一种新型辅助自动驾驶综合设备的制作方法

本发明涉及自动驾驶技术领域，具体涉及一种新型辅助自动驾驶综合设备。

背景技术：

自动驾驶汽车的工作原理，是主动地通过摄像机、激光雷达、毫米波雷达、超声波等车载传感器来感知周围的环境，依据所获取的信息进行决策判断，由适当的工作模型来制定相应的策略，如预测本车与其它车辆、行人等在未来一段时间内的运动状态，并进行避免碰撞路径规划。在规划好路径之后，接下来需要控制车辆沿着期望的轨迹行驶。这其中涉及到传感器环境感知、高精地图/gps精准定位、v2x信息通信、多种数据融合、决策与规划演算、演算结果的电子控制与执行等过程，在此过程中需要一部强劲的计算机来统一实时分析、处理海量的数据与进行复杂的逻辑演算，对计算能力的要求非常高。一般认为，自动驾驶l2级别需要的计算力为<10tops(trillionsoperationspersecond)，l3级别需要的计算力为30-60tops，l4级别需要的计算力为>100tops，l5级别需要的计算力目前未有明确定义(有预测需要至少1000tops)，目前的计算平台仅能满足部分l3、l4级别的自动驾驶需要。

因此现在的自动驾驶受限于计算能力与成本因素，只能在“人不多、规定车道、车速不快”的情况下实现“有条件”的自动驾驶，现有计算平台性能无法实时处理更多传感器的数据并进行融合、规划与决策控制，导致自动驾驶功能不够丰富与成熟，消费者使用体验不佳。

目前，自动驾驶功能主要存在以下问题：

第一个问题，现在的自动驾驶汽车，虽然整部汽车都装上感应器，但其实还是很难辨别红绿灯的指示的，特别在十字路口和回旋处。红绿灯的识别，一向是自动驾驶实现的难点，而且是不得不攻克的难点。红绿灯除了是三种颜色的识别外，还有如箭头方向指示等异形，不同的城市有不同的设计，例如天津的红绿灯是一个方块形的灯，红灯的时候是一片红，换色时底下的红色会慢慢消失，绿灯的情况也是如此，这与北京的红绿灯差别很大。

相比行人、限速牌等，红绿灯识别的难度不仅在于识别本身，更在于识别的质量。首先，由于光达和雷达无法判断颜色，而且红绿灯的悬挂位置较高，超出探测的高度范围，因此红绿灯的识别只能通过彩色摄像头。第二，红绿灯的体积比较小，如果要根据灯的状态判断前进或停下，传感器需要在较远距离时就能提前识别预判，因此对识别的召回率和精度要求都比较高；第三，在夜晚红绿灯光强高于周围，容易出现大的光斑或曝光过度现象；第四，检测到了红绿灯之后，要怎样去做判断。目前我国交通在红绿灯和路口的对应上还没有一个标准。对于大部分情况下一个路口对应一个红绿灯的识别，并不是难，但如十字路口或高速干道则挑战重重。所以分辨红绿灯并不是易事，目前自动驾驶多数使用摄像头识别，但红绿灯奇形怪状各有形式，增加了判断难度；另一方面是存在诸多干扰，例如繁华街道晚上灯光繁乱、闪烁及五颜六色，如何能做到排除这些物体而仅对红绿灯进行识别哩；如果一直尾随大货车又如何可看到红绿灯、大雨、暴雪、雾霾或沙尘暴情况下如果进行判断；有这些情况是因为摄像方案存在诸多缺点，如探测距离近，受环境光、视角和盲点限制，还须经常清洁镜头等。

另一常见解决方案是车联网v2x。v2x是vehicle-to-everything的简称，是指在红绿灯和自动驾驶状态汽车或无人车之间建立通讯。现时主要是在红绿灯上装一个5g基站，把红绿灯的资料上载到信息中心再结合定位系统把交通信息推送给自动驾驶中的车辆。这种方案能够更早的了解到红绿灯的状态，相比摄像头它的优势在于识别的准确性，它几乎可以没有任何干扰地将交通信息传递给车辆。而缺点在于必须进入及升级原有的交通控制系统，使工作量必须由地方政府的交通部门负责，成本高昂，如三四线城市可能没能力负担和营运，也不利民营，这会使自动驾驶难以普及全国。而且信息过于依赖5g的网速和本车的计算机能力，如有骇客攻击这网络后果则不堪设想。

