02百度无人驾驶经典专利解读

作为国内最强的无人驾驶技术路线代表－百度，知情郎来解读下它的经典专利。

聊一聊近期百度公布的无人驾驶方面的专利，CN112572418A，公开日2021年03月30日。

该专利应用场景是专门解决无人驾驶的车辆如何停车的问题。

很好理解，随着无人驾驶技术的不断发展，无人驾驶车辆例如无人驾驶公交车和无人驾驶出租车等越来越多，也越来越智能。

无人驾驶车辆在行驶过程中，往往都是根据定位有固定的停车点位（例如，无人驾驶公交车程有固定的停车点位），在到达固定的点位时直接停车，或者根据无人驾驶车辆中的乘客输入的指令直接停车。

问题来了，未来，无人驾驶的车辆要自主决定是否停车，停在哪个位置，不靠人判断，靠机器自己判断停车点是否合适停车，就有难度了。

因为哪怕是预设了停车点，但那场地周围路况复杂，停车位附近人流、车流不断，未必适合直接停车，究竟什么情况下才能安全停车，需要具体判断当地情况而定。

这还是预设停车点的情况，如果没有预设停车点，开到哪想随时停，这情况处理起来就更复杂了。

百度的工程师想了一种方式，来提高无人驾驶车辆判断停车点是否可停靠的智能化程度。

03

步骤一，拍照获取路面情况！

要判断自然先要有第一手的实时信息。

所以，第一步，还是获取信息。

当无人驾驶车辆到达停车预设位置时，或者，接收到停车指令时，可进行停车的准备。

至于是否停车，需要获取无人驾驶车辆上与车门位于同侧的摄像头在当前位置拍摄的第一路面图像，并根据后续检测的路面实际情况确定。

摄像头如何摆拍？

无人驾驶车辆外设置有多个摄像头，且摄像头与车门位于同侧，以便于拍摄无人驾驶车辆设有车门的一侧或两侧的路面图像。

摄像头会持续拍照，将一组组实时路况图像信息传回，处理器会对路面图像进行路面识别，路面识别结果可包括适合停车的路面或不适合停车的路面。

简单说明下，适合停车的状态对应路面识别结果为适合停车的路面，即路面情况良好，适于停车，即该状态表征路面适于停车，有利于车辆中的乘客下车。

不适合停车的状态对应路面识别结果为不适合停车的路面，即表示路面情况较差，不适于停车，例如，路面有坑、有淤泥、有水、周围情况复杂等，即该状态表征路面不适于停车。

04

步骤二 与数据库匹配相似度

识别路面情况

这步骤比较难，涉及到信息数据识别智能程度了。

说白了，把在停车现场拍到的冗杂路面信息清洗提炼一次，取得第一特征数据，即有明确指向性、强关联、含金量高的数据特征。

如何清洗提炼第一特征数据？

有预设的数据库，这个数据库是专门用来存储、分析路面信息特征的，里面含有匹配、判定逻辑。

简单说明下，预设的特征数据库中包括多个路面图像的特征数据，该特征数据与第一特征数据的类型相同（相似度很高），例如，预设特征数据库中路面图像的特征数据包括路面图像的A特征的数据和B特征的数据等，对第一路面图像进行A特征和B特征的提取，则得到的第一特征数据包括第一路面图像的A特征的数据和B特征的数据。

示例下，将第一特征数据与无人驾驶车辆中存储的预设特征数据库进行匹配，确定目标路面状态，可以理解是对第一特征数据与预设特征数据库中特征数据进行相似度匹配，确定目标路面状态。

需要说明的是，上述预设特征数据库中的多个路面图像是在过去的时间里累积的已确定的不适于停车的路面的图像。

也可以将第一特征数据甩到云端服务器数据库，云端服务器通过已训练的神经网络对第一路面图像进行路面状态识别，即识别第一路面图像中的路面是否是好路面（即是否适合停车），得到目标路面状态，将目标路面状态发送给机车，机车接收云端服务器发送的目标路面状态，判断目标路面状态是否为适合停车的状态，在所述目标路面状态为第一路面状态的情况下，即为适合停车的状态，此时，控制无人驾驶车辆停车。

在所述目标路面状态为第二路面状态的情况下，即为不适合停车的状态，此时，可语音播放第一提示信息，以提示当前路面不适合停车以及是否继续行驶，若用户进行第一输入，即选择停止，则控制无人驾驶车辆停车，若用户进行第二输入，即选择继续行驶，则控制无人驾驶车辆继续行驶，寻找下一个适合停车的目标路面状态的路面进行停车。

总体说，这个专利的难点不在于构思，而在于预设的数据库对路面图片内含特征信息的算法判定准确率是否高。

举个简单的例子，预设数据库里的AI模型对于是否适合停车的判断，在常年数据训练下，对道路平整、无积水的倾向性很高，即平整、无水特征浓的地方判定适合停车。

那么，摄像头拍到的照片是车门外侧的路面有坑坑洼洼、有积水的路况，AI模型大概率判定此地不适合停车。

但这种地方其实按照人类司机的判断，是可以停车的，无非乘客下车时，需要自己注意点坑洼的地面，别踩到积水上就是了。

要到乡下农村祭祖游玩，那些公路基础设施较差的地方，路面不都是坑坑洼洼的，不会像城市的道路那般平整。

如果预设的数据库是按城市的道路来设计无人驾驶停车的思路，那么，这车开到路况复杂的农村乡下，怕是会得到大量不匹配停车的机器反馈。

停车逻辑判断树