CN114153208A - 无人驾驶物流运输系统、方法、设备及可读存储介质 - Google Patents
无人驾驶物流运输系统、方法、设备及可读存储介质 Download PDFInfo
- Publication number
- CN114153208A CN114153208A CN202111446058.5A CN202111446058A CN114153208A CN 114153208 A CN114153208 A CN 114153208A CN 202111446058 A CN202111446058 A CN 202111446058A CN 114153208 A CN114153208 A CN 114153208A
- Authority
- CN
- China
- Prior art keywords
- unmanned logistics
- obstacle
- unmanned
- logistics vehicle
- vehicle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004891 communication Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人驾驶物流运输系统、方法、设备及可读存储介质，无人驾驶物流运输系统包括：路侧摄像头用于采集实时图像信息，并将实时图像信息发送至控制中心；控制中心用于接收实时图像信息，根据实时图像信息确定无人驾驶物流车的当前位置信息，并根据无人驾驶物流车的目标运输路线和当前位置信息，确定无人驾驶物流车的预行驶方向，基于预行驶方向控制无人驾驶物流车行驶。本发明提高了无人驾驶物流运输的决策精准度。
Description
技术领域
本发明涉及物流运输技术领域，尤其涉及一种无人驾驶物流运输系统、方法、设备及可读存储介质。
背景技术
目前，厂区的各仓库之间的货物运输方法主要是通过人力搬运，例如通过人力推动平板进行货物搬运，或者通过驾驶员驾驶运输车进行货物搬运。该货物运输方法自动化程度较低，运输效率低下，且浪费大量人力。因此，急需一种无人驾驶物流运输系统，来提高物流运输效率和降低人力成本，即通过无人驾驶在厂区的各仓库之间进行货物调度。
然而，因为无人驾驶物流运输系统需要具备精确可靠的自主定位、自主规划路线等智能决策功能，才能实现厂区物流运输的应用场景，因此，对于无人驾驶物流运输的决策精准度提出了更高的要求。
发明内容
本发明的主要目的在于提供一种无人驾驶物流运输系统、方法、设备及可读存储介质，旨在提高无人驾驶物流运输的决策精准度。
为实现上述目的，本发明提供一种无人驾驶物流运输系统，所述无人驾驶物流运输系统应用于厂区物流运输，所述无人驾驶物流运输系统包括路侧摄像头、控制中心和无人驾驶物流车，其中，各所述路侧摄像头间隔设置于所述厂区物流运输的运输路线上，所述路侧摄像头、所述控制中心和所述无人驾驶物流车通信连接，
所述路侧摄像头用于采集实时图像信息，并将所述实时图像信息发送至所述控制中心；
所述控制中心用于接收所述实时图像信息，根据所述实时图像信息确定所述无人驾驶物流车的当前位置信息，并根据所述无人驾驶物流车的目标运输路线和所述当前位置信息，确定所述无人驾驶物流车的预行驶方向，基于所述预行驶方向控制所述无人驾驶物流车行驶。
可选地，所述无人驾驶物流运输系统还包括用户终端，所述用户终端用于显示厂区物流运输中各运输路线的路线选择界面，并接收用户基于所述任务分配界面而输入的路线选择指令，基于所述路线选择指令确定无人驾驶物流车的目标运输路线，将所述目标运输路线发送至所述控制中心。
可选地，所述控制中心包括边缘计算终端和云控平台，所述路侧摄像头为GMSL摄像头，所述路侧摄像头与所述边缘计算终端通过GMSL双绞线连接，所述边缘计算终端、所述云控平台和所述无人驾驶物流车通过5G网络通信连接，
所述边缘计算终端用于接收所述实时图像信息，根据所述实时图像信息确定所述无人驾驶物流车的当前位置信息，并将所述当前位置信息发送至所述云控平台；
所述云控平台用于接收当前位置信息，根据所述无人驾驶物流车的目标运输路线和所述当前位置信息，确定所述无人驾驶物流车的预行驶方向，基于所述预行驶方向控制所述无人驾驶物流车行驶。
可选地，所述无人驾驶物流车包括车载传感器，所述车载传感器包括探测雷达，所述探测雷达用于探测所述无人驾驶物流车周边的行驶环境信息，并将所述行驶环境信息发送至所述控制中心；