第二个问题，路标识别问题，现在都是以图像识别为主，如恶劣天气下路标损毁、视线受阻或能见度低等情况下，影像识别都不是一个好选择。

第三个问题，自动驾驶汽车的伦理和法律问题，普遍以英国哲学家菲利帕·福特(philippafoot)发表的“有轨电车难题”为讨论基础，无论研究结果或法规的如何订立，在实际执行上现时自动驾驶的感应器是无法百份百分辨出人类和动物的，更别说识别身份和职业，至使在事故中不能给与人工智能作正确判断。例如一群踏单车的人和一群奔跑中的羊对现时的汽车传感器来说都是一样的，而且在这个自动驾驶的革命中，行人都是被动的，没有可自我保护的权利和设备，只能把生命交给科技和人工智能的判断，这绝对是危机也是汽车制造商不愿提出的难点。

第四个问题，基于现时绝大部份车辆都没有安装v2x系统，至使自动驾驶汽车只能依靠雷达和光达的测量来估算旁边车辆的大小，但就不能给ai分辨出车的种类和大小，例如货柜车、运油车或公交车等，这些都是危机评估的至关重要资讯。

因此，目前无人驾驶在技术上还没有完全成熟，如果要正确识别数据库中没有的交通信息，其车载传感器的扫描范围必须非常远，可能要达到五六十米甚至上百米。而随着扫描范围的扩大，计算机所要承受的数据量呈几何级数增长，这对于内置的处理器及算法都是很大的挑战。而且，真实上路时，一旦遭遇事先没有计算好的路况信息，车载ai系统就是有可能被“迷惑”，造出的决定可能会导致意外，这可说是无人驾驶汽车最大的安全隐患所在。

技术实现要素：

本发明的目的在于提出一种新型辅助自动驾驶综合设备，在特定范围内接收多样信号资讯，把有关路段测量到的信息由基站独立演算，把分析后结果透过蓝牙信号即时发布并备份于云端控制中心，这可把大量环境资讯作实时分析，不但分担了汽车计算机的工作，还可把信息标准化和平台化，可提供给不同品牌和型号的车辆使用。

本发明的技术方案是这样实现的：

本发明提供一种新型辅助自动驾驶综合设备，包括：基站、红绿灯探测器、路标信息收发器、行人识别设备、车载主机、航拍机和云端控制中心；其中，

基站，用于接受红绿灯探测器和路标信息收发器的信号建立蓝牙定位矩阵网络，测量行人识别设备和车载主机的位置，进行分析预测，并将分析结果进行发布和上传至云端控制中心备份，接受云端控制中心的指令，控制航拍机；

红绿灯探测器，向基站提供准确的红绿灯信号识别和辅助定位测量；

路标信息收发器，向基站和车载主机提供路标信息和辅助定位测量，可独立接受来自基站或者云端控制器的指令，并及时更改信息；

行人识别设备，向基站和车载主机提供生物识别信息和定位信息；

车载主机，向基站提供位置和车辆实时状态的信息，接收基站指令并及时反馈给汽车自动驾驶系统；

航拍机，停泊于基站附近的建筑物上，在指定范围由基站智能操控，用于在堵车路段或交通事故中进行高空拍摄，并将影像资料发送至云端控制中心；

云端控制中心，接受来自多个基站的信息，由人员及人工智能综合分析处理，将结果和指令传达给指定基站，可根据实时交通情况向路标信息收发器传达修改指令，还可以接收航拍机的影像资料，并将该信息传达至手机app中，使用者可选择性观看。

作为本发明的进一步改进，所述基站安装于红绿灯杆上，设有基站箱体，在所述基站箱体内设有计算机模块、5g天线模块、蓝牙天线模块，散热器和变压器，所述基站外接市电。

作为本发明的进一步改进，所述红绿灯探测器外挂安装于每个红绿灯箱体上，并设有红绿灯遮光罩，设有感光元件探头，将红绿灯光信号转化为蓝牙信号，并设有红绿灯探测器蓝牙天线发送信号到基站，和辅助定位测量，另设有红绿灯探测器光伏板和可更换式储电池提供电力。

作为本发明的进一步改进，所述路标信息收发器安装于路标柱上，设有路标信息收发器光伏板和内置储电池提供电力，另设有路标信息收发器蓝牙天线收发蓝牙信号，和辅助定位测量。

