[发明专利]一种自动驾驶系统、装置及方法

说明书

一种自动驾驶系统，该系统通过机器视觉对环境路况场景进行三维重建，从而获得路况三维图像信息，用于驾驶判断和决策。所述机器视觉通过单目相机或摄像机获取环境路况图像。所述的环境路况图像通过输入经过训练的深度学习模型重建所述环境路况的三维图像模型。

技术领域

本发明属于人工智能技术领域，特别涉及一种自动驾驶系统、装置及方法。

背景技术

随着新一代信息技术与制造技术的深度融合，汽车正由传统的机械产品逐步演变为机电一体化、智能化和网联化的高科技产品，呈现出与电子、信息、交通等相关技术产业紧密相连、协同发展的趋势。

智能网联汽车，亦或是自动驾驶汽车，与智能交通系统深度交叉融合，因此在行驶中感知周围路况是需要解决的基本问题。

发明内容

本发明实施例之一，一种自动驾驶系统，该系统通过机器视觉对环境路况场景进行三维重建，从而获得路况三维图像信息，用于驾驶判断和决策。所述机器视觉通过单目相机或摄像机获取环境路况图像。所述的环境路况图像通过输入经过训练的卷积神经网络模型重建所述环境路况的三维图像模型。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1根据本发明实施例之一的自动驾驶图像三维重建原理示意图。

图2根据本发明实施例之一的卷积神经网络原理示意图。

具体实施方式

目前对于行驶道路环境的感知，存在2种技术路线，即激光雷达或者是视觉感知图像摄取摄像头。激光雷达感知技术是以激光雷达为主导，间或以毫米波雷达、超声波传感器及摄像头作为辅助。激光雷达感知环境的工作原理，是通过激光雷达发射激光束，测量激光在发射及收回过程其中的时间差、相位差，来确定车与物体之间的相对距离，实现环境实时感知及避障功能。

激光雷达具有较长的探测距离与较高的精准度，抗干扰能力强，可以主动检测周围多物体环境，获取周围环境点云构建3D环境模型。即使夜间光线不好，也不会影响探测效果。虽然激光雷达不怕暗光，但是对于天气敏感，雨雪、沙尘、大雾天气等会影响激光雷达识别效果。同时，在可预见的时间内，激光雷达的价格会始终处于高位，从而阻碍激光雷达的迅速应用。

视觉感知是以摄像头为主导的方案，摄像头成本相较激光雷达优势极大，再者摄像头技术逐渐成熟，高分辨率、高帧率成像技术使得感知的环境信息更为丰富，但摄像头在光线复杂黑暗环境中感知受限，精度及安全性会有所下降。由于在视觉感知中，三维重建可帮助自动驾驶汽车辅助识别环境路况，因此三维重建的范围、精度、实时性都很重要。然而，现有的三维重建算法，识别不准确，能够构建范围小，重构速度不够快，重构细节部分效果不理想。

现有的三维重建技术，基于SFM的运动恢复结构，基于深度学习的深度估计和结构重建，以及基于RGB-D深度摄像头的三维重建。用于车辆自动驾驶，存在效果和成本方面的问题。

通常，运动恢复结构(Structure-from-Motion,简称SfM)是一种能够从多张图像或视频序列中自动地恢复出相机的参数以及场景三维结构。SfM(Structure FromMotion)，主要基于多视觉几何原理，用于从运动中实现3D重建，可以从无时间序列的2D图像中推算三维信息。

根据一个或者多个实施例，如图1所示，一种自动驾驶系统，通过机器视觉对环境路况场景进行三维重建，从而获得路况三维图像信息，用于驾驶判断和决策。该机器视觉通过单目相机或摄像机获取环境路况图像，所述的环境路况图像通过输入经过训练的卷积神经网络模型重建所述环境路况的三维图像模型。