一种基于人工智能的自动驾驶路况识别分析系统技术方案

本发明专利技术公开了一种基于人工智能的自动驾驶路况识别分析系统，涉及路况分析领域，其技术方案包括汽车，汽车的内部包括激光雷达、CMOS摄像头、识别系统、图像系统、深度学习模块和数据传输模块，激光雷达安装在汽车的外部，CMOS摄像头安装在汽车的外部，激光雷达与识别系统之间通信连接，激光雷达将识别到的物体以及距离传输到识别系统中，图像系统对CMOS摄像头拍摄的图像进行采集分析与识别，通过红绿灯识别模块结合当前车辆的行驶速度对车辆的路径进行规划，同时图像识别模块还会对周围车辆的转向灯进行识别，便于检测周围车辆的便道和转弯意图，数据传输模块再对分析出的数据进行传输，便于车辆中的人员进行观看。便于车辆中的人员进行观看。便于车辆中的人员进行观看。

【技术实现步骤摘要】
一种基于人工智能的自动驾驶路况识别分析系统


[0001]本专利技术涉及路况分析
，尤其涉及一种基于人工智能的自动驾驶路况识别分析系统。

技术介绍

[0002]随着自动驾驶车辆的普及，自动驾驶车辆可作为出租车或公共交通工具使用，乘客在使用自动驾驶车辆时，需要输入目的地，自动驾驶车辆基于当前位置和目的地生成行驶路线，并按照生成的行驶路线行驶。
[0003]经检索，中国专利号为CN109448376A的专利技术专利，公开了一种基于视频的路况分析方法及系统，涉及智能交通领域。本专利技术包括如下步骤：步骤S01：在市区各街道架设视频摄像头，获取街道的实时视频；步骤S02：处理实时视频为路况视频，每秒截取多帧图像转换为路况图片；步骤S03：对路况图片结合样本点像素参数进行处理，生成处理效果；步骤S04：对处理结果进行分析，得出分析结果并格式化；步骤S05：将分析结果存入数据存储设备，并在地图上绘制。本专利技术通过连接道路上的视频摄像头，获取到路面视频信息，路况图片结合样本点像素参数进行算法分析得出路况信息，同时使用地图绘制技术向用户进行直观的展示，方便用户第一时间了解路况信息，做出最优路线选择。
[0004]然而上述系统在使用的过程中仅能够通过视频摄像头获取路面信息，再将路况图片结合样本点像素参数进行算法分析得出路况信息，便于向用户进行直观的展示，但在实际操作过程中由于缺乏激光雷达对车辆周围物体的距离的数据支撑，从而难以对周围的路况进行详细分析，同时缺乏对车辆以及周围行人运动路径的预测，从而大大降低对路况的分析效率，因此需要一种基于人工智能的自动驾驶路况识别分析系统。

