【技术实现步骤摘要】
一种智能驾驶方法及智能驾驶系统
本申请涉及自动驾驶
,尤其涉及一种智能驾驶方法及智能驾驶系统。
技术介绍
智能驾驶车辆在普通车辆的基础上增加了先进的传感器(雷达、摄像)、控制器、执行器等装置,通过车载传感系统和信息终端实现与人、车、路等的智能信息交换,使车辆具备智能的环境感知能力,能够自动分析车辆行驶的安全及危险状态,并使车辆按照人的意愿到达目的地,最终实现替代人来操作的目的以减轻人驾驶汽车的负担。在现有技术中,智能驾驶车辆的总控制系统,会统一采集各个分系统的各个部分的数据,然后对这些数据统一处理,进而对智能驾驶车辆进行控制。如:可以统计分析获取的道路环境视频图像并建立城市道路场景、乡村道路场景、高速公路场景识别数据库,并利用深度卷积神经网络对数据库内样本图片进行特征提取和卷积训练,得到卷积神经网络分类器,最终将实时感知图片输入卷积神经网络分类器进行识别,分类出当前车辆所处驾驶场景。然而,上述采用卷积神经网络分类器对场景进行分类的方式,在雨天、雾天、光照条件等不好的情况下容易造成实时感知图像不清晰,降低将实时感知图片输入卷积神经网络分类器进行识别的准确性,进而无法准确识别出当前驾驶场景,影响车辆的智能驾驶。
技术实现思路
本申请实施例提供一种智能驾驶方法及智能驾驶系统,以解决现有无法准确识别出当前驾驶场景,影响车辆的智能驾驶的问题。为达到上述目的,本申请实施例提供如下技术方案:第一方面,本申请实施例提供一种智能驾驶方法,所述方法包括:获取车辆当前时刻的特征参数 ...
【技术保护点】
1.一种智能驾驶方法,其特征在于,所述方法包括:/n获取车辆当前时刻的特征参数以及车辆在未来预设时间段内驾驶场景的道路属性;其中,所述特征参数包括结构化语义信息、道路属性以及交通态势频谱;/n比较所述车辆当前时刻的特征参数与场景特征库中标准场景的特征参数、以及比较所述车辆在未来预设时间段内驾驶场景的道路属性与所述场景特征库中标准场景的道路属性,根据比较结果确定所述场景特征库中每个场景类的总相似度;其中,所述场景特征库中包括N个场景类,每个场景类对应M个标准场景,每个标准场景对应有特征参数;所述N为大于或等于1的整数,所述M为大于或等于1的整数;/n将所述N个场景类中总相似度最高的第一场景类确定为当前时刻的驾驶场景。/n
【技术特征摘要】
20180912 CN 20181106279911.一种智能驾驶方法,其特征在于,所述方法包括:
获取车辆当前时刻的特征参数以及车辆在未来预设时间段内驾驶场景的道路属性;其中,所述特征参数包括结构化语义信息、道路属性以及交通态势频谱;
比较所述车辆当前时刻的特征参数与场景特征库中标准场景的特征参数、以及比较所述车辆在未来预设时间段内驾驶场景的道路属性与所述场景特征库中标准场景的道路属性,根据比较结果确定所述场景特征库中每个场景类的总相似度;其中,所述场景特征库中包括N个场景类,每个场景类对应M个标准场景,每个标准场景对应有特征参数;所述N为大于或等于1的整数,所述M为大于或等于1的整数;
将所述N个场景类中总相似度最高的第一场景类确定为当前时刻的驾驶场景。
2.根据权利要求1所述的方法,其特征在于,对于所述场景库中的任一场景,比较所述车辆当前时刻的特征参数与场景特征库中标准场景的特征参数、以及比较所述车辆在未来预设时间段内驾驶场景的道路属性与所述场景特征库中标准场景的道路属性,根据比较结果确定所述场景类的总相似度,包括:
将所述当前时刻的结构化语义信息与所述场景特征库中标准场景的结构化语义信息进行比较,得到所述标准场景的第一相似度,对属于所述场景类的所有标准场景的第一相似度进行组合计算,得到所述场景类的第一概率;
将所述当前时刻的道路属性与所述场景特征库中标准场景的道路属性进行比较,得到所述标准场景的第二相似度,对属于所述场景类的所有标准场景的第二相似度进行组合计算,得到所述场景类的第二概率;
将所述车辆在未来预设时间段内驾驶场景的道路属性与所述场景特征库中标准场景的道路属性进行比较,得到所述标准场景的第三相似度,对属于所述场景类的所有标准场景的第三相似度进行组合计算,得到所述场景类的第三概率;
将所述当前时刻的交通态势频谱与所述场景特征库中标准场景的交通态势频谱进行比较,得到所述标准场景的第四相似度,对属于所述场景类的所有标准场景的第四相似度进行组合计算,得到所述场景类的第四概率;
根据所述场景类的第一概率、所述场景类的第二概率、所述场景类的第三概率以及所述场景类的第四概率得到所述场景类的总相似度。
3.根据权利要求2所述的方法,其特征在于,在比较所述车辆当前时刻的特征参数与场景特征库中标准场景的特征参数、以及比较所述车辆在未来预设时间段内驾驶场景的道路属性与所述场景特征库中标准场景的道路属性之前,所述方法还包括:
将所述场景特征库中不含有实时结构化语义信息的标准场景的相似度设置为0。
4.根据权利要求1-3任一项所述的方法,其特征在于,在将所述N个场景类中总相似度最高的第一场景类确定为当前时刻的驾驶场景之后,所述方法还包括:
