CN115657692A - 基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开涉及基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质，上述方法包括：形成无人驾驶车辆与有人驾驶车辆的编组；无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，并根据无人驾驶车辆当前的运行状态、作业类型或位置信息，判断有人驾驶数据能否用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于有人驾驶数据在目标区域中执行无人驾驶作业。这样可以由人工去保证车辆在不同的环境条件以及随时缓慢变化场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，达到有人驾驶车辆和无人驾驶车辆之间的能力互补，以提升环境和场景适应性。

Description

基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储 介质

技术领域

本公开涉及无人驾驶技术领域，尤其涉及基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质。

背景技术

无人驾驶系统一般通过各类传感器以及相关的算法对所处场景进行感知和识别。而为了提高无人驾驶系统对场景的感知和识别能力，需要不断提高传感器和算法的处理能力。比如增加传感器类型和数量、提高传感器性能及采集足够多的场景数据进行深度学习训练等。

然而，在矿山等无人驾驶领域，随着挖掘过程的推进，装载区的地形变化情况存在无法穷举的情况，加上在采煤等场景中激光雷达无法获取到煤矿的波束反射等情况。单纯的通过提高传感器和算法的处理能力提升无人驾驶系统对场景的感知和识别能力，效率较低。

发明内容

本公开提供了一种基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种基于有人驾驶的无人驾驶作业方法，所述方法包括：

形成无人驾驶车辆与有人驾驶车辆的编组；

无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，其中，所述有人驾驶数据包括人工操控所述有人驾驶车辆在目标区域中作业时，车身上的定位装置、感知装置和/或监测装置所获取的数据；

根据无人驾驶车辆当前的运行状态、作业类型或位置信息，判断所述有人驾驶数据能否用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于所述有人驾驶数据在所述目标区域中执行无人驾驶作业。

根据本公开的第二方面，提供了一种基于有人驾驶的无人驾驶作业装置，所述装置包括：

编组模块，用于形成无人驾驶车辆与有人驾驶车辆的编组；

数据获取模块，用于无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，其中，所述有人驾驶数据包括人工操控所述有人驾驶车辆在目标区域中作业时，车身上的定位装置、感知装置和/或监测装置所获取的数据；

作业模块，用于根据无人驾驶车辆当前的运行状态、作业类型或位置信息，判断所述有人驾驶数据能否用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于所述有人驾驶数据在所述目标区域中执行无人驾驶作业。

根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开的上述方法。

本公开实施例提供的基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质，通过形成无人驾驶车辆与有人驾驶车辆的编组，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，并根据无人驾驶车辆当前的运行状态、作业类型或位置信息来判断有人驾驶数据是否能够用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于该有人驾驶数据在目标区域中执行无人驾驶作业。这样可以由人工去保证车辆在不同的环境条件以及随时缓慢变化场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，达到有人驾驶车辆和无人驾驶车辆之间的能力互补，以提升环境和场景适应性。

附图说明

在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：

图1为本公开一示例性实施例提供的基于有人驾驶的无人驾驶作业控制方法的流程图；

图2为本公开另一示例性实施例提供的基于有人驾驶的无人驾驶作业控制方法的流程图；

图3为本公开一示例性实施例提供的基于有人驾驶的无人驾驶作业装置的功能模块示意性框图；

图4为本公开一示例性实施例提供的电子设备的结构框图；

图5为本公开一示例性实施例提供的计算机系统的结构框图。

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。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。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”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

由于在矿山等无人驾驶领域，随着挖掘过程的推进，装载区的地形变化情况存在无法穷举的情况，加上在采煤等场景中激光雷达无法获取到煤矿的波束反射等情况。使得单纯的通过提高传感器和算法的处理能力提升无人驾驶系统对场景的感知和识别能力，效率较低。

因此，为了避免单纯的通过提高传感器和算法的处理能力提升无人驾驶系统对场景的感知和识别能力，本公开实施例通过有人车辆在目标区域中作业时采集到的有人驾驶数据，并将有人驾驶车辆采集到的有人驾驶数据进行优化、筛选或整合等处理，形成无人驾驶车辆可以直接使用的有人驾驶数据，使得无人驾驶车辆可以通过该有人驾驶数据在目标区域中进行作业，这样可以将人工的经验与无人驾驶系统相结合，使得无人驾驶车辆可以基于有人驾驶数据来实现在目标区域中作业。其中，本公开实施例中涉及到的有人驾驶车辆，可以是有人驾驶的车辆，还可以是人工遥控驾驶车辆等等。