技术实现思路

[0005]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于人工智能的自动驾驶路况识别分析系统。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：
[0007]一种基于人工智能的自动驾驶路况识别分析系统，包括汽车，所述汽车的内部包括激光雷达、CMOS摄像头、识别系统、图像系统、深度学习模块和数据传输模块，所述激光雷达安装在汽车的外部，所述CMOS摄像头安装在汽车的外部，所述激光雷达与所述识别系统之间通信连接，所述激光雷达将识别到的物体以及距离传输到所述识别系统中，所述图像系统对所述CMOS摄像头拍摄的图像进行采集分析与识别，所述图像系统的内部包括图像采集模块、图像预处理模块、图像识别模块和车辆轮廓采集模块；
[0008]所述识别系统的内部包括车辆识别模块、行人识别模块和坑洼及固定障碍物识别模块，所述识别系统对所述激光雷达传输数据中外部的车辆位置、行人以及坑洼障碍物进行识别，所述识别系统将识别出的数据传输到所述深度学习模块中，所述图像系统将数据传输到所述深度学习模块中，所述深度学习模块的内部包括车辆路径预测模块、行人路径
预测模块、数据记忆模块、路段堵塞获取模块和红绿灯识别模块；
[0009]所述深度学习模块通过对识别系统和图像系统传输数据的学习，从而对周围车辆的运动路径、行人的运动路径进行预测，同时接入外部外部数据对行程中的堵塞路段进行获取，通过图像系统的识别内容对红路灯的情况进行获取，并且对路段中坑洼和障碍物的区域进行记忆，在下次行驶的时候自动规避，所述深度学习模块与所述数据传输模块之间通信连接，所述深度学习模块将识别后的数据通过所述数据传输模块进行传输，便于驾驶人员进行观看。
[0010]上述技术方案进一步包括：
[0011]所述车辆识别模块对接收到的汽车周围物体以及距离的数据进行学习，从而对汽车周围的车辆的具体数据进行识别，所述行人识别模块对接收到的汽车周围物体以及距离的数据进行学习，从而对汽车周围的行人进行识别。
[0012]所述坑洼及固定障碍物识别模块对接收到的汽车周围物体以及距离的数据进行学习，从而对汽车周围的坑洼以及固定障碍物进行识别。
[0013]所述图像采集模块对所述CMOS摄像头拍摄的图像进行采集，所述图像采集模块将采集到的图像传输到所述图像预处理模块中，所述图像预处理模块对图像进行预处理，从而降低图像中存在的噪点，并且对图像进行矫正。
[0014]所述图像预处理模块将处理后的图像传输到所述图像识别模块中，所述图像识别模块对处理后的图像进行识别，识别的内容包括车辆、周围车辆的转向灯和行人的边缘以及前方交通信号灯的颜色与数值。
[0015]所述车辆轮廓采集模块根据所述图像识别模块识别出的数据，从而对周围车辆的边缘进行采集。
[0016]所述车辆路径预测模块通过5s内周围汽车的行驶状况以及周围车辆的转向灯从而对周围汽车后续的行驶路径进行预测，所述行人路径预测模块通过5s内周围行人的运动状况从而对周围行人后续的行驶路径进行预测。
[0017]所述数据记忆模块对周围的坑洼以及固定障碍物进行记忆，在下次行驶此路段时自动对坑洼以及固定障碍物进行避让，所述路段堵塞获取模块通过对外部导航以及北斗卫星的接入，从而对行驶路程中的路段的堵塞情况进行获取。
[0018]所述红绿灯识别模块通过所述图像识别模块识别的交通信号灯的颜色与数值，并结合当前车辆的行驶速度对车辆的路径进行规划。
[0019]相比现有技术，本专利技术的有益效果为：
[0020]1、本专利技术中，通过激光雷达能够对汽车周围的物体距离以及方位进行检测，并且通过识别系统内部车辆识别模块、行人识别模块和坑洼及固定障碍物识别模块的配合使用从而能够实现对车辆、行人、坑洼以及固定障碍物的识别检测，并且通过深度学习模块内部的车辆路径预测模块、行人路径预测模块和数据记忆模块的配合使用进而能够实现对周围汽车以及行人后续的行驶路径进行预测，同时通过数据记忆模块对行驶过程中坑洼以及固定障碍物进行记录，在下次行驶时尽量对坑洼以及固定障碍物进行规避，大大增强了对路况的分析。
[0021]2、本专利技术中，通过图像系统内部图像采集模块、图像预处理模块、图像识别模块和车辆轮廓采集模块的配合使用能够实现对车辆和行人的边缘以及前方交通信号灯的颜色
与数值的识别，并且通过红绿灯识别模块结合当前车辆的行驶速度对车辆的路径进行规划，同时图像识别模块还会对周围车辆的转向灯进行识别，便于检测周围车辆的便道和转弯意图，数据传输模块再对分析出的数据进行传输，便于车辆中的人员进行观看。
附图说明
[0022]图1为本专利技术提出的一种基于人工智能的自动驾驶路况识别分析系统的系统框图；
[0023]图2为本专利技术中识别系统的系统框图；
[0024]图3为本专利技术中图像系统的系统框图；
[0025]图4为本专利技术中深度学习模块的系统框图。
[0026]图中：1、激光雷达；2、CMOS摄像头；3、识别系统；4、图像系统；5、深度学习模块；6、数据传输模块；7、车辆识别模块；8、行人识别模块；9、坑洼及固定障碍物识别模块；10、图像采集模块；11、图像预处理模块；12、图像识别模块；13、车辆轮廓采集模块；14、车辆路径预测模块；15、行人路径预测模块；16、数据记忆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的自动驾驶路况识别分析系统，包括汽车，其特征在于，所述汽车的内部包括激光雷达(1)、CMOS摄像头(2)、识别系统(3)、图像系统(4)、深度学习模块(5)和数据传输模块(6)，所述激光雷达(1)安装在汽车的外部，所述CMOS摄像头(2)安装在汽车的外部，所述激光雷达(1)与所述识别系统(3)之间通信连接，所述激光雷达(1)将识别到的物体以及距离传输到所述识别系统(3)中，所述图像系统(4)对所述CMOS摄像头(2)拍摄的图像进行采集分析与识别，所述图像系统(4)的内部包括图像采集模块(10)、图像预处理模块(11)、图像识别模块(12)和车辆轮廓采集模块(13)；所述识别系统(3)的内部包括车辆识别模块(7)、行人识别模块(8)和坑洼及固定障碍物识别模块(9)，所述识别系统(3)对所述激光雷达(1)传输数据中外部的车辆位置、行人以及坑洼障碍物进行识别，所述识别系统(3)将识别出的数据传输到所述深度学习模块(5)中，所述图像系统(4)将数据传输到所述深度学习模块(5)中，所述深度学习模块(5)的内部包括车辆路径预测模块(14)、行人路径预测模块(15)、数据记忆模块(16)、路段堵塞获取模块(17)和红绿灯识别模块(18)；所述深度学习模块(5)通过对识别系统(3)和图像系统(4)传输数据的学习，从而对周围车辆的运动路径、行人的运动路径进行预测，同时接入外部外部数据对行程中的堵塞路段进行获取，通过图像系统的识别内容对红路灯的情况进行获取，并且对路段中坑洼和障碍物的区域进行记忆，在下次行驶的时候自动规避，所述深度学习模块(5)与所述数据传输模块(6)之间通信连接，所述深度学习模块(5)将识别后的数据通过所述数据传输模块(6)进行传输，便于驾驶人员进行观看。2.根据权利要求1所述的一种基于人工智能的自动驾驶路况识别分析系统，其特征在于，所述车辆识别模块(7)对接收到的汽车周围物体以及距离的数据进行学习，从而对汽车周围的车辆的具体数据进行识别，所述行人识别模块(8)对接收到的汽车周围物体以及距离的数据进行学习，从而对汽车周围的行人进行识别。3.根据...

【专利技术属性】
技术研发人员：康明，陶祥兴，钱亚冠，付乐，应书丽，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：