所述控制中心用于接收所述行驶环境信息，并根据所述行驶环境信息确定所述预行驶方向上是否存在障碍物，若存在障碍物，则确定所述障碍物对应的避障决策，控制所述无人驾驶物流车采取所述避障决策避让所述障碍物。
此外，本发明还提供一种无人驾驶物流运输方法，所述无人驾驶物流运输方法应用于如权利要求如上任一项所述的无人驾驶物流运输系统，所述无人驾驶物流运输方法包括：
接收路侧摄像头采集的实时图像信息，根据所述实时图像信息确定无人驾驶物流车的当前位置信息；
根据所述无人驾驶物流车的目标运输路线和所述当前位置信息，确定所述无人驾驶物流车的预行驶方向；
基于所述预行驶方向控制所述无人驾驶物流车行驶。
可选地，所述无人驾驶物流运输方法还包括：
接收所述无人驾驶物流车采集的行驶环境信息，并根据所述行驶环境信息确定所述预行驶方向上是否存在障碍物，若存在障碍物，则确定所述障碍物对应的避障决策，控制所述无人驾驶物流车采取所述避障决策避让所述障碍物。
可选地，所述确定所述障碍物对应的避障决策的步骤包括：
若障碍物的类型为路面实体障碍，则获取所述无人驾驶物流车的车身数据信息；
根据所述车身数据信息，以及所述路面实体障碍的三维数据和空间位置，确定所述障碍物对应的避障决策。
可选地，所述确定所述障碍物对应的避障决策的步骤包括：
若障碍物的类型为所述路面坑洞障碍，则获取无人驾驶物流车的底盘高度信息；
根据所述底盘高度信息和所述路面坑洞障碍，确定所述障碍物对应的避障决策。
此外，为实现上述目的，本发明还提供一种无人驾驶物流运输设备，无人驾驶物流运输设备包括存储器、处理器及存储在存储器上并可在处理器上运行的无人驾驶物流运输程序，无人驾驶物流运输程序被处理器执行时实现如上述任一项所述的无人驾驶物流运输系统的步骤。
此外，为实现上述目的，本发明还提供一种可读存储介质，可读存储介质上存储有无人驾驶物流运输程序，无人驾驶物流运输程序被处理器执行时实现如上述任一项所述的无人驾驶物流运输系统的步骤。
本发明通过将各路侧摄像头间隔设置于厂区物流运输的运输路线，从而便于在厂区全方位监控无人驾驶物流车的运输路线上的当前所在位置，从而实现准确定位无人驾驶物流车，根据该当前位置信息和无人驾驶物流车对应的目标运输路线，确定无人驾驶物流车的预行驶方向，从而精确可靠地实现对无人驾驶物流车的自主路线规划，进而提高了无人驾驶物流运输的决策精准度。本发明通过引入自动驾驶物流的解决方案，大大提升了厂区内仓库之间货物调度运转的效率，持续稳定地响应执行任务，降低了人力成本，结合车辆调度、数据分析等功能服务，物流运输更加简约高效。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本发明实施例无人驾驶物流运输系统的流程示意图；
图3为本发明实施例无人驾驶物流运输系统的场景示意图；
图4为本发明无人驾驶物流运输方法第一实施例的流程示意图。
本发明目的实现、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仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端为无人驾驶物流运输设备。
如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。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。
可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在终端设备移动到耳边时，关闭显示屏和/或背光。当然，终端设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，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1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、用户接口模块以及无人驾驶物流运输程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的无人驾驶物流运输程序，并执行以下操作：
接收路侧摄像头采集的实时图像信息，根据所述实时图像信息确定无人驾驶物流车的当前位置信息；
根据所述无人驾驶物流车的目标运输路线和所述当前位置信息，确定所述无人驾驶物流车的预行驶方向；
基于所述预行驶方向控制所述无人驾驶物流车行驶。
