一种基于地形语义理解的无人车全地形自主导航方法及装置与流程
本发明涉及自动驾驶,具体涉及一种基于地形语义理解的无人车全地形自主导航方法及装置。
背景技术:
1、目前,无人车自主导航技术主要面向城市结构化道路场景,其核心方法依赖于高精地图、车道线检测以及基于几何特征的障碍物识别与避障;在该类方法中,无人车通过激光雷达或视觉传感器获取环境中的三维点云与图像,提取路面边界、障碍物轮廓等几何信息,并基于预设的通行规则进行路径规划与运动控制。
2、然而,在面向山地丛林、荒漠戈壁、雪地泥泞等非结构化全地形场景时,存在以下缺陷:其一,环境认知维度单一,传统几何特征无法有效表征草地、沙地、泥泞等无明显几何边界地形的通行属性,而现有语义分割仅输出类别标签,难以反演地形的摩擦系数、承载能力、沉陷风险等关键物理参数,导致无人车在面对此类地形时频繁出现通行性误判,引发陷车、打滑、侧翻等安全事故。其二,语义理解与导航决策严重脱节,语义分割结果无法直接转化为路径规划模块可调用的决策依据,规划系统仍基于几何障碍进行避障处理,使得规划出的路径理论可通行、实际无法走,缺乏语义驱动的自适应控制能力。其三,现有高精度语义模型参数量大、计算复杂,难以在车载嵌入式域控制器上实时运行,且模型为离线训练范式,无法基于实车行驶数据进行在线优化,面对野外动态多变地形时泛化能力严重不足,无法支撑全地形自主导航的持续迭代需求。因此本发明研究设计出一种基于地形语义理解的无人车全地形自主导航方法及装置。
技术实现思路
1、因此,本发明要解决的技术问题在于克服现有技术中无法对非结构化地形的物理属性进行有效量化,导致无法准确判断地形的实际通行能力的缺陷,从而提供一种基于地形语义理解的无人车全地形自主导航方法。
2、为了解决上述问题,本发明提供一种基于地形语义理解的无人车全地形自主导航方法,其包括以下步骤:
3、采集车载多源传感器获取的车辆周围地形环境数据,提取地形的几何特征、纹理特征及物理特征;
4、基于跨模态特征融合网络对所述几何特征、纹理特征及物理特征进行深度融合,并通过轻量化语义分割网络对融合后的特征进行像素级或点云级的细粒度地形语义分割,输出地形语义类别;
5、根据所述地形语义类别及融合后的多维度特征,反演地形的关键物理参数,并基于车辆动力学模型,构建包含几何代价、物理代价及语义代价的多维度通行代价函数,计算地形栅格的通行代价,生成全局通行代价热力图;
6、以所述通行代价热力图为约束,规划无人车的全局最优路径与局部动态路径,并根据当前路径对应的地形语义类别,调整车辆的运动控制参数,控制无人车行驶。
7、优选地,采集车载多源传感器获取的车辆周围地形环境数据,提取地形的几何特征、纹理特征及物理特征,包括:通过激光雷达、视觉相机、红外相机、毫米波雷达采集地形的三维点云、图像纹理、材质热特征及障碍物距离数据;通过土壤湿度传感器、温度传感器、大气压强传感器采集环境物理参数;通过全球导航卫星系统与惯性测量单元组合导航系统采集车辆位置、地形绝对高程及坡度数据;通过轮速计、方向盘转角传感器、六轴加速度计、陀螺仪、电机扭矩传感器、胎压传感器、悬架行程传感器采集车辆行驶速度、加速度、侧倾角、俯仰角、车轮打滑率、动力输出状态及悬架姿态数据;
8、将采集的多源数据通过车载以太网传输至车载域控制器,并完成点云去噪、运动畸变校正、图像增强、点云与图像的时空配准及异常数据剔除的预处理操作。
9、优选地,基于跨模态特征融合网络对所述几何特征、纹理特征及物理特征进行深度融合,并通过轻量化语义分割网络对融合后的特征进行像素级或点云级的细粒度地形语义分割,输出地形语义类别,包括:
10、构建基于变换器架构的跨模态特征融合网络,通过交叉注意力机制实现几何特征、纹理特征及物理特征的空间对齐与深度关联,输出统一的多维度地形特征表征;
11、构建轻量化编码器-解码器架构的语义分割网络,其中编码器端采用改进的swin变换器微小主干网络,引入局部窗口注意力机制对融合后的地形特征进行编码,解码器端采用多尺度上采样结构恢复特征分辨率,获得像素级或点云级的地形语义分割,并输出每个语义类别的预测置信度;
12、所述轻量化语义分割网络还引入区域注意力机制,对车辆前方的核心行驶区域进行特征增强,对远距离非核心区域进行轻量化处理。
13、优选地,根据所述地形语义类别及融合后的多维度特征,反演地形的关键物理参数,并基于车辆动力学模型构建多维度通行代价函数,生成全局通行代价热力图,包括:
14、基于细粒度地形语义分割结果,结合多维度融合特征与环境传感器数据,构建物理参数回归模型,反演各地形栅格的关键物理参数;
15、建立基于车辆动力学模型的多维度通行代价函数,结合地形语义类别、环境物理参数及车辆自身通过性参数,对每个地形栅格计算几何代价、物理代价、语义代价及动力学代价,形成全局通行代价矩阵;
16、建立可通行性三级分级机制,将每个地形栅格标记为可自由通行、谨慎通行或不可通行,输出全局栅格地图的通行代价热力图。
