CN113127489A - 数据表更新方法和装置 - Google Patents
数据表更新方法和装置 Download PDFInfo
- Publication number
- CN113127489A CN113127489A CN202110438194.3A CN202110438194A CN113127489A CN 113127489 A CN113127489 A CN 113127489A CN 202110438194 A CN202110438194 A CN 202110438194A CN 113127489 A CN113127489 A CN 113127489A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- calibration table
- characteristic parameter
- updated
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000001133 acceleration Effects 0.000 claims description 79
- 230000006870 function Effects 0.000 claims description 54
- 230000004043 responsiveness Effects 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 20
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了数据表更新方法和装置,具体实现方案为:获取车辆的行驶参数集,确定标定表是否需要更新;在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,其中,更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差;根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。该方案实现了一种实时对标定表进行动态优化的方法,使标定表更加符合车辆的实际运行情况。
Description
技术领域
本申请的实施例涉及计算机技术领域,具体涉及数据处理技术领域,尤其涉及数据表更新方法和装置。
背景技术
近些年,无人驾驶技术快速发展,各个无人驾驶公司纷纷发力落地运营。无人驾驶涉及的技术面很广,包括定位、感知、决策规划、运动控制等,其中运动控制是其核心技术之一。无人车的运动控制一般分为纵向控制和横向控制,纵向控制实现车辆的加减速,横向控制来完成车辆的转向。对于纵向控制量为油门、刹车的无人车来说,上层控制根据规划输入的轨迹和车辆当前的状态信息,包括车辆位置、速度、加速度等来计算出车辆达到理想状态下需要的加速度,加速度指令通过查询车辆纵向行驶特性标定表来找到车辆的实际控制指令(油门或刹车)。在无人车的纵向控制中引入车辆的纵向行驶特性标定表,将上层控制算法与车辆分开,可以提高上层算法的适应性。
一般无人车中采用固定的标定表来控制车辆,采用固定标定表的缺点主要表现为:成本高、工作量大、固定的标定表不能完全适应车辆的运行工况,急需对固定标定表进行改进来提高控制的精度和标定表的应用效率。
发明内容
本申请提供了一种数据表更新方法、装置、设备以及存储介质。
根据本申请的第一方面,提供了一种数据表更新方法,该方法包括:获取车辆的行驶参数集,确定标定表是否需要更新,其中,确定用于表征对行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,标定表作为车辆查询当前各个行驶特性参数所用;在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,其中,更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差;根据所述更新值对所述标定表的更新区间的各个行驶特性参数值进行累加更新。
在一些实施例中,行驶参数集中的各个行驶特性参数包括:车辆的状态信息和车辆的控制指令,车辆的状态信息至少包括车辆的速度和车辆的加速度;获取车辆的行驶参数集,确定标定表是否需要更新,包括:获取车辆的行驶参数集,基于车辆的速度和参考速度,确定车辆的第一比对结果,并基于所车辆的加速度和参考加速度,确定车辆的第二比对结果;根据第一比对结果和第二比对结果,确定标定表是否需要更新,其中,确定用于表征对第一比对结果与速度阈值的比对结果和第二比对结果与加速度阈值的比对结果进行判定。
在一些实施例中,在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,包括:在确定标定表需要更新的情况下,将当前的行驶特性参数值和当前查询到的标定表中相应的行驶特性参数值输入至训练得到的更新模型,生成与当前的行驶特性参数值和当前查询到的标定表中相应的行驶特性参数值对应的标定表的更新值,其中,更新模型基于卷积神经网络而构建,卷积神经网络模型基于各个行驶特性参数的响应度而构建。
在一些实施例中,方法还包括:对行驶参数集中的各个行驶特性参数进行校准,得到校准后的行驶参数集中的各个行驶特性参数和各个行驶特性参数的偏差值,其中,校准用于表征对各个行驶特性参数进行均值滤波。
在一些实施例中,在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,包括:在确定标定表需要更新的情况下,利用更新函数和行驶特性参数的偏差值确定标定表的更新值,其中,响应度函数基于当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差和相应行驶特性参数对应权重而构建。
在一些实施例中,根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新,包括:基于当前的车辆的速度、当前的车辆的加速度、速度阈值和加速度阈值,确定标定表的更新区间;根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。