请参照图2，本发明提供一种无人驾驶物流运输系统1000，在本实施例中，无人驾驶物流运输系统1000，无人驾驶物流运输系统1000应用于厂区物流运输，无人驾驶物流运输系统1000包括路侧摄像头10、控制中心20和无人驾驶物流车30，其中，各路侧摄像头10间隔设置于厂区物流运输的运输路线上，路侧摄像头10、控制中心20和无人驾驶物流车30通信连接，路侧摄像头10用于采集实时图像信息，并将实时图像信息发送至控制中心20；控制中心20用于接收实时图像信息，根据实时图像信息确定无人驾驶物流车30的当前位置信息，并根据无人驾驶物流车30的目标运输路线和当前位置信息，确定无人驾驶物流车30的预行驶方向，基于预行驶方向控制无人驾驶物流车30行驶。
在本实施例中，可以理解的是，该目标运输路线代表从无人驾驶物流车30从运输起始点行驶至运输目标点的运输路线，该预行驶方向代表无人驾驶物流车30的当前时刻所决策的行驶方向，即相对于当前时刻的下一时刻应该行驶的方向。
本实施例通过将各路侧摄像头10间隔设置于厂区物流运输的运输路线，从而便于在厂区全方位监控无人驾驶物流车30的运输路线上的当前所在位置，从而实现准确定位无人驾驶物流车30，根据该当前位置信息和无人驾驶物流车30对应的目标运输路线，确定无人驾驶物流车30的预行驶方向，从而精确可靠地实现对无人驾驶物流车30的自主路线规划，进而提高了无人驾驶物流运输的决策精准度。本实施例通过引入自动驾驶物流的解决方案，大大提升了厂区内仓库之间货物调度运转的效率，持续稳定地响应执行任务，降低了人力成本，结合车辆调度、数据分析等功能服务，物流运输更加简约高效。
进一步地，无人驾驶物流运输系统1000还包括用户终端40，用户终端40用于显示厂区物流运输中各运输路线的路线选择界面，并接收用户基于任务分配界面而输入的路线选择指令，基于路线选择指令确定无人驾驶物流车30的目标运输路线，将目标运输路线发送至控制中心20。
在本实施例中，用户终端40可包括手机应用终端等，可以理解的是，由于厂区通常具有多个仓库站点，不同仓库站点之间的运输路线不同，因此，厂区一般具有多个运输路线，用户可通过用户终端的路线选择界面选择需要当前运输任务对应的运输路线作为目标运输路线，从而实现无人驾驶物流车30在不同仓库站点之间的货物调度，进而提高无人驾驶物流运输系统1000的适应性和鲁棒性。
进一步地，请结合参照图3，图3为本发明实施例中无人驾驶物流运输系统1000的场景示意图，控制中心20包括边缘计算终端201和云控平台202，路侧摄像头10为GMSL摄像头，路侧摄像头10与边缘计算终端201通过GMSL双绞线连接，边缘计算终端201、云控平台202和无人驾驶物流车30通过5G网络通信连接，边缘计算终端201用于接收实时图像信息，根据实时图像信息确定无人驾驶物流车30的当前位置信息，并将当前位置信息发送至云控平台202；云控平台202用于接收当前位置信息，根据无人驾驶物流车30的目标运输路线和当前位置信息，确定无人驾驶物流车30的预行驶方向，基于预行驶方向控制无人驾驶物流车30行驶。
其中，GMSL(Gigabit Multimedia Serial Links，千兆多媒体串行链路)技术支持高达6Gbps的传输速率，可以同时传输3K视频和千兆比特以太网数据，解决网络带宽压力的问题。
在本实施例中，GMSL(Gigabit Multimedia Serial Links，千兆多媒体串行链路)摄像头可对所采集视频数据进行转换，并通过GMSL双绞线代替高速传输数据到边缘计算终端201，摒弃了现有技术中通过普通网线进行数据传输的方式，从而有效降低了路侧摄像头10与边缘计算终端201的通信时延，实现高速数据传输，提高了控制中心20对无人驾驶物流车30实时控制的准确性，进而提高了无人驾驶物流运输的决策精准度。同时GMSL技术具备自我诊断功能，支持器件内部诊断，可以实时监测信号传输质量，当传输质量较差时，及时进行预警提示，从而提高了对无人驾驶物流车30进行控制的可靠度。
进一步地，无人驾驶物流车30包括车载传感器301，车载传感器301包括探测雷达，探测雷达用于探测无人驾驶物流车30周边的行驶环境信息，并将行驶环境信息发送至控制中心20；控制中心20用于接收行驶环境信息，并根据行驶环境信息确定预行驶方向上是否存在障碍物，若存在障碍物，则确定障碍物对应的避障决策，控制无人驾驶物流车30采取避障决策避让障碍物。
实施例通过根据行驶环境信息确定预行驶方向上是否存在障碍物，若存在障碍物，则确定障碍物对应的避障决策，控制无人驾驶物流车30采取避障决策避让障碍物，从而实现控制无人驾驶物流车进行精准可靠地自主避障，提高了对厂区复杂环境的适应能力和行驶安全性，进而提高了无人驾驶物流运输的决策精准度。
