CN115107755A - 一种用于自动驾驶物流车的在途管理方法及设备 - Google Patents

Abstract

本申请提供了一种用于自动驾驶物流车的在途管理方法及设备，该方法通过内置的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据。根据在途异常数据及实时视频流，确定在途信息，发送在途信息至云服务器，以获取物流车控制指令。其中，实时视频流来自内置的图像采集设备。以及根据在途异常数据，生成紧急控制指令，以控制自动驾驶物流车的在途行驶状态，直至执行物流车控制指令。上述方案提高自动驾驶物流车的应急避险能力，使得自动驾驶物流车智能化处理突发事件或道路紧急事件，提高用户使用自动驾驶物流车的使用体验。

Description

一种用于自动驾驶物流车的在途管理方法及设备

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种用于自动驾驶物流车的在途管理方法及设备。

背景技术

过去的经济开发区、出口加工区、保税区、工业园或制造园区等地，需要众多的物流车辆及相应的车辆驾驶人员，实现封闭园区内的物流运输。随着“降本增效、节能环保”理念的提倡，园区内物流行业的运营成本难以降低，而且园区物流车辆的驾驶员招募难等问题的出现，促使园区物流行业进行改革。

随着科技发展，园区物流开始向自动化、智能化、无人化的方向发展，当前自动驾驶物流车能够按照规划的路径，在园区内进行自动行驶。然而，自动驾驶物流车具有使用的局限性，在园区遇到突发事件或道路紧急事件时，应急能力差，不能做出智能化处理，可能增大事故的严重程度。

发明内容

本申请实施例提供了一种用于自动驾驶物流车的在途管理方法及设备，用于提高自动驾驶物流车的应急避险能力，使得自动驾驶物流车智能化处理突发事件或道路紧急事件，提高用户使用自动驾驶物流车的使用体验。

一方面，本申请实施例提供了一种用于自动驾驶物流车的在途管理方法，该方法包括：

通过内置的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据。根据在途异常数据及实时视频流，确定在途信息，发送在途信息至云服务器，以获取物流车控制指令。其中，实时视频流来自内置的图像采集设备。以及根据在途异常数据，生成紧急控制指令，以控制自动驾驶物流车的在途行驶状态，直至执行物流车控制指令。

在本申请的一种实现方式中，将实时视频流作为在途信息，并实时发送在途信息至云服务器。

在本申请的一种实现方式中，通过自动驾驶监控模块，将实时视频流和/或车辆行驶信息，输入预设异常监控模型，以确定自动驾驶物流车是否存在在途异常数据。其中，车辆行驶信息至少包括：传感器运行数据。在途异常数据包括：物流车外部异常、物流车内部异常。

在本申请的一种实现方式中，解析在途异常数据，以确定在途异常数据的异常编码。根据异常编码及预设异常等级对照表，确定异常编码对应的异常等级。根据异常等级，确定相应的紧急控制指令。其中，紧急控制指令至少包括以下一项或多项：产生转弯信号、产生报警信号、产生减速信号、产生停车信号。

在本申请的一种实现方式中，在紧急控制指令为产生停车信号的情况下，确定停车加速度对照表中，产生停车信号相应的停车加速度。

在本申请的一种实现方式中，将在途异常数据及实时视频流，作为在途信息。或者将在途异常数据相应的异常编码及实时视频流，作为在途信息。或者将实时视频流作为所述在途信息。

在本申请的一种实现方式中，在结束执行物流车控制指令的情况下，确定是否存在在途异常数据。在确定不存在在途异常数据的情况下，生成解除异常指令。其中，解除异常指令用于解除紧急控制指令。否则，执行紧急控制指令。

另一方面，本申请实施例还提供了一种用于自动驾驶物流车的在途管理方法，该方法包括：

获取来自物流车端的在途信息。基于用户对在途信息的反馈操作，生成物流车控制指令，并将物流车控制指令发送至物流车端，以通过物流车控制指令，对自动驾驶物流车进行在途管理。

在本申请的一种实现方式中，将在途信息发送至相应的显示终端，以展示物流车端的实时视频流和/或在途异常数据和/或异常编码。

再一方面，本申请实施例还提供了一种用于自动驾驶物流车的在途管理设备，该设备包括：

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：

通过内置的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据。根据在途异常数据及实时视频流，确定在途信息，发送在途信息至云服务器，以获取物流车控制指令。其中，实时视频流来自内置的图像采集设备。以及根据在途异常数据，生成紧急控制指令，以控制自动驾驶物流车的在途行驶状态，直至执行物流车控制指令。

