本申请涉及汽车技术领域，特别地，涉及一种基于云的汽车无人驾驶系统。
背景技术：
智能汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。
它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
智能汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。
技术实现要素：
本申请提供一种基于云的汽车无人驾驶系统，用于解决上述的问题。
本申请还提供了一种基于云的汽车无人驾驶系统，其特征在于，包括云、多个地磁传感器组成的地磁传感网络、运动分析装置和控制装置；其中，
云，贮存于停车场后台，用于在智能汽车进入停车场时，将目的车位和路线发送给智能汽车；
地磁传感器布设在停车场的道路路面下，用于在智能汽车沿着规划的路线行进前往目的车位时，感知该智能汽车；
运动分析装置，贮存于智能汽车上，用于根据地磁传感器的感知数据分析智能汽车的速度和轨迹；
控制装置，贮存于智能汽车上，用于根据运动分析装置的分析控制智能汽车的速度，以防止智能汽车之间发生碰撞。
本发明通过地磁传感器检测智能汽车的运行状况来预测智能汽车的轨迹，并进而控制智能汽车的速度，以防止智能汽车之间发生碰撞，实现了提前就能控制和避免智能汽车的碰撞，并且节省了现有的奔驰b和雷克萨斯ls复杂的雷达系统，并且完全解放了驾驶员的车速控制操作，使得驾驶员在将智能汽车送入停车场门口时，即可自行离开智能汽车。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1示出了根据本发明一个实施例的基于云的汽车无人驾驶系统的示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
图1示出了根据本发明一个实施例的基于云的汽车无人驾驶系统的示意图。包括云10、多个地磁传感器组成的地磁传感网络20、运动分析装置30和控制装置40；其中，
云10，贮存于停车场后台，用于在智能汽车进入停车场时，将目的车位和路线发送给智能汽车；
地磁传感器20布设在停车场的道路路面下，用于在智能汽车沿着规划的路线行进前往目的车位时，感知该智能汽车；
运动分析装置30，贮存于智能汽车上，用于根据地磁传感器20的感知数据分析智能汽车的速度和轨迹；
控制装置40，贮存于智能汽车上，用于根据运动分析装置30的分析控制智能汽车的速度，以防止智能汽车之间发生碰撞。
现有的奔驰b和雷克萨斯ls配备了一种汽车无人驾驶系统。其原理是：遍布车辆周围的雷达探头测量自身与周围物体之间的距离和角度，然后通过车载电脑计算出操作流程配合车速调整方向盘的转动，驾驶者只需要控制车速即可。现有的汽车无人驾驶系统因为还需要人工控制车速，所以还不能用于智能汽车。这样存在的问题，一是给驾驶员增加了开车负担，而是驾驶员在停车过程中不能离开汽车，耽误不少时间，而且可能还要多绕很多路才能走到目的地；二是需要复杂的雷达系统。
而本发明通过地磁传感器检测智能汽车的运行状况来预测智能汽车的轨迹，并进而控制智能汽车的速度，以防止智能汽车之间发生碰撞，实现了提前就能控制和避免智能汽车的碰撞，并且节省了现有的奔驰b和雷克萨斯ls复杂的雷达系统，并且完全解放了驾驶员的车速控制操作，使得驾驶员在将智能汽车送入停车场门口时，即可自行离开智能汽车。
优选的，地磁传感器在其检测区域内，通过检测磁力线的扰动以确定智能汽车的进入和离开。
基于地磁信号的检测准确率超过了复杂的雷达系统等传统设备，采用地磁传感器对智能汽车进行检测，提高了感知智能汽车的准确度，并且还降低了成本。
优选的地磁传感器包括：
采集模块，用于设地磁传感器检测到的原始信号数据进行低通和带通滤波器去噪、降低采样频率、求能量谱处理，得到信号β(k)；
加工模块，用于采用滑动加权对信号进行处理得到平滑后信号β′(k)：
式中，window表示滑动窗口长度。
本优选实施例对原始信号进行平滑处理，这能够消除突发噪声的影响，可以提高信号分析的准确率。
优选的，运动分析装置包括：
v模块，用于分析智能汽车的速度；
r模块，用于分析智能汽车的轨迹。
本优选实施例同时分析智能汽车的速度和轨迹，从而能够综合分析汽车的运动状况。
优选的，v模块包括：
阈值模块，用于确定阈值t(k)，若当前信号采样连续超过阈值则认为有智能汽车存在，当信号连续低于阈值则认为智能汽车不存在，其中，t(k)根据b′(k)的变化进行迭代更新，假设阈值初始值为t0，t(k)采用下式进行更新：
式中，a和b为更新因子，t为阈值更新延迟，0＜a＜1，b＞1；
速度模块，确定速度
式中，δtb和δta分别表示地磁传感器b和地磁传感器a的时钟和标准时钟的差值，tb,start和ta,start分别表示地磁传感器b和地磁传感器a的检测到智能汽车的开始时间，tb,end和ta,end分别表示地磁传感器b和地磁传感器a的检测到智能汽车的截止时间，da,b表示两个地磁传感器之间的距离。
本优选实施例加强了对实际检测环境中背景噪声的分析处理，因此提高了鲁棒性，能够保证智能汽车检测的准确性和可靠性；求取智能汽车速度时，考虑了地磁传感器的时钟同步问题，智能汽车速度检测更为准确。
优选的，r模块包括一般模块和简化模块，一般模块用于建立轨迹一般模型，简化模块用于建立与符合车道的轨迹简化模型。
轨迹一般模型为：假设地磁传感网络中的多个地磁传感器构成的n个节点，在固定的时间间隔内对智能汽车进行周期性的检测并上报汇聚节点，得到一个n维向量集d＝(+1,0,-1)n,其中，+1表示智能汽车向着地磁传感器的检测范围方向移动，0表示没有发现智能汽车，-1表示智能汽车往远离地磁传感器检测范围的方向移动，根据向量集d以及对应的时间戳对智能汽车轨迹进行估算；
轨迹简化模型为：智能汽车的运行轨迹是与车道平行的直线，汇聚节点在固定的时间间隔π内以一定的频率采样智能汽车数据，则采样结果表示为一个二元检测序列o(tj)：
式中，tj表示采样时刻，s(tj)为根据阈值检测到的智能汽车存在性状态输出。
本优选实施例实现了对智能汽车轨迹的估算，一般模型能够对于各种轨迹进行估算，当智能汽车运行于规划路线时，采用轨迹简化模型能够对智能汽车轨迹进行简化，提高了计算效率，节省了计算时间，从而能更及时地预判，提前将智能汽车减速或加速。
优选的，设在某一时刻地磁传感器f检测到尾部离开事件，地磁传感器g检测到头部进入，智能汽车长度检测模块确定智能汽车的长度为：
式中，
由于磁信号受到环境因素的影响，将温湿度和气压作为依据对误差调整参数进行计算，获得的智能汽车长度更为准确。本优选实施例在对智能汽车长度进行检测的过程中，引入t、h、p分别为实际环境中的温度、湿度、气压，从而可以调整这些自然因素带来的误差，能够减少经计算得到的磁性长度与智能汽车实际长度的误差，
需要说明的是，上述装置或系统实施例属于优选实施例，所涉及的模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本申请所提供的一种基于云的汽车无人驾驶系统，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。