CN113104028B - 基于停放场地的控制方法、装置、可移动载体及存储介质 - Google Patents

Abstract

本发明属于自动驾驶技术领域，公开了一种基于停放场地的控制方法、装置、可移动载体及存储介质。该方法包括：在可移动载体处于目标停放场地时，获取它当前所处位置的三维图像信息；根据三维图像信息确定周围的可移动对象，并识别周围的空余停放点位置；获取可移动对象的当前相对位置以及当前行驶数据，并统计可移动载体处于目标停放场地的时间长度；在时间长度超过预设时间阈值时，基于三维图像信息、当前行驶数据、当前相对位置及空余停放点位置确定当前接管场景类型；基于场景类型生成对应的接管事件；根据接管事件确定对应的目标执行指令，从而对目标可移动载体进行控制，保证可移动载体在无人状态遇到需要接管场景时，仍能够顺利停放。

Description

基于停放场地的控制方法、装置、可移动载体及存储介质

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种基于停放场地的控制方法、装置、可移动载体及存储介质。

背景技术

随着目前自动化技术的发展，自动驾驶技术也逐渐成熟，可移动载体(例如：汽车、具有运载能力的机器人，或飞行器等具有运载能力的设备)对于自动驾驶技术的使用也日益增长，但随之而来的是当可移动载体在日常行驶中处于较为复杂的环境时，例如可移动载体位于停放场地时，自动驾驶有时可能无法正常使用，仍需要用户或者管理员进行人工接管，从自动驾驶转换到人工驾驶从而才能使可移动载体正常停放到目的地的情况，从而影响了用户体验。

发明内容

本发明的主要目的在于提供一种基于停放场地的控制方法、装置、可移动载体及存储介质，旨在解决现有技术可移动载体在停放时需要人工接管的技术问题。

为实现上述目的，本发明提供了一种基于停放场地的控制方法，所述方法包括以下步骤:

在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息；

根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置；

获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度；

在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型；

基于所述当前接管场景类型生成对应的当前接管事件；

根据所述当前接管事件确定对应的目标执行指令。

可选地，所述根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置，具体包括：

对所述三维图像信息进行边缘检测，以确定所述三维图像信息中的边缘线；

基于所述边缘线对所述三维图像信息进行分割，以获得所述三维图像信息中的图像块以及各图像块的位置信息；

对各图像块分别进行特征提取，以获得各图像块对应的特征信息；

根据所述特征信息识别所述可移动载体周围存在的对象；

根据所述对象筛选出所述可移动载体周围的可移动对象及空余停放点，并基于各图像块的位置信息确定所述空余停放点的位置。

可选地，所述在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型，具体包括：

根据所述三维图像信息确定当前场景的复杂程度；

基于所述当前行驶数据预测所述可移动对象预设时间段内的行驶轨迹；

根据所述行驶轨迹、所述当前相对位置及所述空余停放点位置预测预设时间段的空余停放点信息，以得到更新空余停放点信息；

根据所述更新空余停放点信息及所述复杂程度确定当前接管场景类型。

可选地，所述根据所述三维图像信息确定当前场景的复杂程度，具体包括：

获取目标停放场地的地图图像信息；

根据所述地图图像信息和所述三维图像信息进行融合，得到当前场景图像信息；

获取所述当前场景图像信息的前行区域图像；

识别所述前行区域图像中存在的障碍物，基于所述障碍物确定所述当前场景的复杂程度。

可选地，所述基于所述当前行驶数据预测所述可移动对象预设时间段内的行驶轨迹，具体包括：

提取所述当前行驶数据可移动对象的警示特征；

根据所述当前行驶数据得到所述可移动对象的历史行驶轨迹及当前行驶速度；

基于所述警示特征、所述当前行驶轨迹及所述当前行驶速度通过预设行为预测模型，预测所述可移动对象预设时间段内的行驶轨迹。

可选地，所述根据所述当前接管事件确定对应的目标执行指令，具体包括：

将所述接管事件发送至服务器，以使所述服务器根据所述接管事件反馈对应的事件解决指令；

在接收到所述事件解决指令时，预测自动驾驶的下一时刻的待操作指令；

对所述待操作指令与所述事件解决指令进行比较，以获得目标执行指令。

可选地，所述对所述待操作指令与所述事件解决指令进行比较，以获得目标执行指令，具体包括：

获取可移动载体的当前行驶状态；

根据所述可移动载体当前行驶状态及所述待操作指令通过预设行为预测模型，得到所述可移动载体预测到达目标空余停放点的第一时间值；

根据所述可移动载体当前行驶状态及所述事件解决指令通过预设行为预测模型，得到所述目标可移动载体预测到达所述目标空余停放点的第二时间值；

将所述第一时间值与所述第二时间值进行比较，得到二者中数值较小的时间值，以作为目标时间值；

确定所述目标时间值对应的指令，并将确定的指令作为目标执行指令。

此外，为实现上述目的，本发明还提供一种基于停放场地的控制装置，所述基于停放场地的控制装置包括：

信息获取模块，用于在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息；

对象识别模块，用于根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置；

数据获取模块，用于获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度；

类型确定模块，用于在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型；

事件生成模块，用于基于所述当前接管场景类型生成对应的当前接管事件；

指令确定模块，还用于根据所述当前接管事件确定对应的目标执行指令。

此外，为实现上述目的，本发明还提供一种服务器，其特征在于，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于停放场地的控制程序，所述基于停放场地的控制程序配置为实现如上所述的基于停放场地的控制方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于停放场地的控制程序，所述基于停放场地的控制程序被处理器执行时实现如上所述的基于停放场地的控制方法的步骤。

