CN115686028B - 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；其中，有人驾驶数据包括：用户驾驶有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，有人驾驶行驶轨迹通过所获取的定位数据和速度信息生成，定位数据与速度信息之间具有对应关系；至少基于有人驾驶行驶轨迹在目标区域中执行无人驾驶作业。这样无人驾驶车辆通过利用了有人驾驶行驶轨迹在目标区域中执行无人驾驶作业，从而无需过度依赖无人驾驶车辆对环境的感知和场景识别，进而可以提高无人驾驶车辆的作业效率。

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

本公开涉及基于人在环的无人驾驶控制技术领域，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场景识别能力，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。由于无人驾驶行驶轨迹通常需要依赖无人驾驶系统对环境的感知和场景识别，而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场景识别能力，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：用户驾驶所述有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，所述有人驾驶行驶轨迹通过车身上的定位装置、感知装置和/或监测装置所获取的定位数据和速度信息生成，所述定位数据与所述速度信息之间具有对应关系；

至少基于所述有人驾驶行驶轨迹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；

有人驾驶数据获取模块，用于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：用户驾驶所述有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，所述有人驾驶行驶轨迹通过车身上的定位装置、感知装置和/或监测装置所获取的定位数据和速度信息生成，所述定位数据与所述速度信息之间具有对应关系；

作业模块，用于至少基于所述有人驾驶行驶轨迹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，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，以实现第一方面所述的方法。

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第一方面所述的方法。

本公开实施例提供的技术方案，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，有人驾驶数据包括：用户驾驶有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，有人驾驶行驶轨迹通过车身上的定位装置、感知装置和/或监测装置所获取的定位数据和速度信息生成，定位数据与速度信息之间具有对应关系；至少基于有人驾驶行驶轨迹在目标区域中执行无人驾驶作业。这样无人驾驶车辆通过利用了有人驾驶行驶轨迹在目标区域中执行无人驾驶作业，从而无需过度依赖无人驾驶车辆对环境的感知和场景识别，进而可以提高无人驾驶车辆的作业效率。

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方法的流程图；

图2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结构框图；

图3为本公开一示例性实施例提供的电子设备的结构框图；

图4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。

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场景识别能力，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。

无人驾驶行驶轨迹直接影响了无人驾驶车辆的运行安全以及效率，相关技术中，无人驾驶行驶轨迹通常需要依赖无人驾驶系统对环境的感知和场景识别。下面以矿山无人驾驶的装载过程为例，描述相关技术中无人驾驶行驶轨迹的生成方法。

相关技术中无人驾驶行驶轨迹的生成方法可以包括：无人驾驶卡车到达装载区入口。无人驾驶卡车根据装载区的地图边界以及场景识别情况，自行规划无人驾驶卡车在装载区内的等待装载、装载和驶离装载区的行驶轨迹。无人驾驶卡车沿着上述规划的行驶轨迹行驶，并完成等待装载、装载和驶离装载区。

例如上述方法生成无人驾驶行驶轨迹，当无人驾驶车辆对环境和场景的认知能力不足时，可能导致无人驾驶卡车无法得到准确的地图边界或场景识别结果，从而规划的行驶轨迹出现安全问题（如与边界碰撞）和运行效率（如多次折返、速度规划不合理等）问题。

造成上述问题的主要原因是现场的环境和场景可能超过算法边界，针对上述问题，相关技术所采用的解决方案大致有如下两种：

第一种解决方案为：提升传感器能力并提升环境和场景的识别能力。

第二种解决方案为：限定无人驾驶的使用范围，严格控制整个系统的运行边界。

很显然，上述第一种解决方案可能导致成本的极大提升，而第二种解决方案降低了产品的业务适应性。

针对相关技术存在的上述技术问题，本公开实施例提供一种基于有人驾驶的无人驾驶作业方法，可来弥补在环境和场景超过算法边界之外时，整个系统的安全和高效性。

为了方案描述完整及清楚，下面将对本公开实施例提供的完整技术方案进行详细阐述。

本公开实施例的技术方案涉及到有人驾驶车辆和无人驾驶车辆。其中，有人操控车辆可以是驾驶员直接驾驶的车辆，也可以是通过远程遥控等方式人工介入驾驶的车辆。并且，有人驾驶车辆可以是人工持续操控的车辆；还可以是在天气发生变化时、地面情况恶化时等特殊情况下，人工临时介入操作的车辆，这都是合理的。

