無人駕駛汽車系統及汽車的制作方法

本發明涉及汽車技術領域，特別是涉及無人駕駛汽車系統及汽車。

背景技術：

目前的自動駕駛汽車技術已經基本具備自動操作和行駛能力，例如，在汽車上安裝攝像頭、雷達傳感器和激光探測器等先進的儀器，可通過它們來感知公路的限速和路旁交通標志，以及周圍的車輛移動情況，如果要出發的話只需借助地圖來導航即可。無人駕駛系統主要利用車載傳感器來感知車輛周圍環境，并根據感知所獲得的道路、車輛位置和障礙物信息，控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛。

目前，無人駕駛汽車是一種智能汽車，主要依靠車內的以計算機系統為主的智能駕駛儀來實現無人駕駛。但是，無人駕駛系統其中難點在于對路旁交通及周圍環境識別情況的辨別能力，從而可能導致無人駕駛系統采集到的數據不準確等。

技術實現要素：

基于此，有必要針對上述問題，提供一種對周圍環境信息的識別能力強和精準度高且能夠安全行駛的無人駕駛汽車系統和汽車。

一種無人駕駛汽車系統，包括：

環境感知子系統，用于采集無人駕駛汽車的車輛信息和周圍環境信息，所述周圍環境信息包括周圍環境的影像信息和三維坐標信息；

數據融合子系統，用于融合所述影像信息和三維坐標信息并提取車道線信息、障礙物信息、交通標識信息以及動態障礙物的追蹤信息；

路徑規劃決策子系統，用于根據所述車輛信息、數據融合子系統提取的信息以及行駛目的地信息規劃行駛路徑；

行駛控制子系統，用于根據所述行駛路徑生成控制指令，并根據所述控制指令對無人駕駛汽車進行控制。

在其中一個實施例中，所述環境感知子系統包括：

視覺傳感器，用于采集無人駕駛汽車周圍環境的影像信息；

雷達，用于采集無人駕駛汽車的周圍環境的三維坐標信息。

在其中一個實施例中，所述數據融合子系統包括：

車道線融合模塊，用于對所述視覺傳感器和所述雷達采集的周圍環境信息進行疊加或排除，并提取所述車道線信息；

障礙物識別融合模塊，用于對所述視覺傳感器和所述雷達采集的周圍環境信息進行融合，并提取所述障礙物信息；

交通標識融合模塊，用于對所述視覺傳感器和所述雷達采集的周圍環境信息進行檢測，并提取所述交通標識信息；

障礙物動態追蹤融合模塊，用于對所述視覺傳感器和所述雷達采集的周圍環境信息進行融合，并提取所述動態障礙物的追蹤信息。

在其中一個實施例中，所述車道線融合模塊包括視覺車道線檢測單元和雷達車道線檢測單元；所述視覺車道線檢測單元用于對所述影像信息進行處理，并提取視覺車道線信息；所述雷達車道線檢測單元用于提取無人駕駛汽車行駛的路面信息，并根據所述路面信息獲取車道外輪廓信息；所述車道線融合模塊還用于對所述視覺車道線信息和車道外輪廓信息進行疊加或排除，獲取所述車道線信息。

在其中一個實施例中，所述障礙物識別融合模塊包括視覺障礙物識別單元和雷達障礙物識別單元；所述視覺障礙物識別單元用于根據所述影像信息分割出背景信息和前景信息，對所述前景信息進行識別獲取具有彩色信息的視覺障礙物信息；所述雷達障礙物識別單元還用于識別在第一預設高度范圍內的具有三維坐標信息的雷達障礙物信息；所述障礙物識別融合模塊，用于融合所述視覺障礙物信息和雷達障礙物信息，獲取所述障礙物信息。

在其中一個實施例中，所述交通標識融合模塊包括視覺交通標識檢測單元和雷達交通標識檢測單元；所述視覺交通標識檢測單元對所述影像信息進行檢測，并提取視覺交通標識信息；所述雷達交通標識檢測單元用于提取地面交通標識信息；還用于檢測在第二預設高度范圍內的懸掛交通標識信息；所述交通標識融合模塊還用于根據所述地面交通標識信息和懸掛交通標識信息確定所述交通標識信息的位置，并在所述位置區域內獲取所述交通標識信息的類別。