作为本发明的进一步改进，所述路标信息收发器内预存路标信息。

作为本发明的进一步改进，所述行人识别设备为蓝牙信号收发器，安装于手机、手表以及其他移动设备中，由ubs充电提供电力。

作为本发明的进一步改进，所述行人识别设备内预存使用者经手机app输入的生物识别信息。

作为本发明的进一步改进，所述车载主机设有左蓝牙天线和右蓝牙天线，分别外挂安装于左右后视镜。

作为本发明的进一步改进，所述车载主机通过车载主机电源线连接汽车电源，并通过数据线连接汽车计算机。

作为本发明的进一步改进，所述航拍机拍摄的影像资料由基站收集及通过5g信号发送至云端控制中心。

本发明具有如下有益效果：本发明是针对路口交通及特别地形道路提供实时资信，提出一种新型辅助自动驾驶综合设备的工作原理(图1)。在特定范围内接收多样信号资讯，把有关路段测量到的信息由基站独立演算，把分析后结果透过蓝牙信号即时发布并备份于云端控制器中，把大量环境资讯作实时分析，分担了汽车计算机的工作和时间，把信息标准化和平台化，可提供给不同品牌和型号的车辆使用，并且本发明不用进入和改动现有红绿灯操作系统，成本节省容易安装及推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明新型辅助自动驾驶综合设备的工作原理图；

图2为本发明新型辅助自动驾驶综合设备的组合示意图；

图3为本发明基站和红绿灯探测器安装于红绿灯杆上的示意图；

图4为本发明基站的结构示意图；

图5为本发明红绿灯探测器正侧的结构示意图；

图6为本发明红绿灯探测器反侧的结构示意图；

图7为本发明路标信息收发器安装于路标杆上的示意图；

图8为本发明路标信息收发器的结构示意图；

图9为本发明路标信息收发器串连安装于特殊地型路段作导航定位使用的示意图；

图10为本发明行人识别设备安装于行人或宠物的示意图；

图11为本发明车载主机的结构示意图；

图12为安装了本发明新型辅助自动驾驶综合设备的实际路况的示意图；

图13为安装了本发明新型辅助自动驾驶综合设备的平板介面显示示意图；

图14为安装了本发明新型辅助自动驾驶综合设备后蓝牙定位工作示意图；

图15为车辆安装本发明车载主机后定位测距原理的示意图；

图16为安装了本发明新型辅助自动驾驶综合设备各组件的组合示意图；

其中，1.基站；101.基站5g天线；102.基站蓝牙天线；103.基站箱体；104.基站电源线；2.红绿灯探测器；201.红绿灯探测器光伏板；202.红绿灯探测器蓝牙天线；203.红绿灯遮光罩；204.红绿灯探测器箱体；205.可更换式储电池；206.感光元件探头；3.路标信息收发器；301.路标信息收发器光伏板；302.路标信息收发器蓝牙天线；303.路标信息收发器箱体；4.行人识别设备；5.车载主机；501.机箱；502.左蓝牙天线；503.右蓝牙天线；504.蓝牙天线信号线；505.蓝牙天线信号线插头；506.数据线插头；507.数据线；508.电源插头；509.车载主机电源线；6.航拍机。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图2和图8，本发明新型辅助自动驾驶综合设备，包括：基站1、红绿灯探测器2、路标信息收发器3、行人识别设备4、车载主机5、航拍机6和云端控制中心；其中，

基站1，用于接受红绿灯探测器2和路标信息收发器3的信号，建立蓝牙定位矩阵网络，测量行人识别设备4和车载主机5的位置，进行分析预测，并将分析结果进行发布和上传至云端控制中心备份，接受云端控制中心的指令，控制航拍机；

红绿灯探测器2，向基站1提供准确的红绿灯信号识别，和辅助定位测量；

路标信息收发器3，向基站1和车载主机5提供路标信息，和辅助定位测量，可独立接受来自基站1或者云端控制器的指令，并及时更改信息；

行人识别设备4，向基站1和车载主机5提供生物识别信息和定位信息；

车载主机5，向基站1提供位置和车辆实时状态的信息，接收基站1指令并及时反馈给汽车自动驾驶系统；

航拍机6，停泊于基站1附近的建筑物上，在指定范围由基站1智能操控，用于在堵车路段或交通事故中进行高空拍摄，并将影像资料发送至云端控制中心；

云端控制中心，接受来自多个基站1的信息，由人员及人工智能综合分析处理，将结果和指令传达给指定基站，可根据实时交通情况向路标信息收发器3传达修改指令，还可以接收航拍机6的影像资料，并将该信息传达至手机app中，使用者可选择性观看。

