本發(fā)明涉及汽車技術(shù)領(lǐng)域，特別是涉及無(wú)人駕駛汽車系統(tǒng)及汽車。

背景技術(shù)：

目前的自動(dòng)駕駛汽車技術(shù)已經(jīng)基本具備自動(dòng)操作和行駛能力，例如，在汽車上安裝攝像頭、雷達(dá)傳感器和激光探測(cè)器等先進(jìn)的儀器，可通過(guò)它們來(lái)感知公路的限速和路旁交通標(biāo)志，以及周圍的車輛移動(dòng)情況，如果要出發(fā)的話只需借助地圖來(lái)導(dǎo)航即可。無(wú)人駕駛系統(tǒng)主要利用車載傳感器來(lái)感知車輛周圍環(huán)境，并根據(jù)感知所獲得的道路、車輛位置和障礙物信息，控制車輛的轉(zhuǎn)向和速度，從而使車輛能夠安全、可靠地在道路上行駛。

目前，無(wú)人駕駛汽車是一種智能汽車，主要依靠車內(nèi)的以計(jì)算機(jī)系統(tǒng)為主的智能駕駛儀來(lái)實(shí)現(xiàn)無(wú)人駕駛。但是，無(wú)人駕駛系統(tǒng)其中難點(diǎn)在于對(duì)路旁交通及周圍環(huán)境識(shí)別情況的辨別能力，從而可能導(dǎo)致無(wú)人駕駛系統(tǒng)采集到的數(shù)據(jù)不準(zhǔn)確等。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對(duì)上述問(wèn)題，提供一種對(duì)周圍環(huán)境信息的識(shí)別能力強(qiáng)和精準(zhǔn)度高且能夠安全行駛的無(wú)人駕駛汽車系統(tǒng)和汽車。

一種無(wú)人駕駛汽車系統(tǒng)，包括：

環(huán)境感知子系統(tǒng)，用于采集無(wú)人駕駛汽車的車輛信息和周圍環(huán)境信息，所述周圍環(huán)境信息包括周圍環(huán)境的影像信息和三維坐標(biāo)信息；

數(shù)據(jù)融合子系統(tǒng)，用于融合所述影像信息和三維坐標(biāo)信息并提取車道線信息、障礙物信息、交通標(biāo)識(shí)信息以及動(dòng)態(tài)障礙物的追蹤信息；

路徑規(guī)劃決策子系統(tǒng)，用于根據(jù)所述車輛信息、數(shù)據(jù)融合子系統(tǒng)提取的信息以及行駛目的地信息規(guī)劃行駛路徑；

行駛控制子系統(tǒng)，用于根據(jù)所述行駛路徑生成控制指令，并根據(jù)所述控制指令對(duì)無(wú)人駕駛汽車進(jìn)行控制。

在其中一個(gè)實(shí)施例中，所述環(huán)境感知子系統(tǒng)包括：

視覺(jué)傳感器，用于采集無(wú)人駕駛汽車周圍環(huán)境的影像信息；

雷達(dá)，用于采集無(wú)人駕駛汽車的周圍環(huán)境的三維坐標(biāo)信息。

在其中一個(gè)實(shí)施例中，所述數(shù)據(jù)融合子系統(tǒng)包括：

車道線融合模塊，用于對(duì)所述視覺(jué)傳感器和所述雷達(dá)采集的周圍環(huán)境信息進(jìn)行疊加或排除，并提取所述車道線信息；

障礙物識(shí)別融合模塊，用于對(duì)所述視覺(jué)傳感器和所述雷達(dá)采集的周圍環(huán)境信息進(jìn)行融合，并提取所述障礙物信息；

交通標(biāo)識(shí)融合模塊，用于對(duì)所述視覺(jué)傳感器和所述雷達(dá)采集的周圍環(huán)境信息進(jìn)行檢測(cè)，并提取所述交通標(biāo)識(shí)信息；

障礙物動(dòng)態(tài)追蹤融合模塊，用于對(duì)所述視覺(jué)傳感器和所述雷達(dá)采集的周圍環(huán)境信息進(jìn)行融合，并提取所述動(dòng)態(tài)障礙物的追蹤信息。

