[发明专利]一种符合汽车功能安全标准自动驾驶架构系统和工作方法

权利要求书

1.一种符合汽车功能安全标准自动驾驶架构系统，其特征在于，包括：传感器单元、数据采集单元、智能交互单元和动作执行单元；

传感器单元数据发送端连接数据采集单元数据接收端，数据采集单元数据发送端连接智能交互单元数据接收端，智能交互单元数据发送端连接动作执行单元数据接收端；

所述智能交互单元包括：

路径规划单元用于集GPS数据和雷达数据、以及车载摄像数据之后，对驾驶者进行路径优化选择，规划更加合理的行驶路线；

路径规划单元包括：A，设置第一路口检测系统，第一毫米波雷达信号输出端连接第一单片机雷达信号接收端，第一高清摄像头信号输出端连接第一嵌入式GPU摄像信号接收端，第一单片机信号输出端连接第一交换机雷达信号接收端，第一嵌入式GPU信号输出端连接第一交换机摄像信号接收端；设置第二路口检测系统，第二毫米波雷达信号输出端连接第二单片机雷达信号接收端，第二高清摄像头信号输出端连接第二嵌入式GPU摄像信号接收端，第二单片机信号输出端连接第二交换机雷达信号接收端，第二嵌入式GPU信号输出端连接第二交换机摄像信号接收端；设置第N路口检测系统，第N毫米波雷达信号输出端连接第N单片机雷达信号接收端，第N高清摄像头信号输出端连接第N嵌入式GPU摄像信号接收端，第N单片机信号输出端连接第N交换机雷达信号接收端，第N嵌入式GPU信号输出端连接第N交换机摄像信号接收端；第一交换机信号输出端连接总交换机第一信号接收端，第二交换机信号输出端连接总交换机第二信号接收端，第N交换机信号输出端连接总交换机第N信号接收端，总交换机信号输出端连接数据库服务器信号接收端；设置N个路口检测系统，对路口车辆和行人数据进行汇总收集，通过数据库服务器存储并进行深度学习；

B，数据库服务器收集路口的车辆和行人数据，收集全部毫米波雷达采集的数据，并通过毫米波雷达输出被测目标的类型，将被测目标的类型进行判断，确定被测目标的类型，根据该类型扫描被测目标的宽度和长度，在相应路口出现的概率，并且通过高清摄像头和毫米波雷达融合方法计算被测目标距路面原点相对位置，根据被测目标在路面坐标系内的移动时间计算相对速度，通过高清摄像头输出被测路口的图像信息；

B-1，根据被测目标实际运动情况对毫米波雷达输出的被测目标信息进行实时筛选；

B-2，毫米波雷达发射的雷达信号伴随着虚假目标，其中虚假目标通过毫米波雷达和高清摄像头采集的树木信息、围栏信息和电线杆信息，通过实时采集的雷达数据和图像数据，筛选剔除固定不变的树木信息、围栏信息和电线杆信息；

B-3，根据毫米波雷达检测的固定不变的树木信息、围栏信息和电线杆信息被测目标宽度、长度、位置及置信度信息对检测的被测目标进行第一轮筛选；接着利用卡尔曼滤波算法，对连续检出的目标进行跟踪和滤波；根据卡尔曼滤波的估计结果进行目标生命周期管理；

B-4在得到第一路口第一毫米波雷达和第一高清摄像头和第二路口第二毫米波雷达和第二高清摄像头的被测目标相互之间没有关联并且相互独立状态下得到相应检测结果后，利用Elman神经网络对两个没有关联的被测目标信息进行融合，不匹配状态下则剔除该被测目标；

C，利用已经训练的深度神经网络对高清摄像头采集的图像连续图像帧进行目标识别，同时结合高清摄像头的标定参数，计算被测目标位置及速度参数；通过基于卡尔曼滤波方法，对运动状态下的被测目标状态进行跟踪和滤波；再根据卡尔曼滤波的估计结果进行目标生命周期管理；利用深度学习方法，实现基于视觉图像的目标物类型识别及目标物测速及测距功能:首先利用已经训练的深度神经网络对图像连续图像帧进行目标识别，同时结合摄像头的标定参数，计算被测目标物位置及速度参数；接着基于卡尔曼滤波方法，对运动目标状态进行跟踪和滤波；最后再根据卡尔曼滤波的估计结果进行目标生命周期管理。