CN113997699A - 一种路面图案喷绘方法、装置及车辆 - Google Patents

一种路面图案喷绘方法、装置及车辆 Download PDF

Info

Publication number
CN113997699A
CN113997699A CN202111273072.XA CN202111273072A CN113997699A CN 113997699 A CN113997699 A CN 113997699A CN 202111273072 A CN202111273072 A CN 202111273072A CN 113997699 A CN113997699 A CN 113997699A
Authority
CN
China
Prior art keywords
spray
current
painting
pattern
instruction
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
Application number
CN202111273072.XA
Other languages
English (en)
Other versions
CN113997699B (zh
Inventor
黄庆安
冉光伟
沈仲孝
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.)
Xinghe Zhilian Automobile Technology Co Ltd
Original Assignee
Xinghe Zhilian Automobile 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 Xinghe Zhilian Automobile Technology Co Ltd filed Critical Xinghe Zhilian Automobile Technology Co Ltd
Priority to CN202111273072.XA priority Critical patent/CN113997699B/zh
Publication of CN113997699A publication Critical patent/CN113997699A/zh
Application granted granted Critical
Publication of CN113997699B publication Critical patent/CN113997699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J3/00—Typewriters or selective printing or marking mechanisms characterised by the purpose for which they are constructed
    • B41J3/407—Typewriters or selective printing or marking mechanisms characterised by the purpose for which they are constructed for marking on special material
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
    • B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
    • B41J2/01—Ink jet
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J29/00—Details of, or accessories for, typewriters or selective printing mechanisms not otherwise provided for
    • B41J29/38—Drives, motors, controls or automatic cut-off devices for the entire printing mechanism
    • B41J29/393—Devices for controlling or analysing the entire machine ; Controlling or analysing mechanical parameters involving printing of test patterns
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41M—PRINTING, DUPLICATING, MARKING, OR COPYING PROCESSES; COLOUR PRINTING
    • B41M5/00—Duplicating or marking methods; Sheet materials for use therein
    • B41M5/0041—Digital printing on surfaces other than ordinary paper
    • B41M5/0047—Digital printing on surfaces other than ordinary paper by ink-jet printing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41M—PRINTING, DUPLICATING, MARKING, OR COPYING PROCESSES; COLOUR PRINTING
    • B41M5/00—Duplicating or marking methods; Sheet materials for use therein
    • B41M5/0041—Digital printing on surfaces other than ordinary paper
    • B41M5/0064—Digital printing on surfaces other than ordinary paper on plastics, horn, rubber, or other organic polymers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41M—PRINTING, DUPLICATING, MARKING, OR COPYING PROCESSES; COLOUR PRINTING
    • B41M5/00—Duplicating or marking methods; Sheet materials for use therein
    • B41M5/0041—Digital printing on surfaces other than ordinary paper
    • B41M5/007—Digital printing on surfaces other than ordinary paper on glass, ceramic, tiles, concrete, stones, etc.
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/16—Devices for marking-out, applying, or forming traffic or like markings on finished paving; Protecting fresh markings
    • E01C23/20—Devices for marking-out, applying, or forming traffic or like markings on finished paving; Protecting fresh markings for forming markings in situ
    • E01C23/22—Devices for marking-out, applying, or forming traffic or like markings on finished paving; Protecting fresh markings for forming markings in situ by spraying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Ceramic Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Road Repair (AREA)

Abstract

本发明公开一种路面图案喷绘方法，包括：响应于喷绘指令，获取当前环境参数；将所述当前环境参数和预设的当前目标喷绘图案输入到预先训练的喷绘指令生成模型，得到当前喷绘指令；根据所述当前喷绘指令进行喷绘。本发明还公开了一种路面图案喷绘装置及车辆。本发明实施例考虑了当前环境参数，生成与当前目标喷绘图案对应的当前喷绘指令，以用于指导路面图案的喷绘，使得喷绘出来的路面图案与当前目标喷绘图案更接近，解决了现有技术中固定图案印刷方式效率低以及实时喷绘方式喷绘出的图案不准确的技术问题。

