CN118097605A - 无人驾驶矿车数据的管理方法 - Google Patents
无人驾驶矿车数据的管理方法 Download PDFInfo
- Publication number
- CN118097605A CN118097605A CN202410502340.8A CN202410502340A CN118097605A CN 118097605 A CN118097605 A CN 118097605A CN 202410502340 A CN202410502340 A CN 202410502340A CN 118097605 A CN118097605 A CN 118097605A
- Authority
- CN
- China
- Prior art keywords
- driving
- route
- obstacle
- driving route
- time
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000011191 terminal modification Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000002245 particle Substances 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 8
- 238000005065 mining Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种无人驾驶矿车数据的管理方法，涉及数据管理领域，包括：获取无人驾驶矿车的第一图像，得到当下的驾驶环境；基于所述驾驶环境以及驾驶需求，匹配相对应的驾驶路线；基于无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线；基于调整路线上涉及的障碍参数对驾驶路线进行终端修改；评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库，提高矿场的作业效率，保障无人驾驶矿车的安全驾驶，保障矿场的作业安全。
Description
技术领域
本发明涉及数据管理领域，尤其涉及一种无人驾驶矿车数据的管理方法。
背景技术
目前，随着自动化和信息技术的快速发展，无人驾驶技术在矿山领域的应用日益成熟。高级传感器、人工智能算法和通信技术的融合使得无人驾驶矿车能够在复杂的矿区环境中安全高效地运行。这些技术的发展催生了对大量实时数据进行有效管理和分析的需求，以优化矿车的运行和维护。
因此，本发明提供一种无人驾驶矿车数据的管理方法。
发明内容
本发明提供一种无人驾驶矿车数据的管理方法，用以通过分析无人驾驶矿车的第一图像，得到当下的驾驶环境，分析驾驶环境以及驾驶需求，匹配相对应的驾驶路线；还通过分析无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线；基于调整路线上涉及的障碍参数对驾驶路线进行终端修改；评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库，提高矿场的作业效率，保障无人驾驶矿车的安全驾驶，保障矿场的作业安全。
本发明提供一种无人驾驶矿车数据的管理方法，包括：
步骤1：获取无人驾驶矿车的第一图像，得到当下的驾驶环境；
步骤2：基于所述驾驶环境以及驾驶需求，匹配相对应的驾驶路线；
步骤3：基于无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线；
步骤4：基于调整路线上涉及的障碍参数对驾驶路线进行终端修改；
步骤5：评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库。
优选的，本发明提供一种无人驾驶矿车数据的管理方法，获取无人驾驶矿车的第一图像，得到当下的驾驶环境，包括：
获取无人驾驶矿车在第一时间段内每个时刻下的第一图像，构建第一图像集合；
基于第一图像集合中每个第一图像的色温以及环境-色温对照表，得到相对应的第一环境；
若全部第一环境均相同，获取每个第一环境相对应的第一颗粒浓度并求取平均得到第二颗粒浓度；
基于所述第一环境以及所述第二颗粒浓度，得到当下的驾驶环境。
优选的，本发明提供一种无人驾驶矿车数据的管理方法，基于所述驾驶环境以及驾驶需求，匹配相对应的驾驶路线，包括：
根据当下的驾驶环境匹配相对应的驾驶需求-参数对照表；
基于所述驾驶需求以及所述驾驶需求-参数对照表，得到相对应的驾驶参数；