在其中一個(gè)實(shí)施例中，所述車道線融合模塊包括視覺(jué)車道線檢測(cè)單元和雷達(dá)車道線檢測(cè)單元；所述視覺(jué)車道線檢測(cè)單元用于對(duì)所述影像信息進(jìn)行處理，并提取視覺(jué)車道線信息；所述雷達(dá)車道線檢測(cè)單元用于提取無(wú)人駕駛汽車行駛的路面信息，并根據(jù)所述路面信息獲取車道外輪廓信息；所述車道線融合模塊還用于對(duì)所述視覺(jué)車道線信息和車道外輪廓信息進(jìn)行疊加或排除，獲取所述車道線信息。

在其中一個(gè)實(shí)施例中，所述障礙物識(shí)別融合模塊包括視覺(jué)障礙物識(shí)別單元和雷達(dá)障礙物識(shí)別單元；所述視覺(jué)障礙物識(shí)別單元用于根據(jù)所述影像信息分割出背景信息和前景信息，對(duì)所述前景信息進(jìn)行識(shí)別獲取具有彩色信息的視覺(jué)障礙物信息；所述雷達(dá)障礙物識(shí)別單元還用于識(shí)別在第一預(yù)設(shè)高度范圍內(nèi)的具有三維坐標(biāo)信息的雷達(dá)障礙物信息；所述障礙物識(shí)別融合模塊，用于融合所述視覺(jué)障礙物信息和雷達(dá)障礙物信息，獲取所述障礙物信息。

在其中一個(gè)實(shí)施例中，所述交通標(biāo)識(shí)融合模塊包括視覺(jué)交通標(biāo)識(shí)檢測(cè)單元和雷達(dá)交通標(biāo)識(shí)檢測(cè)單元；所述視覺(jué)交通標(biāo)識(shí)檢測(cè)單元對(duì)所述影像信息進(jìn)行檢測(cè)，并提取視覺(jué)交通標(biāo)識(shí)信息；所述雷達(dá)交通標(biāo)識(shí)檢測(cè)單元用于提取地面交通標(biāo)識(shí)信息；還用于檢測(cè)在第二預(yù)設(shè)高度范圍內(nèi)的懸掛交通標(biāo)識(shí)信息；所述交通標(biāo)識(shí)融合模塊還用于根據(jù)所述地面交通標(biāo)識(shí)信息和懸掛交通標(biāo)識(shí)信息確定所述交通標(biāo)識(shí)信息的位置，并在所述位置區(qū)域內(nèi)獲取所述交通標(biāo)識(shí)信息的類別。

在其中一個(gè)實(shí)施例中，所述障礙物動(dòng)態(tài)追蹤融合模塊包括視覺(jué)動(dòng)態(tài)追蹤單元和雷達(dá)動(dòng)態(tài)追蹤單元，所述視覺(jué)動(dòng)態(tài)追蹤單元用于對(duì)所述影像信息進(jìn)行識(shí)別，并在相鄰兩幀連續(xù)幀中定位動(dòng)態(tài)障礙物，并獲取所述動(dòng)態(tài)障礙物的色彩信息；所述雷達(dá)動(dòng)態(tài)追蹤單元用于追蹤動(dòng)態(tài)障礙物的三維坐標(biāo)信息；所述障礙物動(dòng)態(tài)追蹤融合模塊還用于融合所述動(dòng)態(tài)障礙物的色彩信息和動(dòng)態(tài)障礙物的三維坐標(biāo)信息，獲取所述動(dòng)態(tài)障礙物的追蹤信息。

