CN111984015B - 一种基于混合增强智能的自动驾驶车辆实现方法 - Google Patents
一种基于混合增强智能的自动驾驶车辆实现方法 Download PDFInfo
- Publication number
- CN111984015B CN111984015B CN202010867265.7A CN202010867265A CN111984015B CN 111984015 B CN111984015 B CN 111984015B CN 202010867265 A CN202010867265 A CN 202010867265A CN 111984015 B CN111984015 B CN 111984015B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- automatic driving
- driving vehicle
- sensor
- decision
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 230000008447 perception Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 75
- 230000006399 behavior Effects 0.000 claims description 58
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 abstract 1
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000010396 two-hybrid screening Methods 0.000 description 1
Images
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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于混合增强智能的自动驾驶车辆实现方法。其中自动驾驶车辆安装有车载传感器,并且配置有导航定位地图设备,以实现对道路环境的感知、导航、决策规划和控制技术;在路边靠近自动驾驶车辆的位置装有边缘计算服务器和路边智能传感器;自动驾驶车辆的智能特性主要通过车载传感器和路边传感器实现对道路环境的实时性感知,对感知的数据信息进行数据的理解、提取工作,并且进行自动驾驶车的行驶决策、路径规划工作;混合增强智能充分利用两种智能的各自的优点,全方位的实现对自动驾驶车辆具有较强的推理性功能,可以实现在复杂道路环境的感知,进而实现自动驾驶车辆的高效行驶安全性。
Description
技术领域
本发明涉及一种基于混合增强智能的自动驾驶车辆实现方法,属于人工智能的混合增强智能认知领域。
背景技术
随着人工智能技术的发展,自动驾驶车辆技术有了突破性的进步,成为未来汽车行业的主要发展方向。当前的自动驾驶车辆普遍以较为低速行驶在较为简单的交通场景,还不能普遍性的应用于实际的大多数道路环境,尽管诸如机器学习和深度学习等人工智能算法辅助自动驾驶车辆更好的感知环境,可是深度学习等人工智能算法无法对道路环境起到有效的推理、推断的能力,因此也就无法对复杂的道路环境进行感知和决策,某种程度上限制了自动驾驶车辆技术的发展。人类智能具有先天很强的学习能力和推断、推理能力,具有感知、决策复杂道路环境的能力,而混合增强智能就是将人类智能、人工智能与机器智能相互结合起来,其目的是充分利用各自的优点来达到实现自动驾驶车辆技术的能力,其具体表示方法是机器智能具有处理大数据的能力,而人类智能可以进行某种复杂的道路环境的推理、推断及预测能力,将二者的优点充分结合,可以便于自动驾驶车辆更快速的、更好的理解复杂道路环境的决策和感知及路径规划和控制的能力,因此,混合增强智能作为人工智能2.0中主要的发展方向,是未来人工智能技术在自动驾驶车辆的主要应用;另外随着5G技术的兴起,增强智能将人类和机器智能混合在一个重新设计的认知过程中,并且利用5G通信技术,可以获得比人类或机器单独能够实现的更好的结果,为促进自动驾驶车辆在普遍性道路环境的应用以及高速自动驾驶车辆的行驶提供了理论支撑和技术保障。
发明内容
本发明的目的是为了解决现有技术的不足,提供了一种基于混合增强智能的自动驾驶车辆实现方法,以实现人机更好的协作。