参照图2-4、12-14、16，基站1安装于红绿灯上，所述基站安装于红绿灯杆上，设有基站箱体103，在所述基站箱体103内设有计算机模块、基站5g天线101、基站蓝牙天线102，散热器和变压器，所述基站1外接市电。基站1负责接收多组红绿灯探测器2和路标信息收发器3的资料、测量多组行人识别设备4和车载主机5的位置，综合资料进行分析预测、发布和上传备份，并透过5g网关接收云端控制中心的指令。基站1需外接市电，安装于红绿灯之上。

参照图2-3、5-6、12-14、16，红绿灯信号由红绿灯探测器2提供，红绿灯探测器2外挂安装于每个红绿灯箱上，设有红绿灯探测器箱体204，并设有红绿灯遮光罩203，设有感光元件探头206，将红绿灯光信号转化为蓝牙信号，并设有红绿灯探测器蓝牙天线202发送信号到基站1，并辅助定位测量，另设有红绿灯探测器光伏板201和可更换式储电池205提供电力。红绿灯探测器2为光感探测器，将红绿灯信号转化为蓝牙信号，操作原理是利用红绿灯的光源亮与关的操作，在每个灯头上外挂光感开关并设定信号定义，把资料即时蓝牙无线发送到基站1，不须进入交通部门的系统，只要灯没有坏红绿灯探测器2就可以保证信号发送的准确性。

参照图7-9、12-14、16，路标信息由挂柱式路标信息收发器3提供，路标信息收发器3安装于路标柱上，设有路标信息收发器箱体303，所述路标信息收发器箱体303外设有路标信息收发器光伏板301，在所述路标信息收发器箱体303内设有储电池提供电力，另设有路标信息收发器蓝牙天线302收发蓝牙信号，和辅助定位测量。操作原理：将预设资料存入蓝牙发射器，24小时向基站及车辆发布；可独立接收来自云端控制中心或基站1的指令而更改信息，能于事故中实时应变疏导交通。路标信息收发器3安装于路标柱上，电力由光伏板提供，内置储电池。

参照图10、12-14、16，行人的位置由行人识别设备4提供，行人识别设备4为蓝牙信号收发器，安装于手机、手表以及其他移动设备中，由ubs充电提供电力。操作原理：首先，经由手机app输入使用者个人资料如性别、年龄、身高、病患及生活资料等，作为人工智能的参考；然后，给装有车载主机5的车辆和基站1发出信号以作生物识别和定位之用，可防止被撞击起到保护罩作。

参照图11-16，车辆的位置由车载主机5提供，车载主机5设有左蓝牙天线502和右蓝牙天线503，分别外挂安装于左右后视镜，通过蓝牙天线信号线504插入蓝牙天线信号线插头505，以蓝牙信号向位于车中的车载主机5传送由基站1接收的资料及反馈定位信号给基站1。所述车载主机5通过车载主机电源线509插入电源插头508从而连接汽车电源，并通过数据线507插入数据线插头506从而连接汽车计算机，车载主机5的机箱501内设有数据分析元件，把资料解密提供信息给自动驾驶系统。图15是车载主机通过收发蓝牙信号从而实现测距的原理图。

参照图13、16，航拍机6拍摄的影像资料由基站1收集及通过5g信号发送至云端控制中心。在特定范围内设航拍机6于堵车或交通事故中进行高空拍摄，原因是很多驾驶者在堵车时都很希望知道堵车原因及预计塞车时间，从而随时调整通行线路。航拍机可根据需要飞行于空中或者停泊于建筑物上，影像用5g传送到云端控制中心，使用者可利用手机app查看有关路段直播。

与现有技术相比，本发明是针对路口交通及特别地形道路提供实时资信，提出一种新型辅助自动驾驶综合设备的工作原理(图1)。在特定范围内接收多样信号资讯，把有关路段测量到的信息由基站独立演算，把分析后结果透过蓝牙信号即时发布并备份于云端控制器中，把大量环境资讯作实时分析，分担了汽车计算机的工作，把信息标准化和平台化，可提供给不同品牌和型号的车辆使用，并且本发明不用进入和改动现有红绿灯操作系统，成本节省容易安装及推广。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。