CN116820016A - 一种物流车的自动驾驶控制方法、装置、设备及存储介质 - Google Patents
一种物流车的自动驾驶控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116820016A CN116820016A CN202311111225.XA CN202311111225A CN116820016A CN 116820016 A CN116820016 A CN 116820016A CN 202311111225 A CN202311111225 A CN 202311111225A CN 116820016 A CN116820016 A CN 116820016A
- Authority
- CN
- China
- Prior art keywords
- logistics vehicle
- scene
- logistics
- vehicle
- control method
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000012937 correction Methods 0.000 claims description 48
- 230000015654 memory Effects 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 239000003550 marker Substances 0.000 claims description 9
- 238000011065 in-situ storage Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及车辆控制技术领域,公开了一种物流车的自动驾驶控制方法、装置、设备及存储介质,方法包括:实时获取物流车所处场景;当物流车所处场景切换时,调取当前场景对应的控制参数;根据控制参数控制物流车的运动状态及行驶轨迹。本发明的物流车可以同时覆盖室内、室外、窄道、电梯等多种场景,可以在狭窄空间内顺利通行,避免被困的风险,同时能够使收件人足不出户即可收取物料或快递,提高了配送效率。
Description
技术领域
本发明涉及车辆控制技术领域,具体涉及一种物流车的自动驾驶控制方法、装置、设备及存储介质。
背景技术
随着自动驾驶技术的不断成熟和完善,物流配送朝着自动化、无人化方向快速发展,基于自动驾驶技术的配送物流车应运而生。现有的物流配送车技术方案主要是面向园区室外场景,根据需要在园区内设置站点,规划运行路线,进而完成配送任务。或者仅是面向园区室内场景,根据室内不同楼层、房间的配送需求,规划运行路线,从而完成配送任务。
现有物流车的运营场景不能同时覆盖室内和室外,面向园区室外运营的物流配送车只能在园区室外站点进行运营配送,无法进入到室内,用户收取快递或物料仍然需要走出室外;面向园区室内运营的物流配送车只能在室内运营配送,快递或物料需要先从园区入口运进室内后,再由物流车进行配送,配送效率较低。
当物流车在宽度较小、转弯曲率较大的走廊或电梯口等狭窄空间行驶时,现有的物流配送车由于自身体积相对于周围空间较大,可能偏离参考轨迹、发生碰撞,或可行驶区域较小,物流车无法脱困,导致配送任务失败。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中物流车运营场景不能同时覆盖多种场景的问题,从而提供一种物流车的自动驾驶控制方法、装置、设备及存储介质。
为达到上述目的,本发明提供如下技术方案:
第一方面,本发明提供一种物流车的自动驾驶控制方法,包括:实时获取物流车所处场景;当物流车所处场景切换时,调取当前场景对应的控制参数;根据控制参数控制物流车的运动状态及行驶轨迹。
本发明提供的物流车的自动驾驶控制方法,可以根据物流车所处的不同场景调取该场景对应的控制参数,增加物流车的运营范围,使物流车能够针对不同的路况对应改变行驶状态,覆盖多种场景,方便收件人足不出户就可以收取物料和快递。
在一种可选的实施方式中,场景包括室内场景、室外场景、窄道场景、电梯场景及弯道场景。
本发明提供的物流车的自动驾驶控制方法,解决了现有配送物流车运营覆盖场景较少的问题,物流配送车能够同时在室内、室外、窄道、电梯、弯道等多种场景运营配送,室内人员可以足不出户收取快递物料。
在一种可选的实施方式中,根据控制参数控制物流车的运动状态及行驶轨迹的过程,包括:当切换至室内场景时,控制室内门或者电梯门开门。
