本发明涉及自动驾驶领域，具体涉及一种环卫车自动驾驶系统及其控制方法。
背景技术：
汽车自动驾驶技术一直是汽车领域的研究热点，力争能使车辆的驾驶更为简单及人性化。为了提高驾驶的安全性，很多车辆都配置了自动驾驶系统。但是现有的自动驾驶系统依赖于高精度地图，需要在高精度地图覆盖的区域才能实现路径规划。
环卫车是用于城市市容整理、清洁的专用车辆，其运行场景复杂，受道路环境等因素约束较大，现有的自动驾驶系统无法满足环卫车自动驾驶工况。一方面，现有的高精度地图覆盖范围小且采集及维护成本较高，另一方面，在高架桥下、隧道或其它gps信号较弱的场景下，环卫处的定位精度无法满足自动驾驶需求，存在一定的安全隐患，无法保证自动驾驶的安全性和可靠性。
技术实现要素：
针对现有技术中存在的缺陷，本发明的目的在于提供一种环卫车自动驾驶系统及其控制方法，可选择预先录制的清扫路线，无需高精度地图；还可根据信号强度的大小，选择定位方式。
本发明第一方面提供一种环卫车自动驾驶系统，其包括：
定位子系统，其用于实时更新车辆的位姿信息，以及根据初始位姿信息选择预先录制的清扫路线；其还用于实时根据信号强度的大小，自动切换定位方式；
感知子系统，其用于采集道环卫车所在道路环境信息、以及环卫车周围障碍物目标的距离和速度信息，并根据上述清扫路线生成信息态势图；
决策子系统，其用于根据上述信息态势图生成驾驶态势图，进而生成横向控制命令和纵向控制命令；上述驾驶态势图包括行进路线的路径规划；
控制子系统，还用于接收并执行上述横向控制命令和纵向控制命令，以及同步执行预定的清扫任务；
hmi子系统，其用于人机交互，确定采用自动驾驶模式或手动驾驶模式；其还用于显示自动驾驶过程中的车辆位姿信息、道路环境信息和路径规划。
基于第一方面，在可能的实施例中，定位子系统包括：
高精度定位模块，其用于根据高精度定位信号生成车辆位姿信息；
激光定位模块，其用于根据激光定位信号生成车辆位姿信息；
切换模块，其用于当上述高精度定位信号强度小于信号阈值时，采用激光定位模块进行定位，否则采用高精度定位模块进行定位。
基于第一方面，在可能的实施例中，感知子系统包括：
一个单目相机，其安装于上述驾驶室内，上述单目相机用于检测行驶前方和行驶前方两侧的障碍物目标；
一个视觉传感器，其安装于上述驾驶室内，上述视觉传感器用于识别行驶前方的障碍物目标类型，上述障碍物目标类型包括行人、车辆和车道线；
两个激光雷达，其分别设置于驾驶室的左右两侧下方，上述激光雷达用于检测行驶前方和行驶前方两侧的障碍物目标的类别，以及探测行驶前方两侧的道路边沿；上述障碍物目标的类别包括静态障碍物和动态障碍物；
一个毫米波雷达，其安装于上述驾驶室下方中部，上述毫米波雷达用于对障碍物目标的类别进行补充检测，以及探测行驶前方的远距离障碍物目标，还用于计算远距离障碍物目标与环卫车之间的距离，以及上述远距离障碍物目标的速度；
六个超声波雷达，其安装于上述驾驶室下方，并对称分布于上述毫米波雷达两侧，上述超声波雷达用于检测上述环卫车两侧的近距离障碍物目标，还用于计算近距离障碍物目标与环卫车之间的距离，以及上述近距离障碍物目标的速度；
高精度惯导，其用于探测上述环卫车自身的位置和姿态；
信息融合模块，其分别与上述单目相机、激光雷达、毫米波雷达、超声波雷达以及高精度惯导连接。
基于第一方面，在可能的实施例中，决策子系统还用于根据上述路径规划进行行为规划；上述行为规划包括绕行超车、停车等待、减速跟车和保持车道内匀速行驶；
上述横向控制命令和纵向控制命令基于上述行为规划生成。
基于第一方面，在可能的实施例中，还包括存储子系统，上述定位子系统还用于预先录制清扫路线，并存储于上述存储子系统。
基于第一方面，在可能的实施例中，还包括监控子系统，上述监控子系统用于监控上述感知子系统的工作状态，并在上述感知子系统发生异常时将异常信息发送至上述hmi子系统和控制子系统；
上述hmi子系统还用于根据上述异常信息控制发出警报；
上述控制子系统还用于根据上述异常信息控制减速停车。
本发明第二方面提供一种应用于上述自动驾驶系统的控制方法，其包括步骤：
当确定采用自动驾驶模式后，采集车辆位姿信息，并根据上述位姿信息选择预先录制的清扫路线；实时根据信号强度的大小，选择定位方式；
采集道环卫车所在道路环境信息、以及环卫车周围障碍物目标的距离和速度信息，并根据上述清扫路线生成信息态势图；
根据上述信息态势图生成驾驶态势图，进而生成横向控制命令和纵向控制命令，上述驾驶态势图包括行进路线的路径规划，
执行上述横向控制命令和纵向控制命令，并同步执行预定的清扫任务。
基于第二方面，在可能的实施例中，上述实时根据信号强度的大小，选择定位方式，具体包括：
当高精度信号强度小于信号阈值时，采用激光定位模块进行定位；
当上述高精度信号强度大于或等于信号阈值时，采用高精度定位模块进行定位。
基于第二方面，在可能的实施例中，根据上述信息态势图生成驾驶态势图之后，还包括：
根据上述驾驶态势图进行行为规划，上述行为规划包括绕行超车、停车等待、减速跟车和保持车道内匀速行驶；
上述横向控制命令和纵向控制命令基于上述行为规划生成。
基于第二方面，在可能的实施例中，根据上述驾驶态势图进行行为规划，具体包括：
当行驶前方的障碍物目标为静态障碍物时，若上述静态障碍物的尺寸小于可绕行范围，确定上述行为规划为绕行超车，否则，停车等待；
当行驶前方的障碍物目标为动态障碍物时，若上述动态障碍物的速度小于上述环卫车的速度，确定上述行为规划为减速跟车，上述跟车目标为上述动态障碍物，否则保持车道内匀速行驶。
与现有技术相比，本发明的优点在于：
(1)本发明的环卫车自动驾驶系统，可根据环卫车的位姿信息选择预先录制的清扫路线，无需采集高精度地图，同时，还可实时根据信号强度的大小，自动切换定位方式，可满足不同场景环境下环卫车自动驾驶的定位精度需求；利用定位子系统、感知子系统、决策子系统和控制子系统的配合，完成环卫车的自动驾驶及清扫作业。
(2)本发明的环卫车自动驾驶系统，通过设置激光定位模块和切换模块，可弥补高精度定位信号强度较差时造成的定位误差大的缺陷，确保了定位的准确性及自动驾驶的安全性。
(3)本发明的环卫车自动驾驶系统，通过单目相机、激光雷达、毫米波雷达、超声波雷达以及高精度惯导之间存在的感知冗余，可精准识别多种障碍物目标，减少感知盲区，有效检测环卫车实际运行工况中复杂的道路环境，以及包括机动车、行人在内的道路参与者，保证了自动驾驶安全性。
(4)本发明的环卫车自动驾驶系统，利用环卫车清扫路线虽复杂但较为固定的特点，由人工驾驶，使用定位子系统预先录制多条清扫路线并存储至存储子系统，以便于每次自动驾驶时均可根据车辆位姿信息自行选择。
附图说明
图1为本发明实施例中环卫车自动驾驶系统的结构示意图；
图2为本发明实施例中感知子系统的分布示意图；
图3为本发明实施例中感知子系统的原理图。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明。
参见图1所示，本发明提供一种环卫车自动驾驶系统的实施例，该自动驾驶系统包括定位子系统、感知子系统、决策子系统、控制子系统和hmi(humanmachineinterface，人机界面)子系统。
当确定采用自动驾驶模式后，定位子系统用于实时更新车辆的位姿信息，以及根据初始位姿信息选择预先录制的清扫路线；定位子系统还用于实时根据信号强度的大小，自动切换定位方式。
其中，环卫车的当前位姿信息为环卫车在当前时刻的位置信息与姿态信息，如环卫车当前的位姿信息可以包括位置坐标和航向角等。
感知子系统用于采集道环卫车所在道路环境信息、以及环卫车周围障碍物目标的距离和速度信息，并根据上述清扫路线生成信息态势图。
决策子系统用于根据上述信息态势图实时生成驾驶态势图，进而生成横向控制命令和纵向控制命令。上述驾驶态势图包括行进路线的路径规划。
控制子系统用于接收并执行上述横向控制命令和纵向控制命令，并同步执行预定的清扫任务。
hmi子系统用于人机交互，根据驾驶者的意图确定采用自动驾驶模式或手动驾驶模式。hmi子系统还用于显示自动驾驶过程中的车辆位姿信息、道路环境信息和路径规划。
本实施例的自动驾驶系统，可根据环卫车的位姿信息选择预先录制的清扫路线，无需采集高精度地图，同时，还可实时根据信号强度的大小，自动切换定位方式，可满足不同场景环境下环卫车自动驾驶的定位精度需求；利用定位子系统、感知子系统、决策子系统和控制子系统的配合，完成环卫车的自动驾驶及清扫作业。
在上述实施例的基础上，本实施例中，上述定位子系统包括高精度定位模块、激光定位模块和切换模块。
高精度定位模块用于根据高精度定位信号生成车辆位姿信息。上述高精度定位模块通过组合/惯性器件得到位姿数据，结合通过车身网络获取的车辆状态数据和接收的厘米级rtk(real-timekinematic，实时动态)差分定位信息，实现厘米级高精度定位。
激光定位模块用于根据激光定位信号生成车辆位姿信息。激光定位模块连接一个16线激光雷达，该16线激光雷设置于驾驶室的上方。激光雷达作为一种三维空间的高精度测距设备，非常适合用作高精度定位，由于激光雷达输出的点云数量庞大，且实时进行处理容易受到环境影响而产生扰动，因此，需要先将激光点云进行特征提取，然后根据相邻两帧的特征点云进行icp(iterativeclosestpoint，迭代最近点)配准，计算相邻两帧的位置和姿态变化，最后推算出当前自车的位置和姿态。
切换模块用于当上述高精度定位信号强度小于信号阈值时，采用激光定位模块进行定位，否则采用高精度定位模块进行定位。
因此，一般情况下，均为默认高精度定位模块进行定位。在高架下或隧道等定位信号较差且组合惯导定位精度不高(大于20cm定位精度)的工况下，环卫车工作时，高精度定位模块会发出定位误差偏大的信号提醒，由切换模块切换到激光定位模块，激光定位模块根据激光slam(simultaneouslocalizationandmapping，即时定位与地图构建)进行定位，保证全程都能提供稳定的高精度定位。
本实施例中，通过设置激光定位模块和切换模块，可弥补高精度定位信号强度较差时造成的定位误差大的缺陷，确保了定位的准确性及自动驾驶的安全性。
本实施例的定位子系统还可提供大量历史先验数据，为感知子系统提供冗余和增强感知效果，进而为决策子系统提供更可靠的输入。
参见图2和图3所示，在上述实施例的基础上，本实施例中，上述感知子系统包括单目相机、视觉传感器、激光雷达、毫米波雷达、超声波雷达、高精度惯导和信息融合模块。信息融合模块分别与上述单目相机、视觉传感器、激光雷达、毫米波雷达、超声波雷达以及高精度惯导连接。定位子系统向感知子系统提供车辆的实际世界坐标下的位姿信息。
上述单目相机设有一个，且安装于上述驾驶室内，上述单目相机用于检测行驶前方和行驶前方两侧的障碍物目标。单目相机障碍物目标检测距离为80m以内。
上述视觉传感器设有一个，且安装于上述驾驶室内，视觉传感器用于识别行驶前方的障碍物目标类型，进行障碍物目标分类。上述障碍物目标类型包括行人、车辆和车道线。可选地，视觉传感器为mobileye相机。mobileye相机障碍物目标检测距离为60m以内。
上述激光雷达设有两个，且分别设置于驾驶室的左右两侧下方。上述激光雷达用于检测行驶前方和行驶前方两侧的障碍物目标的类别，以及探测行驶前方两侧的道路边沿；上述障碍物目标的类别包括静态障碍物和动态障碍物。考虑到环卫车在白天和晚上均需要进行作业，因此，本实施例中，激光雷达为16线激光雷达，激光雷达的障碍物目标检测距离为100m以内。
上述毫米波雷达设有一个，且安装于上述驾驶室下方中部，根据毫米波雷达的特性，毫米波雷达用于对障碍物目标的类别进行补充检测，以及探测行驶前方的远距离障碍物目标。本实施例中，毫米波雷达采用前向毫米波雷达esr，前向毫米波雷达障碍物目标检测的远距离阈值区间为100-175m。
上述毫米波雷达还用于计算远距离障碍物目标与环卫车之间的距离，以及上述远距离障碍物目标的速度。
上述超声波雷达设有六个，且安装于上述驾驶室下方，六个超声波雷达对称分布于上述毫米波雷达两侧，即三个超声波雷达设置于毫米波雷达一侧，另外三个超声波雷达设置于毫米波雷达的另一侧。
根据超声波雷达的特性，超声波雷达用于检测上述环卫车两侧的近距离障碍物目标，还用于计算近距离障碍物目标与环卫车之间的距离，以及上述近距离障碍物目标的速度。通过超声波雷达弥补激光雷达的安装高度限制，对近距离盲区补充。本实施例中，超声波雷达障碍物目标检测的近距离阈值为2.5m，即超声波雷达的障碍物目标检测距离为2.5m以内。
上述高精度惯导用于探测上述环卫车自身的位置和姿态，可达到厘米级定位精度。
其中，毫米波雷达、超声波雷达和mobileye相机分别通过can(controllerareanetwork，控制器局域网络)线与信息融合模块进行通信，激光雷达和单目相机通过以太网与信息融合模块进行通信，高精度惯导与信息融合模块通过串口通信。通过mobileye相机进行障碍物目标分类，通过毫米波雷达、超声波雷达、激光雷达、单目相机和高精度惯导进行障碍物目标检测及追踪。
在检测到障碍物目标的基础上，通过上述各器件之间的目标融合，可计算出目标当前的位置、角度、速度、加速度等基本信息。为了提高动态目标检测的精度与稳定性，采用冗余传感器设计，即同时利用单目相机、激光雷达、毫米波雷达、超声波雷达以及mobileye相机之间存在的感知冗余，计算检测到的目标的状态信息。在此基础上，设计卡尔曼滤波器对检测结果进行感知融合，通过不同传感器的检测结果作为卡尔曼滤波器的观测值，可精准识别多种障碍物目标，减少感知盲区，提高动态障碍物检测的精度与稳定性，进而有效检测环卫车实际运行工况中复杂的道路环境，以及包括机动车、行人在内的道路参与者，保证了自动驾驶安全性。
本实施例中，信息态势图包括障碍物目标列表、道路信息和清扫路线等信息。
本实施例中，驾驶态势图还包括期望轨迹、期望速度、加速度，以及其它辅助规划信息等。
进一步地，决策子系统还用于根据上述驾驶态势图进行行为规划，进而基于行为规划进行相应的运动规划。上述行为规划包括绕行超车、停车等待、减速跟车和保持环卫车在车道内匀速行驶。其中，运动规划即为横向控制命令和纵向控制命令。
决策子系统对期望轨迹、期望速度和加速度，进行控制算法运算后，将得到的期望的方向盘转角、油门及刹车量通过can线发送到控制子系统，控制子系统控制电机、自动转向机、ebs(electricbrakingsystem，汽车电控制动系统)、bcm(bodycontrolmodule，车身控制模块)、eps(electricpowersteering，电动助力转向系统)等执行机构响应，实现环卫车的转向、加减速以及其它辅助功能(转向灯、制动灯等)的自动控制，使车辆保持期望的行驶轨迹、期望速度及加速度。
因此，当清扫路径前方出现障碍物目标或其它道路参与者时，决策子系统会根据实际情况实时进行二次路径规划，决定减速跟车、停车避撞或绕行超车等操作，并将相应的横向控制命令和纵向控制命令发送至控制子系统。
在上述实施例的基础上，本实施例的自动驾驶系统还包括存储子系统，上述定位子系统还用于预先录制清扫路线，并将清扫路线存储在上述存储子系统中。
本实施例中，利用环卫车清扫路线虽复杂但较为固定的特点，由人工驾驶，使用定位子系统预先录制多条清扫路线并存储至存储子系统，以便于每次自动驾驶时均可根据车辆位姿信息自行选择，或通过hmi子系统进行人为选择。不仅摆脱了高精度地图的局限性，扩大场景工况范围，且减少了制作高精度地图的费用。
hmi子系统运行在平板电脑上，通过lan((localareanetwork，局域网)接收并显示自动驾驶的信息，除了车辆位姿信息、道路环境信息和路径规划之外，还可显示车速状态、传感器状态、故障灯显示等；还可设置一键启动/退出自动驾驶模式操作，以提高人机交互的便利性。
本实施例中，当确定采用自动驾驶模式时，上述hmi子系统还可通过平板电脑的人机交互界面对自动驾驶进行基本参数设置。上述基本参数包括目标车速和清扫路线选择。
进一步地，本实施例的自动驾驶系统还包括监控monitor子系统，上述监控子系统用于实时监控上述感知子系统的工作状态，并在上述感知子系统发生异常时将异常信息发送至上述hmi子系统和控制子系统。
上述hmi子系统还用于根据上述异常信息控制发出警报；上述控制子系统还用于根据上述异常信息控制减速停车。
本实施例中，监控子系统还用于实时监控ebs和eps等执行机构的状态，当ebs或eps出现故障失效时，同样将该异常信息发送至hmi子系统和控制子系统，以进一步增加行驶安全性。
本实施例中，以选择的清扫路线为一次规划路径进行循迹驾驶，通过感知子系统精准检测车辆周围障碍物目标情况及道路环境，当清扫路线上出现障碍物目标时，通过决策子系统根据感知子系统提供的信息态势图，进行预瞄点采样、生成备选路径、查找最优路径等，实时生成驾驶态势图，作为二次规划路径，并确定行为规划，进而生成横向控制命令和纵向控制命令发送给控制子系统，由控制子系统控制实现环卫车的转向、加减速以及其它辅助功能(转向灯、制动灯等)的自动控制，使车辆保持期望的行驶轨迹以及期望的速度和加速度。
本实施的控制系统，不受道路环境等因素约束，有效保证了自动驾驶可靠性和安全性，同时可实现全部场景工况下的环卫车的自动驾驶控制。
本发明还提供一种应用于上述自动驾驶系统的控制方法的实施例，其包括步骤：
s1.当确定采用自动驾驶模式后，采集车辆位姿信息，并根据上述位姿信息选择预先录制的清扫路线；实时根据信号强度的大小，选择定位方式；
s2.采集道环卫车所在道路环境信息、以及环卫车周围障碍物目标的距离和速度信息，并根据上述清扫路线生成信息态势图；
s3.根据上述信息态势图生成驾驶态势图，进而生成横向控制命令和纵向控制命令，上述驾驶态势图包括行进路线的路径规划。
其中，生成驾驶态势图包括更新数据和提取决策要素两个主要部分，以便于后续生成横向控制命令和纵向控制命令。
s4.执行上述横向控制命令和纵向控制命令，并同步执行预定的清扫任务。
进一步地，上述步骤s1中，实时根据信号强度的大小，选择定位方式，具体包括：
当高精度信号强度小于信号阈值时，采用激光定位模块进行定位。
当上述高精度信号强度大于或等于信号阈值时，采用高精度定位模块进行定位。
在上述实施例的基础上，本实施例中，上述步骤s2的生成信息态势图，具体包括：
首先，读取由单目相机、激光雷达、毫米波雷达、超声波雷达以及高精度惯导获取的数据，结合上述数据和清扫路线进行时间和空间同步。
然后，对上述数据和清扫路线进行特征提取和道路信息提取，并通过感知融合算法结合上述车辆位姿信息，生成上述信息态势图。
在上述实施例的基础上，本实施例中，上述步骤s3根据所述信息态势图生成驾驶态势图之后，还包括：根据上述驾驶态势图进行行为规划。其中，行为规划包括绕行超车、停车等待、减速跟车和保持车道内匀速行驶。
上述横向控制命令和纵向控制命令基于上述行为规划生成。
在上述实施例的基础上，本实施例中，根据上述驾驶态势图进行行为规划，具体包括：
当行驶前方的障碍物目标为静态障碍物时，若上述静态障碍物的尺寸小于可绕行范围，确定上述行为规划为绕行超车；若上述静态障碍物的尺寸大于可绕行范围，确定上述行为规划为停车等待，以避免发生碰撞。
当行驶前方的障碍物目标为动态障碍物时，若上述动态障碍物的速度小于上述环卫车的速度，确定上述行为规划为减速跟车，上述跟车目标为上述动态障碍物；若上述动态障碍物的速度大于或等于上述环卫车的速度，确定上述行为规划为保持车辆在车道内匀速行驶。
本实施例的控制方法，适用于上述各自动驾驶系统，可预先录制清扫路线，然后根据环卫车的位姿信息进行选择；同时，实时规划运行轨迹，满足环卫车自动驾驶所有的场景需求，有效保证自动驾驶的安全性和可靠性。
本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
1.一种环卫车自动驾驶系统，其特征在于，其包括：
定位子系统，其用于实时更新车辆的位姿信息，以及根据初始位姿信息选择预先录制的清扫路线；其还用于实时根据信号强度的大小，自动切换定位方式；
感知子系统，其用于采集道环卫车所在道路环境信息、以及环卫车周围障碍物目标的距离和速度信息，并根据所述清扫路线生成信息态势图；
决策子系统，其用于根据所述信息态势图生成驾驶态势图，进而生成横向控制命令和纵向控制命令；所述驾驶态势图包括行进路线的路径规划；
控制子系统，还用于接收并执行所述横向控制命令和纵向控制命令，以及同步执行预定的清扫任务；
hmi子系统，其用于人机交互，确定采用自动驾驶模式或手动驾驶模式；其还用于显示自动驾驶过程中的车辆位姿信息、道路环境信息和路径规划。
2.如权利要求1所述的环卫车自动驾驶系统，其特征在于，所述定位子系统包括：
高精度定位模块，其用于根据高精度定位信号生成车辆位姿信息；
激光定位模块，其用于根据激光定位信号生成车辆位姿信息；
切换模块，其用于当所述高精度定位信号强度小于信号阈值时，采用激光定位模块进行定位，否则采用高精度定位模块进行定位。
3.如权利要求1所述的环卫车自动驾驶系统，其特征在于，所述感知子系统包括：
一个单目相机，其安装于所述驾驶室内，所述单目相机用于检测行驶前方和行驶前方两侧的障碍物目标；
一个视觉传感器，其安装于所述驾驶室内，所述视觉传感器用于识别行驶前方的障碍物目标类型，所述障碍物目标类型包括行人、车辆和车道线；
两个激光雷达，其分别设置于驾驶室的左右两侧下方，所述激光雷达用于检测行驶前方和行驶前方两侧的障碍物目标的类别，以及探测行驶前方两侧的道路边沿；所述障碍物目标的类别包括静态障碍物和动态障碍物；
一个毫米波雷达，其安装于所述驾驶室下方中部，所述毫米波雷达用于对障碍物目标的类别进行补充检测，以及探测行驶前方的远距离障碍物目标，还用于计算远距离障碍物目标与环卫车之间的距离，以及所述远距离障碍物目标的速度；
六个超声波雷达，其安装于所述驾驶室下方，并对称分布于所述毫米波雷达两侧，所述超声波雷达用于检测所述环卫车两侧的近距离障碍物目标，还用于计算近距离障碍物目标与环卫车之间的距离，以及所述近距离障碍物目标的速度；
高精度惯导，其用于探测所述环卫车自身的位置和姿态；
信息融合模块，其分别与所述单目相机、激光雷达、毫米波雷达、超声波雷达以及高精度惯导连接。
4.如权利要求1所述的环卫车自动驾驶系统，其特征在于：所述决策子系统还用于根据所述路径规划进行行为规划；所述行为规划包括绕行超车、停车等待、减速跟车和保持车道内匀速行驶；
所述横向控制命令和纵向控制命令基于所述行为规划生成。
5.如权利要求1所述的环卫车自动驾驶系统，其特征在于：还包括存储子系统，所述定位子系统还用于预先录制清扫路线，并存储于所述存储子系统。
6.如权利要求1所述的环卫车自动驾驶系统，其特征在于：还包括监控子系统，所述监控子系统用于监控所述感知子系统的工作状态，并在所述感知子系统发生异常时将异常信息发送至所述hmi子系统和控制子系统；
所述hmi子系统还用于根据所述异常信息控制发出警报；
所述控制子系统还用于根据所述异常信息控制减速停车。
7.一种应用于权利要求1所述自动驾驶系统的控制方法，其特征在于，其包括步骤：
当确定采用自动驾驶模式后，采集车辆位姿信息，并根据所述位姿信息选择预先录制的清扫路线；实时根据信号强度的大小，选择定位方式；
采集道环卫车所在道路环境信息、以及环卫车周围障碍物目标的距离和速度信息，并根据所述清扫路线生成信息态势图；
根据所述信息态势图生成驾驶态势图，进而生成横向控制命令和纵向控制命令，所述驾驶态势图包括行进路线的路径规划，
执行所述横向控制命令和纵向控制命令，并同步执行预定的清扫任务。
8.如权利要求7所述的控制方法，其特征在于，所述实时根据信号强度的大小，选择定位方式，具体包括：
当高精度信号强度小于信号阈值时，采用激光定位模块进行定位；
当所述高精度信号强度大于或等于信号阈值时，采用高精度定位模块进行定位。
9.如权利要求7所述的控制方法，其特征在于，根据所述信息态势图生成驾驶态势图之后，还包括：
根据所述驾驶态势图进行行为规划，所述行为规划包括绕行超车、停车等待、减速跟车和保持车道内匀速行驶；
所述横向控制命令和纵向控制命令基于所述行为规划生成。
10.如权利要求9所述的控制方法，其特征在于，根据所述驾驶态势图进行行为规划，具体包括：
当行驶前方的障碍物目标为静态障碍物时，若所述静态障碍物的尺寸小于可绕行范围，确定所述行为规划为绕行超车，否则，停车等待；
当行驶前方的障碍物目标为动态障碍物时，若所述动态障碍物的速度小于所述环卫车的速度，确定所述行为规划为减速跟车，所述跟车目标为所述动态障碍物，否则保持车道内匀速行驶。
技术总结