本公开实施例的完整技术方案主要包括如下几个步骤：

一、有人驾驶位姿与速度采集。

具体的，有人驾驶车辆与无人驾驶车辆可以形成编组，有人驾驶车辆与其编组内的无人驾驶车辆在相同的作业环境下，进行相同的作业内容。

并且，有人驾驶车辆具备采集和处理定位数据（包括有人驾驶车辆的位置和朝向）和速度的能力。有人驾驶车辆在驾驶的过程中，可以实时记录其自身的定位数据和速度，并存储其自身的定位数据和速度来得到有人驾驶数据。具体的，该有人驾驶数据可以包括：用户驾驶有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，该有人驾驶行驶轨迹通过车身上的定位装置、感知装置和/或监测装置所获取的定位数据和速度信息生成，定位数据与速度信息之间具有对应关系。其中，感知装置可以包括激光雷达、毫米波雷达或摄像头等。

二、生成有人驾驶车辆的有人驾驶行驶轨迹。具体可以分为几个步骤：

1、将上述实施例中采集所得的定位数据按照时间戳进行排序。

2、将排序后的定位数据按照指定的点间距进行抽稀或者加密处理。具体的，抽稀处理和加密处理的原则是：经过处理之后的点间距应当满足无人驾驶车辆的运行需求，同时避免数据量过大。如无人驾驶车辆采用等间距的坐标点作为行驶轨迹，则可将定位数据点按照等间距进行处理。

如果处理后的定位数据中，相邻定位数据点之间的间距大于指定间距，在相邻两个数据定位点之间进行加密处理，使得加密处理后的相邻定位数据点之间的间距满足指定间距；如果处理后的定位数据中，相邻定位数据点之间的间距小于指定间距，在相邻两个定位数据点之间进行抽稀处理，使得抽稀处理后的相邻定位数据点之间的间距满足指定间距。

3、对照时间戳，将记录的有人驾驶车辆的速度也附加至定位数据点上。同时，对于加密的定位数据点，也进行速度加密，这样，加密处理或者加密处理后的每个定位数据点均对应一个速度。

4、将处理后的定位数据和速度组装成无人驾驶车辆可识别的轨迹数据格式，得到有人驾驶行驶轨迹。

三、将有人驾驶行驶轨迹分享至无人驾驶车辆。具体可以有两种形式：

第一种形式可以为：有人驾驶车辆将有人驾驶行驶轨迹上传到云平台，云平台将有人驾驶行驶轨迹发送给编组内的其他无人驾驶车辆。

第二种形式可以为：有人驾驶车辆将有人驾驶行驶轨迹通过车车通信的方式分享给编组内的其他无人驾驶车辆。

四、生成无人驾驶行驶轨迹。

无人驾驶车辆接收到有人驾驶车辆处理后的轨迹数据，根据无人驾驶车辆的当前位置信息以及目的信息，进行轨迹匹配，形成无人驾驶的有人驾驶行驶轨迹，生成无人驾驶行驶轨迹的步骤主要分为如下几个步骤：

1、确定无人驾驶车辆的当前位置；

2、确定无人驾驶车辆的目的位置；

3、将有人驾驶行驶轨迹进行分段。具体的，有人驾驶行驶轨迹可以是一辆或者多辆有人驾驶车辆的有人驾驶行驶轨迹，通过将有人驾驶行驶轨迹分为多个有人驾驶行驶轨迹分段，后续步骤中，可以找到当前位置和目的位置之间的有人驾驶行驶轨迹分段。