本发明的目的是这样实现的,一种基于混合增强智能的自动驾驶车辆实现方法,包括自动驾驶车辆,其特征是:
所述自动驾驶车辆上安装有激光雷达、摄像头、毫米波雷达和超声波雷达四类车载传感器以及导航定位地图设备,以实现对道路环境的感知、导航、决策规划和控制技术;所述自动驾驶车辆上还安装有人类智能处理系统;
在路边靠近自动驾驶车辆的位置装有包括边缘计算服务器、路边智能传感器;
车载传感器主要对环境进行实时性感知,而路边智能传感器是对道路交通环境进行全方位的全方位实时数据感知;
所述自动驾驶车辆通过车载传感器进行道路环境的感知,并且将信息融合后的传感器数据发送到边缘计算服务器中,同时,路边的路边智能传感器对道路行驶环境进行全方位的实时感知,并且将感知后的数据发送到临近的边缘计算服务器,在边缘计算服务器中进行车辆的决策行为数据提取工作和车辆的行驶预测,边缘计算服务器将决策行为数据和车辆的行驶预测结果发送到车辆、云计算中心;
所述人类智能处理系统接受来自边缘计算服务器的行驶行为的预测结果和路边传感器感知的全方位的数据信息,进行车辆的决策行为的实时推理和预测,并且将人类智能处理系统推理的信息发送给自动驾驶车辆决策,为自动驾驶车辆的行驶决策提供重要信息;
人类智能处理系统通过路边智能传感器探测到自动驾驶车辆自身的决策导致的行驶行为有趋向危险性时候,人类智能处理系统通过接收来自边缘计算服务器的数据信息,进行数据的推理和推断分析,并且将推理结果发送给边缘计算服务器和车辆的决策系统,进行自动驾驶车辆的决策行为的调整或者纠正,便于车辆的安全行驶;
人类智能处理系统对自动驾驶车辆传感器设备进行实时监控以及与路边服务器进行信息交互的作用,当自动驾驶车辆传感器存在设备故障时,人类智能处理系统根据车载传感器信息和路边传感器数据信息进行推理后得出推断性的结论,并且将推断性结论发送给边缘计算服务器和云计算中心,以确保自动驾驶车辆的安全性。
所述车载传感器包括激光雷达、摄像头、毫米波雷达和超声波雷达传感器。
路边智能传感器包括激光雷达传感器和摄像头传感器,激光雷达传感器和摄像头传感器与边缘计算服务器连接。
一种基于混合增强智能的自动驾驶车辆实现方法,包括以下步骤:
①边缘计算服务器不断接收来自自动驾驶车辆的车载传感器数据,对前后每组车载传感器数据进行对比分析,将分析后的数据信息发送到人类智能处理系统中;
②人类智能处理系统根据发送来数据信息进行推理、推断,当发现某种车载传感器探测的环境数据信息误差在未来一段时间内误差较大时,推断某种车载传感器设备存在故障的可能性,并提出进行设备故障维修的可行性时间,将自动驾驶车辆在此种车载传感器故障的前提下,车辆可能感知道路环境的运行周期进行预估,并将预估结果发送给边缘计算服务器,然后边缘计算服务器将数据信息卸载到云计算中心中;
③自动驾驶车辆的环境感知和决策行为,更多通过路边传感器对道路环境的感知后,在边缘计算服务器中将计算完毕的数据信息发送给人类智能处理系统,人类智能处理系统根据数据信息进行推理、推断,并且将推理、推断的数据结果发送到自动驾驶车辆的决策行为,作为主要决策行为的参考依据,并且实时纠正车辆自身的决策行为;
④云计算中心接收到人类智能处理系统推理的传感器故障的存在性,在后台将故障车辆信息对其余车辆发出预警,并且提供给未来自动驾驶车辆可以安全停止在某监测中心的实时性路径规划信息,通过边缘计算服务器发送给自动驾驶车辆;
⑤自动驾驶车辆根据云计算中心接受的实时性路径规划数据,和自身车辆的规划的路径进行误差的合理性对比,将根据最终安全的路径行驶,根据规划的路径停靠在自动驾驶车辆监测站中,以便更换坏掉的传感器及其设备;
⑥边缘计算服务器对来自自动驾驶车辆的所有传感器的数据采用机器学习方法进行数据理解,并且将处理完毕后实时性局部数据信息发送给人类智能控制器,人类智能控制器根据发送来局部数据信息进行推理、推断,当发现所有传感器探测的环境数据信息误差在未来一段时间内误差较大时,推断所有传感器设备存在故障的可能性时,将预估结果发送给边缘计算服务器,然后边缘计算服务器将数据信息卸载到云计算中心;
⑦自动驾驶车辆的环境感知和决策行为,依靠路边传感器、边缘计算服务器、人类智能处理系统和云计算中心实现;路边传感器将感知的数据发送给边缘计算服务器,边缘计算服务器快速计算完毕后,将处理完毕的数据信息发送给人类智能处理系统,同时,云计算中心将实时性的前方道路环境地图和边缘计算服务器存储的实时性高清地图数据信息发送给人类智能处理系统,人类智能处理系统根据处理完毕的数据信息进行道路环境的行驶决策行为,此时自动驾驶车辆的决策行为全都依靠人类智能处理系统的决策结果行驶;