在一些实施例中,方法还包括:对更新后的标定表进行检查,其中,检查用于表征对标定表中车辆的状态信息与车辆的控制指令是否一致进行检验。
在一些实施例中,方法还包括:根据车辆的目标加速度,查询更新后的标定表得到车辆的控制指令,其中,目标加速度用于表征车辆达到理想状态时所需的加速度。
根据本申请的第二方面,提供了一种数据表更新装置,装置包括:第一确定单元,被配置成获取车辆的行驶参数集,确定标定表是否需要更新,其中,确定用于表征对行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,标定表作为车辆查询当前各个行驶特性参数所用;第二确定单元,被配置成在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,其中,更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差;更新单元,被配置成根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。
在一些实施例中,行驶参数集中的各个行驶特性参数包括:车辆的状态信息和车辆的控制指令,车辆的状态信息至少包括车辆的速度和车辆的加速度;第一确定单元,包括:第一确定模块,被配置成获取车辆的行驶参数集,基于车辆的速度和参考速度,确定车辆的第一比对结果,并基于所车辆的加速度和参考加速度,确定车辆的第二比对结果;第二确定模块,被配置成根据第一比对结果和第二比对结果,确定标定表是否需要更新,其中,确定用于表征对第一比对结果与速度阈值的比对结果和第二比对结果与加速度阈值的比对结果进行判定。
在一些实施例中,第二确定单元进一步被配置成在确定标定表需要更新的情况下,将当前的行驶特性参数值和当前查询到的标定表中相应的行驶特性参数值输入至训练得到的更新模型,生成与当前的行驶特性参数值和当前查询到的标定表中相应的行驶特性参数值对应的标定表的更新值,其中,更新模型基于卷积神经网络而构建,卷积神经网络模型基于各个行驶特性参数的响应度而构建。
在一些实施例中,装置还包括:校准单元,被配置成对行驶参数集中的各个行驶特性参数进行校准,得到校准后的行驶参数集中的各个行驶特性参数和各个行驶特性参数的偏差值,其中,校准用于表征对各个行驶特性参数进行均值滤波。
在一些实施例中,第二确定单元进一步被配置成在确定标定表需要更新的情况下,利用更新函数和行驶特性参数的偏差值确定标定表的更新值,其中,响应度函数基于当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差和相应行驶特性参数对应权重而构建。
在一些实施例中,更新单元,包括:区间确定模块,被配置成基于当前的车辆的速度、当前的车辆的加速度、速度阈值和加速度阈值,确定标定表的更新区间;更新模块,被配置成根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。
在一些实施例中,装置还包括:检查单元,被配置成对更新后的标定表进行检查,其中,检查用于表征对标定表中车辆的状态信息与车辆的控制指令是否一致进行检验。
在一些实施例中,装置还包括:查询单元,被配置成根据车辆的目标加速度,查询更新后的标定表得到车辆的控制指令,其中,目标加速度用于表征车辆达到理想状态时所需的加速度。
根据本申请的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
根据本申请的第四方面,本申请提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
根据本申请的技术采用获取车辆的行驶参数集,确定标定表是否需要更新,其中,确定用于表征对行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,标定表作为车辆查询当前各个行驶特性参数所用,在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,其中,更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差,根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新,解决了现有技术中因无人车的工况复杂,固定标定表在车重、路况发生变化时难以响应不同的工况,导致成本高、工作量大、控制精度下降的问题,因不同车辆之间存在硬件差异,同一批次的车也难以做到车辆的动态响应完全一致,本公开可以解决固定标定表难以在大批量车型上应用的问题。实现了一种实时对标定表进行动态优化的方法,使标定表更加符合车辆的实际运行情况,使标定表更加准确,通过对标定表进行更新改进,提高了控制的精度和标定表的应用效率。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。
图1是根据本申请的数据表更新方法的第一实施例的示意图;
图2是根据本申请的数据表更新方法中车辆的标定表的示例图;
图3是可以实现本申请实施例的数据表更新方法的场景图;
图4是根据本申请的数据表更新方法的第二实施例的示意图;
图5是根据本申请的数据表更新装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的数据表更新方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了根据本申请的数据表更新方法的第一实施例的示意图100。该数据表更新方法,包括以下步骤:
步骤101,获取车辆的行驶参数集,确定标定表是否需要更新。
