[發明專利]一種自動駕駛系統及方法

在審

• 申請號: 202011288074.1
• 申請日: 2020-11-17
• 公開（公告）號: CN112327865A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 陳章芳;姚永深
• 申請（專利權）人: 易特智行科技（廣州）有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 廣州永華專利代理有限公司 44478
• 代理人: 郭裕彬

本發明公開了一種自動駕駛系統，包括自動感知模塊和路程規劃模塊，所述自動感知模塊包括定位單元、檢測單元和預測單元，所述路程規劃模塊包括全局規劃單元和局部規劃單元。本發明通過SLAM算法在未知環境中創建供駕駛過程使用地圖，根據起始地點和目標地點的位置在地圖上規劃出全局行駛路徑，利用傳感器融合算法和深度學習網絡實時自動識別自動駕駛車輛外周部的物體目標并預測出物體目標未來的運動軌跡，結合全局行駛路徑、物體目標未來的運動軌跡規劃局部行駛路徑保證自動駕駛車輛實時正常行駛，整個自動駕駛過程中自動適應復雜環境和實現智能路線調整，環境適應性強、安全性高。

技術領域

本發明涉及智能駕駛技術領域，具體涉及一種自動駕駛系統及方法。

背景技術

學習一個從當前環境到自動駕駛車輛的映射是當前眾多自動駕駛車輛應用的核心問題。該映射一般是利用車載傳感器來感知自動駕駛車輛周圍環境，并根據所獲得的環境信息，來控制自動駕駛車輛的角速度和線速度，從而完成自動駕駛車輛的行為規劃。

當前自動駕駛車輛行為規劃系統大多是通過預編程的方法實現，由領域內的專家對環境建模并定義控制邏輯，通過預編程已經成功的實現了在特定環境下對自動駕駛車輛的控制。但是由于環境的多樣性，使得通過預編程使自動駕駛車輛在不同環境下都能完成行為規劃變得非常復雜和困難，而且當自動駕駛車輛遇到更加復雜或者陌生的環境時，其控制將變得不穩定，即使對所有環境都能建模，但是其控制邏輯卻并不一定穩定。

發明內容

本發明的目的在于提供一種自動駕駛系統，以解決現有技術中預編程控制自動駕駛車輛難以適應復雜多變的環境的技術問題。

為解決上述技術問題，本發明具體提供下述技術方案：

一種自動駕駛系統，包括自動感知模塊和路程規劃模塊，所述自動感知模塊包括定位單元、檢測單元和預測單元，所述路程規劃模塊包括全局規劃單元和局部規劃單元；

定位單元，利用全球導航衛星系統(Global Navigation Satellite System，GNSS)和慣性測量單元(Inertial Measurement Unit，IMU)構成的慣性導航系統(InertialNavigation System，INS)協助自動駕駛車輛采用即時定位與地圖構建(SimultaneousLocalization And Mapping，SLAM)算法在未知環境中構建地圖并利用地圖進行自我定位和導航；

檢測單元，利用攝像頭和激光雷達傳感器協助自動駕駛車輛采用傳感器融合算法和深度學習網絡識別出在行進過程中周圍出現的各類物體目標及物體目標的運動狀態；

預測單元，利用定位單元構建的地圖和檢測單元輸出各類物體目標及物體目標的運動狀態協助自動駕駛車輛采用運動學模型算法預測出各類物體目標未來的運動軌跡；

全局規劃單元，利用定位單元構建的地圖協助自動駕駛車輛采用全局路徑規劃算法規劃出從起始地點到目標地點的行駛路徑；

局部規劃單元，在全局規劃單元中規劃出的從起始地點到目標地點的全局行駛路徑的基礎上，自動駕駛車輛采用局部路徑規劃算法應對在全局行駛路徑上出現的意外情況，以使得自動駕駛車輛實時正常行駛。

作為本發明的一種優選方案，所述檢測單元獲得各類物體目標及物體目標的運動狀態的具體步驟：

A1、將攝像頭設定為定時拍攝，并將攝像頭定時拍攝的圖片輸入到深度學習網絡模型中進行物體目標識別，并輸出物體目標識別結果；

A2、激光、雷達傳感器分別對物體目標識別結果中包含的各類物體目標的位置數據和速度數據進行實時追蹤檢測；

A3、將位置數據和速度數據輸入到傳感器融合算法中進行數據融合，以使得位置數據和速度數據以組合形式表示物體目標的運動狀態。