【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其是涉及一种基于自动驾驶场景的气电喇叭转换方法、系统及介质。
技术介绍
1、大货车(特别是n2/n3类)因为车辆载重大，刹车距离长，同时在高速公路行车，胎噪、发动机噪声大，需要大音量的气喇叭来盖住胎噪、风噪和发动机噪声，从而提醒前面的车辆，但是因为气喇叭声音更加高亢，穿透力更强，如果在城区路况使用会对周围居民及行人带来严重的噪声污染，所以货车在进入城区路况时，一般会切换到电喇叭，从而降低声压级。
2、现有技术中，专利(申请号：201720105623.4)公开了一种中重型车喇叭智能转换系统，包括：喇叭转换控制器、喇叭开关、定位模块、电喇叭系统、气喇叭系统和电源；喇叭转换控制器分别与喇叭开关、定位模块、电喇叭系统和气喇叭系统相连。由于定位模块可以采集当前车辆地理位置信息，并发送给喇叭转换控制器；喇叭转换控制器可以在接收到定位模块发送的当前车辆地理位置信息后，判断当前车辆地理位置是否位于禁止鸣气喇叭区域中；如果是，则在接收到喇叭开关发送的鸣喇叭指令后控制电喇叭系统进行鸣喇叭；如果否，则在接收到喇叭开关发送的鸣喇叭指令后控制气喇叭系统进行鸣喇叭。采用气电喇叭转换开关来切换气喇叭及电喇叭，在实际使用过程中，驾驶员可能会忘记切换而误用，特别是在市区路况因为驾驶员忘记切换到电喇叭而使用了气喇叭对周围人员带来了严重的噪声干扰，需要喇叭转换控制器预先存储禁止鸣气喇叭区域信息，而这个信息无法覆盖所有的城市，特别是对于长途干线物流重卡，其常来往于各大城市之间，另外在现有的技术方案中，无法预先存储禁止鸣气喇叭区域
技术实现思路
1、鉴于以上现有技术的不足，本专利技术提供了一种基于自动驾驶场景的气电喇叭转换方法、系统及介质，不仅不增加硬件成本，以及不增加软件成本的基础上实现气电喇叭自动切换，使车辆更加智能，而且可以避免驾驶员的频繁手动操作以及由此带来的操作失误、气电喇叭使用错误对车辆周围人员造成的干扰、惊吓以及由此引起的交通事故。
2、为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：
3、一种基于自动驾驶场景的气电喇叭转换方法，所述方法包括：
4、u1.车辆行驶在道路上，基于gnss定位信息以及自身导航地图信息输出车辆当前所在的位置信息，基于车载摄像头实时获取道路的图像数据信息，基于车载激光雷达实时获取道路的点云数据信息；
5、u2.基于所述道路的图像数据信息，采用改进的最大熵阈值分割算法对道路的图像的复杂度进行推算，得到道路图像的复杂度数据信息，基于所述道路的点云数据信息，采用点云的二维格网化算法对道路的点云进行处理，得到道路二维格网化图像数据信息；
6、u3.基于所述道路二维格网化图像数据信息和所述道路图像的复杂度数据信息，建立道路环境复杂度函数p，对道路环境的复杂度进行评估，得到道路环境复杂度数据信息；
7、u4.基于所述道路环境复杂度数据信息和所述车辆的位置数据信息，建立车辆的气电喇叭转换阈值函数q，对气动喇叭的转换进行控制，得到车辆的气动喇叭的转换控制数据信息。
8、进一步的，在步骤u2中，所述采用改进的最大熵阈值分割算法对道路的图像的复杂度进行推算包括：
9、u211.基于所述道路的图像数据信息，进行灰度化处理，并构建道路的图像的灰度直方图，对图像中每个像素的灰度值进行推算，得到道路图像的灰度值数据信息；
10、u212.基于所述道路图像的灰度值数据信息，建立道路图像的像素的概率分布向量函数g，
11、
12、其中，xi为道路图像的灰度值数据信息，f为道路图像的灰度值积分函数，αi为道路图像的灰度值权重系数，βi为道路图像的灰度值积分因子，n为样本容量，对道路图像的像素的概率分布向量进行推算，得到道路图像的每个像素的概率分布向量数据信息；
13、u213.基于所述道路图像的每个像素的概率分布向量数据信息，建立道路图像的熵函数h，
14、
15、其中，gi为道路图像的第i个像素的概率分布向量数据信息，n为样本容量，λ1和λ2为道路图像的熵的适应度因子，对道路的图像的复杂度进行推算，得到道路图像的复杂度数据信息。
16、进一步的，所述道路图像的熵的适应度因子λ1和λ2的约束条件为，
17、
18、进一步的，在步骤u2中，所述采用点云的二维格网化算法对道路的点云进行处理包括：
19、u221.基于所述道路的点云数据信息，进行栅格化处理，得到栅格化处理后的道路的点云数据信息；
20、u222.基于所述栅格化处理后的道路的点云数据信息，建立道路点云的二维格网化函数w，
21、
22、其中，yj为第j个栅格的道路的点云数据信息，yj-1为第j-1个栅格的道路的点云数据信息，j为道路的点云的栅格数量，η1和η2为栅格化因子；