在本实施例中,执行主体可以通过有线连接或无线连接的方式从本地或远端实时地接收车辆的行驶参数集,当接收到车辆的行驶参数集时,确定标定表是否需要更新。行驶参数集中各个行驶特征参数可以包括:车辆的速度、加速度、转向、位置等车辆状态信息和车辆的控制指令(油门或刹车)。标定表是否需要更新的确定可以用于表征对行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,比如,当车辆的速度超过速度更新阈值时,则判定标定表需要更新。标定表作为车辆查询当前各个行驶特性参数所用。标定表用于存储与车辆的行驶参数集对应的各个行驶特性参数,以使车辆在行驶过程中对车辆的控制指令进行查询所用。比如,标定表参见图2所示,表中v表示车速,a表示加速度,cmd表示控制指令,a为正值表示加速,a为负表示减速,cmd为正值表示油门指令,cmd为负值表示刹车指令,cmd的数值表示油门刹车的百分比。需要指出的是,上述无线连接方式可以包括但不限于3G、4G、5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
在本实施例的一些可选的实现方式中,行驶参数集中的各个行驶特性参数包括:车辆的状态信息和车辆的控制指令,车辆的状态信息至少包括车辆的速度和车辆的加速度;获取车辆的行驶参数集,确定标定表是否需要更新,包括:获取车辆的行驶参数集,基于车辆的速度和参考速度,确定车辆的第一比对结果,并基于所车辆的加速度和参考加速度,确定车辆的第二比对结果;根据第一比对结果和第二比对结果,确定标定表是否需要更新,其中,确定用于表征对第一比对结果与速度阈值的比对结果和第二比对结果与加速度阈值的比对结果进行判定。通过对速度和加速度同时进行判定,实现更加精准而高效的信息确定。
具体说明如下,通过车辆的速度、车辆的加速度与参考速度、参考加速度的差值来判其是否需要更新,即,|vref-vvehicle|<Δvthreshold且|aref-avehicle|<Δathreshold,vref、vvehicle、aref、avehicle分别表示车辆的参考速度、实际速度、参考加速度、实际加速度,Δvthreshold和Δathreshold分别为设定的速度偏差阈值和加速度偏差阈值。如果同时满足以上两个条件,则认为车辆当前的行驶状态是比较理想的,现在的标定表是比较合理的,不需要对标定表进行更新,否则车辆的行驶状态不能达到要求,则需要对标定表进行更新。
步骤102,在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值。
在本实施例中,当执行主体确定标定表需要更新时,利用更新函数确定标定表的更新值。更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差。比如,根据速度响应度、加速度响应度和控制指令响应度来构建更新函数,速度响应度基于参考车速与当前车速的偏差来计算,目的是得到采用此刻标定表中的控制指令下,车辆的响应与参考值之间的响应差。加速度响应度基于当前车辆的加速度和此刻依据车辆的速度、加速度在标定表中查到的标定表中的加速度来计算。控制指令响应度是基于车辆当前的控制值与当前时刻查到的标定表中的控制指令的偏差来计算。车辆当前控制指令可以直接从车辆传感器获取。
在本实施例的一些可选的实现方式中,在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,包括:在确定标定表需要更新的情况下,将当前的行驶特性参数值和当前查询到的标定表中相应的行驶特性参数值输入至训练得到的更新模型,生成与当前的行驶特性参数值和当前查询到的标定表中相应的行驶特性参数值对应的标定表的更新值,其中,更新模型基于卷积神经网络而构建,卷积神经网络模型基于各个行驶特性参数的响应度而构建,更新模型利用深度学习技术预先训练得到。利用深度学习技术,提高了确定标定表更新值的精准度,扩大了系统适用范围。
步骤103,根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。
在本实施例中,执行主体可以根据步骤102中确定的更新值,查找标定表,确定标定表的更新区间,并基于更新区间,对标定表的更新区间的各个行驶特性参数进行更新。更新用于表征根据更新值对标定表的更新区间的各个行驶特性参数值进行累加。比如,若确定更新值为0.2,速度、加速度和控制指令的权重值分别为1、1、0.5,那么更新即为将标定表中车辆的速度值由1.0更新为1.2,将车辆的加速度由0.5更新为0.7,将车辆的控制指令由50更新为50.1。标定表更新的目标是使原标定表更加符合车辆的实际运行情况,在更新标定表的过程中,改变标定表中任意参数值,其对应的另外两个值也就发生了相对的变化,因此在具体更新中,只需要对一个变量进行更新就可以实现标定表的整体更新。
在本实施例的一些可选的实现方式中,根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新,包括:基于当前的车辆的速度、当前的车辆的加速度、速度阈值和加速度阈值,确定标定表的更新区间;根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。通过车辆当前的速度、加速度这两个状态来精确定位需要更新标定表的范围,在得到更新值后,并不是将原表所有的加速度值都进行更新,而是首先要划定原表的更新区间。因为原表中可能只有部分标定数据是错误的,有针对性对其错误数据进行优化,可以大大提升优化效率,同时保证与原表尽可能的一致,以此达到标定表的精确更新。
在本实施例的一些可选的实现方式中,方法还包括:对更新后的标定表进行检查,其中,检查用于表征对标定表中车辆的状态信息与车辆的控制指令是否一致进行检验。确保新表中控制指令与加速度的值是严格单调的,避免了标定表中出现车辆加速度大而控制指令小的错误,提高了标定表更新的准确性。
在本实施例的一些可选的实现方式中,方法还包括:根据车辆的目标加速度,查询更新后的标定表得到车辆的控制指令,其中,目标加速度用于表征车辆达到理想状态时所需的加速度。车辆利用更新后的标定表获取到下一控制指令,以使车辆执行更加精准的控制指令,保证了车辆行驶的安全、准确。
需要说明的是,上述执行主体可以存储有更新函数、更新模型函数和各个行驶特性参数的响应度函数,更新函数、更新模型函数和响应度函数可以基于历史数据预先训练得到,该更新函数、更新模型函数和各个行驶特性参数的响应度函数例如可以是数据表或计算公式等,本实施例不对此方面内容做任何限定。技术人员可以根据实际需求,自行设定上述更新模型的模型结构,本公开的实施例对此不做限定。
