一种自动化程度高的无人驾驶系统的制作方法

本发明涉及无人驾驶
技术领域：
，具体涉及一种自动化程度高的无人驾驶系统。
背景技术：
：随着人工智能技术的发展，无人驾驶车辆成为未来汽车的发展方向，具有安全性高、高效便利的优势，有助于弥补有人驾驶汽车的缺陷，有效减少交通事故。观察者在观看图像时，只会对图像中感兴趣的区域的信息进行重点分析，而不会对图像的全局信息都进行分析。传统的图像分析的方法大多是对图像的全局信息进行分析处理，这不符合对图像信息的处理过程，而且这种全局分析方法增加了许多次要信息的分析和处理，造成了很多不必要的计算上的浪费。技术实现要素：针对上述问题，本发明旨在提供一种自动化程度高的无人驾驶系统。本发明的目的采用以下技术方案来实现：提供了一种自动化程度高的无人驾驶系统，包括感知子系统、任务子系统、决策子系统、控制子系统和虚拟现实子系统，所述感知子系统用于感知车辆驾驶环境，包括全景摄像设备和图像感兴趣区域提取装置，所述全景摄像设备用于获取车辆周围全景信息，所述图像感兴趣区域提取装置用于获取周围环境的感兴趣区域，所述任务子系统根据车辆驾驶环境下达任务，所述决策子系统用于接收下达的任务，并做出决策，所述控制子系统用于将接收到的决策转换成实际对车进行控制的指令，所述虚拟现实子系统与所述感知子系统无线连接，用于显示车辆驾驶环境信息。本发明的有益效果为：提供了一种自动化程度高的无人驾驶系统。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：感知子系统1、任务子系统2、决策子系统3、控制子系统4、虚拟现实子系统5。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种自动化程度高的无人驾驶系统，包括感知子系统1、任务子系统2、决策子系统3、控制子系统4和虚拟现实子系统5，所述感知子系统1用于感知车辆驾驶环境，包括全景摄像设备和图像感兴趣区域提取装置，所述全景摄像设备用于获取车辆周围全景信息，所述图像感兴趣区域提取装置用于获取周围环境的感兴趣区域，所述任务子系统2根据车辆驾驶环境下达任务，所述决策子系统3用于接收下达的任务，并做出决策，所述控制子系统4用于将接收到的决策转换成实际对车进行控制的指令，所述虚拟现实子系统5与所述感知子系统1无线连接，用于显示车辆驾驶环境信息。本实施例提供了一种自动化程度高的无人驾驶系统。优选的，所述虚拟现实子系统5包括通信模块和全景显示端，所述通信模块用于感知子系统1向虚拟现实子系统5传输车辆驾驶环境信息，所述全景显示端用于显示车辆驾驶环境信息。本优选实施例实现了车辆驾驶信息的虚拟现实显示。优选的，所述决策子系统3接收任务后，对任务合理性进行判断，若任务合理，则做出决策传给控制子系统4，若任务不合理，则返回任务子系统2。本优选实施例提高了决策子系统的决策能力。优选的，所述图像感兴趣区域提取装置包括眼动生成模块、特征生成模块和评价模块，所述眼动生成模块用于获取图像的第一感兴趣区域，所述特征生成模块用于获取图像的第二感兴趣区域，所述评价模块用于根据第一感兴趣区域对第二感兴趣区域进行评价。所述图像的第一感兴趣区域采用眼动仪对测试者进行测试得到；所述特征生成模块包括特征提取单元、显著图生成单元和感兴趣区域生成单元，所述特征提取单元用于提取图像的颜色特征和纹理特征，所述显著图生成单元用于根据图像的特征生成图像的特征显著图，所述感兴趣区域生成单元用于根据特征显著图生成图像的第二感兴趣区域。所述颜色特征采用以下方式提取：a、将图像转换为hsv模式；通过下式提取颜色特征：式中,f(x,y)表示图像的颜色特征，bhd(x,y)表示图像位于像素点(x,y)的饱和度，bhd表示图像饱和度均值，ld(x,y)表示图像位于像素点(x,y)的亮度，ld表示图像亮度均值；b、将像素值的范围归一化为[0，255]，得到图像的颜色特征图；所述纹理特征采用以下方式提取：a、采用gabor滤波器组提取图像5个尺度8个方向上的纹理特征，得到图像的40幅纹理图；b、对图像的40幅纹理图进行归一化处理，然后等权重叠加，得到最终的纹理特征图。本优选实施例图像感兴趣区域提取装置设置特征提取单元对图像特征进行提取，对图像颜色特征进行提取时，将只能反映颜色特征的rgb值，转换为反映多特征的色调、饱和度和亮度信息，获取了更为准确的颜色特征图，对图像纹理特征进行提取时，选取40幅纹理图进行处理，得到了更为细致的纹理信息。优选的，所述生成图像的特征显著图采用以下方式：a、根据颜色特征图和纹理特征图，采用itti视觉感知模型得到相应的颜色显著图和纹理显著图；b、采用下式确定图像的特征显著图：式中，x表示图像的特征显著图，y表示图像的颜色显著图，w表示图像的纹理显著图；采用以下方式生成所述图像的第二感兴趣区域：将像素值的范围归一化为[0，255]，设定阈值t，提取像素值大于t的像素点，得到图像的第二感兴趣区域de。本优选实施例基于图像底层特征提取感兴趣区域，通过颜色特征反映图像全局特征，纹理特征反映图像的局部特征，获取了更为准确的图像的特征显著图，从而得到的第二感兴趣区域更为准确。优选的，所述评价模块包括第一评价单元、第二评价单元、综合评价单元，所述第一评价单元对第二感兴趣区域进行一次评价，获取第一评价值，所述第二评价单元对第二感兴趣区域进行二次评价，获取第二评价值，所述综合评价单元根据第一评价值和第二评价值对第二感兴趣区域进行综合评价，得到综合评价值；所述对第二感兴趣区域进行一次评价采用第一评价值进行，第一评价值p1采用下式计算：式中，dy表示第一感兴趣区域，dei和dyi分别表示第二感兴趣区域和第一感兴趣区域第i个像素点对应的像素值，m表示图像中包含的像素个数；所述对第二感兴趣区域进行二次评价采用第二评价值进行，第二评价值p2采用下式计算：式中，w和h分别表示是图像的宽度和高度；所述对第二感兴趣区域进行综合评价采用综合评价值进行，综合评价值pc采用下式计算：综合评价值越大，表明第二感兴趣区域提取越准确。本优选实施例图像感兴趣区域提取装置将第一感兴趣区域作为评价标准，通过求取第二感兴趣区域综合评价值来反映第二感兴趣区域的准确性和有效性，保证了第二感兴趣区域的准确性，提高了无人驾驶系统的环境感知性能，从而提升了无人驾驶系统的安全性。采用本发明自动化程度高的无人驾驶系统进行自动驾驶，当驾驶路程不同时，对驾驶安全性和驾驶效率进行统计，同其它无人驾驶系统相比，产生的有益效果如下表所示：驾驶路程/km驾驶安全性提高驾驶效率提高10010％18％11012％23％12013％25％13015％28％14017％32％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12