CN109062205A

CN109062205A - 人工智能汽车无人驾驶系统

Info

Publication number: CN109062205A
Application number: CN201810831707.5A
Authority: CN
Inventors: 弗朗西斯·李
Original assignee: Wuhan Water And Grass Energy Science And Technology Research And Development Center (limited Partnership)
Current assignee: Wuhan Water And Grass Energy Science And Technology Research And Development Center (limited Partnership)
Priority date: 2018-07-26
Filing date: 2018-07-26
Publication date: 2018-12-21

Abstract

本发明公开了一种人工智能汽车无人驾驶系统，包扩车辆大数据系统，道路与交通大数据系统，环境感知系统，导航系统以及驾驶与执行控制系统。车辆在公路上正常行驶时主要依靠多个摄像头所获得的图像来对汽车周围物体进行识别，测量这些物体在空间的坐标，为导航系统提供周围物体信息；采用至少一个远程毫米波雷达来探测远距离目标，尤其在能见度较差的情况下，比如夜晚或者大雾天气为导航系统提供远距预警信息；在车辆泊车时，利用多个近程超声波雷达探测车辆四周近距离障碍物，自动泊车系统提供充分的几何信息。物体识别主要依靠深度学习系统，搭配以模糊认知方法来实现加速物体识别速度，简化运算量，降低对硬件的要求，提高无人驾驶反应速度。

Description

人工智能汽车无人驾驶系统

技术领域

本发明涉及人工智能汽车。更具体地说，本发明涉及一种人工智能汽车无人驾驶系统。

背景技术

如今的人工智能汽车的环境感知系统，尤其是汽车周围物体识别与测量很大程度上都依赖激光雷达的扫描成像与测量，搭配摄像头来获取完整的周围环境物体在空间的分布信息；也有部分系统加配了毫米波雷达。无论激光雷达还是毫米波雷达都存在以下几个问题：1)硬件成本高；2)扫描成像速度慢；3)无法获取丰富的颜色信息；4)在完成所有扫描点形成完整图像之前难以采用模糊认知办法来简化图像识别，导致计算量庞大；等等。上述问题导致1)制造成本高昂，缺乏市场竞争力；2)目前的车载计算能力难以做到真正的无人驾驶，尤其是在复杂路况情况下的高速无人驾驶。

发明内容

为了实现根据本发明的这些目的和其它优点，本发明所要解决的技术问题是以低成本硬件来实现全天候、全路况、高速无人驾驶，其核心是可靠、快速探测汽车周围物体及其在空间的分布(空间坐标)，为车辆导航提供周围物体属性以及在空间的分布信息。汽车在行驶、暂停、泊车、出车等行动时需要很准确的知道车辆周围所有相关的物体，包扩移动的、静止的但是可能随时移动的、完全静止的各类大小物体，以及这些物体在空间几何分布(坐标)信息，更需要辨别交通指示信息，比如交通信号灯，指示牌等，以便汽车导航系统作出正确驾驶决定并指令相应的执行器执行，实现无人驾驶。

为了解决上述问题，本发明公开了一种人工智能无人驾驶系统，如图1所示，由以下5部分组成：

1)车辆大数据系统：其提供车辆性能、相关车辆行驶目的、路径、操作意图等方面的信息信息并将上述信息发送给导航系统。其中车辆自身的性能信息，比如最大加速度，最短制动距离，最小转弯半径，质量中心位置，车长、车宽、车高，轮距，离地净空等，可以储存在系统的数据库中，也可以通过无线通讯方式远程输送；相关车辆指行驶路径中可能出现在附近周围的所有其他车辆，及所有可能发生空间干涉的其他车辆，通过无线通讯方式获得这些车辆的行驶目的、路径、意图、位置、方向、速度等信息。所有上述信息都发送给导航系统；

2)道路与交通大数据系统：其通过无线通讯方式获取车辆行驶路径有关的地理、地图，道路禁行、限行、限速、限高、限重、限宽、维修，天气、景点、服务项目，路桥费用等信息，实时更新并发送给导航系统；