本发明提供的物流车的自动驾驶控制方法,物流车可以直接通过远程控制开启楼门或电梯门,避免室外场景与室内场景切换时行驶路径上的门阻碍配送工作,无需人员手动开启可直接对门进行控制,提高了配送效率。
在一种可选的实施方式中,根据控制参数控制物流车的运动状态及行驶轨迹的过程,还包括:当切换至窄道场景或弯道场景时,实时监测物流车是否进入窄道场景或弯道场景;当物流车进入窄道场景或弯道场景时,从全局地图中获取物流车所处位置处的道路曲率及位置信息;基于道路曲率、物流车的运动状态及位置信息,判断物流车的横向误差是否超出阈值;当超出阈值时,对物流车的横向控制进行修正。
本发明提供的物流车的自动驾驶控制方法,当物流车进入窄道场景或弯道场景时,通过修正算法对物流车的横向控制进行修正,避免物流车在狭窄空间中运行时由于可行驶区域较小造成的偏离参考轨迹、碰撞、无法脱困问题,优化了对物流车的横向控制。
在一种可选的实施方式中,修正过程包括:以物流车当前行驶角速度为中心,以角速度增量为步长,在角速度限制区间中进行插值,获得多个角速度采样值;基于物流车当前线速度及多个角速度采样值,根据物流车的运动学模型分别计算每个角速度采样值对应的预估轨迹;基于当前场景的参考轨迹,计算预估轨迹的代价集合,将代价集合中最小代价对应的角速度采样值增量作为第一横向控制修正量;基于横向控制修正训练模型,将物流车横向误差、车速信息及道路曲率输入横向控制修正训练模型后,得到第二横向控制修正量;利用加权法,利用第一横向控制修正量及第二横向控制修正量,得到最终横向控制修正量,根据最终横向控制修正量修正物流车的横向控制。
本发明提供的物流车的自动驾驶控制方法,通过横向控制修正算法优化物流车的横向控制,并将每次修正时使用的横向误差、车速信息、道路曲率以及最终修正量作为样本重新传回给横向控制修正训练模型,对整个修正模型进行训练,不断优化模型,提高模型输出的准确度。
在一种可选的实施方式中,自动驾驶控制方法还包括:当物流车处于自动驾驶模式且未到达目标点时,判断物流车是否行驶到全局地图中的预设调头标志位处;当物流车行驶到预设调头标志位处时,根据预设调头标志位对应的控制参数控制物流车原地调头;当物流车未行驶到预设调头标志位处时,判断是否有参考轨迹及物流车当前位置信息;若有参考轨迹及物流车当前位置信息,则判断物流车是否行驶到全局地图中的预设后退标志位处;当物流车行驶到预设后退标志位处时,根据预设后退标志位对应的控制参数控制物流车后退行驶。
本发明提供的物流车的自动驾驶控制方法,当面对电梯口或宽度较小的走廊等狭窄的运营空间时,可以通过控制物流车原地调头或后退行驶离开狭窄空间,使物流车在该区域顺利通行,降低了物流车被困的风险,增大了物流车的运营范围。
在一种可选的实施方式中,自动驾驶控制方法还包括:当没有参考轨迹及物流车当前位置信息时,将物流车车速置零。
本发明提供的物流车的自动驾驶控制方法,当物流车无法识别参考轨迹或无法获取物流车当前位置信息时,物流车原地停止行驶,避免因失去定位信息或没有参考路径而发生误动。
在一种可选的实施方式中,自动驾驶控制方法还包括:当接收到新的配送任务时,根据物流车当前所处场景调取该场景对应的控制参数,并依据上述任意一种可选实施方式的控制方法控制物流车的运动状态及行驶轨迹。
第二方面,本发明提供一种物流车的自动驾驶控制装置,包括:获取模块,用于实时获取物流车所处场景;参数调取模块,用于当物流车所处场景切换时,调取当前场景对应的控制参数;控制模块,用于根据控制参数控制物流车的运动状态及行驶轨迹。
第三方面,本发明提供一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的物流车的自动驾驶控制方法。
第四方面,本发明提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的物流车的自动驾驶控制方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的物流车的自动驾驶控制方法的流程示意图;
图2是根据本发明实施例的另一物流车的自动驾驶控制方法的流程示意图;
图3是根据本发明实施例的物流车的行驶路径的示意图;
图4是根据本发明实施例的另一物流车的自动驾驶控制方法的流程示意图;
图5是根据本发明实施例的物流车的修正方法的轨迹示意图;
图6是根据本发明实施例的物流车的横向误差修正方法的具体流程示意图;
图7是根据本发明实施例的另一物流车的自动驾驶控制方法的流程示意图;