其中，在对有人驾驶行驶轨迹进行分段时，可以在有人驾驶行驶轨迹的拐点（如拐弯和有岔路口的地方），以及不同区域分界点（如装载区和待装载区出入口）处进行分段。

4、根据当前位置和目的位置，确定可以使用的有人驾驶行驶轨迹分段。

5、由于通过步骤4所确定的可以使用的有人驾驶行驶轨迹分段，可能构成当前位置到目的位置的所有无人驾驶行驶轨迹，也可能构成当前位置到目的位置的部分无人驾驶行驶轨迹。如果构成当前位置到目的位置的部分无人驾驶行驶轨迹，那么，需要无人驾驶车辆自行生成缺少的那部分无人驾驶行驶轨迹。

6、如果通过步骤4所确定的可以使用的有人驾驶行驶轨迹分段，构成当前位置到目的位置的所有无人驾驶行驶轨迹，那么，将可以使用的有人驾驶行驶轨迹分段拼接融合，并且对融合后不满足车辆运动学约束的地方进行一次优化，形成最终的无人驾驶行驶轨迹。

如果通过步骤4所确定的可以使用的有人驾驶行驶轨迹分段，构成当前位置到目的位置的部分无人驾驶行驶轨迹，那么，将自行生成的那部分无人驾驶行驶轨迹与可以使用的有人驾驶分段进行拼接融合，并且对融合后不满足车辆运动学约束的地方进行一次优化，形成最终的无人驾驶行驶轨迹。

仍以矿山无人驾驶的装载过程为例，描述本公开中有人驾驶行驶轨迹的生成方法。

在本公开提供的一实施例中，有人驾驶行驶轨迹的生成方法可以包括如下步骤：

S11，有人驾驶车辆到达装载区入口。

S12，有人驾驶车辆自动开始记录其自身的定位数据和速度等信息，直至有人驾驶车辆驶离装载区出口。

S13，有人驾驶车辆自动将记录的定位数据和速度等信息处理成有人驾驶行驶轨迹。其中，生成有人驾驶行驶轨迹数据的方法在上述实施例中已经详细阐述，在此不再赘述。

S14，有人驾驶车辆将处理所得的有人驾驶行驶轨迹上传到云端，由云端分发给编组内其他进入装载区的无人驾驶车辆；或者，有人驾驶车辆直接通过车车通信的方式将有人驾驶行驶轨迹分享给其他进入装载区的无人驾驶车辆。

S15，无人驾驶车辆进入装载区后，基于有人驾驶行驶轨迹进行行驶。

本实施例中，有人驾驶车辆记录有人驾驶行驶轨迹，无人驾驶车辆则按照有人驾驶车辆的有人驾驶行驶轨迹在目标区域中执行无人驾驶作业，在实际应用中，无人驾驶车辆在全局上看，是基于有人驾驶车辆行驶轨迹进行行驶，同时，在局部区域还可以根据自身的感知信息，对行驶轨迹进行微调，以适应实时的环境变化。

并且，有人驾驶车辆与无人驾驶车辆在作业时可以通过不断的交互，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，可以提升环境和场景适应性。

在对本公开实施例的整体技术方案进行详细阐述之后，下面将对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进行介绍。

首先对本公开实施例提供的一种基于有人驾驶的无人驾驶作业方法进行详细介绍。

本公开实施例的技术方案涉及到有人驾驶车辆和无人驾驶车辆。其中，有人驾驶车辆可以是驾驶员直接驾驶的车辆，也可以是通过远程遥控等方式人工介入驾驶的车辆。并且，有人驾驶车辆可以是人工持续操控的车辆；还可以是在天气发生变化时、地面情况恶化时等特殊情况下，人工临时介入操作的车辆，这都是合理的。