本申请通过上述方案，利用自动驾驶物流车的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据，进而对自动驾驶物流车进行紧急控制或远程的物流车控制，实现对于自动驾驶物流车在遇到紧急事件时的闭环控制。从而提高自动驾驶物流车的应急避险能力，使得自动驾驶物流车智能化处理突发事件或道路紧急事件，提高用户使用自动驾驶物流车的使用体验。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中一种用于自动驾驶物流车的在途管理方法的一种流程示意图；

图2为本申请实施例中一种用于自动驾驶物流车的在途管理方法的另一种流程示意图；

图3为本申请实施例中一种用于自动驾驶物流车的在途管理方法的一种架构示意图；

图4为本申请实施例中一种用于自动驾驶物流车的在途管理设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

据不完全统计，我国有478个国家级经济开发区、出口加工区、保税区等，有省级各类开发区1170个，各类工业园、制造园区超2.2万个，大学校园、居住园区等更不计其数。在“降本增效、节能环保”的社会大环境下，封闭园区的物流行业也正面临着运营成本高、驾驶员招募困难等诸多问题。为提高装卸、运输、收货、仓储等物流工作效率，实现高质量转型升级发展，物流园区的自动化、智能化、无人化已渐成发展趋势。

自动驾驶物流车的出现，解决了上述问题。但是自动驾驶物流车受到其自身安装的感知处理器(如激光雷达、视觉摄像头)自身的性能局限，对于道路紧急情况，缺乏高性能处理能力，从而在园区内遇到突发事件或道路紧急事件时，例如井盖凹陷、树木倒地等影响自动驾驶物流车行驶的事件，无法及时做出智能化处理及应急处理。

为解决上述技术问题，本申请实施例提供了一种用于自动驾驶物流车的在途管理方法及设备，用来提高自动驾驶物流车的应急避险能力，使得自动驾驶物流车智能化处理突发事件或道路紧急事件，提高用户使用自动驾驶物流车的使用体验。

以下结合附图，详细说明本申请的各个实施例。

本申请实施例提供了一种用于自动驾驶物流车的在途管理方法，在物流车端作为执行主体时，如图1所示，该方法可以包括步骤S101-S103：

S101，物流车端通过内置的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据。

在本申请实施例中，物流车端对应于设置在自动驾驶物流车的处理器，能够获取自动驾驶物流车自身运行数据及设置在自动驾驶物流车的感知采集设备的相关数据，感知采集设备如图像采集设备、温度采集设备等。图像采集设备包括设置在自动驾驶物流车上的激光雷达、视觉传感器。

激光雷达可以预先采集有自动驾驶物流车所处的园区内的点云数据，通过即时定位与地图构建(Simultaneous Localization and Mapping，SLAM)技术，建立园区的高精度点云地图。然后将基于该高精度点云地图建立的园区矢量地图，作为自动驾驶物流车的导航地图。通过导航地图起点与终点的选定，将使自动驾驶物流车在起点与终点规划的全局路径之间，进行自动驾驶。

视觉传感器可以实时采集自动驾驶物流车所处位置的视频数据。

在本申请实施例中，物流车端可将实时视频流作为在途信息，并实时发送在途信息至云服务器。

用户可以在云服务器端，观看实时视频流，在需要或想要进行控制自动驾驶物流车时，随时可以根据观看的实时视频流进行灵活地控制自动驾驶物流车。

在本申请实施例中，物流车端通过内置的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据，具体包括：

通过自动驾驶监控模块，物流车端将实时视频流和/或车辆行驶信息，输入预设异常监控模型，以确定自动驾驶物流车是否存在在途异常数据。其中，车辆行驶信息至少包括：传感器运行数据。在途异常数据包括：物流车外部异常、物流车内部异常。

例如，物流车端可以将感知信息，如聚类障碍物；意图分析信息，如障碍物预测轨迹跳变、姿态；路径规划相关信息，如无法规划可安全行驶路径，停车等待过久；控制相关信息，如行驶路径的环境过差(陡坡、路面凹凸)；其他硬件信息，如硬件电压数据、与传感器相关数据等等，均输入异常监控模型，确定自动驾驶物流车是否存在在途异常数据。