⑧在自动驾驶车辆所有传感器失效的情况下,其路径规划会在边缘计算服务器中,根据人类智能处理系统发送的决策行为,进行路径规划,并且将路径规划的数据信息发送到车辆中,保证自动驾驶车辆的行驶安全性,进一步确保车辆安全停靠在路边。
自动驾驶车辆的所有的传感器都在发挥作用的条件下,自动驾驶车辆的行为决策、导航地图定位、路径规划主要依靠车辆自身的传感器设备完成各自层次的任务,而人类智能处理系统,为自动驾驶车辆的决策和路径规划的行为进行适当的调整或者纠正,尤其在复杂的道路环境下,此时需要人类智能处理系统根据路边的传感器对周围道路环境的实时感知数据信息,充分利用边缘计算服务器的功能,实现对自动驾驶的行驶行为决策的推理和推断能力。
本发明方法先进科学,通过本发明,提供的一种基于混合增强智能的自动驾驶车辆实现方法,(1)自动驾驶车辆上装有多种激光雷达、摄像头、毫米波雷达和超声波雷达、导航定位地图等传感器实现对道路环境的感知、导航、决策规划和控制技术;在路边靠近自动驾驶车辆的位置装有边缘计算服务器、路边智能传感器,例如激光雷达传感器和摄像头传感器;(2)自动驾驶车辆通过车载传感器进行道路环境的感知,并且将信息融合后的传感器数据发送到边缘计算服务器中,同时,路边的激光雷达和摄像头传感器对道路行驶环境进行全景的实时感知,并且将感知后的数据发送到临近的边缘计算服务器,并且在服务器中进行车辆的决策行为数据提取工作和车辆的行驶预测,将决策行为数据和车辆的行驶预测结果发送到车辆、云计算中心;(3)人类智能处理系统受来自边缘计算服务器的行驶行为的预测结果和路边传感器感知的全方位的数据信息,进行车辆的决策行为实时推理和预测,并且将人类智能处理系统推理的信息发送给自动驾驶车辆决策,为自动驾驶车辆的行驶决策提供重要信息;(4)人类智能处理系统通过路边传感器探测到自动驾驶车辆自身的决策导致的行驶行为有趋向危险性时候,便会给边缘计算服务器发送数据感知的计算信息,并且将数据发送到人类智能处理系统,人类智能处理系统完成推理和预测后,将推理和预测之后的行驶数据发送到自动驾驶车辆自身的感知数据中,进行自动驾驶车辆的决策行为的调整或者纠正,便于车辆的安全行驶;(5)人类智能处理系统对自动驾驶车辆传感器设备进行实时监控以及与路边服务器进行信息交互的作用,当自动驾驶车辆传感器存在设备故障时,人类智能处理系统根据车载传感器信息和路边传感器数据信息进行推理后得出推断性的结论,并且将推断性结论发送给边缘计算服务器和云计算中心,以确保自动驾驶车辆的安全性;(6)自动驾驶车辆的所有的传感器都在发挥作用的条件下,自动驾驶车辆的行为决策、导航地图定位、路径规划主要依靠车辆自身的传感器设备完成各自层次的任务,而人类智能处理系统,主要为自动驾驶车辆的决策和路径规划的行为进行适当的调整或者纠正。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明让自动驾驶车辆的智能进行数据的理解,而是让人类智能进行推理和推断,充分利用两种混合增强智能技术各自的优势之处,尤其面对各种复杂道路环境时,有助于更好的实现自动驾驶车辆的安全行驶和高速行驶;
2、针对人类智能处理系统对数据处理的弱点性,为更好的增强人类智能对行驶环境的正确推理、推断的能力,也同时在一些特定的复杂道路环境布置边缘计算服务器、路边传感器以及云计算中心设备,路边传感器犹如人的眼睛,为人类智能系统的推理能力提供有效的数据信息,这样可以确保自动驾驶车辆对道路环境的全面感知的能力,也同时减少了人类智能系统的处理复杂数据的计算能力,将其余的数据信息在这些设备中计算,充分利用5G技术,便于人类智能系统更全面的对复杂的行驶道路环境进行全面的正确推理、推断和预测;
3、基于人类智能处理系统和自动驾驶车辆系统组成的混合增强智能体系,当自动驾驶车辆传感器设备存在失效的情况下,依然可以利用人类智能处理系统和路边的计算设备、感知设备实现自动驾驶车辆的安全行驶,确保车辆安全停靠在路边。
附图说明
图1 为基于混合增强智能的自动驾驶车辆实现方法的示意图;
图2 为基于混合增强智能的自动驾驶车辆实现流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更清楚明白,对本发明的技术方案进行详细说明。
s1、车载传感器主要对环境进行实时性感知,而路边传感器主要是对道路交通环境进行全方位的全景实时数据感知。