此外，请参照图4，本发明还提供一种无人驾驶物流运输方法，所述无人驾驶物流运输方法应用于如上任一项所述的无人驾驶物流运输系统，在无人驾驶物流运输方法的第一实施例中，所述无人驾驶物流运输方法包括：
步骤S100，接收路侧摄像头采集的实时图像信息，根据所述实时图像信息确定无人驾驶物流车的当前位置信息；
步骤S200，根据所述无人驾驶物流车的目标运输路线和所述当前位置信息，确定所述无人驾驶物流车的预行驶方向；
步骤S300，基于所述预行驶方向控制所述无人驾驶物流车行驶。
在本实施例中，可以理解的是，该目标运输路线代表从无人驾驶物流车从运输起始点行驶至运输目标点的运输路线，该预行驶方向代表无人驾驶物流车当前时刻所决策的行驶方向，即相对于当前时刻的下一时刻应该行驶的方向。
本实施例通过将接收路侧摄像头采集的实时图像信息，根据所述实时图像信息确定无人驾驶物流车的当前位置信息，从而便于全方位监控无人驾驶物流车在厂区的运输路线上的当前所在位置，从而准确定位无人驾驶物流车，并根据该当前位置信息和无人驾驶物流车对应的目标运输路线，确定无人驾驶物流车的预行驶方向，从而精确可靠地实现对无人驾驶物流车的自主路线规划，进而提高了无人驾驶物流运输的决策精准度。本实施例通过引入自动驾驶物流的解决方案，大大提升了厂区内仓库之间货物调度运转的效率，持续稳定地响应执行任务，降低了人力成本，结合车辆调度、数据分析等功能服务，物流运输更加简约高效。
进一步地，所述无人驾驶物流运输方法还包括：
步骤A10，接收所述无人驾驶物流车采集的行驶环境信息，并根据所述行驶环境信息确定所述预行驶方向上是否存在障碍物，若存在障碍物，则确定所述障碍物对应的避障决策，控制所述无人驾驶物流车采取所述避障决策避让所述障碍物。
在本实施例通过根据所述行驶环境信息确定所述预行驶方向上是否存在障碍物，若存在障碍物，则确定所述障碍物对应的避障决策，控制所述无人驾驶物流车采取所述避障决策避让所述障碍物，从而控制无人驾驶物流车实现精准可靠地自主避障，提高了对厂区复杂环境的适应能力和行驶安全性，进而提高了无人驾驶物流运输的决策精准度。
在一种可实施的方式中，所述确定所述障碍物对应的避障决策的步骤包括：
步骤B10，若障碍物的类型为路面实体障碍，则获取所述无人驾驶物流车的车身数据信息；
步骤B20，根据所述车身数据信息，以及所述路面实体障碍的三维数据和空间位置，确定所述障碍物对应的避障决策。
其中，路面实体障碍既可代表路面具有凸包或凹凸不平，也可代表行车方向的道路上有其他实体障碍物，例如无人驾驶物流车、行人、动物、建筑物以及栏杆等。该车身数据信息包括无人驾驶物流车的车身的长、宽和高，并可根据车载传感器所测得的路面实体障碍的三维数据和空间位置，判断无人驾驶物流车是否可在行车方向安全通过。例如当路面实体障碍为限高拱门时，根据该车身的长、宽和高，以及限高拱门的三维数据和空间位置，确定无人驾驶物流车是否可安全通过该限高拱门，若安全通过则不作处理，若不能安全通过则采取避障决策，例如避障决策为重新规划行驶路径，或减速停车。又或者路面实体障碍为行人时，根据本车车身的长、宽和高，以及行人的三维数据和空间位置，确定无人驾驶物流车在行车方向上是否将与行人发生碰撞，若发生碰撞，则采取避障决策，例如避障决策为停车等待或鸣笛提示。
可以理解的是，可通过在无人驾驶物流车出厂前的开发阶段预先将车身数据信息存储于无人驾驶物流车系统中或云端服务器中，无人驾驶物流车出厂后直接从无人驾驶物流车的车辆系统或云端服务器中获取。
本实施通过根据该车身数据信息确定无人驾驶物流车可安全通过的安全空间数据，根据安全空间数据和障碍物实体的三维数据和空间位置确定障碍物实体是否阻碍无人驾驶物流车安全通行，从而避免避障决策的误触发。不同无人驾驶物流车的车身数据信息往往不同，避障决策也往往不同，通过根据所述车身数据信息和所述路面实体障碍的三维数据和空间位置确定所述避障决策的步骤，优化了不同无人驾驶物流车面对路面实体障碍的避障决策，根据无人驾驶物流车的车身数据信息找到与驾驶物流车最适配的避障决策，从而进而提高了无人驾驶物流运输的决策精准度。
在另一种可实施的方式中，所述确定所述障碍物对应的避障决策的步骤包括：
步骤C10，若障碍物的类型为所述路面坑洞障碍，则获取无人驾驶物流车的底盘高度信息；
需要说明的是，该路面坑洞障碍代表路面坑洞。
步骤C20，根据所述底盘高度信息和所述路面坑洞障碍，确定所述障碍物对应的避障决策。