实时视频流可以包括自动驾驶物流车在行驶时，周围的视频数据，还可以包括车辆内部的视频数据。例如实时视频流中某一帧视频，自动驾驶物流车前方存在导航地图不存在的一障碍物，如垃圾桶，异常监控模型将会识别到实时视频流对应于该障碍物的视频帧，存在障碍物，进而判断该障碍物为在途异常数据。

本申请提供的异常监控模型可以包括预先训练多个神经网络模型，训练样本集为用户预设或从网络获取的能够在园区出现，且影响自动驾驶物流车正常行驶的图像、车辆相关数据等等，比如：道路横倒的树木、土堆，再如自动驾驶物流车内部着火、视觉传感器损坏的图像等；传感器运行的数据、车辆控制相关数据，如颠簸道路车辆运行时车辆行驶状态相关数据。

S102，物流车端根据在途异常数据及实时视频流，确定在途信息，发送在途信息至云服务器，以获取物流车控制指令。

物流车端根据在途异常数据及实时视频流，确定在途信息，具体包括：

物流车端可以将在途异常数据及实时视频流，作为在途信息。或者物流车端将在途异常数据相应的异常编码及实时视频流，作为在途信息。或者将实时视频流作为在途信息。其中，异常编码通过解析在途异常数据得到，具体参考步骤S103。

上述方案，在途信息包含在途异常数据、异常编码或实时视频流中的至少一个，可以使自动驾驶物流车后续发生在途异常后，灵活发送在途信息。

S103，物流车端根据在途异常数据，生成紧急控制指令，以控制自动驾驶物流车的在途行驶状态，直至执行物流车控制指令。

在本申请实施例中，物流车端根据在途异常数据，生成紧急控制指令，具体包括：

首先，物流车端解析在途异常数据，以确定在途异常数据的异常编码。

物流车端通过解析在途异常数据，可以确定在途异常数据对应的异常编码，例如在途异常数据为道路前方出现倒歪树木，那么异常编码对应于001；在途异常数据为道路中出现减速带，那么异常编码对应于002。在此，在途异常数据仅为示例性存在，异常编码也为示例性存在，对于二者具体内容及其对应关系，根据实际使用进行设置，本申请对此不作具体限定。

接着，物流车端根据异常编码及预设异常等级对照表，确定异常编码对应的异常等级。

异常等级对照表可以存储于物流车端，也可以存在物流车端所连接的一存储介质，如硬盘，对于异常登记对照表的存储位置，根据实际的需求进行设定。异常等级对照表为异常编码与异常等级的对应关系表，例如：001-高级，002-中级，003-低级等。不同的异常等级可以对应有不同的车控控制方式，例如高级的控制方式为：紧急制动，中级的控制方式为：减速停车，低级的控制方式为：减速。具体的异常登记与其对应的控制方式的对应关系，可以在实际使用过程中进行设定，本申请对此不作具体限定。

然后，物流车端根据异常等级，确定相应的紧急控制指令。其中，紧急控制指令至少包括以下一项或多项：产生转弯信号、产生报警信号、产生减速信号、产生停车信号。

在本申请实施例中，产生转弯信号可以使自动驾驶物流车避开产生在途异常数据的障碍物，进行转弯。产生报警信号可以是自动驾驶物流车发出警报如“请避让”，再或者是自动驾驶物流车发出长鸣的警报声音信号。

产生减速信号可以使自动驾驶物流车根据减速信号，进行车辆行驶速度的减速。

此外，在紧急控制指令为产生停车信号的情况下，确定停车加速度对照表中，产生停车信号相应的停车加速度。

停车加速度对照表指代的是，在停车时有不同的加速度进行车辆减速。例如对自动驾驶物流车进行减速时，物流车上的货物比较重，物流车端可以采用一加速度为a的停车信号；在自动驾驶物流车的情况紧急，需紧急停车时，物流车端可以采用一加速度为b的停车信号，其中加速度a小于加速度b。

再者，停车加速度对照表可以根据在途异常数据或者在途异常数据的异常编码，进行确定停车加速度。如在途异常数据为路面凹陷，查询停车加速度对照表，停车加速度为a；异常编码为001，查询停车加速度对照表，停车加速度为b，等等。

本申请通过上述方案，物流车端可以将紧急控制指令发送至车辆的底盘控制器，从而使自动驾驶物流车进行报警或用不同加速度进行停车或进行不同加速度的减速行驶或者以一速度向某方向转弯等等。由于物流车端与云服务器是通过网络通信，即便在通信网络顺畅的情况下，云服务器传达物流车控制指令，进行控制自动驾驶物流车也存在百毫秒级别的延时。因此，本申请通过上述物流车端的紧急控制指令，避免了在物流车控制指令无法及时进行控制自动驾驶物流车时，进行紧急制动。

在本申请实施例中，物流车端根据在途异常数据，生成紧急控制指令，以控制自动驾驶物流车的在途行驶状态，直至执行物流车控制指令之后，方法还包括：

物流车端在结束执行物流车控制指令的情况下，确定是否存在在途异常数据。在确定不存在在途异常数据的情况下，生成解除异常指令。其中，解除异常指令用于解除紧急控制指令。否则，执行紧急控制指令。

也就是说，物流车端可以在云服务器通过物流车控制指令，进行远程控制或远程驾驶结束后，物流车端不会立马解除在遇到在途异常数据后，执行的紧急控制指令，而是需要进行判断在途异常数据是否仍然存在，在不存在在途异常数据之后，解除执行的紧急控制指令。若在途异常数据仍然存在，物流车端将继续执行紧急控制指令。

例如物流车端在执行以加速度为a进行停车的紧急控制指令时，接收到来自云服务器的物流车控制指令，物流车端将立马执行物流车控制指令，进入远程驾驶或远程控制。如果云服务器与物流车端发生网络断开或者云服务器主动结束物流车控制指令的情况，物流车端在结束物流车控制指令时，将会确定当前自动驾驶物流车的实时视频流是否存在在途异常数据，如果存在在途异常数据，那么物流车端将确定在途异常数据所对应的紧急控制指令，并执行。如果过不存在在途异常数据，物流车端将不再执行紧急控制指令，即远程控制或远程驾驶解除了在途异常数据。

本申请来自云服务器的物流车控制指令的优先级大于物流车端的紧急控制指令，存在未执行的物流车控制指令时，物流车端将优先执行物流车控制指令。而在物流车控制指令执行完毕，也将进行判断是否进行紧急控制指令的继续指令，从而实现了自动驾驶物流车的闭环控制，提高自动驾驶物流车的应急避险能力，使得自动驾驶物流车智能化处理突发事件或道路紧急事件，提高用户使用自动驾驶物流车的使用体验。

在本申请实施例中，在云服务器侧，一种用于自动驾驶物流车的在途管理方法包括以下步骤：

S201，云服务器获取来自物流车端的在途信息。

在途信息可以如上述步骤S103中的阐述，在此不再赘述。

S202，云服务器将在途信息发送至相应的显示终端，以展示物流车端的实时视频流和/或在途异常数据和/或异常编码。

在本申请实施例中，在途信息可以包含在途异常数据、异常编码及实时视频流。云服务器通过网络连接的显示终端可以展示的内容为：实时视频流、在途异常数据、异常编码中的至少一个。

S203，云服务器基于用户对在途信息的反馈操作，生成物流车控制指令，并将物流车控制指令发送至物流车端，以通过物流车控制指令，对自动驾驶物流车进行在途管理。

用户可以在查看到在途信息后，对自动驾驶物流车进行远程驾驶，从而生成远程驾驶相应的物流车控制指令，并将指令发送至当前的物流车端。

例如自动驾驶物流车在遇到异常，开始执行紧急制动的操作，用户通过显示终端查看到了异常，用户可以发送物流车控制指令进行远程驾驶。物流车端将开始执行远程驾驶相应的物流车控制指令，并不再执行紧急制动相应的紧急控制指令，直至物流车控制指令执行完毕。在在途异常数据不再存在且物流车控制指令执行完毕的情况下，自动驾驶物流车恢复自动驾驶。