并且，有人驾驶车辆与其编组内的无人驾驶车辆在相同的作业环境下，进行相同的作业内容。

如图1所示，本公开实施例提供的一种基于有人驾驶的无人驾驶作业方法，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，可以将与无人驾驶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。

有人驾驶车辆与无人驾驶车辆形成编组，在复杂天气和地面条件等特殊情况下，有人驾驶车辆通过人工操控来行驶，并且，在有人驾驶车辆行驶的过程中，实时记录车辆运行的定位数据和速度等信息。

实施例中，有人驾驶车辆可以是驾驶员直接驾驶的车辆，也可以是通过远程遥控等方式人工介入驾驶的车辆。并且，有人驾驶车辆可以是人工持续操控的车辆；还可以是在天气发生变化时、地面情况恶化时等特殊情况下，人工临时介入操作的车辆等等。

在本公开提供的实施例中，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定位数据和速度信息等进行记录和存储。

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：用户驾驶有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，有人驾驶行驶轨迹通过车身上的定位装置、感知装置和/或监测装置所获取的定位数据和速度信息生成，定位数据与速度信息之间具有对应关系。

在步骤S130中，至少基于有人驾驶行驶轨迹在目标区域中执行无人驾驶作业。

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。

在实际应用中，目标区域可以是矿山等有人驾驶车辆在目标区域中作业，可以是有人驾驶车辆在矿山中进行装载货物等，本公开实施例对此不做具体限定。

有人驾驶车辆具备采集和处理定位数据（包括有人驾驶车辆的位置和朝向）和速度的能力。有人驾驶车辆在驾驶的过程中，可以实时记录其自身的定位数据和速度，并存储其自身的定位数据和速度。并可以基于所存储的定位数据和速度生成有人驾驶行驶轨迹，然后将所生成的有人驾驶行驶轨迹分享至无人驾驶车辆。这样无人驾驶车辆就可以基于该有人驾驶行驶轨迹在目标区域中执行无人驾驶作业。

在本公开提供的实施例中，无人驾驶车辆在获取到有人驾驶行驶轨迹后，如果有人驾驶车辆与无人驾驶在目标区域内的作业内容完全相同，无人驾驶车辆需要按照有人驾驶行驶轨迹进行行驶即可。而如果有人驾驶行驶轨迹可能包括较多的行驶轨迹，而无人驾驶车辆在目标区域中执行无人驾驶作业时，如果只需用到其中的一部分，可以根据无人驾驶车辆的当前位置信息以及目的位置，进行轨迹匹配，即从有人驾驶行驶轨迹确定出无人驾驶车辆在目标区域中作业时可以使用的行驶轨迹，即形成无人车辆可以使用的无人驾驶行驶轨迹。

具体的，有人驾驶行驶轨迹可以是一辆或者多辆有人驾驶车辆的有人驾驶行驶轨迹，可以在有人驾驶行驶轨迹中，查找到与无人驾驶车辆的作业位置相匹配的行驶轨迹，如果所查找到的行驶轨迹构成当前位置到目的位置的所有无人驾驶行驶轨迹，那么，得到最终的无人驾驶行驶轨迹。如果所查找到的行驶轨迹构成当前位置到目的位置的部分无人驾驶行驶轨迹，那么，需要无人驾驶车辆自行生成缺失部分的驾驶轨迹，并将所查找到的部分无人驾驶行驶轨迹与自行生成的驾驶轨迹进行拼接融合，得到最后的无人驾驶行驶轨迹。

本公开实施例提供的技术方案，在生成无人驾驶行驶轨迹时，利用了有人驾驶行驶轨迹，从而无人驾驶行驶轨迹无需过度依赖无人驾驶车辆对环境的感知和场景识别，提高了无人驾驶行驶轨迹的生成效率和准确率，进而可以提高无人驾驶车辆的行驶效率和安全性。