在本公开提供的实施例中，可以将有人驾驶车辆与无人驾驶车辆形成编组，有人驾驶车辆由驾驶人员驾驶进行正常的作业，同时车辆自动记录运行数据。

需要说明的是，本公开实施例中的有人驾驶车辆，需要具备定位等功能，具备数据采集能力，以便可以获得有人驾驶数据，该有人驾驶数据可以包括行驶轨迹、停靠站点等数据，因此该有人驾驶车辆可以是无人驾驶车辆。有人驾驶车辆在目标区域中作业时，可以利用自身的定位装置、感知装置和监测装置中的一种或者几种装置来获取数据，得到有人驾驶数据。其中，该感知装置可以包括激光雷达、毫米波雷达或摄像头，该定位装置可以包括惯导或者卫星定位装置，该监测装置可以包括转向传感器或速度检测装置。例如，有人驾驶车辆可以是具备L2、L3或L4级别的无人驾驶能力的车辆。

实施例中，有人驾驶车辆或者无人驾驶车辆在目标区域中作业，例如该有人驾驶车辆和无人驾驶车辆为运输车辆，该目标区域可以为装载区，该装载区包括装载区入口、空载车辆行驶区域、排队区域、待装区域、装载区域、重载车辆行驶区域和装载区出口。有人驾驶车辆从装载区入口进入装载区，这时有人驾驶车辆为空载车辆，会行驶在空载行驶区域，在到达排队区域时会和其他车辆排队等候装载，排队完成后会进入待装区域，这时可以根据挖掘机的指令停靠在具体的装载区域中进行装载，在装载完成后有人驾驶车辆为重载车辆，通过重载车辆行驶区域驶离并在驶出装载区出口。有人驾驶车辆在装载区作业的过程会生成有人驾驶数据，无人驾驶车辆根据有人驾驶车辆会在装载区完成作业，其流程与有人驾驶车辆在装载区域作业时一致，这里不在赘述。当然，无人驾驶车辆基于有人驾驶车辆作业时，该有人驾驶车辆可以为处理后的数据，其处理方式如上所述，这里不再赘述。

在本公开提供的实施例中，通过将有人驾驶车辆与无人驾驶车辆进行编组，使得有人驾驶车辆与无人驾驶车辆具有相同的作业环境，并且进行相同的作业内容。其中，有人驾驶车辆可以与无人驾驶车辆的完全相同，具备相同的传感器配置和无人驾驶能力；有人驾驶车辆也可以不具备无人驾驶能力，相对于无人驾驶车辆传感器类型和能力做一些降级，但需要根据业务需要，具备基本数据采集和处理能力。并且在有人驾驶车辆作业过程中，会实时将车辆的采集到的基本数据进行记录和存储。其中，该基本数据包括高精度定位数据等，实施例中可以将有人驾驶车辆采集到的该基本数据作为有人驾驶数据。

本公开实施例中，可以将与无人车具有相同或者相近作业内容的有人驾驶车辆进行编组，或者将与无人驾驶车辆的车型一致的有人驾驶车辆进行编组，便于无人驾驶车辆在目标区域中作业时可以直接使用有人驾驶车辆的产生的有人驾驶车辆进行作业。

实施例中，会对上述采集到的有人驾驶数据进行处理。例如，可以是有人驾驶车辆在采集到有人驾驶数据时进行处理，将有人驾驶数据进行优化、筛选或整合等处理，还可以是有人驾驶车辆将采集到的有人驾驶数据发送到云平台，通过云平台来将有人驾驶数据进行处理，亦或者是有人驾驶车辆将采集到的有人驾驶数据通过V2V（vehicle-to-vehiclecommunication，车车通信）的方式发送给无人驾驶车辆，通过无人驾驶车辆将有人驾驶数据进行处理；或者有人驾驶车辆将处理后的有人驾驶数据发送给云平台或者无人驾驶车辆。具体发送时，可以是实时发送，还可以采集到一段时间的数据后发送，亦或者是有人驾驶在完成一次作业后再发送有人驾驶数据。

在本公开提供的实施例中，有人驾驶数据可以包括：天气条件、路面条件、地形数据、轨迹、行驶约束条件、停车位置和地图要素信息中的至少一种。该地形数据包括位于行驶轨迹上的地形数据，该停车位置包括位于该行驶轨迹上的停车位置，该行驶约束条件包括轨迹上某个位置的行驶速度或行驶方向。实施例中，停车位置以停靠位置为例进行说明。