本发明通过在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息，然后根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置，再获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度，在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型，然后基于所述当前接管场景类型生成对应的当前接管事件，最后根据所述当前接管事件确定对应的目标执行指令，最后根据所述目标执行指令对所述目标可移动载体进行接管操作。通过上述方式，根据可移动载体进入目标场地时长触发接管，再根据可移动载体的目标停放场地及可移动载体周边可移动对象的行驶数据，再结合周围空余停放点位置，来确定可移动载体在目标停放场地所遇到的接管场景类型，从而采取合适的接管执行指令来对可移动载体进行控制，能够保证可移动载体在停放时遇到接管问题时能够通过自身和服务器来解决当前问题，从而达到顺利停放的目的，同时提高了自动驾驶的智能性，并提高了用户的体验感。

附图说明

图1为本发明基于停放场地的控制方法第一实施例的流程示意图；

图2为本发明实施例中可移动载体和周围可移动对象位置关系的示意图；

图3为本发明基于停放场地的控制方法第二实施例中步骤S40的流程示意图；

图4为本发明实施例中可移动载体和周围可移动对象相对位置关系及可移动对象行驶轨迹图；

图5为本发明基于停放场地的控制方法第三实施例步骤S60的流程示意图；

图6为本发明基于停放场地的控制装置一实施例的结构框图；

图7为本发明实施例方案涉及的硬件运行环境的可移动载体的结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明基于停放场地的控制方法第一实施例的流程示意图。

在第一实施例中，所述基于停放场地的控制方法包括以下步骤：

S10:在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息。

在具体实现中，可移动载体有多种表现形式，如汽车、机器人，飞行器等具有移动能力的载体，本实施例不进行具体的限制。

需要说明的是，所述可移动载体当前所处位置的三维图像信息是将可移动载体的当前位置的图像信息和点云信息进行时间上的匹配融合得到的，对于可移动载体而言，为了行驶过程的顺利及安全性，可移动载体会实时采集周围的图像数据，通过雷达采集周围的点云数据，并且采集的图像数据、点云数据都在预设时间范围内，它们都有一一对应的时间数据，将二者数据结合考虑，便会得到当前所处位置的三维图像数据。

假设图像信息中包含的数据为{C1、C2、C3……、Cn}，点云信息中包含的数据为{Q1、Q2、Q3……、Qn}，其中，1、2、3、……、n分别代表不同的时间，此时将图像数据和点云数据按照对应时间进行匹配融合，例如，将{C1,Q1}作为时间1对应的历史三维图像信息中所包含的数据，将{C2，Q2}作为时间2对应的历史三维图像中所包含的数据，......，将{Cn，Qn}作为时间n对应的当前三维图像信息中所包含的数据。

S20：根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置。

需要说明的是，三维图像信息中一般会包含多个对象，有可移动对象和不可移动对象，不同的对象会存在一定的区别，因此，可基于对象之间的区别去确定三维图像信息中所含有的对象的种类，最后，在确定了对象种类的所有对象中，确定可移动载体周围的可移动对象，并识别出可移动载体周围的空余停放点，并基于空余停放点在三维图像信息中的位置确定空余停放点的位置。

可以理解的是，在对周围对象进行识别时，需要先对三维图像进行处理，然后对于处理后的三维图像才能够进行对象的特征提取，从而确定三维图像信息中所包含的对象的种类，因此，本实施例中步骤S20，可具体包括：

对所述三维图像信息进行边缘检测，以确定所述三维图像信息中的边缘线；基于所述边缘线对所述三维图像信息进行分割，以获得所述三维图像信息中的图像块以及各图像块的位置信息；对各图像块分别进行特征提取，以获得各图像块对应的特征信息；根据所述特征信息识别所述可移动载体周围存在的对象；根据所述对象筛选出所述可移动载体周围的可移动对象及空余停放点，并基于各图像块的位置信息确定所述空余停放点的位置。

需要说明的是，由于三维图像中有各个对象的存在，对象与对象中间有明显的差异性和不连贯性，同时对象本身由于可能存在多个面或场景中光照不同会导致图像中存在亮度明显变化的点和线，对三维图像存在亮度明显发生变化的点和线进行检测，这些点和线即构成了图像信息中的边缘线，根据这些点和线将三维图像划分成不同的区域，便能够得到三维图像中的一个至多个图像块，同时能得到这些图像块在三维图像信息中对应的位置信息。

