详情

原文传递基于物联网的深度学习型智能驾驶环境感知系统

专利名称：	基于物联网的深度学习型智能驾驶环境感知系统
摘要：	本发明公开了基于物联网的深度学习型智能驾驶环境感知系统，属于智能感知系统领域，基于物联网的深度学习型智能驾驶环境感知系统，包括感知系统和智能驾驶车辆，感知系统包括感知层和认知层，智能驾驶车辆上设置有决策层和控制层，感知层用于数据采集，决策层用于将认知层传来的信息和路线规划，用算法进行处理，并向控制层输出调整车速和方向的指令，控制层接收决策层的指令，并控制车辆的刹车、油门和档位，本方案对无人驾驶的实现方式进行改进，利用感知系统采集道路上所有移动和静止的障碍物，将这些障碍物的数据信息发送给在道路上行驶的所有智能驾驶车辆，在提高无人驾驶的安全性和稳定性的同时降低技术难度和生产成本。
专利类型：	发明专利
国家地区组织代码：	湖南;43
申请人：	长沙理工大学
发明人：	邹勇松;王进;陈华;张建民;卢佳顺
专利状态：	有效
申请日期：	2019-05-14T00:00:00+0800
发布日期：	2019-08-06T00:00:00+0800
申请号：	CN201910396591.1
公开号：	CN110091875A
代理机构：	北京成实知识产权代理有限公司
代理人：	张焱
分类号：	B60W50/00(2006.01);B;B60;B60W;B60W50
申请人地址：	410000 湖南省长沙市雨花区万家丽南路960号
主权项：	1.基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：包括感知系统和智能驾驶车辆，所述感知系统包括感知层和认知层，所述智能驾驶车辆上设置有决策层和控制层，所述感知层用于数据采集，且感知层包括雷达单元、惯性导航单元、定位单元和摄像单元，所述认知层用于数据分析，所述决策层用于将认知层传来的信息和路线规划，用算法进行处理，并向控制层输出调整车速和方向的指令，所述控制层接收决策层的指令，并控制车辆的刹车、油门和档位。 2.根据权利要求1所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：所述雷达单元、惯性导航单元、定位单元和摄像单元可安装于道路两侧的路灯上，所述认知层包括对行人、车辆、交通物品、交通标识和车道线的分析。 3.根据权利要求1所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：所述雷达单元包括激光雷达和毫米波雷达。 4.根据权利要求3所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：所述激光雷达为禁止，其扫射的环境为固定。 5.根据权利要求4所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：所述激光雷达首先获取环境数据并以数组形式存储于计算机中，对获取的环境数据进行预处理，剔除树木，地面等信息，对激光雷达的距离信息、反射强度信息同时进行非平面算法的环境数据分割聚类处理，提取障碍物外接矩形轮廓特征。 6.根据权利要求5所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：激光雷达采用多假设跟踪模型算法对连续两帧的障碍物信息进行数据关联，并利用卡尔曼滤波算法对动态障碍物进行连续地预测和跟踪。 7.根据权利要求1所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：所述感知系统与智能驾驶车辆之间采用无线通信。 8.根据权利要求1所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：所述雷达单元、惯性导航单元、定位单元和摄像单元的传感器数据融合包括空间融合、时间融合和传感器数据融合算法，且传感器数据融合算法采用扩展卡尔马滤波算法。 9.根据权利要求2所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：所述雷达单元、惯性导航单元、定位单元和摄像单元安装于固定距离的相邻路灯上。 10.根据权利要求9所述的基于物联网的深度学习型智能驾驶环境感知系统，其特征在于：相邻所述路灯上的雷达单元、惯性导航单元、定位单元和摄像单元之间采用并联的连接方式。
所属类别：	发明专利