02百度無人駕駛經(jīng)典專利解讀

作為國內(nèi)最強的無人駕駛技術(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。

該專利應用場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位（例如，無人駕駛公交車程有固定的停車點位），在到達固定的點位時直接停車，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，停在哪個位置，不靠人判斷，靠機器自己判斷停車點是否合適停車，就有難度了。

因為哪怕是預設(shè)了停車點，但那場地周圍路況復雜，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?shù)厍闆r而定。

這還是預設(shè)停車點的情況，如果沒有預設(shè)停車點，開到哪想隨時停，這情況處理起來就更復雜了。

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時信息。

所以，第一步，還是獲取信息。

當無人駕駛車輛到達停車預設(shè)位置時，或者，接收到停車指令時，可進行停車的準備。

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)的攝像頭在當前位置拍攝的第一路面圖像，并根據(jù)后續(xù)檢測的路面實際情況確定。

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。

攝像頭會持續(xù)拍照，將一組組實時路況圖像信息傳回，處理器會對路面圖像進行路面識別，路面識別結(jié)果可包括適合停車的路面或不適合停車的路面。

簡單說明下，適合停車的狀態(tài)對應路面識別結(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)對應路面識別結(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)庫匹配相似度

識別路面情況

這步驟比較難，涉及到信息數(shù)據(jù)識別智能程度了。

說白了，把在停車現(xiàn)場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)？

有預設(shè)的數(shù)據(jù)庫，這個數(shù)據(jù)庫是專門用來存儲、分析路面信息特征的，里面含有匹配、判定邏輯。

簡單說明下，預設(shè)的特征數(shù)據(jù)庫中包括多個路面圖像的特征數(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，預設(shè)特征數(shù)據(jù)庫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，對第一路面圖像進行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的預設(shè)特征數(shù)據(jù)庫進行匹配，確定目標路面狀態(tài)，可以理解是對第一特征數(shù)據(jù)與預設(shè)特征數(shù)據(jù)庫中特征數(shù)據(jù)進行相似度匹配，確定目標路面狀態(tài)。

需要說明的是，上述預設(shè)特征數(shù)據(jù)庫中的多個路面圖像是在過去的時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，云端服務(wù)器通過已訓練的神經(jīng)網(wǎng)絡(luò)對第一路面圖像進行路面狀態(tài)識別，即識別第一路面圖像中的路面是否是好路面（即是否適合停車），得到目標路面狀態(tài)，將目標路面狀態(tài)發(fā)送給機車，機車接收云端服務(wù)器發(fā)送的目標路面狀態(tài)，判斷目標路面狀態(tài)是否為適合停車的狀態(tài)，在所述目標路面狀態(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，控制無人駕駛車輛停車。

在所述目標路面狀態(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，可語音播放第一提示信息，以提示當前路面不適合停車以及是否繼續(xù)行駛，若用戶進行第一輸入，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，尋找下一個適合停車的目標路面狀態(tài)的路面進行停車。

總體說，這個專利的難點不在于構(gòu)思，而在于預設(shè)的數(shù)據(jù)庫對路面圖片內(nèi)含特征信息的算法判定準確率是否高。

舉個簡單的例子，預設(shè)數(shù)據(jù)庫里的AI模型對于是否適合停車的判斷，在常年數(shù)據(jù)訓練下，對道路平整、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。

但這種地方其實按照人類司機的判斷，是可以停車的，無非乘客下車時，需要自己注意點坑洼的地面，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，不會像城市的道路那般平整。

如果預設(shè)的數(shù)據(jù)庫是按城市的道路來設(shè)計無人駕駛停車的思路，那么，這車開到路況復雜的農(nóng)村鄉(xiāng)下，怕是會得到大量不匹配停車的機器反饋。

停車邏輯判斷樹