在本公开提供的实施例中，有人驾驶数据还可以包括有人驾驶车辆上的操作员所输入的数据。

在有人驾驶车辆通过实时传输的方式向无人驾驶车辆或者云平台发送采集到的有人驾驶数据的场景，可以是将一台有人驾驶车辆与多台无人驾驶车辆形成编组，有人驾驶车辆正常的在目标区域中进行作业，并且在作业的同时采集有人驾驶数据。编组内的无人驾驶车辆基于有人驾驶数据在目标区域中作业。

本公开实施例将有人驾驶采集到的有人驾驶数据进行处理时，可以根据实际业务的需要进行处理，以便形成无人驾驶车辆可以直接使用的环境数据和场景数据。其中，环境数据可以包括：天气条件、路面条件、地形数据等；场景数据可以包括：最优轨迹、最优停车位置、地图要素类型等与业务强相关的场景类型定义。

无人驾驶车辆在获得有人驾驶数据时，可以根据作业信息来确定该有人驾驶数据是否能够适用当前作业环境，进而确定是否满足无人驾驶车辆在目标区域中的行驶条件。例如，可以获取无人驾驶车辆的当前位置和作业位置，通过有人驾驶数据中的行驶轨迹，判断该行驶轨迹中是否包含从该当前位置到作业位置的行驶轨迹，如果包含，则可以确认该有人驾驶数据适用当前无人驾驶的作业环境。另外，还可以通过判断无人驾驶的作业类型和有人驾驶数据中有人驾驶的作业类型是否相同，如果相同，则确定该有人驾驶数据适用当前无人驾驶的作业环境；例如，二者均是在目标区域中作业的运输车辆，这样二者的作业类型相同；如果二者一个是在目标区域中的运输车辆，一个是洒水车辆，二者的作业类型不同，那么这时确定该有人驾驶数据不适用当前无人驾驶的作业环境。

因此，实施例中无人驾驶车辆可以根据自身的当前的运行状态、作业类型或位置信息，判断有人驾驶数据能否用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于有人驾驶数据在目标区域中执行无人驾驶作业。该运行状态包括运行正常或者运行异常，作业类型例如可以是运输或者挖掘等作业类型，位置可以是车辆的起始位置与目的位置等。

实施例中，有人驾驶数据能够适用当前作业环境的情况下，可以采用使用人工驾驶车辆对环境的感知结果以及对场景的识别结果；当无法适用时，可以采用自身的传感器进行环境感知和场景识别。另外，需要注意的是人工驾驶车辆得到的环境感知和场景识别结果主要是大的环境和场景信息，例如天气信息、地形、地面信息和生成行驶轨迹等，对于一些实时变更的信息，例如道路上其他车辆的运行情况等，无人驾驶车辆仍然需要自行检测和处理。

在本公开提供的一示例性的实施例中，以矿山场景中无人驾驶车辆的装载过程为例进行说明。通常情况下，无人驾驶车辆在到达装载区入口时，需要确定等待装载位置，并且需要规划前往等待装载位置的行驶轨迹。按照规划的该行驶轨迹前往等待装载位置，并且前往接收挖掘机要求前往装载的位置进行装载，在装载完成后驶离装载位置。在上述过程中，很多环节都需要无人驾驶车辆对环境和场景的认知能力，比如确定等待装载位置、规划前往等待装载位置的行驶轨迹、确定前往装载位置、规划前往装载位置的行驶轨迹、规划行驶轨迹驶离装载位置等，会存在安全问题和效率问题。

有关安全问题，例如确定等待装载位置、规划行驶轨迹、前往等待装载位置、前往装载位置等过程中，都依赖基础的地图和感知能力，对于类似采煤场景下，激光雷达的识别能力有限或者完全丧失的情况，无法保证基本的安全。

有关效率问题，例如确定等待装载位置、规划行驶轨迹等过程中，位置和轨迹的选择是否合理直接影响了车辆运行的效率，而位置的选择和轨迹的选择对环境和场景的准确识别是强依赖的；然而，随着作业过程的推进，装载区的环境和场景会不断的变化，会出现环境和场景识别算法失效的情况。

针对上述安全问题和效率问题，如果是通过提升传感器能力并提升环境和场景的识别能力，可能导致成本的极大提升；如果是限定无人驾驶车辆的使用范围，严格控制整个系统的运行边界，那么会降低无人驾驶车辆的业务适应性。

因此，为解决上述安全问题和效率问题，以矿山场景中无人驾驶车辆的装载过程为例，可以将多台无人驾驶车辆与一台有人驾驶车辆组成作业编组，有人驾驶车辆在作业过程中，在进入作业场景的入口后，会前往待装载区的位置排队等待，有人驾驶车辆会自动采集行驶过程中的有人驾驶数据，包括定位数据，还可以包括人工标注等。有人驾驶车辆根据挖掘机的指令会前往装载位置，并且停靠在装载位置，期间有人驾驶车辆会采集行驶过程中的行驶数据和停靠位置。挖掘机在装载完成后，有人驾驶车辆会驶离装载位置，车辆会自动记录驶离装载位置的行驶数据。例如，有人驾驶车辆会基于将采集到有人驾驶数据进行处理并将处理的有人驾驶数据分享给其他无人驾驶车辆，无人驾驶车辆基于分享到的行驶轨迹和停靠位置进行行驶和停靠。当然，还可以有人驾驶车辆将采集到有人驾驶数据发送到云平台或者无人驾驶车辆，以便对有人驾驶车辆进行处理，以便无人驾驶车辆可以根据有人驾驶车辆在目标环境中作业，具体参见上述描述，这里不再赘述。

这样无人驾驶车辆可以按照有人驾驶车辆的行驶轨迹和停靠位置进行执行，实施例中，无人驾驶车辆还可以根据自身的感知信息，对行驶轨迹和停靠位置进行微调，以适应实时的环境变化。另外，有人驾驶的车辆也可以通过远程遥控驾驶的方式进行，且根据业务需求，一台有人介入的车辆可以与多台无人驾驶的车辆组成编组，极大程度上降低人工介入带来的成本提升。

本公开实施例中，可以通过有人驾驶车辆与无人驾驶车辆在作业过程中不断的交互，由人工去保证车辆在不同的环境条件以及随时缓慢变化场景中保持最优决策，而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，例如动态障碍物信息、车辆之间的交互等，达到能力互补，可在当前传感器能力、数据积累以及成本调价下，解决长尾问题，提升环境和场景适应性。

基于上述实施例，本公开实施例提供了一种基于有人驾驶的无人驾驶作业方法，如图1所示，该方法可以包括如下步骤：

在步骤S110中，形成无人驾驶车辆与有人驾驶车辆的编组。

本公开实施例中，可以将与无人车具有相同或者相近作业内容的有人驾驶车辆进行编组，或者将与无人驾驶车辆的车型一致的有人驾驶车辆进行编组，便于无人驾驶车辆在目标区域中作业时可以直接基于有人驾驶车辆的产生的有人驾驶车辆进行作业。

在步骤S120中，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据。

其中，有人驾驶数据包括人工操控有人驾驶车辆在目标区域中作业时，车身上的定位装置、感知装置和/或监测装置所获取的数据。

实施例中，该感知装置可以包括激光雷达、毫米波雷达或摄像头，该定位装置可以包括惯导或者卫星定位装置，该监测装置可以包括转向传感器或速度检测装置。例如，有人驾驶车辆可以是具备L2、L3或L4级别的无人驾驶能力的车辆。

其中，有人驾驶数据为有人驾驶车辆在目标区域中作业时采集到的数据。有人驾驶数据可以包括：天气条件、路面条件、地形数据、轨迹、行驶约束条件、停车位置和地图要素信息中的至少一种。其中，地形数据包括位于轨迹上的地形数据，停车位置包括位于轨迹上的停车位置，行驶约束条件包括轨迹上某个位置的行驶速度或行驶方向，例如在某个位置上的限速信息等。另外，有人驾驶数据还可以包括有人驾驶车辆上的操作员所输入的数据。例如，操作员输入的区域位置标签等数据。另外，天气条件包括天气类型等，例如雨雪天气或者晴朗天气等，不同的天气类型对车辆的车辆会有不同的限制。地形数据可以包括上坡、下坡或者山路、平地或颠簸等，不同的地形数据对车辆的行驶速度也会有相应的限制或规定等等。

在本公开提供的实施例中，可以对有人驾驶车辆在目标区域中作业时采集到的有人驾驶数据进行优化、筛选或整合处理，便于无人驾驶车辆更好的采用。

（1）有人驾驶数据中会通常会包含无人驾驶车辆用不到的动态数据，例如道路中的其他车辆等动态数据，这些动态数据在无人驾驶车辆行驶过程中，还会存在变化，使得这些动态数据不能为无人驾驶车辆所用，因此需要从有人驾驶车辆中去除，使得有人驾驶数据尽量都能为无人驾驶车辆所用，还可以减少数据的传输量。

（2）有人驾驶数据中包含的作业类型或者作业内容较多，而对于某无人驾驶车辆而言，可能只需执行其中的一项作业类型或者作业内容，因此可以只需将无人驾驶车辆所需执行的作业类型或者作业内容作为有人驾驶数据即可，这样无人驾驶车辆可以直接根据该有人驾驶数据执行相应的作业任务，能够大大提高作业的效率。

（3）有人驾驶车辆在通过人工控制进行作业的过程中，是由人工来判断的，比如在行驶过程中，有些道路的路况不佳或者有速度限制，需要减速慢行等等，可以将特定路段对应的速度信息等包含在有人驾驶数据中，这样无人驾驶车辆在行驶到对应路段时，可以基于有人驾驶数据相应的减速慢行，可以很好的避免事故的发生，保障作业效率。

在本公开提供的实施例中，无人驾驶车辆可以从云平台上获取处理后的有人驾驶数据；无人驾驶车辆还可以通过V2V的方式接收有人驾驶车辆发送的有人驾驶数据；或者，无人驾驶车辆接收云平台或者有人驾驶车辆发送的有人驾驶数据。

例如，有人驾驶车辆在采集到有人驾驶数据时进行处理，还可以是有人驾驶车辆将采集到的有人驾驶数据发送到云平台，通过云平台对有人驾驶数据处理，或是有人驾驶车辆将采集到的有人驾驶数据通过V2V的方式发送给无人驾驶车辆；或者有人驾驶车辆将处理的有人驾驶数据发送给云平台或者无人驾驶车辆。具体发送时，可以是实时发送，还可以采集到一段时间的数据后发送，或是有人驾驶在完成一次作业后再发送有人驾驶数据。

在步骤S130中，根据无人驾驶车辆当前的运行状态、作业类型或位置信息，判断有人驾驶数据能否用于执行无人驾驶作业；

若能够用于执行无人驾驶作业，在步骤S140中，至少基于有人驾驶数据在目标区域中执行无人驾驶作业。

无人驾驶车辆在获取到有人驾驶数据后，可以根据无人驾驶车辆当前的运行状态、作业类型或位置信息，判断有人驾驶数据能否用于执行无人驾驶作业，若能够用于执行无人驾驶作业，就可以按照有人驾驶数据进行作业。例如，可以根据有人驾驶数据中的行驶轨迹，在作业区域的各个作业位置进行相应的作业。另外，无人驾驶车辆在行驶过程中，还会根据有人驾驶数据在相应的路段进行限速行驶等等。无人驾驶车辆还会通过自身的感知信息，对轨迹和位置进行微调，以适应实时的环境变化。

实施例中，无人驾驶车辆在获得有人驾驶数据后，还可以判断有人驾驶数据是否满足无人驾驶车辆在目标区域中的行驶条件；在满足行驶条件的情况下，按照有人驾驶数据在目标区域中作业。例如，无人驾驶车辆会判断该有人驾驶数据的作业类型是否与当前将要执行作业的作业类型是否匹配，有人驾驶数据中作业的作业区域是否与当前将要执行作业的作业是否吻合等等，以便可以更好的进行作业。

实施例中，有人驾驶的车辆也可以通过远程遥控驾驶的方式进行，且根据业务需求，一台有人介入的车辆可以与多台无人驾驶的车辆组成编组，极大程度上降低人工介入带来的成本提升。

本公开提供的实施例中，无人驾驶车辆可以通过云平台、近场通信技术或者短程通讯技术获取有人驾驶数据。无人驾驶车辆可以对有人驾驶数据进行处理，并基于处理后的数据在目标区域中执行无人驾驶作业。其处理方式包括优化、筛选或整合等，具体参见上述实施例的描述，这里不再赘述。

本公开实施例中可以通过有人驾驶车辆与无人驾驶车辆在作业通过不断的交互，由人工去保证车辆在不同的环境条件以及随时缓慢变化场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，例如动态障碍物信息、车辆之间的交互等，达到能力互补，可在当前传感器能力、数据积累以及成本调价下，提升环境和场景适应性。

实施例中，有人驾驶数据为有人驾驶车辆在目标区域中作业时采集到的数据，使得无人驾驶车辆在基于该有人驾驶数据在目标区域中作业时，可以是实时跟随有人驾驶车辆行驶，并在行驶的过程中根据获得的有人驾驶数据实时调整，以便完成作业内容。另外，该有人驾驶数据还可以是有人驾驶车辆在目标区域中完成一次完整的作业后获得的数据，这样一辆或者多辆无人驾驶车辆可以根据该有人驾驶数据获得的有人驾驶数据在目标区域中作业，无人驾驶车辆在根据有人驾驶数据作业的过程中，还可以验证该有人驾驶数据的有效性，以便可以完善或动态的调整该有人驾驶数据，以便其他车辆可以根据完善或者动态调整后的无人驾驶车辆更好的完成作业。

本公开实施例提供的基于有人驾驶的无人驾驶作业方法，通过形成无人驾驶车辆与有人驾驶车辆的编组，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，并根据无人驾驶车辆当前的运行状态、作业类型或位置信息来判断有人驾驶数据是否能够用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于该有人驾驶数据在目标区域中执行无人驾驶作业。这样可以由人工去保证车辆在不同的环境条件以及随时缓慢变化场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，达到有人驾驶车辆和无人驾驶车辆之间的能力互补，以提升环境和场景适应性。

基于上述实施例，在本公开提供的又一实施例中，如图2所示，该方法还可以包含如下步骤：

在步骤S130中，基于有人驾驶数据，获取有人驾驶车辆在目标区域中的行驶轨迹和停靠位置。

在步骤S140中，获得包含行驶轨迹和停靠位置的有人驾驶数据。

实施例中，有人驾驶车辆通过人工驾驶或者人工操控的方式行驶，在行驶的过程中会不断记录车辆的行驶记录，例如车辆的定位和车辆的在目标区域中作业时的停靠位置等。因此，可以根据有人驾驶车辆的定位等信息来生成行驶轨迹，并在行驶轨迹中来标记停靠位置，这样可以生成包含行驶轨迹和停靠位置的有人驾驶数据。

无人驾驶车辆在至少基于有人驾驶数据在目标区域中作业过程中，可以按照该行驶轨迹行驶，并且在行驶到该停靠位置时进行停靠，以便完成作业。例如，该无人驾驶车辆可以为无人运输车辆，该无人运输车辆可以根据有人驾驶数据中的行驶轨迹进行行驶，并且在停靠位置进行停靠，以便完成运输作业。实施例中，该停靠位置可以包括待装停靠点和装载停靠点，无人驾驶车辆在行驶到待装停靠点时，接收采装车发送的装载指令；并根据装载指令在行驶到装载停靠点时停靠，并在装载完成后驶离装载停靠点。无人驾驶车辆可以依据有人驾驶数据中的行驶轨迹进行行驶，并且行驶到待装停靠点和装载停靠点等停靠点时进行停靠，期间还可以根据接收到的指令或自身传感器的感知来具体操作等，例如根据指令达到指定的位置，或者根据自身的感知与其他车辆保持车距等。

在本公开提供的实施例中，无人驾驶车辆在按照有人驾驶数据行驶的过程中，可以基于有人驾驶数据，获取无人驾驶行驶轨迹中的行驶约束信息。并基于行驶约束信息，按照无人驾驶行驶轨迹行驶。其中，该行驶约束信息用于表征车辆需要满足的运行状态。

实施例中，比如有些道路的路况不佳或者有速度限制，需要减速慢行等等，可以将特定路段对应的速度信息作为行驶约束信息包含在有人驾驶数据中，这样无人驾驶车辆在行驶到对应路段时，可以基于有人驾驶数据中的行驶约束信息的减速慢行，可以很好的避免事故的发生，保障作业效率。

实施例中，该行驶约束信息可以是因地形、路面、天气等因素产生的车速限制或转向限制等信息。例如，因路面结冰或者天气恶劣等因素形成需要限速的行驶约束信息。

需要说明的是，本公开实施例提供的该方法，可以应用于无人驾驶车辆，还可以应用于控制无人驾驶车辆的控制台等设备，本公开实施例不限于此。

在采用对应各个功能划分各个功能模块的情况下，本公开实施例提供了一种基于有人驾驶的无人驾驶作业装置，该基于有人驾驶的无人驾驶作业装置可以为服务器或应用于服务器的芯片，或者为无人驾驶车辆。图3为本公开一示例性实施例提供的基于有人驾驶的无人驾驶作业装置的功能模块示意性框图。如图3所示，该基于有人驾驶的无人驾驶作业装置包括：

编组模块10，用于形成无人驾驶车辆与有人驾驶车辆的编组；

数据获取模块20，用于无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，其中，所述有人驾驶数据包括人工操控所述有人驾驶车辆在目标区域中作业时，车身上的定位装置、感知装置和/或监测装置所获取的数据；

作业模块30，用于根据无人驾驶车辆当前的运行状态、作业类型或位置信息，判断所述有人驾驶数据能否用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于所述有人驾驶数据在所述目标区域中执行无人驾驶作业。

在本公开提供的又一实施例中，所述感知装置包括激光雷达、毫米波雷达或摄像头，所述定位装置包括惯导或者卫星定位装置，所述监测装置包括转向传感器或速度检测装置。

在本公开提供的又一实施例中，所述有人驾驶数据还包括有人驾驶车辆上的操作员所输入的数据。

在本公开提供的又一实施例中，所述有人驾驶数据包括：天气条件、路面条件、地形数据、轨迹、行驶约束条件、停车位置和地图要素信息中的至少一种。

在本公开提供的又一实施例中，所述地形数据包括位于所述轨迹上的地形数据，所述停车位置包括位于所述轨迹上的停车位置，所述行驶约束条件包括轨迹上某个位置的行驶速度或行驶方向。

在本公开提供的又一实施例中，所述无人驾驶车辆为运输车辆，所述停靠位置包括待装停靠点和装载停靠点；所述作业模块具体还用于：

在行驶到所述待装停靠点时，接收采装车发送的装载指令；

根据所述装载指令在行驶到所述装载停靠点时停靠，并在装载完成后驶离所述装载停靠点。

在本公开提供的又一实施例中，所述无人驾驶车辆通过云平台、近场通信技术或者短程通讯技术获取所述有人驾驶数据。

在本公开提供的又一实施例中，所述至少基于所述有人驾驶数据在所述目标区域中执行无人驾驶作业的步骤，包括：所述无人驾驶车辆对所述有人驾驶数据进行处理，并基于处理后的数据在所述目标区域中执行无人驾驶作业。

在本公开提供的又一实施例中，所述有人驾驶车辆具备L2、L3或L4级别的无人驾驶能力。

在本公开提供的又一实施例中，所述无人驾驶车辆从云平台获取的数据经过了云平台的处理。

在本公开提供的又一实施例中，所述云平台的处理包括对所述有人驾驶数据进行优化、筛选或整合。

该装置与上述方法相对应，具体可以参见上述实施例的描述，这里不再赘述。

本公开实施例提供的基于有人驾驶的无人驾驶作业装置，通过形成无人驾驶车辆与有人驾驶车辆的编组，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，并根据无人驾驶车辆当前的运行状态、作业类型或位置信息来判断有人驾驶数据是否能够用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于该有人驾驶数据在目标区域中执行无人驾驶作业。这样可以由人工去保证车辆在不同的环境条件以及随时缓慢变化场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，达到有人驾驶车辆和无人驾驶车辆之间的能力互补，以提升环境和场景适应性。

本公开实施例还提供一种电子设备，包括：至少一个处理器；用于存储所述至少一个处理器可执行指令的存储器；其中，所述至少一个处理器被配置为执行所述指令，以实现本公开实施例公开的上述方法。

图4为本公开一示例性实施例提供的电子设备的结构示意图。如图4所示，该电子设备1800包括至少一个处理器1801以及耦接至处理器1801的存储器1802，该处理器1801可以执行本公开实施例公开的上述方法中的相应步骤。

上述处理器1801还可以称为中央处理单元（central processing unit，CPU），其可以是一种集成电路芯片，具有信号的处理能力。本公开实施例公开的上述方法中的各步骤可以通过处理器1801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1801可以是通用处理器、数字信号处理器（digital signal processing，DSP）、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。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。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储器1802中，例如随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质。处理器1801读取存储器1802中的信息，结合其硬件完成上述方法的步骤。

另外，根据本公开的各种操作/处理在通过软件和/或固件实现的情况下，可从存储介质或网络向具有专用硬件结构的计算机系统，例如图5所示的计算机系统1900安装构成该软件的程序，该计算机系统在安装有各种程序时，能够执行各种功能，包括诸如前文所述的功能等等。图5为本公开一示例性实施例提供的计算机系统的结构框图。

计算机系统1900旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，计算机系统1900包括计算单元1901，该计算单元1901可以根据存储在只读存储器（ROM）1902中的计算机程序或者从存储单元1908加载到随机存取存储器（RAM）1903中的计算机程序，来执行各种适当的动作和处理。在RAM 1903中，还可存储计算机系统1900操作所需的各种程序和数据。计算单元1901、ROM 1902以及RAM 1903通过总线1904彼此相连。输入/输出（I/O）接口1905也连接至总线1904。

计算机系统1900中的多个部件连接至I/O接口1905，包括：输入单元1906、输出单元1907、存储单元1908以及通信单元1909。输入单元1906可以是能向计算机系统1900输入信息的任何类型的设备，输入单元1906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1908可以包括但不限于磁盘、光盘。通信单元1909允许计算机系统1900通过网络诸如因特网的与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1901的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元1901执行上文所描述的各个方法和处理。例如，在一些实施例中，本公开实施例公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1902和/或通信单元1909而被载入和/或安装到电子设备1900上。在一些实施例中，计算单元1901可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行本公开实施例公开的上述方法。

