
所述云平台子系统用于实时采集路况信息数据,将路况信息数据生成一个唯一的感应因子,并将该感应因子发送给核心分析子系统;
所述核心分析子系统用于将接收到的感应因子进行矩阵转化,对比矩阵转化后的感应因子,给出决策。
实施例2
如图2所示,本发明还提供一种无人驾驶车辆的智能决策系统,在实施例1的基础上,所述移动终端子系统包括:
至少一个终端采集器,用于实时采集路况信息数据,并把该路况信息数据上传给终端分析器;终端采集器为各种传感器或摄像头;
终端分析器,用于将接收到的路况信息数据生成一个唯一的感应因子,并将该感应因子上传给数据上传模块;
数据上传模块,用于将接收的感应因子发送给核心分析子系统。
移动终端子系统:主要是一套软件+硬件设备,运行在无人驾驶车辆上。主要由终端采集器、终端分析器和数据上传模块组成。终端采集器主要为可采集数据的感应器或摄像头等。终端采集器把采集到的感应数据传送到终端分析器,终端分析器把感应数据生成一个唯一的10位感应因子(第0位为标识符,数值是唯一的,第1~3位是坐标标识符,用来记录当前感应到的经纬度,第4~6为事件标识符,用来标识是感应到的是移动物体还是障碍物或者其他,第7~9为时间标识符,记录当前发生的时间,详细结构如图3所示)。
终端分析器生成感应因子后,再把此10位的感应因子通过数据上传模块发送到核心分析子系统,到此为止,整个移动终端子系统的工作完成。
所述云平台子系统包括:
至少一个云平台采集器,用于实时采集路况信息数据,并把该路况信息数据上传给云平台分析器;平台采集器为各种传感器或摄像头;
云平台分析器,用于将接收到的路况信息数据生成一个唯一的感应因子,并将该感应因子上传给实时分析云平台;
实时分析云平台,用于将接收的感应因子发送给核心分析子系统。
云平台子系统:由实时分析云平台、云平台分析器和相应的传感器、摄像头组成。传感器和摄像头会实时地对路况进行采集分析,把采集的路况信息数据发送到云平台分析器,云平台分析器根据时间、坐标,和传感器发送过来的信息生成感应因子,再发送到实时分析云平台,到此步云平台分析器的工作完成。实时分析云平台会把感应因子下发到对应的核心分析子系统,到此步实时分析云平台工作完成。
所述核心分析子系统包括分析模块,所述分析模块包括:
终端数据接收器,用于接收来自数据上传模块的感应因子,将接收到的感应因子进行矩阵转化,并将矩阵转化后的感应因子上传给决策分析矩阵单元;
云平台数据接收器,用于接收来自实时分析云平台的感应因子,将接收到的感应因子进行矩阵转化,并将矩阵转化后的感应因子上传给决策分析矩阵单元;
决策分析矩阵单元,用于对比矩阵转化后的感应因子,给出决策。
所述核心分析子系统还包括与分析模块连接的告警模块,所述告警模块用于将分析模块给出的决策对外进行提醒,对外进行提醒的方式包括语音和/或闪灯。
核心分析子系统:由分析模块和告警模块组成,运行在无人驾驶车辆上。
分析模块主要由平台数据接收器、终端数据接收器以及决策分析矩阵单元组成,平台数据接收器主要接收来自实时分析云平台的感应因子,终端数据接收器主要是接收来自数据上传模块的感应因子,平台数据接收器和终端数据接收器都把接收到的数据进行矩阵转化,矩阵转化为:
其中:a1为感应因子的标识; a2为时间因子;
a3为标准的地位坐标; a4为事件因子;
然后传给决策分析矩阵单元,决策分析矩阵单元对比感应因子,给出决策,发送给告警模块,告警模块再通过语音、闪灯等方式对外进行提醒等。
与现有技术相比,本发明的有益效果如下:
本发明主要实现了把实时分析云平台检测到的信息和无人驾驶车上传感器或摄像头检测到的信息转化为感应因子(提高了数据传输过程中的准确性),一起发送给核心分析子系统,核心分析子系统再根据分析模块做成双决策,提高了无人驾驶行驶中路况的识别率(以往无人驾驶系统只是单单靠车载自身传感器来识别路况),同时引入告警功能,把决策内容通过告警模块提醒路人。在核心分析子系统中,把数据接收器分为云平台数据接收器和终端数据接收器,这样可以大大提高数据的接收效率。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种无人驾驶车辆的智能决策系统,其特征在于,包括移动终端子系统、核心分析子系统和云平台子系统,移动终端子系统和核心分析子系统安装在无人驾驶车辆上,云平台子系统部署在云端;
所述移动终端子系统用于实时采集路况信息数据,将路况信息数据生成一个唯一的感应因子,并将该感应因子发送给核心分析子系统;
所述云平台子系统用于实时采集路况信息数据,将路况信息数据生成一个唯一的感应因子,并将该感应因子发送给核心分析子系统;
所述核心分析子系统用于将接收到的感应因子进行矩阵转化,对比矩阵转化后的感应因子,给出决策;
所述感应因子为10位感应因子,第0位为标识符,数值是唯一的,第1~3位是坐标标识符,用来记录当前感应到的经纬度,第4~6为事件标识符,用来标识感应到的是移动物体还是障碍物或者其他,第7~9为时间标识符,用来记录当前发生的时间。