s2、自动驾驶车辆通过激光雷达、摄像头、毫米波雷达和超声波雷达传感器进行道路环境的感知,并且将信息融合后的传感器数据发送到边缘计算服务器中;同时路边传感器探测的实时全景(全方位)道路环境信息例如视频数据、车道线信息及行人信息数据发送到边缘计算服务器,并且在边缘计算服务器中进行数据的提取和决策行为分析;并且最终的数据结果发送给车辆、云计算中心和有人操作的服务台中;
s3、自动驾驶车辆根据传感器融合后的数据进行车辆的决策行为预析,根据行驶的道路环境进行决策、路径规划和相应的控制层面的动作,确保自动驾驶车辆安全舒适的行驶;
s4、路边的激光雷达和摄像头传感器对道路行驶环境进行全方位的实时感知,并且将感知后的数据发送到临近的边缘计算服务器、云计算中心;并且将感知后的数据在边缘计算服务器中进行自动驾驶车辆的行驶预测;
5、人类智能处理系统受来自边缘计算服务器的行驶行为的预测结果和路边传感器感知的全方位的数据信息,进行车辆的决策行为实时推理和预测,并且将人类智能处理系统推理的信息发送给自动驾驶车辆决策,为自动驾驶车辆的行驶决策提供重要信息;
6、进一步,当人类智能处理系统通过路边传感器探测到自动驾驶车辆自身的决策导致的行驶行为有趋向危险性时候,便会给边缘计算服务器发送数据感知的计算信息,并且将数据发送到人类智能处理系统,人类智能处理系统完成推理和预测后,将推理和预测之后的行驶数据发送到自动驾驶车辆自身的感知数据中,进行自动驾驶车辆的决策行为的纠正,便于车辆的安全行驶;
7、进一步,边缘计算服务器不断接收来自自动驾驶车辆的传感器数据,对前后每组传感器数据进行对比分析,将分析后的数据信息发送到人类智能处理系统中;
8、进一步,人类智能处理系统根据发送来局部数据信息进行推理、推断,当发现某种传感器探测的环境数据信息误差在未来一段时间内误差较大时,推断某种传感器设备存在故障的可能性,并提出进行设备故障维修的可行性时间,将自动驾驶车辆在此种传感器故障的前提下,车辆可能感知道路环境的运行周期进行预估,并将预估结果发送给边缘计算服务器,然后边缘计算服务器将数据信息卸载到云计算中心中;
9、进一步,自动驾驶车辆的环境感知和决策行为,更多通过路边传感器对道路环境的感知后,在边缘计算服务器中将计算完毕的数据信息发送给人类智能处理系统,人类智能根据数据信息进行推理、推断,并且将推理、推断的数据结果发送到自动驾驶车辆的决策行为,作为主要决策行为的参考依据,并且实时纠正车辆自身的决策行为;
10、进一步,云计算中心接收到人类智能处理系统推理的传感器故障的存在性,在后台将故障车辆信息对其余车辆发出预警,并且提供给未来自动驾驶车辆可以安全停止在某监测中心的实时性路径规划信息,通过边缘计算服务器发送给自动驾驶车辆;
11、进一步,自动驾驶车辆根据云计算中心接受的实时性路径规划信息和自身车辆的规划的路径进行误差的合理性对比,将根据最终安全的路径行驶,规划的路径停靠在自动驾驶车辆监测站中,以便更换坏掉的传感器及其设备;
12、进一步,边缘计算服务器对来自自动驾驶车辆的所有传感器的数据采用机器学习方法进行数据理解,并且将处理完毕后实时性局部数据信息发送给人类智能处理系统,人类智能处理系统根据发送来局部数据信息进行推理、推断,当发现所有传感器探测的环境数据信息误差在未来一段时间内误差较大时,推断所有传感器设备存在故障的可能性时,将预估结果发送给边缘计算服务器,然后边缘计算服务器将数据信息卸载到云计算中心;
13、进一步,自动驾驶车辆的环境感知和决策行为,依靠路边传感器、边缘计算服务器、人类智能和云计算中心实现;路边传感器将感知的数据发送给边缘计算服务器,边缘计算服务器快速计算完毕后,将处理完毕的数据信息发送给人类智能处理系统,同时,云计算中心将实时性的前方道路环境地图和边缘计算服务器存储的实时性高清地图数据信息发送给人类智能处理系统,人类智能处理系统根据处理完毕的数据信息进行道路环境的行驶决策行为,此时自动驾驶车辆的决策行为全都依靠人类智能处理系统的决策结果行驶;
14、进一步,在自动驾驶车辆所有传感器失效的情况下,其路径规划会在边缘计算服务器中,根据人类智能处理系统发送的决策行为,进行路径规划,并且将路径规划的数据信息发送到车辆中,保证自动驾驶车辆的行驶安全性,进一步确保车辆安全停靠在路边;
15、自动驾驶车辆的所有的传感器都在发挥作用的条件下,自动驾驶车辆的行为决策、导航地图定位、路径规划主要依靠车辆自身的传感器设备完成各自层次的任务,而人类智能处理系统,主要为自动驾驶车辆的决策和路径规划的行为进行适当的调整或者纠正,尤其在复杂的道路环境,例如没有交通红绿灯的路口、各种隧道、城区道路环境以及恶劣天气下的道路环境,此时需要人类智能处理系统根据路边的传感器对周围道路环境的实时感知数据信息,充分利用边缘计算服务器的功能,实现对自动驾驶的行驶行为决策的推理和推断能力;
16、进一步,自动驾驶车辆通过人类智能的加入所形成的混合增强智能,来提高其行驶的安全性,并且将具有推理功能的人类智能处理系统推断的实时信息发送给有人操作的服务台,以此来实现全方位自动驾驶车辆在不同复杂道路环境的行驶。
尽管本发明的实施方案已公开,但其并不仅仅局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,因此在没有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所示出与描述的图例。
Claims (4)
1.一种基于混合增强智能的自动驾驶车辆实现方法,包括自动驾驶车辆,其特征是:
所述自动驾驶车辆上安装有车载传感器以及导航定位地图设备,以实现对道路环境的感知、导航、决策规划和控制技术;所述自动驾驶车辆上还安装有人类智能处理系统;
在路边靠近自动驾驶车辆的位置装有边缘计算服务器、路边智能传感器;
车载传感器主要对环境进行实时性感知,而路边智能传感器是对道路交通环境进行全方位的全方位实时数据感知;
所述自动驾驶车辆通过车载传感器进行道路环境的感知,并且将信息融合后的传感器数据发送到边缘计算服务器中,同时,路边的路边智能传感器对道路行驶环境进行全方位的实时感知,并且将感知后的数据发送到临近的边缘计算服务器,在边缘计算服务器中进行车辆的决策行为数据提取工作和车辆的行驶预测,边缘计算服务器将决策行为数据和车辆的行驶预测结果发送到车辆、云计算中心;
所述人类智能处理系统接受来自边缘计算服务器的行驶行为的预测结果和路边传感器感知的全方位的数据信息,进行车辆的决策行为的实时推理和预测,并且将人类智能处理系统推理的信息发送给自动驾驶车辆决策,为自动驾驶车辆的行驶决策提供重要信息;
人类智能处理系统通过路边智能传感器探测到自动驾驶车辆自身的决策导致的行驶行为有趋向危险性时候,人类智能处理系统通过接收来自边缘计算服务器的数据信息,进行数据的推理和推断分析,并且将推理结果发送给边缘计算服务器和车辆的决策系统,进行自动驾驶车辆的决策行为的调整或者纠正,便于车辆的安全行驶;
人类智能处理系统对自动驾驶车辆传感器设备进行实时监控以及与路边服务器进行信息交互的作用,当自动驾驶车辆传感器存在设备故障时,人类智能处理系统根据车载传感器信息和路边传感器数据信息进行推理后得出推断性的结论,并且将推断性结论发送给边缘计算服务器和云计算中心,以确保自动驾驶车辆的安全性;
基于混合增强智能的自动驾驶车辆实现方法包括以下步骤:
①边缘计算服务器不断接收来自自动驾驶车辆的车载传感器数据,对前后每组车载传感器数据进行对比分析,将分析后的数据信息发送到人类智能处理系统中;
②人类智能处理系统根据发送来数据信息进行推理、推断,当发现某种车载传感器探测的环境数据信息误差在未来一段时间内误差较大时,推断某种车载传感器设备存在故障的可能性,并提出进行设备故障维修的可行性时间,将自动驾驶车辆在此种车载传感器故障的前提下,车辆可能感知道路环境的运行周期进行预估,并将预估结果发送给边缘计算服务器,然后边缘计算服务器将数据信息卸载到云计算中心中;
③自动驾驶车辆的环境感知和决策行为,更多通过路边传感器对道路环境的感知后,在边缘计算服务器中将计算完毕的数据信息发送给人类智能处理系统,人类智能处理系统根据数据信息进行推理、推断,并且将推理、推断的数据结果发送到自动驾驶车辆的决策行为,作为主要决策行为的参考依据,并且实时纠正车辆自身的决策行为;
④云计算中心接收到人类智能处理系统推理的传感器故障的存在性,在后台将故障车辆信息对其余车辆发出预警,并且提供给未来自动驾驶车辆可以安全停止在某监测中心的实时性路径规划信息,通过边缘计算服务器发送给自动驾驶车辆;
⑤自动驾驶车辆根据云计算中心接受的实时性路径规划数据,和自身车辆的规划的路径进行误差的合理性对比,将根据最终安全的路径行驶,根据规划的路径停靠在自动驾驶车辆监测站中,以便更换坏掉的传感器及其设备;
⑥边缘计算服务器对来自自动驾驶车辆的所有传感器的数据采用机器学习方法进行数据理解,并且将处理完毕后实时性局部数据信息发送给人类智能控制器,人类智能控制器根据发送来局部数据信息进行推理、推断,当发现所有传感器探测的环境数据信息误差在未来一段时间内误差较大时,推断所有传感器设备存在故障的可能性时,将预估结果发送给边缘计算服务器,然后边缘计算服务器将数据信息卸载到云计算中心;
⑦自动驾驶车辆的环境感知和决策行为,依靠路边传感器、边缘计算服务器、人类智能处理系统和云计算中心实现;路边传感器将感知的数据发送给边缘计算服务器,边缘计算服务器快速计算完毕后,将处理完毕的数据信息发送给人类智能处理系统,同时,云计算中心将实时性的前方道路环境地图和边缘计算服务器存储的实时性高清地图数据信息发送给人类智能处理系统,人类智能处理系统根据处理完毕的数据信息进行道路环境的行驶决策行为,此时自动驾驶车辆的决策行为全都依靠人类智能处理系统的决策结果行驶;
⑧在自动驾驶车辆所有传感器失效的情况下,其路径规划会在边缘计算服务器中,根据人类智能处理系统发送的决策行为,进行路径规划,并且将路径规划的数据信息发送到车辆中,保证自动驾驶车辆的行驶安全性,进一步确保车辆安全停靠在路边。
2.根据权利要求1所述的一种基于混合增强智能的自动驾驶车辆实现方法,其特征是:所述车载传感器包括激光雷达、摄像头、毫米波雷达和超声波雷达传感器。
3.根据权利要求1所述的一种基于混合增强智能的自动驾驶车辆实现方法,其特征是:路边智能传感器包括激光雷达传感器和摄像头传感器,激光雷达传感器和摄像头传感器与边缘计算服务器连接。
4.根据权利要求1所述的一种基于混合增强智能的自动驾驶车辆实现方法,其特征是:自动驾驶车辆的所有的传感器都在发挥作用的条件下,自动驾驶车辆的行为决策、导航地图定位、路径规划主要依靠车辆自身的传感器设备完成各自层次的任务,而人类智能处理系统,为自动驾驶车辆的决策和路径规划的行为进行适当的调整或者纠正,在复杂的道路环境下,此时需要人类智能处理系统根据路边的传感器对周围道路环境的实时感知数据信息,充分利用边缘计算服务器的功能,实现对自动驾驶的行驶行为决策的推理和推断能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010867265.7A CN111984015B (zh) | 2020-08-26 | 2020-08-26 | 一种基于混合增强智能的自动驾驶车辆实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010867265.7A CN111984015B (zh) | 2020-08-26 | 2020-08-26 | 一种基于混合增强智能的自动驾驶车辆实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111984015A CN111984015A (zh) | 2020-11-24 |
CN111984015B true CN111984015B (zh) | 2022-09-09 |
Family
ID=73444024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010867265.7A Active CN111984015B (zh) | 2020-08-26 | 2020-08-26 | 一种基于混合增强智能的自动驾驶车辆实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111984015B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112770288B (zh) * | 2020-12-30 | 2022-07-05 | 山东高速信息集团有限公司 | 一种应用于高速公路场景下的车路协同系统运维系统及方法 |
CN113359752A (zh) * | 2021-06-24 | 2021-09-07 | 中煤科工开采研究院有限公司 | 一种井工煤矿料车自动驾驶方法 |
CN113895442B (zh) * | 2021-10-11 | 2023-08-01 | 苏州智加科技有限公司 | 一种基于路侧与车端协同感知的车辆行驶决策方法及系统 |
CN113879324B (zh) * | 2021-10-27 | 2023-04-07 | 三一专用汽车有限责任公司 | 智能驾驶车辆传感器故障处理方法及装置 |
CN114629936B (zh) * | 2022-03-14 | 2024-07-19 | 智道网联科技(北京)有限公司 | 自动驾驶域控制器复用方法、设备和计算机可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11218553B2 (en) * | 2018-03-05 | 2022-01-04 | Intel Corporation | Inter-MEC system communication for V2X services |
CN108407808A (zh) * | 2018-04-23 | 2018-08-17 | 安徽车鑫保汽车销售有限公司 | 一种汽车行驶智能预测系统 |
CN110874945A (zh) * | 2018-08-31 | 2020-03-10 | 百度在线网络技术(北京)有限公司 | 基于车路协同的路侧感知系统及其车辆控制方法 |
CN110568852A (zh) * | 2019-10-12 | 2019-12-13 | 深圳市布谷鸟科技有限公司 | 一种自动驾驶系统及其控制方法 |
CN110956837A (zh) * | 2019-11-18 | 2020-04-03 | 中云智网数据产业(常州)有限公司 | 一种基于城市交通的自动驾驶特种车辆的调度方法 |
CN111367292A (zh) * | 2020-03-20 | 2020-07-03 | 特路(北京)科技有限公司 | 自动驾驶汽车智能道路系统 |
-
2020
- 2020-08-26 CN CN202010867265.7A patent/CN111984015B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111984015A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111984015B (zh) | 一种基于混合增强智能的自动驾驶车辆实现方法 | |
JP7335350B2 (ja) | 例外処理のための遠隔操作 | |
US10983520B2 (en) | Teleassistance data prioritization for self-driving vehicles | |
JP6740480B2 (ja) | 自律走行車用の高度な脅威警告 | |
US12093043B2 (en) | Multi-controller synchronization | |
CN109808709B (zh) | 车辆行驶保障方法、装置、设备及可读存储介质 | |
US10202126B2 (en) | Teleassistance data encoding for self-driving vehicles | |
US20200050190A1 (en) | Multi-stage operation of autonomous vehicles | |
CN112230642B (zh) | 道路可行驶区域推理方法及装置 | |
CN108445885A (zh) | 一种基于纯电动物流车的自动驾驶系统及其控制方法 | |
CN106774291A (zh) | 一种自动驾驶电动汽车的电控系统 | |
CN108327717A (zh) | 一种人机共驾的车道偏离辅助系统及其车道偏离辅助方法 | |
CN110949406B (zh) | 一种智能驾驶系统及方法 | |
CN107867283A (zh) | 基于预测模型的集成式fcw/acc/aeb系统及车辆 | |
CN108614551A (zh) | 远端操作载具及其载具控制装置与控制方法 | |
CN110895877A (zh) | 一种车路驾驶任务智能化分配系统和方法 | |
CN108058706A (zh) | 一种车道保持系统及方法 | |
JP7456442B2 (ja) | 情報処理装置、および情報処理方法、並びにプログラム | |
CN114084158B (zh) | 一种自动驾驶冗余控制系统 | |
CN113844465B (zh) | 一种自动驾驶方法及系统 | |
CN109544725A (zh) | 一种基于事件驱动的自动驾驶事故智能处理方法 | |
CN111994075A (zh) | 一种基于人工智能的驾驶辅助方法 | |
CN111103882A (zh) | 一种无人驾驶电动汽车的自主跟车控制方法 | |
CN115158445A (zh) | 一种车辆转向冗余控制方法、系统、电子设备及存储介质 | |
CN111845724B (zh) | 一种自动驾驶车辆的避障方法、装置和车辆 |
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 |