一种基于云端机器学的车辆环境感知和控制方法

摘要

本发明涉及一种基于云端机器学的车辆环境感知和控制方法，包括：A1.采集车辆前部、后部以及左右两侧后方盲区的图像数据、车辆前部区域的障碍物毫米波雷达数据；A2.提取图像数据的特征向量集；处理障碍物毫米波雷达数据得到车前障碍物的距离；A3.分别对各特征向量集进行机器学，识别出前、后及两侧方障碍物；A4.进行目标跟踪，获取目标的环境感知数据、车辆当前状态数据；A5.计算出安全间距并相应执行车辆主动安全控制；A6.将目标的环境感知数据上传至云端服务系统进行学，最终更新目标识别参数集和算法控制参数集。本发明有效提高了环境感知的准确性、车辆控制精度以及测距距离，整体上提高了车辆主动安全系统的性能。

主权项

一种基于云端机器学习的车辆环境感知和控制方法，其特征在于，通过设置于车辆的车载环境感知系统和控制系统以及设置于云端的云端服务系统实现；所述控制系统预置图像处理算法、毫米波雷达数据处理算法、目标识别和跟踪算法以及目标识别参数集T1和算法控制参数集T2；所述云端服务系统预置有云端机器学习算法；所述车辆环境感知和控制方法包括以下步骤：A1.车载环境感知系统采集车辆前部、后部以及左右两侧后方盲区的图像数据，分别为IA、IB、IC；并采集车辆前部区域的障碍物毫米波雷达数据R；A2.控制系统通过所述图像处理算法提取所述图像数据IA、IB、IC的特征向量集，分别为TA、TB、TC；并通过所述毫米波雷达数据处理算法处理所述障碍物毫米波雷达数据R得到车前障碍物的距离S；所述特征向量集TA与所述车前障碍物的距离S组成特征向量集(TA，S)；A3.控制系统利用所述目标识别和跟踪算法及目标识别参数集T1和算法控制参数集T2，分别对特征向量集(TA，S)、TB、TC进行机器学习，识别出前方障碍物WA、后视盲区障碍物WB、左右两侧后方盲区障碍物WC；A4.车载环境感知系统和控制系统利用所述目标识别和跟踪算法对WA、WB以及WC进行目标跟踪，获取目标的环境感知数据；控制系统获取车辆当前状态数据；A5.根据所述目标的环境感知数据和车辆状态数据，计算出安全间距，并判断车辆是否处于非安全间距，若是则执行车辆主动安全控制；A6.控制系统将所述目标的环境感知数据上传至所述云端服务系统，利用云端机器学习算法进行学习，并返回相应的目标识别参数和算法控制参数至所述控制系统，以更新所述目标识别参数集T1和算法控制参数集T2。