基于所述驾驶参数，匹配相对应的驾驶路线。
优选的，本发明提供一种无人驾驶矿车数据的管理方法，基于无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线，包括：
基于所述驾驶路线相对应的历史驾驶日志，得到历史驾驶过程中的预设水平序列；
获取无人驾驶矿车的实时水平数据，按照时刻顺序构建第一水平序列；
基于所述第一水平序列以及预设水平序列，得到相同顺序的时刻的第一差值，并获取大于预设差值的第一差值的个数，得到第一个数；
若第一个数大于预设个数，则将全部第一差值按照时刻顺序构建第一差值序列；
将所述第一差值序列输入至水平偏差分析模型，得到当下时刻的驾驶路线偏差；
基于所述驾驶路线偏差对所述驾驶路线进行一次调整，得到第一驾驶路线；
基于每个维度传感器的实时维度数据，得到每个时刻的全部实时维度数据，构建维度集合；
基于所述维度集合，构建相对应的二维栅格图，模拟相对应的驾驶场景；
基于所述二维栅格图以及预设驾驶场景，得到不属于预设驾驶场景的第一矩阵区域；
保留区域面积大于预设面积的第一矩阵区域；
基于保留的第一矩阵区域，得到相对应的第一定位点集合；
基于所述第一定位点集合中的每个第一定位点所在的单元矩阵的中点，得到相对应的第二定位点集合；
基于所述第二定位点集合构建第一轮廓，若第一轮廓的第一坐标在第一驾驶路线上，则获取第一轮廓相对应的第一体积；
基于所述第一体积以及障碍处理方式对照表，得到相对应的障碍处理方式；
若障碍处理方式为绕过第一轮廓，则对第一驾驶路线进行调整，得到调整路线。
优选的，本发明提供一种无人驾驶矿车数据的管理方法，基于调整路线上涉及的障碍参数对驾驶路线进行终端修改的过程中，包括：
基于调整路线调整完成的第一时刻，获取每个第一时刻的第二图像；
基于所述第二图像，从障碍种类数据库匹配相对应的障碍种类；
基于全部障碍种类以及相对应的第一轮廓，得到相对应的障碍参数；
将所述障碍参数输入至障碍分析模型，得到障碍分析报告。
优选的，本发明提供一种无人驾驶矿车数据的管理方法，得到障碍分析报告后，包括：
基于所述障碍分析报告，得到障碍的时间特性；
若时间特性为长期障碍特性，对驾驶路线进行终端修改，并生成相对应的第一驾驶场景。
优选的，本发明提供一种无人驾驶矿车数据的管理方法，评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库，包括：
基于第一驾驶场景，构建相对应的模拟驾驶模型；
将第一驾驶场景相对应的驾驶路线输入至模拟驾驶模型，得到驾驶时的驾驶长度、驾驶时间以及每个时刻的驾驶速度；
基于所述驾驶长度、所述驾驶时间以及所述驾驶速度，计算得到相对应的评估指数；
若所述评估指数大于预设评估指数，则将相对应的驾驶路线存储至驾驶路线数据库。
优选的，本发明提供一种无人驾驶矿车数据的管理方法，基于所述驾驶长度、所述驾驶时间以及所述驾驶速度，计算得到相对应的评估指数，包括：；其中，/>表示驾驶路线的评估指数；/>表示驾驶路线的驾驶时间包含的时刻数量；/>表示驾驶路线的第/>个时刻相对应的驾驶速度；/>表示第一驾驶场景的预设驾驶路线在第/>个时刻相对应的驾驶速度；/>表示驾驶路线的第/>个时刻的驾驶速度相对应的计算权重；/>表示/>的最大值；/>表示驾驶路线的驾驶长度；/>表示第一驾驶场景的预设驾驶路线的驾驶长度；/>表示驾驶路线的驾驶时间；/>表示第一驾驶场景的预设驾驶路线的驾驶时间。
与现有技术相比，本申请的有益效果如下：通过分析无人驾驶矿车的第一图像，得到当下的驾驶环境，分析驾驶环境以及驾驶需求，匹配相对应的驾驶路线；还通过分析无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线；基于调整路线上涉及的障碍参数对驾驶路线进行终端修改；评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库，提高矿场的作业效率，保障无人驾驶矿车的安全驾驶，保障矿场的作业安全。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明实施例提供的一种无人驾驶矿车数据的管理方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中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作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。
实施例1：
本发明实施例提供的一种无人驾驶矿车数据的管理方法，如图1所示，包括：