图8是根据本发明实施例的物流车的自动驾驶控制方法的具体流程示意图;
图9是根据本发明实施例的物流车的自动驾驶控制装置的结构框图;
图10是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例提供了一种物流车的自动驾驶控制方法实施例,如图1所示,该方法包括如下步骤:
步骤S1:实时获取物流车所处场景。
具体地,物流车搭载场景监测装置,当物流车按照预先设定的路径行驶时,对物流车进行实时位置监测及识别,并不断进行数据刷新,使物流车所在位置实时同步到全局地图上。
步骤S2:当物流车所处场景切换时,调取当前场景对应的控制参数。
具体地,当监测到物流车进入到新场景区域时,即刻调取该场景对应的控制参数,并不断进行数据刷新,方便在物流车在下次切换运行场景时及时调取最新参数。
步骤S3:根据控制参数控制物流车的运动状态及行驶轨迹。
具体地,物流车根据场景对应的控制参数调整预瞄距离、行驶速度及停车精度等,以便适应多种场景下的运营。
本实施例提供的物流车的自动驾驶控制方法,可以根据物流车所处的不同场景调取该场景对应的控制参数,增加物流车的运营范围,使物流车能够针对不同的路况对应改变行驶状态,覆盖多种场景,方便收件人足不出户就可以收取物料和快递。与进入不同场景区域加载不同的区域地图来调整物流车运行状态的方式相比,本发明提供的场景转换方法无需额外加载地图,节省了时间,使物流车在经过不同场景区域时可以不停车地连续行驶,提高了配送效率。
在一些可选的实施方式中,场景包括室内场景、室外场景、窄道场景、电梯场景及弯道场景。
示例性地,当物流车切换至室内场景时,控制室内门或者电梯门开门。
需要说明的是,用户可根据实际需求自行设置物流车运营的场景,物流车可运营场景仅以此举例,但并不以此为限制。
在一些可选的实施方式中,如图2所示,根据控制参数控制物流车的运动状态及行驶轨迹的过程,还包括:
步骤S31:当切换至窄道场景或弯道场景时,实时监测物流车是否进入窄道场景或弯道场景。
步骤S32:当物流车进入窄道场景或弯道场景时,从全局地图中获取物流车所处位置处的道路曲率及位置信息。
步骤S33:基于道路曲率、物流车的运动状态及位置信息,判断物流车的横向误差是否超出阈值。
步骤S34:当超出阈值时,对物流车的横向控制进行修正。
具体地,如图2及图3所示,当物流车识别到进入全局地图中预设的窄道场景或弯道场景时,先获取物流车的速度信息(包括线速度和角速度/>),再从全局地图中获取物流车所处位置信息及此处的道路曲率/>,同时将物流车位置信息与参考轨迹进行比对,获取物流车的横向误差/>,并实时将物流车当前的横向误差与预设横向误差进行比对,判断当前横向误差是否超出预设横向误差,即判断是否超出阈值;若超出阈值,则开始对物流车的横向控制进行修正,减小物流车与参考轨迹之间的横向误差。
在一些可选的实施方式中,如图4至图5所示,修正过程包括:
步骤S341:以物流车当前行驶角速度为中心,以角速度增量为步长,在角速度限制区间中进行插值,获得多个角速度采样值。
具体地,如图4所示,当横向误差超过需要修正的阈值时,使用物流车当前的角速度/>在角速度限制区间/>中进行插值,并以/>为中心、/>为步长向两侧采样,获得/>个采样值。
步骤S342:基于物流车当前线速度及多个角速度采样值,根据物流车的运动学模型分别计算每个角速度采样值对应的预估轨迹。
具体地,如图4及图5所示,利用当前线速度、角速度采样值记为,根据物流车的运动学模型计算/>个采样值对应的预估轨迹/>,/>,…/>…,/>,以下一个预瞄点为原点建立坐标系/>,求得每条预估轨迹与/>轴的交点/>,/>,…/>…,/>。将物流车当前所在位置记为/>点,计算每条预估轨迹上/>段上的所有路径点到参考轨迹的横向误差之和/>,计算每条预估轨迹上/>段上的所有路径点曲率与参考轨迹/>上对应点的曲率差值之和/>,计算物流车从点分别行驶至/>,/>,…/>…,/>所用的时间/>,/>,…/>…,/>,计算点/>,/>,…/>…,的航向角与预瞄点航向角的差值/>,计算每条预估轨迹的代价/>,计算公式如下:
(1)
上式中,,/>,/>,/>表示权重系数。
步骤S343:基于当前场景的参考轨迹,计算预估轨迹的代价集合,将代价集合中最小代价对应的角速度采样值增量作为第一横向控制修正量。
具体地,如图4及图5所示,根据每条预估轨迹的代价,获得预估轨迹代价集合/>,将代价集合中最小代价对应的角速度采样值增量/>赋给横向控制修正量/>。
