维持路肩间距的无人驾驶车道保持感应组件装置制造方法及图纸

本发明专利技术属于无人驾驶技术领域，维持路肩间距的无人驾驶车道保持感应组件装置，装置包括：采集装置，配置用于采集车辆行驶过程中的数据信息、车辆行驶过程中的道路图像信息和车辆行驶过程中的车身信息；采集装置包括至少两个安装于车体上的伸缩机构；伸缩机构本体上侧具有顶盖片；伸缩机构具有一个插接弧柱的铰接部；伸缩机构的自由端具有厚度小于伸缩机构本体的限位条；伸缩机构本体上依次设有用于获取道路图像信息的摄像头、能沿转轴转动的旋转刮条、擦除棉。在进行道路识别过程中，使用基于纳什平衡的对抗训练，保证了道路识别的准确性和效率。效率。效率。

【技术实现步骤摘要】
维持路肩间距的无人驾驶车道保持感应组件装置


[0001]本专利技术属于无人驾驶
，具体涉及维持路肩间距的无人驾驶车道保持感应组件装置。

技术介绍

[0002]无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。
[0003]它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
[0004]集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。
[0005]传统的无人驾驶中车道保持根据人工知识建立车道模型，在实际行驶过程中，通过采集道路图像提取车道标记，之后根据车道模型计算出车道偏移量，利用转角分段PID(Proportion Integral Derivative，比例积分微分控制器)控制器计算修正车道偏离距离所需要的方向盘转角补偿值，进而对车辆车道偏离进行修正。然而，传统的无人驾驶中车道保持方法由于采用人工知识建立对应的车道模型，所以在路线不清晰、弯道曲率较大和车辆拥堵路段的识别能力不足。

