[发明专利]一种基于车联网的无人驾驶系统

权利要求书

1.一种基于车联网的无人驾驶系统，应用于智能汽车上，其特征在于，包括：

感知子系统，用于采集所述智能汽车本身及其周围环境的数据信息；

规划子系统，与所述感知子系统连接，用于根据所述数据信息规划行车路径，并向运动控制子系统发出控制指令；

控制子系统，与所述规划子系统相连，用于根据收到的所述控制指令，控制所述智能汽车执行相应的操作；其中，

所述感知子系统包括：图像采集模块，用于采集所述智能汽车本身及其周围环境的目标道路图像；

所述规划子系统内存储有道路检测程序，当接收到所述目标道路图像时，所述规划子系统执行道路检测程序以实现道路检测并根据检测结果规划所述智能汽车的路径。

2.根据权利要求1所述的基于车联网的无人驾驶系统，其特征在于，所述感知子系统还包括：

车速采集模块，用于通过所述智能汽车的车速编码器获取当前运行的速度；

定位导航模块，通过融合GPS全球定位系统和INS惯性导航系统，经过分析解算得到所述智能汽车当前的地理位置与时间。

3.根据权利要求1所述的基于车联网的无人驾驶系统，其特征在于，所述处理器执行所述道路检测程序，包括：

获取图像采集模块采集的目标道路图像；

将所述目标道路图像输入预先训练得到的改进型YOLOv3网络中，利用密集连接形式的主干网络对所述目标道路图像进行特征提取，得到x个不同尺度的特征图；x为大于等于4的自然数；

利用改进型FPN网络对所述x个不同尺度的特征图进行自顶向下、密集连接方式的特征融合，得到各尺度对应的预测结果；

基于所有预测结果，得到所述目标道路图像的属性信息，所述属性信息包括所述目标道路图像中目标的位置和类别；

其中，所述改进型YOLOv3网络包括所述密集连接形式的主干网络、所述改进型FPN网络；所述改进型YOLOv3网络是在YOLOv3网络基础上，将主干网络中的残差模块更换为密集连接模块、增加特征提取尺度、优化FPN网络的特征融合方式，以及进行剪枝及结合知识蒸馏引导网络恢复处理后形成的；所述改进型YOLOv3网络是根据样本道路图像，以及所述样本道路图像对应的目标的位置和类别训练得到的。

4.根据权利要求3所述的基于车联网的无人驾驶系统，其特征在于，所述密集连接形式的主干网络，包括：

间隔串接的密集连接模块和过渡模块；所述密集连接模块的数量为y；所述密集连接模块包括串行连接的卷积网络模块和密集连接单元组；所述卷积网络模块包括串行连接的卷积层、BN层、Leaky relu层；所述密集连接单元组包括m个密集连接单元；每个密集连接单元包括多个采用密集连接形式连接的所述卷积网络模块，并采用级联方式融合多个卷积网络模块输出的特征图；其中，y为大于等于4的自然数，m为大于1的自然数。

5.根据权利要求3所述的基于车联网的无人驾驶系统，其特征在于，所述得到x个不同尺度的特征图，包括：

得到沿输入逆向的x个密集连接模块输出的、尺度依次增大的x个特征图。

6.根据权利要求3所述的基于车联网的无人驾驶系统，其特征在于，所述过渡模块包括所述卷积网络模块和最大池化层；所述卷积网络模块的输入和所述最大池化层的输入共用，所述卷积网络模块输出的特征图和所述最大池化层输出的特征图采用级联方式融合。

7.根据权利要求6所述的基于车联网的无人驾驶系统，其特征在于，所述过渡模块包括的所述卷积网络模块的数量为两个或三个，且各个卷积网络模块之间采用串接方式。