一种基于深度学习的无人驾驶系统及方法技术方案

本发明专利技术公开了一种基于深度学习的无人驾驶系统及方法，涉及神经网络技术领域。所述系统包括：汽车车体、超声避障模块和双目立体视觉避障模块组成；所述汽车车体的底部装有四个驱动轮，实现原地全向旋转；所述汽车车体的头部两侧各装有一套所述超声避障模块，用于近距离防护性测距避障；所述汽车车体的头部中间装有视觉避障装置，二者构成综合避障系统，用于检测道路场景中较远距离障碍物，超声避障模块用于检测近距离障碍物，二者所获取障碍物的距离信息统称为汽车的避障信息；所述摄像头A类似于人的主视眼，为单目视觉领航装置提供图像数据。具有智能化程度高和安全性高的优点。

【技术实现步骤摘要】
一种基于深度学习的无人驾驶系统及方法
本专利技术涉及涉及神经网络
，特别是涉及一种基于深度学习的无人驾驶系统及方法。
技术介绍
无人驾驶车辆是一种新型的智能汽车，主要通过控制装置(即，车载智能大脑)对车辆中各个部分进行精准的控制与计算分析，并最终通过向ECU(ElectronicControlUnit，电子控制单元)发出指令来分别控制无人驾驶车辆中的不同设备，从而实现车辆的全自动运行，达到车辆无人驾驶的目的。在无人驾驶车辆调试的过程中或者在无人驾驶车辆实际行驶中，都需要一些人工接管机制来保证无人驾驶车辆在出现异常时可进行人工干预。人工干预的及时性对于车辆及其乘客以及周围车辆行人的安全都有着非常重要的安全意义。现有的人工接管机制包括在方向盘上加装压力传感器，在人工用力握住方向盘时进行人工接管；使用雨刷操作来进行进入和退出自动驾驶模式等。在方向盘上加装额外的传感器，由于方向盘自动驾驶时会随时转动，所以需要沿着方向盘一圈在手握的地方都要加装压力传感器，这样加装复杂，成本较高。使用雨刷进行切换，相当于废弃了雨刷本来的操作，在雨天进行行驶时本文档来自技高网...

【技术保护点】
1.一种基于深度学习的无人驾驶系统，其特征在于：所述系统包括：汽车车体、超声避障模块和视觉避障装置；所述汽车车体的底部装有四个驱动轮，实现原地全向旋转；所述汽车车体的头部两侧各装有一套所述超声避障模块，用于近距离防护性测距避障；所述汽车车体的头部中间装有视觉避障装置，所述超声避障模块和视觉避障装置二者构成综合避障系统；视觉避障装置用于检测道路场景中较远距离障碍物，超声避障模块用于检测近距离障碍物，二者所获取障碍物的距离信息统称为汽车的避障信息。/n

【技术特征摘要】
1.一种基于深度学习的无人驾驶系统，其特征在于：所述系统包括：汽车车体、超声避障模块和视觉避障装置；所述汽车车体的底部装有四个驱动轮，实现原地全向旋转；所述汽车车体的头部两侧各装有一套所述超声避障模块，用于近距离防护性测距避障；所述汽车车体的头部中间装有视觉避障装置，所述超声避障模块和视觉避障装置二者构成综合避障系统；视觉避障装置用于检测道路场景中较远距离障碍物，超声避障模块用于检测近距离障碍物，二者所获取障碍物的距离信息统称为汽车的避障信息。


2.如权利要求1所述的基于深度学习的无人驾驶系统，其特征在于，所述系统还包括：汽车内部结构；所述汽车内部结构包括：电机驱动模块、导航系统和能源模块；所述电机驱动模块用于驱动直流电机，再由直流电机带动皮带驱动驱动轮；所述导航系统用于根据视觉避障装置和超声避障装置的结果得到汽车导航方法；所述能源模块采用电池和汽油混合动力源为汽车系统供电。


3.如权利要求2所述的基于深度学习的无人驾驶系统，其特征在于，所述导航系统包括：图像导航单元和声音导航单元；所述图像导航单元包括：图像二值化单元、深度学习单元和图像识别单元；所述图像二值化单元信号连接于深度学习单元；所述深度学习单元信号连接于图像识别单元。


4.如权利要求3所述的基于深度学习的无人驾驶系统，其特征在于，所述声音导航单元包括：时间单元、计算单元和方向单元；所述时间单元和方向单元均信号连接于计算单元。


5.一种基于权利要求1至4...

【专利技术属性】
技术研发人员：侍欢迎，王康，张晴，
申请(专利权)人：上海蔺克科技有限公司，
类型：发明
国别省市：上海;31