进一步地，所述根据所述底盘高度信息和所述路面坑洞障碍确定所述障碍物对应的避障决策的步骤包括：
步骤D10，根据所述底盘高度信息，以及所述路面坑洞障碍的三维数据和空间位置，预测所述无人驾驶物流车是否在行车方向会进入所述路面坑洞障碍，且所述无人驾驶物流车的车体是否会与路面坑洞障碍干涉；
步骤D20，若预测所述无人驾驶物流车在行车方向会进入所述路面坑洞障碍，且所述无人驾驶物流车会与所述路面坑洞障碍干涉，则预估所述车体与所述路面坑洞障碍的干涉量；
步骤D30，若该干涉量为小于第一干涉量，则采用第一避障决策；
步骤D40，若该干涉量为大于第一干涉量，且小于第二干涉量，则采用第二避障决策；
步骤D50，若该干涉量为大于第二干涉量，则采用第三避障决策，其中，第一干涉量小于第二干涉量。
需要说明的是，第一避障决策的避障等级小于第二避障决策的避障等级，第二避障决策的避障等级小于第三避障决策的避障等级。在一实施例中，第一避障决策为减速至第一预设速度行驶，第二避障决策为减速至第二预设速度行驶，其中，第一预设速度小于第二预设速度，第三避障决策为重新规划行驶路径，或减速停车。
本实施例通过预估无人驾驶物流车的车体与路面坑洞障碍的干涉量，并进一步根据该干涉量采用对应的避障决策，从而在面对不同路面坑洞障碍时，找到与不同路面坑洞障碍适配的避障决策，进而提高了无人驾驶物流运输的决策精准度。
此外，本发明还提供一种无人驾驶物流运输设备，所述无人驾驶物流运输设备包括：存储器、处理器及存储在所述存储器上的无人驾驶物流运输程序；所述处理器用于执行所述无人驾驶物流运输程序，以实现上述无人驾驶物流运输系统各实施例的步骤。
本发明还提供了一种可读存储介质，所述可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述无人驾驶物流运输系统各实施例的步骤。
本发明可读存储介质具体实施方式与上述无人驾驶物流运输系统各实施例基本相同，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 (10)
1.一种无人驾驶物流运输系统，其特征在于，所述无人驾驶物流运输系统应用于厂区物流运输，所述无人驾驶物流运输系统包括路侧摄像头、控制中心和无人驾驶物流车，其中，各所述路侧摄像头间隔设置于所述厂区物流运输的运输路线上，所述路侧摄像头、所述控制中心和所述无人驾驶物流车通信连接，
所述路侧摄像头用于采集实时图像信息，并将所述实时图像信息发送至所述控制中心；
所述控制中心用于接收所述实时图像信息，根据所述实时图像信息确定所述无人驾驶物流车的当前位置信息，并根据所述无人驾驶物流车的目标运输路线和所述当前位置信息，确定所述无人驾驶物流车的预行驶方向，基于所述预行驶方向控制所述无人驾驶物流车行驶。
2.如权利要求1所述的无人驾驶物流运输系统，其特征在于，所述无人驾驶物流运输系统还包括用户终端，所述用户终端用于显示厂区物流运输中各运输路线的路线选择界面，并接收用户基于所述任务分配界面而输入的路线选择指令，基于所述路线选择指令确定无人驾驶物流车的目标运输路线，将所述目标运输路线发送至所述控制中心。
3.如权利要求1所述的无人驾驶物流运输系统，其特征在于，所述控制中心包括边缘计算终端和云控平台，所述路侧摄像头为GMSL摄像头，所述路侧摄像头与所述边缘计算终端通过GMSL双绞线连接，所述边缘计算终端、所述云控平台和所述无人驾驶物流车通过5G网络通信连接，
所述边缘计算终端用于接收所述实时图像信息，根据所述实时图像信息确定所述无人驾驶物流车的当前位置信息，并将所述当前位置信息发送至所述云控平台；
所述云控平台用于接收当前位置信息，根据所述无人驾驶物流车的目标运输路线和所述当前位置信息，确定所述无人驾驶物流车的预行驶方向，基于所述预行驶方向控制所述无人驾驶物流车行驶。
4.如权利要求1所述的无人驾驶物流运输系统，其特征在于，所述无人驾驶物流车包括车载传感器，所述车载传感器包括探测雷达，所述探测雷达用于探测所述无人驾驶物流车周边的行驶环境信息，并将所述行驶环境信息发送至所述控制中心；
所述控制中心用于接收所述行驶环境信息，并根据所述行驶环境信息确定所述预行驶方向上是否存在障碍物，若存在障碍物，则确定所述障碍物对应的避障决策，控制所述无人驾驶物流车采取所述避障决策避让所述障碍物。
5.一种无人驾驶物流运输方法，其特征在于，所述无人驾驶物流运输方法应用于如权利要求1至3任一项所述的无人驾驶物流运输系统，所述无人驾驶物流运输方法包括：