步骤1：获取无人驾驶矿车的第一图像，得到当下的驾驶环境；
步骤2：基于所述驾驶环境以及驾驶需求，匹配相对应的驾驶路线；
步骤3：基于无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线；
步骤4：基于调整路线上涉及的障碍参数对驾驶路线进行终端修改；
步骤5：评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库。
该实施例中，第一图像指的是无人驾驶矿车的摄像头获取的无人驾驶的环境的图像。
该实施例中，驾驶环境指的是通过对第一图像进行分析，得到的无人驾驶矿车当下驾驶的环境，包括：雨、雪、风沙等天气环境以及扬起的矿石以及尘沙的环境。
该实施例中，驾驶需求指的是无人驾驶矿车的驾驶的需求，例如：装车、卸车以及运输速度。
该实施例中，驾驶路线指的是为了达到驾驶需求，无人驾驶矿车的行驶的路线。
该实施例中，实时维度数据指的是无人驾驶矿车车身上的各种维度的传感器实时获取的传感器的数据，包括：激光雷达、毫米波雷达、导航传感器、姿态传感器。
该实施例中，实时水平数据指的是无人驾驶矿车车身上的陀螺仪获取的实时的水平数据。
该实施例中，调整路线指的是通过对实时维度数据以及实时水平数据进行分析，得到的对实时的障碍进行躲避调整后的驾驶的路线。
该实施例中，障碍参数指的是表示障碍的特性的参数，例如：外观，性质。
该实施例中，驾驶路线数据库指的是包含全部驾驶路线的数据库。
上述技术方案的工作原理及有益效果是：通过分析无人驾驶矿车的第一图像，得到当下的驾驶环境，分析驾驶环境以及驾驶需求，匹配相对应的驾驶路线；还通过分析无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线；基于调整路线上涉及的障碍参数对驾驶路线进行终端修改；评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库，提高矿场的作业效率，保障无人驾驶矿车的安全驾驶，保障矿场的作业安全。
实施例2：
根据发明实施例1提供的方法，获取无人驾驶矿车的第一图像，得到当下的驾驶环境，包括：
获取无人驾驶矿车在第一时间段内每个时刻下的第一图像，构建第一图像集合；
基于第一图像集合中每个第一图像的色温以及环境-色温对照表，得到相对应的第一环境；
若全部第一环境均相同，获取每个第一环境相对应的第一颗粒浓度并求取平均得到第二颗粒浓度；
基于所述第一环境以及所述第二颗粒浓度，得到当下的驾驶环境。
该实施例中，第一时间段指的是预先设置的无人驾驶矿车驾驶开始时的时间段。
该实施例中，第一图像集合指的是第一图像的集合。
该实施例中，环境-色温对照表指的是驾驶环境以及相对应的图像的色温一一对照的表。
该实施例中，第一环境指的是第一图像的色温在环境-色温对照表中匹配的驾驶环境。
该实施例中，第一颗粒浓度指的是第一图像中的颗粒浓度，例如雨、雪以及扬尘的颗粒浓度。
该实施例中，第二颗粒浓度指的是全部第一图像中的第一颗粒浓度的平均值。
上述技术方案的工作原理及有益效果是：通过分析无人驾驶矿车的第一图像中的颗粒浓度以及色温，得到当下的驾驶环境，有利于后续匹配驾驶路线，提高无人驾驶矿车的管理的精准度。
实施例3：
根据发明实施例1提供的方法，基于所述驾驶环境以及驾驶需求，匹配相对应的驾驶路线，包括：
根据当下的驾驶环境匹配相对应的驾驶需求-参数对照表；
基于所述驾驶需求以及所述驾驶需求-参数对照表，得到相对应的驾驶参数；
基于所述驾驶参数，匹配相对应的驾驶路线。
该实施例中，驾驶需求-参数对照表指的是满足驾驶需求需要的相对应的驾驶参数。
该实施例中，驾驶参数指的是与无人驾驶矿车的驾驶过程有关的参数，包括：无人驾驶矿车需要实现的功能、速度、承载量，驾驶过程中各种传感器获取的数据。
上述技术方案的工作原理及有益效果是：通过分析驾驶环境以及驾驶需求，匹配相对应的驾驶路线，有利于对无人驾驶矿车的管理。
实施例4：
根据发明实施例1提供的方法，基于无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线，包括：
基于所述驾驶路线相对应的历史驾驶日志，得到历史驾驶过程中的预设水平序列；
获取无人驾驶矿车的实时水平数据，按照时刻顺序构建第一水平序列；
基于所述第一水平序列以及预设水平序列，得到相同顺序的时刻的第一差值，并获取大于预设差值的第一差值的个数，得到第一个数；
若第一个数大于预设个数，则将全部第一差值按照时刻顺序构建第一差值序列；
将所述第一差值序列输入至水平偏差分析模型，得到当下时刻的驾驶路线偏差；
基于所述驾驶路线偏差对所述驾驶路线进行一次调整，得到第一驾驶路线；