在其中一個實施例中，所述障礙物動態追蹤融合模塊包括視覺動態追蹤單元和雷達動態追蹤單元，所述視覺動態追蹤單元用于對所述影像信息進行識別，并在相鄰兩幀連續幀中定位動態障礙物，并獲取所述動態障礙物的色彩信息；所述雷達動態追蹤單元用于追蹤動態障礙物的三維坐標信息；所述障礙物動態追蹤融合模塊還用于融合所述動態障礙物的色彩信息和動態障礙物的三維坐標信息，獲取所述動態障礙物的追蹤信息。

在其中一個實施例中，所述環境感知子系統還包括：

gps定位導航儀，用于采集無人駕駛汽車的當前的地理位置與時間；

慣性測量單元，用于測量所述無人駕駛汽車的車輛姿態；

車速采集模塊，用于獲取無人駕駛汽車當前運行的速度。

在其中一個實施例中，還包括：

通信子系統，用于將所述路徑規劃決策子系統規劃的行駛路徑實時傳輸至外部監控中心。

此外，還提供一種汽車，包括上述無人駕駛汽車系統。

本發明實施例的無人駕駛汽車系統，通過數據融合子系統融合包括影像信息和三維坐標信息的周圍環境信息，并提取障礙物信息、車道線信息、交通標識信息以及動態障礙物的追蹤信息，提高了對周圍環境信息的識別能力和精準度。路徑規劃決策子系統根據數據融合子系統提取的信息以及行駛目的地信息規劃行駛路徑，行駛控制子系統根據所述行駛路徑生成控制指令，并根據所述控制指令控制對無人駕駛汽車進行控制，進而可以實現安全性能極高的無人駕駛功能。

附圖說明

圖1為一個實施例中無人駕駛汽車系統的結構框架圖；

圖2為一個實施例中環境感知子系統的結構框架圖；

圖3為一個實施例中數據融合子系統的結構框架圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。

圖1為一個實施例中無人駕駛汽車系統的結構框架圖，一種無人駕駛汽車系統包括環境感知子系統10、數據融合子系統20、路徑規劃決策子系統30以及行駛控制子系統40。

其中，環境感知子系統10，用于采集無人駕駛汽車的車輛信息和周圍環境信息，其中，周圍環境信息包括周圍環境的影像信息和三維坐標信息。

數據融合子系統20，用于融合周圍環境信息并提取障礙物信息、車道線信息、交通標識信息以及動態障礙物的追蹤信息。

路徑規劃決策子系統30，用于根據車輛信息、數據融合子系統20提取的信息以及行駛目的地信息規劃行駛路徑。

行駛控制子系統40，用于根據行駛路徑生成控制指令，并根據控制指令控制對無人駕駛汽車進行控制。

上述無人駕駛汽車系統，通過數據融合子系統20融合包括影像信息和三維坐標信息的周圍環境信息，并提取障礙物信息、車道線信息、交通標識信息以及動態障礙物的追蹤信息，提高了對周圍環境信息的識別能力和精準度。路徑規劃決策子系統30根據數據融合子系統20提取的信息以及行駛目的地信息規劃行駛路徑，行駛控制子系統40根據行駛路徑生成控制指令，并根據控制指令控制對無人駕駛汽車進行控制，進而可以實現安全性能極高的無人駕駛功能。

在一個實施例中，參考圖2，環境感知子系統10包括視覺傳感器110和雷達120。其中，視覺傳感器110主要由一個或者兩個圖形傳感器組成，有時還要配以光投射器及其他輔助設備。圖像傳感器可以使用激光掃描器、線陣和面陣ccd攝像機或者tv攝像機，也可以是最新出現的數字攝像機等。視覺傳感器110安裝在無人駕駛汽車上，用于采集無人駕駛汽車的周圍環境信息，也就采集無人駕駛汽車附近的實時路況信息，包括障礙物信息、車道線信息、交通標識信息以及對障礙物的動態追蹤信息。所采集的周圍環境信息為周圍環境的影像信息，又可以稱之為視頻信息。

