[發明專利]基于擬人駕駛的ACC/AEB系統及車輛

有效

• 申請號: 201710962499.8
• 申請日: 2017-10-17
• 公開（公告）號: CN107544518B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 梁濤年
• 申請（專利權）人: 蕪湖伯特利汽車安全系統股份有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 蕪湖安匯知識產權代理有限公司 34107
• 代理人: 方文倩

1.一種基于擬人駕駛的ACC/AEB系統，包括環境感知模塊、數據融合模塊、決策控制模塊、擬人駕駛模塊以及執行模塊；

其特征在于：

所述的環境感知模塊包括視覺傳感器、毫米波雷達傳感器、激光雷達傳感器、車聯網V2X、高精度地圖及差分GPS；

所述的數據融合模塊將環境感知模塊獲得的有效目標的數據進行數據級和特征級以及時間、相位和空間之間的相互匹配與融合，獲得目標更為準確的參數信息；

所述的決策控制模塊將數據融合模塊融合后的數據，再結合本車運行過程狀態參數、駕駛人意圖參數進行決策級的融合，并計算出車輛防撞預警時間、防撞預警時間倒數、制動減速度、制動力、加速度的參數；根據車輛防撞預警時間的相關組合，決策ACC和AEB的各種工作狀態和介入的時機，實時的將控制參數發送給執行機構執行相關的動作；

所述的擬人駕駛模塊包括機器學習模型；所述的擬人駕駛模塊采用增強自學習型神經網絡；所述的增強自學習型神經網絡接收感知傳感器的數據、駕駛人行為參數以及車體運行參數，進行機器學習與訓練；

所述的擬人駕駛模塊在訓練過程中將傳感器參數、駕駛行為參數、車輛運行參數送入機器學習模型；駕駛人駕駛車輛在不同工作場景下學習；在正常駕駛過程中駕駛人可以實時對機器學習模型進行訓練；當駕駛人進行ACC/AEB駕駛狀態的時候，機器學習結果和ACC/AEB決策控制模塊的結果進行比較與糾正，以實現擬人駕駛和個性駕駛。

2.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的視覺傳感器包括單目攝像頭，雙目攝像頭以及3D攝像頭。

3.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的視覺傳感器通過攝像機實時拍攝行車前方的場景，通過圖像處理算法和坐標變換和圖像矯正算法，并對場景中的有效目標信息進行提取。

4.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的毫米波雷達傳感器實現對行車前方目標的識別、分類和跟蹤，并測量出有效目標的相關參數。

5.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的激光雷達傳感器通過掃面方式，建立周圍物體的立體模型，并得到更精確的危險目標或跟隨目標的位置參數。

6.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的車聯網V2X通過無線技術通訊，本車將獲得周圍其它車輛、基礎交通設施、道路標識牌、行人及其可穿戴設備和無線傳輸設備提供的位置、速度、距離、方位和狀態信息。

7.按照權利要求6所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的基礎交通設施包括紅綠燈狀態信息、紅綠燈時間長度信息、交通路口轉向通過信息。

8.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的高精度地圖及差分GPS為車輛實時提供道路坡度、道路曲率、道路坐標信息及車輛GPS定位信息。

9.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的環境感知模塊的數據是視覺傳感器、毫米波雷達傳感器、激光雷達傳感器、車聯網V2X、高精度地圖及差分GPS的數據中的任意一種，直接送入擬人駕駛模塊和決策控制模塊。

10.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的數據融合模塊將機器視覺傳感器、毫米波雷達傳感器、激光雷達傳感器、車聯網V2X、高精度地圖及差分GPS中的任意兩種傳感器進行融合后的數據，或所有傳感器進行融合后的數據送給擬人駕駛模塊和決策控制模塊。

11.按照權利要求1所述的基于擬人駕駛的ACC/AEB系統，其特征在于：所述的擬人駕駛模塊對決策控制模塊計算的結果進行比較與糾正，以輸出接近于擬人化和符合駕駛人駕駛行為的控制參數。