阅读说明：本技术 一种用于智能驾驶的多波段雷达探测系统及方法 (Multi-band radar detection system and method for intelligent driving ) 是由 杨辉 于 2019-09-30 设计创作，主要内容包括：本发明属于智能驾驶技术领域,具体提供一种用于智能驾驶的多波段雷达探测系统及方法,该系统包括：定位模块,用于进行实时定位；探测模块,探测模块包括多个不同波段的雷达,用于进行路况探测；处理模块,用于对探测模块的探测数据进行处理；传输模块,用于当处理模块的处理结果为存在路况异常时,将异常结果及对应的定位信息进行上传；存储模块,用于存储接收到的异常结果及定位信息；标记模块,用于对异常结果的对应坐标位置进行标记。使用本申请,即使是在环境很恶劣的区域或者时间段,也能够及时知晓路面的异常情况,并提前作出应对,可减少智能驾驶的交通事故。同时,还提高了检测数据的利用率。(The invention belongs to the technical field of intelligent driving, and particularly provides a multiband radar detection system and a multiband radar detection method for intelligent driving, wherein the system comprises the following components: the positioning module is used for carrying out real-time positioning; the detection module comprises a plurality of radars with different wave bands and is used for detecting road conditions; the processing module is used for processing the detection data of the detection module; the transmission module is used for uploading the abnormal result and the corresponding positioning information when the processing result of the processing module indicates that the road condition is abnormal; the storage module is used for storing the received abnormal result and the positioning information; and the marking module is used for marking the corresponding coordinate position of the abnormal result. By using the method and the device, even in a severe environment area or a time period, the abnormal condition of the road surface can be timely known, and the response is made in advance, so that the traffic accidents of intelligent driving can be reduced. Meanwhile, the utilization rate of the detection data is also improved.)

一种用于智能驾驶的多波段雷达探测系统及方法

技术领域

本发明属于智能驾驶技术领域，尤其涉及一种用于智能驾驶的多波段雷达探测系统及方法。

背景技术

智能驾驶主要包括网络导航、自主驾驶和人工干预三个环节。实现智能驾驶的前提条件，是车上的传感器能获得相关视听觉信号和信息，并通过认知计算控制相应的随动系统。

和传统驾驶相比，智能驾驶技术不依赖驾驶员的眼睛对环境进行观察，而是通过传感设备对环境进行实时探测。因此，智能驾驶对于传感器的需求较大。

其中，雷达由于受环境的影响很小，并且具有全天候、全天时的特点，无论是白天黑夜均能探测远距离的目标，基于上述原因，在智能驾驶领域，雷达的运用很广泛。

随着智能驾驶技术的发展，单一的雷达探测已满足不了人们的需求，多个波段的雷达组合起来进行道路探测正成为目前主流的发展方向。目前，先进的智能汽车上，已经装配了近20个传感器，其中，大部分为雷达(不同波段的雷达组合)。

公开号为CN104002747A的中国发明专利，就公开了一种基于无人驾驶汽车的多激光雷达栅格地图融合系统，包括安装在车辆各个方向的多种波段的雷达，雷达的数据通过交换机利用以太网传至第一工控机，由第一工控机对数据进行解析和预处理，再针对不同的雷达分别作数据处理，再对有效数据进行栅格化编码并通过以太网将编码值传至负责数据融合的第一工控机，再利用栅格地图融合方法进行数据融合并对数据进行栅格化编码，最后通过以太网将编码值传至第二工控机。

通过该专利，可以降低无人驾驶汽车和辅助驾驶汽车与障碍物发生碰撞的风险，提高车辆行驶过程中的安全性。

但是，使用该系统，当路面存在故障，如存在路障或者坑地时，车辆每次驶过该路段，都需要进行检测和数据处理，再做出反应。除此，同一个道路障碍，每一辆车行驶时，都需要进行检测和数据处理后，再作出反应。数据的利用率低下。