3)环境感知系统：其通过各种传感器获取车辆位置、行进方向、车速，环境天气(比如风、雨、雪、冰、雾、温度、湿度、海拔等)以及周围物体(比如建筑物、人、车、交通标示与信号等)信息并将上述信息发送给导航系统；

4)导航系统：其根据上述信息进行计算与判断，作出车辆需要应对的动作决定并发出动作指令给驾驶控制与执行系统；包扩：根据车辆大数据系统和道路与交通大数据系统获得的信息优化行驶路径；根据环境感知系统获得的信息确定车辆需要采取的动作；

5)驾驶与执行控制系统：其执行导航系统给出的动作指令完成车辆驾驶动作，包扩转向、前进、倒车、加(减速)、停车，开(关)照明灯、打信号灯，充电(加油)，驱动轮变换，开(关)车门、转动雨刷、清洗挡风玻璃、清洗摄像头等。

优选地，所述物体感知系统则包括物体探测系统、图像处理系统、物体识别系统、空间坐标计算系统；

其中，物体探测系统主要依靠摄像头所构成的获取物体图像，辅以近程雷达(SRR)和远程雷达(LRR)来探测近距离和远距离物体；摄像头所获取的图像经过图像处理与雷达获取的信息一起交付给物体识别系统进行物体属性识别，最后由空间坐标计算系统完成所有物体的大小尺寸以及其在空间坐标(位置)的计算；

所述摄像头布置车辆四周，每个空间至少有两个摄像头覆盖；所述近程雷达(SRR)用于覆盖车辆底部以及车辆四周5米以内的区域，其主要作用是探测摄像头不能覆盖的区域内近距离物体或者对于摄像头能够覆盖的区域内物体提进行再次确认，以增加可靠性；所述远程雷达(LRR)主要用于摄像头标定，对摄像头所探测的物体进行再次确认，尤其是在照明不佳或者大雾天气，视线不好的情况下，探测摄像头无法探测的远距离物体，以增加物体探测的可靠性；

所述图像处理系统对摄像头所获取图像进行过滤、还原、修正、补偿等各种前置处理之后再发送至物体识别系统；所述图像过滤、还原、修正、补偿等处理时采用模糊认知技术对图像内容进行简化，以大量减少图像处理与后续的物体识别计算量，提升图像处理与物体识别速度；

所述模糊认知技术包括但不限于对前一帧图像中已经出现的物体进行模糊简化处理；

所述物体识别系统采用深度学习和模糊认知技术对摄像头、SRR和LRR所获得的信息进行分析，识别物体属性(比如建筑物、树木、车辆、行人、动物、交通标示、信号灯、信息牌、马路沿、泊车位、冰、雪、水、气、油、泥、松软地基、坑、坎、钉等)；

所述空间坐标计算系统根据上述信息，对所有探测到的物体根据其属性、尺寸与空间位置排列优先顺序，并根据其优先顺序计算其尺寸与空间坐标，进而计算其运动方向与速度；

优选地，所述远程雷达(LRR)为毫米波雷达，作为一个选项，也可以采用激光雷达，布置在车辆前部或者顶部；

优选地，所述LRR安装在一个可以旋转的装置内；

优选地，可以同时将至少一个摄像头与LRR布置在一起，可以一起旋转；

优选地，所述旋转装置可以360度独立自由旋转，与车辆之间除了转动轴承固定连接之外，没有电线或者任何其他连接，利用电驱动或者气驱动实现高速旋转和精确定位，自带发电与无线数据传输功能。

本发明至少包括以下有益效果：

本发明公开了一种主要依靠摄像头，必要时辅以一个或者多个可以360度旋转的远程预警雷达(LRR)，来获取周围环境物体信息的人工智能无人驾驶系统。其主要优点是1)硬件成本低廉，具有无比的竞争力；2)成像不需要扫描，速度快；3)全方位获取重要的颜色信息；4)可以十分方便地进行图像预处理，比如图像简化处理等，大大减少图像传输与处理所需要的计算能力；5)能够十分方便的将模糊认知技术引入图像识别与物体空间坐标测量计算中，极大地减少图像识别与物体测量所需要的计算能力，使得车载计算机能够具备超人类智慧无人驾驶，尤其是在复杂路况下的高速无人驾驶的能力等。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1被前面或者侧前方车辆遮挡的行人横穿马路示意图；