接收路侧摄像头采集的实时图像信息，根据所述实时图像信息确定无人驾驶物流车的当前位置信息；
根据所述无人驾驶物流车的目标运输路线和所述当前位置信息，确定所述无人驾驶物流车的预行驶方向；
基于所述预行驶方向控制所述无人驾驶物流车行驶。
6.如权利要求1所述的无人驾驶物流运输方法，其特征在于，所述无人驾驶物流运输方法还包括：
接收所述无人驾驶物流车采集的行驶环境信息，并根据所述行驶环境信息确定所述预行驶方向上是否存在障碍物，若存在障碍物，则确定所述障碍物对应的避障决策，控制所述无人驾驶物流车采取所述避障决策避让所述障碍物。
7.如权利要求6所述的无人驾驶物流运输方法，其特征在于，所述确定所述障碍物对应的避障决策的步骤包括：
若障碍物的类型为路面实体障碍，则获取所述无人驾驶物流车的车身数据信息；
根据所述车身数据信息，以及所述路面实体障碍的三维数据和空间位置，确定所述障碍物对应的避障决策。
8.如权利要求6所述的无人驾驶物流运输方法，其特征在于，所述确定所述障碍物对应的避障决策的步骤包括：
若障碍物的类型为所述路面坑洞障碍，则获取无人驾驶物流车的底盘高度信息；
根据所述底盘高度信息和所述路面坑洞障碍，确定所述障碍物对应的避障决策。
9.一种无人驾驶物流运输设备，其特征在于，所述无人驾驶物流运输设备包括：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无人驾驶物流运输程序，所述无人驾驶物流运输程序被所述处理器执行时实现如权利要求1至8中任一项所述的无人驾驶物流运输系统的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有无人驾驶物流运输程序，所述无人驾驶物流运输程序被处理器执行时实现如权利要求1至8中任一项所述的无人驾驶物流运输系统的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111446058.5A CN114153208A (zh) | 2021-11-30 | 2021-11-30 | 无人驾驶物流运输系统、方法、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111446058.5A CN114153208A (zh) | 2021-11-30 | 2021-11-30 | 无人驾驶物流运输系统、方法、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114153208A true CN114153208A (zh) | 2022-03-08 |
Family
ID=80455068
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111446058.5A Pending CN114153208A (zh) | 2021-11-30 | 2021-11-30 | 无人驾驶物流运输系统、方法、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114153208A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114852315A (zh) * | 2022-05-11 | 2022-08-05 | 武汉工程大学 | 一种无人机运输系统、方法及存储介质 |
| CN117933516A (zh) * | 2024-01-26 | 2024-04-26 | 北京云启帮科技有限公司 | 一种基于机器学习的物流路径控制系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101916112A (zh) * | 2010-08-25 | 2010-12-15 | 颜小洋 | 室内场景内智能车模型的定位和控制系统及方法 |
| US20160313740A1 (en) * | 2014-01-14 | 2016-10-27 | Grenzebach Maschinenbau Gmbh | Orientation device for electrically operated transportation vehicles, automatically guided in factory building |
