[发明专利]一种基于路面病害检测的通用自动驾驶导航系统

说明书

本发明公开了一种基于路面病害检测的通用自动驾驶导航系统，系统硬件指代为基于开源Neo套件的改进，Neo套件由vehicle模块、Giraffe模块、Panda模块和Eon模块四部分组成，改进部分包括将Giraffe模块与Panda模块功能组合，以让车辆CAN端口信息直接从USB端口导出，以及增加Eon模块散热功能，保证长期高速运行。软件包括开源Openpilot软件构架，由Carinterface模块、grain模块、board dd模块、Car模块、Loggerd模块、Controlsd模块、Vision模块、Radar模块八个部分组成。本发明基于深度学习的图像处理技术与自动驾驶策略指导相结合，对路面病害及其他路面对象进行识别并作出相应策略的选择，为未来路面病害检测的自动化、无人化奠定了重要的基础。

技术领域

本发明属于深度学习图像处理领域，涉及一种识别路面状况技术并进行驾驶策略指导。本发明适用于道路病害检测智能化方面。

背景技术

随着经济持续增长，我国公路建设投资总额也呈现出增加态势。尽管我国公路建设已经取得了良好的成绩，但是公路养护却没有跟不上。路面病害直接关系路面服役寿命与服役性能，严重影响公共交通安全。当前，路面病害多通过人工检测的方法，费时费力。因此，路面病害识别的及时性与必要性就变得尤为重要。

由于缺少技术支撑，目前病害识别工作主要通过人工现场检测或基于人工驾驶的路面检测车进行检测。以上两种方法均存在病害检测及结果上传速度慢，人力资源投入量大等缺点。同时，目前对路面病害图像识别的研究多采用路面检测车采集的垂直于地面的图像集，而对于实现自动驾驶，这种图像集不具有真实性和泛化性，缺少实际应用价值。其次，由于摄像机和环境条件的不同，导致不同图像之间存在较大差异，可能仍然不适用于路面裂缝图像的批量处理，计算速度和效率也相对较低。

发明内容

本发明的目的在于通过一种基于深度学习的图像处理技术与自动驾驶策略指导相结合，对路面病害及其他路面对象进行识别并作出相应策略的选择，为未来路面病害检测的自动化、无人化奠定了重要的基础。本发明采用的技术方案为一种基于路面病害检测的通用自动驾驶导航系统。

该系统相比现在市场上流行的自动驾驶系统而言，最大的优势和特点就在于：除了传统的路面信息检测，如车辆、行人之外，其可以实现实时的路面病害，如裂缝、坑槽，和特殊天气影响所产生的目标，包括积水、积雪，进行检测，并调整相应的驾驶策略，将自动驾驶和路面病害识别相结合，可以进行病害的快速识别和反馈，大大提升了病害的检测和识别速度，并减少了人力资源。

系统主要包括硬件和软件。

硬件指代为基于开源Neo套件的改进，Neo套件主要由vehicle模块、Giraffe模块、Panda模块和Eon模块四部分组成，改进部分包括将Giraffe模块与Panda模块功能组合，以让车辆CAN端口信息直接从USB端口导出，以及增加Eon模块散热功能，保证长期高速运行。

软件包括开源Openpilot软件构架，其主要由Carinterface模块、grain模块、board dd模块、Car模块、Loggerd模块、Controlsd模块、Vision模块、Radar模块八个部分组成。并使用PID控制方法，添加“Pave Interface”接收控制命令。另一方面，软件包括深度学习网络：Faster R-CNN，通过训练实现对于路面信息的识别，并指导车辆的驾驶策略调整。

具体系统实现的方法为：

硬件部分：Giraffe模块将从车辆的CAN端口读取的信息转换为标准OBD端口；Panda模块将从标准OBD端口获取的信息转换为只能由移动终端读取的微型计算机或USB端口；Eon模块通过type C端口接收Panda的USB端口发送的信息；车辆的控制流与信息流相反，通过Eon模块、Panda模块、Giraffe模块将控制决策信息返回给车辆，从而实现车辆的自动控制。