继续参见图3,本实施例的数据表更新方法300运行于服务器301中。当服务器301获取到车辆的行驶参数集,确定标定表是否需要更新302,接着在服务器301确定标定表需要更新的情况下,利用更新函数确定标定表的更新值303,最后服务器301根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新304。其中,更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差,更新用于表征根据更新值对标定表的更新区间的各个行驶特性参数值进行累加。
本申请的上述实施例提供的数据表更新方法采用获取车辆的行驶参数集,确定标定表是否需要更新,其中,确定用于表征对行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,标定表作为车辆查询当前各个行驶特性参数所用,在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,其中,更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差,根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新,解决了现有技术中因无人车的工况复杂,固定标定表在车重、路况发生变化时难以响应不同的工况,导致成本高、工作量大、控制精度下降的问题,因不同车辆之间存在硬件差异,同一批次的车也难以做到车辆的动态响应完全一致,本公开可以解决固定标定表难以在大批量车型上应用的问题。实现了一种实时对标定表进行动态优化的方法,使标定表更加符合车辆的实际运行情况,使标定表更加准确,通过对标定表进行更新改进,提高了控制的精度和标定表的应用效率。
进一步参考图4,其示出了数据表更新方法的第二实施例的示意图400。该方法的流程包括以下步骤:
步骤401,获取车辆的行驶参数集,确定标定表是否需要更新。
步骤402,对行驶参数集中的各个行驶特性参数进行校准,得到校准后的行驶参数集中的各个行驶特性参数和各个行驶特性参数的偏差值。
在本实施例中,执行主体可以对行驶参数集中的各个行驶特性参数进行校准,得到校准后的行驶参数集中的各个行驶特性参数和各个行驶特性参数的偏差值。校准用于表征对各个行驶特性参数进行均值滤波。
步骤403,在确定标定表需要更新的情况下,利用更新函数和行驶特性参数的偏差值确定标定表的更新值。
在本实施例中,当执行主体确定标定表需要更新时,基于步骤402校准后的行驶参数集中的各个行驶特性参数,利用更新函数和行驶特性参数的偏差值确定标定表的更新值,其中,响应度函数基于当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差和相应行驶特性参数对应权重而构建。例如,更新值表示为Δa=aerror·updatecost,其中,aerror表示校准后的加速度的偏差,updatecost表示更新函数,其中,l为更新权重,β为变量的距离系数,vresponse为车辆的速度响应度,cmdresponse为车辆的控制指令响应度,aresponse为车辆的加速度响应度。
步骤404,根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。
在本实施例中,步骤401和404的具体操作与图1所示的实施例中的步骤101和103的操作基本相同,在此不再赘述。
从图4中可以看出,与图1对应的实施例相比,本实施例中的数据表更新方法的示意图400采用对行驶参数集中的各个行驶特性参数进行校准,得到校准后的行驶参数集中的各个行驶特性参数和各个行驶特性参数的偏差值,在确定标定表需要更新的情况下,利用更新函数和行驶特性参数的偏差值确定标定表的更新值,根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新,因为车辆的加速度由传感器获得,而由传感器得到的加速度一般具有较大的波动,尤其在低速下,传感器的加速度信息并不准确,通过对车辆加速度信息进行均值滤波处理,获得更加精准的车辆加速度,然后对标定表进行更新,提高了标定表的精度。
进一步参考图5,作为对上述图1~4所示方法的实现,本申请提供了一种数据表更新装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的数据表更新装置500包括:第一确定单元501、第二确定单元502和更新单元503,其中,第一确定单元,被配置成获取车辆的行驶参数集,确定标定表是否需要更新,其中,确定用于表征对行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,标定表作为车辆查询当前各个行驶特性参数所用;第二确定单元,被配置成在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,其中,更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差;更新单元,被配置成根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。
在本实施例中,数据表更新装置500的第一确定单元501、第二确定单元502和更新单元503的具体处理及其所带来的技术效果可分别参考图1对应的实施例中的步骤101到步骤103的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,行驶参数集中的各个行驶特性参数包括:车辆的状态信息和车辆的控制指令,车辆的状态信息至少包括车辆的速度和车辆的加速度;第一确定单元,包括:第一确定模块,被配置成获取车辆的行驶参数集,基于车辆的速度和参考速度,确定车辆的第一比对结果,并基于所车辆的加速度和参考加速度,确定车辆的第二比对结果;第二确定模块,被配置成根据第一比对结果和第二比对结果,确定标定表是否需要更新,其中,确定用于表征对第一比对结果与速度阈值的比对结果和第二比对结果与加速度阈值的比对结果进行判定。