本公开提供的实施例中，通过获取有人驾驶车辆在目标区域中作业时的定位数据和行驶速度。并基于定位数据和行驶速度，来生成有人驾驶行驶轨迹。

具体的有人驾驶车辆具备采集和处理定位数据（包括有人驾驶车辆的位置和朝向）和行驶速度的能力。有人驾驶车辆在驾驶的过程中，可以实时记录其自身的定位数据和行驶速度，并存储其自身的定位数据和行驶速度。

在获取到有人驾驶车辆的定位数据和行驶速度后，可以对定位数据和行驶速度进行数据处理，得到有人驾驶行驶轨迹。通过有人驾驶车辆的定位数据和行驶速度，可以准确地得到有人驾驶行驶轨迹，以便可以基于有人驾驶行驶轨迹准确地生成无人驾驶行驶轨迹。

作为本公开实施例的一种实现方式，在上述实施例的基础上，该方法可以包括如下步骤：

S140，将定位数据按照时间戳进行排序，得到排序定位数据。

S150，对排序定位数据进行加密或抽希处理，得到具有目标间距的定位数据。

S160，将速度信息对应附加到具有目标间距的定位数据中，得到有人驾驶行驶轨迹。

具体的，在得到定位数据后，可以将定位数据按照时间戳进行排序，得到排序后的定位数据，并将排序后的定位数据按照指定的点间距进行抽稀或者加密处理。具体的，抽稀处理和加密处理的原则是：经过处理之后的点间距应当满足无人驾驶车辆的运行需求，同时避免数据量过大。如无人驾驶车辆采用等间距的坐标点作为行驶轨迹，则可将定位数据点按照等间距进行处理。目标间距可以根据实际情况进行确定，本公开实施例对此不做具体限定。

在一种实施方式中，将排序定位数据处理为具有目标间距的定位数据，可以包括如下步骤，分别为步骤a1和步骤a2：

步骤a1，检测排序定位数据中定位点之间的间距；

步骤a2，将定位点之间的间距小于目标间距时进行抽希处理，并将定位点之间的间距大于目标间距时进行加密处理，得到具有目标间距的定位数据。该加密处理可以理解为插值处理，即增加定位之间的数据。

具体的，在对定位数据进行排序后，可以检测排序定位数据中定位点之间的间距，如果相邻定位点之间的间距大于指定的目标间距，在相邻两个定位点之间进行加密处理，使得加密处理后的相邻定位点之间的间距满足指定的目标间距。

如果相邻数据点之间的间距小于指定的目标间距，在相邻两个定位点之间进行抽稀处理，使得抽稀处理后的相邻定位点之间的间距满足指定的目标间距。

本实施例提供的技术方案，抽稀处理或者加密处理后的定位数据，满足无人驾驶车辆的运行需求，同时，可以避免定位数据的数据量过大，从而提高了无人驾驶行驶轨迹的生成效率。

本公开提供的实施例中，可以将有人驾驶车辆的行驶速度对应附加到具有目标间距的定位数据中，得到有人驾驶行驶轨迹。

具体的，对照时间戳，将记录的有人驾驶车辆的行驶速度也附加至定位数据点上。同时，对于加密的定位数据点，也进行行驶速度加密，这样，加密处理或者加密处理后的每个定位数据点均对应一个行驶速度。并将处理后的定位数据和行驶速度组装成无人驾驶车辆可识别的轨迹数据格式，得到有人驾驶行驶轨迹。

本实施例提供的技术方案，处理后的目标间距的定位数据与其对应的行驶速度，能够满足无人驾驶车辆生成无人驾驶行驶轨迹的需求，同时，生成无人驾驶行驶轨迹的数据量适中，提高了无人驾驶行驶轨迹的生成效率。

