[发明专利]基于园区环境的无人车智能驾驶系统在审

专利信息
申请号: 202111175877.0 申请日: 2021-10-09
公开(公告)号: CN113895543A 公开(公告)日: 2022-01-07
发明(设计)人: 张静;刘曾缘;王祎;申枭;李云松 申请(专利权)人: 西安电子科技大学
主分类号: B62D63/02 分类号: B62D63/02;G05D1/02;G05D1/00;H04W4/38;H04W4/40
代理公司: 陕西电子工业专利中心 61205 代理人: 王品华
地址: 710071*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 环境 无人 智能 驾驶 系统
【权利要求书】:

1.一种基于园区环境的无人车智能驾驶系统,包括:

传感器数据处理模块(1),用于获取无人驾驶车辆巡检过程中惯性传感器IMU数据,里程计数据和激光雷达数据,发送给中控模块(2);

中控模块(2),根据传感器数据处理模块(1)发送的信息,计算无人驾驶车辆行驶过程中的线速度v和角速度w,并发送给运动控制模块(3);

运动控制模块(3),根据中控模块(2)发送的信息,驱动无人驾驶车辆在检测区域内行驶;

其特征在于,还包括:

视觉处理模块(4),用于获取无人驾驶车辆巡检过程中相机采集的图像数据,并对图像数据做红绿灯检测及车道线检测,即对图像中出现的红绿灯进行识别,对图像中出现的车道线进行识别,将识别后的图像信息发送到远程控制模块,并返回是否有红绿灯、红绿灯状态及车道线在图像中出现的左,右位置,将这些状态信息发送到中控模块(2);

远程控制模块(5),用于实现远程对无人驾驶车辆下达运动指令,即将上位机界面中设定的运动目标发送到中控模块(2),同时接收中控模块(2)发送的小车状态信息及视觉处理模块(4)发送的图像信息,在控制界面进行显示。

2.根据权利要求1所述的系统,其特征在于,所述传感器数据处理模块(1),由激光雷达、里程计及惯性传感器三个传感器集成,在行驶过程中收集惯性传感器IMU数据,里程计数据和激光雷达数据,并发送给中控模块。

3.根据权利要求1所述的系统,其特征在于,所述中控模块(2),包括自动行驶控制子模块(21),红绿灯行驶控制子模块(22),S弯道行驶控制子模块(23);

该自动行驶控制子模块(21),用于在只接收到上位机发送的目标位置信息,而未接收到红绿灯或S弯道的状态信息时,则通过预设的自动行驶控制策略,为无人车规划行驶路线,计算出无人车运动的线速度和角速度,并该将线速度v和角速度w分别发送给运动控制模块(3)和远程控制模块(5);

该红绿灯行驶控制子模块(22),用于在接收到红灯状态信息时,将线速度v和角速度w设为零;当接收到绿灯状态信息时,为无人车规划行驶路线,计算出无人车运动的线速度v和角速度w,分别发送给运动控制模块(3)和远程控制模块(5),并将无人车目前所处的红绿灯道路的状态发送给远程控制模块(5);

该S弯道行驶控制子模块(23),用于在接受到S弯道状态信息时,根据无人车相对于车道线的位置信息,确定无人车的线速度v和角速度w,分别发送给运动控制模块(3)和远程控制模块(5),并将无人车目前所处S弯道路的状态发送给远程控制模块(5)。

4.根据权利要求1所述的系统,其特征在于,运动控制模块(3)驱动无人驾驶车辆在检测区域内行驶,是根据接收中控模块(2)传输的线速度v和角速度w,将其换算为无人驾驶车辆的前轮舵机转向角度α和后轮转动速度k,控制底层电机的转动,换算公式如下:

α=atan(v×0.45÷w)×57.3;

k=v×32÷0.43。

5.根据权利要求1所述的系统,其特征在于,视觉处理模块(4),包括红绿灯识别处理子模块(41),S弯道识别处理子模块(42);

所述红绿灯识别处理子模块(41),利用深度学习卷积神经网络CNN完成对红绿灯的识别,即利用提前采集的红绿灯照片标定照片中红绿灯的位置,再利用标定后照片生成的数据集对该网络进行训练,利用训练后的CNN完成对巡检过程中实时采集图片中的红绿灯的识别,并返回是否存在红绿灯及红绿灯状态信息的识别结果;

所述S弯道识别处理子模块(42),利用深度学习车道线检测网络LaneNet完成对车道线的识别,即利用提前采集的车道线照片标定照片中车道线的位置,再利用标定后照片生成的数据集对该网络进行训练,利用训练后的LaneNet完成对巡检过程中实时采集图片中的车道线的识别,并返回即是否处于S弯道及车道线位置信息的识别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111175877.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top