[發明專利]一種基于路面病害檢測的通用自動駕駛導航系統

在審

• 申請號: 202011138745.6
• 申請日: 2020-10-22
• 公開（公告）號: CN112633055A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 陳艷艷;劉卓;嚴海;陳寧;侯越;王俊濤;楊湛寧;潘碩;曹丹丹;史宏宇;李春杰;呂璇
• 申請（專利權）人: 北京工業大學;河北省交通規劃設計院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;B60W40/06;B60W60/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

本發明公開了一種基于路面病害檢測的通用自動駕駛導航系統，系統硬件指代為基于開源Neo套件的改進，Neo套件由vehicle模塊、Giraffe模塊、Panda模塊和Eon模塊四部分組成，改進部分包括將Giraffe模塊與Panda模塊功能組合，以讓車輛CAN端口信息直接從USB端口導出，以及增加Eon模塊散熱功能，保證長期高速運行。軟件包括開源Openpilot軟件構架，由Carinterface模塊、grain模塊、board dd模塊、Car模塊、Loggerd模塊、Controlsd模塊、Vision模塊、Radar模塊八個部分組成。本發明基于深度學習的圖像處理技術與自動駕駛策略指導相結合，對路面病害及其他路面對象進行識別并作出相應策略的選擇，為未來路面病害檢測的自動化、無人化奠定了重要的基礎。

技術領域

本發明屬于深度學習圖像處理領域，涉及一種識別路面狀況技術并進行駕駛策略指導。本發明適用于道路病害檢測智能化方面。

背景技術

隨著經濟持續增長，我國公路建設投資總額也呈現出增加態勢。盡管我國公路建設已經取得了良好的成績，但是公路養護卻沒有跟不上。路面病害直接關系路面服役壽命與服役性能，嚴重影響公共交通安全。當前，路面病害多通過人工檢測的方法，費時費力。因此，路面病害識別的及時性與必要性就變得尤為重要。

由于缺少技術支撐，目前病害識別工作主要通過人工現場檢測或基于人工駕駛的路面檢測車進行檢測。以上兩種方法均存在病害檢測及結果上傳速度慢，人力資源投入量大等缺點。同時，目前對路面病害圖像識別的研究多采用路面檢測車采集的垂直于地面的圖像集，而對于實現自動駕駛，這種圖像集不具有真實性和泛化性，缺少實際應用價值。其次，由于攝像機和環境條件的不同，導致不同圖像之間存在較大差異，可能仍然不適用于路面裂縫圖像的批量處理，計算速度和效率也相對較低。

發明內容

本發明的目的在于通過一種基于深度學習的圖像處理技術與自動駕駛策略指導相結合，對路面病害及其他路面對象進行識別并作出相應策略的選擇，為未來路面病害檢測的自動化、無人化奠定了重要的基礎。本發明采用的技術方案為一種基于路面病害檢測的通用自動駕駛導航系統。

該系統相比現在市場上流行的自動駕駛系統而言，最大的優勢和特點就在于：除了傳統的路面信息檢測，如車輛、行人之外，其可以實現實時的路面病害，如裂縫、坑槽，和特殊天氣影響所產生的目標，包括積水、積雪，進行檢測，并調整相應的駕駛策略，將自動駕駛和路面病害識別相結合，可以進行病害的快速識別和反饋，大大提升了病害的檢測和識別速度，并減少了人力資源。

系統主要包括硬件和軟件。

硬件指代為基于開源Neo套件的改進，Neo套件主要由vehicle模塊、Giraffe模塊、Panda模塊和Eon模塊四部分組成，改進部分包括將Giraffe模塊與Panda模塊功能組合，以讓車輛CAN端口信息直接從USB端口導出，以及增加Eon模塊散熱功能，保證長期高速運行。

軟件包括開源Openpilot軟件構架，其主要由Carinterface模塊、grain模塊、board dd模塊、Car模塊、Loggerd模塊、Controlsd模塊、Vision模塊、Radar模塊八個部分組成。并使用PID控制方法，添加“Pave Interface”接收控制命令。另一方面，軟件包括深度學習網絡：Faster R-CNN，通過訓練實現對于路面信息的識別，并指導車輛的駕駛策略調整。

具體系統實現的方法為：

硬件部分：Giraffe模塊將從車輛的CAN端口讀取的信息轉換為標準OBD端口；Panda模塊將從標準OBD端口獲取的信息轉換為只能由移動終端讀取的微型計算機或USB端口；Eon模塊通過type C端口接收Panda的USB端口發送的信息；車輛的控制流與信息流相反，通過Eon模塊、Panda模塊、Giraffe模塊將控制決策信息返回給車輛，從而實現車輛的自動控制。