技术实现思路

[0006]本专利技术的主要目的在于提供维持路肩间距的无人驾驶车道保持感应组件装置，其利用采集无人驾驶车辆行驶过程中的数据信息、道路图像信息和车身信息，对无人驾驶车辆进行转向角控制和道路识别，实现了无人驾驶车辆的道路保持的自动控制；同时，在进行道路识别过程中，使用基于纳什平衡的对抗训练，保证了道路识别的准确性和效率。
[0007]为达到上述目的，本专利技术的技术方案是这样实现的：
[0008]维持路肩间距的无人驾驶车道保持方法，方法执行以下步骤：
[0009]步骤1：采集车辆行驶过程中的数据信息、车辆行驶过程中的道路图像信息和车辆行驶过程中的车身信息；数据信息包括：车辆行驶过程中的物理参数和车辆行驶过程中的道路参数；物理参数至少包括：车辆行驶的速度、加速度和角速度；道路参数至少包括：道路的宽度和转向角度；车身信息至少包括：车辆的长、宽和高；
[0010]步骤2：基于道路参数，实时进行车道线识别；基于物理参数和车道线识别结果，控制车辆保持在对应的车道行驶。
[0011]进一步的，步骤2具体包括：步骤2.1：进行车道线识别，包括：录入训练数据，构建车道线识别的生成网络、判别网络和检测算法；然后将道路图像信息输入生成网络生成高分辨率图片，将高分辨率图片输入判别网络进行准确度判断，并根据判断结果捕捉高分辨率图片的分辨率分布，生成网络和判别网络基于数据分布进行对抗训练，直至达到纳什均
衡，得到最优化的生成网络，将最优化的生成网络生成的高分辨率图片输入检测算法；检测算法基于道路参数和生成的高分辨率图片进行车道线识别；步骤2.2：控制车辆保持在对应的车道行驶：基于得到的车身信息；将车身信息传输到预设的实车模型进行处理，得到与车身信息相对应的方向转角，其中，实车模型通过深度神经网络学习建立，用于表征车身信息与方向转角的对应关系；基于得到的车辆行驶过程中的物理参数、道路参数和车道线识别结果，根据方向转角控制车辆保持在对应的车道行驶。
[0012]进一步的，步骤2.1中：将道路图像信息输入生成网络生成高分辨率图片的方法包括：生成进行边缘检测的卷积模板，卷积模板为3*3的模板；使用如下公式：括：生成进行边缘检测的卷积模板，卷积模板为3*3的模板；使用如下公式：将卷积模板和原始图像进行卷积运算；其中，C
mn
为生成的中间图像，P
m+i，n+j
为道路图像信息，W
ij
为卷积模板；i和j均为序数，取值范围为：-1到1；使用如下公式对卷积运算后生成的中间图像C
mn
进行惯性均值处理，以去除噪声：进行惯性均值处理，以去除噪声：K为生成的最终的高分辨率图片；其中，m为中间图像的长，n为中间图像的宽。
[0013]进一步的，步骤2.1中：根据判断结果捕捉高分辨率图片的分辨率分布，生成网络和判别网络基于数据分布进行对抗训练，直至达到纳什均衡的方法包括：定义分辨率变化率为：式中：AR表示道路图像信息和高分辨率图片之间的分辨率变化率；A(n)表示道路图像信息的分辨率；A(n+1)表示高分辨图片的分辨率，eps为设定的极小值；第一梯度的分辨率变化率范围为0.1～0.4，第二梯度的分辨率变化率接近于0，第三梯度的分辨率变化率接近于1；定义那是均衡的表达式为：接近于0，第三梯度的分辨率变化率接近于1；定义那是均衡的表达式为：其中，A
k
为对抗系数，为一个公差为0.1，第一项为0.3的等差数列；P
k
为对抗函数，是一个设定的线性函数。
[0014]进一步的，生成网络和判别网络采用神经网络进行训练，训练数据包括成对的车道线模糊图片和车道线清晰图片，即成对的低分辨率图片和高分辨率图片。
[0015]维持路肩间距的无人驾驶车道保持装置，装置包括：采集装置，配置用于采集车辆行驶过程中的数据信息、车辆行驶过程中的道路图像信息和车辆行驶过程中的车身信息；数据信息包括：车辆行驶过程中的物理参数和车辆行驶过程中的道路参数；物理参数至少包括：车辆行驶的速度、加速度和角速度；道路参数至少包括：道路的宽度和转向角度；车身信息至少包括：车辆的长、宽和高；控制装置，配置用于基于道路参数，实时进行车道线识别；基于物理参数和车道线识别结果，控制车辆保持在对应的车道行驶。
[0016]进一步的，控制装置包括：车道线识别装置，配置用于录入训练数据，构建车道线识别的生成网络、判别网络和检测算法；然后将道路图像信息输入生成网络生成高分辨率图片，将高分辨率图片输入判别网络进行准确度判断，并根据判断结果捕捉高分辨率图片的分辨率分布，生成网络和判别网络基于数据分布进行对抗训练，直至达到纳什均衡，得到最优化的生成网络，将最优化的生成网络生成的高分辨率图片输入检测算法；检测算法基于道路参数和生成的高分辨率图片进行车道线识别；车道控制装置，配置用于基于得到的
车身信息；将车身信息传输到预设的实车模型进行处理，得到与车身信息相对应的方向转角，其中，实车模型通过深度神经网络学习建立，用于表征车身信息与方向转角的对应关系；基于得到的车辆行驶过程中的物理参数、道路参数和车道线识别结果，根据方向转角控制车辆保持在对应的车道行驶。
[0017]进一步的，车道线识别装置将道路图像信息输入生成网络生成高分辨率图片的方法包括：生成进行边缘检测的卷积模板，卷积模板为3*3的模板；使用如下公式：法包括：生成进行边缘检测的卷积模板，卷积模板为3*3的模板；使用如下公式：将卷积模板和原始图像进行卷积运算；其中，C
mn
为生成的中间图像，P
m+i，n+j
为道路图像信息，W
ij
为卷积模板；i和j均本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.维持路肩间距的无人驾驶车道保持感应组件装置，其特征在于，所述装置包括：采集装置，配置用于采集车辆行驶过程中的数据信息、车辆行驶过程中的道路图像信息和车辆行驶过程中的车身信息；所述的采集装置包括至少两个安装于车体(2)上的伸缩机构(1)；所述的伸缩机构(1)本体上侧具有顶盖片(1a)；所述的伸缩机构(1)具有一个插接弧柱(1c)的铰接部；所述的伸缩机构(1)的自由端具有厚度小于伸缩机构(1)本体的限位条(1d)；所述的伸缩机构(1)本体上依次设有用于获取道路图像信息的摄像头(11)、能沿转轴(16a)转动的旋转刮条(16)、擦除棉(12)；所述的擦除棉(12)侧面连接的连接轴(14)经洞穿支架(13)穿过并且所述的连接轴(14)连接有设置在靠近所述铰接部的往复泵(15)；所述的伸缩机构(1)本体靠近所述的转轴(16a)附近具有能限制所述的旋转刮条(16)过度旋转的顶接扣(1f)；所述的顶盖片(1a)上贯穿上表面的导水槽(1b)；所述数据信息包括：车辆行驶过程中的物理参数和车辆行驶过程中的道路参数；所述物理参数至少包括：车辆行驶的速度、加速度和角速度；所述道路参数至少包括：道路的宽度和转向角度；所述车身信息至少包括：车辆的长、宽和高；控制装置，配置用于基于所述道路参数，实时进行车道线识别；基于所述物理参数和车道线识别结果，控制车辆保持在对应的车道行驶。2.如权利要求1所述的装置，其特征在于，所述控制装置包括：车道线识别装置，配置用于录入训练数据，构建车道线识别的生成网络、判别网络和检测算法；然后将道路图像信息输入生成网络生成高分辨率图片，将高分辨率图片输入判别网络进行准确度判断，并根据判断结果捕捉高分辨率图片的分辨率分布，生成网络和判别网络基于数据分布进行对抗训练，直至达到纳什均衡，得到最优化的生成网络，将最优化的生成网络生成的高分辨率图片输入检测算法；检测算法基于道路参数和生成的高分辨率图片进行车道线识别；车道控制装置，配置用于基于得到的车身信息；将所述车身...

【专利技术属性】
技术研发人员：杨扬，
申请(专利权)人：上海伯镭智能科技有限公司，
类型：发明
国别省市：