雷達120用于采集無人駕駛汽車的周圍環境的三維坐標信息。該無人駕駛汽車系統中包括多個雷達120。在一個實施例中，多個雷達120包括激光雷達和毫米波雷達。激光雷達采用機械式的多線束激光雷達，主要是通過發射激光束，來探測目標的位置、速度等特征量，還可以利用激光雷達的回波強度信息進行障礙檢測和追蹤。激光雷達具有探測范圍更廣，探測精度高的優勢。毫米波雷達的波長介于厘米波和光波之間，兼有微波制導和光電制導的優點，且其引導頭具有體積小、質量輕、空間分辨率高，毫米波導引頭穿透霧、煙、灰塵的能力強的特點。在一個實例中，同時采用激光雷達和毫米波雷達，可以解決激光雷達在極端氣候下無法施展性能的弊端，可以大大提升無人駕駛汽車的探測性能。

在一個實施例中，環境感知子系統10還用于采集無人駕駛汽車的車輛信息。其中，車輛信息包括無人駕駛汽車的當前的地理位置與時間、車輛姿態和當前運行的速度等。環境感知子系統10還包括gps定位導航儀130、慣性測量單元140(inertialmeasurementunit，imu)和車速采集模塊150。其中，gps定位導航儀130采集無人駕駛汽車的當前的地理位置與時間。無人駕駛汽車在行駛過程中，車內安裝的全球定位儀將隨時獲取汽車所在準確方位，進一步提高安全性。慣性測量單元140用于測量無人駕駛汽車的車輛姿態。車速采集模塊150用于獲取無人駕駛汽車當前運行的速度。

在一個實施例中，參考圖3，數據融合子系統20包括：車道線融合模塊210、障礙物識別融合模塊220、交通標識融合模塊230以及障礙物動態追蹤融合模塊240。

其中，車道線融合模塊210，用于對視覺傳感器110和雷達120采集的周圍環境信息進行疊加或排除，并提取車道線信息。障礙物識別融合模塊220，用于對視覺傳感器110和雷達120采集的周圍環境信息進行融合，并提取障礙物信息。交通標識融合模塊230，用于對視覺傳感器110和雷達120采集的周圍環境信息進行檢測，并提取交通標識信息。障礙物動態追蹤融合模塊240，用于對視覺傳感器110和雷達120采集的周圍環境信息進行融合，并提取車道線信息。

在一個實施例中，車道線融合模塊210包括視覺車道線檢測單元211和雷達車道線檢測單元213。

視覺車道線檢測單元211用于對影像信息進行處理，并提取視覺車道線信息。視覺車道線檢測單元211對視覺傳感器110獲取的影像信息進行去噪、增強、分割等預處理，并提取出視覺車道線信息。

雷達車道線檢測單元213用于提取無人駕駛汽車行駛的路面信息，并根據路面信息獲取車道外輪廓信息。雷達車道線檢測單元213在獲取車道外輪廓信息時，對激光雷達獲取的無人駕駛汽車的行駛地面的三維坐標信息進行校準，并計算出三維坐標信息中的離散點，其中，離散點可定義為相鄰兩點之間的距離大于預設范圍的點。并對離散點進行濾波處理，利用隨機采樣一致性方法擬合出地面的位置信息，獲取車道外輪廓信息，也即獲取雷達120車道線信息。

車道線融合模塊210對獲取的視覺車道線信息和車道外輪廓信息進行融合(疊加)或排除，獲取實時的車道線信息。通過車道線融合模塊210，可以提高車道線信息的識別的精確度，可以避免漏獲取車道線信息的情況發生。

在一個實施例中，障礙物識別融合模塊220包括視覺障礙物識別單元221和雷達障礙物識別單元223。其中，視覺障礙物識別單元221用于根據影像信息分割出背景信息和前景信息，對前景信息進行識別獲取具有彩色信息的視覺障礙物信息。視覺障礙物識別單元221通過模式識別或者機器學習等方法對影像信息進行處理，使用背景更新算法建立背景模型以及分割出前景。對分割出的前景進行識別獲取具有彩色信息的視覺障礙物信息。