17、优选地,所述几何代价基于地形坡度、起伏度、障碍物高度及沟壑宽度,结合车辆接近角、离去角、最小离地间隙及最大爬坡度进行量化;
18、所述物理代价基于地形摩擦系数、承载能力及沉陷风险,结合车辆重量及轮胎参数进行量化;
19、所述语义代价基于地形语义类别设置基础风险权重,对水域、悬崖及垂直墙体标记为通行代价无穷大;
20、所述动力学代价结合车辆当前行驶状态,量化不同地形下的动力消耗及行驶稳定性代价。
21、优选地,以所述通行代价热力图为约束,规划无人车的全局最优路径与局部动态路径,并根据当前路径对应的地形语义类别调整车辆的运动控制参数,包括:
22、构建分层级路径规划架构,其中全局规划层基于改进算法,以最小通行代价、最短行驶时间及最低风险作为优化目标规划全局最优行驶路径,局部规划层基于模型预测控制算法,结合更新的通行代价热力图与动态障碍物信息调整局部路径,并根据地形语义特征优化路径形态;
23、建立地形语义与车辆控制参数的自适应映射库,基于当前行驶区域的地形语义类别与通行代价调整车辆的控制策略。
24、优选地,还包括在线学习与闭环优化步骤:
25、采集车辆行驶过程中的模型偏差样本,所述模型偏差样本包括语义分割错误样本及通行性误判样本,构建增量学习数据集;
26、基于轻量化迁移学习算法,采用冻结主干网络、微调分类头与回归头的方式,对语义分割网络与物理参数反演网络进行在线微调;
27、基于车辆实际行驶的反馈数据,比较通行性预测结果与实际行驶效果的偏差,采用遗传算法反向优化通行代价函数中各维度的权重参数,更新地形语义通行性经验库。
28、优选地,所述方法在导航准备阶段还包括:
29、车辆启动后,对激光雷达、视觉相机、全球导航卫星系统与惯性测量单元、各类环境与车辆状态传感器进行自检与硬件校准,完成点云与图像的时空配准及传感器硬件时间同步;
30、完成地形语义理解模型、物理参数反演模型及通行代价量化模型的初始化,加载基础地形语义通行性经验库,标定车辆动力学参数与通过性参数;
31、根据导航任务的行驶区域及车辆类型设置系统运行参数与模型配置:对于荒漠穿越场景提升沙地及戈壁地形的识别权重并启用长距离地形感知模式;对于丛林越野场景优化植被、沟壑及斜坡的语义分割精度并启用近距离精细感知模式。
32、优选地,所述方法在导航结束阶段还包括:
33、当车辆到达预设目标点时,生成导航任务评估报告;
34、对本次导航任务的全流程数据进行存储备份。
35、本发明还提供一种基于地形语义理解的无人车全地形自主导航装置,包括前任一项所述的基于地形语义理解的无人车全地形自主导航方法,包括:
36、多源数据采集模块,用于通过车载多源传感器采集车辆周围的地形环境数据与车辆状态数据,以及完成数据预处理与传输;
37、地形语义智能分析模块,用于基于跨模态特征融合网络对所述多源数据采集模块输出的数据进行几何特征、纹理特征及物理特征的深度融合,并通过轻量化语义分割网络输出细粒度地形语义分割结果;
38、地形物理特性反演与通行性量化模块,用于根据所述地形语义分割结果及融合后的多维度特征反演地形的关键物理参数,并基于车辆动力学模型构建多维度通行代价函数,生成全局通行代价热力图;
39、语义驱动的自主导航决策模块,用于以所述通行代价热力图为约束规划无人车的全局最优路径与局部动态路径,并根据当前路径对应的地形语义类别调整车辆的运动控制参数;
40、在线学习与闭环优化模块,用于基于车辆实际行驶的反馈数据对语义分割模型及通行代价模型进行增量式在线更新。
41、本发明提供的一种基于地形语义理解的无人车全地形自主导航方法及装置具有如下有益效果:
42、1.本发明通过跨模态特征融合网络将激光雷达点云的几何特征、视觉图像的纹理特征以及环境传感器的物理特征深度融合,并反演地形的承载能力、摩擦系数、沉陷风险等关键物理参数,将地形认知从识别地形类别升级为判断通行能力,为全地形自主导航提供了可靠的决策依据,降低了无人车在复杂地形下的陷车、打滑、侧翻等安全风险;
43、2.本发明还通构建包含几何代价、物理代价及语义代价的多维度通行代价函数,将抽象的地形语义结果直接映射为导航系统可调用的通行代价热力图,路径规划与运动控制模块以该热力图为直接约束进行决策,实现了语义驱动的自适应路径规划与车辆控制策略调整,使无人车能够根据不同地形类型动态调整行驶策略,大幅提升非结构化复杂环境下的自主通行能力与行驶稳定性;
44、3.本发明还通过采用轻量化编码器-解码器架构的语义分割网络,并引入区域注意力机制对核心行驶区域进行特征增强、对远距离非核心区域进行轻量化处理,在保证分割精度的同时满足车载嵌入式域控制器的低时延要求;同时,本技术构建了增量式在线学习机制,基于车辆实际行驶的反馈数据,采用冻结主干网络、微调分类头与回归头的方式对语义分割网络与物理参数反演网络进行在线微调,并采用遗传算法反向优化通行代价函数的权重参数,使系统能够在不遗忘原有识别能力的前提下快速适配新的地形场景,实现导航能力的持续迭代进化。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com