在本申请实施例中，自动驾驶物流车相应的在途管理方法的架构示意图如图3所示，具体包括：

自动驾驶监控模块301，能够对自动驾驶物流车进行实时监控，在本申请中，可以用于确定自动驾驶物流车的在途异常数据；

交互数据上传模块302，能够将实时视频流及在途异常数据上传给云服务器；

紧急控制制动模块303，能够执行紧急控制指令，对自动驾驶物流车进行紧急制动；

联合仲裁模块304，能够对所有的控制命令进行仲裁，例如仲裁物流车控制指令与紧急控制指令的优先级；

以及自动驾驶物流车305、云服务器306以及用户307。

图4为本申请实施例提供的一种用于自动驾驶物流车的在途管理设备的结构示意图，该设备包括：

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：

接收来自图像采集设备的实时视频流。确定实时视频流是否存在在途异常数据。在确定实时视频流存在在途异常数据的情况下，根据在途异常数据及实时视频流，确定在途信息，发送在途信息至云服务器，以获取物流车控制指令。以及根据在途异常数据，生成紧急控制指令，以控制自动驾驶物流车的在途行驶状态，直至执行物流车控制指令。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备与方法是一一对应的，因此，设备也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备的有益技术效果。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种用于自动驾驶物流车的在途管理方法，其特征在于，所述方法包括：

通过内置的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据；

根据所述在途异常数据及实时视频流，确定在途信息，发送所述在途信息至云服务器，以获取物流车控制指令；其中，所述实时视频流来自相应的图像采集设备；以及

根据所述在途异常数据，生成紧急控制指令，以控制所述自动驾驶物流车的在途行驶状态，直至执行所述物流车控制指令。

2.根据权利要求1所述方法，其特征在于，所述方法还包括：

将所述实时视频流作为在途信息，并实时发送所述在途信息至所述云服务器。

3.根据权利要求1所述方法，其特征在于，所述通过内置的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据，具体包括：

通过所述自动驾驶监控模块，将所述实时视频流和/或车辆行驶信息，输入预设异常监控模型，以确定所述自动驾驶物流车是否存在在途异常数据；其中，所述车辆行驶信息至少包括：传感器运行数据；所述在途异常数据包括：物流车外部异常、物流车内部异常。

4.根据权利要求1所述方法，其特征在于，所述根据所述在途异常数据，生成紧急控制指令，具体包括：

解析所述在途异常数据，以确定所述在途异常数据的异常编码；

根据所述异常编码及预设异常等级对照表，确定所述异常编码对应的异常等级；

根据所述异常等级，确定相应的所述紧急控制指令；其中，所述紧急控制指令至少包括以下一项或多项：产生转弯信号、产生报警信号、产生减速信号、产生停车信号。

5.根据权利要求4所述方法，其特征在于，在所述紧急控制指令为产生停车信号的情况下，确定停车加速度对照表中，所述产生停车信号相应的停车加速度。

6.根据权利要求4所述方法，其特征在于，所述根据所述在途异常数据及实时视频流，确定在途信息，具体包括：

将所述在途异常数据及所述实时视频流，作为所述在途信息；或者

将所述在途异常数据相应的异常编码及所述实时视频流，作为所述在途信息；或者

将所述实时视频流作为所述在途信息。

7.根据权利要求1所述方法，其特征在于，所述根据所述在途异常数据，生成紧急控制指令，以控制自动驾驶物流车的在途行驶状态，直至执行所述物流车控制指令之后，所述方法还包括：

在结束执行所述物流车控制指令的情况下，确定是否存在所述在途异常数据；

若不存在，生成解除异常指令；其中，所述解除异常指令用于解除所述紧急控制指令；

否则，执行所述紧急控制指令。

8.一种用于自动驾驶物流车的在途管理方法，其特征在于，所述方法包括：

获取来自物流车端的在途信息；

基于用户对所述在途信息的反馈操作，生成物流车控制指令，并将所述物流车控制指令发送至所述物流车端，以通过所述物流车控制指令，对自动驾驶物流车进行在途管理。

9.根据权利要求8所述方法，其特征在于，所述获取来自物流车端的在途信息之后，所述方法还包括：

将所述在途信息发送至相应的显示终端，以展示所述物流车端的实时视频流和/或在途异常数据和/或异常编码。

10.一种用于自动驾驶物流车的在途管理设备，其特征在于，所述设备包括：

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：

通过内置的自动驾驶监控模块，确定自动驾驶物流车的在途异常数据；

根据所述在途异常数据及实时视频流，确定在途信息，发送所述在途信息至云服务器，以获取物流车控制指令；其中，所述实时视频流来自相应的图像采集设备；以及

根据所述在途异常数据，生成紧急控制指令，以控制所述自动驾驶物流车的在途行驶状态，直至执行所述物流车控制指令。

Images