除此，虽然雷达受环境的影响很小，但并非完全不受环境的影响，每一辆车每一次经过道路障碍都需要检修及数据处理判断后再作出反应，在环境很恶劣的区域或者时间段，可能会出现检测不及时，导致出现交通事故的情况。

发明内容

本发明针对现有技术中，每一辆车每一次经过道路障碍都需要检修及数据处理判断后再作出反应，在环境很恶劣的区域或者时间段，可能会出现检测不及时，导致出现交通事故的问题，提供了一种用于智能驾驶的多波段雷达探测系统及方法。

本发明提供的基础方案为：

一种用于智能驾驶的多波段雷达探测系统，包括：

定位模块，用于进行实时定位；

探测模块，探测模块包括多个不同波段的雷达，用于进行路况探测；

处理模块，用于对探测模块的探测数据进行处理；

传输模块，用于当处理模块的处理结果为存在路况异常时，将异常结果及对应的定位信息进行上传；

存储模块，用于存储接收到的异常结果及定位信息；

标记模块，用于对异常结果的对应坐标位置进行标记。

基础方案工作原理及有益效果：

当系统检测到路面的异常时，会将异常情况以及对应的定位信息进行发送，并由标记模块对异常结果进行标记。这样，当其他车辆进行导航时，可提前知晓该异常情况，当到达该异常路面点时，能够提前作出减速之类的应对措施。

和现有技术相比，即使是在环境很恶劣的区域或者时间段，也能够及时知晓路面的异常情况，并提前作出应对。可减少智能驾驶的交通事故。

除此，本系统中每辆车检测到异常的路况后，都会进行上传并标记，通过这样的方式，所有车辆实现了路况异常数据的共享，提高了检测数据的利用率。

进一步，还包括提醒模块，用于接受到异常结果后发送检修信号。

当管理人员接收到检修信号后，可以及时派遣检修人员对该异常进行检修。

进一步，还包括图像采集模块，用于实时采集路况图像；

传输模块上传异常结果时，还将其对应的图像进行上传；

存储模块还用于存储异常结果对应的图像。

采集并上传图像后，工作人员在出发进行检修前，可以根据图像对异常情况的类型进行大致的判断，准确起来更有针对性，可提高检修的效率。

进一步，还包括恢复模块，用于将被标记为异常的地点进行恢复。

当检修人员对异常地点进行排查、检修后，管理人员可以及时将该地点的标记去掉，恢复为正常状态，这样，可防止出现路况已经排查、检修完毕，异常的标记却迟迟未清除，导致智能驾驶的车辆行驶过该路段时进行不必要的提醒和停留。

进一步，探测模块中，雷达包括安装在无人驾驶汽车前方的一线激光雷达和四线激光雷达，以及安装在车顶的八线激光雷达,以及安装在车后的一线激光雷达。

这样，能够对车辆周围进行全方位的探测。

基于上述系统，本申请还提供一种用于智能驾驶的多波段雷达方法，包括：

定位步骤，进行实时定位；

探测步骤，用多个不同波段的雷达，进行路况探测；

处理步骤，对探测的数据进行处理；

传输步骤，当处理步骤的处理结果为存在路况异常时，将异常结果及对应的定位信息进行上传；

存储步骤，存储接收到的异常结果及定位信息；

标记步骤，对异常结果的对应坐标位置进行标记。

当检测到路面的异常时，会将异常情况以及对应的定位信息进行发送，并对异常结果进行标记。这样，当其他车辆进行导航时，可提前知晓该异常情况，当到达该异常路面点时，能够提前作出减速之类的应对措施。

