CN113112840A - 一种基于车路协同的无人车超视距导航系统及方法 - Google Patents

Abstract

本发明提供一种基于车路协同的无人车超视距导航系统及方法，涉及无人驾驶技术领域。系统包括路端感知模块，路端感知模块用于获取道路和车辆数据；云计算模块，云计算模块用于根据所述路端感知模块获取的数据规划无人车路径，向无人车发出控制指令，控制无人车行驶。本发明通过设置于路端的路端感知模块获取道路和车辆信息，减少了无人车需要的传感器数量，有效降低了无人车的成本；云计算模块根据路端感知模块获取的数据规划无人车路径，向无人车发出控制指令，控制无人车行驶，无人车的路径规划和控制皆由云端完成，有效减少无人车的配置，降低成本。

Description

一种基于车路协同的无人车超视距导航系统及方法

技术领域

本发明涉及无人驾驶技术领域，具体地，涉及一种基于车路协同的无人车超视距导航系统及方法。

背景技术

在传统的无人车导航系统架构中，所有的传感器安装于单车上，以单车智能的形态感知周边的环境，获得自定位信息，从而判断未来驾驶的方向和相关的控制信息，实现无人车的导航。此种方式由于每辆无人车都需要装上大量的传感器，成本高昂。

而车路协同的方式，可以为单车智能提供更好的感知、定位结果，同时通过一定的算法形式，降低单车智能的造价，提升整个系统的性价比。

但是在目前的技术中，均是使用单车智能实现在一定区域内的调度，而通过车路协同的方式，仅仅增加通信来增加单车感知的范围，并没有充分发挥路段的功能，也没有降低无人车的成本。

公开号为CN111476999A的中国发明“基于车路多传感器协同的智能网联汽车超视距感知系统”提供了一种基于车路多传感器协同的智能网联汽车超视距感知系统，包括：路侧子系统、车载子系统、通讯子系统和CPU子系统共四个子系统。该系统通过运用多种传感器分别采集车辆周围环境数据以及远端道路信息，将车辆周围环境信息与远端道路信息进行匹配，使得车辆在实现对周围环境的精细感知的同时，对视野外目标进行感知，获得前方道路交通状况，获取天气状况、前方路面状况等信息，从而智能网联汽车实现在更高视角和更广范围上超视距感知。

该发明专利在更高视角和更广范围上实现了超视距感知。然而，该系统是将路侧子系统采集的道路周围的环境数据和车载子系统采集的车辆周围环境信息及定位数据进行融合，无人车上仍需装有部分传感器，成本高昂。

公开号为CN110874945A的中国发明“基于车路协同的路侧感知系统及其车辆控制方法”公开了一种基于车路协同的路侧感知系统及其车辆控制方法，该系统包括智能路侧设备包括路侧感知模块、路侧处理模块和路侧通信模块；路侧感知模块包括传感器，用于采集目标车辆的周围环境信息；路侧处理模块，用于对采集的周围环境信息进行融合处理，以形成道路环境信息；路侧通信模块，用于将道路环境信息发送给目标车辆；目标车辆包括驾驶行为决策模块；驾驶行为决策模块，用于根据道路环境信息进行路径规划，并根据路径规划结果进行自动驾驶。由此，使得道路上的普通车辆可通过与智能路侧设备进行交互即可实现自动驾驶，有效降低了在车辆上配置感知系统的整车成本，有效降低了智能交通系统成本。

该发明专利通过路侧感知模块采集目标车辆的周围环境信息，通过路侧处理模块，用于对采集的周围环境信息进行融合处理，以形成道路环境信息，并通过路侧通信模块将道路环境信息发送给目标车辆，有效降低了在车辆上配置感知系统的整车成本。然而，该发明路径规划由目标车辆驾驶行为决策模块完成，对于多车协同行驶来说，每个无人车设置一个驾驶行为决策模块会增加成本，且无法协调调度所有的无人车。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种减少无人车传感器的数量，实现超视距导航，由云端协调控制无人车行驶的基于车路协同的无人车超视距导航系统及方法。

根据本发明的一个方面，提供一种基于车路协同的无人车超视距导航系统，包括：

路端感知模块，获取道路和车辆的点云信息和图像信息；

路端处理模块，根据所述路端感知模块的点云信息和图像信息进行处理，得到车辆的检测ID结果、车辆的局部定位结果和局部坐标系下道路建模结果；

云计算模块，将所述路端感知模块获取的原始点云信息和图像信息进行拼接，形成全路段的点云感知信息和图像感知信息以便显示管理；所述云计算模块还将上述路端处理模块处理得到的局部结果实时整合为全局坐标系下的结果，从而形成全局坐标系下的所有感知到的车辆的ID分布、车辆的定位分布和道路的建模结果，再根据该全局的结果，实时规划无人车路径，向无人车发出控制指令，控制无人车行驶。

优选地，所述路端感知模块包括激光雷达和摄像头，分别用于获取道路和车辆的点云信息和图像信息。

优选地，所述云计算模块将所述路端处理模块的结果进行实时的计算，从而感知整个道路的环境以及各个无人车的情况，包括道路的车辆运行情况，单车的精确位置，单车接下来的规划路径，每辆单车接下来的横向和纵向控制指令。

优选地，系统还包括标志物，所述标志物设置于无人车上，所述标志物用于所述云计算模块对无人车进行识别。

优选地，系统还包括通信模块，所述通信模块包括路端5G通信模块和车端5G通信模块，所述路端5G通信模块用于将所述路端感知模块的数据传输至所述云计算模块，所述车端5G通信模块用于接收所述云计算模块发出的控制指令。

优选地，系统还包括无人车系统模块，所述无人车系统模块用于接收所述云计算模块发出的控制指令，控制无人车行驶。

根据本发明的另一个方面，提供一种基于车路协同的无人车超视距导航方法，包括：

采用布设在道路端的传感器获取道路和车辆的点云信息和图像信息，并经处理得到车辆的检测ID结果、车辆的局部定位结果，和局部坐标系下道路建模结果；

将获取道路和车辆数据上传到云端，云端将获取的原始点云信息和图像信息进行拼接，形成全路段的点云感知信息和图像感知信息以便显示管理；云端还将上述处理得到的局部结果实时整合为全局坐标系下的结果，从而形成全局坐标系下的所有感知到的车辆的ID分布、车辆的定位分布和道路的建模结果，再根据该全局的结果，实时规划无人车路径，向无人车发出控制指令，控制无人车行驶。

优选地，所述采用布设在道路端的传感器获取道路和车辆数据，包括：

采用激光雷达直接通过激光扫描方式，获取道路、车辆的三维空间点云信息；

采用摄像头直接获取道路、车辆的二维图像信息；

根据上述激光雷达、摄像头获取的点云和图像数据，经过标定参数的处理，得到车辆的检测ID结果、车辆的局部定位结果，和局部坐标系下道路建模结果。

优选地，所述方法中，获取的道路和车辆数据采用路端5G通信模块传输至所述云端，同时，采用车端5G通信模块接收所述云端发出的控制指令。

优选地，所述方法中，在所述无人车上设置用于识别的唯一标志物，根据所述无人车的标志物确定无人车的身份，实现每辆无人车的定位，规划无人车的行驶路径。

与现有技术相比，本发明具有如下至少一种有益效果：

1.本发明上述系统及方法，通过设置于路端的路端感知模块获取道路和车辆信息，减少了无人车需要的传感器数量，有效降低了无人车的成本；

2.本发明上述系统及方法，通过云计算模块将路端感知模块获取的点云信息和图像信息进行拼接，形成全路段的点云感知信息和图像感知信息，无人车通过获取全路段信息，实现超视距导航；

3.本发明上述系统及方法，云计算模块根据路端感知模块获取的数据规划无人车路径，向无人车发出控制指令，控制无人车行驶，无人车的路径规划和控制皆由云端完成，有效减少无人车的配置，降低成本；

4.本发明上述系统及方法，设置标志物，云计算模块根据路端感知模块获取的标志物信息，可以确定每辆无人车的身份和位置，从而实现多辆无人车的协调调度。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一实施例的基于车路协同的无人车超视距导航系统示意图；

图2为本发明一实施例的基于车路协同的无人车超视距导航系统方法流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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。

如图1所示，为本发明一实施例的一种基于车路协同的无人车超视距导航系统。该系统主要分路端和云端两部分，具体包括：路端感知模块、路端处理模块和云计算模块，其中，路端感知模块获取道路和车辆的点云信息和图像信息；路端处理模块，根据路端感知模块的点云信息和图像信息进行处理，得到车辆的检测ID结果、车辆的局部定位结果和局部坐标系下道路建模结果；云计算模块将路端感知模块获取的原始点云信息和图像信息进行拼接，形成全路段的点云感知信息和图像感知信息方便系统进行显示管理，该过程可以非实时；云计算模块还将上述路端处理模块处理得到的局部结果实时整合为全局坐标系下的结果，从而形成全局坐标系下的所有感知到的车辆的ID分布、车辆的定位分布和道路的建模结果，再根据该全局的结果信息，实时规划无人车路径，向无人车发出控制指令，控制无人车行驶。

本实施例中，路端感知模块包含多种传感器，可以通过智慧灯杆安装于路边，相隔一定距离安装一组，并对所有的传感器进行联合标定，从而让路段所有传感器感知的结果能够准确的融合在一起。路端感知模块探测道路环境，进行局部道路建模；识别车辆的ID以及局部定位车辆。

本发明实施例通过路端多激光雷达和摄像头传感器，进行数据融合，从而可以防止检测上的遮挡，提升车辆识别和定位的精度。路端感知模块实现车辆的ID识别以及车辆的局部定位、道路的局部建模；云计算模块在此基础上，进一步实现车辆的全局定位和道路的全局建模。

现有技术中，传感器例如毫米波雷达、激光雷达、摄像头等常设置于无人车上，路端设置处理模块接收无人车发送来的道路环境感知数据，并将其发送给其他无人车，形成无人车的超视距感知。然而，此种方式需要在每辆无人车上均设置大量的传感器，成本较为高昂。本发明中将传感器设置于路端，由路端感知模块感知道路环境和车辆数据，并经由云计算模块发送给无人车，有效减少了系统成本。同时，利用云计算优秀的数据处理能力，能更好地提供实时导航服务。在上述实施例中，云计算模块、路端感知模块和无人车之间进行单独通讯，通讯方式包括5G、DSRC或WIFI等。优选基于5G通信模块的通讯，这样可以将路段感知的结果形成的车辆控制信息快速发送到车端，控制无人车。5G通信模块包括路端5G通信模块和车端5G通信模块，路端5G通信模块用于将路端感知模块的数据传输至云计算模块，车端5G通信模块用于接收云计算模块发出的控制指令。

上述实施例的系统，通过在路端感知模块设置传感器，单辆无人车的传感器需求量大大降低，从而降低了单车无人车的价格；通过设置路端感知模块进行融合标定，可以将全路段的情况尽收眼底，实现超视距导航；同时，全系统既能兼顾单辆无人车的控制，同时能完成所有无人车的调度工作。

具体的，云计算模块接收路端感知模块发送的道路和车辆数据，进行实时计算，感知整个道路的环境和各个无人车的情况，包括道路的车辆运行情况，单车的精确位置，单车接下来的规划路径，每辆单车接下来的横向和纵向控制指令；并将横向和纵向控制指令发送给无人车，控制无人车进行自动驾驶。

道路的感知数据的处理、无人车的识别定位由路端处理模块处理完成。而无人车的自动控制均由云计算模块完成，而非每辆无人车接收道路数据后自行计算完成，有助于减少无人车的配置，有效减少无人车成本。同时，对于多辆无人车的路径规划，由云计算模块统一完成，实现多无人车协同行驶。

在一优选实施例中，路端感知模块包括激光雷达和摄像头，激光雷达直接通过激光扫描方式，获取道路、车辆的三维空间点云信息；摄像头直接获取道路、车辆的二维图像信息；根据激光雷达、摄像头获取的点云和图像数据，经过标定参数的处理，映射到局部坐标下，得到道路和车辆的在局部坐标系下的点云信息和图像信息并进行处理。

在一实施例中，当车辆外观基本一致时，可以在无人车上设置标志物用于云计算模块对无人车进行识别。比如，标志物可以采用二维码，具体可以安装在车顶上，形成车辆的唯一标志物，从而对车辆的ID号进行识别。当然，在其他实施例中，标志物也可以是其他的指定图案或文字等标志物，可以设置在车顶，也可以安装在车身的其他地方，在被路端感知模块中摄像头拍摄传给云计算模块后，能够被云计算模块识别出来、并作为该无人车的唯一标志物即可。从而能够准备完成对各无人车的区分以及各无人车的具体定位、导航。

为了配合上述的导航系统，在上述路端感知模块、云计算模块对应的完成上述工作后，在无人车上还设有无人车系统模块，该无人车系统模块用于接收云计算模块发出的控制指令，控制无人车行驶。具体地，控制指令可以包括但不限于横向和纵向控制指令。

参照图2所示，在本发明另一实施例中，还提供一种基于车路协同的无人车超视距导航方法，包括以下步骤：

S100,采用布设在道路端的传感器获取道路和车辆数据；

S200,将获取道路和车辆数据上传到云端，在云端进行实时计算规划无人车路径，向无人车发出控制指令，以控制无人车行驶。

上述实施例中，道路端的路端感知模块包括多种类型的传感器，主要用于获取道路和车辆的点云信息和图像信息，通过路端处理模块处理获取车辆的检测ID结果、车辆的局部定位结果，和局部坐标系下道路建模结果，然后通过通信模块将结果上传到云端。云端将路端感知模块获取的原始点云信息和图像信息进行拼接，形成全路段的点云感知信息和图像感知信息。云计算模块还将上述路端处理模块得到的局部结果进行实时整合，整合为全局坐标系下的结果，从而形成全局坐标系下的所有感知到的车辆的ID分布、车辆的定位分布和道路的建模结果。其中，通过多路端的传感器结果融合，可以避免遮挡带来的检测误差，提升车辆的检测和定位精度。

在一优选实施例中，当车辆外观基本一致时，可以在无人车上设置标志物用于对无人车进行识别，即实现每辆无人车的定位，规划无人车的行驶路径，从而能够准备完成对各无人车的区分以及各无人车的具体定位、导航。具体标志物的选择、安装以及识别与上述系统实施例中相同，在此不再赘述。

为了更好说明本发明的技术方案，以下在上述实施例中的基于车路协同的无人车超视距导航系统和方基础上，对整个系统的使用和方法的实现提供应用说明。具体的，在一应用实例中基于车路协同的无人车超视距导航可以参照以下流程执行：

step1:系统启动，路端感知模块开始感知全路段的环境情况和无人车位置情况；

step2：路端处理模块处理点云信息和图像信息，获得局部坐标系下的车辆的ID、车辆定位和道路建模结果，并将结果通过5G终端上传到云端；

step3：云端开始将所有的局部坐标系下的结果进行拼接，形成全路段的检测结果；同时，将路端感知模块获取的原始点云信息和图像信息进行拼接，形成全路段的点云感知信息和图像感知信息以便显示管理；

step4：云端提取全局坐标系中的无人车ID信息，确定每辆无人车的身份，通过多传感器结果进行融合，防止遮挡的影响，提升检测和定位精度，然后在全局坐标系中实现每辆特定车辆的定位；

step5：云端同步计算每辆无人车的行驶轨迹和控制参数，实现无人驾驶且全系统协作驾驶；

step6：5G通信终端将计算好的控制参数发送到每一辆指定的车辆的5G终端接收机；

step7：每辆无人车通过5G接收端接收到控制参数后，执行单元执行相应的控制参数，实现无人驾驶；

step8：重复step1-step7。

上述实施例中的无人车，可以是无人物流车，也可以是其他无人车辆。

本发明上述实施例中的基于车路协同的无人车超视距导航方法，在一条运营线中，可以将单车上的部分传感器所负责的功能转移到路端设备中，形成共享传感器的能力，同时车辆能感知到超出单车智能以外的视野的感知结果；云计算模块将道路端上传的感知数据进行实时的计算，从而感知整个道路的环境以及各个无人车的情况，包括道路的车辆运行情况，单车的精确位置，单车接下来的规划路径，每辆单车接下来的横向和纵向控制指令，从而实现超视距的导航以及单车无人车的无人化行驶。

本发明上述实施例，通过设置于路端的路端感知模块获取道路和车辆信息，减少了无人车需要的传感器数量，有效降低了无人车的成本；云计算模块根据路端感知模块获取的数据规划无人车路径，向无人车发出控制指令，控制无人车行驶，无人车的路径规划和控制皆由云端完成，有效减少无人车的配置，降低成本。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。上述各优选特征在互不冲突的情况下，可以任意组合使用。

Claims (10)

1.一种基于车路协同的无人车超视距导航系统，其特征在于，包括：

路端感知模块，获取道路和车辆的点云信息和图像信息；

路端处理模块，根据所述路端感知模块的点云信息和图像信息进行处理，得到车辆的检测ID结果、车辆的局部定位结果和局部坐标系下道路建模结果；

云计算模块，将所述路端感知模块获取的原始点云信息和图像信息进行拼接，形成全路段的点云感知信息和图像感知信息以便显示管理；所述云计算模块还将上述路端处理模块处理得到的局部结果实时整合为全局坐标系下的结果，从而形成全局坐标系下的所有感知到的车辆的ID分布、车辆的定位分布和道路的建模结果，再根据该全局的结果，实时规划无人车路径，向无人车发出控制指令，控制无人车行驶。

2.根据权利要求1所述的一种基于车路协同的无人车超视距导航系统，其特征在于，所述路端感知模块包括激光雷达和摄像头，分别用于获取道路和车辆的点云信息和图像信息。

3.根据权利要求2所述的一种基于车路协同的无人车超视距导航系统，其特征在于，所述云计算模块将所述路端处理模块的结果进行实时的计算，从而感知整个道路的环境以及各个无人车的情况，包括道路的车辆运行情况，单车的精确位置，单车接下来的规划路径，每辆单车接下来的横向和纵向控制指令。

4.根据权利要求3所述的一种基于车路协同的无人车超视距导航系统，其特征在于，还包括标志物，所述标志物设置于无人车上，所述标志物用于所述云计算模块对无人车进行识别。

5.根据权利要求3所述的一种基于车路协同的无人车超视距导航系统，其特征在于，还包括通信模块，所述通信模块包括路端5G通信模块和车端5G通信模块，所述路端5G通信模块用于将所述路端感知模块的数据传输至所述云计算模块，所述车端5G通信模块用于接收所述云计算模块发出的控制指令。

6.根据权利要求3所述的一种基于车路协同的无人车超视距导航系统，其特征在于，还包括无人车系统模块，所述无人车系统模块用于接收所述云计算模块发出的控制指令，控制无人车行驶。

7.一种基于车路协同的无人车超视距导航方法，其特征在于，包括：

采用布设在道路端的传感器获取道路和车辆的点云信息和图像信息，并经处理得到车辆的检测ID结果、车辆的局部定位结果，和局部坐标系下道路建模结果；

将获取道路和车辆数据上传到云端，云端将获取的原始点云信息和图像信息进行拼接，形成全路段的点云感知信息和图像感知信息以便显示管理；云端还将上述处理得到的局部结果实时整合为全局坐标系下的结果，从而形成全局坐标系下的所有感知到的车辆的ID分布、车辆的定位分布和道路的建模结果，再根据该全局的结果，实时规划无人车路径，向无人车发出控制指令，控制无人车行驶。

8.根据权利要求7所述的一种基于车路协同的无人车超视距导航方法，其特征在于，所述采用布设在道路端的传感器获取道路和车辆数据，包括：

采用激光雷达直接通过激光扫描方式，获取道路、车辆的三维空间点云信息；

采用摄像头直接获取道路、车辆的二维图像信息；

根据上述激光雷达、摄像头获取的点云和图像数据，经过标定参数的处理，得到车辆的检测ID结果、车辆的局部定位结果，和局部坐标系下道路建模结果。

9.根据权利要求8所述的一种基于车路协同的无人车超视距导航方法，其特征在于，获取的道路和车辆数据采用路端5G通信模块传输至所述云端，同时，采用车端5G通信模块接收所述云端发出的控制指令。

10.根据权利要求8所述的一种基于车路协同的无人车超视距导航方法，其特征在于，在所述无人车上设置用于识别的唯一标志物，根据所述无人车的标志物确定无人车的身份，实现每辆无人车的定位，规划无人车的行驶路径。

Images