[发明专利]一种基于区间二型模糊集合的无人驾驶车辆视觉引导方法

说明书

本发明提出了一种基于区间二型模糊集合的无人驾驶车辆视觉引导方法。与传统方法不同，新的视觉引导方法通过使用区间二型模糊集合来描述人类驾驶员的视觉焦点，该方法应用模糊综合评价方法，为计算机选择合适的视觉焦点，建立一个适合人类驾驶的模糊视觉引导规则库。该方法包括以下步骤：步骤1：收集视觉信息；步骤2：描述重要因素；步骤3：进行二型模糊综合评判；步骤4：建立模糊视觉引导规则库。本发明的特点如下：更好地解决语言模糊和数据噪声问题，更大的自由度隶属函数；同时，它在处理系统中具有明显的优势不确定性，提高图像处理的效率和速度，可以大大缩短响应时间和反应距离。

技术领域

本发明致力于为无人驾驶车辆在路上行驶时获取更多的信息，让无人驾驶汽车更加安全的行驶提供更好的方案。

背景技术

自上世纪90年代以来，无人驾驶车领域成为热门话题，越来越多的专家学者致力于智能无人驾驶车的研发。随着计算机视觉和传感器技术的不断完善，无人驾驶车辆的研究不再局限于大公司的实验室，大学也参与了这项先进技术的研究热潮。在这种情况下，研究无人地面车辆算法的重要性是不言而喻的。然而，当前无人驾驶车辆阶段需要在路上行驶时每分每秒保持警惕，并且车载计算机总是处理由摄像机获得的周围信息，一些信息是必要的，否则交通事故很难避免，但在安全的前提下，一些信息是多余的，这增加了巨大的成本，严重影响了无人驾驶车辆系统的运行效率。

相机的初衷是从人类的角度模仿和观察世界，但人类的视角与相机的视角不同。人眼的视角，即人眼的视角，通常为120度，而注意力的浓度约为1/5，而且视觉焦点集中在一点，相机可以将当前视觉的所有内容转换为视频以供下一次分析。然而，人类依赖于仅从有限视图获得的信息来按照规定平稳地驾驶车辆。一方面，它是驾驶规则的改进和驾驶环境的标准化。另一方面，它显示了驾驶员关注的精确把握和明智选择。常识表明，当人类驾驶员前往不同的部分时，视觉焦点不一样，但模仿人类计算机却无法理解“视觉点”。今天的无人驾驶汽车技术，用于视觉处理，要么是全球处理，低效率换取高稳定，要么只有一部分功能要切断一些图像，追求优化处理。然而，速度是不足之处。

发明内容

针对以上问题，本发明解决的技术问题在于提出了一种无人驾驶车辆视觉引导方法。与传统方法不同，新的视觉引导方法通过使用区间二型模糊集合来描述人类驾驶员的视觉焦点，该模糊集合可以比传统的模糊集合更好地解决语言歧义和数据噪声问题。在此基础上，该方法应用模糊综合评价方法，为计算机选择合适的视觉焦点，建立一个适合人类驾驶的模糊视觉引导规则库。该方法有助于大大缩短响应时间和反应距离，并努力降低视觉处理成本。

本发明解决上述技术问题的技术方案如下：

步骤1：利用区间二型模糊集合引导无人驾驶，首先要经过收集视觉焦点信息和描述重要文件。

进一步，收集视觉焦点信息：通过测量眼睛的活动来了解人们关心的内容和人们忽视的内容，瞳孔对不同刺激的反应，保持焦点的时间以及搜索方式。

进一步，描述重要信息：以某些重要因素作为影响视觉焦点选择的因素，为影响驾驶员选择的因素建立相应的隶属函数视觉焦点。

步骤2：根据所选因素，运用区间二型模糊集合综合评判对无人驾驶视觉引导进行评判，其中包括以下步骤：

步骤2.1：确定评估对象的因素；

进一步，将Ω＝{ω₁，ω₂}设置为评估对象的一组因素，其中ω₁表示“横向长度”；ω₂表示“纵向长度”。

步骤2.2：建立评估对象的注释集；

进一步，将S＝{s₁,s₂,s₃}设置为评估对象的一组注释，其中s₁表示“合理”；s₂代表“中度”；s₃表示“不合理”。