【技术实现步骤摘要】
一种基于深度学习的自主车辆控制方法及系统
本专利技术涉及自动驾驶的
,尤其涉及一种基于深度学习的自主车辆控制方法及系统。
技术介绍
随着科技的发展与深度学习技术的研究,人工智能领域在近些年来取得了惊人的成就,而这些技术也逐渐渗透进了生活中的方方面面,其中就包括人们日常出行所依赖的交通工具。自动驾驶技术毫无疑问是人工智能在汽车领域进军的主要阵地。自动驾驶,是一项旨在借助传感器收集车身与路面环境信息,依靠计算机视觉、数据融合等人工智能技术来实现车身在没有任何人类的主动操作下,能够自动规划路径并安全控制车身运动的技术,它囊括了计算机视觉、雷达技术、数据融合、机械控制、路径规划、优化理论等许多交叉学科领域。现有自主车辆控制方法存在潜在交通危险场景单一的问题,其主要针对能见度限制的交叉路口,但实际存在的潜在交通危险场景远不止这一种;当前多数针对自主车辆控制方法的研究聚焦于给定模型的参数进行策略优化,缺乏面对复杂运行环境和多样运营需求的鲁棒性、适应性以及自学习性。鉴于此,如何确定车辆驾驶过程中的潜在交通危险场景,并根据所确定的潜在交通危险场景进行车辆控制路径规划,成为本领域技术人员亟待解决的问题。
技术实现思路
本专利技术提供一种基于深度学习的自主车辆控制方法,通过利用结合鸟瞰图和区域生长算法的车辆位置确定算法得到当前车辆所处的位置,并利用车辆轨迹生成算法生成当前时刻车辆的轨迹,从而利用基于深度学习的车辆策略控制模型进行下一时刻车辆路径的规划。为实现上述目的,本专利技术提 ...
【技术保护点】
1.一种基于深度学习的自主车辆控制方法,其特征在于,所述方法包括:/n获取车辆位置图像,并利用基于逆透视映射的鸟瞰图生成算法对所述车辆位置图像处理,生成车辆位置鸟瞰图;/n利用区域生长法处理鸟瞰图,分割出车辆可行区域以及车辆行驶道路的盲区起始点;/n根据车辆可行区域,利用车辆轨迹生成算法生成当前时刻车辆的轨迹;/n将当前时刻车辆的状态、轨迹以及盲区区域作为输入,利用基于深度学习的车辆策略控制模型进行下一时刻车辆路径的规划,得到若干候选路径;/n设置安全路径筛选条件,并根据安全路径筛选条件对候选路径进行筛选,筛选得到的路径即为车辆后续时刻的路径。/n
【技术特征摘要】
1.一种基于深度学习的自主车辆控制方法,其特征在于,所述方法包括:
获取车辆位置图像,并利用基于逆透视映射的鸟瞰图生成算法对所述车辆位置图像处理,生成车辆位置鸟瞰图;
利用区域生长法处理鸟瞰图,分割出车辆可行区域以及车辆行驶道路的盲区起始点;
根据车辆可行区域,利用车辆轨迹生成算法生成当前时刻车辆的轨迹;
将当前时刻车辆的状态、轨迹以及盲区区域作为输入,利用基于深度学习的车辆策略控制模型进行下一时刻车辆路径的规划,得到若干候选路径;
设置安全路径筛选条件,并根据安全路径筛选条件对候选路径进行筛选,筛选得到的路径即为车辆后续时刻的路径。
2.如权利要求1所述的一种基于深度学习的自主车辆控制方法,其特征在于,所述利用基于逆透视映射的鸟瞰图生成算法对所述车辆位置图像处理,包括:
若摄影机的分辨率为M×N,角孔径为2α,将摄影机所拍摄得到的车辆位置图像转换为鸟瞰图,其中(x,y,z)为摄影机中的三维图像,(u,v)为转换后的鸟瞰图:
其中:
γ和θ为摄像机的偏航角和倾斜角。
3.如权利要求2所述的一种基于深度学习的自主车辆控制方法,其特征在于,所述利用区域生长法处理鸟瞰图,包括:
在鸟瞰图中选取四连通区域,生长准则为从所有待分析的像素点中选择一个像素点,该点的灰度值和已经分割好区域灰度均值的差的绝对值是最小的;
所有待分析的邻域像素点和已经分割好的区域像素点的灰度值距离大于0.06时停止生长;
区域生长结果图中的白色像素对应原始图像中的可行区域,即车辆视野前方的可行驶道路。
4.如权利要求3所述的一种基于深度学习的自主车辆控制方法,其特征在于,所述分割出车辆行驶道路的盲区起始点,包括:
利用Canny算子提取可行区域的轮廓,对提取出的轮廓信息进行遍历,寻找轮廓中的凸包;
将这些凸包用连接线连接起来,绘制出凹区域;
求解出每个凹区域内轮廓上的凹点距离相对应的连接线上最远的点,该点即为所需的盲区与遮挡物交界的起始点。
5.如权利要求4所述的一种基于深度学习的自主车辆控制方法,其特征在于,所述利用车辆轨迹生成算法生成当前时刻车辆的轨迹,包括:
1)在车辆可行区域内定义车辆参考路径,将其设置为车辆可行区域空间内一组离散的点rs,这些离散的点构成道路参考线;s是表示沿参考路径纵向移动距离的变量,结合横向位移变量d,状态(s,d)构成路径轨迹图中的一个坐标点;
2)将当前车辆在鸟瞰图中的位置(x0,y0)转换为路径轨迹图中的起始点(s0,d0):
s0=argmin(x0-rs)
d0=(x0-r(s0))Tnr(s0)
其中:
nr(s0)为路径s0的法向量;
3)获取车辆当前的航向角θ0、纵向速度v0、曲率k0和加速度a0;
4)生成车辆在车辆轨迹中连接初始状态i0和期望的最终状态if:
i0=(s0,s′0,d0,d′0)T
if=(sf,sf,df,df)T
s′0,s′f为连接初始状态和最终状态的期望纵向速度;
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。