一种多传感器融合的自动驾驶寻线方法

1.本发明涉及自动驾驶技术领域，尤其涉及一种多传感器融合的自动驾驶寻线方法。


背景技术：

2.自动驾驶是高新科技产业发展和智能出行领域的优势行业，其中的各项技术发展迅速，取得了众多关键成就。其中感知和定位模块在自动驾驶系统中起着至关重要的作用，自动驾驶汽车必须首先明确自己在真实世界中的位置，明确车身周围的环境。而感知部分则充分利用各项传感器感知周围环境，并且实时将数据回传到工业电脑，通过感知模块的相应模型和算法获取障碍物的形态、速度、距离、类别等信息，以便规划和预测模块预测障碍物的轨迹，做出相应的驾驶决策。无人驾驶汽车通过车载传感系统获取道路环境信息后自动规划行驶路线并控制车辆的速度及转向，进而实现车辆在道路上安全可靠地行驶。无人驾驶汽车的关键技术主要包括对道路环境的感知、对行驶路径的规划、对车辆运动行为的智能决策及对车辆实现自适应运动控制。目前环境感知技术发展的不成熟仍旧是阻碍无人驾驶汽车总体性能提高的主要原因，也是无人驾驶汽车进行大规模产品化的最大障碍。
3.为了提升车辆运动行为智能决策的控制精度，通常采用多传感器融合的办法，使多类型、多数量的数据库形成统一标准规范下的整体数据库，这样就使得系统可以利用合理的数据设计算法提升控制精度。
4.目前应用于自动驾驶感知模块的传感器主要有摄像头、毫米波雷达、超声波雷达、激光雷达等。摄像头有着分辨率高、速度快、传递的信息丰富、成本低等优势，依赖深度学习对复杂数据的强大学习能力能极大提高环境感知的分类能力；毫米波雷达有着反应速度快、操作简单、无视遮挡等优势，并且能在各种条件下的提供目标有效的位置和速度；激光雷达有着精确的3d感知能力、对光线变化不敏感、信息丰富等优势，图像数据无法提供准确的空间信息、毫米波雷达拥有极低的分辨率、激光雷达有着十分昂贵的价格。同时，随着各传感器性能的提升，单一传感器带来了更多的信息，在不丢失有效信息的情况下，提取特征的难度十分巨大。
5.因此，如何高效的处理多传感器数据并对其进行高效的融合是一项极具挑战的任务，目前需要一种既能对多传感器数据进行高效融合从而提升控制精度，又能够减小系统使用成本的自动驾驶方法。