在上述实施例的基础上，在一种实施方式中，为了生成无人驾驶行驶轨迹，该方法还可以包括如下步骤：

S331，获取无人驾驶车辆的初始位置和目的位置。

在生成无人驾驶行驶轨迹之前，首先要确定无人驾驶车辆要生成哪段路程的行驶轨迹，因此，需要获取无人驾驶车辆的初始位置和目的位置。

S332，在有人驾驶行驶轨迹中确定出初始行驶轨迹。

其中，初始行驶轨迹包含初始位置与目的位置之间的行驶轨迹。

S333，在初始行驶轨迹具备完整性的情况下，将初始行驶轨迹确定为无人驾驶行驶轨迹。

具体的，在获取到无人驾驶车辆的初始位置和目的位置后，可以基于初始位置和目的位置，在有人驾驶行驶轨迹中进行轨迹匹配，即找到属于初始位置和目的位置之间的行驶轨迹，为了方案描述清楚，将所查找到的行驶轨迹称为初始行驶轨迹。并且，在初始行驶轨迹具备完整性的情况下，说明找到了初始位置和目的位置之间的行驶轨迹的所有行驶轨迹，因此，将初始行驶轨迹确定为无人驾驶行驶轨迹。

可见，通过本实施方式提供的技术方案，通过将在有人驾驶行驶轨迹中，确定无人驾驶车辆初始位置和目的位置之间的行驶轨迹，可以准确地确定出无人驾驶车辆的无人驾驶行驶轨迹。

在上述实施例的基础上，在一种实施方式中，上述步骤S130，具体可以包括如下步骤：

S131，将有人驾驶行驶轨迹分段处理，得到多个分段轨迹。

S132，基于初始位置和目的位置，在多个分段轨迹中获得多个目标分段轨迹。

S133，将目标分段轨迹拼接，得到无人驾驶行驶轨迹，并基于无人驾驶行驶轨迹在所述区域中执行无人驾驶作业。

具体的，有人驾驶行驶轨迹可以是一辆或者多辆有人驾驶车辆的有人驾驶行驶轨迹，通过将有人驾驶行驶轨迹分为多个分段轨迹，可以找到当前位置和目的位置之间的多个目标分段轨迹，通过将多个目标分段轨迹按照先后顺序进行拼接，可以准确地得到第一行驶轨迹。

其中，在对有人驾驶行驶轨迹进行分段时，可以在有人驾驶行驶轨迹的拐点（如拐弯和有岔路口的地方），以及不同区域分界点（如装载区和待装载区出入口）处进行分段。

在上述实施例的基础上，在一种实施方式中，该基于有人驾驶的无人驾驶作业方法还可以包括如下步骤，分别为步骤b1至步骤b3：

步骤b1，在无人驾驶行驶轨迹不具备完整性的情况下，检测无人驾驶行驶轨迹中的空缺部分。

步骤b2，针对空缺部分生成第一行驶轨迹。

步骤b3，将第一行驶轨迹与无人驾驶行驶轨迹融合，得到融合后的无人驾驶行驶轨迹。

具体的，由于多个目标分段轨迹所构成的无人驾驶行驶轨迹，可能构成当前位置到目的位置的所有无人驾驶行驶轨迹，也可能构成当前位置到目的位置的部分无人驾驶行驶轨迹。如果构成当前位置到目的位置的部分无人驾驶行驶轨迹，说明无人驾驶行驶轨迹不具备完整性，那么，需要无人驾驶车辆通过对环境感知和场景识别，自行生成缺少的那部分无人驾驶行驶轨迹，得到第一行驶轨迹最后将第一行驶轨迹与无人驾驶行驶轨迹融合，得到无人驾驶行驶轨迹。

可见，通过本实施例提供的技术方案，在生成无人驾驶行驶轨迹时，通过将有人驾驶行驶轨迹，与无人驾驶车辆对环境的感知和场景识别相结合，可以提高无人驾驶行驶轨迹的生成效率和准确率，进而可以提高无人驾驶车辆的行驶效率和安全性。