图2从车辆底部透视被遮挡物体示意图；

图3通过地面反射探测被遮挡物体示意；

图4通过周边其他物体探测被遮挡物体示意图；

图5智能成像示意图具体实施方式；

图6为本发明实施案例2根据三角原理来计算的原理图；

图7为本发明实施案例2所述车辆转弯时图像过滤案例的原理图；

图8为本发明实施例2所述车辆向前方行进的图像过滤案例的原理图；

图9为本发明实施案例2所述模糊认知案例的原理图；

图10为本发明所述旋转体的结构示意图；

图11为本发明实施案例4的原理示意图；

图12为本发明实施案例5的引入压缩空气向支撑轴480内部充气的原理示意图；

图13为本发明实施案例5的单向阀的开启与关闭的原理示意图；

图14为本发明实施案例6的原理示意图。

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

如图1-14所示，本发明结合实施例1至实施6对发明内容作出说明。

实施案例1

如图1所示，本发明公开的人工智能无人驾驶系统由车辆大数据系统100，道路与交通大数据系统200，环境感知系统300，导航系统800，驾驶与执行控制系统900(转向执行器910、速度执行器920、其他执行器930)。车辆大数据100、道路与交通大数据200以及环境感知系统300为导航系统800提供足够输入信息，导航系统根据上述输入信息计算车辆最佳驾驶速度与方向，即加速与转向信息，连同一些其他需要协调的附属信息输出给驾驶与执行控制系统900，协调驾驶智能汽车1000的行驶。

道路与交通大数据系统100向导航系统800提供所有有关道路地理、天气、地图、道路、路况信息，比如通行、关闭、禁行、限行、限速、限停、限号、关卡、加油站、服务区、收费、道路维修等信息。导航系统需要这些信息来规划行程，选择、确定和修正行驶路径，控制行驶速度等。

车辆大数据系统200向导航系统800提供两部分信息：1)车辆识别信息，车辆与发动机各种信息，比如安全刹车距离，加速性能，最大安全直行速度，最大安全转弯角速度，车辆长度、宽度、轮距、最小转弯半径、质量中心位置，底盘通过高度，车辆总质量，油耗，车速、发动机转速、扭矩、维修保养。2)其他在道路上行驶的可能与自己车辆相关的其他车辆，比如现在在周围附近的其他车辆以及(在路径上)将来会出现在周围附近的其他车辆的定位、行驶目的与路径信息。第一类信息通过车辆自身的数据库以及CAN信号读取；第二类信号需要通过车辆互联网来获取。

环境感知系统300主要提供车辆定位信息，车辆周围环境信息，包扩周围所有物体的属性、空间分布、含义、运行速度与方向，周围环境温度，湿度，海拔高度，天气情况，比如风向、风速、雨、雪、雾，路面情况，比如干、湿、滑、冰、水、油路面，铺设情况，比如水泥、柏油、碎石、泥泞、松软路面等。

导航系统800根据上述系统所提供的信息进行计算并作出决策，向驾驶与执行控制系统900输出两个主要指令：加速与转向，另外附加一些辅助指令，比如转向灯，照明灯，轮廓灯，信号灯，清洗摄像头，旋转主摄像头和雷达，门窗控制等。

驾驶与执行控制系统900则由车辆驾驶控制系统与执行机构，比如油门与制动、转向、打灯、门窗开关上下等执行器组成。所述附属信息包括车速调节、车距调节、换道、超车、泊车等指令信息。

实施案例2

如图2～5所示，由多个摄像头，多个超声波雷达和一个毫米波雷达所组成的环境物体感知系统(以下简称环境感知系统)。在这个案例中，在车辆最高(顶部)位置布置有一个主摄像头C1和一个远程预警雷达(LRR)R1。C1与R1可以集成在一体，作为一个选项，可以由一个柱形旋转体(以下简称旋转体)400来承载。在必要时，旋转体400可以高速旋转并精确定位(定向)使C1和R1瞄准所需要的方向进行对远距离物体的探测。R1优选地采用毫米波雷达，也可以采用激光雷达，或者其他种类雷达。

