本发明涉及信息处理技术领域，尤其涉及一种集装箱码头区域的车辆自动驾驶方法和系统。
背景技术
在港口集装箱码头作业流程中，桥吊是码头面上标准的装卸箱作业设备。桥吊的多层钢架结构会给桥吊下的全球卫星定位系统接收机造成明显的多径效应，导致卫星定位精度低甚至无法完成位置计算。当大型集装箱轮靠岸时，通常会有多个桥吊并排作业，会在码头面形成一个钢铁隧道，造成卫星定位系统彻底失效，导致基于高精度卫星定位的自动驾驶技术在码头面无法工作，不能完成自动驾驶。
现有的一种车辆定位方法是基于rtk(real-timekinematic载波相位差分技术)的高精度卫星导航系统定位技术。通过接收gps，glonass和北斗等卫星系统的定位数据以及差分信号数据来得到车辆自身的厘米级别的位置信息。但是这种方法存在的问题是：车辆必须在非常开阔的地方才能解算出自身的精确位置信息，而港口码头的作业场景有很多的桥吊遮挡，无法通过此种方法来实现精准定位。
另外还有一种现有的自动驾驶方法是车道线保持方法。该方法通过识别车辆行驶路段的车道线来控制车辆的行驶状态。但是这种方法的存在的问题是：车辆行驶的所有的场地必须都有非常清晰并且正确的车道线标示。
因此，现有技术存在的问题如下:
1)港口码头区域作业环境复杂，码头区域的桥吊会造成卫星定位系统无法工作，而进出码头的道路部分没有车道线的标示，所以车辆无法在这种复杂的环境中实现真正的自动驾驶。
2)在码头的集装箱工作场景中，因为要用吊钩来装卸各种尺寸的集装箱，所以自动驾驶方法对车辆的控制必须达到厘米级别，对车辆的朝向的控制偏差也必须在5°以内，但现有的定位方法很难将车辆精准定位，使得集装箱无法正常装卸。
3)在码头集装箱工作场景中，需要很多人力和物力的投入，因此成本较高；并且驾驶员会因为疲劳、视线等问题容易导致各种事故，在港口的运输中存在较大的安全隐患。
技术实现要素：
本发明的目的就是为了解决上述现有技术中存在的问题。本发明的目的是提出一种车辆在集装箱码头区域实时动态地选择卫星导航或车道线检测的自动驾驶方法和系统，确保自动驾驶车辆可以安全的从其他作业区域进入码头面，在码头面完成自动驾驶并驶出码头面。
为了达到上述目的，本发明采用的技术方案为：
一种集装箱码头区域的车辆自动驾驶方法，包括以下步骤：
判断车辆是否处于桥吊区域；
若是桥吊区域，则判断是否能识别出车道线，
若能识别出车道线，则采用模式一进行自动驾驶；
若不能识别出车道线，则车辆进行报警；
若不是桥吊区域，则判断是否能接收卫星导航信息，
若能接收到卫星导航信息，则采用模式二进行自动驾驶；
若不能接收到卫星导航信息，则判断车辆是否能识别出车道线，若能识别出车道线，则采用模式一进行自动驾驶；若既不能接收到卫星导航信息，并且也不能识别出车道线，则车辆进行报警。
进一步的，根据预先生成的码头区域地图判断车辆是否处于桥吊区域。
进一步的，所述采用模式一进行自动驾驶包括以下几个子步骤：
获取车辆在所处车道线中的图像信息；
利用深度神经网络训练模型识别出车道线在图像中的二维坐标；
将车道线的二维坐标转换为三维坐标；
根据车辆的轴距、位置和朝向角度获取车辆在车道线中的转向数据。
进一步的，所述获取车辆在所处车道线中的图像信息包括：通过校准过的参数对车辆的像素坐标进行校准；其中所述校准包括径向畸变校准和切向畸变校准。
进一步的，所述采用模式二进行自动驾驶包括以下几个子步骤：
获取车辆的位置信息和朝向信息；
根据码头区域地图生成车辆行驶路径；
根据车辆的位置信息、朝向信息、车辆行驶路径以及根据车辆的轴距获取车辆沿着所述行驶路径行驶的转向数据。
进一步的，利用单天线rtk获取车辆的位置信息。
进一步的，利用双天线rtk获取车辆的朝向信息。
进一步的，所述模式二的自动驾驶方法包括利用gnss-rtk导航方法对车辆进行定位。
进一步的，利用purepursuit算法获取车辆的转向数据，其中车辆的前轮偏角为：
其中，l是车辆的轴距，ld是车辆后轮中心距离目标点的距离，α是车辆自身朝向与车辆后轮中心到目标点向量的角度。
一种集装箱码头区域的车辆自动驾驶系统，包括：
判断模块，用于判断车辆是否处于桥吊区域；
车道线识别模块，用于判断是否能识别出车道线，
卫星导航模块，用于判断是否能接收到卫星导航信息，
