基于数据同步的自动驾驶方法、终端及可读存储介质与流程

本发明涉及自动驾驶技术领域，尤其涉及一种基于数据同步的自动驾驶方法、终端及可读存储介质。

背景技术：

随着自动驾驶技术的推广和使用，自动驾驶车辆逐步得到了推广和应用。自动驾驶不仅能够将汽车行驶的危险性降低，而且能够减轻用户繁重的驾驶任务，因此，自动驾驶也是未来汽车发展的一大趋势。

目前，自动驾驶系统大多采用多个分立传感器(摄像头、激光雷达)，分别收集与处理各个分立传感器的数据，这样的处理方式可能引起一些数据的丢失，导致各传感器数据在时间及空间的同步精度较差，延时比较严重，从而对车辆使用的可靠性造成了较大影响。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种基于数据同步的自动驾驶方法，旨在解决自动驾驶系统的传感器数据在时间及空间的同步精度较差的技术问题。

为实现上述目的，本发明提供一种基于数据同步的自动驾驶方法，所述基于数据同步的自动驾驶方法包括以下步骤：

基于车辆的imu模块对应的can总线数据获取gps同步信号；

基于所述gps同步信号定时获取集成模块对应的采集数据，并基于所述采集数据以及预设规则生成环境数据；

基于所述环境数据以及所述can总线数据生成车辆对应的控制信号；

基于所述控制信号控制所述车辆。

进一步地，在一实施方式中，集成模块包括摄像头、雷达传感器，所述基于所述gps同步信号定时获取集成模块对应的采集数据，并基于所述采集数据以及预设规则生成环境数据的步骤包括：

基于所述gps同步信号定时获取摄像头捕捉的视频数据、雷达传感器的采集数据；

基于所述视频数据、所述采集数据以及所述预设规则生成所述环境数据。

进一步地，在一实施方式中，所述雷达传感器包括激光雷达和毫米波雷达，所述基于所述视频数据、所述采集数据以及所述预设规则生成所述环境数据的步骤包括：

判断当前天气信息；

所述天气为晴天时，基于所述视频数据、毫米波雷达的采集数据、激光雷达采集的点云数据生成所述环境数据；

所述天气为非晴天时，基于所述视频数据、毫米波雷达的采集数据生成所述环境数据。

进一步地，在一实施方式中，所述基于车辆的imu模块对应的can总线数据获取gps同步信号的步骤之前，还包括：

基于所述车辆的rtk模块实时获取gps信号，并基于所述imu模块获取车辆的行驶数据；

基于所述gps信号和所述行驶数据生成所述can总线数据。

进一步地，在一实施方式中，所述行驶数据包括：所述车辆的第一行驶方向以及所述车辆的第一行驶速度。

进一步地，在一实施方式中，所述基于所述环境数据以及所述can总线数据生成车辆对应的控制信号的步骤包括：

基于所述环境数据确定周围物体的位置信息、所述周围物体的第二行驶方向、所述周围物体的第二行驶速度以及交通限制信息；

基于所述第一行驶方向、所述第一行驶速度、所述位置信息、所述第二行驶方向、所述第二行驶速度以及所述交通限制信息，通过预设的传感器耦合计算深度学习模型生成所述控制信号。

进一步地，在一实施方式中，所述基于所述控制信号控制所述车辆的步骤包括：

基于所述控制信号确定偏角和加速度，其中，所述加速度包括加速和减速；

基于所述偏角以及所述加速度控制所述车辆。

进一步地，在一实施方式中，所述基于数据同步的自动驾驶方法还包括：

基于所述控制信号控制所述车辆行驶至目的地的过程中，当根据环境数据确定当前路面存在移动障碍物时，则控制所述车辆停车；

当根据环境数据确定所述移动障碍物离开当前路面后，继续执行基于所述环境数据以及所述can总线数据生成车辆对应的控制信号的步骤。

此外，为实现上述目的，本发明还提供一种终端，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于数据同步的自动驾驶程序，所述基于数据同步的自动驾驶程序被所述处理器执行时实现上述任一项所述的基于数据同步的自动驾驶方法的步骤。

此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有基于数据同步的自动驾驶程序，所述基于数据同步的自动驾驶程序被处理器执行时实现上述任一项所述的基于数据同步的自动驾驶方法的步骤。

本发明通过基于车辆的imu模块对应的can总线数据获取gps同步信号，而后基于所述gps同步信号定时获取集成模块对应的采集数据，并基于所述采集数据以及预设规则生成环境数据，接下来基于所述环境数据以及所述can总线数据生成车辆对应的控制信号，最后基于所述控制信号控制所述车辆。通过利用gps同步信号定时采集数据，实现了数据同步，减小数据间的延时，同时所有采集的数据同时处理，有效地防止数据的丢失，保证了数据的准确性，提升了自动驾驶的可靠性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明基于数据同步的自动驾驶方法第一实施例的流程示意图；

图3为本发明中自动驾驶终端对应的模块、信号以及数据的示意图；

图4为本发明基于数据同步的自动驾驶方法第三实施例的流程示意图；

图5为本发明基于数据同步的自动驾驶方法第四实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的解决方案主要是：基于imu模块对应的can总线数据获取gps同步信号，而后基于所述gps同步信号定时获取集成模块对应的采集数据，并基于所述采集数据以及预设规则生成环境数据，接下来基于所述环境数据以及所述can总线数据生成车辆对应的控制信号，最后基于所述控制信号控制所述车辆。以解决自动驾驶系统的传感器数据在时间及空间的同步精度较差的问题。

本发明实施例涉及的专业术语包括：

imu：inertialmeasurementunit，惯性测量单元，主要就是用来机车高精度定位的，可以到厘米级别，可以测当前车速、当前车加速度和方向角等。

can：controllerareanetwork控制器局域网络，can总线协议已经成为汽车计算机控制系统和嵌入式工业控制局域网的标准总线。

rtk：real-timekinematic实时动态，这是一种新的常用的卫星定位测量方法，它采用了载波相位动态实时差分方法，是gps应用的重大里程碑。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可以是pc，也可以是智能手机、平板电脑、电子书阅读器、mp3(movingpictureexpertsgroupaudiolayeriii，动态影像专家压缩标准音频层面3)播放器、mp4(movingpictureexpertsgroupaudiolayeriv，动态影像专家压缩标准音频层面4)播放器、便携计算机等具有显示功能的可移动式终端设备。

如图1所示，该终端可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，终端还可以包括摄像头、rf(radiofrequency，射频)电路，传感器、音频电路、wifi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于数据同步的自动驾驶程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的基于数据同步的自动驾驶程序。

在本实施例中，终端包括：存储器1005、处理器1001及存储在所述存储器1005上并可在所述处理器1001上运行的基于数据同步的自动驾驶程序，其中，处理器1001调用存储器1005中存储的基于数据同步的自动驾驶程序时，并执行以下操作：

基于车辆的imu模块对应的can总线数据获取gps同步信号；

基于所述gps同步信号定时获取集成模块对应的采集数据，并基于所述采集数据以及预设规则生成环境数据；

基于所述环境数据以及所述can总线数据生成车辆对应的控制信号；

基于所述控制信号控制所述车辆。

进一步地，处理器110可以调用存储器109中存储的基于数据同步的自动驾驶程序，还执行以下操作：

基于所述gps同步信号定时获取摄像头捕捉的视频数据、雷达传感器的采集数据；

基于所述视频数据、所述采集数据以及所述预设规则生成所述环境数据。

进一步地，处理器110可以调用存储器109中存储的基于数据同步的自动驾驶程序，还执行以下操作：

判断当前天气信息；

所述天气为晴天时，基于所述视频数据、毫米波雷达的采集数据、激光雷达采集的点云数据生成所述环境数据；

所述天气为非晴天时，基于所述视频数据、毫米波雷达的采集数据生成所述环境数据。

进一步地，处理器110可以调用存储器109中存储的基于数据同步的自动驾驶程序，还执行以下操作：

基于车辆的rtk模块实时获取gps信号，并基于所述imu模块获取车辆的行驶数据；

基于所述gps信号和所述行驶数据生成所述can总线数据。

进一步地，处理器110可以调用存储器109中存储的基于数据同步的自动驾驶程序，还执行以下操作：

所述行驶数据包括：所述车辆的第一行驶方向以及所述车辆的第一行驶速度。

进一步地，处理器110可以调用存储器109中存储的基于数据同步的自动驾驶程序，还执行以下操作：

基于所述环境数据确定周围物体的位置信息、所述周围物体的第二行驶方向、所述周围物体的第二行驶速度以及交通限制信息；

基于所述第一行驶方向、所述第一行驶速度、所述位置信息、所述第二行驶方向、所述第二行驶速度以及所述交通限制信息，通过预设的传感器耦合计算深度学习模型生成所述控制信号。

