本发明涉及无人驾驶
技术领域：
，具体涉及一种无人驾驶系统。
背景技术：
大部分车祸都是由人为错误造成的，往往是由于驾驶员一时的不查造成了事故，因此，如果采用全自动化的无人驾驶汽车操作系统，相信能够减少这种无谓的人命损失，也能够让车辆更密集和更安全地行驶。此外在目前城市交通领域，最大的困扰是交通拥堵问题。如果未来将无人驾驶汽车技术与城市智能交通、云计算等技术高效地结合在一起，实现最优的交通出行，可能有望解决城市交通拥堵的难题。信息技术的飞速发展和计算机应用水平的不断提高，促进了图像技术的快速发展，充分利用这些图像信息和计算机超常的处理能力，可以提高无人驾驶汽车的环境感知能力。道路图像识别的关键问题是对道路图像的正确和快速分割。然而，先进的图像采集设备提供的道路图像中包含着数以千万的像素，运用传统方法进行分割时，算法的效率将是巨大的挑战。靠手工或半自动方式对大量的道路图像数据进行分割显然是不现实的，因此，研究道路图像的分割技术具有非常重要理论价值和现实意义。技术实现要素：针对上述问题，本发明旨在提供一种无人驾驶系统。本发明的目的采用以下技术方案来实现：提供了一种无人驾驶系统，包括环境感知系统、驾驶任务确定系统、指令生成系统和车辆控制系统，所述环境感知系统用于对车辆周围环境进行感知，获取道路状况，所述驾驶任务确定系统用于确定驾驶任务，所述指令生成系统用于根据道路状况和驾驶任务向车辆控制系统发送控制指令，所述车辆控制系统用于根据控制指令对车辆进行控制。本发明的有益效果为：提供了一种无人驾驶系统，根据道路状况，实现了车辆自动驾驶。可选的，所述环境感知系统包括道路图像获取子系统、道路图像分割子系统、道路图像识别子系统和路况分析子系统，所述道路图像获取子系统用于采集道路图像，所述道路图像分割子系统包括第一处理模块和第二处理模块，所述第一处理模块用于对道路图像进行分割，所述第二处理模块用于对所述第一处理模块的分割效果进行评价，所述道路图像识别子系统根据道路图像分割结果对图像进行识别，所述路况分析子系统根据道路图像识别结果分析道路状况。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：环境感知系统1、驾驶任务确定系统2、指令生成系统3、车辆控制系统4。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，本实施例的一种无人驾驶系统，包括环境感知系统1、驾驶任务确定系统2、指令生成系统3和车辆控制系统4，所述环境感知系统1用于对车辆周围环境进行感知，获取道路状况，所述驾驶任务确定系统2用于确定驾驶任务，所述指令生成系统3用于根据道路状况和驾驶任务向车辆控制系统4发送控制指令，所述车辆控制系统4用于根据控制指令对车辆进行控制。本实施例提供了一种无人驾驶系统，根据道路状况，实现了室内温度湿度的自动调节。可选的，所述环境感知系统1包括道路图像获取子系统、道路图像分割子系统、道路图像识别子系统和路况分析子系统，所述道路图像获取子系统用于采集道路图像，所述道路图像分割子系统包括第一处理模块和第二处理模块，所述第一处理模块用于对道路图像进行分割，所述第二处理模块用于对所述第一处理模块的分割效果进行评价，所述道路图像识别子系统根据道路图像分割结果对图像进行识别，所述路况分析子系统根据道路图像识别结果分析道路状况。本优选实施例实现了道路图像的准确分割。优选的，所述第一处理模块用于对道路图像进行分割，具体是：对于采集的道路图像，采用下式确定分割函数：上述式子中，n表示图像中像素的数目，uij表示第j个像素隶属于第i类的隶属度，0≤uij≤1且dij表示第j个像素到第i个聚类中心的欧式距离，m表示预设的模糊因子，m＞1，bzkj表示邻域像素k与中心像素j的相关系数，nj表示第j个像素的邻域像素组成的集合，k为nj中的像素，uik表示第k个像素隶属于第i类的隶属度，0≤uik≤1且dik表示第k个像素到第i个聚类中心的欧式距离,rl表示分割函数，c表示预设的聚类数目；所述相关系数通过下式确定：上述式子中，像素j是7×7邻域窗口的中心像素，像素k是像素j邻域窗口内的像素，xj和xk分别表示像素j和像素k的位置，h(j)和h(k)分别表示像素j和像素k的灰度值；最小化分割函数，得到第j个像素隶属于不同聚类的隶属度uij(i＝1,2,…,c)，对图像分割时，像素j被划分为第f类：f＝argmaxi{uij，i＝1，2，…，c}；对图像中的每一个像素进行分类，得到图像分割结果；本优选实施例第一处理模块采用分割函数对道路图像进行分割，获取了准确的图像分割结果，为后续路况分析奠定了基础，具体的，相关系数充分考虑了像素之间的空间距离和灰度距离，提升了图像分割的准确性。优选的，所述第二处理模块用于包括一次处理子模块、二次处理子模块和三次处理子模块，所述一次处理子模块用于获取分割效果的第一评价值，所述二次处理子模块用于获取分割效果的第二评价值，所述三次处理子模块根据第一评价值和第二评价值对分割效果进行综合评价；所述一次处理子模块用于获取分割效果的第一评价值，具体是：采用下式确定第一评价值：上述式子中，c表示预设的聚类数目，n表示图像中像素的数目，uij表示第j个像素隶属于第i类的隶属度，0≤uij≤1且zi表示第i个聚类中心，xj表示像素j的位置，cf1表示第一评价值；第一评价值越小，表示聚类内部的分割越好；所述二次处理子模块用于获取分割效果的第二评价值，具体是：采用下式确定第二评价值：上述式子中，c表示预设的聚类数目，n表示图像中像素的数目，uij表示第j个像素隶属于第i类的隶属度，0≤uij≤1且zi表示第i个聚类中心，xj表示像素j的位置,h(j)和h′(j)分别表示分割后与分割前的像素灰度值，cf2表示第二评价值；第二评价值越小，表示图像分割后与原图像的差别越小；所述三次处理子模块根据第一评价值和第二评价值对分割效果进行综合评价，具体是：采用下式确定综合评价值：cf＝3(cf1+cf2)+2(cf1+cf2)3；上述式子中，cf表示综合评价值；综合评价值越小，表示道路图像分割效果越好。本优选实施例第二处理模块实现了对图像分割效果的准确评价，便于根据最终分割结果随时对分割函数进行调整，从而保证了分割的准确性，具体的，通过确定第一评价值和第二评价值对分割效果进行评价，根据第一评价值和第二评价值确定综合评价值，实现了分割效果的综合评价。采用本发明无人驾驶系统进行人员看护，选取5个待看护人员进行实验，分别为待看护人员1、待看护人员2、待看护人员3、待看护人员4、待看护人员5，对看护效率和待看护人员满意度进行统计，同人工看护相比，产生的有益效果如下表所示：看护效率提高待看护人员满意度提高待看护人员129％27％待看护人员227％26％待看护人员326％26％待看护人员425％24％待看护人员524％22％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，本领域的普通技术待看护人员应当理解，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