CN115565374A - 物流车驾驶优化方法、装置、电子设备及可读存储介质 - Google Patents
物流车驾驶优化方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN115565374A CN115565374A CN202211184990.XA CN202211184990A CN115565374A CN 115565374 A CN115565374 A CN 115565374A CN 202211184990 A CN202211184990 A CN 202211184990A CN 115565374 A CN115565374 A CN 115565374A
- Authority
- CN
- China
- Prior art keywords
- curve
- information
- logistics vehicle
- vehicle
- driving
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种物流车驾驶优化方法、装置、电子设备及可读存储介质,应用于智能技术领域,所述物流车驾驶优化方法包括:当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息。本申请解决了物流车的过弯效率低的技术问题。
Description
技术领域
本申请涉及智能技术领域,尤其涉及一种物流车驾驶优化方法、装置、电子设备及可读存储介质。
背景技术
随着科技的高速发展,智能驾驶技术也发展地越来越成熟,目前,车辆智能驾驶通常通过获取弯道限制面和车辆的距离,根据距离和模型得到车辆的规划路线,从而根据规划路线控制车辆行进,而通过此方法得到的规划路线不适用于车辆通过狭窄弯道的场景,如仍采用此方法需要多次倒车调整车辆的方向,以安全通过狭窄弯道,且当车辆为物流车时,物流车通常车身较大,因此采用此方法使得需要倒车调整的次数增加,从而导致物流车的过弯效率低。
发明内容
本申请的主要目的在于提供一种物流车驾驶优化方法、装置、电子设备及可读存储介质,旨在解决现有技术中物流车的过弯效率低的技术问题。
为实现上述目的,本申请提供一种物流车驾驶优化方法,应用于物流车驾驶优化设备,所述物流车驾驶优化方法包括:
当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;
依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;
依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息。
为实现上述目的,本申请还提供一种物流车驾驶优化装置,所述物流车驾驶优化装置应用于物流车驾驶优化设备,所述物流车驾驶优化装置包括:
获取模块,用于当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;
构建模块,用于依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;
控制模块,用于依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息。
本申请还提供一种电子设备,所述电子设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述物流车驾驶优化方法的程序,所述物流车驾驶优化方法的程序被处理器执行时可实现如上述的物流车驾驶优化方法的步骤。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有实现物流车驾驶优化方法的程序,所述物流车驾驶优化方法的程序被处理器执行时实现如上述的物流车驾驶优化方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的物流车驾驶优化方法的步骤。
本申请提供了一种物流车驾驶优化方法、装置、电子设备及可读存储介质,相比于通过获取弯道限制面和车辆的距离,根据距离和模型得到车辆的规划路线,从而根据规划路线控制车辆行进的方法,本申请通过当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息,实现了根据物流车的驾驶信息、车辆信息和弯道信息,为物流车匹配通过狭窄弯道的过弯特征向量,从而确定物流车安全且高效的规划路线,避免了采用通过获取弯道限制面和车辆的距离,根据距离和模型得到车辆的规划路线,从而根据规划路线控制车辆行进的方法时,由于得到的规划路线不适用于车辆通过狭窄弯道的场景,导致需要多次倒车调整车辆的方向,以安全通过狭窄弯道的情况,且当车辆为物流车时,物流车通常车身较大,容易出现需要倒车调整的次数增加情况的技术缺陷,从而在保证物流车的过弯安全性的条件下提高了物流车的过弯效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请物流车驾驶优化方法第一实施例的流程示意图;
