CN210270935U - 一种自动驾驶计算系统 - Google Patents
一种自动驾驶计算系统 Download PDFInfo
- Publication number
- CN210270935U CN210270935U CN201921735847.9U CN201921735847U CN210270935U CN 210270935 U CN210270935 U CN 210270935U CN 201921735847 U CN201921735847 U CN 201921735847U CN 210270935 U CN210270935 U CN 210270935U
- Authority
- CN
- China
- Prior art keywords
- module
- svm
- image acquisition
- data
- acquisition module
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本实用新型公开了一种自动驾驶计算系统,包括MPSOC单元和图像采集模块,所述MPSOC单元接收激光雷达数据和视觉数据,MPSOC单元通过接口连接有数据处理模块,所述数据处理模块用于将激光雷达数据和视觉数据分类处理,并将信号通过接口传输给图像采集模块。本实用新型中,通过MPSOC单元通过接口连接有数据处理模块,数据处理模块用于将激光雷达数据和视觉数据分类处理,并将信号通过接口传输给图像采集模块,数据采集模块将数据分类为设定距离以内的障碍物和设定距离以外的障碍物,使得图像采集模块可以分别处理,以保证了图像采集模块处理的稳定有序性,确保汽车行驶更加安全。
Description
技术领域
本实用新型涉及自动驾驶技术领域,尤其涉及一种自动驾驶计算系统。
背景技术
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。
然而现有的自动驾驶计算系统接收到的雷达处理方面仍存在一些不足,雷达接收信息较多,无法保证后续的图像采集模块稳定有序的处理数据;其次,图像采集模块运行量大,保证足够散热的情况下,会导致图像采集模块上附着灰尘,会影响图像采集模块的稳定运行;而且现有的自动驾驶计算系统的传统的HOG算法不能确定所求得的参数值是实际参数值,尤其是存在阴影或遮挡的条件下,经常出现拟合结果偏差较大的情况。
实用新型内容
本实用新型的目的在于:为了解决自动驾驶计算系统的传统的自动驾驶计算系统的上述问题,而提出的一种自动驾驶计算系统。
为了实现上述目的,本实用新型采用了如下技术方案:
一种自动驾驶计算系统,包括MPSOC单元和图像采集模块,所述MPSOC单元接收激光雷达数据和视觉数据,MPSOC单元通过接口连接有数据处理模块,所述数据处理模块用于将激光雷达数据和视觉数据分类处理,并将信号通过接口传输给图像采集模块,所述图像采集模块套装在储放箱内,所述图像采集模块底部与储放箱固定连接,所述图像采集模块外壁包设有导热橡胶,所述图像采集模块竖直端两侧通过弹簧与储放箱弹性连接,所述储放箱内侧竖直端固定连接有缓冲橡胶,所述储放箱底部开设有倒Z型散热孔。
作为上述技术方案的进一步描述:
所述图像采集模块连接有特征筛选模块,所述图像采集模块用于收集车周围的视频图像,可以直接接受雷达卫星或者摄像头的图像,并将图像传送给特征筛选模块。
作为上述技术方案的进一步描述:
所述特征筛选模块通过接口连接有SVM训练模块和SVM预测模块,所述SVM训练模块和SVM预测模块通过接口连接,所述SVM训练模块和SVM预测模块均与计算模块连接,所述计算模块外安装有电接口,用于连接输出模块。
作为上述技术方案的进一步描述:
所述特征筛选模块用于接收图像,并提取图像中目标检测所需要的特征,并保存在文本文件中方便调用,并保存每帧图像相应的特征向量,将提取的特征按照SVM给定的模板进行格式化。
作为上述技术方案的进一步描述:
所述SVM训练模块提取特征筛选模块中的所有图像,SVM预测模块提取特征筛选模块中的检测图像。
作为上述技术方案的进一步描述:
所述SVM训练模块和SVM预测模块通过SVM训练参数将数据整理后传送给计算模块,计算模块利用函数进行计算,对车辆周围进行检测识别。
作为上述技术方案的进一步描述:
所述SVM训练参数包括有均电性连接的训练内存、训练停止标准、惩罚因子、权重和是否做概率估算。
综上所述,由于采用了上述技术方案,本实用新型的有益效果是:
1.本实用新型中,通过MPSOC单元通过接口连接有数据处理模块,数据处理模块用于将激光雷达数据和视觉数据分类处理,并将信号通过接口传输给图像采集模块,数据采集模块将数据分类为设定距离以内的障碍物和设定距离以外的障碍物,使得图像采集模块可以分别处理,以保证了图像采集模块处理的稳定有序性,确保汽车行驶更加安全。
2.本实用新型中,通过图像采集模块的外壁包设有导热橡胶,从而可以有效的将图像采集模块的热量传递给导热橡胶,再通过倒Z型的散热孔,对储放箱内壁进行散热,有效的避免了散热的同时进入灰尘,有效的避免了图像采集模块上附着灰尘,保证了图像采集模块的稳定运行。
3.本实用新型中,通过利用传统算法对道路车道线识别、车辆检测、行人识别及其他障碍物检测,来实现车辆的目标检测,通过SVM技术对传统算法系统进行优化,利用高斯函数作为SVM训练函数,SVM训练模块和SVM预测模块与计算模块的结合,使得车辆对道路车道线识别、车辆检测及行人识别三个主要内容的检测速度与准确率上均有较大提升,同时检测的误报率也有所下降,充分提高了该优化方法的可行性。
附图说明
图1示出了根据本实用新型实施例提供的自动驾驶计算系统信号接收流程图;
图2示出了根据本实用新型实施例提供的自动驾驶计算系统流程图;
图3示出了根据本实用新型实施例提供的SVM训练参数框图;
图4示出了根据本实用新型实施例提供的储放箱内部结构示意图。
图例说明:
1、储放箱;2、图像采集模块;3、导热橡胶;4、缓冲橡胶;5、散热孔;6、弹簧。
具体实施方式
下面将结合本实用新型实施例中的附图,对本实用新型实施例中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实用新型一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本实用新型保护的范围。
请参阅图1-4,本实用新型提供一种技术方案:一种自动驾驶计算系统,包括MPSOC单元和图像采集模块2,MPSOC单元接收激光雷达数据和视觉数据,MPSOC单元通过接口连接有数据处理模块,数据处理模块用于将激光雷达数据和视觉数据分类处理,并将信号通过接口传输给图像采集模块2,数据采集模块将数据分类为设定距离以内的障碍物和设定距离以外的障碍物,使得图像采集模块2可以分别处理,以保证了图像采集模块2处理的稳定有序性,确保汽车行驶更加安全,图像采集模块2套装在储放箱内,图像采集模块2底部与储放箱1固定连接,图像采集模块2外壁包设有导热橡胶3,图像采集模块2竖直端两侧通过弹簧6与储放箱1弹性连接,储放箱1内侧竖直端固定连接有缓冲橡胶4,缓冲橡胶4位于储放箱1内壁与导热橡胶3之间,起到缓冲减震效果,储放箱1底部开设有倒Z型散热孔5,防止灰尘通过散热孔5进入储放箱1内部。
具体的,如图2所示,图像采集模块2连接有特征筛选模块,图像采集模块2用于收集车周围的视频图像,可以直接接受雷达卫星或者摄像头的图像,并将图像传送给特征筛选模块。
具体的,如图2所示,特征筛选模块通过接口连接有SVM训练模块和SVM预测模块,SVM训练模块和SVM预测模块通过接口连接,SVM训练模块和SVM预测模块均与计算模块连接,计算模块外安装有电接口,用于连接输出模块。
具体的,如图2所示,特征筛选模块用于接收图像,并提取图像中目标检测所需要的特征,并保存在文本文件中方便调用,并保存每帧图像相应的特征向量,将提取的特征按照SVM给定的模板进行格式化。
具体的,如图2所示,SVM训练模块提取特征筛选模块中的所有图像,SVM预测模块提取特征筛选模块中的检测图像。
具体的,如图2所示,SVM训练模块和SVM预测模块通过SVM训练参数将数据整理后传送给计算模块,计算模块利用函数进行计算,对车辆周围进行检测识别,经过试验对比后,其中高斯函数在检测率与误报率上均优于多项式核函数。
具体的,如图2和图3所示,SVM训练参数包括有均电性连接的训练内存、训练停止标准、惩罚因子、权重和是否做概率估算,SVM的自动驾驶计算系统需要有足够的储存内存和运行内存,提前预设好训练停止标准,训练停止之后自动启动下一步惩罚因子,惩罚因子结束之后,权重进行整理和归类,然后决定下一步的概算和估算,实现了智能的处理目标检测对象,使得自动驾驶计算系统更加完整。
以上所述,仅为本实用新型较佳的具体实施方式,但本实用新型的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本实用新型揭露的技术范围内,根据本实用新型的技术方案及其实用新型构思加以等同替换或改变,都应涵盖在本实用新型的保护范围之内。
Claims (7)
1.一种自动驾驶计算系统,包括MPSOC单元和图像采集模块,其特征在于,所述MPSOC单元接收激光雷达数据和视觉数据,MPSOC单元通过接口连接有数据处理模块,所述数据处理模块用于将激光雷达数据和视觉数据分类处理,并将信号通过接口传输给图像采集模块,所述图像采集模块套装在储放箱内,所述图像采集模块底部与储放箱固定连接,所述图像采集模块外壁包设有导热橡胶,所述图像采集模块竖直端两侧通过弹簧与储放箱弹性连接,所述储放箱内侧竖直端固定连接有缓冲橡胶,所述储放箱底部开设有倒Z型散热孔。
2.根据权利要求1所述的一种自动驾驶计算系统,其特征在于,所述图像采集模块连接有特征筛选模块,所述图像采集模块用于收集车周围的视频图像,可以直接接受雷达卫星或者摄像头的图像,并将图像传送给特征筛选模块。
3.根据权利要求2所述的一种自动驾驶计算系统,其特征在于,所述特征筛选模块通过接口连接有SVM训练模块和SVM预测模块,所述SVM训练模块和SVM预测模块通过接口连接,所述SVM训练模块和SVM预测模块均与计算模块连接,所述计算模块外安装有电接口,用于连接输出模块。
4.根据权利要求2所述的一种自动驾驶计算系统,其特征在于,所述特征筛选模块用于接收图像,并提取图像中目标检测所需要的特征,并保存在文本文件中方便调用,并保存每帧图像相应的特征向量,将提取的特征按照SVM给定的模板进行格式化。
5.根据权利要求3所述的一种自动驾驶计算系统,其特征在于,所述SVM训练模块提取特征筛选模块中的所有图像,SVM预测模块提取特征筛选模块中的检测图像。
6.根据权利要求3所述的一种自动驾驶计算系统,其特征在于,所述SVM训练模块和SVM预测模块通过SVM训练参数将数据整理后传送给计算模块,计算模块利用函数进行计算,对车辆周围进行检测识别。
7.根据权利要求6所述的一种自动驾驶计算系统,其特征在于,所述SVM训练参数包括有均电性连接的训练内存、训练停止标准、惩罚因子、权重和是否做概率估算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201921735847.9U CN210270935U (zh) | 2019-10-16 | 2019-10-16 | 一种自动驾驶计算系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201921735847.9U CN210270935U (zh) | 2019-10-16 | 2019-10-16 | 一种自动驾驶计算系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN210270935U true CN210270935U (zh) | 2020-04-07 |
Family
ID=70020414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201921735847.9U Active CN210270935U (zh) | 2019-10-16 | 2019-10-16 | 一种自动驾驶计算系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN210270935U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112019808A (zh) * | 2020-08-07 | 2020-12-01 | 华东师范大学 | 一种基于MPSoC的车载实时视频信息智能识别装置 |
-
2019
- 2019-10-16 CN CN201921735847.9U patent/CN210270935U/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112019808A (zh) * | 2020-08-07 | 2020-12-01 | 华东师范大学 | 一种基于MPSoC的车载实时视频信息智能识别装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3104284B1 (en) | Automatic labeling and learning of driver yield intention | |
CN112997227B (zh) | 交通辅助系统、服务器及方法、车载装置及其动作方法、记录介质、计算机及半导体集成电路 | |
CN109803207A (zh) | 对周围声音中的音频信号的标识以及响应于该标识的对自主交通工具的引导 | |
CN103723096B (zh) | 带有无线通信功能的驾驶辅助系统 | |
CN108931991A (zh) | 移动载体自动跟随方法及具有自动跟随避障功能移动载体 | |
US9842283B2 (en) | Target object detection system and a method for target object detection | |
CN107578012B (zh) | 一种基于聚类算法选择敏感区域的驾驶辅助系统 | |
CN110866427A (zh) | 一种车辆行为检测方法及装置 | |
CN112562314A (zh) | 基于深度融合的路端感知方法、装置、路端设备和系统 | |
CN107204055A (zh) | 一种智能联网行车记录仪 | |
CN110083099B (zh) | 一种符合汽车功能安全标准自动驾驶架构系统和工作方法 | |
CN104786934A (zh) | 一种车辆行驶数据管理系统及实现方法 | |
CN112477873B (zh) | 一种基于车联网的辅助驾驶和车辆安全管理系统 | |
CN210270935U (zh) | 一种自动驾驶计算系统 | |
CN110921154A (zh) | 一种控制垃圾回收巡逻车的方法、装置及垃圾回收巡逻车 | |
CN111681454A (zh) | 一种基于驾驶行为的车车协同防撞预警方法 | |
CN113093797A (zh) | 基于无人机的输电线路智能巡检方法及系统 | |
CN110310488B (zh) | 一种大型货车违章消息生成方法及系统 | |
CN105913687A (zh) | 一种基于物联网的智能汽车驾驶系统 | |
CN111619482A (zh) | 一种车辆驾驶数据采集处理系统及方法 | |
CN112698660B (zh) | 基于9轴传感器的驾驶行为视觉感知装置及方法 | |
CN113167038B (zh) | 一种车辆通过道闸横杆的方法及装置 | |
CN112286925A (zh) | 无人驾驶车辆所收集数据的清洗方法 | |
KR102105007B1 (ko) | 커넥티드 카 데이터 수집 및 돌발 상황 정보 제공을 위한 엣지-클라우드 시스템 | |
CN109874099B (zh) | 一种联网车载设备流量控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |