CN113253608B - 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置 - Google Patents

基于人工智能的无人驾驶行吊设备轨迹生成方法和装置 Download PDF

Info

Publication number
CN113253608B
CN113253608B CN202110707327.2A CN202110707327A CN113253608B CN 113253608 B CN113253608 B CN 113253608B CN 202110707327 A CN202110707327 A CN 202110707327A CN 113253608 B CN113253608 B CN 113253608B
Authority
CN
China
Prior art keywords
obstacle
traveling crane
crane equipment
weight
equipment
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.)
Active
Application number
CN202110707327.2A
Other languages
English (en)
Other versions
CN113253608A (zh
Inventor
王超
张晓枫
陈曦
燕鹏
王颖
张海超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Siji Location Service Co ltd
Beijing Guodiantong Network Technology Co Ltd
Original Assignee
Beijing Guodiantong Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Guodiantong Network Technology Co Ltd filed Critical Beijing Guodiantong Network Technology Co Ltd
Priority to CN202110707327.2A priority Critical patent/CN113253608B/zh
Publication of CN113253608A publication Critical patent/CN113253608A/zh
Application granted granted Critical
Publication of CN113253608B publication Critical patent/CN113253608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本公开的实施例公开了基于人工智能的无人驾驶行吊设备轨迹生成方法和装置。该方法的一具体实施方式包括：检测是否从目标终端设备接收到操作授权信号；获取行吊设备位置数据、起始点位置数据和终止点位置数据；生成权重指标集合，其中，权重指标集合包括行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重；生成轨迹数据集合；将轨迹数据集合推送至目标终端设备，以及控制目标终端设备进行报警相关操作。该实施方式能够根据行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重调整行吊设备的行驶轨迹，生成适用于不同道路环境的行吊设备行驶轨迹，提高对行驶轨迹中速度、时间、障碍物等的异常情况报警准确度。

