[发明专利]自动驾驶视觉感知冗余系统危险度评估的自诊断校准方法

说明书

本发明公开了一种自动驾驶视觉感知冗余系统危险度评估的自诊断校准方法，包括以下步骤：S1、从高精地图接收车辆位置、路段预设位置和接收车辆状态信息，当车辆通过路段预设位置时执行步骤S2；S2、接收视觉感知主功能子系统动态估计的摄像机参数信息，以及接收摄像机视频数据和IMU数据；S3、对视觉冗余感知系统摄像机输入图像预处理；S4、视觉冗余感知系统通过n种不同方法估计主功能摄像机参数，与主功能摄像机动态参数估计结果做误差计算，得到第i(i＝1，……n)种方法估计的参数误差向量并求取估计参数的置信度。本发明解决了现有视觉感知系统因摄像机参数变化引起识别不准或测距不准的问题，提高自动驾驶车辆的安全性。

技术领域

本发明涉及车辆控制技术领域，具体涉及一种自动驾驶视觉感知冗余系统危险度评估的自诊断校准方法。

背景技术

自动驾驶系统安全性依赖于各感知传感器的正确输出，而视觉感知系统的单目摄像机作为检测车道线和车道标识的传感器(雷达/激光雷达主要检测目标、护栏和路沿)，其准确度和精度决定于摄像机外参，外参容易受到安装位置的影响，而车辆在行驶过程中由于振动使得底盘橡胶件老化，日照、高热和高寒等因素使得非金属外饰支架老化发生形变，固定件发生松动，从而使得摄像机系统发生位姿角改变，而影响传感器外参，而外参的改变会对摄像机测距产生影响；摄像机自身的老化又会使得内参发生变化。而高速情况下，自动驾驶的紧急刹车和紧急避障的安全性严重依赖于摄像机的测距能力。而如果内外参不准确，又因为光照，恶劣天气等因素影响，基于光学测距的视觉系统会更不准确，影响感知系统正常工作，并最终影响紧急刹车和紧急避障的控制效果，如导致避障路径规划不准确，反而容易引起30％碰撞等事故造成更大的伤害，因此发明一种自动驾驶视觉感知冗余系统及其外参数的自诊断/自校准方法对于自动驾驶是十分必要的。

如公开号为CN102789642A的发明专利公开了一种消失方向确定方法和装置、摄像机自标定方法和装置。其中提出了一种消失方向确定方法和装置及摄像机。基于视频图像确定消失方向的方法包括：在由摄像机拍摄的视频图像中检测运动物体所在的运动目标区域，提取特征点，以获得运动估计，及消失方向，进而准确的获得摄像机姿态参数，但是单单用提取特征点获取消失点来估计摄像机姿态参数，容易因为特征点提取不准确以及错配导致运动轨迹获取问题，导致姿态参数不准确问题，用于自动驾驶系统自诊断时，容易误报或者漏报。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种自动驾驶视觉感知冗余系统危险度评估的自诊断校准方法，解决现有视觉感知系统因摄像机参数变化引起识别不准或测距不准的问题，而产生严重的安全事故。

为了解决上述技术问题，本发明采用了如下的技术方案：

自动驾驶视觉感知冗余系统危险度评估的自诊断校准方法，包括以下步骤：

S1、从高精地图接收车辆位置、路段预设位置和接收车辆状态信息，当车辆通过路段预设位置时执行步骤S2；

S2、接收视觉感知主功能子系统的摄像机的动态估计参数，以及接收摄像机视频数据和IMU(惯性测量单元，含加速度计)数据；

S3、对视觉冗余感知系统摄像机输入图像预处理；

S4、视觉冗余感知系统通过n种不同方法估计主功能摄像机参数，与主功能摄像机动态参数估计结果做误差计算，得到第i(i＝1，2，3……n)种方法估计的参数误差向量并求取估计参数的置信度；

S5、对步骤S4中所有参数误差向量归一化后，通过置信度的加权特征融合，得到当前帧j的危险度R_j；

S6、当采集到的帧数大于阈值时执行步骤S7,否则执行步骤S2采集下一帧数据；

S7、对计算出的多帧的危险度求均值R_AVG，并基于激励和遗忘机制计算长期危险度R_LT；