在本实施例的一些可选的实现方式中,第二确定单元进一步被配置成在确定标定表需要更新的情况下,将当前的行驶特性参数值和当前查询到的标定表中相应的行驶特性参数值输入至训练得到的更新模型,生成与当前的行驶特性参数值和当前查询到的标定表中相应的行驶特性参数值对应的标定表的更新值,其中,更新模型基于卷积神经网络而构建,卷积神经网络模型基于各个行驶特性参数的响应度而构建。
在本实施例的一些可选的实现方式中,装置还包括:校准单元,被配置成对行驶参数集中的各个行驶特性参数进行校准,得到校准后的行驶参数集中的各个行驶特性参数和各个行驶特性参数的偏差值,其中,校准用于表征对各个行驶特性参数进行均值滤波。
在本实施例的一些可选的实现方式中,第二确定单元进一步被配置成在确定标定表需要更新的情况下,利用更新函数和行驶特性参数的偏差值确定标定表的更新值,其中,响应度函数基于当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差和相应行驶特性参数对应权重而构建。
在本实施例的一些可选的实现方式中,更新单元,包括:区间确定模块,被配置成基于当前的车辆的速度、当前的车辆的加速度、速度阈值和加速度阈值,确定标定表的更新区间;更新模块,被配置成根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新。
在本实施例的一些可选的实现方式中,装置还包括:检查单元,被配置成对更新后的标定表进行检查,其中,检查用于表征对标定表中车辆的状态信息与车辆的控制指令是否一致进行检验。
在本实施例的一些可选的实现方式中,装置还包括:查询单元,被配置成根据车辆的目标加速度,查询更新后的标定表得到车辆的控制指令,其中,目标加速度用于表征车辆达到理想状态时所需的加速度。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的数据表更新方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的数据表更新方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的数据表更新方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的数据表更新方法对应的程序指令/模块(例如,附图5所示的第一确定单元501、第二确定单元502和更新单元503)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据表更新,即实现上述方法实施例中的数据表更新方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据数据表更新电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至数据表更新电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
数据表更新方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与数据表更新电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案采用获取车辆的行驶参数集,确定标定表是否需要更新,其中,确定用于表征对行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,标定表作为车辆查询当前各个行驶特性参数所用,在确定标定表需要更新的情况下,利用更新函数确定标定表的更新值,其中,更新函数基于各个行驶特性参数的响应度而构建,响应度用于表征当前的行驶特性参数值与当前查询到的标定表中相应的行驶特性参数值之间的偏差,根据更新值对标定表的更新区间的各个行驶特性参数值进行累加更新,解决了现有技术中因无人车的工况复杂,固定标定表在车重、路况发生变化时难以响应不同的工况,导致成本高、工作量大、控制精度下降的问题,因不同车辆之间存在硬件差异,同一批次的车也难以做到车辆的动态响应完全一致,本公开可以解决固定标定表难以在大批量车型上应用的问题。实现了一种实时对标定表进行动态优化的方法,使标定表更加符合车辆的实际运行情况,使标定表更加准确,通过对标定表进行更新改进,提高了控制的精度和标定表的应用效率。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种数据表更新方法,所述方法包括:
获取车辆的行驶参数集,确定标定表是否需要更新,其中,所述确定用于表征对所述行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,所述标定表作为所述车辆查询当前各个所述行驶特性参数所用;
在确定标定表需要更新的情况下,利用更新函数确定所述标定表的更新值,其中,所述更新函数基于各个所述行驶特性参数的响应度而构建,所述响应度用于表征当前的行驶特性参数值与当前查询到的所述标定表中相应的行驶特性参数值之间的偏差;
根据所述更新值对所述标定表的更新区间的各个行驶特性参数值进行累加更新。
2.根据权利要求1所述方法,其中,所述行驶参数集中的各个行驶特性参数包括:所述车辆的状态信息和所述车辆的控制指令,所述车辆的状态信息至少包括所述车辆的速度和所述车辆的加速度;所述获取车辆的行驶参数集,确定标定表是否需要更新,包括:
获取车辆的行驶参数集,基于所述车辆的速度和参考速度,确定所述车辆的第一比对结果,并基于所车辆的加速度和参考加速度,确定所述车辆的第二比对结果;
根据所述第一比对结果和所述第二比对结果,确定标定表是否需要更新,其中,所述确定用于表征对所述第一比对结果与速度阈值的比对结果和所述第二比对结果与加速度阈值的比对结果进行判定。
3.根据权利要求1所述方法,所述在确定标定表需要更新的情况下,利用更新函数确定所述标定表的更新值,包括:
在确定标定表需要更新的情况下,将当前的行驶特性参数值和当前查询到的所述标定表中相应的行驶特性参数值输入至训练得到的更新模型,生成与当前的行驶特性参数值和当前查询到的所述标定表中相应的行驶特性参数值对应的所述标定表的更新值,其中,所述更新模型基于卷积神经网络而构建,所述卷积神经网络模型基于各个所述行驶特性参数的响应度而构建。