23、u223.基于所述道路点云的二维格网化函数w，对道路的点云进行处理，得到道路二维格网化图像数据信息。
24、进一步的，所述栅格化因子η1和η2为，
25、
26、其中，yj为第j个栅格的道路的点云数据信息，j为道路的点云的栅格数量。
27、进一步的，所述道路环境复杂度函数p为，
28、
29、其中，ω1和ω2为道路环境复杂度常量因子，z1为道路二维格网化图像数据信息，z2为道路图像的复杂度数据信息，δ为道路环境复杂度误差因子。
30、进一步的，所述车辆的气电喇叭转换阈值函数q为，
31、
32、
33、其中，r为车辆的气电喇叭衡量函数，a为道路环境复杂度数据信息，b为车辆的位置数据信息，μ1和μ2为车辆的气电喇叭转换因子。
34、为了实现上述目的及其他相关目的，本专利技术还提供了一种用于实现任一项所述的基于自动驾驶场景的气电喇叭转换方法的系统，所述系统包括：
35、t-box，用于实时获取车辆的位置数据信息；
36、智能座舱域控制器，与所述t-box连接，用于在接收到以太网上的gnss信息后，结合车辆的位置信息以及高精地图，可判断车辆当前周围环境信息，包括车辆是否位于居民区、高速路、工业区等信息，并通过以太网网关路由到车身控制器；
37、智能驾驶域控制器，用于通过改进的最大熵阈值分割算法对道路的图像的复杂度进行推算，得到道路图像的复杂度数据信息，并通过二维格网化算法对道路的点云进行处理，得到道路二维格网化图像数据信息，并建立道路环境复杂度函数p，对道路环境的复杂度进行评估，得到道路环境复杂度数据信息；
38、车身控制器，用于建立车辆的气电喇叭转换阈值函数q，对气动喇叭的转换进本文档来自技高网...
【技术保护点】
1.一种基于自动驾驶场景的气电喇叭转换方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于，在步骤U2中，所述采用改进的最大熵阈值分割算法对道路的图像的复杂度进行推算包括：
3.根据权利要求2所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于：所述道路图像的熵的适应度因子λ1和λ2的约束条件为，
4.根据权利要求1所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于，在步骤U2中，所述采用点云的二维格网化算法对道路的点云进行处理包括：
5.根据权利要求4所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于：所述栅格化因子η1和η2为，
6.根据权利要求1所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于：所述道路环境复杂度函数P为，
7.根据权利要求1所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于：所述车辆的气电喇叭转换阈值函数Q为，
8.一种用于实现权利要求1-7任一项所述的基于自动驾驶场景的气电喇叭转换方法的系统，其特征在于，所述系
9.根据权利要求8所述的系统，其特征在于：所述系统还包括激光雷达和摄像头，所述激光雷达用于实时获取道路的点云数据信息，所述摄像头用于实时获取道路的图像数据信息。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有被编程或配置以执行权利要求1～7中任意一项所述的基于自动驾驶场景的气电喇叭转换方法的计算机程序。
...【技术特征摘要】
1.一种基于自动驾驶场景的气电喇叭转换方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于，在步骤u2中，所述采用改进的最大熵阈值分割算法对道路的图像的复杂度进行推算包括：
3.根据权利要求2所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于：所述道路图像的熵的适应度因子λ1和λ2的约束条件为，
4.根据权利要求1所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于，在步骤u2中，所述采用点云的二维格网化算法对道路的点云进行处理包括：
5.根据权利要求4所述的基于自动驾驶场景的气电喇叭转换方法，其特征在于：所述栅格化因子η1和η2为，
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：窦明佳，吴明瞭，李波，朱海楠，周晶，余海峰，
申请(专利权)人：广州海珀特科技有限公司，
类型：发明
国别省市：
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。