技术实现要素：

6.1.要解决的技术问题
7.本发明的目的是为了解决现有技术中自动驾驶寻线精确度与硬件成本矛盾的问题，而提出的一种多传感器融合的自动驾驶寻线方法。
8.2.技术方案
9.为了实现上述目的，本发明采用了如下技术方案：
10.一种多传感器融合的自动驾驶寻线方法，包括以下步骤：
11.步骤一：建立中介层，中介层分别与车辆数据以及客户端连接；
12.步骤二：读取相机显示在客户端的实时数据(包含角度和截距)；
13.步骤三：标记前置相机对应的角度数据为θ1，对应的截距数据b1，标记后置相机的角度数据为θ2，对应的截距数据为b2；
14.步骤四：通过角度与截距偏差反馈建立函数缩小偏差；
15.步骤五：针对前进后退以及是否丢失其中一侧中线采取不同权重系数。
16.优选地，所述步骤一中中介层用于显示图像数据，目标物体通过镜头生成光学图像到图像传感器上，将光信号转变为电信号，再经过a/d后变为数字图像信号，最后送到数字信号处理芯片中加工处理，由其将信号处理成特定格式的图像传输到显示屏上进行显示。
17.优选地，所述镜头组由光学镜片，滤光片和保护膜等组成，图像传感器是模拟电路和数字电路的集成，主要构成组件为微透镜，彩色滤光片，光电二极管以及像素设计。
18.优选地，所述步骤二中相机基本工作流程为图像输入、预处理、特征提取、特征分类、匹配、完成识别，输入相机的数据，以每帧信息为基础进行检测、分类、分割等计算，最后利用多帧信息进行目标跟踪，输出相关结果。
19.优选地，所述预处理包括成帧、颜色调整、白平衡、对比度均衡、图像扭正等工作，特征提取在预处理的基础上提取出图像中的特征点，目标识别是基于特征数据的输出，对图像中的物体进行识别分类，运用到机器学习、神经网络等算法。
20.优选地，所述步骤三中读取前置相机显示的角度信息以及通过几何关系算出的截距信息，读取后置相机显示的角度信息以及通过几何关系算出的截距信息。
21.优选地，所述步骤四中建立角度以及截距控制车辆行驶轨迹的函数f(θ,b),通过算法对偏差进行负反馈，逐步调整误差缩小轨迹偏离角度。
22.优选地，所述步骤五中所述当车辆处于前进过程中时，取前置相机角度和截距建立f(θ1，b1)函数以及取前置相机角度和后置相机截距建立f(θ1，b2)函数；当车辆处于后退过程中时，取后置相机角度和截距建立f(θ2，b2)函数以及取后置相机角度和前置相机截距建立f(θ2，b1)函数。
23.优选地，当车辆前进过程中后置相机未丟线时，融合前后相机采集的角度截距数据调整车辆行驶轨迹，采取不同权重系数建立算法体系，函数为f(θ1，b1)
×v11
f(θ1，b2)
×v12
，(v
11
∈(0,1),v
12
＝1-v
11
)，当车辆后退过程中前置相机未丟线时，融合前后相机采集的角度截距数据调整车辆行驶轨迹，采取不同权重系数建立算法体系，函数为f(θ2，b2)
×v22
f(θ2，b1)
×v21
，(v
22
∈(0,1),v
21
＝1-v
22
)。
24.优选地，当车辆前进过程中后置相机丢线时，融合前后相机采集的角度截距数据调整车辆行驶轨迹，采取不同权重系数建立算法体系，函数为f(θ1，b1)
×v11
f(θ1，b2)
×v12
，(v
11
＝1,v
12
＝1-v
11
)，当车辆后退过程中前置相机丟线时，融合前后相机采集的角度截距数据调整车辆行驶轨迹，采取不同权重系数建立算法体系，函数为f(θ2，b2)
×v22
f(θ2，b1)
×v21
，(v
22
＝1,v
21
＝1-v
22
)。
25.3.有益效果
26.相比于现有技术，本发明的优点在于：
27.本发明中，采用的多传感器融合技术和自主设计算法对传感器数据进行处理，从而使复杂系统的数据使用效率更高，提升自动驾驶控制精度，降低系统使用成本。
附图说明
28.图1为本发明中前置后置摄像头在识别中显示丢线及未丢线情况下的示意图；
29.图2为本发明提出的一种多传感器融合的自动驾驶寻线方法的流程示意图。
具体实施方式
30.下面将结合本发明实施例中的附图，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。
31.实施例1：
32.参照图2，一种多传感器融合的自动驾驶寻线方法，包括以下具体步骤：步骤一：建立中介层，中介层分别与车辆数据以及客户端连接；步骤二：读取相机显示在客户端的实时数据(包含角度和截距)；步骤三：标记前置相机对应的角度数据为θ1，对应的截距数据b1，标记后置相机的角度数据为θ2，对应的截距数据为b2；步骤四：通过角度与截距偏差反馈建立函数缩小偏差；步骤五：针对前进后退以及是否丢失其中一侧中线采取不同权重系数。