可以理解的是，得到的图像块中存在不同的对象，对他们进行特征提取，能够得到对象的组成特征，特征信息包括{颜色特征，纹理特征，轮廓特征}，通过特征提取，得到图像块中所包含对象的特征信息集。

可以理解的是，在提取图像块中所存在的特征集后，根据特征集能够识别可移动载体周边存在的对象，例如根据三维图像中存在可移动对象为车辆，则根据所述特征信息集中的轮廓特征及纹理特征能很好的将车辆和其他物体区分开。

在具体实现中，可移动载体处于目标停放场地时，可移动载体周边对象可能存在停放场地中特有的建筑物(停放分隔柱、消防栓等)，行人，车辆，分割停放点等，在识别到存在的对象后，将对象进行筛选分类，能够得到可移动载体周围的可移动对象，例如行人、车辆等，同时根据筛选得到周边环境中存在的停放点，再得到停放点后，再根据识别停放点上是否有对象存在，从而得到空余停放点，再根据图像块对应的位置信息从而确定当前空余停放点的位置。

在本实施例中，通过对三维图像信息进行边缘检测获得对象的图像块及对应位置，再对图像块进行特征提取从而达到识别周边对象并确定对应位置的目的，使对象识别过程更加准确。

S30：获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度。

需要说明的是，通过图像块识别的可移动对象，并能够确定可移动对象对应的位置，再得到可移动对象的位置后，根据可移动载体自身当前所处位置，能够确定可移动对象的当前相对位置。如图2所示，根据获取的三维图像可知，可移动对象1处于A点，而可移动载体当前位置处于B点，则可移动对象的当前相对位置为可移动载体的正前方。

在具体实现中，所述统计所述可移动载体处于所述目标停放场地的时间长度指的是统计可移动载体自进入目标停放场地后，在进入停放点完成顺利停放在前，在目标停放场地停留的时间。例如，可移动载体于11：32：16时进入目标停放场地，在11：36：22时才完成停放，时间长度为4分06秒。

S40：在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型。

需要说明的是，所述预设时间阈值指的是可移动载体自进入目标停放场地后需要在规定时间内完成停放的时间临界值，若在规定时间内可移动载体仍未完成停放，则说明可移动载体的停放过程遇到了问题，当前场景下可移动载体需要被接管。

假设，预设时间阈值为10分钟，在获取到可移动载体进入目标停放场地的时间长度为10分01秒，此时可移动载体仍滞留于目标停放场地，并未处于停放点上时，则触发接管。

需要说明的是，在触发接管后，根据当前的三维图像信息去确定当前场景的周边建筑物的信息以及当前的路况信息，从而确定当前场景的复杂程度，例如当停放场地道路是否被周边可移动对象堵塞时，此时当前场景的复杂程度为中程度，或者周边建筑物或对象太多导致可移动载体无法正常行驶，通过可移动载体自身无法规避周边建筑物，此时当前场景的复杂程度为高程度。

可以理解的是，在获得可移动载体周围可移动对象的行驶数据后，对其进行预测，判断它是否也在寻找空余停放点进行停放，并基于可移动对象和可移动载体的当前相对位置及空余停放点的位置，获得可移动载体的停放顺序，来判断可移动载体当前是否能够先于可移动对象进行空余停放点，从而完成停放。

在具体实现中，在得到当前场景的复杂程度及停放顺序，来确定当前接管场景的接管类型，例如是由于场景复杂从而导致不能顺利停放或者由于找不到空余停放点从而导致不能顺利停放的接管问题，接管场景类型为场景复杂接管场景类型和未找到停放点接管场景类型，还可以为其他接管场景类型，本实施例对此不加以限制。

S50：基于所述当前接管场景类型生成对应的当前接管事件。

需要说明的是，在确定当前场景接管类型后，即可生成对应的接管事件，例如当前接管场景类型为场景复杂接管场景类型，则当前接管事件为场景复杂接管事件。当前接管场景类型为未找到停放点接管场景类型，则当前接管事件为未找到停放点接管事件，还可以为其他类型事件，本实施例对此不加以限制。

S60，根据所述当前接管事件确定对应的目标执行指令。

需要说明的是，根据接管事件基于可移动载体当前的行驶状态进行行驶模拟，在行驶模拟能够顺利对当前接管事件进行解决时，得到此时的模拟操作对应的指令，从而确定当前的目标执行指令，根据目标执行指令对可移动载体进行控制。

本实施例通过在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息，然后根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置，再获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度，在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型，然后基于所述当前接管场景类型生成对应的当前接管事件，最后根据所述当前接管事件确定对应的目标执行指令，最后根据所述目标执行指令对所述目标可移动载体进行接管操作。通过上述方式，根据可移动载体进入目标场地时长触发接管，再根据可移动载体的目标停放场地及可移动载体周边可移动对象的行驶数据，再结合周围空余停放点位置，来确定可移动载体在目标停放场地所遇到的接管场景类型，从而采取合适的接管执行指令对可移动载体进行控制，能够保证可移动载体在停放时遇到接管问题时能够通过自身和服务器来解决当前问题，从而达到顺利停放的目的，同时提高了自动驾驶的智能性，并提高了用户的体验感。

参照图3，图3为本发明基于停放场地的控制方法第二实施例的流程示意图。

基于上述实施例，本实施例基于停放场地的控制方法在所述步骤S40具体包括：

S41：根据所述三维图像信息确定当前场景的复杂程度。

需要说明的是，在获取到三维图像信息后，能够获得可移动载体当前所处位置的路况信息及周边对象的存在，从而得到当前场景是否处于较为复杂的状态。

可以理解的是，在对当前场景的复杂程度进行确定时，需要结合目标停放场地的地图信息来进行准确判断，因此，本实施例中，步骤S41可具体包括：

获取目标停放场地的地图图像信息；根据所述地图图像信息和所述三维图像信息进行融合，得到当前场景图像信息；获取所述当前场景图像信息的前行区域图像；识别所述前行区域图像中存在的障碍物，基于所述障碍物确定所述当前场景的复杂程度。

需要说明的是，与可移动载体连接的服务器中会预先存储停放场地的地图信息，在可移动载体进入到目标停放场地后，可移动载体生成一个查询指令，并将查询指令发送给服务器，以使服务器根据查找指令去查找对应的地图信息，并将找到的地图信息反馈给可移动载体。

可以理解的是，由于三维图像信息有一定的局限性，并不能够得到目标停放场地的整体环境信息，所以，需要将地图图像信息与当前位置的图像信息结合起来考虑，从而得到距离可移动载体一定范围内的场景图像信息。例如，三维图像信息仅能够获取可移动载体10米范围的图像，并不能知道目标停放场地的整体停放地点的布局以及建筑物的布局情况，将可移动载体当前位置的三维图像信息与目标停放场地的地图信息匹配结合考虑，能够得到可移动载体100米范围内整体场景的实时图像信息，同时得到周边停放点的布局以及建筑障碍物存在位置。

需要说明的是，在得到当前场景的图像信息后，从中获取可移动载体前行区域的图像，例如，在获得可移动载体100米范围内整体场景的实时图像信息后，从中选取距可移动载体当前位置30米范围内前行区域的图像信息。

在具体实现中，在获取可移动载体前行区域图像后，去识别前行区域图像中存在的障碍物，通过障碍物存在的数量，障碍物之间的位置关系，障碍物的移动情况来得到当前场景的复杂程度。例如通过对可移动载体当前位置30米范围内前行区域图像的识别，可以获得当前可移动载体前行路段是否堵塞导致可移动载体无法行驶或者前行路段有很多建筑障碍物的存在导致可移动载体不能够顺利行驶到空余停放点，确定此时的场景较为复杂。

可以理解的是，在本实施例中通过三维图像信息结合目标停放场景的地图信息，综合考虑当前场景的复杂程度，对周边环境有更为确切的判断，使可移动载体能够根据当前场景的具体情况及时的被接管，能够使可移动载体后续的停放更为顺利。

S42：基于所述当前行驶数据预测所述可移动对象预设时间段内的行驶轨迹。

可以理解的是，在知道可移动载体周围可移动对象的行驶数据后，对其进行一段时间内的行为预测，获得它在将来某一时间段的行驶趋势。例如，可移动载体周边存在可移动对象2，基于可移动对象2的行驶数据进行未来3分钟内可移动对象2的行为趋势的预测，去得到它的预测行驶轨迹。

可以理解的是，对于周边可移动对象的行为轨迹的预测，需要结合可移动对象的当前行驶数据中的特定信息通过预设行为预测模型进行预测，在本实施例中，步骤S42可具体包括：

提取所述当前行驶数据可移动对象的警示特征；根据所述当前行驶数据得到所述可移动对象的历史行驶轨迹及当前行驶速度；基于所述警示特征、所述当前行驶轨迹及所述当前行驶速度通过预设行为预测模型，预测所述可移动对象预设时间段内的行驶轨迹。

需要说明的是，在获取到周边可移动对象的当前行驶数据后，可以从中获取到可移动对象的历史行驶轨迹即当前行驶速度，并提取到可移动对象本身给出的警示特征信息，例如车辆的转向灯，刹车灯其他的警示信息，通过预设行为预测模型，可得到可移动对象未来某一时间段内的行驶轨迹，所述预设行为预测模型是通过道路中大量的样本数据(即多个可移动对象在不同速度及不同的行驶轨迹给出的警示信息)对初始神经网络模型进行训练得到的。

例如，可移动载体周边存在可移动对象3，可移动对象3的历史行驶轨迹如图4所示，从C点移动到D点，且当前行驶速度为3km/h，同时当前可移动对象3并未给出相应的警示等信息，对可移动对象3的未来3分钟的行驶轨迹进行预测，可得到预测的行驶轨迹是从D点移动到E处。

S43：根据所述行驶轨迹、所述当前相对位置及所述空余停放点位置预测预设时间段的空余停放点信息，以得到更新空余停放点信息。

需要说明的是，在得到可移动载体周边可移动对象的预测行驶轨迹后，判断它是否也在寻找空余停放点进行停放，并基于可移动对象和可移动载体的当前相对位置及空余停放点的位置，来判断可移动载体当前是否能够先于可移动对象进行空余停放点，并预测未来某一时间段内在可移动载体周边可移动对象先于可移动载体进行停放后，是否还有空余停放点能够被可移动载体进行停放，以得到更新后的空余停放点的位置和数量。

例如，可移动载体周边存在可移动对象3、4、5，在对可移动对象未来3分钟的行驶轨迹进行预测后，得到可移动对象3、4、5都需要进行停放操作，而当前的空余停放点仅剩两个，且可移动载体与可移动对象3、4、5的相对位置如图4所示，对未来3分钟内的空余停放点信息进行预测，可知，剩余的空余停放点数量为0，空余停放点位置未知，更新的空余停放点信息即为数量为0，位置未知，同时可移动3、4会先于可移动载体进行空余停放点。此时可移动载体所处当前位置找不到空余停放点，更新后的停放点信息为数量0和位置未知，则可移动载体仍需要向前行驶，在行驶中根据实时三维图像信息去寻找周边环境中的空余停放点及其位置，从而又重新对可移动载体周围可移动对象的行驶轨迹进行预测，进一步得到更新后的空余停放点信息。

S44：根据所述更新空余停放点信息及所述复杂程度确定当前接管场景类型。

需要说明的是，得到更新的空余停放点信息后，基于停放点信息结合当前场景的复杂程度，来确定当前场景的接管类型。例如，可移动载体当前所处位置更新后的空余停放点信息包含的空余停放点数量不为0，且空余停放点位置已知，在空余停放点中找到了邻近的目标空余停放点，但由于目标空余停放点周边障碍物太多，空余停放点周边场景较为复杂，可移动载体自身无法顺利规避当前障碍物，从而顺利停放，则当前接管场景类型为场景复杂接管场景类型。又例如可移动载体当前所处位置场景的复杂程度不高，行驶路况较为通常，障碍物与并不多，可移动载体能够正常行驶，但由于更新后的空余停放点信息为数量0和位置未知，即可移动载体在当前所处位置找不到停放点，不能完成停放，则当前接管场景类型为未找到停放点接管场景类型。

本实施例通过根据所述三维图像信息确定当前场景的复杂程度；基于所述当前行驶数据预测所述可移动对象预设时间段内的行驶轨迹；根据所述行驶趋势、所述当前相对位置及所述空余停放点位置预测预设时间段的空余停放点信息，以得到更新空余停放点信息；根据所述更新空余停放点信息及所述复杂程度确定当前接管场景类型。通过结合场景以及周边可移动对象的行为轨迹预测停放点信息，来准确判断当前接管场景的类型，使对可移动载体的接管控制更有针对性，最终使可移动载体能够安全的完成停放过程。

参照图5，图5为本发明基于停放场地的控制方法第三实施例的流程示意图。

基于上述实施例，本实施例主动接管方法在所述步骤S60具体包括：

S61：将所述接管事件发送至服务器，以使所述服务器根据所述接管事件反馈对应的事件解决指令。

需要说明的是，将所述接管事件发送至服务器，以使服务器根据当前接管场景类型进行不同操作指令下的行驶模拟，以至于通过预设生成模型得到能达到接管事件被解决的行驶模拟结果，例如在遇到场景复杂接管事件时，此时可移动载体因无法规避当前场景中出现的障碍物，服务器获取当前场景，基于当前场景以及可移动载体当前的行驶数据模拟不同的操作当前可移动载体达到的状态，直至模拟得到可移动载体能够规避当前障碍物的操作，将模拟结果对应的操作生成事件解决指令，并将解决指令反馈给可移动载体。若当前接管事件为未能找到空余停放点时，则需通过服务器在目标停放场地中所有的停放点及障碍物布局，再将可移动载体基于目标停放场地的整体布局进行缓慢行驶，实时获取周边的三维图像信息并反馈给服务器，查找周边的的空余停放点位置，并根据周边可移动对象的预测行为轨迹、相对位置判断可移动载体能否顺利停放，最终得到目标空余停放点。

可以理解的是，若可移动载体周边的可移动对象也为能够自动驾驶载体时，服务器可获取周边可移动对象的行驶信息，通过服务器下达指令给周边可移动对象，对其进行调度安排，可以解决因当前场景堵塞导致可移动载体无法停放的接管事件。

在具体实现中，将所述接管事件发送给服务器之前，先将所述接管事件发送至距可移动载体最近的路面终端，以使所述路面终端查找并反馈与当前接管事件对应的事件解决指令，在未接收到路面终端反馈的事件解决指令时，再将当前接管事件发送至服务器，以使所述服务器根据所述接管事件反馈对应的事件解决指令。

S62：在接收到所述事件解决指令时，预测自动驾驶的下一时刻的待操作指令。

需要说明的是，可移动载体接收到服务器发送的事件解决指令的同时，可移动载体自身控制器也会根据当前的接管事件基于自动驾驶算法预测下一时刻的待操作指令，所述待操作指令也能够解决当前接管事件。

S63：对所述待操作指令与所述事件解决指令进行比较，以获得目标执行指令。

可以理解的是，基于可移动载体的当前行驶信息，对所述待操作指令与所述事件解决指令进行择优选择，得到二者中符合当前行驶状态的操作指令，以作为目标执行指令。

在具体实现中，在获取到当前接管事件对应的目标执行指令后，将得到的目标执行指令发送至服务器，以使服务器对预设生成模型进行更新，并将所述目标执行指令同步至路面终端。

需要说明的是，为了得到更优的执行指令使可移动载体能够顺利停放，需要获取到的指令比较分析，最后选择更优的执行指令，在本实施例中，步骤S63可具体包括：

获取可移动载体的当前行驶状态；根据所述可移动载体当前行驶状态及所述待操作指令通过预设行为预测模型，得到所述可移动载体预测到达目标空余停放点的第一时间值；根据所述可移动载体当前行驶状态及所述事件解决指令通过预设行为预测模型，得到所述目标可移动载体预测到达所述目标空余停放点的第二时间值；将所述第一时间值与所述第二时间值进行比较，得到二者中数值较小的时间值，以作为目标时间值；确定所述目标时间值对应的指令，并将确定的指令作为目标执行指令。

需要说明的是，在得到目标空余停放点后，基于可移动载体的当前行驶状态预测在待操作指令各事件解决指令下可移动载体到达目标空余停放点所需要的时间值。

可以理解的是，选择可移动载体到达目标空余停放点所需要的时间更短对应的指令为目标执行指令。例如可移动载体在当前行驶状态下结合待操作指令，到达目标空余停放点的第一时间值为2分30秒，而结合事件解决指令，到达目标空余停放点的第二时间值为3分15秒，则选择所需时间为2分30秒对应的待操作指令为目标执行指令。

需要说明的是，在得到所述目标执行指令后，发送目标执行指令给服务器，以使服务器对预设生成模型进行更新，并将目标执行指令同步至路面终端。

在具体实现中，本实施例通过对待操作指令和事件解决指令通过行为预测，选择停放所需时间更短的指令，能够使接管操作在更短时间内完成，既保证了其安全性，又能够提高效率。

本实施例通过将所述接管事件发送至服务器，以使所述服务器根据所述接管事件反馈对应的事件解决指令；在接收到所述事件解决指令时，预测自动驾驶的下一时刻的待操作指令；对所述待操作指令与所述事件解决指令进行比较，以获得目标执行指令；根据所述目标执行指令对所述可移动载体进行接管操作。通过对两种接管指令的择优选择，得到最终的目标执行指令，从而节省了接管控制所需时间，提高了接管效率，同时使可移动载体能够安全顺利的完成停放。

此外，参照图6，本发明实施例还提出一种基于停放场地的控制装置，所述基于停放场地的控制装置包括：

信息获取模块10，用于在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息；

对象识别模块20，用于根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置；

数据获取模块30，用于获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度；

类型确定模块40，用于在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型；

事件生成模块50，用于基于所述当前接管场景类型生成对应的当前接管事件；

指令确定模块60，还用于根据所述当前接管事件确定对应的目标执行指令。

本实施例通过在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息，然后根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置，再获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度，在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型，然后基于所述当前接管场景类型生成对应的当前接管事件，最后根据所述当前接管事件确定对应的目标执行指令，最后根据所述目标执行指令对所述目标可移动载体进行接管操作。通过上述方式，根据可移动载体进入目标场地时长触发接管，再根据可移动载体的目标停放场地及可移动载体周边可移动对象的行驶数据，再结合周围空余停放点位置，来确定可移动载体在目标停放场地所遇到的接管场景类型，从而采取合适的接管执行指令对可移动载体进行控制，能够保证可移动载体在停放时遇到接管问题时能够通过自身和服务器来解决当前问题，从而达到顺利停放的目的，同时提高了自动驾驶的智能性，并提高了用户的体验感。

参照图7，图7为本发明实施例方案涉及的硬件运行环境的可移动载体结构示意图。

如图7所示，该可移动载体可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图7中示出的结构并不构成对可移动载体的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图7所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于停放场地的控制程序。

在图7所示的可移动载体中，网络接口1004主要用于与外部网络进行数据通信；用户接口1003主要用于接收用户的输入指令；所述可移动载体通过处理器1001调用存储器1005中存储的基于停放场地的控制程序，并执行以下操作：

在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息；

根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置；

获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度；

在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型；

基于所述当前接管场景类型生成对应的当前接管事件；

根据所述当前接管事件确定对应的目标执行指令。

进一步地，处理器1001可以调用存储器1005中存储的基于停放场地的控制程序，还执行以下操作：

对所述三维图像信息进行边缘检测，以确定所述三维图像信息中的边缘线；

基于所述边缘线对所述三维图像信息进行分割，以获得所述三维图像信息中的图像块以及各图像块的位置信息；

对各图像块分别进行特征提取，以获得各图像块对应的特征信息；

根据所述特征信息识别所述可移动载体周围存在的对象；

根据所述对象筛选出所述可移动载体周围的可移动对象及空余停放点，并基于各图像块的位置信息确定所述空余停放点的位置。

进一步地，处理器1001可以调用存储器1005中存储的基于停放场地的控制程序，还执行以下操作：

根据所述三维图像信息确定当前场景的复杂程度；

基于所述当前行驶数据预测所述可移动对象预设时间段内的行驶轨迹；

根据所述行驶轨迹、所述当前相对位置及所述空余停放点位置预测预设时间段的空余停放点信息，以得到更新空余停放点信息；

根据所述更新空余停放点信息及所述复杂程度确定当前接管场景类型。

进一步地，处理器1001可以调用存储器1005中存储的基于停放场地的控制程序，还执行以下操作：

获取目标停放场地的地图图像信息；

根据所述地图图像信息和所述三维图像信息进行融合，得到当前场景图像信息；

获取所述当前场景图像信息的前行区域图像；

识别所述前行区域图像中存在的障碍物，基于所述障碍物确定所述当前场景的复杂程度。

进一步地，处理器1001可以调用存储器1005中存储的基于停放场地的控制程序，还执行以下操作：

提取所述当前行驶数据可移动对象的警示特征；

根据所述当前行驶数据得到所述可移动对象的历史行驶轨迹及当前行驶速度；

基于所述警示特征、所述当前行驶轨迹及所述当前行驶速度通过预设行为预测模型，预测所述可移动对象预设时间段内的行驶轨迹。

进一步地，处理器1001可以调用存储器1005中存储的基于停放场地的控制程序，还执行以下操作：

将所述接管事件发送至服务器，以使所述服务器根据所述接管事件反馈对应的事件解决指令；

在接收到所述事件解决指令时，预测自动驾驶的下一时刻的待操作指令；

对所述待操作指令与所述事件解决指令进行比较，以获得目标执行指令。

进一步地，处理器1001可以调用存储器1005中存储的基于停放场地的控制程序，还执行以下操作：

获取可移动载体的当前行驶状态；

根据所述可移动载体当前行驶状态及所述待操作指令通过预设行为预测模型，得到所述可移动载体预测到达目标空余停放点的第一时间值；

根据所述可移动载体当前行驶状态及所述事件解决指令通过预设行为预测模型，得到所述目标可移动载体预测到达所述目标空余停放点的第二时间值；

将所述第一时间值与所述第二时间值进行比较，得到二者中数值较小的时间值，以作为目标时间值；

确定所述目标时间值对应的指令，并将确定的指令作为目标执行指令。

本实施例通过上述方式，根据可移动载体进入目标场地时长触发接管，再根据可移动载体的目标停放场地及可移动载体周边可移动对象的行驶数据，再结合周围空余停放点位置，来确定可移动载体在目标停放场地所遇到的接管场景类型，从而采取合适的接管执行指令来进行接管操作，能够保证可移动载体在停放时遇到接管问题时能够通过自身和服务器来解决当前问题，从而达到顺利停放的目的，同时提高了自动驾驶的智能性，并提高了用户的体验感。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于停放场地的控制程序，所述基于停放场地的控制程序被处理器执行时实现如下操作：

在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息；

根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置；

获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度；

在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型；

基于所述当前接管场景类型生成对应的当前接管事件；

根据所述当前接管事件确定对应的目标执行指令。

本实施例通过上述方式，根据可移动载体进入目标场地时长触发接管，再根据可移动载体的目标停放场地及可移动载体周边可移动对象的行驶数据，再结合周围空余停放点位置，来确定可移动载体在目标停放场地所遇到的接管场景类型，从而采取合适的接管执行指令对可移动载体进行控制，能够保证可移动载体在停放时遇到接管问题时能够通过自身和服务器来解决当前问题，从而达到顺利停放的目的，同时提高了自动驾驶的智能性，并提高了用户的体验感。

需要说明的是，上述计算机可读存储介质被处理器执行时还可实现上述方法中的各个步骤，同时达到相应的技术效果，本实施例在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种基于停放场地的控制方法，其特征在于，所述基于停放场地的控制方法包括以下步骤：

在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息；

根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置；

获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度；

在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型；

基于所述当前接管场景类型生成对应的当前接管事件；

根据所述当前接管事件确定对应的目标执行指令；

其中，所述根据所述当前接管事件确定对应的目标执行指令，具体包括：

将所述接管事件发送至服务器，以使所述服务器根据所述接管事件反馈对应的事件解决指令；

在接收到所述事件解决指令时，预测自动驾驶的下一时刻的待操作指令；

对所述待操作指令与所述事件解决指令进行比较，以获得目标执行指令；

其中，所述对所述待操作指令与所述事件解决指令进行比较，以获得目标执行指令，具体包括：

获取可移动载体的当前行驶状态；

根据所述可移动载体当前行驶状态及所述待操作指令通过预设行为预测模型，得到所述可移动载体预测到达目标空余停放点的第一时间值；

根据所述可移动载体当前行驶状态及所述事件解决指令通过预设行为预测模型，得到所述目标可移动载体预测到达所述目标空余停放点的第二时间值；

将所述第一时间值与所述第二时间值进行比较，得到二者中数值较小的时间值，以作为目标时间值；

确定所述目标时间值对应的指令，并将确定的指令作为目标执行指令。

2.如权利要求1所述的基于停放场地的控制方法，其特征在于，所述根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置，具体包括：

对所述三维图像信息进行边缘检测，以确定所述三维图像信息中的边缘线；

基于所述边缘线对所述三维图像信息进行分割，以获得所述三维图像信息中的图像块以及各图像块的位置信息；

对各图像块分别进行特征提取，以获得各图像块对应的特征信息；

根据所述特征信息识别所述可移动载体周围存在的对象；

根据所述对象筛选出所述可移动载体周围的可移动对象及空余停放点，并基于各图像块的位置信息确定所述空余停放点的位置。

3.如权利要求1所述的基于停放场地的控制方法，其特征在于，所述在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型，具体包括：

根据所述三维图像信息确定当前场景的复杂程度；

基于所述当前行驶数据预测所述可移动对象预设时间段内的行驶轨迹；

根据所述行驶轨迹、所述当前相对位置及所述空余停放点位置预测预设时间段的空余停放点信息，以得到更新空余停放点信息；

根据所述更新空余停放点信息及所述复杂程度确定当前接管场景类型。

4.如权利要求3所述的基于停放场地的控制方法，其特征在于，所述根据所述三维图像信息确定当前场景的复杂程度，具体包括：

获取目标停放场地的地图图像信息；

根据所述地图图像信息和所述三维图像信息进行融合，得到当前场景图像信息；

获取所述当前场景图像信息的前行区域图像；

识别所述前行区域图像中存在的障碍物，基于所述障碍物确定所述当前场景的复杂程度。

5.如权利要求3所述的基于停放场地的控制方法，其特征在于，所述基于所述当前行驶数据预测所述可移动对象预设时间段内的行驶轨迹，具体包括：

提取所述当前行驶数据可移动对象的警示特征；

根据所述当前行驶数据得到所述可移动对象的历史行驶轨迹及当前行驶速度；

基于所述警示特征、所述当前行驶轨迹及所述当前行驶速度通过预设行为预测模型，预测所述可移动对象预设时间段内的行驶轨迹。

6.一种基于停放场地的控制装置，其特征在于，所述基于停放场地的控制装置包括：

信息获取模块，用于在可移动载体处于目标停放场地时，获取所述可移动载体当前所处位置的三维图像信息；

对象识别模块，用于根据所述三维图像信息确定所述可移动载体周围的可移动对象，并根据所述三维图像信息识别所述可移动载体周围的空余停放点位置；

数据获取模块，用于获取所述可移动对象的当前相对位置以及当前行驶数据，并统计所述可移动载体处于所述目标停放场地的时间长度；

类型确定模块，用于在所述时间长度超过预设时间阈值时，基于所述三维图像信息、所述当前行驶数据、所述当前相对位置及所述空余停放点位置确定当前接管场景类型；

事件生成模块，用于基于所述当前接管场景类型生成对应的当前接管事件；

指令确定模块，还用于根据所述当前接管事件确定对应的目标执行指令；

所述指令确定模块，还用于将所述接管事件发送至服务器，以使所述服务器根据所述接管事件反馈对应的事件解决指令；

在接收到所述事件解决指令时，预测自动驾驶的下一时刻的待操作指令；

对所述待操作指令与所述事件解决指令进行比较，以获得目标执行指令；

所述指令确定模块，还用于获取可移动载体的当前行驶状态；

根据所述可移动载体当前行驶状态及所述待操作指令通过预设行为预测模型，得到所述可移动载体预测到达目标空余停放点的第一时间值；

根据所述可移动载体当前行驶状态及所述事件解决指令通过预设行为预测模型，得到所述目标可移动载体预测到达所述目标空余停放点的第二时间值；

将所述第一时间值与所述第二时间值进行比较，得到二者中数值较小的时间值，以作为目标时间值；

确定所述目标时间值对应的指令，并将确定的指令作为目标执行指令。

7.一种可移动载体，其特征在于，所述可移动载体包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于停放场地的控制程序，所述基于停放场地的控制程序配置为实现如权利要求1至5中任一项所述的基于停放场地的控制方法的步骤。

8.一种存储介质，其特征在于，所述存储介质上存储有基于停放场地的控制程序，所述基于停放场地的控制方法被处理器执行时实现如权利要求1至5任一项所述的基于停放场地的控制方法的步骤。

Images