和现有技术相比，即使是在环境很恶劣的区域或者时间段，也能够及时知晓路面的异常情况，并提前作出应对。可减少智能驾驶的交通事故。

除此，由于每辆车检测到异常的路况后，都会进行上传并标记，通过这样的方式，所有车辆实现了路况异常数据的共享，提高了检测数据的利用率。

进一步，还包括提醒步骤，发送检修信号。

当管理人员接收到检修信号后，可以及时排除检修人员对该异常结果进行检修。

进一步，还包括图像采集步骤，实时采集路况情况；

传输步骤中，还将异常情况对应的图像进行上传；

存储步骤只能够，还存储异常情况对应的图像。

采集并上传图像后，工作人员在出发进行检修前，可以根据图像对异常情况的类型进行大致的判断，准确起来更有针对性，可提高检修的效率。

进一步，还包括恢复步骤，将被标记为异常的地点进行恢复。

当检修人员对异常地点进行排查、检修后，管理人员可以及时将该地点的标记去掉，恢复为正常状态，这样，可防止出现路况已经排查、检修完毕，异常的标记却迟迟未清除，导致智能驾驶的车辆行驶过该路段时进行不必要的提醒和停留。

进一步，探测步骤中，雷达包括安装在无人驾驶汽车前方的一线激光雷达和四线激光雷达，以及安装在车顶的八线激光雷达,以及安装在车后的一线激光雷达。

这样，能够对车辆周围进行全方位的探测。

附图说明

图1为本发明一种用于智能驾驶的多波段雷达探测系统及方法实施例一的逻辑框图；

图2为本发明一种用于智能驾驶的多波段雷达探测系统及方法实施例一的流程图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例一

如图1所示，一种用于智能驾驶的多波段雷达探测系统，包括车辆端、服务器和管理端。

车辆端与管理端均通过现有的无线通信方式，如5G网络，与服务器进行通信。

车辆端

车辆端包括定位模块、探测模块、图像采集模块、处理模块和传输模块。

定位模块用于进行实时定位。本实施例中，定位模块为GPS模块。

探测模块包括多个雷达，用于进行路况探测。本实施例中，雷达包括安装在无人驾驶汽车前方的一线激光雷达和四线激光雷达，以及安装在车顶的八线激光雷达,以及安装在车后的一线激光雷达。

图像采集模块用于实时采集路况图像；本实施例中，图像采集模块为摄像头。

处理模块用于对探测模块的探测数据进行处理。处理模块可用现有的深度学习模型，如神经网络模型，用探测数据作为输入对道路情况进行分析处理。其中涉及的技术属于现有技术，在此不再赘述。

传输模块用于当处理模块的处理结果为存在路况异常，如，道路上存在障碍物或者道路上存在坑洞时，将异常结果及对应的定位信息及图像进行上传。本实施例中，处理模块及传输模块均集成在车辆的MCU上。

本实施例中，定位模块、探测模块、图像采集模块、MCU分别作为CAN节点，与整车的CAN网络连接。这样，便于进行集中管理控制。

服务器

本实施例中，服务器为腾讯云服务器，在其他实施例中，服务器也可以选用华为云服务器或者阿里云服务器。

服务器包括存储模块、标记模块和提醒模块。

存储模块用于存储接受到的异常结果及对应的定位信息和图像。

标记模块用于在电子信息地图中，将异常结果对应的坐标位置处进行标记。

提醒模块用于接受到异常结果后发送检修信号。检修信号包括异常结果的坐标及现场图片。

管理端

本实施例中，管理端为APP。

管理端包括警报模块、显示模块和恢复模块。

警报模块用于接收到检修信号后，发出警报提示。本实施例中，警报的方式为语音加文字。语音的方式能够引起工作人员的注意，文字的方式则能够让工作人员了解发生了什么情况。当管理人员接收到检修信号后，可以及时排除检修人员对该异常结果进行检修。

显示模块用于显示接收到的异常结果的坐标及现场图像。这样，工作人员在出发进行检修前，可以根据图像对异常情况的类型进行大致的判断，准确起来更有针对性，可提高检修的效率。

恢复模块用于将被标记为异常的地点进行恢复。

当检修人员对异常地点进行排查、检修后，管理人员可以及时将该地点的标记去掉，恢复为正常状态，这样，可防止出现路况已经排查、检修完毕，异常的标记却迟迟未清除，导致智能驾驶的车辆行驶过该路段时进行不必要的提醒和停留。