在本案例中，如图2～3所示，除了C1与R1以外，车辆从上至下，分层布置有15个摄像头C2～C16，其中C2与C3分别布置在驾驶室内挡风玻璃左上角和右上角，都朝前方；C4与C5分别布置在车辆最前端(车头)上部左右角，分别朝左前方和右前方；C6～C9分别布置在车辆中部，比如后视镜部位(左右两个耳朵)的附近位置：C6与C7分别朝左前方和右前方；C8与C9分别朝左后方和右后方；C10～C13分别布置在车辆尾部左右角：C10与C11分别朝左侧和右侧；C12与C13分别朝左后方和右后方；C14与C15分别布置在车头下(靠近底部)左右角，都朝前方；C16布置在车辆尾部中间靠近底部位置。C1～C16可以是任何种类摄像头，比如具备微光感光功能的摄像头，红外感光摄像头等等。

另外，在车辆四周还配置有多个超声波近程雷达(SRR)R2～R13，如图4所示。

示意图2显示上述雷达与摄像头组合所产生的车辆周围覆盖效果：在车辆四周近距离，包扩车辆底部都由超声波雷达来探测所有物体；在稍远距离，比如1～200米范围内，车辆四周每一个空间都有至少2个摄像头覆盖，以便进行空间坐标测量，必要时可以转动主摄像头C1加强视觉与测量效果；对于远距离，比如100米以外的物体，尤其是前方物体，则利用主摄像头C1与LRR R1来进行探测，为车辆提供远距离预警。其中LLR R1优选地采用毫米波雷达，也可以选配激光雷达或者红外雷达等，可以在视线不良的环境，比如夜晚或者大雾天气，探测摄像头探测不到的，尤其是行驶前方道路上的可能会对车辆行驶造成安全隐患的物体，比如车辆、大块石头、深坑等障碍物。

图5显示摄像头与环境感知中央处理器(以下简称环境处理器)500的连接关系。各种摄像头C1～C16所获得的图像，各种雷达R1～R13所获得的测量信息，各种其他种类传感器所获得的信息比如环境温度、湿度、海拔、风向、风速、路面状态、路面摩擦系数，坡度，左右倾斜度。可以在本地进行预处理以后发送给环境处理器500，也可以直接发送至环境处理器500统一进行处理。具体办法取决于软硬件配置。环境处理器500至少包含了图像预处理系统550，图像识别系统600、几何坐标计算系统700、车辆定位系统800(北斗或者GPS)，等等。

摄像头在探测到物体后，由图像识别系统600进行物体属性识别分类，比如分为移动物体，如行人、车辆等；固定物体如树木、建筑物等，交通信号(灯)、标识牌(限速、弯道。)等。对于发现的物体根据其类别排列顺序，并按顺序对这些物体的主要轮廓点的空间坐标进行测量，确定其在空的分布，然后，根据不同时间所计算得到的空间坐标，来确定所有这些物体的运动轨迹，方向与速度。

物体的识别采用模糊认知+深度学习来进行。模糊认知主要包括但不限于几何模糊认知、颜色模糊认知、含义模糊认知以及模糊思维。深度学习包括但不限于神经网络、对比、跟踪等方法来学习和思维。

图像在经过预处理系统550，进行比如变形矫正，压缩或者解压，过滤等处理之后再交付给图像识别系统600识别。图像识别之后再传输至空间坐标计算系统700针对所有物体的主轮廓按优先顺序计算其轮廓点和关键点的空间坐标，并根据一个连续时间段的坐标变化来确定其运行轨迹、速度与方向。每一个点的空间坐标可以根据三角原理来计算(如图6所示)。

在图6显示的例子中，以摄像头C2与C3为例，假设C2与C3安装的轴线方向和两者之间的距离已知，通过对物体在C2和C3所获得的图片中显示的位置测量可以得出角度β1与β2，这样就可以得知α1与α2，这样利用三角原理就可以计算储物体离C2、C3以及C2与C3之间连线L0的距离L1，L2，L。

图像识别系统600将所有物体分为3大类，十几个至几十个小类。三大类分为，法规可以允许触碰并碾压穿过的物体，比如人行道划线，道路虚线等；法规不允许但是车辆可以触碰并碾压穿过的物体，比如导向岛斜线区域、分道实线等；车辆不可碰撞的物体，比如车辆、行人、车辆过不去的沟坎等。根据物体种类与空间分布的位置，图像识别系统600与空间坐标计算系统700将他们按需要优先处理的顺序进行排列。排列顺序的方法主要有以下几种：1)时间顺序，即按所有物体与车辆发生碰撞的时间先后顺序；2)空间顺序，前方优先，其次侧面，最后是后面；3)物体种类顺序，比如人优先，移动物体优先，交通信号优先。

图像预处理包扩还原、简化与调整、过滤、压缩与减压等。图像还原处理包扩对不清晰、缺失、不完整的图像进行还原；简化与调整处理包扩物体轮廓，颜色、灰度、对比度等进行简化与调整，便于识别；过滤则主要进行图像内容过滤，尤其是对于上一帧图中已经处理识别了场景和物体进行过滤；为了减少图像传输量，从摄像头C1～C16至环境处理器500的图像传输可以先压缩再减压。

部分或者全部摄像头可以自带图像预处理芯片，将图像进性预处理，以减少向环境处理器500传输图像的带宽需求，也可以分担环境处理器500的部分工作。当然，如果环境处理器500拥有足够的计算能力，而且摄像头向环境处理器500传输带宽充分满足图像传输要求，也可以不需要摄像进行任何与处理，直接将图像传送至环境处理器。至于怎样一个具体安排，完全取决于软硬件配置，性能与成本优化结果。

模糊认知与模糊思维的使用是本发明的一个极为重要的特征，其主要功能是简化、过滤图像中的内容，简化物体识别运算，简化几何测量运算，加速图像处理、物体识别与几何运算速度。模糊思维方法则主要应用在导航系统中的逻辑判断与决策。下面举例说明：

图7显示一个车辆转弯时图像过滤案例。在这个案例中，车辆向右转，图像内容一帧帧变化，比如从时间t1到时间t2再到时间t3，新内容不断从右边进来，旧内容不断从左边出去。过滤后的内容只需要保留从右边新进来的内容，t2和t3图中阴影部分之前已经处理过了，就不用传输也不用处理了。

图8显示一个车辆向前方行进的图像过滤案例。从时间t1至时间t2，新内容(虚线圈住车辆)不断从图像中间附近出现(放大)，旧内容不断从两边向下移出。对于上一帧途中已经识别的物体，只需要跟踪其运行轨迹即可，不再需要图像信息，因此可以过滤掉。

图9显示一个模糊认知案例，对于一辆行驶在高速公路上100m以外的车，假设我们已知车道宽为3.75m，我们通过比较车辆所处位置的车道在图像中视角宽度可以粗略估算车辆离摄像头的距离，整个车辆可以用一个几何点来代表。事实上，当距离足够远时，任何物体都可以用一个几何点来代表。

另一个模糊认知的案例是一排树木，或者一排停靠在路边的车，车道的边沿由这一排树木或者车辆来确定，此时图像处理与物体识别系统可以将所有树木或者车辆当做一个整体或者一个物体来进行处理和识别，最终以一条空间曲线来代表。

模糊认知，除了对于图像的处理与识别简化以外，还有以下一些特殊场景的应用，比如对于不需要识别物体的归类。车辆在实际行驶中，经常会碰到一些“不认识”的也不需要认识的物体，对这些物体只需要考虑其对车辆行驶是否有关，关系多大来进行分类。比如，对于一维物体，比如一条电线，车载的一根钢管，一根线材等。对于这类物体，在模糊认知物体识别中，只需要归类为一维物体即可。一维物体除了没有终端的，比如横跨马路的电缆以外，只需要跟踪两个终端即可。对于车载的一维物体，则只需要跟踪一个伸向车外的终端(点)即可。

实施案例3

如图10所示旋转体400，通过支撑轴480承载摄像头C1与LRR R1。该柱体400通过轴承410与415与车辆连接固定，这样旋转体400可以独立绕其轴自由旋转。柱体400内置一个或者多个永磁铁块420，外置线圈425带电时驱动旋转体400转动。在旋转体400内另外部位布置一个或者多个线圈435，与线圈435对位的部位外置一个或多个永磁铁430，线圈435在转动时发电为摄像头C1和LLR R1直接供电，或者通过为电池充电之后再由电池供电。显然，在这个案例中，通过调节驱动线圈425的驱动电流，就可以调节作用在旋转体上的旋转驱动扭矩。发电线圈435与永久性磁铁430的耦合则会产生制动力，拟制旋转体的旋转。这样通过调节驱动线圈425的驱动电流与发电(制动)线圈435的载荷电流，不但可以调节旋转体400的旋转速度，也可以控制旋转体400的转角(朝向)定位。如果需要十分精确的转角(朝向)定位，可以采用一个角度(朝向)传感器(未显示)来实现闭环控制，并以此来达到精确转角(朝向)定位。

C1与R1所获得的环境感知信息则通过局部无线通讯，比如蓝牙，方式传输至智能汽车系统的环境处理器。这样整个C1+R1系统与车辆除了固定轴承410与415连接以外，没有任何其他连接。

实施案例4

如图11所示，作为另外一种安排，将上述案例中的电磁驱动旋转变成压缩空气驱动旋转，则可以达到同样效果。在这个方案中，旋转体400内置一个涡轮420，与之对位部位配置一个压缩空气喷嘴425，向涡轮420喷射压缩空气，驱动旋转体400旋转。这个布置，对于需要高速旋转的应用，比如激光雷达的旋转，更为适合。显然，在这个案例中，通过调节压缩空气的喷射量(速度)可以十分便利的调节驱动扭矩的大小。与案例4中类似原理，这个安排同样可以调节旋转体400的旋转速度与定位。

实施案例5

如图12所示，在案例4或者案例5中，作为一种选项，承载C1和R1的支撑轴480做成可以升降的支撑轴480，在必要时C1与R1可以上下升降，便于C1与R1在适当的高度来探测周围物体。支撑轴升降的办法可以有许多，本发明公开了一种十分便利的办法。首先支撑轴由多层(节)空心但有滑槽的轴490套装在一起，这样每一节可以自由研滑槽向上伸出也可以向下缩回，使得其承载的C1与R1上下移动。缩回(下降)的驱动力量可以借助于C1与R1自身的重力。上升的驱动则利用一个单向阀460引入压缩空气向支撑轴480内部充气来实现。压缩空气可以采自汽车自带压缩空气源，也可以单独配置一个气泵470。

如图13所示，单向阀460主要由阀体461、阀芯462和复位弹簧463构成。在阀芯462下方是压缩空气喷嘴469，由于喷嘴469不与旋转体400有任何物理接触，因此不影响旋转体400自由旋转。当支撑轴480需要伸长时，由喷嘴469向单向阀芯喷射压缩空气，驱动阀芯向上运动，打开阀门，使得压缩空气充入支撑轴480内部，推动每节空心支撑轴469向上延伸。通过调节供气量可以调节C1与R1升起高度。当达到一定高度之后，关闭压缩空气向支撑轴内充气，单向阀芯462在弹簧463驱动下线下运动关闭阀门。C1+R1将会保持在现有高度不变。需要继续上升时，则继续充气，需要下降时只向阀芯喷射聚焦的压缩空气，此时，阀芯被打开，但是没有气流被冲充入支撑轴480内部，相反，内部气流在C1+R1重力驱动下被挤出，C1+R1则向下回缩。

作为另外一种安排，可以在单向阀内安排一个驱动线圈464，在C1+R1需要下降时利用驱动线圈464将阀芯462打开，支撑轴480部空气在C1+R1重力驱动下被挤出，C1+R1则向下回缩。

实施案例6

在本案例中，如图14所示，采用一个自带铁磁性的喷嘴465来取代非接触性喷嘴469。此时，磁性喷嘴465的气流口466由很多孔状物(网状物)组成。当支撑轴内需要充气(C1+R1需要升高)时，驱动线圈464带电产生磁场，将铁磁性材料做成的喷嘴465向上吸，气流口的网状物将阀芯向上抬起，此时压缩空气通过气管467和喷嘴465向支撑轴480内充气。当充气完毕，压缩空气管内空气供应停止，压力释放或者倒吸，驱动线圈465释放阀芯在弹簧463的驱动下向下运动，将阀门关闭。C1+R1需要下降时，利用驱动线圈464将喷嘴465向上吸，将阀芯462抬起，阀门打开，支撑轴480部空气在C1+R1重力驱动下被挤出，C1+R1则向下回缩。为了加速C1+R1下降，可以使供气泵470反抽，造成气管467内负压，加速C1+R1下降。

作为另一种安排，在这个案例中，阀芯462也可以由铁磁性材料做成，这样驱动线圈463也可以直接驱动阀芯462上下运动。

最后需要说明的是喷嘴465与气管467同轴套装连接，使得喷嘴465可以随旋转体400一起自由旋转，而气管467则不需要旋转。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims

1.一种人工智能汽车无人驾驶系统，其特征在于，包括车辆大数据系统，道路与交通大数据系统，环境感知系统，导航系统，驾驶与执行控制系统；上述车辆大数据系统、道路与交通大数据系统和环境感知系统将导航系统所需要的信息输入导航系统，然后由导航系统经过各种运算向驾驶与执行控制系统输出以下指令信息：加速、转向以及附属信息。

2.根据权利要求1所述人工智能汽车无人驾驶系统，其特征在于，除了获得自身车辆的有关性能信息之外，还通过车辆与车辆之间的联网来获得现在和未来可能出现在本车辆附近的所有其他车辆的行驶目的、路径、位置、方向与速度信息。

3.根据权利要求1所述人工智能汽车无人驾驶系统，其特征在于，通过数据库和互联网获得道路地理、地图，道路禁行、限行、限号、限速、限高、限重、限宽、费用、维修信息与实时更新。

4.根据权利要求1所述人工智能汽车无人驾驶系统，其特征在于，还包括物体感知系统、车辆定位系统以及其他环境信息感知系统；上述物体感知系统则至少包括图像处理系统，物体识别系统与几何坐标计算系统。

5.根据权利要求4所述人工智能汽车无人驾驶系统，其特征在于，所述物体感知系统主要用于：

车辆在道路上行驶时，主要采用覆盖车辆四周的多个摄像头对周围物体进行识别并测量，辅以至少一个远程雷达协助摄像头对周围物体的探测，尤其是在视线不好的情况下，对摄像头无法可靠探测的物体进行探测；对于上述摄像头与远程雷达覆盖不完全的车辆四周及底部近距离物体，采用多个近程雷达覆盖并对车辆周围近距离物体进行探测。

6.根据权利要求4所述人工智能汽车无人驾驶系统，其特征在于，所述图像处理系统与物体识别系统采用了深度学习和模糊认知办法来实现对物体的快速识别，包括属性与含义的识别。

7.根据权利要求6人工智能汽车无人驾驶系统，其特征在于，所述模糊认知办法包括物体颜色模糊认知、几何模糊认知、属性与含义模糊认知。

8.根据权利要求6所述人工智能汽车无人驾驶系统，其特征在于，所述模糊认知办法包括了对已经识别内容的跟踪与过滤办法。

9.根据权利要求6所述人工智能汽车无人驾驶系统，其特征在于，所述模糊认知办法包括了对物体空间轮廓简化与汇集的办法。

10.根据权利要求4人工智能汽车无人驾驶系统，其特征在于，所述几何坐标计算系统对于采用图像来识别的物体运用三角函数办法来获得这些物体上主要轮廓点的空间坐标的精确解析解。

11.根据权利要求4人工智能汽车无人驾驶系统，其特征在于，所述几何坐标计算系统对于采用图像来识别的物体运用模糊数学处理办法来进行获得这些物体上主要轮廓点的空间坐标的粗略模糊解，以减少运算量。

12.根据权利要求5人工智能汽车无人驾驶系统，其特征在于，至少有一个摄像头和一个远程雷达由同一个旋转体承载，该旋转体通过轴承与车辆连接，可以实现自由旋转、旋转角度的定位。

13.根据权利要求12人工智能汽车无人驾驶系统，其特征在于，所述旋转体在一个部位，内置有磁性材料，与外置线圈耦合，在该线圈通电时驱动旋转体旋转；在另一个部位，内置一线圈，与对位处外置永磁铁耦合，使得内置线圈旋转时发电，给旋转体承载的摄像头和LRR供电。

14.根据权利要求13人工智能汽车无人驾驶系统，其特征在于，通过调节驱动线圈电流和发电线圈载荷，可以控制旋转体的旋转速度。

15.根据权利要求12人工智能汽车无人驾驶系统，其特征在于，所述旋转体可以利用转角传感器来实现闭环控制，实现对旋转体的朝向精确定位。

16.根据权利要求12人工智能汽车无人驾驶系统，其特征在于，所述旋转体在一个部位，内置至少一个所述旋转体涡轮驱动装置，其为驱动涡轮，对位处配置至少一个压缩空气喷嘴向驱动涡轮喷射压缩空气，驱动涡轮转动，从而带动整个旋转体转动。

17.根据权利要求16人工智能汽车无人驾驶系统，其特征在于，所述旋转体涡轮驱动装置还配置有制动涡轮，当该喷嘴向制动涡轮喷射压缩空气时可以迅速减少旋转体转速直至停止。

18.根据权利要求16人工智能汽车无人驾驶系统，其特征在于，所述旋转体涡轮驱动装置释放压缩空气流量可以控制，实现对旋转体旋转速度的控制。

19.根据权利要求16人工智能汽车无人驾驶系统，其特征在于，所述旋转体涡轮驱动装置向旋转体下方释放高压空气，使旋转体浮起，在气浮作用下实现旋转，省旋转轴承或者减少轴承负荷。

20.根据权利要求12人工智能汽车无人驾驶系统，其特征在于，承载摄像头和远程雷达的轴可以向上方延伸或者宿回，使得摄像头与LRR不仅能够旋转而且还能够升降，变更高度；升降的驱动由至少一个充气装置向上述承载周内充气，推动多节同轴空心轴向上运动来实现。

21.根据权利要求20人工智能汽车无人驾驶系统，其特征在于，所述充气装置，包括一个单向阀，由至少一个压缩空气喷嘴将该单向阀打开并向承载轴内部充气。

22.根据权利要求21人工智能汽车无人驾驶系统，其特征在于，所述压缩空气喷嘴，可以调节喷射空气聚焦在单向阀阀芯上，只能将阀芯打开，让承载轴内压缩空气排出，并不向承载轴内充气。

23.根据权利要求21人工智能汽车无人驾驶系统，其特征在于，所述单向阀一个电磁线圈，带电时产生磁场，能将单向阀阀芯开启。

24.根据权利要求20人工智能汽车无人驾驶系统，其特征在于，所述充气装置，包括一个单向阀，阀内置一个电磁线圈，阀外部对位处有一个铁磁性材料制作的喷嘴，在上述线圈带电时将喷嘴吸附住，同时将单向阀阀芯打开，使得压缩空气向承载轴内不充气，与此同时该喷嘴与压缩空气供给管同轴套接，使得喷嘴能够随旋转体自由转动；上述压缩空气由压缩空气供给装置提供。

25.根据权利要求24人工智能汽车无人驾驶系统，其特征在于，所述压缩空气供给装置，在承载周需要缩回时，可以将压缩空气供应管内压力释放或者产生负压，使得承载轴内空气通过压缩空气供应管排出。