一种无人驾驶汽车的道路学习方法与流程

1.本发明涉及无人驾驶汽车技术领域，具体涉及一种无人驾驶汽车的道路学习方法。


背景技术：

2.现在无人驾驶汽车由于技术的限制还未普及到人们的生活中，但在一些特定的道路或封闭园区中，无人驾驶汽车已经开始慢慢使用。
3.如专利公开号为cn111273668a的发明专利公开的一种针对结构化道路的无人驾驶汽车运动轨迹规划系统，包括感知模块、定位模块、变道决策模块、运动规划模块和轨迹追踪模块；所述变道决策模块根据感知模块和定位模块采集的数据输出决策动作；所述运动规划模块根据决策动作，输出最优轨迹至轨迹追踪模块，上述发明使用深度强化学习做决策，基于决策动作动态的规划轨迹，感知及控制等模块被独立出来处理，相对于端到端的方法大大提高了决策规划过程的可解释性和可操作性，能很好地适配于以往的无人驾驶汽车的系统架构，但针对特定的道路或封闭园区使用的无人驾驶汽车行驶路线固定，通过对路线的学习再加上实时路况的处理，可使得无人驾驶汽车的运行方式更加高效。
4.当然，对于无人驾驶汽车，在执行某一固定路段进行行驶时，如何确定行驶策略，缺少一种何时减速，如何跟车的相关情况，基于此，提供一种解决方案。


技术实现要素：

5.本发明的目的在于提供一种无人驾驶汽车的道路学习方法；本发明的目的可以通过以下技术方案实现：一种无人驾驶汽车的道路学习方法，包括如下步骤：步骤一、将道路学习分为两个阶段，分别为通畅路段学习和常规路段学习；步骤二、进行通畅路段学习，具体学习方式为：s1：获取到对应通畅路段的地图，构建路段模型，路段模型包括路径路线、停止标的、路径限速；s2：之后根据停止标的进行刹车学习，刹车学习主要通过将刹车踩到底的角度标记为刹车全角，之后学习到n个实踩段ci，i=1...n；根据上限速度确定好减速段之后，根据减速段需要将无人驾驶汽车从若干个上限速度减速到零之后的需踩段角，得到若干个需踩段角及其对应的上限速度，并将其标记为减速信息；s3：刹车学习结束之后，按照路径长度和路径限速以及停止标的，自动学习一遍，按照刹车学习的减速信息对应在该刹车阶段进行刹车，在红绿灯路口时，自动识别红绿灯，按照交规行驶；s4：通畅路段学习完毕；步骤三、进行常规路段学习，主要进行跟车学习，主要通过锁定车牌，将其标记为特征点，确定好初相特征照片和实时特征照片组之后，根据同行对象与无人驾驶车辆之间
的距离，确定实时像素点组pi，i=1...x2和初相像素点确定实初差值zi，i=1...x2；当zi的值不为持续性减小时，将其判定为同行对象，之后根据同行对象的实初差值zi的变化确定如何进行减速；同时根据路径路线，确定允许路段，根据无人驾驶汽车速度的实时速度与上限速度之间的关系产生观察信号；在产生观察信号时，确定允许路段和间隔距离，以及后方车辆与当前无人驾驶汽车的距离的关系，确定变道路段；并进行针对性变道处理；步骤四、按照学习的车辆驱动无人驾驶汽车在设定的路段进行驾驶。
6.进一步地，步骤一中的通畅路段学习指代为在指定路段没有人员的情况下进行，通常指代为人流量低于x1，此处x1为预设值；常规路段学习指代为在正常行驶时候的路段。
7.进一步地，步骤s1中的停止标的指代各类红绿灯或者其余阻挡物体，导致车辆需要减速至停止的统一标记为停止标的。