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。图2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2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；

有人驾驶数据获取模块20，用于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：用户驾驶所述有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，所述有人驾驶行驶轨迹通过车身上的定位装置、感知装置和/或监测装置所获取的定位数据和速度信息生成，所述定位数据与所述速度信息之间具有对应关系；

作业模块30，用于至少基于所述有人驾驶行驶轨迹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，所述装置还包括：

排序模块，用于将所述定位数据按照时间戳进行排序，得到排序定位数据；

处理模块，用于对所述排序定位数据进行加密或抽希处理，得到具有目标间距的定位数据；

有人驾驶行驶轨迹获取模块，用于将所述速度信息对应附加到所述具有目标间距的定位数据中，得到所述有人驾驶行驶轨迹。

在本公开提供的又一实施例中，所述作业模块，具体还用于：

将所述有人驾驶行驶轨迹分段处理，得到多个分段轨迹；

基于所述无人驾驶车辆的当前位置和目的位置，在所述多个分段轨迹中获得多个目标分段轨迹；

将所述目标分段轨迹拼接，得到无人驾驶行驶轨迹，并基于所述无人驾驶行驶轨迹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，所述装置还包括：

轨迹检测模块，用于在所述无人驾驶行驶轨迹不具备完整性的情况下，检测所述无人驾驶行驶轨迹中的空缺部分；

第一行驶轨迹生成模块，用于针对所述空缺部分生成第一行驶轨迹；

轨迹融合模块，用于将所述第一行驶轨迹与所述无人驾驶行驶轨迹融合，得到融合后的无人驾驶行驶轨迹。

在本公开提供的又一实施例中，所述有人驾驶车辆为人工驾驶车辆、人工遥控车辆或者需要人工临时介入操控的无人驾驶车辆。

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。

由于装置实施例与上述方法实施例相对应，具体参见方法实施例的描述，这里不再赘述。

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3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3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。

本公开实施例提供的技术方案，获取有人驾驶车辆在目标区域中作业时的有人驾驶行驶轨迹；获取无人驾驶车辆在所述目标区域中的作业位置；至少基于所述作业位置和所述有人驾驶行驶轨迹，生成无人驾驶行驶轨迹。在生成无人驾驶行驶轨迹时，利用了有人驾驶行驶轨迹，从而无人驾驶行驶轨迹无需过度依赖无人驾驶车辆对环境的感知和场景识别，提高了无人驾驶行驶轨迹的生成效率和准确率，进而可以提高无人驾驶车辆的行驶效率和安全性。

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4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4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4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。

本公开实施例提供的技术方案，获取有人驾驶车辆在目标区域中作业时的有人驾驶行驶轨迹；获取无人驾驶车辆在所述目标区域中的作业位置；至少基于所述作业位置和所述有人驾驶行驶轨迹，生成无人驾驶行驶轨迹。在生成无人驾驶行驶轨迹时，利用了有人驾驶行驶轨迹，从而无人驾驶行驶轨迹无需过度依赖无人驾驶车辆对环境的感知和场景识别，提高了无人驾驶行驶轨迹的生成效率和准确率，进而可以提高无人驾驶车辆的行驶效率和安全性。

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。

本公开实施例提供的技术方案，获取有人驾驶车辆在目标区域中作业时的有人驾驶行驶轨迹；获取无人驾驶车辆在所述目标区域中的作业位置；至少基于所述作业位置和所述有人驾驶行驶轨迹，生成无人驾驶行驶轨迹。在生成无人驾驶行驶轨迹时，利用了有人驾驶行驶轨迹，从而无人驾驶行驶轨迹无需过度依赖无人驾驶车辆对环境的感知和场景识别，提高了无人驾驶行驶轨迹的生成效率和准确率，进而可以提高无人驾驶车辆的行驶效率和安全性。

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 (10)