33.实施例2：
34.其具有上述实施例的实施内容，其中，对于上述实施例的具体实施方式可参阅上述描述，此处的实施例不作重复详述；而在本技术实施例中，其与上述实施例的区别在于：
35.本发明中，步骤一中中介层用于显示图像数据，目标物体通过镜头生成光学图像到图像传感器上，将光信号转变为电信号，再经过a/d后变为数字图像信号，最后送到数字信号处理芯片中加工处理，由其将信号处理成特定格式的图像传输到显示屏上进行显示。镜头组由光学镜片，滤光片和保护膜等组成，图像传感器是模拟电路和数字电路的集成，主要构成组件为微透镜，彩色滤光片，光电二极管以及像素设计。
36.实施例3：
37.其具有上述实施例的实施内容，其中，对于上述实施例的具体实施方式可参阅上述描述，此处的实施例不作重复详述；而在本技术实施例中，其与上述实施例的区别在于：
38.本发明中，摄像头基本工作流程为图像输入、预处理、特征提取、特征分类、匹配、完成识别，输入摄像头的数据，以每帧信息为基础进行检测、分类、分割等计算，最后利用多帧信息进行目标跟踪，输出相关结果。
39.其中，预处理包括成帧、颜色调整、白平衡、对比度均衡、图像扭正等工作，特征提取在预处理的基础上提取出图像中的特征点，目标识别是基于特征数据的输出，对图像中的物体进行识别分类，运用到机器学习、神经网络等算法。
40.实施例4：
41.其具有上述实施例的实施内容，其中，对于上述实施例的具体实施方式可参阅上述描述，此处的实施例不作重复详述；而在本技术实施例中，其与上述实施例的区别在于：
42.本发明中，步骤三中读取前置相机显示的角度信息以及通过几何关系算出的截距信息，读取后置相机显示的角度信息以及通过几何关系算出的截距信息。
43.实施例5：
44.其具有上述实施例的实施内容，其中，对于上述实施例的具体实施方式可参阅上述描述，此处的实施例不作重复详述；而在本技术实施例中，其与上述实施例的区别在于：
45.本发明中，步骤四建立角度以及截距控制车辆行驶轨迹的函数f(θ,b),通过算法对偏差进行负反馈，逐步调整误差缩小轨迹偏离角度。
46.实施例6：
47.其具有上述实施例的实施内容，其中，对于上述实施例的具体实施方式可参阅上述描述，此处的实施例不作重复详述；而在本技术实施例中，其与上述实施例的区别在于：
48.本发明中，步骤五中当车辆处于前进过程中时，取前置摄像头角度和截距建立f(θ1，b1)函数以及取前置摄像头角度和后置摄像头截距建立f(θ1，b2)函数；当车辆处于后退过程中时，取后置摄像头角度和截距建立f(θ2，b2)函数以及取后置摄像头角度和前置摄像头截距建立f(θ2，b1)函数。
49.实施例7：
50.其具有上述实施例的实施内容，其中，对于上述实施例的具体实施方式可参阅上述描述，此处的实施例不作重复详述；而在本技术实施例中，其与上述实施例的区别在于：
51.本发明中，参照图1，当车辆前进过程中后置摄像头未丟线时，融合前后摄像头采集的角度截距数据调整车辆行驶轨迹，采取不同权重系数建立算法体系，函数为f(θ1，b1)
×v11
f(θ1，b2)
×v12
，(v
11
∈(0,1),v
12
＝1-v
11
)，当车辆后退过程中前置摄像头未丟线时，融合前后摄像头采集的角度截距数据调整车辆行驶轨迹，采取不同权重系数建立算法体系，函数为f(θ2，b2)
×v22
f(θ2，b1)
×v21
，(v
22
∈(0,1),v
21
＝1-v
22
)。
52.本发明中，当车辆前进过程中后置摄像头丢线时，融合前后摄像头采集的角度截距数据调整车辆行驶轨迹，采取不同权重系数建立算法体系，函数为f(θ1，b1)
×v11
f(θ1，b2)
×v12
，(v
11
＝1,v
12
＝1-v
11
)，当车辆后退过程中前置摄像头丟线时，融合前后摄像头采集的角度截距数据调整车辆行驶轨迹，采取不同权重系数建立算法体系，函数为f(θ2，b2)
×v22
f(θ2，b1)
×v21
，(v
22
＝1,v
21
＝1-v
22
)。
53.本发明中，在本方法采用的多传感器融合技术和自主设计算法对传感器数据进行处理，从而使复杂系统的数据使用效率更高，提升自动驾驶控制精度，降低系统使用成本。
54.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。