步骤S344:基于横向控制修正训练模型,将物流车横向误差、车速信息及道路曲率输入横向控制修正训练模型后,得到第二横向控制修正量。
具体地,如图4及图5所示,将物流车横向误差、车速信息(包括线速度/>和角速度/>)、道路曲率/>输入横向控制修正训练模型,得到横向控制修正量/>。
步骤S345:利用加权法,利用第一横向控制修正量及第二横向控制修正量,得到最终横向控制修正量,根据最终横向控制修正量修正物流车的横向控制。
具体地,如图4所示,计算最终的横向控制修正量,计算公式如下:
(2)
上式中,,/>表示权重系数。
具体地,如图4及图5所示,将修正量和与其对应的横向误差/>、车速信息(包括线速度/>和角速度/>)、道路曲率/>整理成一个样本传回给横向控制修正量训练模型,对整个修正模型进行训练,不断优化模型,提高模型输出的准确度。
作为本发明实施例的一个具体应用实施例,如图6所示,修正过程如下:
(1)判断车辆是否进入横向控制修正区域。
(2)若未进入修正区域,则继续按照当前所处场景对应的控制参数正常行驶。
(3)若进入横向修正区域,则由云控平台获取车辆当前的速度信息、所处位置处的道路曲率及横向误差。
(4)判断横向误差是否超过修正阈值。
(5)若未超过修正阈值,则继续按照当前所处场景对应的控制参数正常行驶。
(6)若超过修正阈值,则按照上述实施方式中步骤341~步骤345对物流车的横向控制进行修正,在此不再赘述。
在一些可选的实施方式中,如图7所示,当接收到新的配送任务时,调取目的地处不同场景控制参数后,自动驾驶控制方法还包括:
步骤S35:当物流车处于自动驾驶模式且未到达目标点时,判断物流车是否行驶到全局地图中的预设调头标志位处。
步骤S36:当物流车行驶到预设调头标志位处时,根据预设调头标志位对应的控制参数控制物流车原地调头。
步骤S37:当物流车未行驶到预设调头标志位处时,判断是否有参考轨迹及物流车当前位置信息。
步骤S38:若有参考轨迹及物流车当前位置信息,则判断物流车是否行驶到全局地图中的预设后退标志位处。
步骤S39:当物流车行驶到预设后退标志位处时,根据预设后退标志位对应的控制参数控制物流车后退行驶。
具体地,如图7所示,预先将后退标志位及调头标志位设置在全局地图上,当判断物流车行驶到标志位处时,控制物流车按照标志位指令进行调头或后退动作。当物流车行驶到预设调头标志位处时,物流车执行原地调头动作。若未行驶到调头标志位处时,根据参考路径及物流车位置信息继续行驶。当物流车行驶到预设后退标志位处时,控制物流车执行后退行驶动作,使物流车脱困。
在一种可选的实施方式中,如图8所示,自动驾驶控制方法还包括:当没有参考轨迹及物流车当前位置信息时,将物流车车速置零。
具体地,当未能获取物流车当前所在位置及参考轨迹信息时,将车速置零,物流车停止行驶,避免物流车失去定位信息或因没有参考路径而发生误动作。后续步骤描述与上述对应实施方式相同,在此不再赘述。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种物流车的自动驾驶控制装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种物流车的自动驾驶控制装置,如图9所示,包括:
获取模块901,用于实时获取物流车所处场景。
参数调取模块902,用于当物流车所处场景切换时,调取当前场景对应的控制参数。
控制模块903,用于根据控制参数控制物流车的运动状态及行驶轨迹。
本实施例中的物流车的自动驾驶控制装置是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本发明实施例还提供一种计算机设备,具有上述图9所示的物流车的自动驾驶控制装置。
请参阅图10,图10是本发明可选实施例提供的一种计算机设备的结构示意图,如图10所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,存储器20存储有可由至少一个处理器10执行的指令,以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据一种小程序落地页的展现的计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (11)
1.一种物流车的自动驾驶控制方法,其特征在于,包括:
实时获取物流车所处场景;
当所述物流车所处场景切换时,调取当前场景对应的控制参数;
根据所述控制参数控制所述物流车的运动状态及行驶轨迹。
2.根据权利要求1所述的物流车的自动驾驶控制方法,其特征在于,
