[发明专利]基于日盲紫外光信号的路径检测系统

说明书

技术领域

本发明涉及自动驾驶中的路径检测技术，具体而言，涉及一种可通过日盲紫外探测器检测已被日盲紫外光信号标识的道路信息，并将检测到的信号进行处理，从而获取道路路径详细参数的系统。

背景技术

随着科技的不断进步，飞机及火车早已实现自动驾驶的功能，但对于汽车而言，其行驶环境较为复杂，因此自动驾驶的进程远远落后于飞机和火车。目前汽车自动驾驶技术已成为各大汽车开发商争相开发的技术。就连互联网巨头谷歌公司也在研究汽车自动驾驶技术，目前其已开发出原型车。

汽车实现自动驾驶的基础是能够感知出周围行驶环境，获取到准确的路径信息。现有无人驾驶技术中环境感知的方法有多种，例如磁信号传感、视觉传感、激光传感、微波传感、通讯传感等。但主流的路径提取方法有：利用磁信号进行道路导航、利用可见光相机进行视觉导航及利用激光雷达进行环境恢复。

日本早在1995年就研制了一辆具有自动驾驶功能的试验车，其感知路径信息的方法是在路面中央埋设一条磁铁线，汽车上安装磁场探测传感器，通过检测磁铁线获取行驶路径。在2014年，沃尔沃公司公布正在开发磁导航系统，以用于指导无人驾驶。其在道路上铺设固定距离分布的磁石，在车上安装磁力感应器，通过实时检测道路磁石阵信号，检测出路径信息以修正航道。基于磁信号的路径检测虽具有受环境干扰度低的优点，但当磁传感器探测一定距离之外的磁信号时信号噪音极大，因而无法提取路径信息。同时，在多车道的路径检测时，磁信号的相互干扰将造成路径信息不明。故利用磁信号进行道路导航时路径探测距离受限、探测的道路环境受限。

利用可见光相机进行视觉导航的路径检测，是通过摄像机获取车辆周边环境两维或三维图像信息，通过图像分析识别技术对行驶环境进行感知。在实际运用中，基于该方式的路径检测背景信息杂乱，需要复杂的图像处理算法，并且在夜晚、恶劣天气（风沙、大雾、雨水）及环境光照复杂下，难以通过图像处理手段获取正确的路径信息。例如：1.在提取一处正对光源的路径时，通过可见光相机获取到的图像由于复杂光照的影响，可能导致图像过度饱和，这时是无法通过图像处理获取到路径的。2.在夜晚行驶时，通过可见光相机照射出的路径漆黑一片，即便利用汽车或自带的灯光照射，其视野范围也非常有限；3.若出现路径情况复杂的情况，可见光相机拍摄到的图像中有多条道路，同时道路边沿的大树等也被拍摄其中，因此需要利用很多复杂的算法、耗费过长的时间才能获取到可能正确的结果。由上可知，通过可见光摄像机的路径检测需要通过一系列复杂的图像处理，却不一定能得到正确的路径结果。这种方式获取路径信息时，实时性较低、可靠性较低。

激光传感方式是基于激光雷达获取车辆周边环境两维或三维距离信息，通过距离分析识别技术对行驶环境进行感知。通过高性能的激光雷达能够及时精确地绘制出周边一定范围内的3D地形图并上传至车载电脑中枢，通过该方式，可检测到行人、车辆及遭遇的移动障碍。该方式是通过发射激光束并通过返回的信息进行测距与环境重建，但当使用在空旷环境中，无法对环境重建的结果进行评估，不能获取到正确的路径。激光雷达的路径探测不仅使用环境受限，并且价格昂贵，不便于车载集成。

除了以上单独使用的导航方式外，为了增加路径提取的可靠性，无人驾驶车辆多以不同传感方式进行组合判断。以谷歌的无人车为例，其融合了视觉传感、激光传感及通讯传感的方式。无人车辆在导航行驶前，需要人为的在要行驶的路径上通过摄像头记录一次，存储在其远程服务器中。在跟踪路径行驶时，一方面通过视觉传感对现有图像做处理，分析现有路径信息，同时，通过对比此时拍摄的图像信息和服务器中存储的图像信息，以辅助判断该路径的真实情况；另一方面，利用三维激光扫描仪进行路障与背景信息判断。可见其无人驾驶的系统复杂、处理耗时、可操作性低。

基于多传感器融合的路径提取方式，其感知系统过于复杂、难于集成，造价昂贵及实用性差。而令人遗憾的是，即便通过多传感器数据进行融合，在处理复杂天气情况时，谷歌的无人驾驶车辆在路径提取时仍出现问题。引用谷歌无人驾驶车辆的体验者，科技博客Recode的记者利兹·加恩斯的报道，“谷歌无人驾驶汽车传感器在雨天环境中存在问题。如果下雪，问题就更大了。在大雾环境中，最好选择手动驾驶”。

对汽车自动驾驶领域而言，在整个自动行驶过程中获取正确的路径信息无疑是至关重要的，若出现路径检测错误，将导致汽车行驶方向偏离，会造成不可估量的损失。通过磁信号、可见光信息、激光传感等路径检测的方法在自动驾驶技术领域中均具有一定的缺陷，因此提供一种简单可靠的路径检测方式就显得极为重要。