02百度無人駕駛經(jīng)典專利解讀

作為國(guó)內(nèi)最強(qiáng)的無人駕駛技術(shù)路線代表－百度，知情郎來解讀下它的經(jīng)典專利。

聊一聊近期百度公布的無人駕駛方面的專利，CN112572418A，公開日2021年03月30日。

該專利應(yīng)用場(chǎng)景是專門解決無人駕駛的車輛如何停車的問題。

很好理解，隨著無人駕駛技術(shù)的不斷發(fā)展，無人駕駛車輛例如無人駕駛公交車和無人駕駛出租車等越來越多，也越來越智能。

無人駕駛車輛在行駛過程中，往往都是根據(jù)定位有固定的停車點(diǎn)位（例如，無人駕駛公交車程有固定的停車點(diǎn)位），在到達(dá)固定的點(diǎn)位時(shí)直接停車，或者根據(jù)無人駕駛車輛中的乘客輸入的指令直接停車。

問題來了，未來，無人駕駛的車輛要自主決定是否停車，停在哪個(gè)位置，不靠人判斷，靠機(jī)器自己判斷停車點(diǎn)是否合適停車，就有難度了。

因?yàn)槟呐率穷A(yù)設(shè)了停車點(diǎn)，但那場(chǎng)地周圍路況復(fù)雜，停車位附近人流、車流不斷，未必適合直接停車，究竟什么情況下才能安全停車，需要具體判斷當(dāng)?shù)厍闆r而定。

這還是預(yù)設(shè)停車點(diǎn)的情況，如果沒有預(yù)設(shè)停車點(diǎn)，開到哪想隨時(shí)停，這情況處理起來就更復(fù)雜了。

百度的工程師想了一種方式，來提高無人駕駛車輛判斷停車點(diǎn)是否可�？康闹悄芑�程度。

03

步驟一，拍照獲取路面情況！

要判斷自然先要有第一手的實(shí)時(shí)信息。

所以，第一步，還是獲取信息。

當(dāng)無人駕駛車輛到達(dá)停車預(yù)設(shè)位置時(shí)，或者，接收到停車指令時(shí)，可進(jìn)行停車的準(zhǔn)備。

至于是否停車，需要獲取無人駕駛車輛上與車門位于同側(cè)的攝像頭在當(dāng)前位置拍攝的第一路面圖像，并根據(jù)后續(xù)檢測(cè)的路面實(shí)際情況確定。

攝像頭如何擺拍？

無人駕駛車輛外設(shè)置有多個(gè)攝像頭，且攝像頭與車門位于同側(cè)，以便于拍攝無人駕駛車輛設(shè)有車門的一側(cè)或兩側(cè)的路面圖像。

攝像頭會(huì)持續(xù)拍照，將一組組實(shí)時(shí)路況圖像信息傳回，處理器會(huì)對(duì)路面圖像進(jìn)行路面識(shí)別，路面識(shí)別結(jié)果可包括適合停車的路面或不適合停車的路面。

簡(jiǎn)單說明下，適合停車的狀態(tài)對(duì)應(yīng)路面識(shí)別結(jié)果為適合停車的路面，即路面情況良好，適于停車，即該狀態(tài)表征路面適于停車，有利于車輛中的乘客下車。

不適合停車的狀態(tài)對(duì)應(yīng)路面識(shí)別結(jié)果為不適合停車的路面，即表示路面情況較差，不適于停車，例如，路面有坑、有淤泥、有水、周圍情況復(fù)雜等，即該狀態(tài)表征路面不適于停車。

04

步驟二 與數(shù)據(jù)庫(kù)匹配相似度

識(shí)別路面情況

這步驟比較難，涉及到信息數(shù)據(jù)識(shí)別智能程度了。

說白了，把在停車現(xiàn)場(chǎng)拍到的冗雜路面信息清洗提煉一次，取得第一特征數(shù)據(jù)，即有明確指向性、強(qiáng)關(guān)聯(lián)、含金量高的數(shù)據(jù)特征。

如何清洗提煉第一特征數(shù)據(jù)？

有預(yù)設(shè)的數(shù)據(jù)庫(kù)，這個(gè)數(shù)據(jù)庫(kù)是專門用來存儲(chǔ)、分析路面信息特征的，里面含有匹配、判定邏輯。

簡(jiǎn)單說明下，預(yù)設(shè)的特征數(shù)據(jù)庫(kù)中包括多個(gè)路面圖像的特征數(shù)據(jù)，該特征數(shù)據(jù)與第一特征數(shù)據(jù)的類型相同（相似度很高），例如，預(yù)設(shè)特征數(shù)據(jù)庫(kù)中路面圖像的特征數(shù)據(jù)包括路面圖像的A特征的數(shù)據(jù)和B特征的數(shù)據(jù)等，對(duì)第一路面圖像進(jìn)行A特征和B特征的提取，則得到的第一特征數(shù)據(jù)包括第一路面圖像的A特征的數(shù)據(jù)和B特征的數(shù)據(jù)。

示例下，將第一特征數(shù)據(jù)與無人駕駛車輛中存儲(chǔ)的預(yù)設(shè)特征數(shù)據(jù)庫(kù)進(jìn)行匹配，確定目標(biāo)路面狀態(tài)，可以理解是對(duì)第一特征數(shù)據(jù)與預(yù)設(shè)特征數(shù)據(jù)庫(kù)中特征數(shù)據(jù)進(jìn)行相似度匹配，確定目標(biāo)路面狀態(tài)。

需要說明的是，上述預(yù)設(shè)特征數(shù)據(jù)庫(kù)中的多個(gè)路面圖像是在過去的時(shí)間里累積的已確定的不適于停車的路面的圖像。

也可以將第一特征數(shù)據(jù)甩到云端服務(wù)器數(shù)據(jù)庫(kù)，云端服務(wù)器通過已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對(duì)第一路面圖像進(jìn)行路面狀態(tài)識(shí)別，即識(shí)別第一路面圖像中的路面是否是好路面（即是否適合停車），得到目標(biāo)路面狀態(tài)，將目標(biāo)路面狀態(tài)發(fā)送給機(jī)車，機(jī)車接收云端服務(wù)器發(fā)送的目標(biāo)路面狀態(tài)，判斷目標(biāo)路面狀態(tài)是否為適合停車的狀態(tài)，在所述目標(biāo)路面狀態(tài)為第一路面狀態(tài)的情況下，即為適合停車的狀態(tài)，此時(shí)，控制無人駕駛車輛停車。

在所述目標(biāo)路面狀態(tài)為第二路面狀態(tài)的情況下，即為不適合停車的狀態(tài)，此時(shí)，可語音播放第一提示信息，以提示當(dāng)前路面不適合停車以及是否繼續(xù)行駛，若用戶進(jìn)行第一輸入，即選擇停止，則控制無人駕駛車輛停車，若用戶進(jìn)行第二輸入，即選擇繼續(xù)行駛，則控制無人駕駛車輛繼續(xù)行駛，尋找下一個(gè)適合停車的目標(biāo)路面狀態(tài)的路面進(jìn)行停車。

總體說，這個(gè)專利的難點(diǎn)不在于構(gòu)思，而在于預(yù)設(shè)的數(shù)據(jù)庫(kù)對(duì)路面圖片內(nèi)含特征信息的算法判定準(zhǔn)確率是否高。

舉個(gè)簡(jiǎn)單的例子，預(yù)設(shè)數(shù)據(jù)庫(kù)里的AI模型對(duì)于是否適合停車的判斷，在常年數(shù)據(jù)訓(xùn)練下，對(duì)道路平整、無積水的傾向性很高，即平整、無水特征濃的地方判定適合停車。

那么，攝像頭拍到的照片是車門外側(cè)的路面有坑坑洼洼、有積水的路況，AI模型大概率判定此地不適合停車。

但這種地方其實(shí)按照人類司機(jī)的判斷，是可以停車的，無非乘客下車時(shí)，需要自己注意點(diǎn)坑洼的地面，別踩到積水上就是了。

要到鄉(xiāng)下農(nóng)村祭祖游玩，那些公路基礎(chǔ)設(shè)施較差的地方，路面不都是坑坑洼洼的，不會(huì)像城市的道路那般平整。

如果預(yù)設(shè)的數(shù)據(jù)庫(kù)是按城市的道路來設(shè)計(jì)無人駕駛停車的思路，那么，這車開到路況復(fù)雜的農(nóng)村鄉(xiāng)下，怕是會(huì)得到大量不匹配停車的機(jī)器反饋。

停車邏輯判斷樹