所述场景包括室内场景、室外场景、窄道场景、电梯场景及弯道场景。
3.根据权利要求2所述的物流车的自动驾驶控制方法,其特征在于,所述根据所述控制参数控制所述物流车的运动状态及行驶轨迹的过程,包括:
当切换至室内场景时,控制室内门或者电梯门开门。
4.根据权利要求2所述的物流车的自动驾驶控制方法,其特征在于,所述根据所述控制参数控制所述物流车的运动状态及行驶轨迹的过程,还包括:
当切换至窄道场景或弯道场景时,实时监测物流车是否进入窄道场景或弯道场景;
当物流车进入窄道场景或弯道场景时,从全局地图中获取物流车所处位置处的道路曲率及位置信息;
基于所述道路曲率、所述物流车的运动状态及位置信息,判断所述物流车的横向误差是否超出阈值;
当超出阈值时,对物流车的横向控制进行修正。
5.根据权利要求4所述的物流车的自动驾驶控制方法,其特征在于,所述修正过程包括:
以物流车当前行驶角速度为中心,以角速度增量为步长,在角速度限制区间中进行插值,获得多个角速度采样值;
基于物流车当前线速度及多个所述角速度采样值,根据物流车的运动学模型分别计算每个所述角速度采样值对应的预估轨迹;
基于当前场景的参考轨迹,计算预估轨迹的代价集合,将代价集合中最小代价对应的角速度采样值增量作为第一横向控制修正量;
基于横向控制修正训练模型,将物流车横向误差、车速信息及道路曲率输入横向控制修正训练模型后,得到第二横向控制修正量;
利用加权法,利用所述第一横向控制修正量及第二横向控制修正量,得到最终横向控制修正量,根据所述最终横向控制修正量修正所述物流车的横向控制。
6.根据权利要求1至5任一项所述的物流车的自动驾驶控制方法,其特征在于,还包括:
当所述物流车处于自动驾驶模式且未到达目标点时,判断所述物流车是否行驶到全局地图中的预设调头标志位处;
当所述物流车行驶到所述预设调头标志位处时,根据所述预设调头标志位对应的控制参数控制所述物流车原地调头;当所述物流车未行驶到所述预设调头标志位处时,判断是否有参考轨迹及物流车当前位置信息;
若有参考轨迹及物流车当前位置信息,则判断所述物流车是否行驶到全局地图中的预设后退标志位处;
当物流车行驶到所述预设后退标志位处时,根据所述预设后退标志位对应的控制参数控制所述物流车后退行驶。
7.根据权利要求6所述的物流车的自动驾驶控制方法,其特征在于,还包括:
当没有参考轨迹及物流车当前位置信息时,将所述物流车车速置零。
8.根据权利要求1所述的物流车的自动驾驶控制方法,其特征在于,还包括:
当接收到新的配送任务时,根据物流车当前所处场景调取该场景对应的控制参数,并依据权利要求1至5任一项所述的控制方法控制所述物流车的运动状态及行驶轨迹。
9.一种物流车的自动驾驶控制装置,其特征在于,包括:
获取模块,用于实时获取物流车所处场景;
参数调取模块,用于当物流车所处场景切换时,调取当前场景对应的控制参数;
控制模块,用于根据控制参数控制物流车的运动状态及行驶轨迹。
10.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至5中任一项所述的物流车的自动驾驶控制方法。
11.一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计算机指令,所述计算机指令用于使计算机执行权利要求1至5中任一项所述的物流车的自动驾驶控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311111225.XA CN116820016B (zh) | 2023-08-31 | 2023-08-31 | 一种物流车的自动驾驶控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311111225.XA CN116820016B (zh) | 2023-08-31 | 2023-08-31 | 一种物流车的自动驾驶控制方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116820016A true CN116820016A (zh) | 2023-09-29 |
CN116820016B CN116820016B (zh) | 2023-11-21 |
Family
ID=88127882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311111225.XA Active CN116820016B (zh) | 2023-08-31 | 2023-08-31 | 一种物流车的自动驾驶控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116820016B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023631A (zh) * | 2016-06-20 | 2016-10-12 | 上海交通大学 | 基于iBeacon技术的仓储物流车辆监控系统 |
CN109760675A (zh) * | 2019-03-12 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
US20190265714A1 (en) * | 2018-02-26 | 2019-08-29 | Fedex Corporate Services, Inc. | Systems and methods for enhanced collision avoidance on logistics ground support equipment using multi-sensor detection fusion |
CN112859829A (zh) * | 2019-11-28 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种车辆控制方法、装置、电子设备和介质 |
CN114564016A (zh) * | 2022-02-24 | 2022-05-31 | 江苏大学 | 一种结合路径规划和强化学习的导航避障控制方法、系统及模型 |
CN114987537A (zh) * | 2022-05-17 | 2022-09-02 | 江苏大学 | 基于神经网络动力学的自动驾驶车辆道路自适应漂移控制系统与方法 |
CN115565374A (zh) * | 2022-09-27 | 2023-01-03 | 上汽通用五菱汽车股份有限公司 | 物流车驾驶优化方法、装置、电子设备及可读存储介质 |
CN116358515A (zh) * | 2023-02-17 | 2023-06-30 | 厦门金龙联合汽车工业有限公司 | 一种低速无人驾驶系统的建图定位方法与装置 |
CN116562601A (zh) * | 2023-07-11 | 2023-08-08 | 昆明理工大学 | 一种适用于自动驾驶物流车进出室内外的运行调度方法 |
-
2023
- 2023-08-31 CN CN202311111225.XA patent/CN116820016B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023631A (zh) * | 2016-06-20 | 2016-10-12 | 上海交通大学 | 基于iBeacon技术的仓储物流车辆监控系统 |
US20190265714A1 (en) * | 2018-02-26 | 2019-08-29 | Fedex Corporate Services, Inc. | Systems and methods for enhanced collision avoidance on logistics ground support equipment using multi-sensor detection fusion |
CN109760675A (zh) * | 2019-03-12 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 预测车辆轨迹的方法、装置、存储介质和终端设备 |
CN112859829A (zh) * | 2019-11-28 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种车辆控制方法、装置、电子设备和介质 |
CN114564016A (zh) * | 2022-02-24 | 2022-05-31 | 江苏大学 | 一种结合路径规划和强化学习的导航避障控制方法、系统及模型 |
CN114987537A (zh) * | 2022-05-17 | 2022-09-02 | 江苏大学 | 基于神经网络动力学的自动驾驶车辆道路自适应漂移控制系统与方法 |
CN115565374A (zh) * | 2022-09-27 | 2023-01-03 | 上汽通用五菱汽车股份有限公司 | 物流车驾驶优化方法、装置、电子设备及可读存储介质 |