Description

一种路面图案喷绘方法、装置及车辆
技术领域
本发明涉及喷绘技术领域，具体的说，涉及的是一种路面图案喷绘方法、装置及车辆。
背景技术
目前，在道路上进行喷绘以形成特定的图案，已经成为一种普遍的宣传手段。现有技术中，道路喷绘的方式主要包括固定图案印刷方式和实时喷绘方式，固定图案印刷方式需要提前制定模具，利用模具进行人工印刷，印刷效率低；现有的实时喷绘方式通过在喷绘装置上设置喷绘图案后直接在道路进行喷绘，但是这种喷绘方式在喷绘装置移动速度较高的情况下喷绘的图案不准确。
发明内容
基于此，本发明提供了一种路面图案喷绘方法、装置、设备及存储介质，其能够通过获取当前环境参数，结合预设的当前目标喷绘图案，生成喷绘指令，并根据喷绘指令进行图案喷绘，以解决现有技术中固定图案印刷方式效率低以及实时喷绘方式喷绘出的图案不准确的技术问题。
为实现上述目的，本发明实施例提供了一种路面图案喷绘方法，包括：
响应于喷绘指令，获取当前环境参数；
将所述当前环境参数和预设的当前目标喷绘图案输入到预先训练的喷绘指令生成模型，得到当前喷绘指令；其中，所述喷绘指令生成模型由若干训练样本训练得到，所述训练样本包括历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令；
根据所述当前喷绘指令进行喷绘。
作为上述方案的改进，所述当前环境参数包括当前车辆行驶状态、当前路面温度和当前风速中的至少一种。
作为上述方案的改进，所述当前车辆行驶状态包括静止状态、定速巡航状态和变速行驶状态中的一种。
作为上述方案的改进，所述根据所述当前喷绘指令进行喷绘之后，还包括：
获取实际喷绘图案；其中，所述实际喷绘图案为根据所述当前喷绘指令进行喷绘得到的图案；
根据所述实际喷绘图案、所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型。
作为上述方案的改进，所述根据所述实际喷绘图案、所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型，具体包括：
计算所述实际喷绘图案和所述当前目标喷绘图案的相似度，并将其作为当前相似度；
当所述当前相似度小于预设的相似度阈值时，不更新所述喷绘指令生成模型；
当所述当前相似度大于或等于预设的相似度阈值时，根据所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型。
作为上述方案的改进，所述更新所述喷绘指令生成模型之后，还包括：
将所述当前环境参数和所述当前相似度保存至存储单元。
作为上述方案的改进，所述相似度阈值通过以下方式获得：
根据所述当前环境参数，遍历存储单元，找出与所述当前环境参数相对应的历史环境参数；
根据所述历史环境参数，获取与所述历史环境参数对应的若干历史相似度；
从与所述历史环境参数对应的若干历史相似度中选出数值最小的历史相似度，作为相似度阈值。
为实现上述目的，本发明实施例还提供了一种路面图案喷绘装置，包括：
环境参数获取模块，用于响应于喷绘指令，获取当前环境参数；
喷绘指令计算模块，用于将所述当前环境参数和预设的当前目标喷绘图案输入到预先训练的喷绘指令生成模型，得到当前喷绘指令；其中，所述喷绘指令生成模型由若干训练样本训练得到，所述训练样本包括历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令；
喷绘模块，用于根据所述当前喷绘指令进行喷绘。
当前路面温度为实现上述目的，本发明还提供了一种路面图案喷绘装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的路面图案喷绘方法。
为实现上述目的，本发明还提供了一种车辆，包括车辆本体和如上述任一实施例所述的路面图案喷绘装置。
与现有技术相比，本发明实施例公开的路面图案喷绘方法、装置、设备及存储介质，通过响应喷绘指令，来获取当前环境参数，并根据当前环境参数和预设的当前目标喷绘图案，基于预先训练的喷绘指令生成模型，生成当前喷绘指令，进而根据当前喷绘指令进行喷绘。由此可见，本发明实施例考虑了当前环境参数，生成与当前目标喷绘图案对应的当前喷绘指令，以用于指导路面图案的喷绘，使得喷绘出来的路面图案与当前目标喷绘图案更接近，解决了现有技术中固定图案印刷方式效率低以及实时喷绘方式喷绘出的图案不准确的技术问题。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种路面图案喷绘方法的流程示意图；
图2是本发明一实施例提供的一种卷积神经网络的结构示意图；
图3是本发明一实施例提供的一种路面图案喷绘装置的结构示意图；
图4是本发明一实施例提供的一种路面图案喷绘装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，是本发明一实施例提供的一种路面图案喷绘方法的流程示意图。所述路面图案喷绘方法可以通过车机执行，车机是安装于车辆里面的车载信息娱乐产品，能够实现人与车，车与外界的信息通讯。作为举例的，车机可以包括车机主机和显示屏，该显示屏用于呈现用户界面，该用户界面用于与操作人员进行交互，以及用于呈现喷绘图案；该车机主机用于运行图案喷绘类的应用程序，控制路面图案的喷绘、生成用户界面并控制用户界面在显示屏上的显示等。
具体地，所述方法包括步骤S11～S13：
S11、响应于喷绘指令，获取当前环境参数；
S12、将所述当前环境参数和预设的当前目标喷绘图案输入到预先训练的喷绘指令生成模型，得到当前喷绘指令；其中，所述喷绘指令生成模型由若干训练样本训练得到，所述训练样本包括历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令；
S13、根据所述当前喷绘指令进行喷绘。
在步骤S11中，作为举例地，可以由操作人员通过鼠标、触屏、或者键盘等方式完成喷绘指令的输入，在此不作具体限定。
在步骤S11中，作为举例地，当前环境参数的获取可通过在车辆上安装若干传感器，通过传感器对环境参数进行实时的数据采集；也可以通过联网的方式获取当前环境参数；由于传感器是直接针对于车辆所处位置的环境参数进行实时采集，针对性较强，数据更加准确，因此，一般情况下是通过传感器进行当前环境参数的获取。
在步骤S12中，当前目标喷绘图案是图案模板，基于该图案模板，考虑当前环境参数对根据图案模板执行喷绘之后得到的路面中的显示图案的影响，生成当前喷绘指令，以使最终呈现的路面的显示图案与该图案模板更加相似；其中，当前目标喷绘图案预先存储在本地数据库中，也可以存储在云端，在接收到喷绘指令时，从云端进行下载。
在步骤S12中，喷绘指令生成模型可通过以下方式进行训练：建立原始指令生成模型，将若干历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令作为训练样本，对原始指令生成模型进行训练，最终得到喷绘指令生成模型，以应用于根据实时采集的环境参数和当前目标喷绘图案，生成当前喷绘指令。值得说明的是，训练样本的来源可以是本车的数据，也可以是通过联网获取的其他车辆的数据，在此不作限定。
示例性的，喷绘指令生成模型的训练过程可以是：1、首先根据大量历史目标喷绘图案进行训练得到一个初始预训练模型(这一过程一般由远程服务器完成，并将相关参数保存的远程数据库中)；2、在操作人员设置了“当前目标喷绘图案”之后，利用与当前目标喷绘图案相同的历史图案、与历史图案对应的历史环境参数、以及与历史图案对应的历史喷绘指令作为训练样本，对联网获取的初始预训练模型进行二次训练，得到喷绘指令生成模型。
在步骤S13中，作为举例地，根据当前喷绘指令利用喷绘模块进行喷绘。其中，喷绘模块包含了一排垂直于导轨的喷头集，以及二根可用于喷头集前后移动的导轨(可参见现有的喷绘机)。喷头可以根据当前喷绘指令来动态调整喷水的时长、角度、速度，以及喷头集的滑动。
在本发明实施例，通过响应喷绘指令，来获取当前环境参数，并根据当前环境参数和预设的当前目标喷绘图案，基于预先训练的喷绘指令生成模型，生成当前喷绘指令，进而根据当前喷绘指令进行喷绘。由此可见，本发明实施例考虑了当前环境参数，生成与当前目标喷绘图案对应的当前喷绘指令，以用于指导路面图案的喷绘，使得喷绘出来的路面图案与当前目标喷绘图案更接近，解决了现有技术中固定图案印刷方式效率低以及实时喷绘方式喷绘出的图案不准确的技术问题。
在一种实施方式中，具体地，所述当前环境参数包括当前车辆行驶状态、当前路面温度和当前风速中的至少一种。
具体地，由于执行图案喷绘的装置是安装在车辆上的，在不同的速度、不同的速度变化下，路面和车辆之间的相对运动会影响到路面图案的最终喷绘形态，因此当前环境参数包括了当前车辆行驶状态。一般情况下，采用水进行路面图案喷绘，而路面的温度会影响路面图案的保留时间，在温度较高时，加大喷头的出水量，使得图案能够保存更长的时间，在温度较低时，适当降低出水量，节约水资源；在本实施例中，可通过在车底安装温度传感器，以用于路面温度的检测。风速会在一定程度上影响喷头出水后的落点位置，因此需要根据传感器收集的风力情况，动态地调整喷头的角度，减少喷绘图案在风力影响下发生的轨迹变化。
在又一种实施方式中，具体地，当前车辆行驶状态包括静止状态、定速巡航状态和变速行驶状态中的一种。
具体地，车辆行驶状态包括三种状态：静止状态、定速巡航状态和变速行驶状态。与静止状态相比，定速巡航状态下，在喷绘过程中会有一个向前的初速度，因此，在生成定速巡航状态下的喷绘指令时，需要根据速度将喷头的角度向后调整，必要时还可以控制导轨向反方向运动来抵消部分车辆的初速度。变速行驶状态与定速巡航状态类似，但是所面临的情况更加复杂多变，因此，需要在定速巡航状态的基础上，收集更多的变速情况，并借助神经网络的强大训练能力，加大训练的时间与频率，得出不同状态下的最佳的喷绘指令。
在又一种实施方式中，步骤S13中的根据所述当前喷绘指令进行喷绘之后，还包括：
获取实际喷绘图案；其中，所述实际喷绘图案为根据所述当前喷绘指令进行喷绘得到的图案；
根据所述实际喷绘图案、所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型。
具体地，为使得喷绘指令生成模型更加准确，需要对模型进行更新。一般来说，在车底和车尾安装摄像头，在步骤S13之后，若当前车辆处于静止状态，则采用车底的摄像头拍摄喷绘得到的路面图案，作为实际喷绘图案若当前车辆不处于静止状态，则采用车尾的摄像头进行多次的图案拍摄，并利用神经网络选出最清晰的照片作为实际喷绘图案；根据实际喷绘图案、当前目标喷绘图案、当前环境参数和当前喷绘指令，更新喷绘指令生成模型。值得说明的是，对于模型的更新，可利用本车的数据进行更新，也可以进行联网，获取其他车辆的数据进行更新，在此不作限定。
在又一种实施方式中，所述根据所述实际喷绘图案、所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型，具体包括：
计算所述实际喷绘图案和所述当前目标喷绘图案的相似度，并将其作为当前相似度；
当所述当前相似度小于预设的相似度阈值时，不更新所述喷绘指令生成模型；
当所述当前相似度大于或等于预设的相似度阈值时，根据所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型。
具体地，采用卷积神经网络进行图像质量评价，参见图2，卷积神经网络由1个卷积层，1个池化层，3个全连接层组，3个全连接层组的神经元个数分别是32、16、1，3个全连接层组的前两层使用Relu激活函数。该神经网络的输出层输出的值表示输入的两张图片的相似度。神经网络采用交叉熵损失函数，如下所示：
Figure BDA0003328494870000081
其中，L为样本在交叉熵损失函数的计算结果，也就是函数的值；N为该轮训练过程输入的样本总数；C为图片的类别总数；yim为符号函数(取值为0或1)，如果图片i的真实类别等于m取1，否则取0；pim为第二个全连接层输出的结果，表示样本i属于类别m的预测概率。利用卷积神经网路对实际喷绘图案和当前目标喷绘图案进行相似度的计算，得到当前相似度，当前相似度小于预设的相似度阈值时，说明当前喷绘指令不准确，因此不用于更新喷绘指令生成模型，当前相似度大于或等于预设的相似度阈值时，说明当前喷绘指令能够准确地指导路面图案的喷绘，因此，根据当前目标喷绘图案、当前环境参数和当前喷绘指令，更新喷绘指令生成模型。
进一步地，当所述当前相似度小于所述相似度阈值时，根据所述当前相似度解析当前喷绘指令，对当前环境状态下的喷绘角度，导轨的移动速度，喷绘的水量和速度，确保在多次调整之后，同一状态下的相似度达到可接受的范围。
在一种实施方式中，所述更新所述喷绘指令生成模型之后，还包括：
将所述当前环境参数和所述当前相似度保存至存储单元。
在一种实时方式中，所述相似度阈值通过以下方式获得：
根据所述当前环境参数，遍历存储单元，找出与所述当前环境参数相对应的历史环境参数；
根据所述历史环境参数，获取与所述历史环境参数对应的若干历史相似度；
从与所述历史环境参数对应的若干历史相似度中选出数值最小的历史相似度，作为相似度阈值。
具体地，每一次模型更新之后，将用于更新模型的当前环境参数和当前相似度存入存储单元中，成为历史环境参数和历史相似度，以用于下一次的相似度阈值的计算，也可以上传至云端进行备份，以供其他车辆引用。相似度阈值通过以下方式计算：从存储单元中获取与当前环境参数相同的历史环境参数，并根据历史环境参数找出对应的历史相似度，并从中选出最小的历史相似度作为相似度阈值。可选的，相似度阈值的设置并不局限于上述具体的计算方式，也可以由操作人员自行设置，在此不作限定。
与现有技术相比，本发明实施例考虑了当前环境参数，生成与当前目标喷绘图案对应的当前喷绘指令，以用于指导路面图案的喷绘，使得喷绘出来的路面图案与当前目标喷绘图案更接近，提高了喷绘图案的精确度，解决了现有技术中固定图案印刷方式效率低以及实时喷绘方式喷绘出的图案不准确的技术问题，适用于车辆快速移动场景下的图案喷绘，降低了对道路交通的影响。
参见图3，是本发明实施例提供的一种路面图案喷绘装置的结构示意图，所述路面图案喷绘装置包括：
环境参数获取模块11，用于响应于喷绘指令，获取当前环境参数；
喷绘指令计算模块12，用于将所述当前环境参数和预设的当前目标喷绘图案输入到预先训练的喷绘指令生成模型，得到当前喷绘指令；其中，所述喷绘指令生成模型由若干训练样本训练得到，所述训练样本包括历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令；
喷绘模块13，用于根据所述当前喷绘指令进行喷绘。
环境参数获取模块11中，作为举例地，可以由操作人员通过鼠标、触屏、或者键盘等方式完成喷绘指令的输入，在此不作具体限定。
环境参数获取模块11中，作为举例地，当前环境参数的获取可通过在车辆上安装若干传感器，通过传感器对环境参数进行实时的数据采集；也可以通过联网的方式获取当前环境参数；由于传感器是直接针对于车辆所处位置的环境参数进行实时采集，针对性较强，数据更加准确，因此，一般情况下是通过传感器进行当前环境参数的获取。
在喷绘指令计算模块12中，当前目标喷绘图案是图案模板，基于该图案模板，考虑当前环境参数对根据图案模板执行喷绘之后得到的路面中的显示图案的影响，生成当前喷绘指令，以使最终呈现的路面的显示图案与该图案模板更加相似；其中，当前目标喷绘图案预先存储在本地数据库中，也可以存储在云端，在接收到喷绘指令时，从云端进行下载。
在喷绘指令计算模块12中，喷绘指令生成模型可通过以下方式进行训练：建立原始指令生成模型，将若干历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令作为训练样本，对原始指令生成模型进行训练，最终得到喷绘指令生成模型，以应用于根据实时采集的环境参数和当前目标喷绘图案，生成当前喷绘指令。值得说明的是，训练样本的来源可以是本车的数据，也可以是通过联网获取的其他车辆的数据，在此不作限定。
示例性的，喷绘指令生成模型的训练过程可以是：1、首先根据大量历史目标喷绘图案进行训练得到一个初始预训练模型(这一过程一般由远程服务器完成，并将相关参数保存的远程数据库中)；2、在操作人员设置了“当前目标喷绘图案”之后，利用与当前目标喷绘图案相同的历史图案、与历史图案对应的历史环境参数、以及与历史图案对应的历史喷绘指令作为训练样本，对联网获取的初始预训练模型进行二次训练，得到喷绘指令生成模型。
在喷绘模块13中，作为举例地，根据当前喷绘指令利用喷绘模块进行喷绘。其中，喷绘模块包含了一排垂直于导轨的喷头集，以及二根可用于喷头集前后移动的导轨(可参见现有的喷绘机)。喷头可以根据当前喷绘指令来动态调整喷水的时长、角度、速度，以及喷头集的滑动。
在本发明实施例，通过响应喷绘指令，来获取当前环境参数，并根据当前环境参数和预设的当前目标喷绘图案，基于预先训练的喷绘指令生成模型，生成当前喷绘指令，进而根据当前喷绘指令进行喷绘。由此可见，本发明实施例考虑了当前环境参数，生成与当前目标喷绘图案对应的当前喷绘指令，以用于指导路面图案的喷绘，使得喷绘出来的路面图案与当前目标喷绘图案更接近，解决了现有技术中固定图案印刷方式效率低以及实时喷绘方式喷绘出的图案不准确的技术问题。
在一种实施方式中，具体地，所述当前环境参数包括当前车辆行驶状态、当前路面温度和当前风速中的至少一种。
具体地，由于执行图案喷绘的装置是安装在车辆上的，在不同的速度、不同的速度变化下，路面和车辆之间的相对运动会影响到路面图案的最终喷绘形态，因此当前环境参数包括了当前车辆行驶状态。一般情况下，采用水进行路面图案喷绘，而路面的温度会影响路面图案的保留时间，在温度较高时，加大喷头的出水量，使得图案能够保存更长的时间，在温度较低时，适当降低出水量，节约水资源；在本实施例中，可通过在车底安装温度传感器，以用于路面温度的检测。风速会在一定程度上影响喷头出水后的落点位置，因此需要根据传感器收集的风力情况，动态地调整喷头的角度，减少喷绘图案在风力影响下发生的轨迹变化。
在又一种实施方式中，具体地，当前车辆行驶状态包括静止状态、定速巡航状态和变速行驶状态中的一种。
具体地，车辆行驶状态包括三种状态：静止状态、定速巡航状态和变速行驶状态。与静止状态相比，定速巡航状态下，在喷绘过程中会有一个向前的初速度，因此，在生成定速巡航状态下的喷绘指令时，需要根据速度将喷头的角度向后调整，必要时还可以控制导轨向反方向运动来抵消部分车辆的初速度。变速行驶状态与定速巡航状态类似，但是所面临的情况更加复杂多变，因此，需要在定速巡航状态的基础上，收集更多的变速情况，并借助神经网络的强大训练能力，加大训练的时间与频率，得出不同状态下的最佳的喷绘指令。
在又一种实施方式中，还包括：
实际图案获取模块，用于获取实际喷绘图案；其中，所述实际喷绘图案为根据所述当前喷绘指令进行喷绘得到的图案；
模型更新模块，用于根据所述实际喷绘图案、所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型。
具体地，为使得喷绘指令生成模型更加准确，需要对模型进行更新。一般来说，在车底和车尾安装摄像头，在喷绘完成之后，若当前车辆处于静止状态，则采用车底的摄像头拍摄喷绘得到的路面图案，作为实际喷绘图案若当前车辆不处于静止状态，则采用车尾的摄像头进行多次的图案拍摄，并利用神经网络选出最清晰的照片作为实际喷绘图案；根据实际喷绘图案、当前目标喷绘图案、当前环境参数和当前喷绘指令，更新喷绘指令生成模型。值得说明的是，对于模型的更新，可利用本车的数据进行更新，也可以进行联网，获取其他车辆的数据进行更新，在此不作限定。
在又一种实施方式中，所述模型更新模块，具体包括：
相似度计算单元，用于计算所述实际喷绘图案和所述当前目标喷绘图案的相似度，并将其作为当前相似度；
更新单元，用于当所述当前相似度小于预设的相似度阈值时，不更新所述喷绘指令生成模型；
更新单元，还用于当所述当前相似度大于或等于预设的相似度阈值时，根据所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型。
具体地，采用卷积神经网络进行图像质量评价，结合图2，卷积神经网络由1个卷积层，1个池化层，3个全连接层组，3个全连接层组的神经元个数分别是32、16、1，3个全连接层组的前两层使用Relu激活函数。该神经网络的输出层输出的值表示输入的两张图片的相似度。神经网络采用交叉熵损失函数，如下所示：
Figure BDA0003328494870000131