2.根据权利要求1所述的无人驾驶车辆的智能决策系统,其特征在于,所述移动终端子系统包括:
至少一个终端采集器,用于实时采集路况信息数据,并把该路况信息数据上传给终端分析器;
终端分析器,用于将接收到的路况信息数据生成一个唯一的感应因子,并将该感应因子上传给数据上传模块;
数据上传模块,用于将接收的感应因子发送给核心分析子系统。
3.根据权利要求2所述的无人驾驶车辆的智能决策系统,其特征在于,所述云平台子系统包括:
至少一个云平台采集器,用于实时采集路况信息数据,并把该路况信息数据上传给云平台分析器;
云平台分析器,用于将接收到的路况信息数据生成一个唯一的感应因子,并将该感应因子上传给实时分析云平台;
实时分析云平台,用于将接收的感应因子发送给核心分析子系统。
4.根据权利要求3所述的无人驾驶车辆的智能决策系统,其特征在于,所述核心分析子系统包括分析模块,所述分析模块包括:
终端数据接收器,用于接收来自数据上传模块的感应因子,将接收到的感应因子进行矩阵转化,并将矩阵转化后的感应因子上传给决策分析矩阵单元;
云平台数据接收器,用于接收来自实时分析云平台的感应因子,将接收到的感应因子进行矩阵转化,并将矩阵转化后的感应因子上传给决策分析矩阵单元;
决策分析矩阵单元,用于对比矩阵转化后的感应因子,给出决策。
5.根据权利要求4所述的无人驾驶车辆的智能决策系统,其特征在于,所述核心分析子系统还包括与分析模块连接的告警模块,所述告警模块用于将分析模块给出的决策对外进行提醒。
6.根据权利要求5所述的无人驾驶车辆的智能决策系统,其特征在于,对外进行提醒的方式包括语音和/或闪灯。
7.根据权利要求4所述的无人驾驶车辆的智能决策系统,其特征在于,感应因子进行矩阵转化为:
其中:a1为感应因子的标识;a2为时间因子;
a3为标准的地位坐标;a4为事件因子。
8.根据权利要求2所述的无人驾驶车辆的智能决策系统,其特征在于,所述终端采集器为传感器或摄像头。
9.根据权利要求3所述的无人驾驶车辆的智能决策系统,其特征在于,所述平台采集器为传感器或摄像头。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710471322.8A CN107329471B (zh) | 2017-06-20 | 2017-06-20 | 一种无人驾驶车辆的智能决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710471322.8A CN107329471B (zh) | 2017-06-20 | 2017-06-20 | 一种无人驾驶车辆的智能决策系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107329471A CN107329471A (zh) | 2017-11-07 |
CN107329471B true CN107329471B (zh) | 2018-10-09 |
Family
ID=60195841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710471322.8A Active CN107329471B (zh) | 2017-06-20 | 2017-06-20 | 一种无人驾驶车辆的智能决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107329471B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107894768A (zh) * | 2017-11-13 | 2018-04-10 | 苏州睿安芯微电子有限公司 | 一种汽车自动驾驶系统及方法 |
CN108037760A (zh) * | 2017-12-12 | 2018-05-15 | 成都育芽科技有限公司 | 一种无人自动驾驶汽车自主运行控制方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100561540C (zh) * | 2008-05-14 | 2009-11-18 | 西安交通大学 | 一种基于车载无线传感器网络的交通路况信息处理方法 |
JP5160311B2 (ja) * | 2008-06-05 | 2013-03-13 | 株式会社Ihi | 自律移動装置及び自律移動装置の制御方法 |
CN101840634A (zh) * | 2010-03-26 | 2010-09-22 | 北京创毅视讯科技有限公司 | 一种基于物联网的城市实时路况交互系统、装置和方法 |
CN104309533A (zh) * | 2014-10-31 | 2015-01-28 | 成都众易通科技有限公司 | 一种车辆辅助驾驶系统 |
CN104580468B (zh) * | 2015-01-12 | 2019-02-26 | 重庆嗨驾科技有限公司 | 带智能管理系统的车辆 |
