[發明專利]一種基于云端機器學習的車輛環境感知和控制方法

有效

• 申請號: 201610368063.1
• 申請日: 2016-05-26
• 公開（公告）號: CN105922990B
• 公開（公告）日: 2018-03-20
• 發明（設計）人: 鄭銀坤
• 申請（專利權）人: 廣州市甬利格寶信息科技有限責任公司
• 主分類號: B60W30/095
• 分類號: B60W30/095
• 代理公司: 北京市盈科律師事務所11344
• 代理人: 馬麗麗,江錦利

1.一種基于云端機器學習的車輛環境感知和控制方法，通過設置于車輛的車載環境感知系統和控制系統以及設置于云端的云端服務系統實現；其特征在于，所述控制系統預置圖像處理算法、毫米波雷達數據處理算法、目標識別和跟蹤算法以及目標識別參數集T1和算法控制參數集T2；所述云端服務系統預置有云端機器學習算法；

所述車輛環境感知和控制方法包括以下步驟：

A1.車載環境感知系統采集車輛前部、后部以及左右兩側后方盲區的圖像數據，分別為IA、IB、IC；并采集車輛前部區域的障礙物毫米波雷達數據R；

A2.控制系統通過所述圖像處理算法提取所述圖像數據IA、IB、IC的特征向量集，分別為TA、TB、TC；并通過所述毫米波雷達數據處理算法處理所述障礙物毫米波雷達數據R得到車前障礙物的距離S；所述特征向量集TA與所述車前障礙物的距離S組成特征向量集(TA，S)；

A3.控制系統利用所述目標識別和跟蹤算法及目標識別參數集T1和算法控制參數集T2，分別對特征向量集(TA，S)、TB、TC進行機器學習，識別出前方障礙物WA、后視盲區障礙物WB、左右兩側后方盲區障礙物WC；

A4.車載環境感知系統和控制系統利用所述目標識別和跟蹤算法對WA、WB以及WC進行目標跟蹤，獲取目標的環境感知數據；控制系統獲取車輛當前狀態數據；

A5.根據所述目標的環境感知數據和車輛狀態數據，計算出安全間距，并判斷車輛是否處于非安全間距，若是則執行車輛主動安全控制；

A6.控制系統將所述目標的環境感知數據上傳至所述云端服務系統，利用云端機器學習算法進行學習，并返回相應的目標識別參數和算法控制參數至所述控制系統，以更新所述目標識別參數集T1和算法控制參數集T2。

2.根據權利要求1所述的基于云端機器學習的車輛環境感知和控制方法，其特征在于，步驟A4中獲取目標的環境感知數據包括車輛與目標的距離、目標的大小、車輛與目標的相對速度；步驟A4中獲取車輛當前狀態數據包括當前車速、加速度以及方向盤轉角。

3.根據權利要求1所述的基于云端機器學習的車輛環境感知和控制方法，其特征在于，步驟A6中控制系統通過定期或警報觸發的方式，將所述目標的環境感知數據上傳至所述云端服務系統。

4.根據權利要求1所述的基于云端機器學習的車輛環境感知和控制方法，其特征在于，所述目標識別和跟蹤算法包括目標識別算法和目標跟蹤算法，其中目標識別算法采用級聯的AdaBoost算法，目標跟蹤算法采用卡爾曼濾波算法；所述云端機器學習算法采用CNN神經網絡算法。

5.根據權利要求1至4任一項所述的基于云端機器學習的車輛環境感知和控制方法，其特征在于，所述車載環境感知系統包括前攝像頭、毫米波雷達傳感器、后攝像頭、左側攝像頭以及右側攝像頭；前攝像頭安裝在車輛前擋風玻璃中央位置；所述毫米波雷達傳感器安裝在車前防撞桿中央位置；后攝像頭安裝在車輛后擋風玻璃中央位置；左側攝像頭以及右側攝像頭分別安裝在車輛左右兩側后視鏡上。

6.根據權利要求5所述的基于云端機器學習的車輛環境感知和控制方法，其特征在于，所述控制系統包括數據處理單元，以及與數據處理單元通信連接的通信單元、信息安全單元、報警單元和車輛控制單元；所述云端服務系統包括云端通信服務器和云端機器學習服務器，二者通信連接；所述通信單元與云端通信服務器無線通信連接；

所述數據處理單元預置所述圖像處理算法、毫米波雷達數據處理算法、目標識別和跟蹤算法以及目標識別參數集T1和算法控制參數集T2；所述云端機器學習服務器預置所述云端機器學習算法；數據處理單元接收車載環境感知系統輸入的環境感知數據，結合車輛當前狀態數據相應執行控制報警單元和車輛控制單元動作；所述信息安全單元對環境感知數據加密后通過所述通信單元發送至所述云端通信服務器，由所述云端通信服務器輸入所述云端機器學習服務器中學習，所述云端機器學習服務器學習后通過所述云端通信服務器向通信單元、數據處理單元返回對應的目標識別參數和算法控制參數供數據處理單元更新目標識別參數集T1和算法控制參數集T2。