[发明专利]用于车辆自动驾驶的AEB紧急制动方法、装置

说明书

本发明提供一种用于车辆自动驾驶的AEB紧急制动方法、装置，所述方法包括：通过2D空间哈希和2D体素网格对激光雷达采集的点云数据进行聚类，以获取点云感知结果，并通过目标检测神经网络对摄像头采集的图像数据进行目标识别，以获取图像感知结果；采用信息融合神经网络将点云感知结果和图像感知结果进行信息融合，以获取稠密深度图；根据变换矩阵将稠密深度图与点云感知结果进行数据融合，以获取目标的3D感知结果并输入AEB的决策层。该方法在点云聚类方面通过2D空间哈希实现更快的点云近邻查询，使用2D体素网格减少空间哈希中的点数量减少计算负担，且数据融合采用多层次的融合算法，可以得到一个更为准确的3D感知结果。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种用于车辆自动驾驶的AEB紧急制动方法、一种用于车辆自动驾驶的AEB(Autonomous Emergency Braking，自动制动系统)紧急制动装置。

背景技术

目前，自动驾驶的AEB系统大都通过激光雷达作为障碍物检测传感器，实时检测车辆前方障碍物，报告控制子系统进行紧急制动。但是激光雷达点云数据稀疏，感知难度大，容易造成误检和漏检。并且稀疏点云相对于图像难以提供物体类别信息。所以这类单传感器实现的AEB算法往往感知结果不可靠，这给AEB决策模块进行决策时带来了很多不稳定的因素，影响了安全性和舒适度。

相关技术中，提出一种采用基于毫米波雷达和摄像头视觉的数据融合算法进行AEB制动，然而毫米波雷达是利用目标对电磁波的反射来发现并测定目标位置，而充满杂波的外部环境给毫米波雷达感知带来经常带来虚警问题。而且毫米波雷达无法感知行人，对周边所有障碍物无法进行精准的建模。所以毫米波与摄像头的融合也很难提供稳定，精准的三维感知结果。

发明内容

本发明为解决上述技术问题，提供了用于车辆自动驾驶的AEB紧急制动方法，该方法采用多种传感器联合感知的方法将多种感知信息进行融合，可以提高感知结果的稳定性和准确度，从而在更复杂多交通场景下具有良好的准确性、实时性和容错性，在点云聚类方面通过2D空间哈希实现更快的点云近邻查询，使用2D体素网格减少空间哈希中的点数量减少计算负担，使点云感知算法获得更高的性能，且数据融合采用多层次的融合算法，可以得到一个更为准确的3D感知结果。

本发明还提供了一种用于车辆自动驾驶的AEB紧急制动装置。

本发明采用的技术方案如下：

本发明第一方面实施例提出了一种用于车辆自动驾驶的AEB紧急制动方法，包括以下步骤：将激光雷达与摄像头进行标定，以获取激光雷达坐标系与相机坐标系之间的变换矩阵；通过2D空间哈希和2D体素网格对所述激光雷达采集的点云数据进行聚类，以获取点云感知结果，并通过目标检测神经网络对所述摄像头采集的图像数据进行目标识别，以获取图像感知结果；采用信息融合神经网络将所述点云感知结果和所述图像感知结果进行信息融合，以获取稠密深度图；根据所述变换矩阵将所述稠密深度图与所述点云感知结果进行数据融合，以获取目标的3D感知结果；将所述目标的3D感知结果输入所述AEB的决策层，以使所述决策层根据所述目标的3D感知结果判断是否触发紧急制动。

本发明上述提出的用于车辆自动驾驶的AEB紧急制动方法，还具有如下附加技术特征：

根据本发明的一个实施例，将激光雷达与摄像头进行标定，以获取激光雷达坐标系与相机坐标系之间的变换矩阵，包括：采用棋盘格标定法，检测每张图片中的棋盘图案的角点，通过使用线性最小二乘法估算相机的投影矩阵P；根据所述投影矩阵P获取摄像头的内参矩阵K；采用基于Target平面约束的相机与激光雷达联合标定法，对摄像头的外参进行标定，以获取所述摄像头相对于所述激光雷达的外参矩阵【R，t】；根据所述内参矩阵K和所述外参矩阵【R，t】获取所述激光雷达坐标系与相机坐标系之间的变换矩阵。

根据本发明的一个实施例，上述的用于车辆自动驾驶的AEB紧急制动方法还包括：对所述激光雷达采集的点云数据和所述摄像头采集的图像数据进行预处理，所述预处理包括：滤波去噪和时间对齐。