基于每个维度传感器的实时维度数据，得到每个时刻的全部实时维度数据，构建维度集合；
基于所述维度集合，构建相对应的二维栅格图，模拟相对应的驾驶场景；
基于所述二维栅格图以及预设驾驶场景，得到不属于预设驾驶场景的第一矩阵区域；
保留区域面积大于预设面积的第一矩阵区域；
基于保留的第一矩阵区域，得到相对应的第一定位点集合；
基于所述第一定位点集合中的每个第一定位点所在的单元矩阵的中点，得到相对应的第二定位点集合；
基于所述第二定位点集合构建第一轮廓，若第一轮廓的第一坐标在第一驾驶路线上，则获取第一轮廓相对应的第一体积；
基于所述第一体积以及障碍处理方式对照表，得到相对应的障碍处理方式；
若障碍处理方式为绕过第一轮廓，则对第一驾驶路线进行调整，得到调整路线。
该实施例中，历史驾驶日志指的是无人驾驶矿车在历史驾驶过程中的日志，包括驾驶的每一时刻的驾驶参数。
该实施例中，预设水平序列指的是历史驾驶日志中在正常的驾驶过程中，每一时刻的水平传感器获取的水平数据构建的序列。
该实施例中，第一水平序列指的是无人驾驶矿车的实时水平数据，按照时刻顺序构建得到的序列。
该实施例中，第一差值指的是第一水平序列以及预设水平序列中相同顺序的时刻的水平数据的数值的差值。
该实施例中，预设差值指的是预先设置的第一水平序列以及预设水平序列中相同顺序的时刻的水平数据的数值的合理的差值。
该实施例中，第一个数指的是大于预设差值的第一差值的个数。
该实施例中，预设个数指的是预先设置的水平数据异常的个数的合理的范围内的最大个数。
该实施例中，第一差值序列指的是若第一个数大于预设个数，则将全部第一差值按照时刻顺序构建得到的序列。
该实施例中，水平偏差分析模型指的是由水平的偏差的数据训练得到的能够分析水平偏差程度的模型。
该实施例中，驾驶路线偏差指的是通过水平偏差分析模型，得到的当下时刻的驾驶路线由于驾驶路线中的水平偏差导致的偏差的数值。
该实施例中，第一驾驶路线指的是对驾驶路线偏差进行调整，使驾驶路线修正偏差的驾驶路线。
该实施例中，维度集合指的是每个维度传感器的实时维度数据，得到每个时刻的全部实时维度数据构建的集合。
该实施例中，二维栅格图指的是通过对维度集合中的全部的数据用一个个栅格组成的网格，表示当下的驾驶场境。
该实施例中，驾驶场景指的是通过对实时维度数据进行图像表示，得到的当下的无人驾驶矿车的驾驶的场景。
该实施例中，预设驾驶场景指的是当下驾驶需求相对应的预先设置的驾驶的场景。
该实施例中，第一矩阵区域指的是二维栅格图中不属于预设驾驶场景的网格构建的区域。
该实施例中，预设面积指的是预先设置的驾驶场景中能够影响驾驶路线的第一矩阵区域的面积。
该实施例中，第一定位点集合指的是区域面积大于预设面积的第一矩阵区域的最外一层的栅格的最外侧的点的集合。
该实施例中，单元矩阵指的是二维栅格图中的最小单元的栅格。
该实施例中，第二定位点集合指的是第一定位点集合中的每个第一定位点所在的单元矩阵的中点构建的集合。
该实施例中，第一轮廓指的是第二定位点集合中的点构建的轮廓。
该实施例中，第一坐标指的是第一轮廓包含的全部点的坐标。
该实施例中，第一体积指的是通过对第一轮廓进行分析得到的体积。
该实施例中，障碍处理方式对照表指的是障碍处理方式以及第一体积一一对照的表。
该实施例中，障碍处理方式指的是对第一轮廓进行避让或者碾压的方式，包括：绕过以及碾压。
上述技术方案的工作原理及有益效果是：通过分析无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，对有可能造成无人驾驶矿车路线偏差或者驾驶有危险的障碍进行分析，对驾驶路线进行调整，得到当下的调整路线，保障无人驾驶矿车的安全驾驶，保障矿场的作业安全。
实施例5：
根据发明实施例4提供的方法，基于调整路线上涉及的障碍参数对驾驶路线进行终端修改的过程中，包括：
基于调整路线调整完成的第一时刻，获取每个第一时刻的第二图像；
基于所述第二图像，从障碍种类数据库匹配相对应的障碍种类；
基于全部障碍种类以及相对应的第一轮廓，得到相对应的障碍参数；
将所述障碍参数输入至障碍分析模型，得到障碍分析报告。
该实施例中，第一时刻指的是调整路线调整完成后的时刻。
该实施例中，第二图像指的是第一时刻的无人驾驶矿车的车身的摄像头获取的图像。
该实施例中，障碍种类数据库指的是包含障碍种类以及相对应的图像的数据库。
该实施例中，障碍种类指的是预先设置的矿场中可能出现的障碍的种类。
该实施例中，障碍参数指的是表示每个障碍种类的特性的参数。
该实施例中，障碍分析模型指的是由矿场的障碍的特性以及相对应的时效特性训练得到的，能够对障碍参数进行分析，得到障碍的时效性的模型。
该实施例中，障碍分析报告指的是障碍分析模型输出的障碍的时效性分析的报告。
上述技术方案的工作原理及有益效果是：通过分析调整路线上涉及的障碍参数，得到相对应的障碍的时效性，有利于对长期存在的障碍进行避让，在终端修改驾驶路线。
实施例6：
根据发明实施例5提供的方法，得到障碍分析报告后，包括：
基于所述障碍分析报告，得到障碍的时间特性；
若时间特性为长期障碍特性，对驾驶路线进行终端修改，并生成相对应的第一驾驶场景。
该实施例中，时间特性指的是障碍的长期有效性或者短期有效性。
该实施例中，第一驾驶场景指的是对时间特性为长期障碍特性的障碍相对应的驾驶路线进行调整后得到的驾驶场景。
上述技术方案的工作原理及有益效果是：通过分析障碍的时间特性，对长期的障碍相对应的驾驶路线进行修改，有利于提高匹配驾驶路线的效率。
实施例7：
根据发明实施例6提供的方法，评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库，包括：
基于第一驾驶场景，构建相对应的模拟驾驶模型；
将第一驾驶场景相对应的驾驶路线输入至模拟驾驶模型，得到驾驶时的驾驶长度、驾驶时间以及每个时刻的驾驶速度；
基于所述驾驶长度、所述驾驶时间以及所述驾驶速度，计算得到相对应的评估指数；
若所述评估指数大于预设评估指数，则将相对应的驾驶路线存储至驾驶路线数据库。
该实施例中，模拟驾驶模型指的是由第一驾驶场景训练得到的，能够模拟第一驾驶场景的模型。
该实施例中，评估指数指的是评估第一驾驶场景的驾驶路线的工作效率的能力的指数。
该实施例中，预设评估指数指的是预先设置的效率合格的评估指数。
上述技术方案的工作原理及有益效果是：通过评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库，提高驾驶路线数据库中的驾驶路线的效率。
实施例8：
根据发明实施例7提供的方法，基于所述驾驶长度、所述驾驶时间以及所述驾驶速度，计算得到相对应的评估指数，包括：；其中，/>表示驾驶路线的评估指数；/>表示驾驶路线的驾驶时间包含的时刻数量；/>表示驾驶路线的第个时刻相对应的驾驶速度；/>表示第一驾驶场景的预设驾驶路线在第/>个时刻相对应的驾驶速度；/>表示驾驶路线的第/>个时刻的驾驶速度相对应的计算权重；/>表示的最大值；/>表示驾驶路线的驾驶长度；/>表示第一驾驶场景的预设驾驶路线的驾驶长度；/>表示驾驶路线的驾驶时间；/>表示第一驾驶场景的预设驾驶路线的驾驶时间。
该实施例中，计算权重指的是无人驾驶矿车的每个速度相对应的加入计算的程度的数值。
上述技术方案的工作原理及有益效果是：通过分析驾驶长度、所述驾驶时间以及所述驾驶速度，计算得到相对应的评估指数，精准地评估无人驾驶矿车的驾驶路线的效率。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.无人驾驶矿车数据的管理方法，其特征在于，包括：
步骤1：获取无人驾驶矿车的第一图像，得到当下的驾驶环境；
步骤2：基于所述驾驶环境以及驾驶需求，匹配相对应的驾驶路线；
步骤3：基于无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线；
步骤4：基于调整路线上涉及的障碍参数对驾驶路线进行终端修改；
步骤5：评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库。
2.根据权利要求1所述的方法，其特征在于，获取无人驾驶矿车的第一图像，得到当下的驾驶环境，包括：
获取无人驾驶矿车在第一时间段内每个时刻下的第一图像，构建第一图像集合；
基于第一图像集合中每个第一图像的色温以及环境-色温对照表，得到相对应的第一环境；
若全部第一环境均相同，获取每个第一环境相对应的第一颗粒浓度并求取平均得到第二颗粒浓度；
基于所述第一环境以及所述第二颗粒浓度，得到当下的驾驶环境。
3.根据权利要求1所述的方法，其特征在于，基于所述驾驶环境以及驾驶需求，匹配相对应的驾驶路线，包括：
根据当下的驾驶环境匹配相对应的驾驶需求-参数对照表；
基于所述驾驶需求以及所述驾驶需求-参数对照表，得到相对应的驾驶参数；
基于所述驾驶参数，匹配相对应的驾驶路线。
4.根据权利要求1所述的方法，其特征在于，基于无人驾驶矿车的实时维度数据、实时水平数据以及驾驶路线，得到当下的调整路线，包括：
基于所述驾驶路线相对应的历史驾驶日志，得到历史驾驶过程中的预设水平序列；
获取无人驾驶矿车的实时水平数据，按照时刻顺序构建第一水平序列；
基于所述第一水平序列以及预设水平序列，得到相同顺序的时刻的第一差值，并获取大于预设差值的第一差值的个数，得到第一个数；
若第一个数大于预设个数，则将全部第一差值按照时刻顺序构建第一差值序列；
将所述第一差值序列输入至水平偏差分析模型，得到当下时刻的驾驶路线偏差；
基于所述驾驶路线偏差对所述驾驶路线进行一次调整，得到第一驾驶路线；
基于每个维度传感器的实时维度数据，得到每个时刻的全部实时维度数据，构建维度集合；
基于所述维度集合，构建相对应的二维栅格图，模拟相对应的驾驶场景；
基于所述二维栅格图以及预设驾驶场景，得到不属于预设驾驶场景的第一矩阵区域；
保留区域面积大于预设面积的第一矩阵区域；
基于保留的第一矩阵区域，得到相对应的第一定位点集合；
基于所述第一定位点集合中的每个第一定位点所在的单元矩阵的中点，得到相对应的第二定位点集合；
基于所述第二定位点集合构建第一轮廓，若第一轮廓的第一坐标在第一驾驶路线上，则获取第一轮廓相对应的第一体积；
基于所述第一体积以及障碍处理方式对照表，得到相对应的障碍处理方式；
若障碍处理方式为绕过第一轮廓，则对第一驾驶路线进行调整，得到调整路线。
5.根据权利要求4所述的方法，其特征在于，基于调整路线上涉及的障碍参数对驾驶路线进行终端修改的过程中，包括：
基于调整路线调整完成的第一时刻，获取每个第一时刻的第二图像；
基于所述第二图像，从障碍种类数据库匹配相对应的障碍种类；
基于全部障碍种类以及相对应的第一轮廓，得到相对应的障碍参数；
将所述障碍参数输入至障碍分析模型，得到障碍分析报告。
6.根据权利要求5所述的方法，其特征在于，得到障碍分析报告后，包括：
基于所述障碍分析报告，得到障碍的时间特性；
若时间特性为长期障碍特性，对驾驶路线进行终端修改，并生成相对应的第一驾驶场景。
7.根据权利要求6所述的方法，其特征在于，评估终端修改后的驾驶路线，将评估合格的驾驶路线存储至驾驶路线数据库，包括：
基于第一驾驶场景，构建相对应的模拟驾驶模型；
将第一驾驶场景相对应的驾驶路线输入至模拟驾驶模型，得到驾驶时的驾驶长度、驾驶时间以及每个时刻的驾驶速度；
基于所述驾驶长度、所述驾驶时间以及所述驾驶速度，计算得到相对应的评估指数；
若所述评估指数大于预设评估指数，则将相对应的驾驶路线存储至驾驶路线数据库。
8.根据权利要求7所述的方法，其特征在于，基于所述驾驶长度、所述驾驶时间以及所述驾驶速度，计算得到相对应的评估指数，包括：；其中，/>表示驾驶路线的评估指数；/>表示驾驶路线的驾驶时间包含的时刻数量；/>表示驾驶路线的第/>个时刻相对应的驾驶速度；/>表示第一驾驶场景的预设驾驶路线在第/>个时刻相对应的驾驶速度；/>表示驾驶路线的第/>个时刻的驾驶速度相对应的计算权重；/>表示/>的最大值；/>表示驾驶路线的驾驶长度；/>表示第一驾驶场景的预设驾驶路线的驾驶长度；/>表示驾驶路线的驾驶时间；/>表示第一驾驶场景的预设驾驶路线的驾驶时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410502340.8A CN118097605A (zh) | 2024-04-25 | 2024-04-25 | 无人驾驶矿车数据的管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410502340.8A CN118097605A (zh) | 2024-04-25 | 2024-04-25 | 无人驾驶矿车数据的管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118097605A true CN118097605A (zh) | 2024-05-28 |
Family
ID=91150377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410502340.8A Pending CN118097605A (zh) | 2024-04-25 | 2024-04-25 | 无人驾驶矿车数据的管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118097605A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101863123B1 (ko) * | 2017-02-15 | 2018-06-01 | 한국건설기술연구원 | 자율주행 무인비행체 및 이동형 무인부체를 이용한 하천 녹조지도 작성 시스템 |
| CN113359709A (zh) * | 2021-05-19 | 2021-09-07 | 中山大学 | 一种基于数字孪生的无人驾驶运动规划方法 |