使用本系统，当检测到路面的异常时，会将异常情况以及对应的定位信息进行发送，并由标记模块对异常结果进行标记。这样，当其他车辆进行导航时，可提前知晓该异常情况，当到达该异常路面点时，能够提前作出减速之类的应对措施。

和现有技术相比，即使是在环境很恶劣的区域或者时间段，也能够及时知晓路面的异常情况，并提前作出应对。可减少智能驾驶的交通事故。

除此，本系统中每辆车检测到异常的路况后，都会进行上传并标记，通过这样的方式，所有车辆实现了路况异常数据的共享，提高了检测数据的利用率。

基于上述系统，如图2所示，本发明还提供一种用于智能驾驶的多波段雷达方法，包括：

定位步骤，对车辆进行实时定位；

探测步骤，用多个不同波段的雷达，进行路况探测；本实施例中，雷达包括安装在无人驾驶汽车前方的一线激光雷达和四线激光雷达，以及安装在车顶的八线激光雷达,以及安装在车后的一线激光雷达。

图像采集步骤，实时采集路况情况；

处理步骤，对探测的数据进行处理；

传输步骤，当处理步骤的处理结果为存在路况异常时，将异常结果及对应的定位信和图像进行上传；

存储步骤，存储接收到的异常结果及对应的定位信息和图像；

标记步骤，对异常结果的对应坐标位置进行标记。

提醒步骤，发送检修信号。

恢复步骤，将被标记为异常的地点进行恢复。

使用本方法，当检测到路面的异常时，会将异常情况以及对应的定位信息进行发送，并对异常结果进行标记。这样，当其他车辆进行导航时，可提前知晓该异常情况，当到达该异常路面点时，能够提前作出减速之类的应对措施。

和现有技术相比，即使是在环境很恶劣的区域或者时间段，也能够及时知晓路面的异常情况，并提前作出应对。可减少智能驾驶的交通事故。

实施例二

与实施例一不同的是，本实施例专门用于无人驾驶汽车，本实施例的车辆端还包括信号检测模块，用于实时检测车辆的信号信息并上传给服务器；本实施例中，定位模块用于实时检测车辆的位置信息并上传给服务器。

存储模块还用于存储车辆的信号信息；信号信息包括信号类型、信号运营商、信号制式、信号强度、时间及位置信息。除此，存储模块内存储有基站信息，基站信息包括基站位置、功率、高度、信号调制方式和频率。

服务器还包括信号预测模块和天线调整量计算模块；信号预测模块用于根据车辆当前的位置信息、行车路线以及信号强度记录模块进行信号强度的预测。

天线调整量计算模块用于当信号预测模块的预测信号强度小于M时，根据基站信息、信号强度的预测结果以及行车方向和行车路线，生成天线调节控制量；首先计算当前天线角度与目标角度，即基站所在位置的差值，然后根据车辆行车方向、速度以及天线调节装置的旋转速度求出天线的相对调节速度，然后采用PID算法计算出天线调节控制量，包括天线水平转动角速度和时长以及垂直转动角速度和时长。

车辆端还包括调整执行模块和微调模块；调整执行模块用于根据天线调节控制量控制和调节天线的角度；微调模块用于在控制天线转动角度的过程中记录信号强度的变化情况，并控制天线旋转至在目标角度正负百分之五的角度范围内选择信号强度最大的角度。通过上述设置可以根据道路信息变化情况提前调控天线角度，进而保证获取最佳的信号强度。

这样，在车辆行驶的过程中，信号强度预测模块会对车辆的信号进行预测，并在预测到车辆的信号强度小于M时，根据基站信息、信号强度的预测结果以及行车方向和行车路线，生成天线调节控制量。M的具体数值，本领域技术人员可根据对控制信号强度的具体要求具体设置。

之后，调整执行模块会根据天线调节控制量控制和调节天线的角度，而微调模块则会在控制天线转动角度的过程中记录信号强度的变化情况，并控制天线旋转至在目标角度正负百分之五的角度范围内选择信号强度最大的角度。可以使车辆的行驶过程中保持良好的通信信号。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。