雷達障礙物識別單元223用于識別在第一預設高度范圍內的具有三維坐標信息的雷達障礙物信息。

雷達障礙物識別單元223對激光雷達獲取的無人駕駛汽車周圍環境信息進行預處理，去除地面信息，并篩選識別出在第一預設高度范圍內的周圍環境的三維坐標信息。根據車道線信息這一約束條件檢測感興趣區域(regionofinterest，roi)，其中，感興趣區域為以方框、圓、橢圓、不規則多邊形等方式勾勒出需要處理的區域。將識別出的感興趣區域的數據信息柵格化，并進行障礙物塊聚類分割。對每一塊障礙物塊對應的原始激光雷達點云數據進行二次聚類，放置欠分割。將二次聚類的所點云數據作為訓練樣本集，根據訓練樣本集生成分類器模型，繼而，利用訓練模型對二次聚類后的障礙物塊進行分類識別并獲取具有三維坐標信息的雷達障礙物信息。

障礙物識別融合模塊220，用于融合視覺障礙物信息和雷達障礙物信息，獲取障礙物信息。由于視覺障礙物信息在強光環境或者光線快速變化的場景中會失效，而雷達120是通過主動光源對障礙物信息進行探測，其穩定性強。當無人駕駛汽車在強光環境或者光線快速變化的場景中行駛時，可以通過障礙物識別融合模塊220對視覺障礙物信息和雷達障礙物信息進行疊加，就可以在強光環境或者光線快速變化的場景中獲取精確的障礙物信息。

由于雷達120在垂直方向的分辨率較低，所采集的是障礙物的三維坐標信息而且并沒有紅綠藍rgb彩色信息，在遠距離或者有障礙物遮擋的情況下也會出現錯誤識別的情況。而視覺障礙物識別單元221獲取的障礙物信息包含了豐富的紅綠藍rgb信息，而且像素高。對障礙物的彩色信息和障礙物的三維坐標信息進行疊加融合，就可以同時獲取包含彩色信息和三維信息的障礙物信息。通過障礙物識別融合模塊220可以減小誤識別率、提高識別準確度，進一步保證了安全駕駛。

在一個實施例中，交通標識融合模塊230包括視覺交通標識檢測單元231和雷達交通標識檢測單元233。

視覺交通標識檢測單元231對影像信息進行檢測，并提取視覺交通標識信息。視覺交通標識檢測單元231對影像信息進行檢測，通過模式識別或者機器學習等方法對影像信息進行處理，并獲取視覺交通標識信息，其中，視覺交通標識信息中包含了紅綠藍rgb彩色信息。

雷達交通標識檢測單元233用于提取地面交通標識信息；還用于檢測在第二預設高度范圍內的懸掛交通標識信息。其中，雷達交通標識檢測單元233根據反射強度梯度，提取交通標志線點，再利用曲線擬合出地面交通標識信息(地面交通標識線)，還可以根據障礙物聚類原理，獲取在第二預設高度范圍內且形狀為標準矩形和圓形的目標物，并定義該目標物為懸掛交通標識信息

交通標識融合模塊230用于根據地面交通標識信息和懸掛交通標識信息確定交通標識信息的位置。在獲取的特定位置區域，根據視覺交通標識檢測單元231獲取的視覺交通標識信息識別出交通標識信息的類別或種類。通過交通標識融合模塊230可以準確的獲取底面或懸掛的各種交通標識信息，可以保證無人駕駛汽車在遵守交通規則的前體下安全行駛。

在一個實施例中，障礙物動態追蹤融合模塊240包括視覺動態追蹤單元241和雷達動態追蹤單元243。

視覺動態追蹤單元241用于對影像信息進行識別，并在相鄰兩幀連續幀中定位動態障礙物，并獲取動態障礙物的色彩信息。視覺動態追蹤單元241通過模式識別或者機器學習等方法對影像信息(視頻圖像)序列進行處理，在視頻圖像的連續幀中識別并定位動態障礙物，并獲取障礙物的色彩信息。

雷達動態追蹤單元243用于追蹤動態障礙物的三維坐標信息。雷達動態追蹤單元243依據相關目標關聯算法，采用最鄰近匹配算法和多元假設追蹤算法相結合確定相鄰兩幀或多幀的障礙物為同一目標。根據激光雷達的測試數據獲取該目標的三維位置信息和速度信息，進而對關聯之后的目標進行追蹤。同時，還可以利用卡爾曼濾波與粒子濾波的濾波算法對已經得到的目標的測量狀態和預測狀態進行濾波得到比較精確的動態障礙物的三維坐標信息。