其中，L为样本在交叉熵损失函数的计算结果，也就是函数的值；N为该轮训练过程输入的样本总数；C为图片的类别总数；yim为符号函数(取值为0或1)，如果图片i的真实类别等于m取1，否则取0；pim为第二个全连接层输出的结果，表示样本i属于类别m的预测概率。利用卷积神经网路对实际喷绘图案(实际图案)和当前目标喷绘图案(预设图案)进行相似度的计算，得到当前相似度，当前相似度小于预设的相似度阈值时，说明当前喷绘指令不准确，因此不用于更新喷绘指令生成模型，当前相似度大于或等于预设的相似度阈值时，说明当前喷绘指令能够准确地指导路面图案的喷绘，因此，根据当前目标喷绘图案、当前环境参数和当前喷绘指令，更新喷绘指令生成模型。
进一步地，当所述当前相似度小于所述相似度阈值时，根据所述当前相似度解析当前喷绘指令，对当前环境状态下的喷绘角度，导轨的移动速度，喷绘的水量和速度，确保在多次调整之后，同一状态下的相似度达到可接受的范围。
在一种实施方式中，还包括：
保存模块，用于将所述当前环境参数和所述当前相似度保存至存储单元。
在一种实时方式中，所述相似度阈值通过以下方式获得：
历史参数获取模块，用于根据所述当前环境参数，遍历存储单元，找出与所述当前环境参数相对应的历史环境参数；
历史相似度获取模块，用于根据所述历史环境参数，获取与所述历史环境参数对应的若干历史相似度；
阈值计算模块，用于从与所述历史环境参数对应的若干历史相似度中选出数值最小的历史相似度，作为相似度阈值。
具体地，每一次模型更新之后，将用于更新模型的当前环境参数和当前相似度存入存储单元中，成为历史环境参数和历史相似度，以用于下一次的相似度阈值的计算，也可以上传至云端进行备份，以供其他车辆引用。相似度阈值通过以下方式计算：从存储单元中获取与当前环境参数相同的历史环境参数，并根据历史环境参数找出对应的历史相似度，并从中选出最小的历史相似度作为相似度阈值。可选的，相似度阈值的设置并不局限于上述具体的计算方式，也可以由操作人员自行设置，在此不作限定。
值得说明的是，具体的路面图案喷绘装置的工作过程可参考上述实施例中所述路面图案喷绘方法的工作过程，在此不再赘述。
与现有技术相比，本发明实施例公开的路面图案喷绘装置，考虑了当前环境参数，生成与当前目标喷绘图案对应的当前喷绘指令，以用于指导路面图案的喷绘，使得喷绘出来的路面图案与当前目标喷绘图案更接近，提高了喷绘图案的精确度，解决了现有技术中固定图案印刷方式效率低以及实时喷绘方式喷绘出的图案不准确的技术问题，适用于车辆快速移动场景下的图案喷绘，降低了对道路交通的影响。
本发明实施例还提供一种车辆，所述车辆包括车辆本体和上述任一实施例所述的路面图案喷绘装置。
参见图4，是本发明另一实施例提供的一种路面图案喷绘装置，所述路面图案喷绘装置包括处理器21、存储器22以及存储在所述存储器22中且被配置为由所述处理器21执行的计算机程序，所述处理器21执行所述计算机程序时实现如上述路面图案喷绘方法实施例中的步骤，例如图1中所述的步骤S11～S13；或者，所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如环境参数获取模块11。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器22中，并由所述处理器21执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述路面图案喷绘装置中的执行过程。例如，所述计算机程序可以被分割成多个模块，各模块具体功能如下：
环境参数获取模块11，用于响应于喷绘指令，获取当前环境参数；
喷绘指令计算模块12，用于将所述当前环境参数和预设的当前目标喷绘图案输入到预先训练的喷绘指令生成模型，得到当前喷绘指令；其中，所述喷绘指令生成模型由若干训练样本训练得到，所述训练样本包括历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令；
喷绘模块13，用于根据所述当前喷绘指令进行喷绘。
各个模块具体的工作过程可参考上述实施例所述的路面图案喷绘装置的工作过程，在此不再赘述。
所述路面图案喷绘装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述路面图案喷绘装置可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述示意图仅仅是路面图案喷绘设备的示例，并不构成对路面图案喷绘装置的限定，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，例如所述路面图案喷绘装置还可以包括输入输出设备、网络接入设备、总线等。
所述处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器21是所述路面图案喷绘装置的控制中心，利用各种接口和线路连接整个路面图案喷绘装置的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述路面图案喷绘装置的各种功能。所述存储器22可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述路面图案喷绘装置集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上所述是本发明的优选实施方式，应当指出，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。

Claims (10)

1.一种路面图案喷绘方法，其特征在于，包括：
响应于喷绘指令，获取当前环境参数；
将所述当前环境参数和预设的当前目标喷绘图案输入到预先训练的喷绘指令生成模型，得到当前喷绘指令；其中，所述喷绘指令生成模型由若干训练样本训练得到，所述训练样本包括历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令；
根据所述当前喷绘指令进行喷绘。
2.如权利要求1所述的路面图案喷绘方法，其特征在于，所述当前环境参数包括当前车辆行驶状态、当前路面温度和当前风速中的至少一种。
3.如权利要求2所述的路面图案喷绘方法，其特征在于，所述当前车辆行驶状态包括静止状态、定速巡航状态和变速行驶状态中的一种。
4.如权利要求1所述的路面图案喷绘方法，其特征在于，所述根据所述当前喷绘指令进行喷绘之后，还包括：
获取实际喷绘图案；其中，所述实际喷绘图案为根据所述当前喷绘指令进行喷绘得到的图案；
根据所述实际喷绘图案、所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型。
5.如权利要求4所述的路面图案喷绘方法，其特征在于，所述根据所述实际喷绘图案、所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型，具体包括：
计算所述实际喷绘图案和所述当前目标喷绘图案的相似度，并将其作为当前相似度；
当所述当前相似度小于预设的相似度阈值时，不更新所述喷绘指令生成模型；
当所述当前相似度大于或等于预设的相似度阈值时，根据所述当前目标喷绘图案、所述当前环境参数和所述当前喷绘指令，更新所述喷绘指令生成模型。
6.如权利要求5所述的路面图案喷绘方法，其特征在于，所述更新所述喷绘指令生成模型之后，还包括：
将所述当前环境参数和所述当前相似度保存至存储单元。
7.如权利要求5所述的路面图案喷绘方法，其特征在于，所述相似度阈值通过以下方式获得：
根据所述当前环境参数，遍历存储单元，找出与所述当前环境参数相对应的历史环境参数；
根据所述历史环境参数，获取与所述历史环境参数对应的若干历史相似度；
从与所述历史环境参数对应的若干历史相似度中选出数值最小的历史相似度，作为相似度阈值。
8.一种路面图案喷绘装置，其特征在于，包括：
环境参数获取模块，用于响应于喷绘指令，获取当前环境参数；
喷绘指令计算模块，用于将所述当前环境参数和预设的当前目标喷绘图案输入到预先训练的喷绘指令生成模型，得到当前喷绘指令；其中，所述喷绘指令生成模型由若干训练样本训练得到，所述训练样本包括历史目标喷绘图案、与所述历史目标喷绘图案对应的历史环境参数，以及与所述历史目标喷绘图案对应的历史喷绘指令；
喷绘模块，用于根据所述当前喷绘指令进行喷绘。
9.一种路面图案喷绘装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的路面图案喷绘方法。
10.一种车辆，其特征在于，所述车辆包括车辆本体和如权利要求8所述的路面图案喷绘装置。
CN202111273072.XA 2021-10-29 2021-10-29 一种路面图案喷绘方法、装置及车辆 Active CN113997699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111273072.XA CN113997699B (zh) 2021-10-29 2021-10-29 一种路面图案喷绘方法、装置及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111273072.XA CN113997699B (zh) 2021-10-29 2021-10-29 一种路面图案喷绘方法、装置及车辆

Publications (2)

Publication Number Publication Date
CN113997699A true CN113997699A (zh) 2022-02-01
CN113997699B CN113997699B (zh) 2022-07-15

Family

ID=79925214

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111273072.XA Active CN113997699B (zh) 2021-10-29 2021-10-29 一种路面图案喷绘方法、装置及车辆

Country Status (1)

Country Link
CN (1) CN113997699B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0779735A2 (en) * 1995-12-13 1997-06-18 Fuji Xerox Co., Ltd. Image quality control in image forming apparatus
US6809837B1 (en) * 1999-11-29 2004-10-26 Xerox Corporation On-line model prediction and calibration system for a dynamically varying color reproduction device
JP2005007769A (ja) * 2003-06-19 2005-01-13 Mitsubishi Heavy Ind Ltd 印刷システム及び印刷機制御方法
JP2020071271A (ja) * 2018-10-29 2020-05-07 株式会社沖データ 機械学習装置、データ処理システム、機械学習方法及びデータ処理方法
US20200244816A1 (en) * 2019-01-25 2020-07-30 Seiko Epson Corporation Printer, learning device, and learning method
US20200247138A1 (en) * 2019-02-01 2020-08-06 Brother Kogyo Kabushiki Kaisha Image processing device generating dot data using machine learning model and method for training machine learning model
US20200310934A1 (en) * 2018-05-30 2020-10-01 Canon Kabushiki Kaisha Information processing system, server apparatus, information processing apparatus, control methods of the same, and program
US20210114370A1 (en) * 2019-10-16 2021-04-22 Seiko Epson Corporation Information processing apparatus, learning apparatus, and control method of information processing apparatus
JP2021093664A (ja) * 2019-12-12 2021-06-17 コニカミノルタ株式会社 画像処理システム、画像処理装置、プログラム、制御管理システムおよび装置
CN113222804A (zh) * 2021-06-02 2021-08-06 景德镇陶瓷大学 面向陶瓷工艺的上采样陶瓷水印模型训练方法和嵌密方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0779735A2 (en) * 1995-12-13 1997-06-18 Fuji Xerox Co., Ltd. Image quality control in image forming apparatus
US6809837B1 (en) * 1999-11-29 2004-10-26 Xerox Corporation On-line model prediction and calibration system for a dynamically varying color reproduction device
JP2005007769A (ja) * 2003-06-19 2005-01-13 Mitsubishi Heavy Ind Ltd 印刷システム及び印刷機制御方法
US20200310934A1 (en) * 2018-05-30 2020-10-01 Canon Kabushiki Kaisha Information processing system, server apparatus, information processing apparatus, control methods of the same, and program
JP2020071271A (ja) * 2018-10-29 2020-05-07 株式会社沖データ 機械学習装置、データ処理システム、機械学習方法及びデータ処理方法
US20200244816A1 (en) * 2019-01-25 2020-07-30 Seiko Epson Corporation Printer, learning device, and learning method
US20200247138A1 (en) * 2019-02-01 2020-08-06 Brother Kogyo Kabushiki Kaisha Image processing device generating dot data using machine learning model and method for training machine learning model
US20210114370A1 (en) * 2019-10-16 2021-04-22 Seiko Epson Corporation Information processing apparatus, learning apparatus, and control method of information processing apparatus
JP2021093664A (ja) * 2019-12-12 2021-06-17 コニカミノルタ株式会社 画像処理システム、画像処理装置、プログラム、制御管理システムおよび装置
CN113222804A (zh) * 2021-06-02 2021-08-06 景德镇陶瓷大学 面向陶瓷工艺的上采样陶瓷水印模型训练方法和嵌密方法

Also Published As

Publication number Publication date
CN113997699B (zh) 2022-07-15

Similar Documents

Publication Publication Date Title
Min et al. A new approach to track multiple vehicles with the combination of robust detection and two classifiers
CN111079533B (zh) 无人车驾驶决策方法、无人车驾驶决策装置及无人车
WO2018009552A1 (en) System and method for image analysis
CN109285162A (zh) 一种基于局部区域条件随机场模型的图像语义分割方法
CN108830196A (zh) 基于特征金字塔网络的行人检测方法
CN108960090A (zh) 视频图像处理方法及装置、计算机可读介质和电子设备
CN110991506B (zh) 一种车辆品牌识别方法、装置、设备及存储介质
CN111079547B (zh) 一种基于手机惯性传感器的行人移动方向识别方法
Soh et al. Iterative temporal learning and prediction with the sparse online echo state gaussian process
CN109799829B (zh) 一种基于自组织映射的机器人群体协同主动感知方法
CN109871829A (zh) 一种基于深度学习的检测模型训练方法和装置
Kamann et al. Increasing the robustness of semantic segmentation models with painting-by-numbers
CN112926461A (zh) 神经网络训练、行驶控制方法及装置
CN113997699B (zh) 一种路面图案喷绘方法、装置及车辆
CN112651374A (zh) 一种基于社会信息的未来轨迹预测方法及自动驾驶系统
CN103295026B (zh) 基于空间局部聚合描述向量的图像分类方法
CN111145315A (zh) 绘画方法、装置、玩具机器人及可读存储介质
JP2021015479A (ja) 行動認識装置、行動認識方法、及び行動認識プログラム
CN103839278A (zh) 一种前景检测方法及装置
US20210174079A1 (en) Method and apparatus for object recognition
CN113381667B (zh) 一种基于ros与图像处理的寻苗行走系统及其方法
CN110096973A (zh) 一种基于orb算法和深度级可分离卷积网络的交警手势识别方法
CN115049151A (zh) 导航路线推荐方法、装置、设备及存储介质
CN113793371B (zh) 目标分割追踪方法、装置、电子设备和存储介质
CN113221602B (zh) 道路路面状况确定方法、装置、设备和介质

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