[发明专利]车辆、雨/雪天气识别方法、车辆控制方法和系统

说明书

本发明属于自动驾驶技术领域，具体涉及一种车辆、雨/雪天气识别方法、车辆控制方法和系统。首先获取激光雷达探测的点云数据，并识别其中的点云噪点；然后进行判断：若所有点云数据中出现二次及以上回波的点云数量超过设定点云数量阈值，且点云噪点基本均匀分布于激光雷达的探测范围内，则判定激光雷达探测范围内出现雨/雪天气；最后对车辆进行控制。本发明直接利用雨/雪的激光雷达点云特性对雨/雪天气进行识别，识别方法简单但效率较高，无需如现有技术一般花大量时间进行数据标注、数据训练等工作，也无需增加天气探测类传感器，简单且高效实现雨/雪天气的有效、精准识别。进而，在识别出雨雪天气后对车辆进行控制，以防意外事故的发生。

技术领域

本发明属于自动驾驶技术领域，具体涉及一种车辆、雨/雪天气识别方法、车辆控制方法和系统。

背景技术

随着人工智能技术的发展，越来越多的车辆开始配备有辅助驾驶的功能，这些功能可以在一定程度上减轻驾驶员的驾驶负担，并对驾驶员未注意到的紧急情况做出及时的应对措施。随着技术的发展与推进，也开始出现了自动驾驶车辆。自动驾驶车辆利用环境感知、地图导航与定位、运动根轨迹规划、目标跟踪等技术来实现车辆的自动化和智能化控制。

然而，自动驾驶车辆还是面对有很多难题需要攻克。特别是面对一些恶劣的气候环境(例如雨雪天气)时，轮胎容易出现打滑现象，造成车辆侧翻、刹车距离增长、偏离规划轨迹等现象；雨雪天气会造成车辆上的部分传感器的检测精度降低，例如，车辆上摄像头难以继续准确识别障碍物和车道线信息，激光雷达在雨雪天气下会产生大量噪点，使得感知系统无法准确获取环境信息，等等，这些均会导致自动驾驶车辆在雨雪天气条件下无法正常通行。因此基于恶劣天气环境下的自动给驾驶车辆控制研究是极其必要的，在面对恶劣天气环境下需使用一套区别于正常天气环境下的控制策略，但这些研究的前提是需要能够准确感知出车辆是否处于雨雪天气等恶劣天气环境下。

为了解决该问题，从硬件方面，一般可通过设置天气探测类传感器来感知雨雪天气，但这种方式需要额外增加天气探测类传感器；从软件方面，最常用的方法是利用深度学习方法，虽然能够取得较好的效果，但是深度学习往往需要进行数据标注、数据训练等工作，成本、时间耗费较高，无法简单快速有效识别雨雪天气。

发明内容

本发明的目的在于提供一种雨/雪天气识别方法，用以解决使用深度学习方法进行雨/雪天气识别造成的成本和时间耗费较高的问题，同时还提供了一种基于该种雨/雪天气识别方法的车辆控制方法，一种用于实现该车辆控制方法的系统，以及一种包括该系统的车辆。

为解决上述技术问题，本发明提供了一种基于雨雪天气识别的车辆控制方法，包括如下步骤：1)获取激光雷达探测的点云数据，并识别其中的点云噪点；2)若所有点云数据中出现二次及以上回波的点云数量超过设定点云数量阈值，且点云噪点基本均匀分布于激光雷达的探测范围内，则判定激光雷达探测范围内出现雨/雪天气。

其有益效果为：本发明采用“多回波特性”和“雨雪天气下点云的分布特性”，对雨/雪天气进行识别。其中，“多回波特性”是指激光脉冲打在雨/雪上会形成第一次回波，穿透雨/雪打在实体上会形成第二次回波，也即出现较多二次及以上回波情况时，很有可能出现雨雪天气；“雨雪天气下点云的分布特性”是指激光脉冲打在雨/雪上形成的点云噪点基本均匀分布在激光雷达的探测范围内。该种方法直接利用雨/雪的激光雷达点云特性对雨/雪天气进行识别，识别方法简单但效率较高，无需如现有技术一般花大量时间进行数据标注、数据训练等工作，也无需增加天气探测类传感器，简单且高效实现雨/雪天气的有效、精准识别。

作为雨/雪天气识别方法的进一步改进，属于所述点云噪点的点云满足如下条件：反射强度低于设定反射强度阈值、点云簇大小小于设定簇阈值且处于悬空状态。

其有益效果为：利用雨/雪的反射强度低、对应的点云簇较小且雨/雪一般位于空中的特点，将很可能为雨/雪的点云准确识别出。