障礙物動態追蹤融合模塊240用于融合動態障礙物的色彩信息和障礙物的三維坐標信息，獲取動態障礙物的追蹤信息。由于視覺動態障礙物信息容易受到強光或者光照變化的干擾，沒有精確的動態障礙物的三位坐標信息，但是視覺動態障礙物信息中包含了豐富的紅綠藍rgb的彩色信息。雷動獲取的動態障礙物信息沒有紅綠藍rgb的彩色信息，在運動過程中出現遮擋及遮擋后分開時無法識別出具體是哪個動態物體，但是，激光雷達獲取的動態障礙物信息穩定性強，不會受到光強變化等外界干擾，而且激光雷達獲取的動態障礙物信息具有精確的三維坐標信息，對運動物體的動態跟蹤具有更精確的運動模型。因此，可以通過障礙物動態追蹤融合模塊240對從影像信息中獲取的動態障礙物的色彩信息和激光雷達獲取的動態障礙物信息的三維坐標信息進行融合，既可以獲取包含色彩信息和三維坐標信息的動態障礙物，可以對動態障礙物進行精確的追蹤。

在一個實施例中，路徑規劃決策子系統30用于根據車輛信息、數據融合子系統20提取的信息以及行駛目的地信息規劃行駛路徑。路徑規劃決策子系統30可以根據環境感知子系統10獲取的車輛信息(無人駕駛汽車的當前的地理位置與時間、車輛姿態和當前運行的速度)、數據融合子系統20提取的周圍環境信息(障礙物信息、車道線信息、交通標識信息以及對障礙物的動態追蹤信息)以及無人駕駛汽車的行駛目的地信息來規劃行駛路徑。路徑規劃決策子系統30結合規劃的行駛路徑對無人駕駛汽車下一時刻的位置進行路徑規劃，并計算出無人駕駛汽車的控制數據，包括角速度、線速度、行駛方向等。

在一個實施例中，行駛控制子系統40用于根據行駛路徑生成控制指令，并根據控制指令控制對無人駕駛汽車進行控制。行駛控制子系統40根據路徑規劃決策子系統30計算的控制數據生成控制指令，該控制指令包括對車輛的行駛速度、行駛方向(前、后、左、右)、油門以及車輛的形式檔位的控制，進而保證無人駕駛車輛能夠安全平穩行駛，實現無人駕駛的功能。

在一個實施例中，無人駕駛汽車系統還包括通信子系統50，通信子系統50用于將路徑規劃決策子系統30規劃的行駛路徑實時傳輸至外部監控中心。由外部監控中心對無人駕駛汽車的行駛狀況進行監控。

上述無人駕駛汽車系統，通過數據融合子系統20融合包括影像信息和三維坐標信息的周圍環境信息，并提取障礙物信息、車道線信息、交通標識信息以及動態障礙物的追蹤信息，提高了對周圍環境信息的識別能力和精準度。路徑規劃決策子系統30根據數據融合子系統20提取的信息以及行駛目的地信息規劃行駛路徑，行駛控制子系統40根據行駛路徑生成控制指令，并根據控制指令控制對無人駕駛汽車進行控制，進而可以實現安全性能極高的無人駕駛功能。

此外，本發明的實施例還提供一種汽車，包括上述各實施例中的無人駕駛汽車系統。根據本發明實施例的汽車，可通過汽車中的無人駕駛汽車系統中的數據融合子系統20融合包括影像信息和三維坐標信息的周圍環境信息，并提取障礙物信息、車道線信息、交通標識信息以及動態障礙物的追蹤信息，提高了對周圍環境信息的識別能力和精準度。路徑規劃決策子系統30根據數據融合子系統20提取的信息以及行駛目的地信息規劃行駛路徑，行駛控制子系統40根據行駛路徑生成控制指令，并根據控制指令控制對無人駕駛汽車進行控制，進而可以實現安全性能極高的無人駕駛功能。

以上所述實施例的各技術特征可以進行任意的組合，為使描述簡潔，未對上述實施例中的各個技術特征所有可能的組合都進行描述，然而，只要這些技術特征的組合不存在矛盾，都應當認為是本說明書記載的范圍。

以上所述實施例僅表達了本發明的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對發明專利范圍的限制。應當指出的是，對于本領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干變形和改進，這些都屬于本發明的保護范圍。因此，本發明專利的保護范圍應以所附權利要求為準。