| CN114895682A (zh) * | 2022-05-19 | 2022-08-12 | 上海伯镭智能科技有限公司 | 一种基于云端数据的无人驾驶矿车行走参数校正方法及系统 |
| CN116300538A (zh) * | 2023-02-28 | 2023-06-23 | 内蒙古北方蒙西发电有限责任公司 | 一种无人驾驶推煤系统 |
| CN116337102A (zh) * | 2023-03-29 | 2023-06-27 | 博雷顿科技股份公司 | 基于数字孪生技术的无人驾驶环境感知与导航方法 |
| CN116494930A (zh) * | 2023-06-27 | 2023-07-28 | 上海伯镭智能科技有限公司 | 一种矿区无人驾驶矿车紧急制动方法 |
| US20230304896A1 (en) * | 2022-03-22 | 2023-09-28 | Jilin University | Method for evaluating performance of self-driving vehicle oriented to full parameter space of logical scenario |
| WO2023203389A1 (en) * | 2022-04-21 | 2023-10-26 | Sindhu Sarvesh | A method for generating an automated survey and analysis of an opencast mine using an unmanned aerial vehicle |
| CN117636652A (zh) * | 2023-12-15 | 2024-03-01 | 博睿斯数字能源(深圳)有限公司 | 一种基于人工智能的矿车驾驶智能预警系统 |
| CN117850419A (zh) * | 2023-12-29 | 2024-04-09 | 博睿斯数字能源(深圳)有限公司 | 一种基于数据分析的矿车自动驾驶路线智能规划系统 |
-
2024
- 2024-04-25 CN CN202410502340.8A patent/CN118097605A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101863123B1 (ko) * | 2017-02-15 | 2018-06-01 | 한국건설기술연구원 | 자율주행 무인비행체 및 이동형 무인부체를 이용한 하천 녹조지도 작성 시스템 |
| CN113359709A (zh) * | 2021-05-19 | 2021-09-07 | 中山大学 | 一种基于数字孪生的无人驾驶运动规划方法 |
| US20230304896A1 (en) * | 2022-03-22 | 2023-09-28 | Jilin University | Method for evaluating performance of self-driving vehicle oriented to full parameter space of logical scenario |
| WO2023203389A1 (en) * | 2022-04-21 | 2023-10-26 | Sindhu Sarvesh | A method for generating an automated survey and analysis of an opencast mine using an unmanned aerial vehicle |
| CN114895682A (zh) * | 2022-05-19 | 2022-08-12 | 上海伯镭智能科技有限公司 | 一种基于云端数据的无人驾驶矿车行走参数校正方法及系统 |
| CN116300538A (zh) * | 2023-02-28 | 2023-06-23 | 内蒙古北方蒙西发电有限责任公司 | 一种无人驾驶推煤系统 |
| CN116337102A (zh) * | 2023-03-29 | 2023-06-27 | 博雷顿科技股份公司 | 基于数字孪生技术的无人驾驶环境感知与导航方法 |
| CN116494930A (zh) * | 2023-06-27 | 2023-07-28 | 上海伯镭智能科技有限公司 | 一种矿区无人驾驶矿车紧急制动方法 |
| CN117636652A (zh) * | 2023-12-15 | 2024-03-01 | 博睿斯数字能源(深圳)有限公司 | 一种基于人工智能的矿车驾驶智能预警系统 |
| CN117850419A (zh) * | 2023-12-29 | 2024-04-09 | 博睿斯数字能源(深圳)有限公司 | 一种基于数据分析的矿车自动驾驶路线智能规划系统 |
Non-Patent Citations (5)
| Title |
|---|
| 张静: "基于多传感器融合的露天矿山障碍物检测方法研究", 中国优秀硕士学位论文全文数据库, 15 February 2024 (2024-02-15) * |
| 徐灵灵: "矿用无人机车制动系统的设计研究", 中国优秀硕士学位论文全文数据库, 15 January 2024 (2024-01-15) * |
| 王骞;任俊州;黄林;李军;: "基于人工智能的汽车无人驾驶避障模块的研究与分析", 石河子科技, no. 05, 10 October 2017 (2017-10-10) * |
| 石峰;郭鑫;龙智卓;李恒通;姜勇;赵继平;宁媛松;: "地下矿用车辆无人驾驶目标路径规划方法研究", 矿冶, no. 04, 8 August 2018 (2018-08-08) * |
| 马春黎;张大鹏;: "无人驾驶汽车中环境感知的相关技术综述及专利分析", 科学技术创新, no. 15, 25 May 2020 (2020-05-25) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4071661A1 (en) | Automatic driving method, related device and computer-readable storage medium | |
| CN111860493B (zh) | 一种基于点云数据的目标检测方法及装置 | |
| CN103389103B (zh) | 一种基于数据挖掘的地理环境特征地图构建与导航方法 | |
| CN110362083B (zh) | 一种基于多目标跟踪预测的时空地图下自主导航方法 | |
| CN103542868B (zh) | 基于角度和强度的车载激光点云噪点自动去除方法 | |
| CN106980657A (zh) | 一种基于信息融合的车道级电子地图构建方法 | |
| CN110349192B (zh) | 一种基于三维激光点云的在线目标跟踪系统的跟踪方法 | |
| CN112697134A (zh) | 一种室内巡检机器人的环境感知方法、系统、设备及其计算机可读存储介质 | |
| CN115903879A (zh) | 基于地形数据插值技术的无人机航迹规划方法 | |
| CN115909092A (zh) | 轻量化输电通道隐患测距方法及隐患预警装置 | |
| CN113534844A (zh) | 一种未知环境下的旋翼飞行器输电线路巡检方法及装置 | |
| CN112066976A (zh) | 一种自适应膨胀处理方法、系统、机器人及存储介质 | |
| CN110825112B (zh) | 基于多无人机的油田动态侵入目标追踪系统与方法 | |
| CN114089786A (zh) | 一种基于无人机视觉的沿山区公路自主巡检系统 | |
| CN114153224A (zh) | 基于微气象的无人机飞行路径智能规划控制系统及方法 | |
| CN113674355A (zh) | 一种基于相机与激光雷达的目标识别与定位方法 | |
| CN111257853B (zh) | 一种基于imu预积分的自动驾驶系统激光雷达在线标定方法 | |
| CN115218916A (zh) | 一种安全性路径规划方法、装置 | |
| CN111401190A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
| CN114610070A (zh) | 一种无人机协同的风电场智能巡检方法 | |
| CN118097605A (zh) | 无人驾驶矿车数据的管理方法 | |
| CN116658828A (zh) | 基于cim数字孪生技术的燃气管网无人机巡检系统及方法 | |
| CN112651986B (zh) | 环境识别方法、识别装置、识别系统、电子设备及介质 | |
| CN117452958A (zh) | 一种基于人工智能的无人机巡检方案制定方法及系统 | |
| Tang et al. | An Efficientnet Based Method for Autonomous Vehicles Trajectory Prediction |
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 |