[发明专利]一种基于深度学习的无人驾驶车辆控制系统

说明书

技术领域

本发明属于无人驾驶技术领域，尤其涉及一种基于深度学习的无人驾驶车辆控制系统。

背景技术

随着无人驾驶技术的不断发展，越来越多的无人驾驶车开始测试。无人驾驶技术可分为环境感知系统、智能决策系统和控制执行系统3个层次。其中环境感知系统是无人驾驶车辆凭借加装的精确导航、图像识别和雷达等传感器进行数据采集和融合，完成对自身位置和姿态、周边环境和障碍物的感知。智能决策系统是根据环境感知系统的结果智能做出无人驾驶车辆行驶的路径规划和决策。控制执行系统是根据车辆当前智能决策系统发出的行驶指示，实际控制车辆的转向、速度和制动部分运行，按指示的预定轨迹行驶。控制执行系统是基于无人驾驶汽车的自动转向、自动速度、自动制动系统改造的基础上工作得。控制执行系统通常用实时嵌入式处理器构成的系统为核心，根据智能决策系统的行驶指示和车辆的自身姿态，通常采用PID的控制方法控制整车速度、转向和制动灯参数使之按预定路线和速度行驶。由于实际驾驶中的道路环境和车辆环境复杂，在不同车辆载重、不同车辆速度、不同道路曲率、不同路面的工况下现有的控制方法达不到预期效果。

发明内容

本发明要解决的技术问题是，提供一种无人驾驶车辆控制系统，可工作在人工驾驶模式和自动驾驶模式，同时具备深度学习的功能，可通过大量采集和学习人工驾驶模式下合格驾驶员的控制动作，来优化智能车的控制算法学习，使之在单一巡迹情况下，在不同车辆载重、不同车辆速度、不同道路曲率、不同路面(如雨雪路面)的工况下的控制算法完善，达到一个熟练司机的控制水平。

为实现上述目的，本发明采用如下的技术方案：

一种基于深度学习的无人驾驶车辆控制系统，包括：控制器、学习单元，其中，所述控制器，包括：采集单元和更新单元，

采集单元，用于采集人工驾驶模式下驾驶员的控制动作信息、车辆的环境变量信息和预定路线行驶预瞄点和车身方向夹角；

学习模块，用于根据上述采集数据通过深度学习的方式来进行优化车辆控制算法：

更新单元，用于将深度学习得到的优化控制算法加载在控制器的嵌入式处理器中。

作为优选，所述控制动作信息包含：油门控制开度、制动等级、方向盘转角、方向盘扭矩，车辆的环境变量信息包含：车辆位置、航向、速度、四轮胎压、四轮转速、俯仰角、横滚角和倾斜角。

作为优选，学习模块的工作流程包括以下步骤：

步骤1、利用驾驶员进行数据采集

首先，设计需要的训练路段，在训练路段的预定路线画出明显白线，并利用差分导航设备在人工驾驶模式下采集该训练路段的地图信息；其次，开始人工驾驶，驾驶员按白线指引的训练路段按自己驾驶习惯驾驶，实时记录由采集单元获取的每个时刻驾驶员的控制动作信息、车辆自身与环境状态信息以及预设的路线信息；

步骤2、在离线数据学习阶段，利用离线学习工具对在上述采集数据进行训练，优化控制算法，形成控制算法内核。

附图说明

图1为本发明无人驾驶车辆控制系统的结构示意图；

图2为本发明无人驾驶车辆控制系统的工作流程图。

具体实施方式

本发明实施例提供一种基于深度学习的无人驾驶车辆控制系统，通过CAN总线车载网络控制车辆转向、制动和加速的动作，实现车辆的自动巡迹行驶。

如图1、2所示，所述车辆控制系统包括：控制器、学习单元，其中，

所述控制器，用于完成对无人驾驶车辆的控制，可工作在人工驾驶模式和自动驾驶模式，以符合车规级的嵌入式DSP芯片为嵌入式处理器核心，配以SDRAM(同步动态随机存储器)、ADC(模拟数字转换)接口、DAC(数字模拟转换)接口、CAN(控制器局域网络)接口、网络接口、串行接口和数字IO接口组成。

所述控制器，包括：采集单元和更新单元，其中，

采集单元，用于采集人工驾驶模式下驾驶员的控制动作信息、车辆的环境变量信息和预定路线行驶预瞄点和车身方向夹角；所述控制动作信息包含：油门控制开度、制动等级、方向盘转角、方向盘扭矩，车辆的环境变量信息包含：车辆位置、航向、速度、四轮胎压、四轮转速、俯仰角、横滚角和倾斜角；

更新单元，用于将深度学习得到的优化控制算法加载在控制器的嵌入式处理器中，在自动驾驶模式下利用该算法控制无人车辆自动行驶。

学习模块，用于根据上述采集数据通过深度学习的方式来进行优化车辆控制算法；所述优化后的控制算法加载到控制器中，以实现在自动驾驶模式下利用优化后的控制算法控制无人车辆自动行驶。