CN116358515A (zh) * | 2023-02-17 | 2023-06-30 | 厦门金龙联合汽车工业有限公司 | 一种低速无人驾驶系统的建图定位方法与装置 |
CN116562601A (zh) * | 2023-07-11 | 2023-08-08 | 昆明理工大学 | 一种适用于自动驾驶物流车进出室内外的运行调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116820016B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107257994B (zh) | 用于在停车环境中对机动车进行交通协调的方法 | |
CN110009761B (zh) | 智能设备自动巡检路径规划方法及系统 | |
AU2006274421B2 (en) | Traffic management system for a passageway environment | |
CN110119147B (zh) | 车辆自动驾驶方法、装置、计算机设备和存储介质 | |
JP6342076B2 (ja) | 駐車場のための駐車場管理サーバ、当該駐車場管理サーバを稼働させるための方法およびコンピュータプログラムならびに当該駐車場管理サーバを備えた駐車システム | |
KR20190142360A (ko) | 환경 맵 생성 및 정렬을 위한 방법 및 시스템 | |
EP2851760A1 (en) | Multi-robot system | |
CN112988938A (zh) | 一种地图构建方法、装置及终端设备 | |
CN112212866A (zh) | 机器人及其跨楼层导航方法和装置 | |
CN116820016B (zh) | 一种物流车的自动驾驶控制方法、装置、设备及存储介质 | |
CN110654807A (zh) | 物料运输系统及其控制方法 | |
AU2020347849A1 (en) | Positioning of mobile device in underground worksite | |
WO2020152018A1 (de) | Roboter und verfahren zur steuerung eines mobilen roboters in einem raum | |
CN114281081A (zh) | 地铁车辆巡检机器人的导航系统和导航方法、机器人 | |
EP2963450A1 (de) | Verfahren und Positionsbestimmungssystem zur Positionsbestimmung einer mobilen Kommunikationseinrichtung unter Verwendung eines Messplans | |
CN109596135A (zh) | 汽车导航方法、装置、存储介质及电子设备 | |
CN112477924B (zh) | 一种列车控制方法和系统 | |
CN110691321B (zh) | 终端控制方法、装置和设备 | |
WO2024102083A1 (en) | A delivery system and mapping method for a delivery robot | |
Pecora et al. | A constraint-based approach for multiple non-holonomic vehicle coordination in industrial scenarios | |
WO2023126115A1 (de) | Verfahren und system zur navigation von mobilen logistik-robotern | |
CN114911247A (zh) | 一种确定靠边停靠点的方法、装置及机器人 | |
CN115657671A (zh) | 基于建筑模型的施工面标记装置、方法及存储介质 | |
CN114518102A (zh) | 一种实现测量仪与移动机器人交互的建筑测量方法及系统 | |
CN116952269A (zh) | 区域内导航路线计算方法、智能终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |