技术领域
[0001] 本
发明涉及智能驾驶和智能交通领域，尤其是涉及一种基于V2I的智能驾驶汽车传感器盲区安全控制方法及系统。
背景技术
[0002] 在智能驾驶领域，除了直接通过
深度神经网络建立
传感器数据到车辆控制
信号之间映射的端到端技术方案，其余技术方案均采用“
感知认知-规划决策-控制执行”的架构。规划决策系统根据感知系统的输入与智能驾驶汽车当前的状态决定智能驾驶汽车下一时刻应该采取的目标
位置与目标速度，十分依赖感知系统的可靠性与
稳定性。
[0003] 智能驾驶车辆使用的传感器主要有以下类别：光学摄像头，
激光雷达，毫米波雷达，
超声波雷达。然而，上述传感器受限于工作原理和安装位置，感知范围有限，当遇到遮挡物时存在感知盲区。尤其是在城市场景中，道路两旁存在大量的
建筑物、停放车辆、绿植、商贩棚等遮蔽物；且交通参与者组成与分布情况复杂。在这些场景下，车载传感器的感知盲区内的交通参与者信息的缺失会增加车辆行驶过程的
风险。
[0004] V2X技术是智能交通领域内的一项重要技术，指通过5G通信、DSRC通信等技术手段实现车辆与车辆、车辆与交通设施、车辆与行人等之间的信息交互的技术，具有实时性、准确性、便捷性等特点。现有的V2X技术中，车辆与车辆之间(V2V)，车辆与交通设备之间(V2I)的通信发展较为成熟，可以为车辆提供其他车辆和交通信号等信息。但对于车辆之外的其他交通参与者，如行人、
婴儿车、骑行人等，无法要求在其上也搭载V2X终端。而这类交通参与者在城市场景中十分常见，且在交通活动中处于弱势地位。缺乏除车辆外，考虑行人、非机动车等多种交通参与者在内的智能驾驶汽车传感器盲区安全机制实现方法。
[0005] 智能驾驶汽车多采用基于光学的传感器，包括摄像头、激光雷达、毫米波雷达等。传感器本身存在物理性的功能不足，感知范围有限。当智能驾驶汽车行驶与复杂的城市工况时，环境中存在大量的遮蔽物导致感知系统难以探测到被遮蔽的交通参与者(其他车辆、行人、非机动车等)，尤其是对于盲弯、支路口、
停车场等工况，增加了行驶风险。
发明内容
[0006] 本发明的目的就是为了克服上述
现有技术存在的
缺陷而提供一种基于V2I的智能驾驶汽车传感器盲区安全控制方法及系统，以提高智能驾驶车辆通过传感器盲区时的安全性。
[0007] 本发明的目的可以通过以下技术方案来实现：
[0008] 一种基于V2I的智能驾驶汽车传感器盲区安全控制方法，该方法包括以下步骤：
[0009] 步骤1：利用路侧设备上的双目高清摄像头检测到盲区场景的原始数据；
[0010] 步骤2：利用路侧设备上的本地信息处理器对双目高清摄像头获取的数据进行处理；
[0011] 步骤3：利用路侧设备上的信息处理器对
数据处理的结果进行编码，生成DSRC设备的广播报文；
[0012] 步骤4：通过DSRC设备向周围车辆广播处理得到的报文；
[0013] 步骤5：智能驾驶汽车驶入设置有路侧设备的路段时，接收路侧设备广播的报文信息；
[0014] 步骤6：智能驾驶汽车根据路侧设备广播的报文信息作出对应的安全控制操作。
[0015] 进一步地，所述步骤1中的双目高清摄像头要求在同一时间采集左右两幅图像，采集
帧率大于20帧/秒，检测范围为15m～40m。
[0016] 进一步地，所述步骤2包括以下分步骤：
[0017] 步骤21：根据双目高清摄像头获取的左右两幅图像，运用立体匹配
算法获取
视差图，进而利用视差图获取
深度图，并最终利用深度图获取三维信息；
[0018] 步骤22：利用
卷积神经网络对图像进行语义分割、识别并追踪盲区内的多个交通参与者及对应的种类、以路侧设备为原点的相对位置信息和以路侧设备为原点的相对速度矢量信息；
[0019] 步骤23：利用路侧设备安装时固
定位置在全局高清地图中的位置坐标结合步骤2中多个交通参与者的相关信息计算获得该交通参与者在全局地图上的绝对坐标和绝对速度。
[0020] 进一步地，所述步骤23中的交通参与者在全局地图上的绝对坐标和绝对速度的计算公式为：
[0021]
[0022]
[0023] 式中， 表示交通参与者在全局地图上的绝对坐标， 表示路侧设备安装时固定位置在全局高清地图中的位置坐标， 表示交通参与者以路侧设备为原点的相对位置信息， 表示交通参与者以路侧设备为原点的相对速度矢量信息， 表示交通参与者在全局地图上的绝对速度。
[0024] 进一步地，所述步骤3中的DSRC设备的广播报文的组成部分包括：
[0025] 路侧设备的唯一识别代号；
[0026] 路侧设备在全局高清地图中的位置坐标；
[0027] 用于表征盲区内交通参与者是否存在的标志位，取值0表示不存在或1表示存在；
[0028] 以及当标志位取值为1时盲区内各个参与者的信息所组成的列表。
[0029] 进一步地，所述当标志位取值为1时盲区内各个参与者的信息所组成的列表由每个交通参与者按设定格式依次编码组成，所述设定格式为：
[0030] 按照顺序依次排列的该交通参与者序号、该交通参与者的当前位置，即交通参与者在全局地图上的绝对坐标、该交通参与者的当前速度，即交通参与者在全局地图上的绝对速度以及该交通参与者的类别代号。
[0031] 进一步地，所述步骤4中DSRC设备向周围车辆广播的范围为50m～150m。
[0032] 进一步地，所述步骤5中智能驾驶汽车驶入设置有路侧设备的路段时，优先选取直线距离最近的DSRC信息源进行接收。
[0033] 进一步地，所述步骤6中对应的安全控制操作包括低级程度的安全控制操作和高级程度的安全控制操作，所述低级程度的安全控制操作具体包括：当接收到广播报文表示盲区内存在交通参与者时，在盲区前停车，直到更新的报文表示盲区内不存在交通参与者时继续通过盲区，所述高级程度的安全控制操作具体包括：根据接收到的广播报文中的交通参与者具体信息结合智能驾驶汽车自身感知系统的输入在全局地图上更新包括盲区在内的当前场景内障碍物信息作为智能驾驶汽车自身决策系统的输入，以做出安全控制操作。
[0034] 本发明还提供一种用于所述的一种基于V2I的智能驾驶汽车传感器盲区安全控制方法的控制系统，该控制系统包括用作
硬件部分的所述路侧设备和车载通信单元以及用作
软件部分的盲区内交通参与者的识别与追踪算法和路侧所述DSRC设备与所述车载通信单元之间的通信协议，其中所述路侧设备上搭载设置有所述双目高清摄像头、所述信息处理器和所述DSRC设备。
[0035] 与现有技术相比，本发明具有以下优点：
[0036] (1)本发明通过在路侧设备上搭载传感器，解决了难以强制要求所有车辆、行人、骑行者、宠物等交通参与者搭载V2X通信终端的问题。
[0037] (2)本发明感知认知与坐标转换过程在路侧设备上完成，DSRC设备只需广播高度概括的交通参与者信息，极大减少了DSRC设备需要广播的信息量，降低了所需通信设备的带宽需求。
[0038] (3)本发明通过将盲区内的感知识别任务交给路侧设备，使一个路侧设备的信息处理结果满足多辆智能驾驶汽车的使用，车载端无需进行复杂计算；且本发明通过设计广播报文的结构，将盲区内的信息分为低级与高级两个层次，适用于从低级到高级各程度的智能驾驶系统。
附图说明
[0040] 图2为本发明系统的软硬件架构图；
[0041] 图3为本发明方法工作原理图；
[0042] 图4为本发明方法中的广播报文的组成结构图；
[0043] 图5为本发明实际
实施例1盲弯场景的示意图；
[0044] 图6为本发明实际实施例2路边停车场路段场景的示意图。
具体实施方式
[0045] 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，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
[0046] 本发明提出了一种基于V2I的智能驾驶盲区安全机制实现方法，以提高智能驾驶车辆通过传感器盲区时的安全性，提出的机制在物理层面上如图2所示由以下部分组成：
[0047] 1.路侧设备。设置在易发生传感器盲区的路段，其上搭载：
[0048] a).高清摄像头，用于检测传感器盲区场景内的交通参与者，为了获得深度信息，要求使用双目高清摄像头。
[0049] b).DSRC(专用短程通信)设备，用于路侧设备向周围车辆广播信息。DSRC技术基于美国IEEE 802.11p，相对于VTE-V的技术方案，它无需依靠基站，不受无线网络信号强度的影响。盲区场景是典型的短程、范围内的通信场景，DSRC技术足够满足通信需求。
[0050] c).信息处理器，用于处理传感器采集到的原始信号，获取路口内交通参与者的位置、速度、类别等信息。
[0051] 2.车载通信设备。搭载在智能驾驶车辆上，用于接收路侧设备广播的信息。
[0052] 提出的机制在软件层面由以下部分组成：
[0053] 1.路侧DSRC设备与车载通信设备之间的通信协议。
[0054] 2.根据高清摄像头采集的原始数据识别与追踪交通参与者的算法。
[0055] 一种基于V2I的智能驾驶汽车针对传感器盲区的安全机制实现方法，如图1和图3所示，工作原理如下：
[0056] 步骤1：路侧设备上的双目高清摄像头检测到盲区场景的原始数据。双目摄像头需要拍摄同一时刻同一场景左右两幅图像。双目摄像头的检测帧率大于20帧/秒，双目摄像头的检测半径为15m至40m，以
覆盖盲区范围；
[0057] 步骤2：路侧设备上的本地信息处理器对双目摄像头获取的数据进行处理。为了达到实时性要求，处理
频率需在20Hz以上。包括以下步骤：
[0058] 2.1根据双目摄像头获取的左右两幅图像，运用立体匹配算法获取视差图，根据视差图获取深度图，进而获取三维信息；
[0059] 2.2使用卷积神经网络(CNN)对图像进行语义分割，以识别并追踪盲区内的多个交通参与者，需获得它们的：
[0060] a).种类，包括车辆、行人、骑行人、宠物、以及未标注交通参与者；
[0061] b).以路侧设备为原点的相对位置；
[0062] c).以及以路侧设备为原点的相对速度矢量；
[0063] 卷积神经网络需要预先进行训练，使用路侧设备上高清摄像头采集到的大量该盲区场景图片进行训练，以使算法能够正确识别、分类与追踪盲区内的各个交通参与者。
[0064] 2.3.坐标变换，路侧设备在安装时即固定了在全局高清地图中的位置坐标，[0065] 根据检测到的交通参与者的相对位置坐标、相对速度，可以计算出该交通参与者在全局地图上的绝对坐标和绝对速度。计算公式如下：
[0066]
[0067]
[0068] 式中， 表示交通参与者在全局地图上的绝对坐标， 表示路侧设备安装时固定位置在全局高清地图中的位置坐标， 表示交通参与者以路侧设备为原点的相对位置信息， 表示交通参与者以路侧设备为原点的相对速度矢量信息， 表示交通参与者在全局地图上的绝对速度。
[0069] 步骤3：路侧设备上的信息处理器对处理结果进行编码，生成DSRC设备的广播报文，如图4所示。报文组成如下：
[0070] 1.路侧设备的识别代号(ID)，每个路侧设备采用唯一的识别代号；
[0071] 2.路侧设备在全局高清地图中的位置坐标；
[0072] 3.表征盲区内交通参与者是否存在的标志位，取值0(代表不存在)或1(代表存在)；
[0073] 4.如果报文第3节的盲区内交通参与者存在表征标志位取值为1，则报文包含第4节，盲区内各个交通参与者的信息所组成的列表，对于识别到的每个交通参与者均按以下格式编码：
[0074] a.该交通参与者序号；
[0075] b.该交通参与者的当前位置，即交通参与者在全局地图上的绝对坐标；
[0076] c.该交通参与者的当前速度，即交通参与者在全局地图上的绝对速度；
[0077] d.该交通参与者的类别代号；
[0078] 步骤4：DSRC设备向周围车辆广播处理得到的报文，广播范围为50m至150m，以使速度较高的车辆在进入路口前有足够的时间减速；
[0079] 步骤5：智能驾驶汽车驶入设置有该路侧装置的路段时，接收到路侧设备广播的报文，考虑到可能存在同时接收到多个路侧设备广播消息的情况，根据车辆当前位置与路侧设备位置之间的距离判断，优先选取最近的一个路侧设备作为有效信号源；
[0080] 步骤6：智能驾驶汽车根据路侧设备广播报文的信息，做出安全的决策。进一步，车辆对于路侧设备广播的交通参与者信息的利用涵盖低级和高级两个程度，如步骤6.1和步骤6.2所示。
[0081] 步骤6.1：智能驾驶汽车的智能驾驶功能较为低级，不具备高清地图功能，当接收的广播报文表示盲区内存在交通参与者时，在盲区前停车，直到更新的报文表示盲区内不存在交通参与者时继续通过盲区。
[0082] 步骤6.2：智能驾驶汽车具备较为高级的智能驾驶功能，能够根据接收到的广播报文中的交通参与者具体信息(类别，速度，位置)结合感知系统的输入在全局地图上更新包括盲区在内的当前场景内障碍物信息作为决策系统的输入，以做出安全的决策。
[0083] 下面结合附图5，以一个小区中盲弯的场景对提出的机制进行详细说明：
[0084] 对于人类驾驶者，可以通过设置在盲弯处的球面镜观察到弯道另一端内是否有车辆、行人等交通参与者。但智能驾驶汽车受限于感知系统功能局限，很难识别球面镜中镜像的意义。在这样的场景中，可以采用本发明提出的机制来保证智能驾驶汽车安全通过盲弯。
[0085] 盲弯中设置有前文所述的路侧设备，一辆智能驾驶汽车驶入盲弯。
[0086] 步骤1：路侧设备上的高清双目摄像头检测到弯道中存在交通参与者。
[0087] 步骤2：路侧设备上的信息处理器对高清摄像头采集到的信息进行处理，判断出该交通参与者是一位行人，根据立体匹配算法计算出该交通参与者相对路侧设备的位置坐标与速度矢量，并根据坐标转换公式计算得到该交通参与者在全局地图
坐标系中的位置与速度。
[0088] 步骤3：路侧设备上的信息处理器对该位行人的信息进行编码，生成供DSRC设备的广播报文；
[0089] 步骤4：路侧设备通过DSRC设备将盲弯内的交通情况广播给附近车辆。
[0090] 步骤5：智能驾驶汽车上的通信单元接收到路侧设备的
广播信号，得知盲弯内存在一位行人，并且得到他在全局地图坐标系中的位置和速度。并将该信号传递给感知系统，在自车的全局地图上重现这位行人的像。
[0091] 步骤6：智能驾驶汽车上的决策规划系统根据
修改后的感知系统输入，作出减速让行的决策，保障了行人的安全。
[0092] 下面结合附图6，以一个路边停车场的场景对提出的机制进行详细说明：
[0093] 路边停车场场景中，道路两侧的
视野被停驻的车辆挡住，如果有行人从停放车辆中的缝隙走出并穿过道路，则难以被自车的感知系统及时发现。在这样的场景中，可以采用本发明提出的机制来保证智能驾驶汽车安全通过路边停车场。
[0094] 路边停车场上方设置有前文所述的路侧设备，一辆智能驾驶汽车驶入路边停车场路段。
[0095] 步骤1：路侧设备上的高清双目摄像头检测到停车场中存在交通参与者。
[0096] 步骤2：路侧设备上的信息处理器对高清摄像头采集到的信息进行处理，判断出该交通参与者是一位行人，根据立体匹配算法计算出该交通参与者相对路侧设备的位置坐标与速度矢量，并根据坐标转换公式计算得到该交通参与者在全局地图坐标系中的位置与速度。
[0097] 步骤3：路侧设备上的信息处理器对该位行人的信息进行编码，生成供DSRC设备的广播报文；
[0098] 步骤4：路侧设备通过DSRC设备将路边停车场路段内的交通情况广播给附近车辆。
[0099] 步骤5：智能驾驶汽车上的通信单元接收到路侧设备的广播信号，并将解析后的报文含义传递给智能驾驶决策系统
[0100] 步骤6：智能决策系统路边停车场内除停放的车辆外，还存在一位行人，作出在路段前停车让行的决定，保障了行人的安全。
[0101] 步骤7：当路侧设备检测到该行人离开停车路段，并通过DSRC设备广播更新后的消息，自车得知停车路段中已经不存在其余交通参与者时，重新
加速，通过该路段。
[0102] 以上两个实施例分别对应高级和低级两个程度的应用功能，后一个实施例自车只接受是否存在行人的标志位，所以安全策略就是直接停车让行，等行人离开区域后，再通过。
[0103] 以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以
权利要求的保护范围为准。