在其中一個(gè)實(shí)施例中，所述環(huán)境感知子系統(tǒng)還包括：

gps定位導(dǎo)航儀，用于采集無(wú)人駕駛汽車的當(dāng)前的地理位置與時(shí)間；

慣性測(cè)量單元，用于測(cè)量所述無(wú)人駕駛汽車的車輛姿態(tài)；

車速采集模塊，用于獲取無(wú)人駕駛汽車當(dāng)前運(yùn)行的速度。

在其中一個(gè)實(shí)施例中，還包括：

通信子系統(tǒng)，用于將所述路徑規(guī)劃決策子系統(tǒng)規(guī)劃的行駛路徑實(shí)時(shí)傳輸至外部監(jiān)控中心。

此外，還提供一種汽車，包括上述無(wú)人駕駛汽車系統(tǒng)。

本發(fā)明實(shí)施例的無(wú)人駕駛汽車系統(tǒng)，通過(guò)數(shù)據(jù)融合子系統(tǒng)融合包括影像信息和三維坐標(biāo)信息的周圍環(huán)境信息，并提取障礙物信息、車道線信息、交通標(biāo)識(shí)信息以及動(dòng)態(tài)障礙物的追蹤信息，提高了對(duì)周圍環(huán)境信息的識(shí)別能力和精準(zhǔn)度。路徑規(guī)劃決策子系統(tǒng)根據(jù)數(shù)據(jù)融合子系統(tǒng)提取的信息以及行駛目的地信息規(guī)劃行駛路徑，行駛控制子系統(tǒng)根據(jù)所述行駛路徑生成控制指令，并根據(jù)所述控制指令控制對(duì)無(wú)人駕駛汽車進(jìn)行控制，進(jìn)而可以實(shí)現(xiàn)安全性能極高的無(wú)人駕駛功能。

附圖說(shuō)明

圖1為一個(gè)實(shí)施例中無(wú)人駕駛汽車系統(tǒng)的結(jié)構(gòu)框架圖；

圖2為一個(gè)實(shí)施例中環(huán)境感知子系統(tǒng)的結(jié)構(gòu)框架圖；

圖3為一個(gè)實(shí)施例中數(shù)據(jù)融合子系統(tǒng)的結(jié)構(gòu)框架圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

圖1為一個(gè)實(shí)施例中無(wú)人駕駛汽車系統(tǒng)的結(jié)構(gòu)框架圖，一種無(wú)人駕駛汽車系統(tǒng)包括環(huán)境感知子系統(tǒng)10、數(shù)據(jù)融合子系統(tǒng)20、路徑規(guī)劃決策子系統(tǒng)30以及行駛控制子系統(tǒng)40。

其中，環(huán)境感知子系統(tǒng)10，用于采集無(wú)人駕駛汽車的車輛信息和周圍環(huán)境信息，其中，周圍環(huán)境信息包括周圍環(huán)境的影像信息和三維坐標(biāo)信息。

數(shù)據(jù)融合子系統(tǒng)20，用于融合周圍環(huán)境信息并提取障礙物信息、車道線信息、交通標(biāo)識(shí)信息以及動(dòng)態(tài)障礙物的追蹤信息。

路徑規(guī)劃決策子系統(tǒng)30，用于根據(jù)車輛信息、數(shù)據(jù)融合子系統(tǒng)20提取的信息以及行駛目的地信息規(guī)劃行駛路徑。

行駛控制子系統(tǒng)40，用于根據(jù)行駛路徑生成控制指令，并根據(jù)控制指令控制對(duì)無(wú)人駕駛汽車進(jìn)行控制。

上述無(wú)人駕駛汽車系統(tǒng)，通過(guò)數(shù)據(jù)融合子系統(tǒng)20融合包括影像信息和三維坐標(biāo)信息的周圍環(huán)境信息，并提取障礙物信息、車道線信息、交通標(biāo)識(shí)信息以及動(dòng)態(tài)障礙物的追蹤信息，提高了對(duì)周圍環(huán)境信息的識(shí)別能力和精準(zhǔn)度。路徑規(guī)劃決策子系統(tǒng)30根據(jù)數(shù)據(jù)融合子系統(tǒng)20提取的信息以及行駛目的地信息規(guī)劃行駛路徑，行駛控制子系統(tǒng)40根據(jù)行駛路徑生成控制指令，并根據(jù)控制指令控制對(duì)無(wú)人駕駛汽車進(jìn)行控制，進(jìn)而可以實(shí)現(xiàn)安全性能極高的無(wú)人駕駛功能。

在一個(gè)實(shí)施例中，參考圖2，環(huán)境感知子系統(tǒng)10包括視覺(jué)傳感器110和雷達(dá)120。其中，視覺(jué)傳感器110主要由一個(gè)或者兩個(gè)圖形傳感器組成，有時(shí)還要配以光投射器及其他輔助設(shè)備。圖像傳感器可以使用激光掃描器、線陣和面陣ccd攝像機(jī)或者tv攝像機(jī)，也可以是最新出現(xiàn)的數(shù)字?jǐn)z像機(jī)等。視覺(jué)傳感器110安裝在無(wú)人駕駛汽車上，用于采集無(wú)人駕駛汽車的周圍環(huán)境信息，也就采集無(wú)人駕駛汽車附近的實(shí)時(shí)路況信息，包括障礙物信息、車道線信息、交通標(biāo)識(shí)信息以及對(duì)障礙物的動(dòng)態(tài)追蹤信息。所采集的周圍環(huán)境信息為周圍環(huán)境的影像信息，又可以稱之為視頻信息。

雷達(dá)120用于采集無(wú)人駕駛汽車的周圍環(huán)境的三維坐標(biāo)信息。該無(wú)人駕駛汽車系統(tǒng)中包括多個(gè)雷達(dá)120。在一個(gè)實(shí)施例中，多個(gè)雷達(dá)120包括激光雷達(dá)和毫米波雷達(dá)。激光雷達(dá)采用機(jī)械式的多線束激光雷達(dá)，主要是通過(guò)發(fā)射激光束，來(lái)探測(cè)目標(biāo)的位置、速度等特征量，還可以利用激光雷達(dá)的回波強(qiáng)度信息進(jìn)行障礙檢測(cè)和追蹤。激光雷達(dá)具有探測(cè)范圍更廣，探測(cè)精度高的優(yōu)勢(shì)。毫米波雷達(dá)的波長(zhǎng)介于厘米波和光波之間，兼有微波制導(dǎo)和光電制導(dǎo)的優(yōu)點(diǎn)，且其引導(dǎo)頭具有體積小、質(zhì)量輕、空間分辨率高，毫米波導(dǎo)引頭穿透霧、煙、灰塵的能力強(qiáng)的特點(diǎn)。在一個(gè)實(shí)例中，同時(shí)采用激光雷達(dá)和毫米波雷達(dá)，可以解決激光雷達(dá)在極端氣候下無(wú)法施展性能的弊端，可以大大提升無(wú)人駕駛汽車的探測(cè)性能。

在一個(gè)實(shí)施例中，環(huán)境感知子系統(tǒng)10還用于采集無(wú)人駕駛汽車的車輛信息。其中，車輛信息包括無(wú)人駕駛汽車的當(dāng)前的地理位置與時(shí)間、車輛姿態(tài)和當(dāng)前運(yùn)行的速度等。環(huán)境感知子系統(tǒng)10還包括gps定位導(dǎo)航儀130、慣性測(cè)量單元140(inertialmeasurementunit，imu)和車速采集模塊150。其中，gps定位導(dǎo)航儀130采集無(wú)人駕駛汽車的當(dāng)前的地理位置與時(shí)間。無(wú)人駕駛汽車在行駛過(guò)程中，車內(nèi)安裝的全球定位儀將隨時(shí)獲取汽車所在準(zhǔn)確方位，進(jìn)一步提高安全性。慣性測(cè)量單元140用于測(cè)量無(wú)人駕駛汽車的車輛姿態(tài)。車速采集模塊150用于獲取無(wú)人駕駛汽車當(dāng)前運(yùn)行的速度。

在一個(gè)實(shí)施例中，參考圖3，數(shù)據(jù)融合子系統(tǒng)20包括：車道線融合模塊210、障礙物識(shí)別融合模塊220、交通標(biāo)識(shí)融合模塊230以及障礙物動(dòng)態(tài)追蹤融合模塊240。

其中，車道線融合模塊210，用于對(duì)視覺(jué)傳感器110和雷達(dá)120采集的周圍環(huán)境信息進(jìn)行疊加或排除，并提取車道線信息。障礙物識(shí)別融合模塊220，用于對(duì)視覺(jué)傳感器110和雷達(dá)120采集的周圍環(huán)境信息進(jìn)行融合，并提取障礙物信息。交通標(biāo)識(shí)融合模塊230，用于對(duì)視覺(jué)傳感器110和雷達(dá)120采集的周圍環(huán)境信息進(jìn)行檢測(cè)，并提取交通標(biāo)識(shí)信息。障礙物動(dòng)態(tài)追蹤融合模塊240，用于對(duì)視覺(jué)傳感器110和雷達(dá)120采集的周圍環(huán)境信息進(jìn)行融合，并提取車道線信息。

在一個(gè)實(shí)施例中，車道線融合模塊210包括視覺(jué)車道線檢測(cè)單元211和雷達(dá)車道線檢測(cè)單元213。

視覺(jué)車道線檢測(cè)單元211用于對(duì)影像信息進(jìn)行處理，并提取視覺(jué)車道線信息。視覺(jué)車道線檢測(cè)單元211對(duì)視覺(jué)傳感器110獲取的影像信息進(jìn)行去噪、增強(qiáng)、分割等預(yù)處理，并提取出視覺(jué)車道線信息。

雷達(dá)車道線檢測(cè)單元213用于提取無(wú)人駕駛汽車行駛的路面信息，并根據(jù)路面信息獲取車道外輪廓信息。雷達(dá)車道線檢測(cè)單元213在獲取車道外輪廓信息時(shí)，對(duì)激光雷達(dá)獲取的無(wú)人駕駛汽車的行駛地面的三維坐標(biāo)信息進(jìn)行校準(zhǔn)，并計(jì)算出三維坐標(biāo)信息中的離散點(diǎn)，其中，離散點(diǎn)可定義為相鄰兩點(diǎn)之間的距離大于預(yù)設(shè)范圍的點(diǎn)。并對(duì)離散點(diǎn)進(jìn)行濾波處理，利用隨機(jī)采樣一致性方法擬合出地面的位置信息，獲取車道外輪廓信息，也即獲取雷達(dá)120車道線信息。

車道線融合模塊210對(duì)獲取的視覺(jué)車道線信息和車道外輪廓信息進(jìn)行融合(疊加)或排除，獲取實(shí)時(shí)的車道線信息。通過(guò)車道線融合模塊210，可以提高車道線信息的識(shí)別的精確度，可以避免漏獲取車道線信息的情況發(fā)生。

在一個(gè)實(shí)施例中，障礙物識(shí)別融合模塊220包括視覺(jué)障礙物識(shí)別單元221和雷達(dá)障礙物識(shí)別單元223。其中，視覺(jué)障礙物識(shí)別單元221用于根據(jù)影像信息分割出背景信息和前景信息，對(duì)前景信息進(jìn)行識(shí)別獲取具有彩色信息的視覺(jué)障礙物信息。視覺(jué)障礙物識(shí)別單元221通過(guò)模式識(shí)別或者機(jī)器學(xué)習(xí)等方法對(duì)影像信息進(jìn)行處理，使用背景更新算法建立背景模型以及分割出前景。對(duì)分割出的前景進(jìn)行識(shí)別獲取具有彩色信息的視覺(jué)障礙物信息。

雷達(dá)障礙物識(shí)別單元223用于識(shí)別在第一預(yù)設(shè)高度范圍內(nèi)的具有三維坐標(biāo)信息的雷達(dá)障礙物信息。

雷達(dá)障礙物識(shí)別單元223對(duì)激光雷達(dá)獲取的無(wú)人駕駛汽車周圍環(huán)境信息進(jìn)行預(yù)處理，去除地面信息，并篩選識(shí)別出在第一預(yù)設(shè)高度范圍內(nèi)的周圍環(huán)境的三維坐標(biāo)信息。根據(jù)車道線信息這一約束條件檢測(cè)感興趣區(qū)域(regionofinterest，roi)，其中，感興趣區(qū)域?yàn)橐苑娇?、圓、橢圓、不規(guī)則多邊形等方式勾勒出需要處理的區(qū)域。將識(shí)別出的感興趣區(qū)域的數(shù)據(jù)信息柵格化，并進(jìn)行障礙物塊聚類分割。對(duì)每一塊障礙物塊對(duì)應(yīng)的原始激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行二次聚類，放置欠分割。將二次聚類的所點(diǎn)云數(shù)據(jù)作為訓(xùn)練樣本集，根據(jù)訓(xùn)練樣本集生成分類器模型，繼而，利用訓(xùn)練模型對(duì)二次聚類后的障礙物塊進(jìn)行分類識(shí)別并獲取具有三維坐標(biāo)信息的雷達(dá)障礙物信息。

障礙物識(shí)別融合模塊220，用于融合視覺(jué)障礙物信息和雷達(dá)障礙物信息，獲取障礙物信息。由于視覺(jué)障礙物信息在強(qiáng)光環(huán)境或者光線快速變化的場(chǎng)景中會(huì)失效，而雷達(dá)120是通過(guò)主動(dòng)光源對(duì)障礙物信息進(jìn)行探測(cè)，其穩(wěn)定性強(qiáng)。當(dāng)無(wú)人駕駛汽車在強(qiáng)光環(huán)境或者光線快速變化的場(chǎng)景中行駛時(shí)，可以通過(guò)障礙物識(shí)別融合模塊220對(duì)視覺(jué)障礙物信息和雷達(dá)障礙物信息進(jìn)行疊加，就可以在強(qiáng)光環(huán)境或者光線快速變化的場(chǎng)景中獲取精確的障礙物信息。

由于雷達(dá)120在垂直方向的分辨率較低，所采集的是障礙物的三維坐標(biāo)信息而且并沒(méi)有紅綠藍(lán)rgb彩色信息，在遠(yuǎn)距離或者有障礙物遮擋的情況下也會(huì)出現(xiàn)錯(cuò)誤識(shí)別的情況。而視覺(jué)障礙物識(shí)別單元221獲取的障礙物信息包含了豐富的紅綠藍(lán)rgb信息，而且像素高。對(duì)障礙物的彩色信息和障礙物的三維坐標(biāo)信息進(jìn)行疊加融合，就可以同時(shí)獲取包含彩色信息和三維信息的障礙物信息。通過(guò)障礙物識(shí)別融合模塊220可以減小誤識(shí)別率、提高識(shí)別準(zhǔn)確度，進(jìn)一步保證了安全駕駛。

在一個(gè)實(shí)施例中，交通標(biāo)識(shí)融合模塊230包括視覺(jué)交通標(biāo)識(shí)檢測(cè)單元231和雷達(dá)交通標(biāo)識(shí)檢測(cè)單元233。

視覺(jué)交通標(biāo)識(shí)檢測(cè)單元231對(duì)影像信息進(jìn)行檢測(cè)，并提取視覺(jué)交通標(biāo)識(shí)信息。視覺(jué)交通標(biāo)識(shí)檢測(cè)單元231對(duì)影像信息進(jìn)行檢測(cè)，通過(guò)模式識(shí)別或者機(jī)器學(xué)習(xí)等方法對(duì)影像信息進(jìn)行處理，并獲取視覺(jué)交通標(biāo)識(shí)信息，其中，視覺(jué)交通標(biāo)識(shí)信息中包含了紅綠藍(lán)rgb彩色信息。

雷達(dá)交通標(biāo)識(shí)檢測(cè)單元233用于提取地面交通標(biāo)識(shí)信息；還用于檢測(cè)在第二預(yù)設(shè)高度范圍內(nèi)的懸掛交通標(biāo)識(shí)信息。其中，雷達(dá)交通標(biāo)識(shí)檢測(cè)單元233根據(jù)反射強(qiáng)度梯度，提取交通標(biāo)志線點(diǎn)，再利用曲線擬合出地面交通標(biāo)識(shí)信息(地面交通標(biāo)識(shí)線)，還可以根據(jù)障礙物聚類原理，獲取在第二預(yù)設(shè)高度范圍內(nèi)且形狀為標(biāo)準(zhǔn)矩形和圓形的目標(biāo)物，并定義該目標(biāo)物為懸掛交通標(biāo)識(shí)信息

交通標(biāo)識(shí)融合模塊230用于根據(jù)地面交通標(biāo)識(shí)信息和懸掛交通標(biāo)識(shí)信息確定交通標(biāo)識(shí)信息的位置。在獲取的特定位置區(qū)域，根據(jù)視覺(jué)交通標(biāo)識(shí)檢測(cè)單元231獲取的視覺(jué)交通標(biāo)識(shí)信息識(shí)別出交通標(biāo)識(shí)信息的類別或種類。通過(guò)交通標(biāo)識(shí)融合模塊230可以準(zhǔn)確的獲取底面或懸掛的各種交通標(biāo)識(shí)信息，可以保證無(wú)人駕駛汽車在遵守交通規(guī)則的前體下安全行駛。

在一個(gè)實(shí)施例中，障礙物動(dòng)態(tài)追蹤融合模塊240包括視覺(jué)動(dòng)態(tài)追蹤單元241和雷達(dá)動(dòng)態(tài)追蹤單元243。

視覺(jué)動(dòng)態(tài)追蹤單元241用于對(duì)影像信息進(jìn)行識(shí)別，并在相鄰兩幀連續(xù)幀中定位動(dòng)態(tài)障礙物，并獲取動(dòng)態(tài)障礙物的色彩信息。視覺(jué)動(dòng)態(tài)追蹤單元241通過(guò)模式識(shí)別或者機(jī)器學(xué)習(xí)等方法對(duì)影像信息(視頻圖像)序列進(jìn)行處理，在視頻圖像的連續(xù)幀中識(shí)別并定位動(dòng)態(tài)障礙物，并獲取障礙物的色彩信息。

雷達(dá)動(dòng)態(tài)追蹤單元243用于追蹤動(dòng)態(tài)障礙物的三維坐標(biāo)信息。雷達(dá)動(dòng)態(tài)追蹤單元243依據(jù)相關(guān)目標(biāo)關(guān)聯(lián)算法，采用最鄰近匹配算法和多元假設(shè)追蹤算法相結(jié)合確定相鄰兩幀或多幀的障礙物為同一目標(biāo)。根據(jù)激光雷達(dá)的測(cè)試數(shù)據(jù)獲取該目標(biāo)的三維位置信息和速度信息，進(jìn)而對(duì)關(guān)聯(lián)之后的目標(biāo)進(jìn)行追蹤。同時(shí)，還可以利用卡爾曼濾波與粒子濾波的濾波算法對(duì)已經(jīng)得到的目標(biāo)的測(cè)量狀態(tài)和預(yù)測(cè)狀態(tài)進(jìn)行濾波得到比較精確的動(dòng)態(tài)障礙物的三維坐標(biāo)信息。

障礙物動(dòng)態(tài)追蹤融合模塊240用于融合動(dòng)態(tài)障礙物的色彩信息和障礙物的三維坐標(biāo)信息，獲取動(dòng)態(tài)障礙物的追蹤信息。由于視覺(jué)動(dòng)態(tài)障礙物信息容易受到強(qiáng)光或者光照變化的干擾，沒(méi)有精確的動(dòng)態(tài)障礙物的三位坐標(biāo)信息，但是視覺(jué)動(dòng)態(tài)障礙物信息中包含了豐富的紅綠藍(lán)rgb的彩色信息。雷動(dòng)獲取的動(dòng)態(tài)障礙物信息沒(méi)有紅綠藍(lán)rgb的彩色信息，在運(yùn)動(dòng)過(guò)程中出現(xiàn)遮擋及遮擋后分開時(shí)無(wú)法識(shí)別出具體是哪個(gè)動(dòng)態(tài)物體，但是，激光雷達(dá)獲取的動(dòng)態(tài)障礙物信息穩(wěn)定性強(qiáng)，不會(huì)受到光強(qiáng)變化等外界干擾，而且激光雷達(dá)獲取的動(dòng)態(tài)障礙物信息具有精確的三維坐標(biāo)信息，對(duì)運(yùn)動(dòng)物體的動(dòng)態(tài)跟蹤具有更精確的運(yùn)動(dòng)模型。因此，可以通過(guò)障礙物動(dòng)態(tài)追蹤融合模塊240對(duì)從影像信息中獲取的動(dòng)態(tài)障礙物的色彩信息和激光雷達(dá)獲取的動(dòng)態(tài)障礙物信息的三維坐標(biāo)信息進(jìn)行融合，既可以獲取包含色彩信息和三維坐標(biāo)信息的動(dòng)態(tài)障礙物，可以對(duì)動(dòng)態(tài)障礙物進(jìn)行精確的追蹤。

在一個(gè)實(shí)施例中，路徑規(guī)劃決策子系統(tǒng)30用于根據(jù)車輛信息、數(shù)據(jù)融合子系統(tǒng)20提取的信息以及行駛目的地信息規(guī)劃行駛路徑。路徑規(guī)劃決策子系統(tǒng)30可以根據(jù)環(huán)境感知子系統(tǒng)10獲取的車輛信息(無(wú)人駕駛汽車的當(dāng)前的地理位置與時(shí)間、車輛姿態(tài)和當(dāng)前運(yùn)行的速度)、數(shù)據(jù)融合子系統(tǒng)20提取的周圍環(huán)境信息(障礙物信息、車道線信息、交通標(biāo)識(shí)信息以及對(duì)障礙物的動(dòng)態(tài)追蹤信息)以及無(wú)人駕駛汽車的行駛目的地信息來(lái)規(guī)劃行駛路徑。路徑規(guī)劃決策子系統(tǒng)30結(jié)合規(guī)劃的行駛路徑對(duì)無(wú)人駕駛汽車下一時(shí)刻的位置進(jìn)行路徑規(guī)劃，并計(jì)算出無(wú)人駕駛汽車的控制數(shù)據(jù)，包括角速度、線速度、行駛方向等。

在一個(gè)實(shí)施例中，行駛控制子系統(tǒng)40用于根據(jù)行駛路徑生成控制指令，并根據(jù)控制指令控制對(duì)無(wú)人駕駛汽車進(jìn)行控制。行駛控制子系統(tǒng)40根據(jù)路徑規(guī)劃決策子系統(tǒng)30計(jì)算的控制數(shù)據(jù)生成控制指令，該控制指令包括對(duì)車輛的行駛速度、行駛方向(前、后、左、右)、油門以及車輛的形式檔位的控制，進(jìn)而保證無(wú)人駕駛車輛能夠安全平穩(wěn)行駛，實(shí)現(xiàn)無(wú)人駕駛的功能。

在一個(gè)實(shí)施例中，無(wú)人駕駛汽車系統(tǒng)還包括通信子系統(tǒng)50，通信子系統(tǒng)50用于將路徑規(guī)劃決策子系統(tǒng)30規(guī)劃的行駛路徑實(shí)時(shí)傳輸至外部監(jiān)控中心。由外部監(jiān)控中心對(duì)無(wú)人駕駛汽車的行駛狀況進(jìn)行監(jiān)控。

上述無(wú)人駕駛汽車系統(tǒng)，通過(guò)數(shù)據(jù)融合子系統(tǒng)20融合包括影像信息和三維坐標(biāo)信息的周圍環(huán)境信息，并提取障礙物信息、車道線信息、交通標(biāo)識(shí)信息以及動(dòng)態(tài)障礙物的追蹤信息，提高了對(duì)周圍環(huán)境信息的識(shí)別能力和精準(zhǔn)度。路徑規(guī)劃決策子系統(tǒng)30根據(jù)數(shù)據(jù)融合子系統(tǒng)20提取的信息以及行駛目的地信息規(guī)劃行駛路徑，行駛控制子系統(tǒng)40根據(jù)行駛路徑生成控制指令，并根據(jù)控制指令控制對(duì)無(wú)人駕駛汽車進(jìn)行控制，進(jìn)而可以實(shí)現(xiàn)安全性能極高的無(wú)人駕駛功能。

此外，本發(fā)明的實(shí)施例還提供一種汽車，包括上述各實(shí)施例中的無(wú)人駕駛汽車系統(tǒng)。根據(jù)本發(fā)明實(shí)施例的汽車，可通過(guò)汽車中的無(wú)人駕駛汽車系統(tǒng)中的數(shù)據(jù)融合子系統(tǒng)20融合包括影像信息和三維坐標(biāo)信息的周圍環(huán)境信息，并提取障礙物信息、車道線信息、交通標(biāo)識(shí)信息以及動(dòng)態(tài)障礙物的追蹤信息，提高了對(duì)周圍環(huán)境信息的識(shí)別能力和精準(zhǔn)度。路徑規(guī)劃決策子系統(tǒng)30根據(jù)數(shù)據(jù)融合子系統(tǒng)20提取的信息以及行駛目的地信息規(guī)劃行駛路徑，行駛控制子系統(tǒng)40根據(jù)行駛路徑生成控制指令，并根據(jù)控制指令控制對(duì)無(wú)人駕駛汽車進(jìn)行控制，進(jìn)而可以實(shí)現(xiàn)安全性能極高的無(wú)人駕駛功能。

以上所述實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡(jiǎn)潔，未對(duì)上述實(shí)施例中的各個(gè)技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說(shuō)明書記載的范圍。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。