进一步地，处理器110可以调用存储器109中存储的基于数据同步的自动驾驶程序，还执行以下操作：

基于所述控制信号确定偏角和加速度，其中，所述加速度包括加速和减速；

基于所述偏角以及所述加速度控制所述车辆在当前路面行驶。

进一步地，处理器110可以调用存储器109中存储的基于数据同步的自动驾驶程序，还执行以下操作：

基于所述控制信号控制所述车辆行驶至目的地的过程中，当根据环境数据确定当前路面存在移动障碍物时，则控制所述车辆停车；

当根据环境数据确定所述移动障碍物离开所述路面后，继续执行基于所述环境数据及所述can总线数据生成车辆对应的控制信号的步骤。

本发明还提供一种方法，参照图2，图2为本发明基于数据同步的自动驾驶方法第一实施例的流程示意图。

在本实施例中，提供了基于数据同步的自动驾驶方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中，该基于数据同步的自动驾驶方法包括：

步骤s10，基于车辆的imu模块对应的can总线数据获取gps同步信号；

在本实施例中，自动驾驶终端安装在车辆上，包括imu模块、集成模块、传感器融合计算深度学习模块等，如图3所述，其中，imu模块主要用于获取当前车辆的驾驶数据；集成模块包括激光雷达和多个摄像头，主要用户获取车辆周围的环境数据，集成模块的对外接口包括千兆以太网卡、gps同步信号接口以及电源接口；传感器融合计算深度学习模块主要作用是根据输入的车辆的驾驶数据、环境数据等，利用预设的算法，计算得到控制车辆行驶的控制命令，进而驱动车辆在当前路面行驶，直至行驶到目的地。

具体地，imu模块采用can总线协议，输出满足can总线协议格式的数据，imu模块内置了rtk模块，rtk提供gps信号，根据imu模块输出的can总线数据可以获取到gps同步信号。

步骤s20，基于所述gps同步信号定时获取集成模块对应的采集数据，并基于所述采集数据以及预设规则生成环境数据；

在本实施例中，当自动驾驶终端接收到开启自动驾驶功能的指令时，则启动自动驾驶功能，辅助用户实现自动驾驶。

集成模块中的激光雷达和多个摄像头根据gps同步信号同时采集数据，实现激光雷达数据跟摄像头的图像数据在时间和空间更好的同步，采用该方式不但提升数据间的同步精度，而且大大减轻了传感器融合计算深度学习模块的运算工作量，提升了自动驾驶终端的相应速度。

进一步地，步骤s20包括：

步骤s21，基于所述gps同步信号定时获取摄像头捕捉的视频数据、雷达传感器的采集数据；

在本实施例中，当启动自动驾驶功能后，自动驾驶终端根据gps同步信号定时获取摄像头捕捉的图像数据以及雷达传感器采集数据。根据图像数据可确定车辆周围的情况，如当前路面情况、前方是否有障碍物等；根据雷达采集的数据可以进一步测算出车辆与周围物体之间的距离等。

步骤s22，基于所述视频数据、所述采集数据以及所述预设规则生成所述环境数据。

在本实施例中，对获取的图像数据进行处理，通过处理后的画面可确定车辆周围的情况，具体的，确定车辆前方是直行路线或者是有障碍物阻拦，确定阻碍物是人，还是车，亦或者是围栏等固定障碍物等，当有限速牌等交通标识时，可通过文字识别技术识别出限速牌上的限速车速，也就是说，自动驾驶终端预存有多种图片识别方法，在实际应用中，通常是多种识别方法一起进行识别，在此不一一列举。

进一步地，对获取的采集数据进行统计，并根据采集的数据和预设算法，计算出当前车辆相对各点的距离，确定当前车辆与周围物体之间的距离，即当前车辆与障碍物之间的距离。具体的，以激光雷达为例，自动驾驶终端通过发出去的激光和反射回来的激光之间的时间长短、光的传播速度以及当前车速，计算出当前车辆与前方障碍物的距离，若前方障碍物同样是车辆，则可通过两次发出去的激光的时间间隔，计算出前方车辆与当前车辆的距离，并根据当前车辆的车速，计算前方车辆的车速。毫米波雷达基本原理是发射一束电磁波，观察回波与入射波的差异来计算距离、速度等，与激光雷达相似，在此不再赘述。