Description

基于人工智能的无人驾驶行吊设备轨迹生成方法和装置
技术领域
本公开的实施例涉及计算机技术领域，具体涉及基于人工智能的无人驾驶行吊设备轨迹生成方法、基于人工智能的无人驾驶行吊设备轨迹生成装置和基于人工智能的无人驾驶行吊设备。
背景技术
电力行业发展迅速，电力物资的流动性日益加强。因此，电力企业就需要引进更加先进智能的设备来进行电力物资的仓储管理。行吊设备是桥式起重机的一种俗称，库区中大都使用行吊设备完成库区内电力物资的运送。行吊设备的运行消耗较大，库区中的位置环境也较为复杂，因此对行吊设备运行轨迹的规划和设计尤为重要。
然而，当在对行吊设备的行驶轨迹进行分析和生成时，经常会存在如下技术问题：
第一，电力物资库区中仓储位置有限，行吊设备的可行驶轨迹范围较小。同时，行吊设备行驶过程中的消耗较大，对行吊设备行驶轨迹规划的约束条件较多，导致行吊设备行驶轨迹生成的准确度较低，存在较大的与障碍物碰撞的风险。
第二，行吊设备的运行轨迹受到运送时间、场地中障碍物分布、行吊设备能量消耗等多个因素影响，对多约束条件下的优化准确度较差，且不能满足在行吊设备运行过程中动态调整的要求。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于人工智能的无人驾驶行吊设备轨迹生成方法、装置，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种基于人工智能的无人驾驶行吊设备轨迹生成方法，该方法包括：检测是否从目标终端设备接收到操作授权信号；获取行吊设备位置数据、起始点位置数据和终止点位置数据；生成权重指标集合，其中，权重指标集合包括行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重；生成轨迹数据集合；将轨迹数据集合推送至目标终端设备，以及控制目标终端设备进行报警相关操作。
第二方面，本公开的一些实施例提供了一种基于人工智能的无人驾驶行吊设备轨迹生成装置，该装置包括：检测单元，被配置成检测是否从目标终端设备接收到操作授权信号，其中，操作授权信号是用户对目标控件执行目标操作产生的信号；获取单元，被配置成响应于检测到操作授权信号，获取行吊设备位置数据、起始点位置数据和终止点位置数据；第一生成单元，被配置成生成权重指标集合，其中，权重指标集合包括行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重；第二生成单元，被配置成基于行吊设备位置数据、起始点位置数据、终止点位置数据和所述权重指标集合，生成轨迹数据集合；控制单元，被配置成将轨迹数据集合推送至具有显示功能的目标设备，以及控制目标设备显示轨迹数据集合。
第三方面，本公开的一些实施例提供了一种终端设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的基于人工智能的无人驾驶行吊设备轨迹生成方法能够根据行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重调整行吊设备的行驶轨迹，生成适用于不同道路环境的行吊设备行驶轨迹，提高对行驶轨迹中速度、时间、障碍物等的异常情况报警准确度。具体来说，发明人发现，造成目前行吊设备行驶轨迹生成的准确度较低，存在较大的与障碍物碰撞风险的原因在于：电力物资库区中仓储位置有限，行吊设备的可行驶轨迹范围较小。同时，行吊设备行驶过程中的消耗较大，对行吊设备行驶轨迹规划的约束条件较多。基于此，首先，本公开的一些实施例获取行吊设备位置数据、起始点位置数据和终止点位置数据。其次，生成权重指标集合。其中，权重指标集合包括行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重。权重指标集合中包括了影响行吊设备轨迹生成的各种约束条件。然后，基于行吊设备位置数据、起始点位置数据、终止点位置数据和权重指标集合，生成轨迹数据集合。最后，将轨迹数据集合推送至目标终端设备，以及控制目标终端设备进行报警相关操作。通过根据行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重生成轨迹数据集合，能够同时考虑多种约束条件，准确对行驶过程中出现的速度、时间、障碍物等的异常情况进行报警相关操作，提高报警准确度。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开的一些实施例可以应用于其中的示例性系统的架构图；
图2是根据本公开的基于人工智能的无人驾驶行吊设备轨迹生成方法的一些实施例的流程图；
图3是示例性的授权提示框；
图4是根据本公开的基于人工智能的无人驾驶行吊设备轨迹生成装置的一些实施例的流程图；
图5是适于用来实现本公开的一些实施例的终端设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的基于人工智能的无人驾驶行吊设备轨迹生成方法的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如数据处理应用、信息生成应用、数据分析应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种终端设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的终端设备中。其可以实现成多个软件或软件模块（例如用来提供行吊设备位置数据、起始点位置数据和终止点位置数据输入等），也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103输入的行吊设备位置数据、起始点位置数据和终止点位置数据进行存储的服务器等。服务器可以对接收到的行吊设备位置数据、起始点位置数据和终止点位置数据进行处理，并将处理结果（例如轨迹数据集合）反馈给终端设备。
需要说明的是，本公开实施例所提供的基于人工智能的无人驾驶行吊设备轨迹生成方法可以由服务器105，也可以由终端设备执行。
需要指出的是，服务器105的本地也可以直接存储行吊设备位置数据、起始点位置数据和终止点位置数据，服务器105可以直接提取本地的行吊设备位置数据、起始点位置数据和终止点位置数据通过处理后得到轨迹数据集合，此时，示例性系统架构100可以不包括终端设备101、102、103和网络104。
还需要指出的是，终端设备101、102、103中也可以安装有基于人工智能的无人驾驶行吊设备轨迹生成应用，此时，处理方法也可以由终端设备101、102、103执行。此时，示例性系统架构100也可以不包括服务器105和网络104。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块（例如用来提供终端设备的操作控制服务），也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本公开的基于人工智能的无人驾驶行吊设备轨迹生成方法的一些实施例的流程200。该基于人工智能的无人驾驶行吊设备轨迹生成方法，包括以下步骤：
步骤201，检测是否从目标终端设备接收到操作授权信号。
在一些实施例中，终端设备的操作控制方法的执行主体（例如图1所示的服务器）可以检测是否从目标终端设备接收到操作授权信号。其中，操作授权信号是用户对目标控件执行目标操作产生的信号。上述目标终端设备可以是登录有上述用户对应账号的终端设备。上述终端设备可以是“手机”，也可以是“电脑”。上述目标控件可以包含于授权提示框中。目标控件显示于授权提示框中，授权提示框在目标终端设备上显示。
步骤202，响应于检测到操作授权信号，获取行吊设备位置数据、起始点位置数据和终止点位置数据。
在一些实施例中，行吊设备轨迹生成方法的执行主体（例如图1所示的服务器）可以响应于接收到操作授权信号，获取行吊设备位置数据、起始点位置数据和终止点位置数据。上述操作授权信号可以是上述行吊设备位置数据、起始点位置数据和终止点位置数据对应的用户，对目标控件执行目标操作产生的信号。上述目标控件可以包含于授权提示框中。上述授权提示框可以在目标终端设备显示。上述目标终端设备可以是登录有上述用户对应账号的终端设备。上述终端设备可以是“手机”，也可以是“电脑”。上述目标操作可以是“点击操作”，也可以是“滑动操作”。上述目标控件可以是“确认按钮”。
作为示例，上述授权提示框可以如图3所示。上述授权提示框可以包括：提示信息显示部分301和控件302。其中，上述提示信息显示部分301可以用于显示提示信息。上述提示信息可以是“是否允许获取行吊设备位置数据、起始点位置数据和终止点位置数据”。上述控件302可以是“确认按钮”，也可以是“取消按钮”。
具体的，行吊设备位置数据、起始点位置数据和终止点位置数据可以是二维坐标数据。
步骤203，生成权重指标集合。
在一些实施例中，上述执行主体生成权重指标集合。其中，权重指标集合包括行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重。具体的，行吊设备完成任务时间权重表征行吊设备需要在库区中完成配送任务的最长时间。行吊设备能量消耗权重表征行吊设备完成任务的最大损耗值。行吊设备距离权重表征行吊设备距离障碍物的最短距离。响应于行吊设备距离障碍物的距离小于行吊设备距离权重，表明该行吊设备具有碰撞障碍物的风险。
步骤204，基于行吊设备位置数据、起始点位置数据、终止点位置数据和权重指标集合，生成轨迹数据集合。
在一些实施例中，上述执行主体基于行吊设备位置数据、起始点位置数据、终止点位置数据和权重指标集合，生成轨迹数据集合。可选的，轨迹数据集合包括第一数目个轨迹数据。轨迹数据为表征轨迹位置的二维位置坐标，轨迹数据集合可以表征行吊设备的行进轨迹。
可选的，基于行吊设备位置数据、起始点位置数据、终止点位置数据和权重指标集合，利用下式，生成目标函数：
Figure 838360DEST_PATH_IMAGE001
，
其中，
Figure 552238DEST_PATH_IMAGE002
表征轨迹数据，
Figure 66396DEST_PATH_IMAGE003
表征起始位置数据，
Figure 382977DEST_PATH_IMAGE004
表征终止位置数据，
Figure 197349DEST_PATH_IMAGE005
为行吊设备完成任务时间权重，
Figure 754232DEST_PATH_IMAGE006
为行吊设备能量消耗权重，
Figure 818003DEST_PATH_IMAGE007
为行吊设备距离权重，
Figure 751324DEST_PATH_IMAGE008
为消耗能量，
Figure 92307DEST_PATH_IMAGE009
表征第i个障碍物的补偿函数，i为障碍物计数，
Figure 820091DEST_PATH_IMAGE010
为第i个障碍物的距离值，
Figure 371158DEST_PATH_IMAGE011
表征第i个障碍物的距离值补偿函数结果，
Figure 108170DEST_PATH_IMAGE012
为障碍物信息集合，
Figure 365976DEST_PATH_IMAGE012
中包括第二数目个障碍物信息，
Figure 717192DEST_PATH_IMAGE013
，
Figure 693238DEST_PATH_IMAGE014
为障碍物中心的二维坐标，r为障碍物的半径，右下角为障碍物信息计数，
Figure 765100DEST_PATH_IMAGE015
为第一个障碍物信息，
Figure 142991DEST_PATH_IMAGE016
为第一个障碍物中心的二维坐标，
Figure 478158DEST_PATH_IMAGE017
为第一个障碍物的半径，
Figure 879183DEST_PATH_IMAGE018
为第i个障碍物信息，
Figure 692418DEST_PATH_IMAGE019
为第i个障碍物中心的二维坐标，
Figure 190396DEST_PATH_IMAGE020
为第i个障碍物的半径，
Figure 758780DEST_PATH_IMAGE021
为第
Figure 709419DEST_PATH_IMAGE022
个障碍物信息，
Figure 326345DEST_PATH_IMAGE023
为第
Figure 678829DEST_PATH_IMAGE022
个障碍物中心的二维坐标，
Figure 542749DEST_PATH_IMAGE024
为第
Figure 715104DEST_PATH_IMAGE022
个障碍物的半径，
Figure 135721DEST_PATH_IMAGE022
为第二数目，J为目标函数。
可选的，补偿函数表征障碍物对行吊设备的距离约束情况。补偿函数的形式如下：
Figure 405028DEST_PATH_IMAGE025
其中，i为障碍物计数，
Figure 518478DEST_PATH_IMAGE026
为补偿函数为0时行吊设备距离障碍物的距离值，
Figure 178129DEST_PATH_IMAGE027
表示行进过程中行吊设备距离第i个障碍物的距离值，
Figure 74541DEST_PATH_IMAGE028
为第i个障碍物与行吊设备的距离，
Figure 136038DEST_PATH_IMAGE029
为预先确定的距离最大值，K表征距离固定值，K为整数。
可选的，
Figure 154810DEST_PATH_IMAGE030
表示的距离值表征行吊设备距离第i个障碍物的距离。距离值的形式如下：
Figure 567336DEST_PATH_IMAGE031
，
其中，i为障碍物计数，
Figure 392073DEST_PATH_IMAGE014
为障碍物中心的二维坐标，r为障碍物的半径。
Figure 308076DEST_PATH_IMAGE032
为行吊设备中心的二维位置坐标，
Figure 497749DEST_PATH_IMAGE033
为行吊设备的半径，
Figure 318944DEST_PATH_IMAGE034
为行吊设备距离第i个障碍物的距离。
可选的，根据目标函数进行优化，生成轨迹数据集合。生成约束参数集合。其中，约束参数包括行吊设备的最大加速度、行吊设备的最大速度、行吊设备距离障碍物的安全距离阈值和消耗能量阈值。基于约束参数集合、权重指标集合和目标函数，执行以下生成步骤：
生成步骤：基于权重指标集合，优化目标函数，以得到更新目标函数。具体的，可以采用梯度下降优化方法对目标函数进行优化，以得到更新目标函数。梯度下降优化方法是一种常用的一阶优化方法，利用目标函数关于权重指标集合的梯度的反方向更新权重指标集合，以得到更新目标函数。
利用下式，基于约束参数集合和更新目标函数，生成轨迹数据，以得到轨迹数据集合：
Figure 885054DEST_PATH_IMAGE035
其中，
Figure 921143DEST_PATH_IMAGE036
为补偿函数为0时行吊设备距离障碍物的距离值，
Figure 78455DEST_PATH_IMAGE037
为行吊设备完成任务时间权重，
Figure 465574DEST_PATH_IMAGE006
为行吊设备能量消耗权重，
Figure 569796DEST_PATH_IMAGE038
为行吊设备距离权重，
Figure 132496DEST_PATH_IMAGE039
为消耗能量，
Figure 929551DEST_PATH_IMAGE002
为轨迹数据，
Figure 272807DEST_PATH_IMAGE040
为距离数据，
Figure 446300DEST_PATH_IMAGE041
为行吊设备距离障碍物的安全距离阈值，
Figure 253719DEST_PATH_IMAGE042
为消耗能量阈值，
Figure 956095DEST_PATH_IMAGE043
为行吊设备的最大加速度，
Figure 52227DEST_PATH_IMAGE044
为行吊设备的最大速度，
Figure 685203DEST_PATH_IMAGE045
、
Figure 550391DEST_PATH_IMAGE046
、
Figure 423669DEST_PATH_IMAGE047
分别为控制参数。
上述步骤203-204中的可选内容，即：“通过生成约束参数集合实现多约束条件下的优化生成行吊设备行驶轨迹的技术内容”作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“行吊设备的运行轨迹受到运送时间、场地中障碍物分布、行吊设备能量消耗等多个因素影响，对多约束条件下的优化准确度较差，且不能满足在行吊设备运行过程中动态调整的要求。”。导致多约束条件下的优化准确度较差不能满足在行吊设备运行过程中动态调整的要求的因素往往如下：行吊设备行驶路线受到时间、障碍物、能量消耗等多个因素影响，在行驶过程中无法动态适应不同因素的约束，从而导致优化准确度较低。如果解决了上述因素，就能达到提高多约束条件下的优化准确度的效果。为了达到这一效果，本公开生成权重指标集合，包括了行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重。然后，针对各个的权重确定约束公式，以优化目标函数。通过建立多目标动态评价函数，并研究评价函数中不同权重对轨迹特征影响的规律，得出权重调整规则和调整流程，使得轨迹能够根据周围的环境进行动态调整优化，以生成最优行驶轨迹。，从而提高了提高多约束条件下的优化准确度，解决了技术问题二。
步骤205，将轨迹数据集合推送至目标终端设备，以及控制目标终端设备进行报警相关操作。
在一些实施例中，上述执行主体将轨迹数据集合推送至目标终端设备，以及控制目标终端设备进行报警相关操作。其中，目标终端设备可以是与上述执行主体通信连接的设备，可以根据接收到的因素信息集合进行报警相关操作。具体的，目标终端设备可以是“手机”，也可以是“电脑”。目标操作可以是目标终端设备发出报警信息。目标操作也可以是目标终端设备中显示出报警信息。例如，当上述执行主体输出的轨迹数据集合包括了后退的轨迹数据，可以表明当前轨迹前方存在障碍物，需要后退行驶。用户可以根据目标终端设备显示的报警信息及时调整行吊设备的行驶轨迹，实现在行驶过程中对行吊设备轨迹的动态调整，提高了轨迹预测等报警相关操作的准确度。
图2给出的一个实施例具有如下有益效果：检测是否从目标终端设备接收到操作授权信号；获取行吊设备位置数据、起始点位置数据和终止点位置数据；生成权重指标集合，其中，权重指标集合包括行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重；生成轨迹数据集合；将轨迹数据集合推送至目标终端设备，以及控制目标终端设备进行报警相关操作。该实施方式能够根据行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重调整行吊设备的行驶轨迹，生成适用于不同道路环境的行吊设备行驶轨迹，提高对行驶轨迹中速度、时间、障碍物等的异常情况报警准确度。
进一步参考图4，作为对上述各图上述方法的实现，本公开提供了一种基于人工智能的无人驾驶行吊设备轨迹生成装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种终端设备中。
如图4所示，一些实施例的基于人工智能的无人驾驶行吊设备轨迹生成装置400，装置包括：检测单元401、获取单元402、第一生成单元403、生成单元404、控制单元405。其中，其中，检测单元401，被配置成检测是否从目标终端设备接收到操作授权信号，其中，所述操作授权信号是用户对目标控件执行目标操作产生的信号。获取单元402，被配置成响应于检测到操作授权信号，获取行吊设备位置数据、起始点位置数据和终止点位置数据。第一生成单元403，被配置成生成权重指标集合，其中，权重指标集合包括行吊设备完成任务时间权重、行吊设备能量消耗权重、行吊设备距离权重。第二生成单元404，被配置成基于行吊设备位置数据、起始点位置数据、终止点位置数据和所述权重指标集合，生成轨迹数据集合。控制单元405，被配置成将轨迹数据集合推送至具有显示功能的目标设备，以及控制目标设备显示轨迹数据集合。
可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元（CPU，Central Processing Unit）501，其可以根据存储在只读存储器（ROM，Read Only Memory）502中的程序或者从存储部分506加载到随机访问存储器（RAM，Random Access Memory）503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出（I/O，Input / Output）接口505也连接至总线504。
以下部件连接至I/O接口505：包括硬盘等的存储部分506；以及包括诸如LAN（局域网，Local Area Network）卡、调制解调器等的网络接口卡的通信部分507。通信部分507经由诸如因特网的网络执行通信处理。驱动器508也根据需要连接至I/O接口505。可拆卸介质509，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器508上，以便于从其上读出的计算机程序根据需要被安装入存储部分506。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分507从网络上被下载和安装，和/或从可拆卸介质509被安装。在该计算机程序被中央处理单元（CPU）501执行时，执行本公开的方法中限定的上述功能。需要说明的是，本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种基于人工智能的无人驾驶行吊设备轨迹生成方法，包括：
检测是否从目标终端设备接收到操作授权信号，其中，所述操作授权信号是用户对目标控件执行目标操作产生的信号；
响应于检测到操作授权信号，获取行吊设备位置数据、起始点位置数据和终止点位置数据；
生成权重指标集合，其中，所述权重指标集合包括所述行吊设备完成任务时间权重、所述行吊设备能量消耗权重、所述行吊设备距离权重；
基于所述行吊设备位置数据、所述起始点位置数据、所述终止点位置数据和所述权重指标集合，生成轨迹数据集合；
将所述轨迹数据集合推送至目标终端设备，以及控制所述目标终端设备进行报警相关操作；
所述基于所述行吊设备位置数据、所述起始点位置数据、所述终止点位置数据和所述权重指标集合，生成轨迹数据集合，包括：
基于所述行吊设备位置数据、所述起始点位置数据、所述终止点位置数据和所述权重指标集合，生成目标函数；
对所述目标函数进行优化，以生成轨迹数据集合；
所述对所述目标函数进行优化，以生成轨迹数据集合，包括：
生成约束参数集合，其中，所述约束参数集合中的约束参数包括所述行吊设备的最大加速度、所述行吊设备的最大速度、所述行吊设备距离障碍物的安全距离阈值和消耗能量阈值；
基于所述约束参数集合、所述权重指标集合和所述目标函数，生成所述轨迹数据集合；
其中，所述目标函数通过以下公式计算得到：
Figure DEST_PATH_IMAGE001
，
其中，
Figure DEST_PATH_IMAGE003
表征轨迹数据，
Figure 234936DEST_PATH_IMAGE004
表征起始位置数据，
Figure DEST_PATH_IMAGE005
表征终止位置数据，
Figure 89759DEST_PATH_IMAGE006
为行吊设备完成任务时间权重，
Figure DEST_PATH_IMAGE007
为行吊设备能量消耗权重，
Figure DEST_PATH_IMAGE009
为行吊设备距离权重，
Figure 479284DEST_PATH_IMAGE010
为消耗能量，
Figure 405651DEST_PATH_IMAGE012
表征第i个障碍物的补偿函数，i为障碍物计数，
Figure DEST_PATH_IMAGE013
为第i个障碍物的距离值，
Figure 656242DEST_PATH_IMAGE014
表征第i个障碍物的距离值补偿函数结果，
Figure DEST_PATH_IMAGE015
为障碍物信息集合，
Figure 416387DEST_PATH_IMAGE015
中包括第二数目个障碍物信息，
Figure 89945DEST_PATH_IMAGE016
，
Figure DEST_PATH_IMAGE017
为障碍物中心的二维坐标，r为障碍物的半径，右下角为障碍物信息计数，
Figure 554425DEST_PATH_IMAGE018
为第一个障碍物信息，
Figure DEST_PATH_IMAGE019
为第一个障碍物中心的二维坐标，
Figure DEST_PATH_IMAGE021
为第一个障碍物的半径，
Figure 66046DEST_PATH_IMAGE022
为第i个障碍物信息，
Figure DEST_PATH_IMAGE023
为第i个障碍物中心的二维坐标，
Figure 262673DEST_PATH_IMAGE024
为第i个障碍物的半径，
Figure 548160DEST_PATH_IMAGE026
为第
Figure DEST_PATH_IMAGE027
个障碍物信息，
Figure 222855DEST_PATH_IMAGE028
为第
Figure 152765DEST_PATH_IMAGE027
个障碍物中心的二维坐标，
Figure 113768DEST_PATH_IMAGE030
为第
Figure 89814DEST_PATH_IMAGE027
个障碍物的半径，
Figure 66735DEST_PATH_IMAGE027
为第二数目，J为目标函数；
所述补偿函数通过以下公式计算得到：
Figure DEST_PATH_IMAGE031
其中，i为障碍物计数，
Figure DEST_PATH_IMAGE033
为补偿函数为0时行吊设备距离障碍物的距离值，
Figure DEST_PATH_IMAGE035
表示行进过程中行吊设备距离第i个障碍物的距离值，
Figure DEST_PATH_IMAGE037
为第i个障碍物与行吊设备的距离，
Figure 992097DEST_PATH_IMAGE038
为预先确定的距离最大值，K表征距离固定值，K为整数；
其中，所述轨迹数据通过以下公式计算得到：
Figure DEST_PATH_IMAGE039
其中，
Figure 763482DEST_PATH_IMAGE040
为补偿函数为0时行吊设备距离障碍物的距离值，
Figure 23562DEST_PATH_IMAGE042
为行吊设备完成任务时间权重，
Figure DEST_PATH_IMAGE043
为行吊设备能量消耗权重，
Figure 40059DEST_PATH_IMAGE044
为行吊设备距离权重，
Figure DEST_PATH_IMAGE045
为消耗能量，
Figure DEST_PATH_IMAGE047
为轨迹数据，
Figure 210141DEST_PATH_IMAGE048
为距离数据，
Figure DEST_PATH_IMAGE049
为行吊设备距离障碍物的安全距离阈值，
Figure 919471DEST_PATH_IMAGE050
为消耗能量阈值，
Figure DEST_PATH_IMAGE051
为行吊设备的最大加速度，
Figure 306327DEST_PATH_IMAGE052
为行吊设备的最大速度，
Figure DEST_PATH_IMAGE053
、
Figure 392095DEST_PATH_IMAGE054
、
Figure DEST_PATH_IMAGE055
分别为控制参数。
2.根据权利要求1所述的方法，其中，所述目标控件显示于授权提示框中，所述授权提示框在所述目标终端设备上显示。
3.根据权利要求2所述的方法，其中，所述行吊设备位置数据为行吊设备中心的二维位置坐标和半径，所述起始点位置数据为起始点的二维位置坐标，所述终止点位置数据为终止点的二维位置坐标。
4.根据权利要求3所述的方法，其中，所述轨迹数据集合包括第一数目个轨迹数据，所述轨迹数据为行吊设备的轨迹位置的二维位置坐标，所述轨迹数据集合表征行吊设备的行进轨迹。
5.根据权利要求1所述的方法，其中，所述补偿函数表征障碍物对所述行吊设备的距离约束情况。
6.一种基于人工智能的无人驾驶行吊设备轨迹生成装置，包括：
检测单元，被配置成检测是否从目标终端设备接收到操作授权信号，其中，所述操作授权信号是用户对目标控件执行目标操作产生的信号；
获取单元，被配置成响应于检测到操作授权信号，获取行吊设备位置数据、起始点位置数据和终止点位置数据；
第一生成单元，被配置成生成权重指标集合，其中，所述权重指标集合包括所述行吊设备完成任务时间权重、所述行吊设备能量消耗权重、所述行吊设备距离权重；
第二生成单元，被配置成基于所述行吊设备位置数据、所述起始点位置数据、所述终止点位置数据和所述权重指标集合，生成轨迹数据集合；
控制单元，被配置成将所述轨迹数据集合推送至具有显示功能的目标设备，以及控制所述目标设备显示所述轨迹数据集合；
所述第二生成单元进一步被配置成：
基于所述行吊设备位置数据、所述起始点位置数据、所述终止点位置数据和所述权重指标集合，生成目标函数；
对所述目标函数进行优化，以生成轨迹数据集合；
所述对所述目标函数进行优化，以生成轨迹数据集合，包括：
生成约束参数集合，其中，所述约束参数集合中的约束参数包括所述行吊设备的最大加速度、所述行吊设备的最大速度、所述行吊设备距离障碍物的安全距离阈值和消耗能量阈值；
基于所述约束参数集合、所述权重指标集合和所述目标函数，生成所述轨迹数据集合；
其中，所述目标函数通过以下公式计算得到：
Figure 682262DEST_PATH_IMAGE001
，
其中，
Figure 31335DEST_PATH_IMAGE056
表征轨迹数据，
Figure 428DEST_PATH_IMAGE004
表征起始位置数据，
Figure 326105DEST_PATH_IMAGE005
表征终止位置数据，
Figure 329833DEST_PATH_IMAGE006
为行吊设备完成任务时间权重，
Figure 849807DEST_PATH_IMAGE043
为行吊设备能量消耗权重，
Figure 306196DEST_PATH_IMAGE009
为行吊设备距离权重，
Figure 264925DEST_PATH_IMAGE010
为消耗能量，
Figure 732947DEST_PATH_IMAGE012
表征第i个障碍物的补偿函数，i为障碍物计数，
Figure DEST_PATH_IMAGE057
为第i个障碍物的距离值，
Figure 751718DEST_PATH_IMAGE014
表征第i个障碍物的距离值补偿函数结果，
Figure 898666DEST_PATH_IMAGE058
为障碍物信息集合，
Figure 34987DEST_PATH_IMAGE058
中包括第二数目个障碍物信息，
Figure 747728DEST_PATH_IMAGE016
，
Figure 343925DEST_PATH_IMAGE017
为障碍物中心的二维坐标，r为障碍物的半径，右下角为障碍物信息计数，
Figure DEST_PATH_IMAGE059
为第一个障碍物信息，
Figure 181431DEST_PATH_IMAGE060
为第一个障碍物中心的二维坐标，
Figure 13121DEST_PATH_IMAGE021
为第一个障碍物的半径，
Figure 219849DEST_PATH_IMAGE061
为第i个障碍物信息，
Figure 111582DEST_PATH_IMAGE023
为第i个障碍物中心的二维坐标，
Figure 905226DEST_PATH_IMAGE024
为第i个障碍物的半径，
Figure 806185DEST_PATH_IMAGE026
为第
Figure 103306DEST_PATH_IMAGE062
个障碍物信息，
Figure 103623DEST_PATH_IMAGE028
为第
Figure 446879DEST_PATH_IMAGE062
个障碍物中心的二维坐标，
Figure 345607DEST_PATH_IMAGE030
为第
Figure 90709DEST_PATH_IMAGE062
个障碍物的半径，
Figure 589823DEST_PATH_IMAGE062
为第二数目，J为目标函数；
所述补偿函数通过以下公式计算得到：
Figure 295742DEST_PATH_IMAGE031
其中，i为障碍物计数，
Figure 538505DEST_PATH_IMAGE033
为补偿函数为0时行吊设备距离障碍物的距离值，
Figure 810217DEST_PATH_IMAGE064
表示行进过程中行吊设备距离第i个障碍物的距离值，
Figure 480233DEST_PATH_IMAGE037
为第i个障碍物与行吊设备的距离，
Figure 968721DEST_PATH_IMAGE038
为预先确定的距离最大值，K表征距离固定值，K为整数；
其中，所述轨迹数据通过以下公式计算得到：
Figure 749595DEST_PATH_IMAGE039
其中，
Figure 141393DEST_PATH_IMAGE040
为补偿函数为0时行吊设备距离障碍物的距离值，
Figure 982310DEST_PATH_IMAGE042
为行吊设备完成任务时间权重，
Figure 459559DEST_PATH_IMAGE043
为行吊设备能量消耗权重，
Figure 44124DEST_PATH_IMAGE044
为行吊设备距离权重，
Figure 290429DEST_PATH_IMAGE045
为消耗能量，
Figure 302247DEST_PATH_IMAGE047
为轨迹数据，
Figure 499748DEST_PATH_IMAGE048
为距离数据，
Figure DEST_PATH_IMAGE065
为行吊设备距离障碍物的安全距离阈值，
Figure 28950DEST_PATH_IMAGE050
为消耗能量阈值，
Figure 254395DEST_PATH_IMAGE051
为行吊设备的最大加速度，
Figure 312481DEST_PATH_IMAGE052
为行吊设备的最大速度，
Figure 888955DEST_PATH_IMAGE053
、
Figure 690689DEST_PATH_IMAGE054
、
Figure 770641DEST_PATH_IMAGE055
分别为控制参数。
7.一种终端设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202110707327.2A 2021-06-25 2021-06-25 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置 Active CN113253608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110707327.2A CN113253608B (zh) 2021-06-25 2021-06-25 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110707327.2A CN113253608B (zh) 2021-06-25 2021-06-25 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置

Publications (2)

Publication Number Publication Date
CN113253608A CN113253608A (zh) 2021-08-13
CN113253608B true CN113253608B (zh) 2021-10-01

Family

ID=77189544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110707327.2A Active CN113253608B (zh) 2021-06-25 2021-06-25 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置

Country Status (1)

Country Link
CN (1) CN113253608B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116088537B (zh) * 2023-04-06 2023-06-13 禾多科技（北京）有限公司 车辆避障方法、装置、电子设备和计算机可读介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103035121A (zh) * 2012-12-06 2013-04-10 南京航空航天大学 一种智能车辆自主行驶动态轨迹规划方法及系统
US10908613B2 (en) * 2018-10-15 2021-02-02 Baidu Usa Llc Optimal longitudinal trajectory generation under varied lateral acceleration constraints
CN110362096B (zh) * 2019-08-13 2021-05-18 东北大学 一种基于局部最优性的无人驾驶车辆动态轨迹规划方法
CN111232843B (zh) * 2020-01-21 2021-06-01 周岳 智能行吊吊装调度方法
CN112270752A (zh) * 2020-10-29 2021-01-26 久瓴(上海)智能科技有限公司 农林作业路径生成方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN113253608A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
CN114596553B (zh) 模型训练方法、轨迹预测方法、装置及自动驾驶车辆
US20210312359A1 (en) Method and device for scheduling automated guided vehicle
CN113253608B (zh) 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置
CN115471805B (zh) 点云处理和深度学习模型训练方法、装置及自动驾驶车辆
CN110703758A (zh) 一种路径规划方法和装置
CN115326099A (zh) 局部路径规划方法、装置、电子设备和计算机可读介质
CN114834467A (zh) 自动驾驶车辆的控制运行方法、装置及无人车
CN113222205A (zh) 一种路径规划的方法和装置
CN109189082B (zh) 用于控制移动机器人的方法、装置和控制系统
CN112649011B (zh) 车辆避障方法、装置、设备和计算机可读介质
CN110376622A (zh) 定位方法和装置
CN114724116B (zh) 车辆通行信息生成方法、装置、设备和计算机可读介质
CN111399489A (zh) 用于生成信息的方法和装置
CN112414391B (zh) 一种机器人的重定位方法及装置
CN114579054A (zh) 一种数据处理方法、装置、电子设备及计算机可读介质
CN109917781A (zh) 用于调度自动导引运输车的方法、装置及系统
CN110377020B (zh) 无人驾驶设备的行驶方法、装置和系统
CN113496167A (zh) 确定目标运动轨迹的方法和装置
CN110103770B (zh) 用于检测车载电池性能的方法和装置
CN111984001A (zh) 用于控制机器人的方法和装置
CN118295402B (zh) 一种运动规划方法和系统、电子设备及存储介质
CN112180909A (zh) 一种用于车辆运行中确定锁点优先级的方法和装置
CN116125961B (zh) 车辆控制指标生成方法、装置、设备和计算机可读介质
CN111308997B (zh) 用于生成行驶路径的方法和装置
CN117191068B (zh) 模型训练方法和装置、轨迹预测方法和装置

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
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230830

Address after: 100085 32-3-4108-4109, building 32, Chuangye Middle Road, Haidian District, Beijing

Patentee after: BEIJING GUODIANTONG NETWORK TECHNOLOGY Co.,Ltd.

Patentee after: State Grid Siji Location Service Co.,Ltd.

Address before: 100107 32-3-4108-4109, building 32, Chuangye Middle Road, Haidian District, Beijing

Patentee before: BEIJING GUODIANTONG NETWORK TECHNOLOGY Co.,Ltd.