[发明专利]一种基于场景分类的自动驾驶车辆导航方法

说明书

本发明公开了一种基于场景分类的自动驾驶车辆导航方法，涉及自动驾驶车辆导航技术领域；在资源受限时提高自动驾驶车辆的导航能力，尤其在复杂城市场景中，引入场景可通行性的分类，通过对环境信息的粗略语义分析确定导航方向，控制车辆行进，绕开对环境的精确建模和图像中对象的识别过程，利用场景与行动之间的直接映射引导无人驾驶车辆的运行，进而实现一种适应消费级的导航策略。

技术领域

本发明涉及自动驾驶车辆导航技术领域，尤其涉及一种基于场景分类的自动驾驶车辆导航方法。

背景技术

自动驾驶车辆导航是人工智能领域的一种主流应用，自动驾驶车辆的导航技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让车辆可以在不需要人类主动操作下，实现从一个位置运动到另一位置。由于自动驾驶导航技术无需人类来驾驶，所以理论上能够有效避免人类的驾驶失误，减少交通事故的发生，且能够提高公路的运输效率。因此，自动驾驶车辆导航技术越来越受到重视。

传统导航技术主要依赖全球导航卫星系统(如GPS)，但由于其易受遮挡和多径效应，在城市峡谷、丛林等复杂场景下很难实现高精度定位与导航。近年来，国内外研究和开发了许多不依赖卫星的导航技术，如惯性导航，视觉导航、数据库匹配导航、仿生导航和协同导航等。其中比较典型的是基于“地图”的导航技术，即利用高性能传感器(如激光雷达等)与地图(如高精地图等)做特征匹配，实现精确导航。然而，在某些动态特性强、复杂程度高的场景中，却很难实现对环境的精确匹配，尤其是当全局信息混乱丢失时，它会变得陌生，这无异于GPS中断。另外，昂贵的传感器也制约着其向量产过度，很难适应消费级需求。

为适应消费级导航需求，如何避免对高性能传感器的依赖，利用低成本视觉传感器实现导航任务，是需要解决的技术难题。

当前，人工智能迅速崛起，机器模拟动物视觉技术逐渐成熟，这为高精制导提供了新的契机，低成本视觉导航有望成为下一代无人系统导航技术的风向标。因此，基于先进人工智能技术，研究新型低成本导航方法及系统可以为车辆导航提供新的解决方案，并为量产级高精导航提供重要的技术支持。

发明内容

本发明的目的是提供一种基于场景分类的自动驾驶车辆导航方法，在资源受限时提高自动驾驶车辆的导航能力，尤其在复杂城市场景中，引入场景可通行性的分类，通过对环境信息的粗略语义分析确定导航方向，控制车辆行进，绕开对环境的精确建模和图像中对象的精确识别过程，利用场景与行动之间的直接映射引导无人驾驶车辆的运行，进而实现一种适应消费级的导航策略。

为实现上述目的，本发明采取的技术方案为：

一种基于场景分类的自动驾驶车辆导航方法，包括以下步骤：

S1：利用车载相机对自动驾驶车辆周围环境的图像进行采集及分类处理；基于卷积神经网络技术建立场景分类模型，并对场景分类模型进行训练；

S2：基于扩展卡尔曼滤波框架,建立系统状态模型，利用扩展卡尔曼滤波预测步进行状态变量的先验估计，利用基于滤波信息的自适应算法实时更新先验状态的协方差阵，利用扩展卡尔曼滤波更新步进行状态变量的后验估计，实现车辆自适应定位；

S3：根据场景分类模型的分类结果，选择车辆控制模式，进行车辆的行驶控制；

S4：建立自动驾驶汽车导航框架；所述导航框架的导航过程包括：采集当前时刻自动驾驶车辆的周围环境图像作为场景分类模型的输入，根据场景分类模型的输出进行车辆的行驶控制，再根据自适应定位结果进行当前车辆位置判断，如此反复直到自动驾驶车辆到达目标位置。

所述S1具体包括以下步骤：

S1.1：获取样本数据集：利用车载相机拍摄不同环境的场景图片，并对场景图片进行分类处理；

S1.2：建立基于卷积神经网络架构的场景分类模型，对数据集进行归一化处理，并利用训练集对建立的场景分类模型进行训练；