4.根据权利要求3所述方法,还包括:
对所述行驶参数集中的各个行驶特性参数进行校准,得到校准后的所述行驶参数集中的各个行驶特性参数和各个所述行驶特性参数的偏差值,其中,所述校准用于表征对各个所述行驶特性参数进行均值滤波。
5.根据权利要求4所述方法,其中,所述在确定标定表需要更新的情况下,利用更新函数确定所述标定表的更新值,包括:
在确定标定表需要更新的情况下,利用更新函数和所述行驶特性参数的偏差值确定所述标定表的更新值,其中,所述响应度函数基于当前的行驶特性参数值与当前查询到的所述标定表中相应的行驶特性参数值之间的偏差和相应行驶特性参数对应权重而构建。
6.根据权利要求1所述方法,其中,所述根据所述更新值对所述标定表的更新区间的各个行驶特性参数值进行累加更新,包括:
基于当前的所述车辆的速度、当前的所述车辆的加速度、速度阈值和加速度阈值,确定所述标定表的更新区间;
根据所述更新值对所述标定表的更新区间的各个行驶特性参数值进行累加更新。
7.根据权利要求2所述方法,还包括:
对更新后的所述标定表进行检查,其中,所述检查用于表征对所述标定表中所述车辆的状态信息与所述车辆的控制指令是否一致进行检验。
8.根据权利要求2所述方法,还包括:
根据所述车辆的目标加速度,查询更新后的所述标定表得到所述车辆的控制指令,其中,所述目标加速度用于表征所述车辆达到理想状态时所需的加速度。
9.一种数据表更新装置,所述装置包括:
第一确定单元,被配置成获取车辆的行驶参数集,确定标定表是否需要更新,其中,所述确定用于表征对所述行驶参数集中的各个行驶特性参数与相应更新阈值的比对结果进行判定,所述标定表作为所述车辆查询当前各个所述行驶特性参数所用;
第二确定单元,被配置成在确定标定表需要更新的情况下,利用更新函数确定所述标定表的更新值,其中,所述更新函数基于各个所述行驶特性参数的响应度而构建,所述响应度用于表征当前的行驶特性参数值与当前查询到的所述标定表中相应的行驶特性参数值之间的偏差;
更新单元,被配置成根据所述更新值对所述标定表的更新区间的各个行驶特性参数值进行累加更新。
10.根据权利要求9所述装置,其中,所述行驶参数集中的各个行驶特性参数包括:所述车辆的状态信息和所述车辆的控制指令,所述车辆的状态信息至少包括所述车辆的速度和所述车辆的加速度;所述第一确定单元,包括:
第一确定模块,被配置成获取车辆的行驶参数集,基于所述车辆的速度和参考速度,确定所述车辆的第一比对结果,并基于所车辆的加速度和参考加速度,确定所述车辆的第二比对结果;
第二确定模块,被配置成根据所述第一比对结果和所述第二比对结果,确定标定表是否需要更新,其中,所述确定用于表征对所述第一比对结果与速度阈值的比对结果和所述第二比对结果与加速度阈值的比对结果进行判定。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110438194.3A CN113127489B (zh) | 2021-04-22 | 2021-04-22 | 数据表更新方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110438194.3A CN113127489B (zh) | 2021-04-22 | 2021-04-22 | 数据表更新方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113127489A true CN113127489A (zh) | 2021-07-16 |
CN113127489B CN113127489B (zh) | 2024-06-21 |
Family
ID=76779238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110438194.3A Active CN113127489B (zh) | 2021-04-22 | 2021-04-22 | 数据表更新方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127489B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113859392A (zh) * | 2021-10-20 | 2021-12-31 | 东风汽车集团股份有限公司 | 一种车辆减振器调校方法及系统 |
WO2023028783A1 (zh) * | 2021-08-30 | 2023-03-09 | 宁德时代新能源科技股份有限公司 | 电机的标定数据更新方法、装置、电子设备和存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170355398A1 (en) * | 2016-06-10 | 2017-12-14 | Cnh Industrial America Llc | System and method for vehicle steering calibration |
CN108216233A (zh) * | 2017-12-28 | 2018-06-29 | 北京经纬恒润科技有限公司 | 一种自适应巡航系统控制参数的标定方法及装置 |
CN108287540A (zh) * | 2017-10-19 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 车辆控制方法、装置、车辆及存储介质 |
US20190071068A1 (en) * | 2017-09-07 | 2019-03-07 | Hyundai Motor Company | Vehicle and method for controlling the vehicle |
US10586024B1 (en) * | 2019-05-23 | 2020-03-10 | Banjo, Inc. | System and method for event-based vehicle operation |