第一自动驾驶模块，用于采用模式一控制车辆进行自动驾驶；
第二自动驾驶模块，用于采用模式二控制车辆进行自动驾驶；
其中，当判断模块判断车辆处于桥吊区域时，则仅根据车道线识别模块的识别结果确定自动驾驶模式：若车道线识别模块能识别出车道线，则采用模式一进行自动驾驶；若不能识别出车道线，则车辆进行报警；
当判断模块判断车辆不是处于桥吊区域时，则根据卫星导航模块和车道线识别模块的识别结果确定自动驾驶模式：若卫星导航模块能接收到卫星导航信息，则采用模式二进行自动驾驶；若卫星导航模块不能接收到卫星导航信息，但车道线识别模块能识别出车道线，则采用模式一进行自动驾驶；若卫星导航模块不能接收到卫星导航信息，并且车道线识别模块也不能识别出车道线，则车辆进行报警。
本发明的有益效果是：
1)根据码头区域的作业环境，可以实时动态选择自动驾驶方法：车辆根据提前获得的码头区域地图信息，检测车辆是否位于桥吊区域，动态选择卫星导航定位方法或者车道线检测方法，从而实现港口场景的车辆自动驾驶。
2)车辆定位精确：在gps信号良好的情况下，优先选择gnss-rtk导航方法对车辆进行定位，这样能为车辆提供厘米级别的精度，保证港口车辆的自动驾驶的精确要求。
3)作业流程快速可靠：在车辆进入桥吊区域，选择车道线检测技术，并利用purepursuit方法，使得车辆和车道线之间的偏差不超过3°，从而保证了装卸集装箱的作业流程快速可靠。
4)节约成本：码头集装箱工作场景的完全自动化驾驶，能减少卡车司机的人员成本和集装箱装卸过程中的材料成本，从而大大降低港口运输的成本。
5)运输安全：本发明的自动驾驶定位方法也减少了由于司机工作疲劳、视线不清晰等问题导致的各种事故，使整个港口的运输更加流畅安全。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种集装箱码头区域的车辆自动驾驶方法的一个实施例的流程图；
图2是本发明的模式一的一个实施例的流程图；
图3是本发明的模式二的一个实施例的流程图；
图4为本发明一种集装箱码头区域的车辆自动驾驶系统的一个实施例的结构示意图。
具体实施方式
以下描述用于公开本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变形。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。
在这里使用的术语仅用于描述各种实施例的目的且不意在限制。如在此使用的，单数形式意在也包括复数形式，除非上下文清楚地指示例外。另外将理解术语“包括”和/或“具有”当在该说明书中使用时指定所述的特征、数目、步骤、操作、组件、元件或其组合的存在，而不排除一个或多个其它特征、数目、步骤、操作、组件、元件或其组的存在或者附加。
港口码头作业的环境极为复杂，不能只考虑基于卫星导航定位的自动驾驶方法或者基于车道线检测的自动驾驶方法中的一种，本发明根据码头区域的实际环境来实时动态的选择最合适的方法，保证码头区域车辆的自动驾驶和安全可靠。
一、一种集装箱码头区域的车辆自动驾驶方法
在车辆试行阶段，将gps设备安装在车辆上，让车辆行驶在码头区域的所有路段，并记录车辆运行的gps轨迹，可以在离线状况下生成一份码头区域的高精道路地图，根据这一地图，车辆就可以判断其是否进入码头桥吊区域，从而使得车辆可以动态选择卫星导航或车道线检测的自动驾驶方法。
图1为本发明的一个实施例的一种集装箱码头区域车辆自动驾驶方法的流程图，由图1可见，该方法的工作步骤如下，包括：
判断车辆是否处于桥吊区域；
本实施例中，车辆根据预先获取的码头区域的地图，可以判断车辆是否处于桥吊区域，以进一步判断车辆进入桥吊区域是否能识别车道线或在非桥吊区域是否能接收卫星导航信息；
若是桥吊区域，则判断是否能识别出车道线；
由于桥吊装卸集装箱的时候，对卡车的位置和朝向有严格的规定，所以所有的码头桥吊区域一般都会有很清晰的车道线标示，但是有可能会出现车辆发生故障无法识别车道线或者车道线不清晰的情况，所以为了确保检测车道线自动驾驶方法的可靠性，这里在车辆进入桥吊区域，车辆会进一步判断是否能识别出车道线；
若能识别出车道线，则采用模式一进行自动驾驶；
在码头桥吊工作区域，由于有很多桥吊并排作业，会造成卫星定位信号的多径效应，导致车辆无法定位自己的坐标，难以准确获得车辆的坐标位置信息；
由于桥吊装卸集装箱的时候，对卡车的位置和朝向有严格的规定，所以所有的码头桥吊区域一般都会有很清晰的车道线标示，这样就采用模式一进行自动驾驶，这里的模式一即车辆选择基于车道线检测的自动驾驶模式进行自动驾驶；
若不能识别出车道线，则车辆进行报警；
在车辆处于桥吊区域中但是无法识别车道线的情况下车辆将会进行报警，以方便及时得知车辆的行驶状态，从而及时采取有关紧急措施。
若不是桥吊区域，则判断是否能接收卫星导航信息；
在车辆处于非桥吊区域中，首先会判断其是否能接收卫星导航信息，这样可以确保在车辆无法识别卫星导航信息的状况下，以进一步判断车辆是否能识别车道线，从而多了一个备用选择的方式；
若能接收到卫星导航信息，则采用模式二进行自动驾驶；这里的模式二即车辆选择基于卫星导航的自动驾驶模式进行自动驾驶；
若不能接收到卫星导航信息，则判断车辆是否能识别出车道线，若能识别出车道线，则采用模式一进行自动驾驶，这里的模式一即车辆选择基于车道线检测的自动驾驶模式进行自动驾驶；若既不能接收到卫星导航信息，并且也不能识别出车道线，则车辆进行报警。
车辆处于非桥吊区域中，车辆无法接收卫星导航信息且无法识别车道线的情况下将会进行报警，以方便及时得知车辆行驶的状态，从而及时采取有关紧急措施。
通过上述的自动驾驶方法，车辆根据提前获得的码头区域地图信息，检测车辆是否位于桥吊区域，可以实时动态选择卫星导航定位方法或者车道线检测方法，从而实现港口场景的车辆自动驾驶。
二、下面结合附图2和3，对模式一和模式二的自动驾驶方法作具体描述：
(一)模式一
图2是本发明的模式一的一个实施例的流程图，参见图2，采用模式一主要进行自动驾驶包括以下几个子步骤：
s11、获取车辆在所处车道线中的图像信息；本实施例中，可以通过车辆上的安装的摄像头获取车辆在所处车道中的图像信息包括，通过校准过的参数对图像中的车辆的像素坐标进行校准；其中对车辆的像素坐标进行校准包括径向畸变校准和切向畸变校准。
优选的，可以将摄像头水平安装在车辆的正前方，以获得准确的车辆位置信息，可以理解的是，本发明对获取车辆位置信息的图像采集方法和设备不做限制，视具体情况而定，其中：
1)径向畸变校准公式如下：
xc＝x(1+k1r2+k2r4+k3r6),(1)
yc＝y(1+k1r2+k2r4+k3r6),(2)
2)切向畸变校准公式如下：
xc＝x+[2p1xy+p2(r2+2x2)],(3)
yc＝y+[2p2xy+p1(r2+2y2)],(4)
其中，x、y为校准之前的车辆的像素坐标，xc、yc为校准之后的车辆的像素坐标；
k1k2和k3为图像采集设备的径向畸变系数；p1和p2为图像采集设备的切向畸变系数，r为图像中的一个像素到图像中心像素的距离。
s12、通过深度神经网络训练的模型识别出图像上的车道线的二维坐标；
通过深度神经网络训练的模型识别出图像上的车道线的二维坐标可使用现有技术中的常规识别方法，在此不再具体说明(参见专利号为cn105260699a或cn106228125a的专利)。
s13、将车道线的二维坐标转换为三维坐标；
本实施例中，由于车辆的摄像头是水平安装的，所以车道线在三维坐标系下的一个维度是已知的，可以通过下面的公式可以将二维的车道线坐标转换成三维坐标，方便控制模块控制车辆自动驾驶，具体公式如下：
c＝t1*i1,(5)
i2＝t2*c，(6)
其中，i1为车道线在图像上的二维坐标，t1为将车道线在图像上的二维坐标转换到三维坐标的转换矩阵，c为车道线在其所对应的摄像头中的三维坐标，i2为车道线在其对应的imu(惯性测量单元)中的三维坐标，t2为车道线在其对应的摄像头三维坐标转换到对应的imu(惯性测量单元)中的三维坐标的转换矩阵。
s14、根据车辆的轴距、位置和朝向角度获取车辆在车道线中的转向数据；这里的位置是指车辆后轮中心距离目标点的距离，朝向角度是指车辆自身朝向与车辆后轮中心到目标点向量的角度。
本实施例中，优选的，利用purepursuit算法获取车辆的前轮偏角：
其中，l是车辆的轴距，ld是车辆后轮中心距离目标点的距离，α是车辆自身朝向与车辆后轮中心到目标点向量的角度。
本实施例中，利用purepursuit方法，使得车辆和车道线之间的偏差不超过3°，从而保证了装卸集装箱的作业流程快速可靠。
(二)模式二
图3是本发明的一个实施例的在模式二的流程图，参见图3，采用模式二进行自动驾驶主要包括以下几个子步骤：
s21、获取车辆的位置信息和朝向信息；本实施例中，优选的可利用单天线rtk差分数据获取车辆的位置信息；利用双天线rtk差分数据获取车辆的朝向信息，具体的，将两个rtk天线前后安装在车辆的车头上，获取天线在坐标系中的坐标，通过这两个坐标组成的向量的方向，即可得到车辆的朝向信息；
s22、根据码头区域地图生成车辆行驶路径；由前述提到的将gps设备安装在车辆上，让车辆行驶在码头区域的所有路段，并记录车辆运行的gps轨迹，可离线生成一份码头区域的高精道路地图，这样就能在有gps信号的条件下，在线生成车辆行驶路径，从而指导车辆的自动驾驶；
s23、根据车辆的位置信息、朝向信息、车辆行驶路径以及根据车辆的轴距获取车辆沿着所述行驶路径行驶的转向数据；本实施例中，优选的，利用purepursuit算法获取车辆的前轮偏角：
其中，l是车辆的轴距，ld是车辆后轮中心距离目标点的距离，α是车辆自身朝向与车辆后轮中心到目标点向量的角度。
因此，在gps信号良好的情况下，优先选择gnss-rtk导航方法对车辆进行定位，这样能为车辆提供厘米级别的精度，保证港口车辆的自动驾驶的精确要求；并且利用purepursuit方法，使得车辆的行驶路径更为准确，从而保证了装卸集装箱的作业流程快速可靠。
三、一种集装箱码头区域的车辆自动驾驶系统
图4为本发明一种集装箱码头区域的车辆自动驾驶系统的一个实施例的结构示意图，参见图4，在一个实施例中，一种集装箱码头区域的车辆自动驾驶系统，包括：
判断模块，用于判断车辆是否处于桥吊区域；
车道线识别模块，用于判断是否能识别出车道线，
卫星导航模块，用于判断是否能接收到卫星导航信息，
第一自动驾驶模块，用于采用模式一控制车辆进行自动驾驶；
第二自动驾驶模块，用于采用模式二控制车辆进行自动驾驶；
其中，当判断模块判断车辆处于桥吊区域时，则仅根据车道线识别模块的识别结果确定自动驾驶模式：若车道线识别模块能识别出车道线，则采用模式一进行自动驾驶；若不能识别出车道线，则车辆进行报警；
当判断模块判断车辆不是处于桥吊区域时，则根据卫星导航模块和车道线识别模块的识别结果确定自动驾驶模式：若卫星导航模块能接收到卫星导航信息，则采用模式二进行自动驾驶；若卫星导航模块不能接收到卫星导航信息，但车道线识别模块能识别出车道线，则采用模式一进行自动驾驶；若卫星导航模块不能接收到卫星导航信息，并且车道线识别模块也不能识别出车道线，则车辆进行报警。
该实施例中的自动驾驶系统其工作方式和过程如上述实施例中的一种集装箱码头区域的车辆自动驾驶方法相同，在此不再具体赘述。
本发明的车辆包括集装箱码头区域内部具有自动驾驶功能的重型/轻型的箱式/挂式卡车和agv(automaticguidedvehicle)自动导引车辆,以确保上述车辆能以安全的自动驾驶方法进入或离开桥吊区域，从而完成自动驾驶作业。另外，本发明的方法和系统也可扩展到货车或客车进入隧道时，动态选择卫星导航或车道线检测的自动驾驶模式，以保持自动驾驶状态。
综上所述，本发明获得了以下有益效果：
1)根据码头区域的作业环境，可以实时动态选择自动驾驶方法：车辆根据提前获得的码头区域地图信息，检测车辆是否位于桥吊区域，动态选择卫星导航定位方法或者车道线检测方法，从而实现港口场景的车辆自动驾驶。
2)车辆定位精确：在gps信号良好的情况下，优先选择gnss-rtk导航方法对车辆进行定位，这样能为车辆提供厘米级别的精度，保证港口车辆的自动驾驶的精确要求。
3)作业流程快速可靠：在车辆进入桥吊区域，选择车道线检测技术，并利用purepursuit方法，使得车辆和车道线之间的偏差不超过3°，从而保证了装卸集装箱的作业流程快速可靠。
4)节约成本：码头集装箱工作场景的完全自动化驾驶，能减少卡车司机的人员成本和集装箱装卸过程中的材料成本，从而大大降低港口运输的成本。
5)运输安全：本发明的自动驾驶定位方法也减少了由于司机工作疲劳、视线不清晰等问题导致的各种事故，使整个港口的运输更加流畅安全。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。