CN116182879A - 一种智能自动驾驶系统 - Google Patents

Abstract

本发明公开了一种智能自动驾驶系统，属于自动驾驶技术领域，用于解决现有的无人驾驶定位导航安全问题；包括定位模块和导航模块；所述定位模块用于基于驾驶区域生成对应的定位导航图；所述导航模块用于对车辆进行无人导航控制，根据车辆位置和目的地确定各待选导航路线；获取各所述待选导航路线对应的导航值和各待选方案，进行各待选导航路线和待选方案的优先级评估，获得对应的目标导航路线和目标方案；按照所述目标导航路线和目标方案进行车辆的无人导航控制；通过定位模块和导航模块之间的相互配合，实现对自动驾驶控制；并通过定位模块实现对各地区不同实地情况下的定位技术整合，极大的提高导航定位精度。

Description

一种智能自动驾驶系统

技术领域

本发明属于自动驾驶技术领域，具体是一种智能自动驾驶系统。

背景技术

自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

为了实现无人驾驶的安全行驶，需要具有一个高精度的位置定位功能，因为行驶环境的复杂性，驾驶环境可以大致分为室内环境和室外环境；但是，当前主流的各种定位系统，如GPS、北斗等定位系统，其主要适用的为室外环境的定位，对于室内环境的定位，其定位精度将会降低，不利于无人驾驶的安全导航，因此，为了解决现有的无人驾驶定位导航安全问题，本发明提供了一种智能自动驾驶系统。

发明内容

为了解决上述方案存在的问题，本发明提供了一种智能自动驾驶系统，以解决现有的无人驾驶定位导航安全问题。

本发明的目的可以通过以下技术方案实现：

一种智能自动驾驶系统，包括定位模块和导航模块；

所述定位模块用于基于驾驶区域生成对应的定位导航图。

进一步地，定位导航图的生成，包括：

确定驾驶区域对应的目标定位技术，建立定位技术库，基于各目标定位技术设置对应的定位方案，并发送到定位技术库中进行储存；

获取驾驶区域对应的区域地图，基于定位技术库中储存的各定位技术进行区域地图的划分，获得若干个划分区域，将进行区域划分后的区域地图标记为定位导航图。

进一步地，确定目标定位技术，包括：

获取具有的待选定位技术并进行相应分类，评估各待选定位技术对应的功能值和应用值；

设置筛选值公式，将功能值和应用值输入到筛选值公式中进行计算，获得各待选定位技术对应的筛选值；

选择各分类中筛选值最高的待选定位技术为目标定位技术。

进一步地，进行各待选定位技术分类，包括：

识别各待选定位技术对应的适用范围，按照适用范围进行各待选定位技术的分类。

进一步地，筛选值公式为：XP=β1×GN+β2×YZ；

式中：XP、GN和YZ分别为筛选值、功能值和应用值；β1和β2分别为功能值和应用值对应的权重系数。

进一步地，定位方案上标记有定位应用范围和定位值。

所述导航模块用于对车辆进行无人导航控制，根据车辆位置和目的地确定各待选导航路线，获取各待选导航路线对应的导航值和各待选方案，进行各待选导航路线和待选方案的优先级评估，获得对应的目标导航路线和目标方案；按照目标导航路线和目标方案进行车辆的无人导航控制。

进一步地，进行优先级评估，包括：

获取各待选方案对应的状态值和定位值，基于获得的状态值、定位值和导航值计算对应的优先值，将最高的优先值对应的待选导航路线和待选方案标记为目标导航路线和目标方案。

进一步的，优先值的计算，包括：

将获得的状态值、定位值和导航值输入到优先值公式中进行优先值计算；优先值公式为：QP=λi×[b1×ST+b2×(b3×DZi+b4×DWi)]；

式中：QP和ST分别为优先值和导航值；b1、b2、b3、b4均为比例系数，取值范围为0<b1≤1，0<b2≤1，0<b3≤1，0<b4≤1；ZTi、DWi和λi分别为各待选方案对应的状态值、定位值和修正因子，i=1、2、……、n，n为正整数，0≤λ≤1。

与现有技术相比，本发明的有益效果是：

通过定位模块和导航模块之间的相互配合，实现对自动驾驶控制；并通过定位模块实现对各地区不同实地情况下的定位技术整合，极大的提高导航定位精度，解决现有导航定位仅应用一种或两种定位技术，所带来的定位局限性；根据实际情况进行综合评估，动态组合各种定位技术，实现全程精准定位。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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为本发明原理框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，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。

如图1所示，一种智能自动驾驶系统，包括定位模块和导航模块。

定位模块用于基于各地区驾驶环境的实际情况以及当前具有的定位技术，智能的进行定位技术应用，形成适合当前驾驶环境下的定位导航图；具体的为：

获取自动驾驶对应的驾驶区域，即该车辆可以在哪些区域进行驾驶，可以根据预计销售的地区进行对应驾驶区域的设置；实时获取驾驶区域具有的各种定位技术，如GPS定位、北斗定位、5G系统定位、图像传感定位等多种定位技术，因为对于不同地区，其具备应用的定位技术可能具有差异性，如某些地区因为各种原因导致某项现有的定位技术不能应用，则此时就需要进行智能筛选出最适合当前情况下的定位技术；根据获得的各种定位技术在各车辆对应的驾驶区域内加载对应的定位技术，形成定位技术库，用于根据实际驾驶环境进行各驾驶技术的择优选用。

基于各驾驶区域对应的定位技术库，通过人工的方式进行各定位技术的应用范围组合，获得若干个定位方案，一般为以室内外两种定位技术为基准，结合各种特殊情况下的辅助定位技术形成各个定位方案，如某个区域的干扰性特别强，仅仅依靠北斗导航或5G系统定位具有定位缺陷，需要补充如传感图像等定位修正技术进行定位精度修正，则此时形成一个定位方案，根据各定位方案各定位技术的组成，并设置各定位方案对应的定位应用范围和定位值，定位值即根据该定位方案的预估定位效果设置对应的定位值，由人工在设计阶段或后续更新进行设置，标记在各定位方案上，并发送到定位技术库进行储存；一般如以北斗导航和5G系统定位等室内外基准定位的组合是不进行调整的，即一般情况下，各定位方案内的室内外定位基准都是相同的，如按照当前定位技术来说，一般为北斗导航加5G系统定位或GPS导航加5G系统定位为基准。

基于驾驶区域内对应的各种驾驶环境数据对驾驶区域对应的区域地图进行区域划分，驾驶环境数据即根据现有技术获取的各实地驾驶道路路线的环境数据，根据其是否对定位具有影响、何种影响进行区域的划分，如对于北斗导航定位来说，除了室内环境区域和某些特征影响定位的区域，其区域可以视为一个区域，可以直接利用北斗导航定位进行定位；示例性的，可以先分为室内区域和室外区域，再根据是否具有特殊定位干扰区域进行干扰区域的细部划分，获得各个划分区域，标记在区域地图上；将当前的区域地图标记为定位导航图。

对于北斗导航定位和5G系统定位的室内外定位组合，因为5G系统具有密集组网、大带宽和多天线等对定位有利的条件，其信号应用于定位具有功率强、伪距测量精度高、信号带宽资源丰富、信号多径免疫性强等优势。因此，基于5G通信网络的定位技术可解决室内定位问题，在室外空旷区域北斗系统已经能够提供较为复杂条件下实现亚米级，甚至分米级定位精度。通过北斗与5G的深度融合，可构建室内外无缝定位体系，满足日益增长的泛在定位需求，从而为未来智能社会提供全场景高精度时空感知基础支撑。

在一个实施例中，因为一个驾驶区域内可能对应具有大量的现有定位技术，若全部加载在定位技术库中，将会极大的占用内存，降低后续定位技术筛选效率，且可能大量的现有技术为无效加载，具有同适用领域下的新版本定位技术后，还加载大量的老版本定位技术，就是导致加载了无效定位技术，因此需要对驾驶区域内对应的定位技术进行智能筛选，优化定位技术库，具体为：

将各现有的定位技术标记为待选定位技术，获取各定位技术的适用范围，如是适合室外、室内、抗干扰性强的室外等驾驶环境，形成其对应的适用范围，基于各适用范围进行分类，将适用范围相同的或实质性相同的待选定位归为一类，从每类中的各定位技术中选择一个待选定位技术为目标定位，将获得的目标定位技术进行加载到定位技术库中。

其中，从各类的待选定位技术中筛选目标定位技术的方法包括：

对各待选定位技术进行定位功能和应用评分，获得对应的功能值和应用值，功能值即为根据其定位季度、抗干扰性等多种现有评估定位技术强弱的方面进行定位功能评估，预设对应的评分标准，获得对应的功能值；应用值即为该待选定位技术因为各种规定等原因在该地区的应用环境进行设置；具体的可以基于CNN网络或DNN网络建立对应的评估模型，通过人工的方式建立对应的训练集进行训练，通过训练成功后的评估模型对各待选定位技术进行评估，获得对应的功能值和应用值，分别标记为GN和YZ；因为神经网络为本领域的现有技术，因此，具体的建立和训练过程在本发明中不进行详细叙述；基于各驾驶区域的实际管理等情况，通过人工的方式设置功能值和应用值分别对应的权重系数，标记为β1和β2；根据筛选值公式XP=β1×GN+β2×YZ计算对应的筛选值，选择该分类中筛选值最高的待选定位技术为目标定位技术。

导航模块用于对车辆进行无人导航控制，对接现有的导航系统，确定车辆可选的导航路线，标记为待选导航路线，在定位导航图中标记获得的各待选导航路线位置，从定位技术库中匹配相对于各待选导航路线适合的或可以应用的定位方案，将匹配的定位方案标记为待选方案；获取车辆上对于当前各待选方案所对应设备的运行状态，了解各定位技术对应的设备、模块等是否还能正常工作、工作情况如何等，通过车载对应的监测系统或装置等采集各对应定位设备的运行状态，一般主要针对的是对于特殊干扰区域定位技术的运行状态采集，因为一般室内外基准定位技术是处于实时应用状态下，且各定位方案一般还是以其为基准进行设置的，所以主要采集评估的为不经常应用的定位技术，避免因为不经常应用，导致其损坏后无法及时了解。

对获得的待选方案对应设备的运行状态进行综合评估，获得对应的状态值，具体的可以基于CNN网络或DNN网络建立对应的状态值析模型，通过人工的方式建立对应的训练集进行训练，通过训练成功后的状态值析模型进行分析，获得各待选方案对应的状态值；获取各待选方案对应的定位值，将获得的状态值和定位值分别标记为ZTi和DWi，其中i=1、2、……、n，n为正整数，i表示对应的待选方案；

获取各待选导航路线对应的预估时长，对获得的预估时长进行转化，获得对应时间值，预估时长越短，时间值越大，时间值即为预估时长的单位转化后的值，由专家组设置对应的转化方式进行转化，如单位转化系数，先计算各预估时长之间的差值，再进行单位转化等，具体的根据实际情况由专家组进行设置；将获得的时间值标记为ST；

根据优先值公式QP=λi×[b1×ST+b2×(b3×DZi+b4×DWi)]计算对应的优先值，式中：b1、b2、b3、b4均为比例系数，取值范围为0<b1≤1，0<b2≤1，0<b3≤1，0<b4≤1，λi为修正因子，取值范围为0≤λi≤1，λi是根据状态值进行设置，当状态值低于阈值X1时，λi=0，不再考虑该待选方案，之后根据状态值的增长，修正因子逐步增加，可以通过人工的方式建立对应的匹配曲线，根据状态值在匹配曲线中的位置定位对应的修正因子。

在一个实施例中，因为现有导航路线选择中不仅仅是只参考时间，还有路程等多方面，具体的是根据应用的导航系统进行选择的，因此，对于优先值公式中的时间值可以用导航值进行替换，即根据原导航系统中的路线评估值或其转化值进行替换，如根据应用的导航系统评估各待选导航路线的计算值为P，则基于预设的转化关系转化为对应的导航值，同样使用ST表示，即ST表示原导航系统评估的优先情况；可以只表示时间值、路程值等；根据实际情况进行设置。

识别最高的优先值对应的待选导航路线以及对应的待选方案，标记为目标导航路线和目标方案，按照获得的目标方案和车辆位置进行车辆的实时定位，按照目标导航路线进行车辆的无人驾驶控制。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

1.一种智能自动驾驶系统，其特征在于，包括定位模块和导航模块；

所述定位模块用于基于驾驶区域生成对应的定位导航图；

所述导航模块用于对车辆进行无人导航控制，根据车辆位置和目的地确定各待选导航路线；

获取各所述待选导航路线对应的导航值和各待选方案，进行各待选导航路线和待选方案的优先级评估，获得对应的目标导航路线和目标方案；

按照所述目标导航路线和目标方案进行车辆的无人导航控制。

2.根据权利要求1所述的一种智能自动驾驶系统，其特征在于，定位导航图的生成，包括：

确定所述驾驶区域对应的目标定位技术，建立定位技术库，基于各所述目标定位技术设置对应的定位方案，并发送到定位技术库中进行储存；

获取所述驾驶区域对应的区域地图，基于所述定位技术库中储存的各所述定位技术进行区域地图的划分，获得若干个划分区域，将进行区域划分后的区域地图标记为定位导航图。

3.根据权利要求2所述的一种智能自动驾驶系统，其特征在于，确定目标定位技术，包括：

获取具有的待选定位技术并进行相应分类，评估各所述待选定位技术对应的功能值和应用值；

设置筛选值公式，将功能值和应用值输入到筛选值公式中进行计算，获得各所述待选定位技术对应的筛选值；

选择各分类中筛选值最高的所述待选定位技术为目标定位技术。

4.根据权利要求2所述的一种智能自动驾驶系统，其特征在于，进行各待选定位技术分类，包括：

识别各所述待选定位技术对应的适用范围，按照所述适用范围进行各所述待选定位技术的分类。

5.根据权利要求3所述的一种智能自动驾驶系统，其特征在于，筛选值公式为：XP=β1×GN+β2×YZ；

式中：XP、GN和YZ分别为筛选值、功能值和应用值；β1和β2分别为功能值和应用值对应的权重系数。

6.根据权利要求2所述的一种智能自动驾驶系统，其特征在于，所述定位方案上标记有定位应用范围和定位值。

7.根据权利要求1所述的一种智能自动驾驶系统，其特征在于，进行优先级评估，包括：

获取各所述待选方案对应的状态值和定位值，基于获得的状态值、定位值和导航值计算对应的优先值；

将最高的优先值对应的待选导航路线和待选方案标记为目标导航路线和目标方案。

8.根据权利要求7所述的一种智能自动驾驶系统，其特征在于，优先值的计算，包括：

将获得的状态值、定位值和导航值输入到优先值公式中进行优先值计算；所述优先值公式为：QP=λi×[b1×ST+b2×(b3×DZi+b4×DWi)]；

式中：QP和ST分别为优先值和导航值；b1、b2、b3、b4均为比例系数，取值范围为0<b1≤1，0<b2≤1，0<b3≤1，0<b4≤1；ZTi、DWi和λi分别为各待选方案对应的状态值、定位值和修正因子，i=1、2、……、n，n为正整数，0≤λ≤1。

Images