尾门控制方法、装置、系统、计算机设备和存储介质
技术领域
本申请涉及车辆控制技术领域,特别是涉及一种尾门控制方法、尾门控制装置、尾门控制系统、计算机设备和计算机可读存储介质。
背景技术
目前,汽车尾门的开合大多通过尾门外的开关、汽车钥匙、车内开关、脚踢传感器等进行控制,该控制过程中尾门极有可能与位于尾门附近的障碍物发生碰撞,造成人、车等失损;例如,尾门关闭时,尾门内侧的后备箱中有可能装载有幼童或延伸至后备箱外的物品,系统一般无法识别,若驾驶员不能及时阻止尾门关闭,尾门一般会在撞击发生后被动停止关闭,由此极可能造成物品的损坏,甚至可能威胁到儿童的生命安全。
发明内容
基于此,有必要针对上述技术问题,提供一种尾门控制方法、尾门控制装置、尾门控制系统、计算机设备和计算机可读存储介质。
一方面,本发明实施例提供一种尾门控制方法,所述方法包括:
接收到尾门控制指令,向探测组件发送探测指令;所述探测指令用于控制所述探测组件采集尾门的当前场景数据;
获取所述探测组件采集的当前场景数据;
根据所述当前场景数据确定对应的风险等级;
根据所述风险等级,响应所述尾门控制指令。
在其中一个实施例中,所述根据所述当前场景数据确定对应的风险等级的步骤,包括:
将所述当前场景数据输入已训练的场景分类模型中,根据所述场景分类模型的分类结果确定对应的风险等级;所述风险等级包括高风险、中风险或低风险;
其中,所述场景分类模型的训练步骤,包括:
构建训练集;所述训练集包括多个尾门预期场景及其风险标签;所述风险标签包括高风险标签、中风险标签及低风险标签;
将所述训练集输入原始模型进行训练,根据训练结果得到所述场景分类模型。
在其中一个实施例中,所述高风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第一概率的场景;
所述中风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第二概率的场景;
所述低风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第三概率的场景;
所述第一概率大于所述第二概率,所述第二概率大于所述第三概率。
在其中一个实施例中,所述根据所述风险等级,响应所述尾门控制指令的步骤,包括:
若所述风险等级为高风险,且检测到所述尾门相对车身静止,则采用第一高风险应对模式响应所述尾门控制指令;
所述第一高风险应对模式包括:控制所述尾门拒绝执行所述尾门控制指令对应的动作,和/或,输出警报信号。
在其中一个实施例中,所述根据所述风险等级,响应所述尾门控制指令的步骤,包括:
若所述风险等级为高风险,且检测到所述尾门相对车身运动,则采用第二高风险应对模式响应所述尾门控制指令;
所述第二高风险应对模式包括:控制所述尾门停止运动,和/或,输出警报信号。
在其中一个实施例中,所述根据所述风险等级,响应所述尾门控制指令的步骤,包括:
若所述风险等级为中风险,则采用中风险应对模式响应所述尾门控制指令;
所述中风险应对模式包括:控制所述尾门延时运动、降低所述尾门运动速度、调节所述尾门开启高度以及输出提示信号中的一种或多种。
在其中一个实施例中,所述开启高度的调节量根据所述探测组件的探测结果进行实时更新。
在其中一个实施例中,所述根据所述风险等级,响应所述尾门控制指令的步骤,包括:
若所述风险等级为低风险,则控制所述尾门执行所述尾门控制指令对应的动作。
在其中一个实施例中,所述探测组件包括摄像头和雷达;所述尾门的当前场景数据包括:所述摄像头采集的所述尾门周边的图像数据,和/或,所述尾门周边的物体至所述尾门的距离数据。
另一方面,本发明实施例提供一种尾门控制装置,所述装置包括:
场景探测模块,用于接收到尾门控制指令,向探测组件发送探测指令;所述探测指令用于控制所述探测组件采集尾门的当前场景数据;
数据获取模块,用于获取所述探测组件采集的当前场景数据;
风险确定模块,用于根据所述当前场景数据确定对应的风险等级;
指令响应模块,用于根据所述风险等级,响应所述尾门控制指令。
再一方面,本发明实施例提供一种尾门控制系统,所述系统包括探测组件、智能驾驶控制器以及尾门控制器;
所述智能驾驶控制器用于接收到尾门控制指令,向所述探测组件发送探测指令;
所述探测组件用于根据所述探测指令,采集尾门的当前场景数据,并将所述当前场景数据发送至所述智能驾驶控制器;
所述智能驾驶控制器还用于根据所述当前场景数据确定对应的风险等级,并根据所述风险等级,向所述尾门控制器发送响应指令;
所述尾门控制器用于根据所述响应指令,控制所述尾门响应所述尾门控制指令。
再一方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现一种尾门控制方法的步骤。
再一方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现一种尾门控制方法的步骤。
上述技术方案中的一个技术方案具有如下优点或有益效果:通过接收到尾门控制指令,向探测组件发送探测指令;探测指令用于控制探测组件采集尾门的当前场景数据;获取探测组件采集的当前场景数据;根据当前场景数据确定对应的风险等级;根据风险等级,响应尾门控制指令;该方法通过设置用于采集尾门周围环境信息的探测组件,便于自动识别位于尾门周边的障碍物;通过区分尾门所处场景的风险等级,可判断障碍物是否有与尾门发生碰撞的可能,进而根据判断的结果对尾门进行环境适应性控制,智能化程度高,有效避免了人、车及尾门附近物品受损,通用性和实用性强。
附图说明
图1为一个实施例中尾门控制方法的示意性流程图;
图2为另一个实施例中尾门控制方法的示意性流程图;
图3为一个实施例中尾门控制装置的示意性结构图;
图4为一个实施例中尾门控制系统的示意性结构图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在一个实施例中,如图1所示,提供了一种尾门控制方法,以该方法应用于汽车的智能驾驶控制器上为例,包括以下步骤:
S202,接收到尾门控制指令,向探测组件发送探测指令;探测指令用于控制探测组件采集尾门的当前场景数据。
其中,尾门可为电动尾门,尾门控制指令可以理解为,用于控制尾门动作的指令,例如通过该指令可控制尾门执行开启、关闭、运动启停等动作;该指令可由驾驶员通过驾驶室内屏幕上的软按键、驾驶室内的硬按键、汽车钥匙或者尾门附近的开关等,此处不作具体限定。
智能驾驶控制器可在接收到尾门控制指令后,向探测组件发送探测指令;探测组件可以是一个或一类探测设备,也可以是包括多个不同类别的探测设备;当探测组件包括多个设备时,可分别设置在尾门内、外、顶、底或周边其他位置,具体可根据实际情况进行选择。探测组件可包括摄像头、雷达等环境信息采集设备;探测组件采集尾门的当前场景数据,具体例如,可通过摄像头采集尾门及尾门周边环境的图像信息,利用图像识别技术对采集的图像进行识别以获取尾门周边的场景数据;或者,通过雷达设备采集尾门周边物体至尾门的距离信息,作为尾门周边的场景数据;或者,通过将上述图像信息与距离信息按照预设的算法进行数据融合,得到尾门周边环境的三维场景数据,作为尾门的当前场景数据。
需要说明的是,向探测组件发送探测指令的过程,可通过车辆的CAN总线、硬线、LIN总线、Most总线或其他数据传输协议进行信号指令的传输和发送,也可不局限于此。
S204,获取探测组件采集的当前场景数据。
获取上述当前场景数据的方式可为多种;例如,当探测组件采集到当前场景数据后,将采集到的数据实时发送到智能驾驶控制器,智能驾驶控制器接收探测组件发送的当前场景数据;或者,智能驾驶控制器可在向探测组件发送探测指令之后,周期性地向探测组件发送获取当前场景数据的指令;当然,也可通过其他方式获取探测组件采集的当前场景数据,此处不作穷举。
S206,根据当前场景数据确定对应的风险等级。
风险等级,可以理解为,尾门在执行尾门控制指令对应的动作时与周边外物发生碰撞的概率等级,即若风险等级越高,则尾门在执行尾门控制指令对应的动作时,越有可能发生碰撞;若风险等级较低,则尾门大概率情况下可以正常执行尾门控制指令对应的动作。每个当前场景数据均具有唯一对应的风险等级;风险等级可根据需要进行自定义设置,例如包括高风险、中风险、低风险或无风险,还可以包括中高风险、中低风险等等。
智能驾驶控制器获取到当前场景数据后,可根据当前场景数据确定其对应的风险等级;具体地,可通过处理当前场景数据,识别得到尾门周围是否存在障碍物、障碍物与尾门之间距离的远近、障碍物的类型及障碍物是否具有运动能力等,进而根据上述识别得到的信息确定当前场景数据对应的风险等级。
例如,若根据当前场景数据确定尾门周围存在障碍物,且障碍物与尾门的当前位置的距离小于设定的阈值,此时可判定当前场景数据对应的风险等级为高风险;若根据当前场景数据确定尾门周围存在障碍物,且障碍物与尾门的当前位置的距离超过设定的阈值,但判断尾门在执行预期动作(如尾门控制指令对应的动作)时与该障碍物的最短距离小于设定的阈值,此时仍可判定当前场景数据对应的风险等级为高风险;若根据当前场景数据确定尾门周围存在障碍物,但尾门在执行预期动作时与该障碍物的最短距离不小于设定的阈值,此时可通过调整尾门的升降高度,避免与障碍物发生碰撞,此时可判定当前场景数据对应的风险等级为中风险;若根据当前场景数据确定尾门周围不存在障碍物,可判定当前场景数据对应的风险等级为低风险或无风险。当然,上述各当前场景数据与风险等级的对应关系并不局限于此,可根据实际情况进行具体详尽的设定。
S208,根据风险等级,响应尾门控制指令。
其中,响应尾门控制指令,可理解为根据风险等级控制尾门按照预设的方式启停,或者为驾驶员或尾门控制指令发起者提供与风险等级相匹配的提示信号。具体例如,若当前场景数据的风险等级为高风险,则控制尾门保持原静止或原运动状态动作而不执行尾门控制指令对应的动作,和/或为尾门控制指令发起者提供高风险提示信号等;若当前场景数据的风险等级为中风险,则控制尾门延时执行尾门控制指令对应的动作,或按照预设的速度、高度缓慢执行尾门控制指令对应的动作等,和/或为尾门控制指令发起者提供中风险提示信号等;若当前场景数据的风险等级为低风险或无风险,则控制尾门立即执行尾门控制指令对应的动作等。
本发明上述实施例中,执行主体可为智能驾驶控制器或车辆上安装的其他控制器,可根据实际情况进行选择和变更。
上述实施例的尾门控制方法中,通过接收到尾门控制指令,向探测组件发送探测指令;探测指令用于控制探测组件采集尾门的当前场景数据;获取探测组件采集的当前场景数据;根据当前场景数据确定对应的风险等级;根据风险等级,响应尾门控制指令;该方法通过设置用于采集尾门周围环境信息的探测组件,便于自动识别位于尾门周边的障碍物;通过区分尾门所处场景的风险等级,可判断障碍物是否有与尾门发生碰撞的可能,进而根据判断的结果对尾门进行环境适应性控制,智能化程度高,有效避免了人、车及尾门附近物品受损,通用性和实用性强
在一些实施例中,S206具体可以包括:将当前场景数据输入已训练的场景分类模型中,根据场景分类模型的分类结果确定对应的风险等级;风险等级包括高风险、中风险或低风险。
其中,作为一个具体的实施方式,该场景分类模型的训练步骤可以包括:构建训练集;训练集包括多个尾门预期场景及其风险标签;风险标签包括高风险标签、中风险标签及低风险标签;将训练集输入原始模型进行训练,根据训练结果得到场景分类模型。
另外,原始模型是预先建立的、未经参数调整的模型,场景分类模型是初始模型经过训练后最终得到的模型;原始模型的种类可以但不局限于是神经网络模型、点云分类模型、支持向量机模型、逻辑回归模型中的一种或多种。
在一些实施例中,高风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第一概率的场景;中风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第二概率的场景;低风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第三概率的场景;其中,第一概率大于第二概率,第二概率大于第三概率。
即在训练集中的多个尾门预期场景可为预先设置的多个尾门使用场景;如尾门在进行开/关操作时有较高概率发生碰撞的高风险场景,该类场景的风险标签即为高风险标签;尾门在进行开/关操作时碰撞发生概率较低,或可通过降低开启高度避免但需谨慎控制的中风险场景,该类场景的风险标签即为中风险标签;当前未识别到碰撞风险的低风险场景或常规场景,该类场景的风险标签即为低风险标签,具体尾门预期场景可根据需要进行设定和拓展。
在一些实施例中,如图2所示,S208具体可以包括:若风险等级为高风险,且检测到尾门相对车身静止,则采用第一高风险应对模式响应尾门控制指令;其中,第一高风险应对模式包括:控制尾门拒绝执行尾门控制指令对应的动作,和/或,输出警报信号。采用该方法可保证尾门相对车身静止时,若其周边存在障碍物,可避免在执行尾门控制指令对应的动作时与障碍物发生碰撞,从而降低了物品的失损率。其中,警报信号可以是声音信号、色彩信号等,用以警示驾驶员尾门当前正处于高风险场景。
在一些实施例中,如图2所示,S208具体还可以包括:若风险等级为高风险,且检测到尾门相对车身运动,则采用第二高风险应对模式响应尾门控制指令;第二高风险应对模式包括:控制尾门停止运动,和/或,输出警报信号。采用该方法可保证尾门相对车身运动时,若其周边存在障碍物,可立即停止运动以避免在执行尾门控制指令对应的动作时与障碍物发生碰撞,从而降低了物品的失损率。
例如,若在尾门相对车身静止时,检测到尾门当前场景为常规场景,则执行尾门控制指令的动作;但在执行过程中,外部环境突发变化,如突然出现障碍物等,此时,智能驾驶控制器可立刻采用第二高风险应对模式响应尾门控制指令,即控制尾门停止运动,和/或,输出警报信号,可见该方法有效提高了尾门根据周边环境变化自适应调节工作状态的能力。其中,警报信号可以是声音信号、色彩信号等,用以警示驾驶员尾门当前正处于高风险场景。
在一些实施例中,如图2所示,S208具体还可以包括:若风险等级为中风险,则采用中风险应对模式响应尾门控制指令;中风险应对模式包括:控制尾门延时运动、降低尾门运动速度、调节尾门开启高度以及输出提示信号中的一种或多种。其中,提示信号可以是声音信号、色彩信号等,其可区别于上述的警报信号,用以提示驾驶员尾门当前正处于中风险场景。上述的延时时间、尾门运动速度、尾门开启高度等的调节量均可以根据探测组件的探测结果进行实时更新,具体调节过程和调节量此处不作具体限定。采用该方法可保证尾门相对车身静止或运动时,若其周边存在障碍物,可通过调节运动状态,或输出提示信号的方式,避免在执行尾门控制指令对应的动作时与障碍物发生碰撞,进一步降低了物品的失损率,提高了尾门根据周边环境变化自适应调节工作状态的能力,智能化程度和安全性高,用户体验度及用户黏度佳。
在一些实施例中,如图2所示,S208具体还可以包括:若风险等级为低风险、无风险或常规风险的时候,则控制尾门执行尾门控制指令对应的动作,进而保证指令响应速度,提高尾门状态更新的实时性。
本申请提供了一种基于摄像头、雷达数据融合的电动尾门控制方法,以实现电动尾门的多场景优化控制。即通过摄像头、雷达等探测设备识别车辆当前所处环境以及车辆尾部的障碍物情况,从而为电动尾门提供“眼睛”,使之能够采用当前适宜的工作模式,适应性地应对不同的使用场景,从而提升电动尾门使用的安全性和操作平顺性。
其中,电动尾门的适应性控制策略,可以包括:
若在尾门动作前检测其当前场景为高风险场景,电动尾门的控制模块将拒绝当次工作,发出声音警报,并通过CAN总线发送警告指令激活仪表以提示驾驶员;若在尾门运动中检测到其当前场景为高风险场景,电动尾门立即停止动作,同时发出声音报警,并通过CAN总线发送警告激活到仪表以提示驾驶员;
若在尾门动作前检测其当前场景为中风险场景,电动尾门系统将延长动作前的提示时间,降低开启速度,并根据接收到的开启比例控制尾门的开启高度,该提示时间、开启速度、开启比例均可通过智能驾驶控制器对探测组件采集的数据进行处理分析后得到;
若在尾门动作前检测其当前场景为低风险场景或常规场景,电动尾门按照正常的开启设定进行工作。
本申请通过提供一种通过配置的雷达和摄像头系统对车辆所处环境进行识别和判断的方法,控制电动尾门根据当前不同的场景采用不同的应对策略,以达到电动尾门优化控制的目的。
应该理解的是,对于前述的各方法实施例,虽然流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,方法实施例的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
基于与上述实施例中的尾门控制方法相同的思想,本文还提供一种尾门控制装置。
在一个实施例中,如图3所示,提供了一种尾门控制装置,包括:场景探测模块401、数据获取模块402、风险确定模块403和指令响应模块404,其中:
场景探测模块401,用于接收到尾门控制指令,向探测组件发送探测指令;探测指令用于控制探测组件采集尾门的当前场景数据;
数据获取模块402,用于获取探测组件采集的当前场景数据;
风险确定模块403,用于根据当前场景数据确定对应的风险等级;
指令响应模块404,用于根据风险等级,响应尾门控制指令。
在一些实施例中,风险确定模块403,具体可用于:将当前场景数据输入已训练的场景分类模型中,根据场景分类模型的分类结果确定对应的风险等级;风险等级包括高风险、中风险或低风险。
在一些实施例中,尾门控制装置还包括:场景分类模型训练模块,用于构建训练集;训练集包括多个尾门预期场景及其风险标签;风险标签包括高风险标签、中风险标签及低风险标签;将训练集输入原始模型进行训练,根据训练结果得到场景分类模型。
在一些实施例中,高风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第一概率的场景;中风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第二概率的场景;低风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第三概率的场景;第一概率大于第二概率,第二概率大于第三概率。
在一些实施例中,指令响应模块404,具体可用于:若风险等级为高风险,且检测到尾门相对车身静止,则采用第一高风险应对模式响应尾门控制指令;第一高风险应对模式包括:控制尾门拒绝执行尾门控制指令对应的动作,和/或,输出警报信号。
在一些实施例中,指令响应模块404,具体可用于:若风险等级为高风险,且检测到尾门相对车身运动,则采用第二高风险应对模式响应尾门控制指令;第二高风险应对模式包括:控制尾门停止运动,和/或,输出警报信号。
在一些实施例中,指令响应模块404,具体可用于:若风险等级为中风险,则采用中风险应对模式响应尾门控制指令;中风险应对模式包括:控制尾门延时运动、降低尾门运动速度、调节尾门开启高度以及输出提示信号中的一种或多种。
在一些实施例中,开启高度的调节量根据探测组件的探测结果进行实时更新。
在一些实施例中,指令响应模块404,具体可用于:若风险等级为低风险,则控制尾门执行尾门控制指令对应的动作。
关于尾门控制装置的具体限定可以参见上文中对于尾门控制方法的限定,在此不再赘述。上述尾门控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
此外,上述示例的尾门控制装置的实施方式中,各程序模块的逻辑划分仅是举例说明,实际应用中可以根据需要,例如出于相应硬件的配置要求或者软件的实现的便利考虑,将上述功能分配由不同的程序模块完成,即将尾门控制装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分功能。
在一个实施例中,提供了一种尾门控制系统,其结构图可如图4所示。该尾门控制系统包括探测组件、智能驾驶控制器以及尾门控制器;智能驾驶控制器用于接收到尾门控制指令,向探测组件发送探测指令;探测组件用于根据探测指令,采集尾门的当前场景数据,并将当前场景数据发送至智能驾驶控制器;智能驾驶控制器还用于根据当前场景数据确定对应的风险等级,并根据风险等级,向尾门控制器发送响应指令;尾门控制器用于根据响应指令,控制尾门响应尾门控制指令。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的尾门控制系统的限定,具体的尾门控制系统可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种尾门控制系统包括智能驾驶控制器,该智能驾驶控制器包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时还可以实现以下步骤:将当前场景数据输入已训练的场景分类模型中,根据场景分类模型的分类结果确定对应的风险等级;风险等级包括高风险、中风险或低风险。其中,处理器还可执行场景分类模型的训练步骤:构建训练集;训练集包括多个尾门预期场景及其风险标签;风险标签包括高风险标签、中风险标签及低风险标签;将训练集输入原始模型进行训练,根据训练结果得到场景分类模型。
在一个实施例中,高风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第一概率的场景;中风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第二概率的场景;低风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第三概率的场景;第一概率大于第二概率,第二概率大于第三概率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若风险等级为高风险,且检测到尾门相对车身静止,则采用第一高风险应对模式响应尾门控制指令;第一高风险应对模式包括:控制尾门拒绝执行尾门控制指令对应的动作,和/或,输出警报信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若风险等级为高风险,且检测到尾门相对车身运动,则采用第二高风险应对模式响应尾门控制指令;第二高风险应对模式包括:控制尾门停止运动,和/或,输出警报信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若风险等级为中风险,则采用中风险应对模式响应尾门控制指令;中风险应对模式包括:控制尾门延时运动、降低尾门运动速度、调节尾门开启高度以及输出提示信号中的一种或多种。
在一个实施例中,开启高度的调节量根据探测组件的探测结果进行实时更新。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若风险等级为低风险,则控制尾门执行尾门控制指令对应的动作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是智能驾驶控制器,也可以是其它控制器或设备,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储尾门控制用数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种尾门控制方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收到尾门控制指令,向探测组件发送探测指令;探测指令用于控制探测组件采集尾门的当前场景数据;获取探测组件采集的当前场景数据;根据当前场景数据确定对应的风险等级;根据风险等级,响应尾门控制指令。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将当前场景数据输入已训练的场景分类模型中,根据场景分类模型的分类结果确定对应的风险等级;风险等级包括高风险、中风险或低风险;其中,处理器还可执行场景分类模型的训练步骤:构建训练集;训练集包括多个尾门预期场景及其风险标签;风险标签包括高风险标签、中风险标签及低风险标签;将训练集输入原始模型进行训练,根据训练结果得到场景分类模型。
在一个实施例中,高风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第一概率的场景;中风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第二概率的场景;低风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第三概率的场景;第一概率大于第二概率,第二概率大于第三概率。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若风险等级为高风险,且检测到尾门相对车身静止,则采用第一高风险应对模式响应尾门控制指令;第一高风险应对模式包括:控制尾门拒绝执行尾门控制指令对应的动作,和/或,输出警报信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若风险等级为高风险,且检测到尾门相对车身运动,则采用第二高风险应对模式响应尾门控制指令;第二高风险应对模式包括:控制尾门停止运动,和/或,输出警报信号。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若风险等级为中风险,则采用中风险应对模式响应尾门控制指令;中风险应对模式包括:控制尾门延时运动、降低尾门运动速度、调节尾门开启高度以及输出提示信号中的一种或多种。
在一个实施例中,开启高度的调节量根据探测组件的探测结果进行实时更新。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若风险等级为低风险,则控制尾门执行尾门控制指令对应的动作。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:接收到尾门控制指令,向探测组件发送探测指令;探测指令用于控制探测组件采集尾门的当前场景数据;获取探测组件采集的当前场景数据;根据当前场景数据确定对应的风险等级;根据风险等级,响应尾门控制指令。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将当前场景数据输入已训练的场景分类模型中,根据场景分类模型的分类结果确定对应的风险等级;风险等级包括高风险、中风险或低风险;其中,处理器还可执行场景分类模型的训练步骤:构建训练集;训练集包括多个尾门预期场景及其风险标签;风险标签包括高风险标签、中风险标签及低风险标签;将训练集输入原始模型进行训练,根据训练结果得到场景分类模型。
在一个实施例中,高风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第一概率的场景;中风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第二概率的场景;低风险标签对应的尾门预期场景为尾门运动发生碰撞的概率为第三概率的场景;第一概率大于第二概率,第二概率大于第三概率。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若风险等级为高风险,且检测到尾门相对车身静止,则采用第一高风险应对模式响应尾门控制指令;第一高风险应对模式包括:控制尾门拒绝执行尾门控制指令对应的动作,和/或,输出警报信号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若风险等级为高风险,且检测到尾门相对车身运动,则采用第二高风险应对模式响应尾门控制指令;第二高风险应对模式包括:控制尾门停止运动,和/或,输出警报信号。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若风险等级为中风险,则采用中风险应对模式响应尾门控制指令;中风险应对模式包括:控制尾门延时运动、降低尾门运动速度、调节尾门开启高度以及输出提示信号中的一种或多种。
在一个实施例中,开启高度的调节量根据探测组件的探测结果进行实时更新。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若风险等级为低风险,则控制尾门执行尾门控制指令对应的动作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
本文实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在本文中提及的“第一\第二”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换,以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。