基于深度学习和规划算法的智能车辆召唤方法及系统与流程

本发明涉及智能驾驶技术领域，特别是基于深度学习和规划算法的智能车辆召唤方法及系统。

背景技术：

现有的很多智能驾驶技术已经广泛应用到车辆的各个领域，车辆智能召唤是当前非常热点的技术，可以让车主非常方便的召唤出停车场里的汽车，实现车辆的智能驾驶。

当前车辆智能召唤存在技术难点，无法准确定位车辆位置，车辆无法在召唤过程中避让障碍物行人等都是阻碍技术发展的现实问题。

技术实现要素：

本发明的目的在于提出基于深度学习和规划算法的智能车辆召唤方法及系统，通过此方法，能够有效解决车辆智能召唤中的定位准确性以及无法避让的问题。

为解决上述的技术问题，本发明采用以下技术方案：

基于深度学习和规划算法的智能车辆召唤方法，包括如下步骤：

步骤1)：地下停车场地图创建；

步骤2)：整个地下停车场静态地图构件；

步骤3)：停车步骤：在个人移动通讯设备上发送停车指令，车辆自主驶入指定的车位上，

步骤4)：召唤车辆步骤：通过个人移动通讯设备发送召唤车辆的信号，并且指定车主在地图中的位置发送给云端服务器，云端服务器接收到召车请求后读取车位和车主坐标，将信号传递给车载通讯设备，输入2d格栅图和车辆当前坐标，

判断是否更改路线，

若是，则从新规划路线，判断能否规划出路径，若能规划出路径，则循迹，到达终点，到达终点后判断是否结束，若是，则结束操作，车主成功取到车辆，若不能规划出路径，则停车，返回输入2d格栅图和车辆当前坐标步骤；

若否，则循迹，到达终点，到达终点后判断是否结束，若是，则结束操作，车主成功取到车辆，若否，则返回输入2d格栅图和车辆当前坐标步骤。

进一步，在步骤3)和步骤4)过程中还包括：车辆运动中周围环境的实时地图构件，根据深度学习来检测车身周围环境根据车辆运动过程中实时的激光雷达点云图可以把车身周围的环境信息更新到静态地图中，规划模块可以根据实时的地图信息变更路径。

进一步，周围环境包括行人、车辆、障碍物等。

进一步，召唤车辆步骤还包括，车主上车后通过个人移动通讯设备点击驶离停车场，车辆自主驶向出口。

进一步，整个地下停车场静态地图构件通过slam构件。

进一步，构建好的地下停车场静态地图包括两个部分：一个是用标记出可行驶区域和非可行驶区域的二值灰度图；另一个是配置文件，文件中列出可停车位的标号以及其在地图坐标，入口出口的地图坐标。

本发明还公开了基于深度学习和规划算法的智能车辆召唤系统，包括个人移动通讯设备，用于向云端服务器发送请求端的位置信息、停车、召车请求，接收根据停车、召车请求反馈的车辆信息；

车载通讯设备，用于向云端服务器提供车辆的位置信息，查看云端服务器发送的停车、召车请求和乘客的位置信息；

云端服务器，用于接收个人移动通讯设备和车载通讯设备的位置信息，在地图中进行比对，将乘客的位置信息发送给车载通讯设备，该车载通讯设备接收停车、召车请求和乘客的位置信息，完成停车和召车配对。

进一步，个人移动通讯设备和车载通讯设备具有数据通讯模块和gps定位模块。

与现有技术相比，本发明的有益效果为：本方案能够有效解决车辆智能召唤中的定位准确性以及无法避让的问题，通过深度学习和路径规划算法来解决智能召唤场景中车辆定位难以及无法避让障碍物的问题。

附图说明

图1为本发明工作流程图；

图2为本发明地下停车场示意图；

图3为slam构建的静态地图；

图4为停入4号车库规划的路径图；

图5为根据点云信息，实时变更轨迹图。

具体实施方式

如图1-5示，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

基于深度学习和规划算法的智能车辆召唤方法，包括如下步骤：

步骤1)：地下停车场地图创建，如图2所示；

步骤2)：整个地下停车场静态地图构件，如图3所示；

步骤3)：停车步骤：在个人移动通讯设备上发送停车指令，车辆自主驶入指定的车位上，

步骤4)：召唤车辆步骤：通过个人移动通讯设备发送召唤车辆的信号，并且指定车主在地图中的位置发送给云端服务器，云端服务器接收到召车请求后读取车位和车主坐标，将信号传递给车载通讯设备，输入2d格栅图和车辆当前坐标，

判断是否更改路线，

若是，则从新规划路线，判断能否规划出路径，若能规划出路径，则循迹，到达终点，到达终点后判断是否结束，若是，则结束操作，车主成功取到车辆，若不能规划出路径，则停车，返回输入2d格栅图和车辆当前坐标步骤；

若否，则循迹，到达终点，到达终点后判断是否结束，若是，则结束操作，车主成功取到车辆，若否，则返回输入2d格栅图和车辆当前坐标步骤。

作为一种可选的实施方式，在步骤3)和步骤4)过程中还包括：车辆运动中周围环境的实时地图构件，根据深度学习来检测车身周围环境根据车辆运动过程中实时的激光雷达点云图可以把车身周围的环境信息更新到静态地图中，规划模块可以根据实时的地图信息变更路径。

作为一种可选的实施方式，周围环境包括行人、车辆、障碍物等。

作为一种可选的实施方式，召唤车辆步骤还包括，车主上车后通过个人移动通讯设备点击驶离停车场，车辆自主驶向出口。

作为一种可选的实施方式，整个地下停车场静态地图构件通过slam构件。

作为一种可选的实施方式，构建好的地下停车场静态地图包括两个部分：一个是用标记出可行驶区域和非可行驶区域的二值灰度图；另一个是配置文件，文件中列出可停车位的标号以及其在地图坐标，入口出口的地图坐标。

更为具体的实施例如图4-5所示，将4号车位作为具体的停车位，将停车轨迹和遇到障碍物后根据深度学习来检测车身周围环境根据车辆运动过程中实时的激光雷达点云图可以把车身周围的环境信息更新到静态地图中，规划模块可以根据实时的地图信息变更路径，

本方案能够有效解决车辆智能召唤中的定位准确性以及无法避让的问题，通过深度学习和路径规划算法来解决智能召唤场景中车辆定位难以及无法避让障碍物的问题。

以上所述，仅为

本技术：
的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。

技术特征：

1.基于深度学习和规划算法的智能车辆召唤方法，其特征在于：包括如下步骤：

步骤1)：地下停车场地图创建；

步骤2)：整个地下停车场静态地图构件；

步骤3)停车步骤：在个人移动通讯设备上发送停车指令，车辆自主驶入指定的车位上，

步骤4)召唤车辆步骤：通过个人移动通讯设备发送召唤车辆的信号，并且指定车主在地图中的位置发送给云端服务器，云端服务器接收到召车请求后读取车位和车主坐标，将信号传递给车载通讯设备，输入2d格栅图和车辆当前坐标，

判断是否更改路线，

若是，则从新规划路线，判断能否规划出路径，若能规划出路径，则循迹，到达终点，到达终点后判断是否结束，若是，则结束操作，车主成功取到车辆，若不能规划出路径，则停车，返回输入2d格栅图和车辆当前坐标步骤；

若否，则循迹，到达终点，到达终点后判断是否结束，若是，则结束操作，车主成功取到车辆，若否，则返回输入2d格栅图和车辆当前坐标步骤。

2.根据权利要求1所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：在步骤3)和步骤4)过程中还包括：车辆运动中周围环境的实时地图构件，根据深度学习来检测车身周围环境根据车辆运动过程中实时的激光雷达点云图可以把车身周围的环境信息更新到静态地图中，规划模块可以根据实时的地图信息变更路径。

3.根据权利要求2所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：周围环境包括行人、车辆、障碍物等。

4.根据权利要求1所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：召唤车辆步骤还包括，车主上车后通过个人移动通讯设备点击驶离停车场，车辆自主驶向出口。

5.根据权利要求1所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：整个地下停车场静态地图构件通过slam构件。

6.根据权利要求1或5所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：构建好的地下停车场静态地图包括两个部分：一个是用标记出可行驶区域和非可行驶区域的二值灰度图；另一个是配置文件，文件中列出可停车位的标号以及其在地图坐标，入口出口的地图坐标。

7.基于深度学习和规划算法的智能车辆召唤系统，其特征在于：

包括个人移动通讯设备，用于向云端服务器发送请求端的位置信息、停车、召车请求，接收根据停车、召车请求反馈的车辆信息；

车载通讯设备，用于向云端服务器提供车辆的位置信息，查看云端服务器发送的停车、召车请求和乘客的位置信息；

云端服务器，用于接收个人移动通讯设备和车载通讯设备的位置信息，在地图中进行比对，将乘客的位置信息发送给车载通讯设备，该车载通讯设备接收停车、召车请求和乘客的位置信息，完成停车和召车配对。

8.根据权利要求4所述的基于深度学习和规划算法的智能车辆召唤系统，其特征在于：个人移动通讯设备和车载通讯设备具有数据通讯模块和gps定位模块。

技术总结
本发明涉及智能驾驶技术领域，特别是基于深度学习和规划算法的智能车辆召唤方法及系统；包括如下步骤：步骤1)：地下停车场地图创建；步骤2)：整个地下停车场静态地图构件；步骤3)：停车步骤：在个人移动通讯设备上发送停车指令，车辆自主驶入指定的车位上；步骤4)：召唤车辆步骤；基于深度学习和规划算法的智能车辆召唤系统，包括个人移动通讯设备、车载通讯设备和云端服务器，通过此方法，能够有效解决车辆智能召唤中的定位准确性以及无法避让的问题。

技术研发人员：嵇伟伟;李晓明
受保护的技术使用者：西藏宁算科技集团有限公司
技术研发日：2021.01.29
技术公布日：2021.06.15