8.进一步地，步骤s2中刹车学习具体方式为：s201：获取到此路段的最高速度，将其标记为上限速度，之后设置下限速度，下限速度为管理人员预设，通常取值为25公里每小时，或者30公里每小时；s202：之后将上限速度减去下限速度，得到区域速值；s203：之后将刹车的减速时，踩下去的角度标记为减速角，将刹车踩到底的角度标记为刹车全角；s204：将减速角按照每x1度为一个实踩减角，x1为预设值，通常取为5度；将刹车全角除以实踩减角之后取整，取整之后得到数值标记为n，得到n个实踩段ci，i=1...n，最后一个实踩段cn的角度为刹车全角除以实踩减角之后的余数，加上实踩减角；s205：之后获取到停止标的，设置减速段，减速段即为在停止标的前的指定距离，通常依据上限速度确定；s206：在对应的减速段，按照上限速度，进行实踩段ci实时学习，具体学习方式为：依次踩下一段实踩段ci对应的角度，也就是从i=1到i=n，依次选取，直到能在停止标的前0.5m将上限速度减到零；学习到此时上限速度的实踩段ci，将此时的实踩段标记为需踩段角，将需踩段角及其对应的上限速度标记为减速信息；s207：之后对所有的上限速度学习完毕，得到所有的减速信息。
9.进一步地，步骤s205中具体确定减速段的方式为：当上限速度为30km/小时，减速段为l1米，l1为预设值，l1的取值参考制动距离确定，具体取值可为10米，或者其他数值；当上限速度为40km/小时，减速段为l1*1.2；当上限速度为60km/小时，减速段为l1乘以2；当上限速度为80km/小时，减速段为l1乘以3。
10.进一步地，步骤三中的跟车学习的方式具体为：ss1：在无人驾驶汽车上设置若干摄像头，获取到无人驾驶汽车的周测视频；ss2：首先获取到周测视频，周测视频为无人驾驶汽车上设置的摄像头能够获取到的范围内；
ss3：之后对周测视频进行动态分析，动态分析具体方式为：ss31：当无人驾驶汽车在行驶时，获取到其正前方的物体的照片，任选一特征点，此处可以选择车牌，通过车牌特性进行比较，具体比较方式为：在预存库内设置若干中类型的车牌，若比对到相似度超过设定阈值时，产生选中信号；ss32：之后将特征点的照片，将其标记为特征照片，将初次获取到的特征照片标记为初相特征照片；ss33：经过t1时间之后，t1为预设数值，再次获取到特征照片，将其标记为实时特征照片，连续获取到x2组，得到实时特征照片组；将实时特征照片组与初相特征照片进行比较，比较方式为：获取到实时特征照片组内车牌号占用的像素点，将其标记为实时像素点组；同样获取到初相特征照片对应的像素点，将其标记为初相像素点；将实时像素点组标记为pi，i=1...x2；初相像素点标记为cp；将pi减去cp，得到实初差值zi，i=1...x2；当zi的值不为持续性减小时，将其判定为同行对象，同行对象主要侧重为汽车；ss34：获取到前方的同行对象，当出现前方的同行对象的实初差值持续性增大时，且pi减去cp的值，除以cp，得到的值标记为差增比，当差增比超过x3，x3为预设值，自动产生减速信号，减速比为将速度降低百分之四十；之后若差增比还在持续增大，则产生刹停信号，此时自动将刹车的实踩段ci设置到cn，当速度降低到10km/小时以下时，此时将实踩段改为舒适实踩段，舒适实踩段获取的具体方式为：在车座上设置一个实验物品，实验物品重量由管理员设置，在10km/小时的时候，依次从最高的实踩段依次往下减小，当无人驾驶汽车速度降到零时，获取到实验物品的前移距离，当前移距离小于等于x4时，此处x4可取值为10cm；将此时的实踩段标记为舒适踩段；ss4：同步进行变道分析，根据路段模型内的路径路线，根据路径路线确定在需要进行下一个转弯时，自动获取到当前可以转向的路段，将其标记为允许路段；ss5：在当前路段前方的差增比变化范围低于预设范围时，此处预设范围由管理人员设定，且无人驾驶汽车速度的实时速度低于上限速度百分之七十的时候，自动产生观察信号；ss6：在产生观察信号时，自动获取到所有的允许路段前方的车辆，根据像素点换算距离，当前方最近的阻挡物与当前无人驾驶汽车的距离，将其标记为间隔距离，当间隔距离存在超过阈值距离时，取允许路段中间隔距离最大的允许路段，且当前无人驾驶汽车同行没有汽车，且后方车辆与当前无人驾驶汽车的距离超过第二阈值距离时，将其标记为变道路段；此处阈值距离和第二阈值距离为管理人员预设的数值；ss7：将无人驾驶汽车变道至变道路段。