步骤s30，基于所述环境数据以及所述can总线数据生成车辆对应的控制信号；

在本实施例中，从环境数据可确定车辆周围的情况，从can总线数据可以确定车辆的行驶情况，自动驾驶终端根据周围的情况以及车辆本身的行驶情况做出适合的决策，生成对应的控制信号，并以发送控制命令的方式控制车辆行驶。

举例说明，当前路面有障碍物时，应该根据障碍物距离车辆的距离、障碍物的运动速度、方向以及车辆本身的行驶情况即车辆行驶速度、行驶方向，提前做出决策，以免发生意外。如果障碍物时静止的，车辆应该在到达障碍物之前停止行进，并通知用户；如果路面有限速标志，需要保持车速在限速范围内。

步骤s40，基于所述控制信号控制所述车辆。

在本实施例中，控制信号可以控制车辆的行驶行为，控制信号是根据当前路面周围的情况以及车辆当前的驾驶情况以及根据现有的特定算法实时生成的，如当前路面有弯道，自动驾驶终端则生成转弯的控制信号，并发送给车辆，车辆根据控制信号的要求进行转弯，以及加速或减速等。

进一步地，在一实施例中，步骤s22包括：

步骤a，判断当前天气信息；

步骤b，所述天气为晴天时，基于所述视频数据、毫米波雷达的采集数据、激光雷达采集的点云数据生成所述环境数据；

步骤c，所述天气为非晴天时，基于所述视频数据、毫米波雷达的采集数据生成所述环境数据。

在本实施例中，自动驾驶终端在车辆行驶过程中，判断当前的天气信息，根据天气信息切换对应的雷达传感器进行采集数据的动作。具体的，自动驾驶终端通过气象传感器，采集当前天气信息，并判断当前天气信息属于何种气候，根据判定结果，选择对应的雷达传感器采集的数据，其中，若天气为晴天时，则同时选择毫米波雷达的采集数据和激光雷达采集的点云数据；若天气为非晴天时，包括下雨，大雾等气候，则仅使用换毫米波雷达传感器采集的数据。

需要说明的是，激光雷达在天气不好时，如雾霾，下雨等天气，由于空中颗粒物的存在，会干扰激光的轨迹，导致测量结果不准确；而毫米波雷达抗干扰能力强。通过判断当前的天气信息，选择雷达传感器采集的数据，提高了自动驾驶方法的智能性和适用性。

本实施例提出的基于数据同步的自动驾驶方法，基于车辆的imu模块对应的can总线数据获取gps同步信号，而后基于所述gps同步信号定时获取集成模块对应的采集数据，并基于所述采集数据以及预设规则生成环境数据，接下来基于所述环境数据以及所述can总线数据生成车辆对应的控制信号，最后基于所述控制信号控制所述车辆。通过利用gps同步信号定时采集数据，实现了数据同步，减小数据间的延时，同时所有采集的数据同时处理，有效地防止数据的丢失，保证了数据的准确性，提升了自动驾驶的可靠性。

基于第一实施例，提出本发明基于数据同步的自动驾驶方法的第二实施例，在本实施例中，步骤s10之前还包括：

步骤s50，基于所述车辆的rtk模块实时获取gps信号，并基于所述imu模块获取车辆的行驶数据；

在本实施例中，rtk载波相位差分技术是能够在野外实时得到厘米级定位精度的测量方法，是gps应用的重大里程碑，因此rtk模块可以实时提供gps信号，同时imu模块可以实时获取当前车辆的行驶数据。

进一步地，步骤s50包括：

步骤s51，所述行驶数据包括：所述车辆的第一行驶方向以及所述车辆的第一行驶速度。

在本实施例中，当前车辆的行驶数据包括车辆在当前路面上的行驶方向以及行驶速度。自动驾驶终端安装在车辆上，其中的imu模块是测量物体三轴姿态角(或角速率)以及加速度的装置，故根据imu测量车辆对应的角速度以及加速度，再进一步确定当前车辆的行驶方向和速度。