图2为本申请物流车驾驶优化方法第二实施例的流程示意图;
图3为本申请物流车驾驶优化方法中一场景示意图;
图4为本申请物流车驾驶优化方法中另一场景示意图;
图5为本申请实施例中物流车驾驶优化方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、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
为使本申请的上述目的、特征和优点能够更加明显易懂,下面将结合本申请实施例中的附图,对本申请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作出创造性劳动的前提下所获得的所有其它实施例,均属于本申请保护的范围。
实施例一
本申请实施例提供一种物流车驾驶优化方法,在本申请物流车驾驶优化方法的第一实施例中,参照图1,所述物流车驾驶优化方法包括:
步骤S10,当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;
示例性地,步骤S10包括:当检测到目标物流车的前方为狭窄弯道时,通过内置于所述目标物流车的雷达传感器和车载通信单元获取所述目标物流车的驾驶信息;通过采集携带狭窄弯道信息的狭窄弯道图像,依据所述狭窄弯道图像确定所述狭窄弯道的弯道信息;通过所述车载通信单元采集所述目标物流车的车辆信息。
可选地,所述采集携带狭窄弯道信息的狭窄弯道图像的步骤可以为:通过外置于所述目标物流车的摄像头采集所述狭窄弯道图像,所述摄像头可以为单目摄像头,也可以为双目摄像头。
其中,在步骤S10中,所述获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息的步骤包括:
步骤S11,获取所述目标物流车的当前位置信息、当前方向盘角度和当前驾驶速度,得到所述目标物流车的驾驶信息;
示例性地,步骤S11包括:通过所述雷达传感器获取所述目标物流车的位置坐标或者经纬度坐标,得到所述当前位置信息,通过所述车载通信单元获取当前方向盘角度和当前驾驶速度,将所述当前位置信息、所述当前位置信息对应的方向盘角度和所述当前位置信息对应的当前驾驶速度整合得到所述目标物流车的驾驶信息。
步骤S12,采集构成所述狭窄弯道的弯道限制面之间的弯道限制面间隔距离以及确定所述狭窄弯道的转弯半径,得到所述狭窄弯道的弯道信息;
步骤S13,获取所述目标物流车的车辆型号,依据所述车辆型号,拉取所述目标物流车的车辆长度、车辆宽度以及各车轮之间的车轮距离,得到所述车辆信息。
在本实施例中,可以理解的是,所述单目摄像头仅可以采集到构成所述狭窄弯道的弯道限制面的平面信息,也即,仅可以得到构成所述狭窄弯道的单一弯道限制面,因此,无法获得构成所述狭窄弯道的各弯道限制面之间的弯道限制面间隔距离,而通过双目摄像头,可以根据视差原理,获取构成所述狭窄弯道的各弯道限制面之间的弯道限制面间隔距离,所以,本实施例优选采用双目摄像头采集所述狭窄弯道图像。
在本实施例中,需要说明的是,所述弯道限制面间隔距离可以为各弯道限制面之间的间隔距离,也可以为各弯道限制面分别与目标物流车之间的间隔距离。
示例性地,步骤S12至步骤S13包括:依据所述狭窄弯道图像和双目摄像头视差原理,计算得到构成所述狭窄弯道的第一弯道限制面与所述目标物流车的第一距离,以及构成所述狭窄弯道的第二弯道限制面与所述目标物流车的第二距离,将所述第一距离和所述第二距离的距离差值作为构成所述狭窄弯道的弯道限制面之间的弯道限制面间隔距离,依据所述弯道限制面间隔距离以及所述狭窄弯道构成的圆弧,计算所述狭窄弯道的转弯半径,将所述弯道限制面间隔距离和所述转弯半径整合得到所述弯道信息;获取所述目标物流车的车辆型号,通过所述车载通信单元查询云服务器,拉取所述车辆型号对应的车辆长度、对应的车辆宽度以及对应的各车轮之间的车轮距离;将所述车辆长度、所述车辆宽度以及各所述车轮距离整合得到所述车辆信息。
步骤S20,依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;
其中,在步骤S20中,所述依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量的步骤包括:
步骤S21,将所述驾驶信息对应的驾驶特征向量、所述弯道限制面间隔距离、所述转弯半径、所述车辆长度、所述车辆宽度以及各所述车轮距离拼接为所述目标物流车的过弯特征向量。
示例性地,步骤S21至步骤S22包括:依据所述当前位置信息、所述当前位置信息对应的方向盘角度和所述当前位置信息对应的当前驾驶速度,构建所述目标物流车的驾驶特征向量;将所述驾驶特征向量、所述弯道限制面间隔距离、所述转弯半径、所述车辆长度、所述车辆宽度以及各所述车轮距离拼接为所述目标物流车的过弯特征向量。
步骤S30,依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息。
示例性地,步骤S20至步骤S30包括:依据所述驾驶信息、所述弯道信息和所述车辆信息对应的特征,构建所述目标物流车的过弯特征向量;依据所述过弯特征向量和训练好的物流车过弯模型,预测所述目标物流车的过弯信息,通过车载IDU(Interface DataUnit,接口数据单元)根据所述过弯信息对应的规划路线控制所述目标物流车通过所述狭窄弯道。
其中,在步骤S30中,所述依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息的步骤包括:
步骤S31,依据所述过弯特征向量和预设物流车过弯模型,预测所述目标物流车由所述目标物流车的当前位置通过所述狭窄弯道的过弯信息;
步骤S32,依据过弯信息,构建所述目标物流车的规划路线,控制所述目标物流车根据所述规划路线通过所述狭窄弯道。
示例性地,步骤S31至步骤S32包括:通过预设车过弯模型将所述过弯特征向量映射为预测所述目标物流车由当前位置通过所述狭窄弯道的规划位置信息、各所述规划位置信息的控制标签、各所述规划位置信息对应的规划方向盘角度以及各所述规划位置信息对应的规划驾驶速度,其中,所述控制标签包括控制前进标签和控制倒退标签,当所述控制标签为控制前进标签时,判定所述规划位置信息、所述规划位置信息对应的规划方向盘角度以及所述规划位置信息对应的规划驾驶速度为所述前进点驾驶信息,当所述控制标签为控制倒退标签时,判定所述规划位置信息、所述规划位置信息对应的规划方向盘角度以及所述规划位置信息对应的规划驾驶速度为所述倒退点驾驶信息,所述规划方向盘角度可以为各规划位置信息的目标方向盘角度,还可以为各规划位置信息基于上一规划位置信息的方向盘调整角度值,通过方向盘调整角度值的正负确定方向盘的调整方向,通过方向盘调整角度值的取值大小确定方向盘的调整值。所述规划驾驶速度可以为各规划位置信息的目标驾驶速度,还可以为各规划位置信息基于上一规划位置信息的驾驶速度调整值,通过驾驶速度调整值的正负确定驾驶速度的加减速,通过驾驶速度调整值的取值大小确定驾驶速度的调整值。依据各所述规划位置信息、各所述控制标签、各所述规划位置信息对应的规划方向盘角度以及各所述规划位置信息对应的规划驾驶速度,构建所述目标物流车的规划路线,控制所述目标物流车根据所述规划路线通过所述狭窄弯道。
本申请实施例提供了一种物流车驾驶优化方法,相比于通过获取弯道限制面和车辆的距离,根据距离和模型得到车辆的规划路线,从而根据规划路线控制车辆行进的方法,本申请实施例通过当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息,实现了根据物流车的驾驶信息、车辆信息和弯道信息,为物流车匹配通过狭窄弯道的过弯特征向量,从而确定物流车安全且高效的规划路线,避免了采用通过获取弯道限制面和车辆的距离,根据距离和模型得到车辆的规划路线,从而根据规划路线控制车辆行进的方法时,由于得到的规划路线不适用于车辆通过狭窄弯道的场景,导致需要多次倒车调整车辆的方向,以安全通过狭窄弯道的情况,且当车辆为物流车时,物流车通常车身较大,容易出现需要倒车调整的次数增加情况的技术缺陷,从而在保证物流车的过弯安全性的条件下提高了物流车的过弯效率。
实施例二
进一步地,参照图2,基于本申请第一实施例,在本申请另一实施例中,与上述实施例一相同或相似的内容,可以参考上文介绍,后续不再赘述。在此基础上,其中,在步骤S30中,在所述依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息的步骤之前,还包括:
步骤A10,获取待训练物流车过弯模型、各训练物流车对应的训练样本以及各所述训练样本对应的真实过弯信息;
示例性地,步骤A10包括:获取待训练物流车过弯模型、各物流车通过各训练狭窄弯道的训练样本以及各所述训练样本对应的真实过弯信息。
其中,在步骤A10中,所述获取各训练物流车对应的训练样本以及各所述训练样本对应的真实过弯信息的步骤包括:
步骤A11,获取各所述训练物流车通过训练狭窄弯道对应的历史驾驶信息、各所述历史驾驶信息对应的驾驶时长、各所述训练狭窄弯道的训练弯道信息以及各所述训练物流车的训练车辆信息;
步骤A12,在各所述历史驾驶信息中选取所述驾驶时长小于预设时长阈值的目标驾驶信息;
步骤A13,将所述目标驾驶信息中通过所述训练狭窄弯道之前的驾驶信息作为所述训练物流车的训练驾驶信息,将所述目标驾驶信息中通过所述狭窄弯道时的驾驶信息作为所述真实过弯信息;
步骤A14,将所述训练弯道信息、所述训练车辆信息和所述训练驾驶信息进行整合得到所述训练样本。
在本实施例中,需要说明的是,所述预设时长阈值为预先设置的判定历史驾驶路线的驾驶效率较高的历史驾驶路线的驾驶时长临界值。
示例性地,步骤A11至步骤A14包括:每隔预设时间间隔获取各所述训练物流车通过各训练狭窄弯道对应的历史位置信息、各所述历史位置信息对应的方向盘角度以及各所述历史位置信息对应的驾驶速度,得到所述历史驾驶信息,生成各所述历史驾驶信息对应的驾驶时长,其中,所述预设时间间隔为预先设置的采集车辆的驾驶信息的时间间隔,所述预设时间间隔可以为1s,也可以为2s,还可以为3s等其它时间;在各所述驾驶时长中选取小于预设时长阈值的目标驾驶信息,将所述目标驾驶信息中通过所述狭窄弯道之前的驾驶信息作为所述训练物流车的训练驾驶信息,将所述目标驾驶信息中通过所述狭窄弯道时的驾驶信息作为所述真实过弯信息,将所述训练弯道信息、所述训练车辆信息和所述训练驾驶信息进行整合得到所述训练样本。
步骤A20,依据所述待训练物流车过弯模型、所述训练样本对应的训练过弯特征向量以及所述真实过弯信息,对所述待训练物流车过弯模型进行迭代优化,得到所述物流车过弯模型。
示例性地,步骤A20包括:通过所述待训练物流车过弯模型将所述训练样本对应的训练过弯特征向量映射为所述物流车的训练过弯信息,进而基于所述训练过弯信息与所述真实过弯信息之间的差异度,计算所述待训练物流车过弯模型对应的模型损失,进而判断所述模型损失是否收敛,若所述模型损失收敛,则将所述待训练物流车过弯模型作为所述物流车过弯模型,若所述模型损失未收敛,则基于所述模型损失计算的梯度,通过预设模型更新方法更新所述待训练物流车过弯模型,并返回执行步骤:获取待训练物流车过弯模型、各物流车对应的训练样本以及各所述训练样本对应的真实过弯信息,其中,所述预设模型更新方法包括梯度下降法和梯度上升法等。
可选地,当检测到更新驾驶信息时,依据所述更新驾驶信息扩增所述训练样本,并返回执行步骤:依据所述待训练物流车过弯模型、所述训练样本对应的训练过弯特征向量以及所述真实过弯信息,对所述待训练物流车过弯模型进行迭代优化,得到所述物流车过弯模型。
其中,在步骤S10中,在所述当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息的步骤之前,还包括:
步骤B10,当检测到所述目标物流车的前方为弯道时,获取所述弯道的可通过路段的直径,判断所述直径是否小于预设直径阈值;
步骤B20,若是,则判定所述弯道为狭窄弯道。
在本实施例中,需要说明的是,所述预设直径阈值为预先设置的判定所述弯道为狭窄弯道的所述弯道的可通过路段的直径的临界值。
示例性地,步骤B10至步骤B20包括:通过外置于所述目标物流车的双目摄像头采集所述目标物流车前方行进区域的区域图像,依据所述区域图像判断所述目标物流车的前方是否为弯道,若所述目标物流车的前方不为弯道,则返回执行步骤:通过外置于所述目标物流车的双目摄像头采集所述目标物流车前方行进区域的区域图像,若所述目标物流车的前方为弯道,则通过所述双目摄像头采集携带弯道信息的弯道图像,依据所述弯道图像和双目摄像头视差原理,计算得到构成所述弯道的各弯道限制面与所述目标物流车之间的弯道限制面间隔距离,将各所述弯道限制面间隔距离之间的距离差值作为所述弯道的可通过路段的直径,判断所述直径是否小于预设直径阈值,若所述直径小于预设直径阈值,则判定所述弯道为狭窄弯道,若所述直径不小于预设直径阈值,则判定所述弯道不为狭窄弯道,并返回执行步骤:通过外置于所述目标物流车的双目摄像头采集所述目标物流车前方行进区域的区域图像。
可选地,获取使用所述物流过弯模型的各物流车成功通过狭窄弯道的概率,若所述概率不大于预设第一概率阈值,则每隔预设第一优化时间间隔对所述物流过弯模型进行迭代优化,若所述概率大于预设第一概率阈值且小于预设第二概率阈值,则每隔预设第二优化时间间隔对所述物流过弯模型进行迭代优化,若所述概率大于预设第二概率阈值,则每隔预设第三优化时间间隔对所述物流过弯模型进行迭代优化,其中,所述预设第一概率阈值小于预设第二概率阈值,所述预设第一优化时间间隔大于所述预设第二优化时间间隔,所述预设第二优化时间间隔大于所述第三预设优化时间间隔,例如,当概率小于99%时,每天对所述物流过弯模型进行迭代优化,当概率大于99%且小于99.99%时,每周对所述物流过弯模型进行迭代优化,当概率大于99.99%时,每月对所述物流过弯模型进行迭代优化。
作为一种示例,参照图3,图3包括:训练样本(图示的车辆行驶信息)和物流过弯模型(图示的关键倒车、前进点神经网络计算模型),通过车载UCU、IDU、激光雷达获取训练样本,通过MQTT协议实时将训练样本传输至云端服务器中的数据库,通过云端服务器根据训练样本训练得到物流过弯模型。
作为一种示例,参照图4,图4包括:训练样本(图示的车辆行驶信息)、物流过弯模型(图示的关键倒车、前进点神经网络计算模型)以及过弯特征向量(图示的驾驶参数),通过无人驾驶物流车中的车载UCU、IDU、激光雷达获取训练样本,通过MQTT协议实时将训练样本传输至云端服务器中的数据库,通过训练样本迭代训练得到物流过弯模型,通过物流过弯模型和过弯特征向量,自动驾驶物流车通过狭窄转弯路段,期间通过电机控制器控制物流车的驾驶速度,通过方向控制器控制物流车的驾驶方向以及通过灯光控制器控制物流车的灯光,所述灯光包括转向灯和/或危险报警闪光灯和/或近光灯和/或远光灯。
本申请实施例提供了一种物流车驾驶优化方法,相比于通过获取弯道限制面和车辆的距离,根据距离和模型得到车辆的规划路线,从而根据规划路线控制车辆行进的方法,本申请实施例通过当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息,实现了根据物流车的驾驶信息、车辆信息和弯道信息,为物流车匹配通过狭窄弯道的过弯特征向量,从而确定物流车安全且高效的规划路线,避免了采用通过获取弯道限制面和车辆的距离,根据距离和模型得到车辆的规划路线,从而根据规划路线控制车辆行进的方法时,由于得到的规划路线不适用于车辆通过狭窄弯道的场景,导致需要多次倒车调整车辆的方向,以安全通过狭窄弯道的情况,且当车辆为物流车时,物流车通常车身较大,容易出现需要倒车调整的次数增加情况的技术缺陷,从而在保证物流车的过弯安全性的条件下提高了物流车的过弯效率。
实施例三
本申请实施例还提供一种物流车驾驶优化装置,所述物流车驾驶优化装置应用于物流车驾驶优化设备,所述物流车驾驶优化装置包括:
获取模块,用于当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;
构建模块,用于依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;
控制模块,用于依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息。
可选地,所述获取模块还用于:
获取所述目标物流车的当前位置信息、当前方向盘角度和当前驾驶速度,得到所述目标物流车的驾驶信息;
采集构成所述狭窄弯道的弯道限制面之间的弯道限制面间隔距离以及确定所述狭窄弯道的转弯半径,得到所述狭窄弯道的弯道信息;
获取所述目标物流车的车辆型号,依据所述车辆型号,拉取所述目标物流车的车辆长度、车辆宽度以及各车轮之间的车轮距离,得到所述车辆信息。
可选地,所述构建模块还用于:
将所述驾驶信息对应的驾驶特征向量、所述弯道限制面间隔距离、所述转弯半径、所述车辆长度、所述车辆宽度以及各所述车轮距离拼接为所述目标物流车的过弯特征向量。
可选地,所述控制模块还用于:
依据所述过弯特征向量和预设物流车过弯模型,预测所述目标物流车由所述目标物流车的当前位置通过所述狭窄弯道的过弯信息;
依据过弯信息,构建所述目标物流车的规划路线,控制所述目标物流车根据所述规划路线通过所述狭窄弯道。
可选地,在所述依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息的步骤之前,所述物流车驾驶优化装置还用于:
获取待训练物流车过弯模型、各训练物流车对应的训练样本以及各所述训练样本对应的真实过弯信息;
依据所述待训练物流车过弯模型、所述训练样本对应的训练过弯特征向量以及所述真实过弯信息,对所述待训练物流车过弯模型进行迭代优化,得到所述物流车过弯模型。
可选地,所述物流车驾驶优化装置还用于:
获取各所述训练物流车通过训练狭窄弯道对应的历史驾驶信息、各所述历史驾驶信息对应的驾驶时长、各所述训练狭窄弯道的训练弯道信息以及各所述训练物流车的训练车辆信息;
在各所述历史驾驶信息中选取所述驾驶时长小于预设时长阈值的目标驾驶信息;
将所述目标驾驶信息中通过所述训练狭窄弯道之前的驾驶信息作为所述训练物流车的训练驾驶信息,将所述目标驾驶信息中通过所述狭窄弯道时的驾驶信息作为所述真实过弯信息;
将所述训练弯道信息、所述训练车辆信息和所述训练驾驶信息进行整合得到所述训练样本。
可选地,在所述当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息的步骤之前,所述物流车驾驶优化装置还用于:
当检测到所述目标物流车的前方为弯道时,获取所述弯道的可通过路段的直径,判断所述直径是否小于预设直径阈值;
若是,则判定所述弯道为狭窄弯道。
本申请提供的物流车驾驶优化装置,采用上述实施例中的物流车驾驶优化方法,解决了物流车的过弯效率低的技术问题。与现有技术相比,本申请实施例提供的物流车驾驶优化装置的有益效果与上述实施例提供的物流车驾驶优化方法的有益效果相同,且该物流车驾驶优化装置中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
实施例四
本申请实施例提供一种电子设备,所述电子设备包括: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上述实施例中的物流车驾驶优化方法。
下面参考图5,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子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,电子设备可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下系统可以连接至I/O接口:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备,但是应理解的是,并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
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装置从网络上被下载和安装,或者从存储装置被安装,或者从ROM被安装。在该计算机程序被处理装置执行时,执行本公开实施例的方法中限定的上述功能。
本申请提供的电子设备,采用上述实施例中的物流车驾驶优化方法,解决了物流车的过弯效率低的技术问题。与现有技术相比,本申请实施例提供的电子设备的有益效果与上述实施例提供的物流车驾驶优化方法的有益效果相同,且该电子设备中的其他技术特征与上述实施例方法公开的特征相同,在此不做赘述。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
实施例五
本实施例提供一种计算机可读存储介质,具有存储在其上的计算机可读程序指令,计算机可读程序指令用于执行上述实施例中的物流车驾驶优化方法的方法。
本申请实施例提供的计算机可读存储介质例如可以是U盘,但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件,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。在本实施例中,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、系统或者器件使用或者与其结合使用。计算机可读存储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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的;也可以是单独存在,而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被电子设备执行时,使得电子设备:当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息。
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,上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,图示了按照本申请各种实施例的系统、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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该单元本身的限定。
本申请提供的计算机可读存储介质,存储有用于执行上述物流车驾驶优化方法的计算机可读程序指令,解决了物流车的过弯效率低的技术问题。与现有技术相比,本申请实施例提供的计算机可读存储介质的有益效果与上述实施提供的物流车驾驶优化方法的有益效果相同,在此不做赘述。
实施例六
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述的物流车驾驶优化方法的步骤。
本申请提供的计算机程序产品解决了物流车的过弯效率低的技术问题。与现有技术相比,本申请实施例提供的计算机程序产品的有益效果与上述实施例提供的物流车驾驶优化方法的有益效果相同,在此不做赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利处理范围内。
Claims (10)
1.一种物流车驾驶优化方法,其特征在于,所述物流车驾驶优化方法包括:
当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;
依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;
依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息。
2.如权利要求1所述物流车驾驶优化方法,其特征在于,所述获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息的步骤包括:
获取所述目标物流车的当前位置信息、当前方向盘角度和当前驾驶速度,得到所述目标物流车的驾驶信息;
采集构成所述狭窄弯道的弯道限制面之间的弯道限制面间隔距离以及确定所述狭窄弯道的转弯半径,得到所述狭窄弯道的弯道信息;
获取所述目标物流车的车辆型号,依据所述车辆型号,拉取所述目标物流车的车辆长度、车辆宽度以及各车轮之间的车轮距离,得到所述车辆信息。
3.如权利要求2所述物流车驾驶优化方法,其特征在于,所述依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量的步骤包括:
将所述驾驶信息对应的驾驶特征向量、所述弯道限制面间隔距离、所述转弯半径、所述车辆长度、所述车辆宽度以及各所述车轮距离拼接为所述目标物流车的过弯特征向量。
4.如权利要求1所述物流车驾驶优化方法,其特征在于,所述依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息的步骤包括:
依据所述过弯特征向量和预设物流车过弯模型,预测所述目标物流车由所述目标物流车的当前位置通过所述狭窄弯道的过弯信息;
依据过弯信息,构建所述目标物流车的规划路线,控制所述目标物流车根据所述规划路线通过所述狭窄弯道。
5.如权利要求1所述物流车驾驶优化方法,其特征在于,在所述依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息的步骤之前,还包括:
获取待训练物流车过弯模型、各训练物流车对应的训练样本以及各所述训练样本对应的真实过弯信息;
依据所述待训练物流车过弯模型、所述训练样本对应的训练过弯特征向量以及所述真实过弯信息,对所述待训练物流车过弯模型进行迭代优化,得到所述物流车过弯模型。
6.如权利要求5所述物流车驾驶优化方法,其特征在于,所述获取各物流车对应的训练样本以及各所述训练样本对应的真实过弯信息的步骤包括:
获取各所述训练物流车通过训练狭窄弯道对应的历史驾驶信息、各所述历史驾驶信息对应的驾驶时长、各所述训练狭窄弯道的训练弯道信息以及各所述训练物流车的训练车辆信息;
在各所述历史驾驶信息中选取所述驾驶时长小于预设时长阈值的目标驾驶信息;
将所述目标驾驶信息中通过所述训练狭窄弯道之前的驾驶信息作为所述训练物流车的训练驾驶信息,将所述目标驾驶信息中通过所述狭窄弯道时的驾驶信息作为所述真实过弯信息;
将所述训练弯道信息、所述训练车辆信息和所述训练驾驶信息进行整合得到所述训练样本。
7.如权利要求1所述物流车驾驶优化方法,其特征在于,在所述当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息的步骤之前,还包括:
当检测到所述目标物流车的前方为弯道时,获取所述弯道的可通过路段的直径,判断所述直径是否小于预设直径阈值;
若是,则判定所述弯道为狭窄弯道。
8.一种物流车驾驶优化装置,其特征在于,所述物流车驾驶优化装置包括:
获取模块,用于当检测到目标物流车的前方为狭窄弯道时,获取所述目标物流车的驾驶信息、所述狭窄弯道的弯道信息以及所述目标物流车的车辆信息;
构建模块,用于依据所述驾驶信息、所述弯道信息和所述车辆信息,构建所述目标物流车的过弯特征向量;
控制模块,用于依据所述过弯特征向量和物流车过弯模型,预测所述目标物流车的过弯信息,控制所述目标物流车依据所述过弯信息通过所述狭窄弯道,其中,所述过弯信息包括至少一个前进点驾驶信息和至少一个倒退点驾驶信息。
9.一种电子设备,其特征在于,所述电子设备包括:
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执行权利要求1至7中任一项所述的物流车驾驶优化方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有实现物流车驾驶优化方法的程序,所述实现物流车驾驶优化方法的程序被处理器执行以实现如权利要求1至7中任一项所述物流车驾驶优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211184990.XA CN115565374A (zh) | 2022-09-27 | 2022-09-27 | 物流车驾驶优化方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211184990.XA CN115565374A (zh) | 2022-09-27 | 2022-09-27 | 物流车驾驶优化方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115565374A true CN115565374A (zh) | 2023-01-03 |
Family
ID=84742329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211184990.XA Pending CN115565374A (zh) | 2022-09-27 | 2022-09-27 | 物流车驾驶优化方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115565374A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116820016A (zh) * | 2023-08-31 | 2023-09-29 | 国汽(北京)智能网联汽车研究院有限公司 | 一种物流车的自动驾驶控制方法、装置、设备及存储介质 |
-
2022
- 2022-09-27 CN CN202211184990.XA patent/CN115565374A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116820016A (zh) * | 2023-08-31 | 2023-09-29 | 国汽(北京)智能网联汽车研究院有限公司 | 一种物流车的自动驾驶控制方法、装置、设备及存储介质 |
CN116820016B (zh) * | 2023-08-31 | 2023-11-21 | 国汽(北京)智能网联汽车研究院有限公司 | 一种物流车的自动驾驶控制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11320836B2 (en) | Algorithm and infrastructure for robust and efficient vehicle localization | |
US11548516B2 (en) | Data acquisition method, apparatus, device and computer-readable storage medium | |
CN110687549B (zh) | 障碍物检测方法和装置 | |
US20210107469A1 (en) | Method and apparatus for controlling vehicle | |
US20180304900A1 (en) | Method and system for determining road frictions of autonomous driving vehicles using learning-based model predictive control | |
JP2019135145A (ja) | 自動運転車両のための走行軌跡生成方法、システム及び機械可読媒体 | |
CN115540896B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN112590813B (zh) | 自动驾驶车辆信息生成方法、装置、电子设备和介质 | |
CN114647248B (zh) | 机器人避障方法、电子设备及可读存储介质 | |
CN114194217B (zh) | 车辆自动驾驶方法、装置、电子设备以及存储介质 | |
CN110096051B (zh) | 用于生成车辆控制指令的方法和装置 | |
CN115339453B (zh) | 车辆换道决策信息生成方法、装置、设备和计算机介质 | |
CN115761702B (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
CN112622923B (zh) | 用于控制车辆的方法和装置 | |
CN110654380B (zh) | 用于控制车辆的方法和装置 | |
CN114428504A (zh) | 无人驾驶车辆避障方法、系统、电子设备及存储介质 | |
CN115565374A (zh) | 物流车驾驶优化方法、装置、电子设备及可读存储介质 | |
CN112651535A (zh) | 局部路径规划方法、装置、存储介质、电子设备及车辆 | |
CN112558036B (zh) | 用于输出信息的方法和装置 | |
CN116279596B (zh) | 车辆控制方法、装置、电子设备和计算机可读介质 | |
CN112668371B (zh) | 用于输出信息的方法和装置 | |
CN116039637B (zh) | 自动驾驶车辆的能量回收方法、装置及系统 | |
CN112560548B (zh) | 用于输出信息的方法和装置 | |
CN114771525A (zh) | 一种车辆的自动换道方法及系统 | |
CN116642704A (zh) | 传感器确定方法、装置、电子设备和存储介质 |
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 |