一种基于虚拟现实的无人驾驶汽车控制方法技术

本发明专利技术属于无人驾驶领域，公开了一种基于虚拟现实的无人驾驶汽车控制方法，设置有虚拟现实模拟模块，虚拟现实模拟模块通过信息转化模块接收模拟图像采集模块、声音收集模块、车身自感模块等信息，车身自感模块包括：距离传感器、雷达。该发明专利技术设有紧急制动模块，在车身自感模块检查出车存在安全隐患时将会直接进行停车不经过虚拟现实模拟模块进行模拟并且直接进行激活救援呼叫模块，通过虚拟现实模拟模块实现无人驾驶，大大提高了可行性与安全性；该发明专利技术拥有大大的提高了无人驾驶汽车的安全性，使得无人驾驶汽车更加的智能。

A control method of driverless vehicle based on virtual reality

The invention belongs to the field of unmanned driving, and discloses a control method of unmanned vehicle based on virtual reality, which is provided with a virtual reality simulation module. The virtual reality simulation module receives information such as an analog image acquisition module, a sound collection module, a body self-induction module and the like through an information conversion module. The distance sensor and radar. The invention is equipped with an emergency brake module. When the vehicle body self-induction module checks out the hidden danger of the vehicle, it will directly simulate the parking without the virtual reality simulation module and directly activate the rescue call module. The virtual reality simulation module realizes the unmanned driving, which greatly improves the feasibility and safety. The invention has greatly improved the safety of the driverless car, making the driverless car more intelligent.

【技术实现步骤摘要】
一种基于虚拟现实的无人驾驶汽车控制方法
本专利技术属于无人驾驶领域，尤其涉及一种基于虚拟现实的无人驾驶汽车控制方法。
技术介绍
目前，业内常用的现有技术是这样的：目前，无人驾驶技术可谓来势汹汹，发展迅速。曾有报道预测，到2020年至少会有1000万辆无人驾驶汽车上路。谷歌、苹果，以及一些传统汽车厂商纷纷跻身其中。作为该技术的“领跑者”，目前无人驾驶汽车依靠激光测距仪、视频摄像头、车载雷达、传感器等获得环境感知和识别能力，确保行驶路径遵循谷歌街景地图预先设定的路线，但是在行驶过程中存在着各种突发情况，由于需要进行复杂的计算无法进行快速反应，存在着安全隐患。由于无线传输媒介的广播特性，干扰问题成为限制无线通信系统性能的重要因素，无线网络的干扰管理问题是未来通信技术发展中的重要研究内容。为了进行干扰管理，首先应准确刻画干扰。在实际的无线通信系统中，干扰携带有信息并且有特定的结构，它首先具有功率，频率和时间这些基本特征，根据所采用的具体技术，干扰还可能具有空间角度、极化方向、编码方式等新的特征，因此干扰具有多维特征。虽然部分文献考虑了联合维度的资源及干扰管理，但缺乏关于干扰的基本数学表征。另外，在无线网络性能的分析、优化以及接入、调度和路由机制设计中，常常需要通过抽象对无线信道干扰进行建模，而全面的认识干扰是进行合理抽象的基础。因此，根据未来无线通信网络异构、动态、智能等特征，结合多种具体通信技术从多个方面和角度描述干扰特征，实现干扰的多维表示，进而构建具体的干扰空间，是设计干扰管理方法，改善网络容量的先决条件。综上所述，现有技术存在的问题是：目前无人驾驶汽车在行驶过程中存在着各种突发情况，由于需要进行复杂的计算无法进行快速反应，存在着安全隐患。现有技术无线网络存在的干扰管理没有考虑多维特征，管理效率较低的问题。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于虚拟现实的无人驾驶汽车控制方法，本专利技术是这样实现的，一种基于虚拟现实的无人驾驶汽车控制系统，所述基于虚拟现实的无人驾驶汽车控制系统设置有：虚拟现实模拟模块；虚拟现实模拟模块通过信息转化模块接收模拟图像采集模块、声音收集模块、车身自感模块信息；GPS定位模块将位置信息传输给虚拟现实模拟模块，虚拟现实模拟模块通过数据传输传递给无人驾驶系统与紧急制动模块；无人驾驶系统包括路径选择模块、智能控制模块；紧急制动模块直接与智能控制模块连接；车身自感模块与紧急制动模块连接；车身自感模块包含有距离传感器、雷达信息；路径选择模块内含智能地图信息；信息转化模块接收模拟图像采集模块、声音收集模块、车身自感模块信息中，对干扰信号进行处理，具体包括：选取若干个干扰信号的特征参数CP，包括无线信号的频率F、时间T、对于观测点空域角度Θ、极化方向Γ、以及编码方式C，并将参数作为坐标轴建立多维坐标系，对于坐标系的各个坐标轴，分别根据各个干扰特征参数的分辨率确定对应坐标轴的单位量，基于坐标系建立多维特征参数的空间模型,定义为干扰空间：HSI＝SPACE(CP1,CP2…CPN)，在此干扰空间中的任意一个矢量由坐标进行表示：其中CPi为矢量在干扰空间中某一维度的坐标，是对于特征参量CPi的具体取值，对于单模的干扰信号，在干扰空间中表示为一个单一矢量：对于多模的干扰信号，即干扰信号的一个或者数个特征参数表现为具有多值特性，在干扰空间中使用干扰特征矢量的集合表示：路径选择模块路径选择方法包括：第一步，基于基本蝙蝠算法的基础上采用量子位的概率幅对蝙蝠个体进行编码，即用量子旋转门对量子位的概率幅进行更新，采用量子非门作为变异操作以避免算法的早熟收敛；对于每个量子位具有两个概率幅，每只蝙蝠可以表示优化空间的两个位置；第二步，在量子计算中，最小的信息单元存储在一个量子比特中，该量子比特的状态可能为“0”，也可能为“1”，或是“0”和“1”之间的任意状态；一个量子比特的状态可以表示如下：|Ψ>＝α|0>+β|1>其中，α和β满足：|α|2+|β|2＝1其中，|α|2和|β|2分别表示趋于状态|0>和|1>的概率；一个n元量子比特定义为：量子旋转门定义如下：量子非门定义如下：进一步，路径选择模块路径选择方法还包括：产生初始种群：算法采用的编码方案如下：其中，θij是幅角，由式(17)可以看出每只蝙蝠对应了问题空间的两个位置，分别对应量子态|0>和|1>的概率幅：Pic＝(cos(θi1),cos(θi2),...,cos(θin))Pis＝(sin(θi1),sin(θi2),...,sin(θin))。进一步，路径选择模块路径选择方法还包括：解空间的转换：为计算个体的适应度并对个体的优劣进行评价，需对种群的解空间进行转换；个体的量子位的每个概率幅对应了问题的解空间的一个解，每只蝙蝠对应了优化问题的两个解；其中，由量子态|0>的概率幅求得，而是由量子态|1>的概率幅得到。进一步，路径选择模块路径选择方法还包括：更新策略：在量子蝙蝠算法QBA中，采用蝙蝠算法BA)的更新策略对量子位的幅角增量进行更新，其更新过程如下：Δθij(t+1)＝Δθij(t)+Δθg*Q(i)*stepnowθij(t+1)＝θij(t)+Δθij(t+1)其中，Δθij和θij分别为幅角增量和幅角；参数值分别为：w＝2，σe＝0，σs＝2；利用量子旋转门对概率幅进行更新：得到两个新位置：进一步，路径选择模块路径选择方法还包括：变异策略：在量子蝙蝠算法QBA)中，为防止算法过早地陷入局部最优，采用变异策略来增加种群的多样性，变异策略通过量子非门实现；如果rand()＜pm，则执行量子非门操作，将两个概率值进行兑换；其中，pm为变异概率；进一步，所述在选取的若干个干扰信号特征参数之前需要确定干扰信号和参照信号在无线信号领域上的物理参数，包括无线信号的频率F、时间T、对于观测点空域角度Θ、极化方向Γ、以及编码方式C；用特征参数作为坐标轴建立空间坐标系，定义的干扰空间为：HSI＝SPACE(F,T,Θ,Γ,C)；干扰空间中的任意一个矢量由干扰特征空间中的坐标进行表示：其中的f，t，θ，γ，c分别是对应于各个维度的坐标值；对于单模的干扰信号，在干扰空间中表示为一个单一矢量：其中的f，t，θ，γ，c分别是对应于各个维度的坐标值；干扰信号为多模信号，即干扰信号的一个或者数个特征参数表现为具有多值特性，在干扰空间中使用干扰特征矢量的集合表示：在干扰空间中是个矢量集合，代表的是一个满足一定区间约束条件的子空间区域。本专利技术的另一目的在于提供一种基于虚拟现实的无人驾驶汽车控制方法通过声音收集模块、图像采集模块、车身自感模块将外界信息传给信息转化模块进行转化，GPS定位模块实现位置的确定，虚拟现实模拟模块将外界信息进行虚拟模拟，并通过路径选择模块、分析寻找可行路线；紧急制动模块、救援呼叫模块保证无人驾驶汽车的安全，无人驾驶系统中智能控制模块实现对指令的实施。本专利技术的优点及积极效果为：该专利技术设有紧急制动模块，在车身自感模块检查出车存在安全隐患时将会直接进行停车不经过虚拟现实模拟模块进行模拟并且直接进行激活救援呼叫模本文档来自技高网...

【技术保护点】
1.一种基于虚拟现实的无人驾驶汽车控制系统，其特征在于，所述基于虚拟现实的无人驾驶汽车控制系统设置有：虚拟现实模拟模块；虚拟现实模拟模块通过信息转化模块接收模拟图像采集模块、声音收集模块、车身自感模块信息；GPS定位模块将位置信息传输给虚拟现实模拟模块，虚拟现实模拟模块通过数据传输传递给无人驾驶系统与紧急制动模块；无人驾驶系统包括路径选择模块、智能控制模块；紧急制动模块直接与智能控制模块连接；车身自感模块与紧急制动模块连接；车身自感模块包含有距离传感器、雷达信息；路径选择模块内含智能地图信息；信息转化模块接收模拟图像采集模块、声音收集模块、车身自感模块信息中，对干扰信号进行处理，具体包括：选取若干个干扰信号的特征参数CP，包括无线信号的频率F、时间T、对于观测点空域角度Θ、极化方向Γ、以及编码方式C，并将参数作为坐标轴建立多维坐标系，对于坐标系的各个坐标轴，分别根据各个干扰特征参数的分辨率

【技术特征摘要】
1.一种基于虚拟现实的无人驾驶汽车控制系统，其特征在于，所述基于虚拟现实的无人驾驶汽车控制系统设置有：虚拟现实模拟模块；虚拟现实模拟模块通过信息转化模块接收模拟图像采集模块、声音收集模块、车身自感模块信息；GPS定位模块将位置信息传输给虚拟现实模拟模块，虚拟现实模拟模块通过数据传输传递给无人驾驶系统与紧急制动模块；无人驾驶系统包括路径选择模块、智能控制模块；紧急制动模块直接与智能控制模块连接；车身自感模块与紧急制动模块连接；车身自感模块包含有距离传感器、雷达信息；路径选择模块内含智能地图信息；信息转化模块接收模拟图像采集模块、声音收集模块、车身自感模块信息中，对干扰信号进行处理，具体包括：选取若干个干扰信号的特征参数CP，包括无线信号的频率F、时间T、对于观测点空域角度Θ、极化方向Γ、以及编码方式C，并将参数作为坐标轴建立多维坐标系，对于坐标系的各个坐标轴，分别根据各个干扰特征参数的分辨率确定对应坐标轴的单位量，基于坐标系建立多维特征参数的空间模型,定义为干扰空间：HSI＝SPACE(CP1,CP2…CPN)，在此干扰空间中的任意一个矢量由坐标进行表示：其中CPi为矢量在干扰空间中某一维度的坐标，是对于特征参量CPi的具体取值，对于单模的干扰信号，在干扰空间中表示为一个单一矢量：对于多模的干扰信号，即干扰信号的一个或者数个特征参数表现为具有多值特性，在干扰空间中使用干扰特征矢量的集合表示：路径选择模块路径选择方法包括：第一步，基于基本蝙蝠算法的基础上采用量子位的概率幅对蝙蝠个体进行编码，即用量子旋转门对量子位的概率幅进行更新，采用量子非门作为变异操作以避免算法的早熟收敛；对于每个量子位具有两个概率幅，每只蝙蝠可以表示优化空间的两个位置；第二步，在量子计算中，最小的信息单元存储在一个量子比特中，该量子比特的状态可能为“0”，也可能为“1”，或是“0”和“1”之间的任意状态；一个量子比特的状态可以表示如下：|Ψ>＝α|0>+β|1>其中，α和β满足：|α|2+|β|2＝1其中，|α|2和|β|2分别表示趋于状态|0>和|1>的概率；一个n元量子比特定义为：量子旋转门定义如下：量子非门定义如下：2.如权利要求1所述的基于虚拟现实的无人驾驶汽车控制系统，其特征在于，路径选择模块路径选择方法还包括：产生初始种群：算法采用的编码方案如下：其中，θij是幅角，由式(17)可以看出每只蝙蝠对应了问题空间的两个位置，分别对应量子态|0>和|1>的概率幅：Pic＝(cos(θi1),cos(θi2),...,cos(θin))Pis＝(sin(θi1),sin(θi2),...,sin(θi...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：北京京大律业知识产权代理有限公司，
类型：发明
国别省市：北京,11