判断所述第一场景类是否与前一时刻的场景类相同;
若所述第一场景类与前一时刻的场景类相同,则判断所述车辆当前的设计运行范围是否满足所述第一场景类对应的设计运行范围;
若所述车辆当前的设计运行范围满足所述第一场景类对应的设计运行范围,则维持当前驾驶状态不变;若所述车辆当前的设计运行范围不满足所述第一场景类对应的设计运行范围,则发送故障告警信息。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述第一场景类与前一时刻的场景类不相同,则判断所述车辆当前的设计运行范围是否满足所述第一场景类对应的设计运行范围;
若所述车辆当前的设计运行范围满足所述第一场景类对应的设计运行范围,则将所述车辆从当前驾驶状态切换到所述第一场景类对应的驾驶状态;
若所述车辆当前的设计运行范围不满足所述第一场景类对应的设计运行范围,则判断所述车辆当前的设计运行范围是否满足前一时刻的场景类对应的设计运行范围,若所述车辆当前的设计运行范围满足所述前一时刻的场景类对应的设计运行范围,则发送场景类切换不成功信息,并维持当前驾驶状态不变;若所述车辆当前的设计运行范围不满足所述前一时刻的场景类对应的设计运行范围,则发送故障告警信息。
6.根据权利要求4或5所述的方法,其特征在于,在所述发送故障告警信息之后,所述方法还包括:
判断驾驶员是否已接管所述车辆;
若确定所述驾驶员接管所述车辆,则向所述车辆上的车辆主动执行单元发送用于指示释放驾驶权的操作指令以及向所述驾驶员发送释放通知;若确定所述驾驶员未接管所述车辆,则向所述车辆主动执行单元发送用于指示安全停车的操作指令。
7.根据权利要求1-6任一项所述的方法,其特征在于,在将所述N个场景类中总相似度最高的第一场景类确定为当前时刻的驾驶场景之后,所述方法还包括:
获取智能驾驶指示;其中,所述智能驾驶指示用于指示是否停止所述车辆的智能驾驶;
若所述智能驾驶指示用于指示对所述车辆的进行智能驾驶,则根据确定结果控制所述车辆进行智能驾驶;
若所述智能驾驶指示用于指示停止所述车辆的智能驾驶,则向所述车辆上的车辆主动执行单元发送用于指示释放驾驶权的操作指令以及向所述驾驶员发送释放通知。
8.一种智能驾驶系统,其特征在于,所述系统包括:
感知融合单元,用于获取车辆当前时刻的特征参数以及车辆在未来预设时间段内驾驶场景的道路属性;其中,所述特征参数包括结构化语义信息、道路属性以及交通态势频谱;
场景类识别单元,用于比较所述车辆当前时刻的特征参数与场景特征库中标准场景的特征参数、以及比较所述车辆在未来预设时间段内驾驶场景的道路属性与所述场景特征库中标准场景的道路属性,根据比较结果确定所述场景特征库中每个场景类的总相似度;其中,所述场景特征库中包括N个场景类,每个场景类对应M个标准场景,每个标准场景对应有特征参数;所述N为大于或等于1的整数,所述M为大于或等于1的整数;
以及,将所述N个场景类中总相似度最高的第一场景类确定为所述当前时刻的驾驶场景。
9.根据权利要求8所述的系统,其特征在于,所述场景类识别单元,包括:
场景类感知概率计算模块,用于将所述车辆当前时刻的结构化语义信息与所述场景特征库中标准场景的结构化语义信息进行比较,得到所述标准场景的第一相似度,对属于所述场景类的所有标准场景的第一相似度进行组合计算,得到所述场景类的第一概率;
场景类地图概率计算模块,用于将所述车辆当前时刻的道路属性与所述场景特征库中标准场景的道路属性进行比较,得到所述标准场景的第二相似度,对属于所述场景类的所有标准场景的第二相似度进行组合计算,得到所述场景类的第二概率;
以及,将所述车辆在未来预设时间段内驾驶场景的道路属性与所述场景特征库中标准场景的道路属性进行比较,得到所述标准场景的第三相似度,对属于所述场景类的所有标准场景的第三相似度进行组合计算,得到所述场景类的第三概率;
场景类交通态势概率计算模块,用于将所述车辆当前时刻的交通态势频谱与所述场景特征库中标准场景的交通态势频谱进行比较,得到所述标准场景的第四相似度,对属于所述场景类的所有标准场景的第四相似度进行组合计算,得到所述场景类的第四概率;
场景类识别判断模块,用于根据所述场景类的第一概率、所述场景类的第二概率、所述场景类的第三概率以及所述场景类的第四概率得到所述场景类的总相似度。
10.根据权利要求9所述的系统,其特征在于,
所述场景类识别单元,还用于在比较所述车辆当前时刻的特征参数与场景特征库中标准场景的特征参数、以及比较所述车辆在未来预设时间段内驾驶场景的道路属性与所述场景特征库中标准场景的道路属性之前,将所述场景特征库中不含有实时结构化语义信息的标准场景的相似度设置为0。
11.根据权利要求8-10任一项所述的...
【专利技术属性】
技术研发人员:胡伟龙,周亚兵,刘华伟,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。