本公开实施例还提供一种计算机可读存储介质，其中，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本公开实施例公开的上述方法。

本公开实施例中的计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。上述计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的或半导体系统、装置或设备，或者上述内容的任何合适组合。更具体的，上述计算机可读存储介质可以包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备或上述内容的任何合适组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

本公开实施例还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开实施例公开的上述方法。

在本公开的实施例中，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但不限于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。

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。

描述于本公开实施例中所涉及到的模块、部件或单元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、部件或单元的名称在某种情况下并不构成对该模块、部件或单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示例性的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些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，本公开中所涉及的公开范围，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公开构思的情况下，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。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (14)

1.一种基于有人驾驶的无人驾驶作业方法，其特征在于，所述方法包括：

形成无人驾驶车辆与有人驾驶车辆的编组；

无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，其中，所述有人驾驶数据包括人工操控所述有人驾驶车辆在目标区域中作业时，车身上的定位装置、感知装置和/或监测装置所获取的数据；

根据无人驾驶车辆当前的运行状态、作业类型或位置信息，判断所述有人驾驶数据能否用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于所述有人驾驶数据在所述目标区域中执行无人驾驶作业。

2.根据权利要求1所述的方法，其特征在于，所述感知装置包括激光雷达、毫米波雷达或摄像头，所述定位装置包括惯导或者卫星定位装置，所述监测装置包括转向传感器或速度检测装置。

3.根据权利要求1所述的方法，其特征在于，所述有人驾驶数据还包括有人驾驶车辆上的操作员所输入的数据。

4.根据权利要求1所述的方法，其特征在于，所述有人驾驶数据包括：天气条件、路面条件、地形数据、轨迹、行驶约束条件、停车位置和地图要素信息中的至少一种。

5.根据权利要求4所述的方法，其特征在于，所述地形数据包括位于所述轨迹上的地形数据，所述停车位置包括位于所述轨迹上的停车位置，所述行驶约束条件包括轨迹上某个位置的行驶速度或行驶方向。

6.根据权利要求4所述的方法，其特征在于，所述无人驾驶车辆为运输车辆，所述停车位置包括待装停靠点和装载停靠点；所述至少基于所述有人驾驶数据在所述目标区域中执行无人驾驶作业还包括：

在行驶到所述待装停靠点时，接收采装车发送的装载指令；

根据所述装载指令在行驶到所述装载停靠点时停靠，并在装载完成后驶离所述装载停靠点。

7.根据权利要求1~6任一所述的方法，其特征在于，所述无人驾驶车辆通过云平台、近场通信技术或者短程通讯技术获取所述有人驾驶数据。

8.根据权利要求7所述的方法，其特征在于，所述至少基于所述有人驾驶数据在所述目标区域中执行无人驾驶作业的步骤，包括：所述无人驾驶车辆对所述有人驾驶数据进行处理，并基于处理后的数据在所述目标区域中执行无人驾驶作业。

9.根据权利要求8所述的方法，其特征在于，所述有人驾驶车辆具备L2、L3或L4级别的无人驾驶能力。

10.根据权利要求7所述的方法，其特征在于，所述无人驾驶车辆从云平台获取的数据经过了云平台的处理。

11.根据权利要求7所述的方法，其特征在于，所述云平台的处理包括对所述有人驾驶数据进行优化、筛选或整合。

12.一种基于有人驾驶的无人驾驶作业装置，其特征在于，所述装置包括：

编组模块，用于形成无人驾驶车辆与有人驾驶车辆的编组；

数据获取模块，用于无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，其中，所述有人驾驶数据包括人工操控所述有人驾驶车辆在目标区域中作业时，车身上的定位装置、感知装置和/或监测装置所获取的数据；

作业模块，用于根据无人驾驶车辆当前的运行状态、作业类型或位置信息，判断所述有人驾驶数据能否用于执行无人驾驶作业，若能够用于执行无人驾驶作业，则至少基于所述有人驾驶数据在所述目标区域中执行无人驾驶作业。

13.一种电子设备，其特征在于，包括：

至少一个处理器；

用于存储所述至少一个处理器可执行指令的存储器；

其中，所述至少一个处理器被配置为执行所述指令，以实现如权利要求1-11中任一项所述的方法。

14.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1-11中任一项所述的方法。

Images