买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：扬州大学

摘要：本发明公开了一种基于端到端的自动驾驶车辆实现方法，面向雨雪天气下的复杂道路环境，通过构造雨雪天气下的车道线边界模糊、遮挡以及缺失特点的数据集和多目标动态环境数据集，采用基于NLNet的空间和通道双注意力机制的Lanenet模型进行车道线识别，将模型进行压缩，构建多目标动态障碍物的模型及数据集，提出了虚拟数据的控制方法，采用虚拟数据实现车辆的虚拟控制，并设计了冗余控制系统，以应对车辆控制功能失效问题。本该发明解决了端到端学习方法的鲁棒性较差特点，实现了从感知到控制的端到端的自动驾驶车辆方法，有助于提升车辆的实时响应性，更好地实现在复杂道路环境的自动驾驶。

主权项：1.一种基于端到端的自动驾驶车辆实现方法，其特征在于，包括以下步骤：1构造雨雪天气下的车道线边界模糊、遮挡以及缺失特点的数据集和多目标动态环境数据集；2采用基于NLNet的空间和通道双注意力机制的Lanenet模型进行车道线识别，将注意力机制结构设计在前向编码网络中；3构建多目标动态障碍物的模型，并采用有监督学习进行雨雪天气下图像数据的标注任务，进行复杂道路环境的多目标跟踪；4设定具有前馈预测效果的闭环控制系统，以实现车辆的控制；5提出非线性模型预测控制系统，以前一时刻的实时数据为依据，采用卡尔曼滤波算法预测车辆下一时刻的数据作为虚拟数据，以虚拟数据为样本，采用最优控制算法实现车辆的安全行驶，一直到车辆安全停止；6当车辆控制功能失效时，提出冗余控制系统；所述冗余控制系统以自适应模型预测控制算法为主，不断地检测道路环境的状态、车道线数据、多目标动态障碍物的状态，以车辆所能安全行驶的状态参数作为判断依据，确保车辆有效地行驶各种道路环境中；所述步骤1实现过程如下：利用车载视觉传感器获取道路车道线的视频数据，道路车道线视频数据是基于雨雪和晴天下二车道、三车道和单车道场景的车道线缺失成分、模糊以及被遮挡区域，然后将视频数据压缩成一幅幅图片格式，形成基于复杂非结构化道路环境的车道线数据集，将数据集划分为训练集、验证集和测试集的比例为7：1：2；将数据集进行标注，并且将标注后的车道线图像转成语义分割标签图和实例分割标签图；所述步骤4实现过程如下：当多目标动态障碍物行驶状态瞬时发生变化，设定安全的车间距，调整车辆处于巡航状态，并且采用LQR算法间接干预瞬时行驶状态控制，将控制误差保持在[1％-5％]范围内，作为最佳行驶路径的特征补充，当行驶状态超过这个误差后，使用LQR算法掌管车辆的控制，控制系统自动关闭非线性模型预测控制算法的车辆控制作用，以确保车辆在复杂道路环境的安全行驶；具体为： 式中，是可选择性算法，Mnon-mpc是非线性模型预测控制算法，LQR是LQR算法，dsafe是安全车间距表达；当车辆的转向角信号发生突变或者不稳定状态时，此时采用LQR直接干预车辆的控制任务，并且通过补充上一时刻的转向角信号作为系统的输入变量，以稳定地实现车辆的控制，具体为： 式中，κt接管算法的参数，Mnon-mpc是非线性模型预测控制算法，LQR是LQR算法，δ是方向盘转角，δt是当前车辆转向角，δt-1是前一时刻转向角，Norm表示正常，non-norm表示非正常；所述步骤5实现过程如下：设定t0时刻车辆的实时数据包括车辆状态、加速度以及转向角信息s0a0δ0，以虚拟数据作为参考依据，采用卡尔曼滤波算法进行车辆下一时刻t1的数据预测任务，卡尔曼滤波的状态和观测方程如下： 式中，xt是状态量，zt是观测量，ut是输入量，αt是随机变量；则通过卡尔曼滤波算法进行车辆下一时刻t1、t2、tn的数据预测，分别表述为：s1a1δ1、s2a2δ2、…、snanδn由于车辆行驶环境的场景各有不同，所以，赋予tn一定的阈值范围，表述为： 当车辆状态区域非正常数值预测范围时，此时停止tn时刻的估计迭代，车辆此刻设置状态值为零，即车辆通过制动停车，此时估计过程结束：snanδn→000而车辆所预测的最终时刻状态是sn-1an-1δn-1，则只需要控制从以下的时间序列状态即可：s1a1δ1→s2a2δ2…→sn-1an-1δn-1依次类推，车辆所预测的最终时刻状态，需要根据设定的阈值范围去界定最终的状态，表述为： 具备了车辆状态预测值后，从t1时刻产生的虚拟数据作为样本，采用最优控制算法实现对车辆的控制，其表达式为： 动态系统的运动学约束条件为：状态约束条件：0≤st≤smax、0≤at≤amax、0≤δt≤δmax；式中，L是车长，x、y分别是大地坐标系纵轴和横轴，β是航向角。

全文数据：

权利要求：

百度查询： 扬州大学 一种基于端到端的自动驾驶车辆实现方法