[发明专利]一种基于视觉传感的自动驾驶系统及方法

说明书

本发明涉及自动驾驶技术领域，特别涉及一种基于视觉传感的自动驾驶系统及方法，方法包括基于骨架识别对车辆采集到的人体信息预测人体下一个时刻的位置；采集地图数据、车辆传感器数据、以及车辆当前位置和目的地位置信息；根据采集的信息建立路径模型，根据预测的人体位置使用基于人工势场的粒子群算法更新每个时刻车辆行进路线；判断车辆是否到达目的地，若到达则结束自动驾驶；本发明克服了单独使用粒子群算法时求解速度慢的问题和单独使用人工势场算法时容易陷入局部最优解或在局部震荡的情况，并极大的提高了车辆行驶的安全性。

技术领域

本发明涉及自动驾驶技术领域，特别涉及一种基于视觉传感的自动驾驶系统及方法。

背景技术

自动驾驶的路径规划，是在有环境模型的基础上(如拓扑地图)，用户设定了起始点和目的地，车辆能够根据环境模型及观测到的周边路况计算出最佳的到达目的地的路径，以此为下一步行动的命令指导自动驾驶系统前往目的地。

目前流行的路径规划算法有：Dijkstra、Floyd-Warshall、A+算法、层次法、动作行为法、势场域法、栅格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法和神经网络法等。上述算法在车辆路径规划时都存在以下多个或单个问题：

1、不能进行动态求解与路径更新，在行驶过程中对路径进行实时的调整；

2、求解速度慢，函数收敛速度慢，需要耗费大量计算资源，从而导致路径规划的实时性不好；

3、容易出现局部最优解，从而导致路径规划失败；

4、不能进行实时的障碍规避；

5、对人体行为的判断力差，缺乏有效避开人体行为的方法。

发明内容

为了提高了车辆行驶的安全性，本发明提出一种基于视觉传感的自动驾驶系统及方法，所述方法包括：

S1、通过车辆前方的摄像头采集视频数据；

S2、采集视频数据中每一帧中人体的K个关节的二维位置坐标，并将多个帧的位置信息组成一个序列；

S3、将S2得到的序列输入神经网络分别对骨架坐标的时间动态特性和空间相对关系建模；

S4、将两个神经网络的输入进行融合，并使用支持向量机方法对人体行为进行分类，预测下一时刻人体位置；

S5、采集地图数据、车辆传感器数据、以及车辆当前位置和目的地位置信息；

S6、根据采集的信息建立路径模型，根据预测的人体位置使用基于人工势场的粒子群算法更新每个时刻车辆行进路线；

S7、判断车辆是否到达目的地，若到达则结束自动驾驶；否则返回步骤S5。

进一步的，对骨架坐标的时间动态特性进行建模包括：

每个时刻的关键点坐标拼接成一个向量，采用RNN网络学习坐标随着时间的变化；

使用多层RNN模型将RNN网络堆叠起来，上一层RNN网络的输出作为下一层RNN网络的输入，堆叠层数为2～3层，学习整人体运动规律，RNN网络表示为：

T(T₁,T₂,...,T_k,...,T_K)＝H(g(T₁,W₁),g(T₂,W₂),...,g(T_k,W_k),...,g(T_K,W_K))；