CN105292122B (zh) * | 2015-10-22 | 2018-07-06 | 四川膨旭科技有限公司 | 车辆行驶过程中对路况进行识别的方法 |
CN105446338B (zh) * | 2015-12-21 | 2017-04-05 | 福州华鹰重工机械有限公司 | 云辅助自动驾驶方法及系统 |
CN105788330A (zh) * | 2016-04-29 | 2016-07-20 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的实时路况预警方法和装置 |
CN106128140B (zh) * | 2016-08-11 | 2017-12-05 | 江苏大学 | 车联网环境下行车服务主动感知系统及方法 |
CN205910841U (zh) * | 2016-08-16 | 2017-01-25 | 徐婧 | 一种智能交通信息采集系统 |
CN106564501A (zh) * | 2016-08-16 | 2017-04-19 | 成都市和平科技有限责任公司 | 一种基于云技术的汽车智能辅助系统及方法 |
CN106846863B (zh) * | 2017-01-12 | 2020-05-05 | 叶昊 | 基于增强现实和云端智能决策的事故黑点警告系统及方法 |
-
2017
- 2017-06-20 CN CN201710471322.8A patent/CN107329471B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107329471A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10127818B2 (en) | Systems and methods for detecting and avoiding an emergency vehicle in the proximity of a substantially autonomous vehicle | |
KR101534056B1 (ko) | 교통 신호 맵핑 및 검출 | |
CN103723096B (zh) | 带有无线通信功能的驾驶辅助系统 | |
CN106598039B (zh) | 一种基于激光雷达的变电站巡检机器人避障方法 | |
KR102448358B1 (ko) | 자율주행 차량들을 위한 카메라 평가 기술들 | |
CN106125731B (zh) | 一种基于后方车辆行驶意图识别的无人驾驶车辆运动控制系统及方法 | |
CN106530782A (zh) | 一种道路车辆交通告警系统及其方法 | |
CN110837800A (zh) | 一种面向港口恶劣天气的目标检测和识别的方法 | |
CN110471415A (zh) | 具有自动驾驶模式的车辆及其控制方法和系统 | |
US11221399B2 (en) | Detecting spurious objects for autonomous vehicles | |
CN102737247A (zh) | 一种柴油车尾气烟度图像识别系统 | |
CN110097783A (zh) | 车辆预警方法及系统 | |
DE102021133349A1 (de) | Einsatzfahrzeugdetektionssystem und -verfahren | |
CN103018754A (zh) | 一种基于gps数据的拐弯识别方法 | |
CN112419773A (zh) | 一种基于云控平台的车路协同无人驾驶控制系统 | |
CN108766004A (zh) | 无人驾驶车辆的超车控制系统和方法 | |
CN110164163A (zh) | 便于环境能见度确定的方法和设备 | |
CN104786934A (zh) | 一种车辆行驶数据管理系统及实现方法 | |
US11250695B2 (en) | Method and device for providing a position of at least one object | |
CN104157160A (zh) | 车辆行驶控制方法、装置及车辆 | |
CN112466144A (zh) | 一种路网交通态势管控系统 | |
CN107329471B (zh) | 一种无人驾驶车辆的智能决策系统 | |
US10930145B2 (en) | Traffic system for predicting and providing traffic signal switching timing | |
CN107393311A (zh) | 一种车牌篡改识别装置及方法 | |
CN209479649U (zh) | 一种夜间智能辅助驾驶系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |