一种无人车在动态复杂环境中的控制方法及系统技术方案

本发明专利技术提供了一种无人车在动态复杂环境中的控制系统及方法，包括：将环境感知系统的点云数据传入计算机控制器，通过深度学习的方法完成障碍物的检测、分割和识别；根据环境感知系统拍摄的图像传入计算机控制器获得精确的红绿灯框位置，并根据红绿灯框位置进行红绿灯颜色识别；环境感知系统将障碍物检测识别数据与红绿灯框位置与颜色识别数据传入计算机控制器，计算得到避免碰撞的最小安全距离；将汽车目标车速、角速度输入计算机控制器，计算机控制器由通过无人车动力学模型根据最小安全距离生成避障路径，最终使车辆自主完成行驶任务到达目标点；本发明专利技术可以帮助无人车在动态复杂环境中感知和运行，实现无人驾驶与智慧交通。

【技术实现步骤摘要】
一种无人车在动态复杂环境中的控制方法及系统
本专利技术涉及车辆工程，具体地，涉及一种无人车在动态复杂环境中的控制方法及系统，更为具体地，涉及一种研究无人车在动态复杂环境中如何感知、控制、规划路线的解决方法。
技术介绍
车辆技术的发展使得无人驾驶技术成为近年来国内外研究的热点，无人驾驶成为当前重要研究方向之一。无人驾驶技术是在机器人技术的基础上结合车辆工程开发的，涉及人工智能与计算机视觉等交叉学科，在物流配送、共享出行、公共交通、环卫等领域都可起到非常重要的作用。无人驾驶相比有驾驶员驾驶的汽车有如下三个优点。首先提高了系统对环境的反应速度。人对外界环境的变化的感知的位置精度是有限的，在车辆行驶条件下对障碍物的位置和速度只能给出大概的估计，而无人驾驶智能车的车载传感器可以大大的提高环境中的信息精度。第二，驾驶员在对于外界环境的变化刺激的反映是缓慢的，而且人的反应时间还受到天气、年龄、心情等因素影响，疲劳驾驶的话人的反应时间会更长。而无人驾驶智能汽车的刹车反映时间一般为定值，不会超过0.3秒，并且外界因素对其影响相对于对人的影响非常小。第三，无人驾驶本文档来自技高网...

【技术保护点】
1.一种无人车在动态复杂环境中的控制系统，其特征在于，包括：/n模块M1：将环境感知系统的点云数据传入计算机控制器，通过深度学习的方法完成障碍物的检测、分割和识别；/n模块M2：根据环境感知系统拍摄的图像传入计算机控制器获得精确的红绿灯框位置，并根据红绿灯框位置进行红绿灯颜色识别；/n模块M3：环境感知系统将障碍物检测识别数据与红绿灯框位置与颜色识别数据传入计算机控制器，计算得到避免碰撞的最小安全距离；/n模块M4：根据计算得到避免碰撞的最小安全距离，通过计算机控制器计算得到汽车目标角速度和速度；/n模块M5：将汽车目标车速、角速度输入计算机控制器，计算机控制器由通过无人车动力学模型根据最小安...

【技术特征摘要】
1.一种无人车在动态复杂环境中的控制系统，其特征在于，包括：
模块M1：将环境感知系统的点云数据传入计算机控制器，通过深度学习的方法完成障碍物的检测、分割和识别；
模块M2：根据环境感知系统拍摄的图像传入计算机控制器获得精确的红绿灯框位置，并根据红绿灯框位置进行红绿灯颜色识别；
模块M3：环境感知系统将障碍物检测识别数据与红绿灯框位置与颜色识别数据传入计算机控制器，计算得到避免碰撞的最小安全距离；
模块M4：根据计算得到避免碰撞的最小安全距离，通过计算机控制器计算得到汽车目标角速度和速度；
模块M5：将汽车目标车速、角速度输入计算机控制器，计算机控制器由通过无人车动力学模型根据最小安全距离生成避障路径，最终使车辆自主完成行驶任务到达目标点；
所述无人车动力学模型是包括汽车的动力性、制动性、平顺性和稳定性，测量车辆的质量和受力情况与车辆运动之间的关系。


2.根据权利要求1所述的无人车在动态复杂环境中的控制系统，其特征在于，所述模块M1包括：
所述环境感知系统包括超声波雷达(1)、毫米波雷达(2)、激光雷达(6)和相机；
所述计算机控制器(9)包括惯性测量单元(8)和中央处理器与图形处理器(10)；
所述相机包括前向相机(3)、侧向相机(4)和后向相机(5)；
所述激光雷达(6)安装在车顶上；
模块M1.1：基于所述激光雷达(6)点云数据，所述中央处理器与图形处理器(10)通过卷积神经网络模型学习点云特征并预测障碍物的相关属性，根据障碍物的相关属性进行障碍物分割，从而对障碍物检测识别；
模块M1.2：基于所述毫米波雷达(2)点云数据，所述中央处理器与图形处理器(10)进行处理从而对障碍物检测识别；
模块M1.3：所述中央处理器与图形处理器(10)通过融合激光雷达算法，将所述激光雷达(7)和所述毫米波雷达(2)的障碍物识别结果进行融合，得到无人车精确检测障碍物的位置；
所述融合激光雷达算法主要进行了单传感器结果和融合结果的管理、匹配以及基于卡尔曼滤波的障碍物速度融合。


3.根据权利要求2所述的无人车在动态复杂环境中的控制系统，其特征在于，所述惯性测量单元(8)包括：惯性测量单元测量无人车角速率以及加速度；所述惯性测量单元安装在靠近无人车的重心上。


4.根据权利要求1所述的无人车在动态复杂环境中的控制系统，其特征在于，所述模块M2包括：
所述环境感知系统包括超声波雷达(1)、毫米波雷达(2)、激光雷达(6)和相机；
所述相机包括前向相机(3)、预设个侧向相机(4)和后向相机(5)；
所述激光雷达(6)安装在车顶上；
根据环境感知系统中相机在投影区域外选取感兴趣区域，运行红绿灯检测来获得精确的红绿灯框位置，并根据红绿灯框位置进行红绿灯的颜色识别，得到红绿灯当前的状态；根据单帧的红绿灯状态，通过时序的滤波矫正算法进一步确认红绿灯的最终状态。


5.根据权利要求1所述的无人车在动态复杂环境中的控制系统，其特征在于，所述模块M3包括：通过车辆自身消息与外界障碍物信息进行比较，计算无人车在复杂环境中面对障碍物所需的最小安全距离；
所述车辆自身消息包括车辆的尺寸信息、动力学模型信息；所述动力学模型信息包括汽车加速度、速度和角速度；相机当前采集到的图片信息，与下一帧的图片信息作比较完成闭环检测，实现汽车的建图与定位；
所述外界障碍物信息包括环境感知系统的障碍物检测识别。


6.根据权利要求1所述的无人车在动态复杂环境中的控制系统，其特征在于，所述模块M5中无人车动力学模型包括：






其中，k1，k2为前后轮的侧偏刚度，m为汽车总质量，a为车辆重心到前轴的距离，b车辆重心到后轴的距离，δ为前轮转角，Iz汽车车体转动惯量；β表示质心偏侧角，wr表示横摆角速度，u表示前进速度，表示侧向加速度，表示横摆角加速度。


7.根据权利要求1所述的无人车在动态复杂环境中的控制系统，其特征在于，所述模块M5还包括：行为决策输出系统和车辆控制系统；
所述行为决策输出系统包括电能底盘根据计算机控制器计算得到的角速度和速度控制无人车轮子速度，转向；当环境感知系统感知到前方有障碍物时，通过计算机控制器...

【专利技术属性】
技术研发人员：高洪波，李陈畅，李智军，朱菊萍，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34