[发明专利]基于深度学习和规划算法的智能车辆召唤方法及系统

权利要求书

1.基于深度学习和规划算法的智能车辆召唤方法，其特征在于：包括如下步骤：

步骤1)：地下停车场地图创建；

步骤2)：整个地下停车场静态地图构件；

步骤3)停车步骤：在个人移动通讯设备上发送停车指令，车辆自主驶入指定的车位上，

步骤4)召唤车辆步骤：通过个人移动通讯设备发送召唤车辆的信号，并且指定车主在地图中的位置发送给云端服务器，云端服务器接收到召车请求后读取车位和车主坐标，将信号传递给车载通讯设备，输入2d格栅图和车辆当前坐标，

判断是否更改路线，

若是，则从新规划路线，判断能否规划出路径，若能规划出路径，则循迹，到达终点，到达终点后判断是否结束，若是，则结束操作，车主成功取到车辆，若不能规划出路径，则停车，返回输入2d格栅图和车辆当前坐标步骤；

若否，则循迹，到达终点，到达终点后判断是否结束，若是，则结束操作，车主成功取到车辆，若否，则返回输入2d格栅图和车辆当前坐标步骤。

2.根据权利要求1所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：在步骤3)和步骤4)过程中还包括：车辆运动中周围环境的实时地图构件，根据深度学习来检测车身周围环境根据车辆运动过程中实时的激光雷达点云图可以把车身周围的环境信息更新到静态地图中，规划模块可以根据实时的地图信息变更路径。

3.根据权利要求2所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：周围环境包括行人、车辆、障碍物等。

4.根据权利要求1所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：召唤车辆步骤还包括，车主上车后通过个人移动通讯设备点击驶离停车场，车辆自主驶向出口。

5.根据权利要求1所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：整个地下停车场静态地图构件通过Slam构件。

6.根据权利要求1或5所述的基于深度学习和规划算法的智能车辆召唤方法，其特征在于：构建好的地下停车场静态地图包括两个部分：一个是用标记出可行驶区域和非可行驶区域的二值灰度图；另一个是配置文件，文件中列出可停车位的标号以及其在地图坐标，入口出口的地图坐标。

7.基于深度学习和规划算法的智能车辆召唤系统，其特征在于：

包括个人移动通讯设备，用于向云端服务器发送请求端的位置信息、停车、召车请求，接收根据停车、召车请求反馈的车辆信息；

车载通讯设备，用于向云端服务器提供车辆的位置信息，查看云端服务器发送的停车、召车请求和乘客的位置信息；

云端服务器，用于接收个人移动通讯设备和车载通讯设备的位置信息，在地图中进行比对，将乘客的位置信息发送给车载通讯设备，该车载通讯设备接收停车、召车请求和乘客的位置信息，完成停车和召车配对。

8.根据权利要求4所述的基于深度学习和规划算法的智能车辆召唤系统，其特征在于：个人移动通讯设备和车载通讯设备具有数据通讯模块和GPS定位模块。