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：用户驾驶所述有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，所述有人驾驶行驶轨迹通过车身上的定位装置、感知装置和/或监测装置所获取的定位数据和速度信息生成，所述定位数据与所述速度信息之间具有对应关系；

获取无人驾驶车辆的初始位置和目的位置；

在有人驾驶行驶轨迹中确定出初始行驶轨迹，并在初始行驶轨迹具备完整性的情况下，将初始行驶轨迹确定为无人驾驶行驶轨迹；其中，在所述初始行驶轨迹包含所述初始位置与所述目的位置之间的所有行驶轨迹时，确定所述初始行驶轨迹具备完整性；

或者，在基于所述初始位置和目的位置从所述有人驾驶行驶轨迹中获得的无人驾驶行驶轨迹不具备完整性的情况下，检测无人驾驶行驶轨迹中的空缺部分；其中，在所述无人驾驶行驶轨迹包含所述初始位置与所述目的位置之间的部分行驶轨迹时，确定所述无人驾驶行驶轨迹不具备完整性；

针对所述空缺部分生成第一行驶轨迹；

将所述第一行驶轨迹与所述无人驾驶行驶轨迹融合，得到融合后的无人驾驶行驶轨迹；

基于所述无人驾驶行驶轨迹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，所述方法还包括：

将所述定位数据按照时间戳进行排序，得到排序定位数据；

对所述排序定位数据进行加密或抽希处理，得到具有目标间距的定位数据；

将所述速度信息对应附加到所述具有目标间距的定位数据中，得到所述有人驾驶行驶轨迹。

3.根据权利要求2所述的方法，其特征在于，所述基于所述有人驾驶行驶轨迹在所述目标区域中执行无人驾驶作业，包括：

将所述有人驾驶行驶轨迹分段处理，得到多个分段轨迹；

基于所述无人驾驶车辆的当前位置和目的位置，在所述多个分段轨迹中获得多个目标分段轨迹；

将所述目标分段轨迹拼接，得到无人驾驶行驶轨迹，并基于所述无人驾驶行驶轨迹在所述目标区域中执行无人驾驶作业。

4.根据权利要求1所述的方法，其特征在于，所述有人驾驶车辆为人工驾驶车辆、人工遥控车辆或者需要人工临时介入操控的无人驾驶车辆。

5.根据权利要求1~4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。

6.根据权利要求5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。

7.根据权利要求5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。

8.一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；

有人驾驶数据获取模块，用于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：用户驾驶所述有人驾驶车辆在目标区域中作业时生成的有人驾驶行驶轨迹，所述有人驾驶行驶轨迹通过车身上的定位装置、感知装置和/或监测装置所获取的定位数据和速度信息生成，所述定位数据与所述速度信息之间具有对应关系；

作业模块，用于获取无人驾驶车辆的初始位置和目的位置；在有人驾驶行驶轨迹中确定出初始行驶轨迹，并在初始行驶轨迹具备完整性的情况下，将初始行驶轨迹确定为无人驾驶行驶轨迹；其中，在所述初始行驶轨迹包含所述初始位置与所述目的位置之间的所有行驶轨迹时，确定所述初始行驶轨迹具备完整性；或者，在基于所述初始位置和目的位置从所述有人驾驶行驶轨迹中获得的无人驾驶行驶轨迹不具备完整性的情况下，检测无人驾驶行驶轨迹中的空缺部分；其中，在所述无人驾驶行驶轨迹包含所述初始位置与所述目的位置之间的部分行驶轨迹时，确定所述无人驾驶行驶轨迹不具备完整性；针对所述空缺部分生成第一行驶轨迹；将所述第一行驶轨迹与所述无人驾驶行驶轨迹融合，得到融合后的无人驾驶行驶轨迹；基于所述无人驾驶行驶轨迹在所述目标区域中执行无人驾驶作业。

9.一种电子设备，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1-7中任一项所述的方法。

10.一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1-7中任一项所述的方法。

Images