步骤s60，基于所述gps信号和所述行驶数据生成所述can总线数据。

在本实施例中，imu模块包括rtk模块，也就是说，imu模块可以获取到gps信号和行驶数据，且自动驾驶终端采用can总线协议，故imu模块生成满足总线协议的can总线数据，该数据包括gps信号和行驶数据，其中gps信号可以提取出gps同步信号用于集成模块采集数据。

进一步地，在一实施例中，步骤s30包括：

步骤s31，基于所述环境数据确定周围物体的位置信息、所述周围物体的第二行驶方向、所述周围物体的第二行驶速度以及交通限制信息；

在本实施例中，环境数据包括摄像头捕捉的图像数据以及雷达传感器采集的点云数据，自动驾驶终端根据环境数据可以确定周期物体的情况。具体地，可以确定物体的位置信息、其行驶方向、其行驶速度以及当前路面的交通限制信息，如限速、单行道等。

步骤s32，基于所述第一行驶方向、所述第一行驶速度、所述位置信息、所述第二行驶方向、所述第二行驶速度以及所述交通限制信息，通过预设的传感器耦合计算深度学习模型生成所述控制信号。

在本实施例中，根据can总线数据可以确定当前车辆的行驶方向和速度，根据环境数据可以确定路面上车辆以外物体的所在位置、行驶方向以及行驶速度，将这些数据输入到传感器耦合计算深度学习模型中，根据现有的特定算法计算出可以控制车辆行驶的控制信号。

本实施例提出的基于数据同步的自动驾驶方法，基于车辆的rtk模块实时获取gps信号，并基于所述imu模块获取车辆的行驶数据，而后基于所述环境数据确定周围物体的位置信息、所述周围物体的第二行驶方向、所述周围物体的第二行驶速度以及交通限制信息，接下来基于所述第一行驶方向、所述第一行驶速度、所述位置信息、所述第二行驶方向、所述第二行驶速度以及所述交通限制信息，通过预设的传感器耦合计算深度学习模型生成所述控制信号，并根据控制信号控制车辆进行行驶，提高了自动驾驶的智能性。

基于第二实施例，提出本发明基于数据同步的自动驾驶方法的第三实施例，参照图4，在本实施例中，步骤s40包括：

步骤s41，基于所述控制信号确定偏角和加速度，其中，所述加速度包括加速和减速；

在本实施例中，控制车辆行驶主要是控制车速和行驶方向，当需要停车时还需要制动，制动就是减低车辆行驶速度的动作。具体地，自动控制终端根据当前路面、限速标志以及车辆行驶情况等生成控制信号，也就是根据环境数据以及can总线数据生成控制信号，而后根据控制数据进一步确定控制车辆行驶的偏角和加速度，其中，偏角用于控制车辆的行驶方向，加速度用于控制车辆的行驶速度。

步骤s42，基于所述偏角以及所述加速度控制所述车辆。

在本实施例中，偏角用于控制车辆的行驶方向，即在车辆目前的行驶方向上再增加偏角的角度，以改变车辆的行驶方向，例如，当路面出现弯道时，需要控制车辆转弯，此时需要根据弯道的转向确定偏角，即车辆目前的行驶方向上再增加偏角的角度可以顺利完成车辆转弯；加速度用于控制车辆的行驶速度，即在车辆目前的行驶速度上再增加一定的加速度，以改变车辆的行驶速度，加速度还包括加速和减速，加速使车辆速度增加，减速则使车辆速度降低，例如，在车辆前方有障碍物或其他车辆时，当前车辆需要减速行驶，以免发生意外，故此时加速度应为减速。

本实施例提出的基于数据同步的自动驾驶方法，基于所述控制信号确定偏角和加速度，而后基于所述偏角以及所述加速度控制所述车辆。通过控制信号确定偏角和加速度进而控制当前车辆行驶，提高了车辆自动驾驶的智能性。

基于以上实施例，提出本发明基于数据同步的自动驾驶方法的第四实施例，参照图5，在本实施例中，该基于数据同步的自动驾驶方法包括：

步骤s70，基于所述控制信号控制所述车辆行驶至目的地的过程中，当根据环境数据确定当前路面存在移动障碍物时，则控制所述车辆停车；

步骤s80，当根据环境数据确定所述移动障碍物离开当前路面后，继续执行基于所述环境数据以及所述can总线数据生成车辆对应的控制信号的步骤。

在本实施例中，自动驾驶终端在确定路面信息的过程中，若检测到移动障碍物，则发送包括减速的控制命令，控制车辆减速行驶或停车，其中，移动障碍物包括人、动物、其他车辆等可移动且不长期停留的物体。判断是否为移动障碍物的方法具体表现为：实时获取雷达传感器以及激光测距器采集的点云，以被测物体不发生移动为前提，计算被测物体与车辆的距离，结合车辆当前速度，在一定时间内，分析被测物体与车辆的距离的变化量是否合理，若不合理，则表示除车辆在移动之外，被测物体也在移动，若被测物体在车辆行驶方向上，则被测物体为移动障碍物。

当自动驾驶终端确定当前有移动障碍物出现时，控制车辆减速行驶或停车，同时，摄像头依旧实时检测该移动障碍物的动向，直至该移动障碍物离开当前路面后，自动驾驶终端根据控制信号继续控制车辆行驶，将车辆开至指定目的地。

本实施例提出的基于数据同步的自动驾驶方法，基于所述控制信号控制所述车辆行驶至目的地的过程中，当根据环境数据确定当前路面存在移动障碍物时，则控制所述车辆停车，而后当根据环境数据确定所述移动障碍物离开所述路面后，继续执行基于所述环境数据及所述can总线数据生成车辆对应的控制信号的步骤。通过环境数据确定周围物体情况，进而作出准确判断控制车辆行驶，提高了自动驾驶的智能性和适用性。

此外，本发明实施例还提出一种可读存储介质，所述可读存储介质上存储有基于数据同步的自动驾驶程序，所述基于数据同步的自动驾驶程序被处理器执行时实现如下操作：

基于车辆的imu模块对应的can总线数据获取gps同步信号；

基于所述gps同步信号定时获取集成模块对应的采集数据，并基于所述采集数据以及预设规则生成环境数据；

基于所述环境数据以及所述can总线数据生成车辆对应的控制信号；

基于所述控制信号控制所述车辆。

进一步地，所述基于数据同步的自动驾驶程序被处理器执行时还实现如下操作：

基于所述gps同步信号定时获取摄像头捕捉的视频数据、雷达传感器的采集数据；

基于所述视频数据、所述采集数据以及所述预设规则生成所述环境数据。

进一步地，所述基于数据同步的自动驾驶程序被处理器执行时还实现如下操作：

判断当前天气信息；

所述天气为晴天时，基于所述视频数据、毫米波雷达的采集数据、激光雷达采集的点云数据生成所述环境数据；

所述天气为非晴天时，基于所述视频数据、毫米波雷达的采集数据生成所述环境数据。

进一步地，所述基于数据同步的自动驾驶程序被处理器执行时还实现如下操作：

基于所述车辆的rtk模块实时获取gps信号，并基于所述imu模块获取车辆的行驶数据；

基于所述gps信号和所述行驶数据生成所述can总线数据。

进一步地，所述基于数据同步的自动驾驶程序被处理器执行时还实现如下操作：

所述行驶数据包括：所述车辆的第一行驶方向以及所述车辆的第一行驶速度。

进一步地，所述基于数据同步的自动驾驶程序被处理器执行时还实现如下操作：

基于所述环境数据确定周围物体的位置信息、所述周围物体的第二行驶方向、所述周围物体的第二行驶速度以及交通限制信息；

基于所述第一行驶方向、所述第一行驶速度、所述位置信息、所述第二行驶方向、所述第二行驶速度以及所述交通限制信息，通过预设的传感器耦合计算深度学习模型生成所述控制信号。

进一步地，所述基于数据同步的自动驾驶程序被处理器执行时还实现如下操作：

基于所述控制信号确定偏角和加速度，其中，所述加速度包括加速和减速；

基于所述偏角以及所述加速度控制所述车辆。

进一步地，所述基于数据同步的自动驾驶程序被处理器执行时还实现如下操作：

基于所述控制信号控制所述车辆行驶至目的地的过程中，当根据环境数据确定当前路面存在移动障碍物时，则控制所述车辆停车；

当根据环境数据确定所述移动障碍物离开当前路面后，继续执行基于所述环境数据以及所述can总线数据生成车辆对应的控制信号的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。