11.本发明的有益效果：本发明通过进行通畅路段学习和常规路段学习两种方式，在通常路段学习时，主要通过刹车学习，确定好若干个需踩段角及其对应的上限速度组合构成的减速信息；根据不同的上限速度在实时驾驶时，通过相关实时速度的内容，确定当前实时速度处于那个上
限速度之上，哪个上限速度之下，然后选取对应上限速度之下的对应上限速度进行减速刹车；之后进行常规路段学习，主要进行跟车学习，主要通过锁定车牌，将其标记为特征点，确定好初相特征照片和实时特征照片组之后，根据同行对象与无人驾驶车辆之间的距离，根据同行对象的实初差值zi的变化确定如何进行减速；之后根据允许道路的情况，确定是否变道，通过本技术公开的方法能够提供一种无人驾驶汽车在固定路径行驶时如何进行更好的安全驾驶。
附图说明
12.下面结合附图对本发明作进一步的说明。
13.图1为本发明方法的流程框图。
具体实施方式
14.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
15.本发明为一种无人驾驶汽车的道路学习方法，包括下述步骤：步骤一、将道路学习分为两个阶段，分别为通畅路段学习和常规路段学习，通畅路段学习指代为在指定路段没有人员或者人员较少的情况下进行，通常指代为人流量低于x1，此处x1为预设值，可在深夜进行；一般在零点或者凌晨道路上的人员和车辆低于预设人数的时候处理；步骤二、进行通畅路段学习，具体学习方式为：s1：获取到对应通畅路段的地图，构建路段模型，路段模型包括路径路线、停止标的、路径限速；此处停止标的指代各类红绿灯或者其余阻挡物体，导致车辆需要减速至停止的统一标记为停止标的；s2：之后根据停止标的进行刹车学习，刹车学习具体方式为：s201：获取到此路段的最高速度，将其标记为上限速度，之后设置下限速度，下限速度为管理人员预设，通常取值为25公里每小时，或者30公里每小时；s202：之后将上限速度减去下限速度，得到区域速值；s203：之后将刹车的减速时，踩下去的角度标记为减速角，将刹车踩到底的角度标记为刹车全角；s204：将减速角按照每x1度为一个实踩减角，x1为预设值，通常取为5度；将刹车全角除以实踩减角之后取整，取整之后得到数值标记为n，得到n个实踩段ci，i=1...n，最后一个实踩段cn的角度为刹车全角除以实踩减角之后的余数，加上实踩减角；s205：之后获取到停止标的，设置减速段，减速段即为在停止标的前的指定距离，通常依据上限速度确定，具体确定方式为：当上限速度为30km/小时，减速段为l1米，l1为预设值，l1的取值参考制动距离确定，具体取值可为10米，或者其他数值；
当上限速度为40km/小时，减速段为l1*1.2；当上限速度为60km/小时，减速段为l1乘以2；当上限速度为80km/小时，减速段为l1乘以3；s206：在对应的减速段，按照上限速度，进行实踩段ci实时学习，减速段选取时根据不同的上限速度在实时驾驶时，通过相关实时速度的内容，确定当前实时速度处于那个上限速度之上，哪个上限速度之下，然后选取对应上限速度之下的对应的减速段进行减速刹车；具体学习方式为：依次踩下一段实踩段ci对应的角度，也就是从i=1到i=n，依次选取，直到能在停止标的前0.5m将上限速度减到零；学习到此时上限速度的实踩段ci，将此时的实踩段标记为需踩段角，将需踩段角及其对应的上限速度标记为减速信息；s207：之后对所有的上限速度学习完毕，得到所有的减速信息；s3：刹车学习结束之后，按照路径长度和路径限速以及停止标的，自动学习一遍，按照刹车学习的减速信息对应在该刹车阶段进行刹车，在红绿灯路口时，自动识别红绿灯，按照交规行驶；s4：通畅路段学习完毕；步骤三、进行常规路段学习，主要进行跟车学习，在路径长度上存在任何突发阻挡标的时，学习紧急刹车、跟车速度和变道调整，调整方式具体为：ss1：在无人驾驶汽车上设置若干摄像头，获取到无人驾驶汽车的周测视频；ss2：首先获取到周测视频，周测视频为无人驾驶汽车上设置的摄像头能够获取到的范围内；ss3：之后对周测视频进行动态分析，动态分析具体方式为：ss31：当无人驾驶汽车在行驶时，获取到其正前方的物体的照片，任选一特征点，此处可以选择车牌，通过车牌特性进行比较，具体比较方式为：在预存库内设置若干中类型的车牌，若比对到相似度超过设定阈值时，产生选中信号；ss32：之后将特征点的照片，将其标记为特征照片，将初次获取到的特征照片标记为初相特征照片；ss33：经过t1时间之后，t1为预设数值，再次获取到特征照片，将其标记为实时特征照片，连续获取到x2组，得到实时特征照片组；将实时特征照片组与初相特征照片进行比较，比较方式为：获取到实时特征照片组内车牌号占用的像素点，将其标记为实时像素点组；同样获取到初相特征照片对应的像素点，将其标记为初相像素点；将实时像素点组标记为pi，i=1...x2；初相像素点标记为cp；将pi减去cp，得到实初差值zi，i=1...x2；当zi的值不为持续性减小时，将其判定为同行对象，同行对象主要侧重为汽车，此处为避免误判车牌的事情出现；ss34：获取到前方的同行对象，当出现前方的同行对象的实初差值持续性增大时，且pi减去cp的值，除以cp，得到的值标记为差增比，当差增比超过x3，x3为预设值，自动产生减速信号，减速比为将速度降低百分之四十；之后若差增比还在持续增大，则产生刹停信号，此时自动将刹车的实踩段ci设置到cn，当速度降低到10km/小时以下时，此时将实踩段
改为舒适实踩段，舒适实踩段获取的具体方式为：在车座上设置一个实验物品，实验物品重量由管理员设置，在10km/小时的时候，依次从最高的实踩段依次往下减小，当无人驾驶汽车速度降到零时，获取到实验物品的前移距离，当前移距离小于等于x4时，此处x4可取值为10cm；将此时的实踩段标记为舒适踩段；ss4：同步进行变道分析，根据路段模型内的路径路线，根据路径路线确定在需要进行下一个转弯时，自动获取到当前可以转向的路段，将其标记为允许路段；ss5：在当前路段前方的差增比变化范围低于预设范围时，此处预设范围由管理人员设定，且无人驾驶汽车速度的实时速度低于上限速度百分之七十的时候，自动产生观察信号；ss6：在产生观察信号时，自动获取到所有的允许路段前方的车辆，根据像素点换算距离，当前方最近的阻挡物与当前无人驾驶汽车的距离，将其标记为间隔距离，当间隔距离存在超过阈值距离时，取允许路段中间隔距离最大的允许路段，且当前无人驾驶汽车同行没有汽车，且后方车辆与当前无人驾驶汽车的距离超过第二阈值距离时，将其标记为变道路段；此处阈值距离和第二阈值距离为管理人员预设的数值；ss7：将无人驾驶汽车变道至变道路段。
16.步骤四、按照学习的车辆驱动无人驾驶汽车在设定的路段进行驾驶。
17.以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。