| CN207440616U (zh) * | 2017-10-31 | 2018-06-01 | 昆明理工大学 | 一种现代物流移动机器人自主控制系统 |
| CN108279681A (zh) * | 2018-03-19 | 2018-07-13 | 徐州艾奇机器人科技有限公司 | 一种两轮驱动型低速巡逻车系统及工作方法 |
| CN108873902A (zh) * | 2018-07-04 | 2018-11-23 | 北京踏歌智行科技有限公司 | 一种无人驾驶矿用车辆的远程控制方法及装置 |
| CN109491380A (zh) * | 2018-10-26 | 2019-03-19 | 黄鑫 | 一种智能汽车用无人驾驶系统及使用方法 |
| CN109933064A (zh) * | 2017-12-18 | 2019-06-25 | 波音公司 | 用于自主车辆的多传感器安全路径系统 |
| CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
| CN110182509A (zh) * | 2019-05-09 | 2019-08-30 | 盐城品迅智能科技服务有限公司 | 一种物流仓储用智能避障的寻迹导引搬运车及避障方法 |
| CN113341417A (zh) * | 2021-06-09 | 2021-09-03 | 深圳市九洲电器有限公司 | 基于探测雷达的路面障碍检测方法、车辆及存储介质 |
-
2021
- 2021-11-30 CN CN202111446058.5A patent/CN114153208A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101916112A (zh) * | 2010-08-25 | 2010-12-15 | 颜小洋 | 室内场景内智能车模型的定位和控制系统及方法 |
| US20160313740A1 (en) * | 2014-01-14 | 2016-10-27 | Grenzebach Maschinenbau Gmbh | Orientation device for electrically operated transportation vehicles, automatically guided in factory building |
| CN207440616U (zh) * | 2017-10-31 | 2018-06-01 | 昆明理工大学 | 一种现代物流移动机器人自主控制系统 |
| CN109933064A (zh) * | 2017-12-18 | 2019-06-25 | 波音公司 | 用于自主车辆的多传感器安全路径系统 |
| CN108279681A (zh) * | 2018-03-19 | 2018-07-13 | 徐州艾奇机器人科技有限公司 | 一种两轮驱动型低速巡逻车系统及工作方法 |
| CN108873902A (zh) * | 2018-07-04 | 2018-11-23 | 北京踏歌智行科技有限公司 | 一种无人驾驶矿用车辆的远程控制方法及装置 |
| CN109491380A (zh) * | 2018-10-26 | 2019-03-19 | 黄鑫 | 一种智能汽车用无人驾驶系统及使用方法 |
| CN110182509A (zh) * | 2019-05-09 | 2019-08-30 | 盐城品迅智能科技服务有限公司 | 一种物流仓储用智能避障的寻迹导引搬运车及避障方法 |
| CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
| CN113341417A (zh) * | 2021-06-09 | 2021-09-03 | 深圳市九洲电器有限公司 | 基于探测雷达的路面障碍检测方法、车辆及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114852315A (zh) * | 2022-05-11 | 2022-08-05 | 武汉工程大学 | 一种无人机运输系统、方法及存储介质 |
| CN117933516A (zh) * | 2024-01-26 | 2024-04-26 | 北京云启帮科技有限公司 | 一种基于机器学习的物流路径控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9977431B2 (en) | Automotive drone deployment system | |
