<kbd id="ia2e8"><input id="ia2e8"></input></kbd><u id="ia2e8"></u>
  • <blockquote id="ia2e8"></blockquote>
  • <blockquote id="ia2e8"></blockquote>
  • <samp id="ia2e8"><label id="ia2e8"></label></samp>
  • 車輛的控制方法及裝置、無人駕駛車輛與流程

    文檔序號:26100124發布日期:2021-07-30 18:10

    技術特征:

    1.一種車輛的控制方法,其特征在于,包括:

    獲取目標車輛的行駛環境圖像;

    對所述行駛環境圖像進行預處理,得到預處理后的行駛環境圖像;

    通過駕駛行為決策模型,確定與所述預處理后的行駛環境圖像對應的控制策略,其中,所述駕駛行為決策模型為使用多組訓練數據通過機器學習訓練得到的,所述多組訓練數據中的每一組訓練數據均包括:行駛環境圖像以及與所述行駛環境圖像對應的控制策略,所述行駛環境圖像為預處理后的圖像;

    按照所述控制策略控制所述目標車輛的行駛行為。

    2.根據權利要求1所述的方法,其特征在于,獲取目標車輛當前所在空間的行駛環境圖像,包括:

    確定所述目標車輛處于運行狀態;

    觸發所述目標車輛上的圖像采集設備采集所述目標車輛預定區域內的行駛環境圖像。

    3.根據權利要求1所述的方法,其特征在于,對所述行駛環境圖像進行預處理,包括以下至少之一:

    利用熱核擴散方式對所述行駛環境圖像進行去噪處理,以過濾掉所述行駛環境圖像中的背景噪聲;

    將所述行駛環境圖像與行駛環境圖像模板比較,以過濾掉所述行駛環境圖像中的背景噪聲,其中,所述行駛環境圖像模板為預先設置并用于對行駛環境圖像進行去噪的模板。

    4.根據權利要求1所述的方法,其特征在于,按照所述控制策略控制所述目標車輛的行駛行為,包括以下至少之一:

    按照所述控制策略控制所述目標車輛的行駛速度;

    按照所述控制策略控制所述目標車輛的行駛方向。

    5.根據權利要求1所述的方法,其特征在于,所述方法還包括:

    對所述行駛環境圖像進行分析,得到所述目標車輛所在環境的氣象信息;

    基于所述氣象信息確定所述目標車輛所在環境的環境等級;

    按照所述環境等級控制所述目標車輛的預定部件,其中,所述預定部件包括以下至少之一:車窗、雨刷器、空調器。

    6.根據權利要求5所述的方法,其特征在于,基于所述氣象信息確定所述目標車輛所在環境的環境等級,包括:

    通過環境等級判定模型,確定與所述氣象信息對應的環境等級,其中,所述環境等級判定模型為使用多組訓練數據通過機器學習訓練得到的,所述多組訓練數據中每一組訓練數據均包括:氣象信息與氣象信息對應的環境等級。

    7.根據權利要求6所述的方法,其特征在于,在通過環境等級判定模型,確定與所述氣象信息對應的環境等級之前,所述方法還包括:

    獲取多個歷史氣象信息;

    通過預定判斷條件對所述多個歷史氣象信息進行標定,確定多個所述歷史氣象信息中每一個歷史氣象信息對應的環境等級,以獲取所述訓練數據。

    8.根據權利要求5至7中任一項所述的方法,其特征在于,所述方法還包括:

    采集所述目標車輛中乘客的圖像;

    對所述圖像進行分析,得到所述乘客的情緒信息;

    確定與所述情緒信息對應的多媒體文件;

    控制所述目標車輛的媒體部件播放所述多媒體文件。

    9.一種車輛的控制方法,其特征在于,包括:

    在目標車輛的操作界面中展示所述目標車輛的行駛環境圖像;

    對所述行駛環境圖像進行預處理,得到預處理后的行駛環境圖像;

    在所述操作界面中展示通過駕駛行為決策模型,確定與所述預處理后的行駛環境圖像對應的控制策略,其中,所述駕駛行為決策模型為使用多組訓練數據通過機器學習訓練得到的,所述多組訓練數據中的每一組訓練數據均包括:行駛環境圖像以及與所述行駛環境圖像對應的控制策略,所述行駛環境圖像為預處理后的圖像;

    在所述操作界面上展示所述目標車輛按照所述控制策略行駛的行駛路線。

    10.一種車輛的控制裝置,其特征在于,包括:

    獲取單元,用于獲取目標車輛的行駛環境圖像;

    預處理單元,用于對所述行駛環境圖像進行預處理,得到預處理后的行駛環境圖像;

    確定單元,用于通過駕駛行為決策模型,確定與所述預處理后的行駛環境圖像對應的控制策略,其中,所述駕駛行為決策模型為使用多組訓練數據通過機器學習訓練得到的,所述多組訓練數據中的每一組訓練數據均包括:行駛環境圖像以及與所述行駛環境圖像對應的控制策略,所述行駛環境圖像為預處理后的圖像;

    控制單元,用于按照所述控制策略控制所述目標車輛的行駛行為。

    11.一種車輛的控制裝置,其特征在于,包括:

    第一展示單元,用于在目標車輛的操作界面中展示所述目標車輛的行駛環境圖像;

    處理單元,用于對所述行駛環境圖像進行預處理,得到預處理后的行駛環境圖像;

    第二展示單元,用于在所述操作界面中展示通過駕駛行為決策模型,確定與所述預處理后的行駛環境圖像對應的控制策略,其中,所述駕駛行為決策模型為使用多組訓練數據通過機器學習訓練得到的,所述多組訓練數據中的每一組訓練數據均包括:行駛環境圖像以及與所述行駛環境圖像對應的控制策略,所述行駛環境圖像為預處理后的圖像;

    第三展示單元,用于在所述操作界面上展示所述目標車輛按照所述控制策略行駛的行駛路線。

    12.一種無人駕駛車輛,其特征在于,使用上述權利要求1至8中任一項所述的車輛的控制方法,或,權利要求9所述的車輛的控制方法。

    13.一種計算機可讀存儲介質,其特征在于,所述計算機可讀存儲介質包括存儲的計算機程序,其中,在所述計算機程序被處理器運行時控制所述計算機可讀存儲介質所在設備執行上述權利要求1至8中任一項所述的車輛的控制方法,或,權利要求9所述的車輛的控制方法。

    14.一種處理器,其特征在于,所述處理器用于運行計算機程序,其中,所述計算機程序運行時執行上述權利要求1至8中任一項所述的車輛的控制方法,或,權利要求9所述的車輛的控制方法。


    技術總結
    本發明公開了一種車輛的控制方法及裝置、無人駕駛車輛。其中,該方法包括:獲取目標車輛的行駛環境圖像;對行駛環境圖像進行預處理,得到預處理后的行駛環境圖像;通過駕駛行為決策模型,確定與預處理后的行駛環境圖像對應的控制策略,其中,駕駛行為決策模型為使用多組訓練數據通過機器學習訓練得到的,多組訓練數據中的每一組訓練數據均包括:行駛環境圖像以及與行駛環境圖像對應的控制策略,行駛環境圖像為預處理后的圖像;按照控制策略控制目標車輛的行駛行為。本發明解決了相關技術中在對車輛所在道路進行路況分析時,容易受到分析對象中干擾物的影響,降低了路況分析的精準度,存在安全隱患的技術問題。

    技術研發人員:顧裕潔;孫豐濤;聶曉馬;趙紅芳;李永業;欒琳;李寧;肖春輝
    受保護的技術使用者:銀隆新能源股份有限公司;珠海廣通汽車有限公司
    技術研發日:2021.05.06
    技術公布日:2021.07.30
    再多了解一些
    當前第2頁1 2 
    網友詢問留言 已有0條留言
    • 還沒有人留言評論。精彩留言會獲得點贊!
    1
    中文字幕一区在线观看视频_国产偷v国产偷v_西西人体44rt net毛最多_伊人久久大香线蕉综合网