CN110968087A (zh) * | 2018-09-30 | 2020-04-07 | 百度(美国)有限责任公司 | 车辆控制参数的标定方法、装置、车载控制器和无人车 |
CN110967991A (zh) * | 2018-09-30 | 2020-04-07 | 百度(美国)有限责任公司 | 车辆控制参数的确定方法、装置、车载控制器和无人车 |
CN111033418A (zh) * | 2018-07-09 | 2020-04-17 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的速度控制命令自动校准系统 |
CN111142539A (zh) * | 2020-01-13 | 2020-05-12 | 中智行科技有限公司 | 一种无人驾驶车辆控制方法、装置和无人驾驶车辆 |
CN111308932A (zh) * | 2020-02-25 | 2020-06-19 | 北京百度网讯科技有限公司 | 刹车系统的标定方法、装置、设备及存储介质 |
US20200257740A1 (en) * | 2019-02-13 | 2020-08-13 | Honeywell International Inc. | Methods and systems for generating and manipulating electronic vehicle checklists using web-based editing tool |
CN111645698A (zh) * | 2020-05-23 | 2020-09-11 | 东南大学 | 一种重载车辆侧翻阈值自适应估计方法 |
CN112041774A (zh) * | 2019-03-28 | 2020-12-04 | 百度时代网络技术(北京)有限公司 | 用于3级自动驾驶车辆的基于摄像机的横向位置校准 |
US20200401154A1 (en) * | 2019-06-21 | 2020-12-24 | Weride Corp | Method for controlling vehicle speed for autonomous driving, electronic device, and computer-readable storage medium |
CN112356789A (zh) * | 2020-11-13 | 2021-02-12 | 上汽通用五菱汽车股份有限公司 | 制动减速度的自适应标定方法、车辆及可读存储介质 |
CN112379668A (zh) * | 2020-10-30 | 2021-02-19 | 深圳元戎启行科技有限公司 | 车辆控制数据标定方法、装置、计算机设备和存储介质 |
CN112477872A (zh) * | 2020-11-26 | 2021-03-12 | 中国第一汽车股份有限公司 | 一种参数标定方法、装置、设备及存储介质 |
-
2021
- 2021-04-22 CN CN202110438194.3A patent/CN113127489B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170355398A1 (en) * | 2016-06-10 | 2017-12-14 | Cnh Industrial America Llc | System and method for vehicle steering calibration |
US20190071068A1 (en) * | 2017-09-07 | 2019-03-07 | Hyundai Motor Company | Vehicle and method for controlling the vehicle |
CN108287540A (zh) * | 2017-10-19 | 2018-07-17 | 腾讯科技(深圳)有限公司 | 车辆控制方法、装置、车辆及存储介质 |
CN108216233A (zh) * | 2017-12-28 | 2018-06-29 | 北京经纬恒润科技有限公司 | 一种自适应巡航系统控制参数的标定方法及装置 |
CN111033418A (zh) * | 2018-07-09 | 2020-04-17 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的速度控制命令自动校准系统 |
CN110968087A (zh) * | 2018-09-30 | 2020-04-07 | 百度(美国)有限责任公司 | 车辆控制参数的标定方法、装置、车载控制器和无人车 |
CN110967991A (zh) * | 2018-09-30 | 2020-04-07 | 百度(美国)有限责任公司 | 车辆控制参数的确定方法、装置、车载控制器和无人车 |
US20200257740A1 (en) * | 2019-02-13 | 2020-08-13 | Honeywell International Inc. | Methods and systems for generating and manipulating electronic vehicle checklists using web-based editing tool |
CN112041774A (zh) * | 2019-03-28 | 2020-12-04 | 百度时代网络技术(北京)有限公司 | 用于3级自动驾驶车辆的基于摄像机的横向位置校准 |
US10586024B1 (en) * | 2019-05-23 | 2020-03-10 | Banjo, Inc. | System and method for event-based vehicle operation |
US20200401154A1 (en) * | 2019-06-21 | 2020-12-24 | Weride Corp | Method for controlling vehicle speed for autonomous driving, electronic device, and computer-readable storage medium |