| US11332132B2 (en) | Method of handling occlusions at intersections in operation of autonomous vehicle | |
| CN106485198B (zh) | 使用全光摄像机自主代客停车的系统和方法 | |
| US11269327B2 (en) | Picking up and dropping off passengers at an airport using an autonomous vehicle | |
| CN114153208A (zh) | 无人驾驶物流运输系统、方法、设备及可读存储介质 | |
| WO2019225268A1 (ja) | 走行計画生成装置、走行計画生成方法、及び制御プログラム | |
| CN110949406B (zh) | 一种智能驾驶系统及方法 | |
| US11310269B2 (en) | Methods to detect spoofing attacks on automated driving systems | |
| US20220219720A1 (en) | Methods and system for constructing data representation for use in assisting autonomous vehicles navigate intersections | |
| US11975742B2 (en) | Trajectory consistency measurement for autonomous vehicle operation | |
| EP4131203A1 (en) | Information processing device, and information processing method | |
| CN114530058A (zh) | 一种碰撞预警方法、装置和系统 | |
| KR20220081380A (ko) | 자율주행 차량을 위한 신호등 검출 및 분류 | |
| US12055407B2 (en) | Mixed regular and open-space trajectory planning method for autonomous driving vehicle | |
| CN114111808A (zh) | 无人驾驶车的定位方法、系统、装置及可读存储介质 | |
| WO2022115216A2 (en) | Method and system for determining a mover model for motion forecasting in autonomous vehicle control | |
| US11358598B2 (en) | Methods and systems for performing outlet inference by an autonomous vehicle to determine feasible paths through an intersection | |
| CN113851003A (zh) | 车辆控制系统、车辆控制方法、车辆控制设备及存储介质 | |
| EP4160269A1 (en) | Systems and methods for onboard analysis of sensor data for sensor fusion | |
| WO2023273731A1 (zh) | 避障方法及装置、自动导航装置 | |
| CN113611131B (zh) | 车辆通行方法、装置、设备及计算机可读存储介质 | |
| EP3903068B1 (en) | Learned intersection map from long term sensor data | |
| CN114136309A (zh) | 无人驾驶物流车的定位方法、系统、装置及存储介质 | |
| CN114132343A (zh) | 车辆循迹方法、装置、系统及计算机可读存储介质 | |
| CN116569070A (zh) | 用于分析动态LiDAR点云数据的方法和系统 |
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 |