CN111142539A (zh) * | 2020-01-13 | 2020-05-12 | 中智行科技有限公司 | 一种无人驾驶车辆控制方法、装置和无人驾驶车辆 |
CN111308932A (zh) * | 2020-02-25 | 2020-06-19 | 北京百度网讯科技有限公司 | 刹车系统的标定方法、装置、设备及存储介质 |
CN111645698A (zh) * | 2020-05-23 | 2020-09-11 | 东南大学 | 一种重载车辆侧翻阈值自适应估计方法 |
CN112379668A (zh) * | 2020-10-30 | 2021-02-19 | 深圳元戎启行科技有限公司 | 车辆控制数据标定方法、装置、计算机设备和存储介质 |
CN112356789A (zh) * | 2020-11-13 | 2021-02-12 | 上汽通用五菱汽车股份有限公司 | 制动减速度的自适应标定方法、车辆及可读存储介质 |
CN112477872A (zh) * | 2020-11-26 | 2021-03-12 | 中国第一汽车股份有限公司 | 一种参数标定方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
陈威;廖文浩;刘明春;: "基于MPC的自动驾驶车辆横向路径跟踪控制", 南昌大学学报(工科版), no. 03, 28 September 2020 (2020-09-28) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023028783A1 (zh) * | 2021-08-30 | 2023-03-09 | 宁德时代新能源科技股份有限公司 | 电机的标定数据更新方法、装置、电子设备和存储介质 |
EP4167469A4 (en) * | 2021-08-30 | 2023-04-19 | Contemporary Amperex Technology Co., Limited | METHOD AND DEVICE FOR UPDATING CALIBRATION DATA OF AN ENGINE, ELECTRONIC DEVICE AND STORAGE MEDIA |
CN113859392A (zh) * | 2021-10-20 | 2021-12-31 | 东风汽车集团股份有限公司 | 一种车辆减振器调校方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113127489B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10852139B2 (en) | Positioning method, positioning device, and robot | |
EP3910442A1 (en) | Method, apparatus, and device for training longitudinal dynamics model | |
US11527155B2 (en) | Time-segmented signal timing method and apparatus for traffic light, electronic device and storage medium | |
CN113759349B (zh) | 激光雷达与定位设备的标定方法、设备及自动驾驶车辆 | |
EP3932763A1 (en) | Method and apparatus for generating route planning model, and device | |
CN113127489A (zh) | 数据表更新方法和装置 | |
CN112578788B (zh) | 车辆避障二次规划方法、装置、设备和可读存储介质 | |
CN111079079B (zh) | 数据修正方法、装置、电子设备及计算机可读存储介质 | |
CN112099508A (zh) | 自动驾驶车辆的数据管理方法和装置 | |
WO2022257310A1 (zh) | 估计车辆重量的方法和装置 | |
CN111310840A (zh) | 数据融合处理方法、装置、设备和存储介质 | |
CN113183975A (zh) | 自动驾驶车辆的控制方法、装置、设备以及存储介质 | |
CN112793570A (zh) | 自动驾驶车辆的控制方法、装置、设备及存储介质 | |
EP3948672A1 (en) | Robust reinforcement learning for continuous control with model misspecification | |
JP2019520642A (ja) | 制御目的関数統合システム、制御目的関数統合方法、および、制御目的関数統合プログラム | |
CN111597987A (zh) | 用于生成信息的方法、装置、设备和存储介质 | |
CN112584314A (zh) | 车辆感知范围测量方法、装置、设备和介质 | |
CN112902951A (zh) | 一种行驶设备的定位方法、装置、设备及存储介质 | |
US20230123671A1 (en) | Localization and mapping | |
CN112578355A (zh) | 雷达标定的方法、装置、设备以及存储介质 | |
CN116168090A (zh) | 一种设备参数标定方法及装置 | |
CN113276810B (zh) | 用于车辆的制动方法、装置和设备 | |
CN111597850B (zh) | 车辆信息处理方法、装置及计算机可读存储介质 | |
CN112880664A (zh) | 一种行驶设备的定位方法、装置、设备及存储介质 | |
JP7351012B2 (ja) | 車両重量の推定方法、装置、電子機器、記憶媒体およびコンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |