CN111522348A - 滑板车自行走控制方法与*** - Google Patents

Abstract

本申请涉及一种滑板车自行走控制方法与***。其中，所述滑板车自行走控制方法，通过滑板车依据滑板车的当前位置信息与目的地信息，采用路径最优算法，计算最优路径，使得滑板车可以耗费最少的时间自行走至目的地，避免滑板车驶入错误路线。通过本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，可以使得滑板车可以安全自行走至目的地，大大减少滑板车发生交通事故的风险。整个滑板车自行走过程无需人工监控，实现了自动化。

Description

滑板车自行走控制方法与***

技术领域

本申请涉及滑板车技术领域，特别是涉及一种滑板车自行走控制方法与***。

背景技术

电动滑板车是以传统人力滑板为基础，加上电力套件的交通工具。目前的电动滑板车一般分为单轮驱动，双轮驱动和三轮驱动，最常见的传动方式分别为:轮毂(HUB)、以及皮带驱动，其主要电力来源为锂电池组。电动滑板车的控制方式与传统电动自行车相同，容易被驾驶者学习，配备可拆装可折叠的车座，比传统电动自行车结构简单、车轮小、轻巧简便，能节省大量社会资源。近年来，锂电池的电动滑板车快速发展，催生了新的需求和态势，例如共享电动滑板车的发展。

然而，传统的电动滑板车无法在无人操控的情况下自动行驶至某一指定地点。用户在需要使用共享电动滑板车时，需要通过肉眼或者手机APP先确定周围有无滑板车。在确定周围有滑板车后，用户还需要徒步走到滑板车所处的位置才能开始使用。这无疑大大浪费了用户的时间。

发明内容

基于此，有必要针对传统电动滑板车无法在无人操控的情况下自动行驶至某一指定地点的问题，提供一种板车自行走控制方法与***。

本申请提供一种滑板车自行走控制方法，应用于滑板车，包括：

获取自行走指令与目的地信息；所述目的地信息包括目的地的位置信息；

获取所述滑板车的当前位置信息，并依据所述当前位置信息与所述目的地信息，采用路径最优算法，计算最优路径；

依据所述最优路径，以及本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，直至到达所述目的地。

本申请涉及一种滑板车自行走控制方法，应用于滑板车，滑板车通过依据滑板车的当前位置信息与目的地信息，采用路径最优算法，计算最优路径，使得滑板车可以耗费最少的时间自行走至目的地，避免滑板车驶入错误路线。通过本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，可以使得滑板车可以安全自行走至目的地，大大减少滑板车发生交通事故的风险。整个滑板车自行走过程无需人工监控，实现了自动化。

本申请还提供一种滑板车自行走控制方法，应用于云端服务器，包括：

获取用户的用车时间信息和目的地的位置信息；

依据所述用车时间信息和所述目的地的位置信息，在数据库中搜索与所述用车时间信息和所述目的地的位置信息匹配的滑板车；

创建自行走指令，将向所述用车时间信息和所述目的地的位置信息整合为目的地信息，向所述滑板车发送所述自行走指令与所述目的地信息。

本申请涉及一种滑板车自行走控制方法，应用于云端服务器，通过云端服务器获取用户的用车时间信息和目的地的位置信息，实现数据库中的滑板车与用户需求合理匹配。通过云端服务器向所述滑板车发送所述自行走指令与所述目的地信息，使得滑板车具有自行走的数据基础，便于后续滑板车规划最优路径。

本申请还涉及一种滑板车自行走***，包括：

云端服务器，用于依据用户的用车时间信息和目的地的位置信息，生成自行走指令和目的地信息；

滑板车，与所述云端服务器通信连接，用于获取所述云端服务器发送的自行走指令与目的地信息，并依据所示自行走指令与目的地信息，自动行走至所述目的地；

所述滑板车包括：

GPS定位模块，用于获取所述滑板车的当前位置信息；

环境感知传感器，用于实时获取路况信息；

主控制器，与所述GPS定位模块、环境感知传感器分别电连接，用于获取所述GPS定位模块发送的所述滑板车的当前位置信息，以及所述云端服务器发送的目的地信息，并依据所述滑板车的当前位置信息和所述目的地信息，采用路径最优算法，计算最优路径；

所述主控制器还用于获取所述环境感知传感器发送的路况信息，依据所述路况信息控制所述滑板车的车轮不断执行前进、后退、转向或停止的动作，直至所述滑板车到达所述目的地。

本申请涉及一种滑板车自行走***，通过设置互相通信连接的云端服务器和滑板车，使得滑板车可以依据用户的用车需求，计算最优路径，从而使得滑板车可以依照用户需求快速且安全的自行走目的地，无需人工监控自行走过程，整个自行走过程实现了自动化。

附图说明

图1为本申请一实施例提供的应用于滑板车的滑板车自行走控制方法的流程示意图；

图2为本申请一实施例提供的应用于云端服务器的滑板车自行走控制方法的流程示意图；

图3为本申请一实施例提供的滑板车自行走控制***的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供一种滑板车自行走控制方法，应用于滑板车。

需要说明的是，本申请提供的滑板车自行走控制方法不限制其执行主体。可选地，所述滑板车自行走控制方法的执行主体可以是滑板车中的主控制器。

如图1所示，在本申请的一实施例中，所述滑板车自行走控制方法包括如下步骤：

A100，获取自行走指令与目的地信息。所述目的地信息包括目的地的位置信息。

具体地，本步骤中，云端服务器向所述滑板车发送自行走指令与目的地信息，滑板车获取云端服务器发送的自行走指令和目的地信息。所述目的地信息可以包括目的地的位置信息。所述目的地的位置信息可以包括所述目的地的坐标，例如博物馆的坐标。所述目的地信息还可以包括用户的用车时间信息，例如2020年5月20日15点30分。这表明用户于2020年5月20日15点30分需要用车前往博物馆。

A200，获取所述滑板车的当前位置信息。进一步地，依据所述当前位置信息与所述目的地信息，采用路径最优算法，计算最优路径。

具体地，所述滑板车获取所述滑板车的当前位置信息。所述滑板车的当前位置信息可以包括所述滑板车当前所处位置的坐标。可以理解，所述滑板车既获取了所述滑板车当前所处位置的坐标，又获取了所述目的地的坐标，所述滑板车可以进一步采用路径最优算法，计算最优路径。所述最优路径可以使得后续所述滑板车自行走的行走路径最优化，最大化缩短自行走时间。

A300，依据所述最优路径，以及本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，直至到达所述目的地。

具体地，所述滑板车搭载有环境感知传感器，所述环境感知传感器可以为一个，也可以为多个。所述环境感知传感器可以实时获取所述滑板车周围的路况信息，以使得所述滑板车可以规避行人或其他车辆等障碍物，保证滑板车自行走过程的安全性。

本实施例中，滑板车通过依据滑板车的当前位置信息与目的地信息，采用路径最优算法，计算最优路径，使得滑板车可以耗费最少的时间自行走至目的地，避免滑板车驶入错误路线。通过本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，可以使得滑板车可以安全自行走至目的地，大大减少滑板车发生交通事故的风险。整个滑板车自行走过程无需人工监控，实现了自动化。

在本申请的一实施例中，所述步骤A200包括如下步骤：：

A210，向GPS定位模块发送定位指令，以获取所述当前位置信息。所述当前位置信息包括所述滑板车当前所处位置的坐标。

具体地，所述GPS定位模块可以装设于所述滑板车。所述GPS定位模块可以为分米级别的***。所述GPS定位模块可以获取所述滑板车的当前位置信息，并将所述当前位置信息发送至所述主控制器。

A220，将以所述滑板车当前所处位置的坐标为圆心，以预设距离为半径绘制的圆覆盖的范围，定义为路径规划范围。

具体地，所述预设距离可以为所述滑板车当前所处位置的坐标与所述目的地的坐标之间的直线距离。当然，也可以以所述目的地的坐标为圆心定义所述路径规划范围。定义路径规划范围的目的是，为规划最优路径划定一个路径范围。

A230，向云端服务器调取云端地图。进一步地，依据所述云端地图获取所述路径规划范围内的交通状况信息和道路施工状况信息。

具体地，所述云端地图可以显示城市内所有区域的交通状况信息和道路施工状况信息。因此，依据所示云端地图，所述主控制器可以获取所述路径规划范围内的交通状况信息和道路施工状况信息。

A240，依据所述交通状况信息和道路施工状况信息，调用路径最优算法，计算最优路径。

具体地，通过分析所述交通状况信息和道路施工状况信息，可以使得最优路径避开交通堵塞，施工路段等行走不畅的路径。

本实施例中，所述主控制器通过获取GPS定位模块发送的滑板车的当前位置信息，定义路径规划范围，并调用云端地图获取路径规划范围内的交通状况信息和道路施工状况信息，计算最优路径，从而使得滑板车可以耗费最少的时间自行走至目的地，避免滑板车驶入错误路线。

在本申请的一实施例中，所述环境感知传感器包括AI识别模块、毫米波雷达模块和超声波雷达模块中的一种或多种。

具体地，所述环境感知传感器可以只包括AI识别模块、毫米波雷达模块和超声波雷达模块中的一种，也可以包括AI识别模块、毫米波雷达模块和超声波雷达模块中的多种。所述AI识别模块可以为AI视觉识别相机。

本实施例中，通过设置不同种类的环境感知传感器，使得滑板车可以规避各种类型的道路状况和路障，可以使得滑板车可以安全自行走至目的地，大大减少滑板车发生交通事故的风险。

在本申请的一实施例中，所述步骤A300包括如下步骤：

A311，实时获取所述AI识别模块发送的滑板车前方的目标物体的图像信息，以及可行区域信息。所述目标物体包括人、车辆、道路标志和红绿灯中的一种或多种。

具体地，所述AI识别模块可以包括AI视觉识别相机。所述AI识别相机可以拍摄所述滑板车前方的所有目标物体的图像，生成图像信息并发送至主控制器。所述AI识别相机还以对所述滑板车前方道路进行可行区域的划分，生成可行区域信息并发送至所述主控器。所述可行区域为所述滑板车可以正常行走的区域。非可行区域为所述滑板车无法正常形状的区域，例如树林，水池，建筑物等等。

所述AI识别模块还包括AI学习模型。本申请可以基于人工智能深度学习算法，采集日常检查数据的特征点，生成AI学习模型。在所述AI识别相机实时获取目标物体的图像后，将图像发送至所述AI学习模型。所述AI学习模型可以进一步对图像进行模型处理，精确地识别出图像中的目标物体。

A312，依据所述滑板车前方的目标物体的图像信息，以及所述可行区域信息，实时向电机控制器发送第一调整指令。所述第一调整指令用于指导所述电机控制器驱动所述滑板车执行前进、后退、转向或停止的动作。

具体地，所述主控制器可以依据目标物体的图像信息和可行区域信息，生成第一调整指令发送至所述电机控制器。所述电机控制器可以依据所述调整指令，合理控制滑板车中双驱电机的速度，从而实现驱动所述滑板车的轮子执行前进、后退、转向或停止的动作。

本实施例中，滑板车的主控制器通过所述AI识别模块发送的所述滑板车前方的目标物体的图像信息，以及可行区域信息，实现对电机控制器的控制策略的指导，以使得滑板车执行前进、后退、转向或停止的动作，实时规避各种目标物体。

在本申请的一实施例中，所述步骤A300包括如下步骤：

A321，实时获取所述毫米波雷达模块发送的滑板车前方的目标物体的坐标点，以及所述目标物体的坐标点信息。所述目标物体的坐标点信息包括所述目标物体相对于所述滑板车的角度、所述目标物体的运动速度、以及所述目标物体与所述滑板车的直线距离中的一种或多种。

具体地，前述步骤A311至步骤A312中的AI识别模块主要是对目标物体的图像获取，属于二维信息的获取。而本步骤中的毫米波雷达模块可以将所述目标物体以点的形式反馈信息给所述主控制器，也即将所述目标物体转化为一个坐标点，实时获取所述目标物体的坐标点信息并发送至所述主控制器。通过毫米波雷达模块和AI识别模块的结合，可以使得主控制器可以实时获取滑板车前方的目标物体的三维信息。

A322，依据所述滑板车前方的目标物体的坐标点和坐标点信息，实时向电机控制器发送第二调整指令。所述第二调整指令用于指导所述电机控制器驱动所述滑板车执行前进、后退、转向或停止的动作。

具体地，本步骤中的第二调整指令与步骤A312中的第一调整指令原理相同，此处不再赘述。

本实施例中，滑板车的主控制器通过所述毫米波雷达模块发送的所述滑板车前方的目标物体的坐标点信息，丰富了目标物体的三维信息，实现对电机控制器的控制策略的指导，以使得滑板车执行前进、后退、转向或停止的动作，实时规避各种目标物体。

在本申请的一实施例中，所述步骤A300包括如下步骤：

A331，实时获取所述超声波雷达模块发送的滑板车两侧的回波信息。

具体地，所述超声波雷达模块的主要用于检测所述滑板车两侧是否有物体。所述超声波雷达，相对于所述AI识别模块和所述毫米波雷达模块而言，成本较低。可选地，所述超声波雷达模块可以包括多个超声波探头，设置于滑板车的车身侧面。可选地，单个超声波探头的检测范围可以为30厘米，4个超声波探头即可以实现在120厘米范围内有效检测不明物体。可选地，多个超声波探头同一时间可以进行多物体检测，不但检测准确度更高，而且可以形成动态轨迹，便于实时对滑板车周边环境观察。

A332，依据所述滑板车两侧的回波信息，实时向电机控制器发送第三调整指令，所述第三调整指令用于指导所述电机控制器驱动所述滑板车执行前进、后退、转向或停止的动作。

具体地，本步骤中的第三调整指令与步骤A312中的第一调整指令原理相同，以及A322中的第二调整指令原理相同，此处不再赘述。

本实施例中，通过实时获取所述超声波雷达模块发送的所述滑板车两侧的回波信息，可以避免滑板车在转弯或直线行走的过程中不会擦碰到行人或者道路边沿，造成不必要的损失。

本申请还提供一种滑板车自行走控制方法，应用于云端服务器。与前述各个实施例提及的滑板车自行走控制方法不同的是，下面几个实施例介绍的滑板车自行走控制方法的执行主体是云端服务器。

如图2所示，在本申请的一实施例中，所述滑板车自行走控制方法包括如下步骤：

B110，获取用户的用车时间信息和目的地的位置信息。

具体地，用户可以通过移动终端的应用程序(APP)发出滑板车预约请求，在移动终端的应用程序上提交用车时间信息和目的地的位置信息。所述移动终端与所述云端服务器通信连接。进一步地，所述移动终端可以将用户登记的车时间信息和目的地的位置信息发送至所述云端服务器。

B120，依据所述用车时间信息和所述目的地的位置信息，在数据库中搜索与所述用车时间信息和所述目的地的位置信息匹配的滑板车。

具体地，所述云端服务器本地创建有数据库。所述数据库中存储有各个滑板车的状态信息，例如是否正在投入应用，是否出现故障等等。本步骤中，所云端服务器可以自动搜索与所述用车时间信息和所述目的地的位置信息匹配的滑板车。所述用车时间信息可以便于云端服务器搜索处于空闲可用的状态的滑板车。所述目的地的位置信息可以便于云端服务器搜索距离所述目的地最近的滑板车。

B130，创建自行走指令，将向所述用车时间信息和所述目的地的位置信息整合为目的地信息。进一步地，向所述滑板车发送所述自行走指令与所述目的地信息。

具体地，在所述步骤B130之后，所述滑板车所述步骤A100至所述步骤A300。

本实施例中，通过云端服务器获取用户的用车时间信息和目的地的位置信息，实现数据库中的滑板车与用户需求合理匹配。通过云端服务器向所述滑板车发送所述自行走指令与所述目的地信息，使得滑板车具有自行走的数据基础，便于后续滑板车规划最优路径。

在本申请的一实施例中，所述滑板车自行走控制方法还包括如下步骤：

B210，在所述滑板车到达所述目的地后，获取所述滑板车发送的当前位置信息。

具体地，所述滑板车在用户到达所述目的地并离开滑板车预设时间段后，所述滑板车向所述云端服务器发送所述滑板车的当前位置信息。所述预设时间段可以为10分钟。

B220，依据所述当前位置信息，获取所述滑板车当前所处位置的坐标，并判断所述滑板车当前所处位置的坐标是否处于偏远地区。

具体地，所述偏远地区可以由滑板车的当地运营商预先设定，不同城市的偏远地区也不同。所述偏远地区可以设置为城市中的任意郊区地块。

B230，若所述滑板车当前所处位置的坐标处于偏远地区，则调取云端地图。进一步地，获取所述云端地图中与所述滑板车当前所处位置的坐标直线距离最近的非偏远地区，并将该非偏远地区中的一个随机坐标定义为调度目的地。

具体地，由于偏远地区人烟稀少，滑板车的利用率低。因此，需要对滑板车进行调度，将滑板车调度至非偏远地区，即人流量相对较大的繁华地区。

B240，创建调度自行走指令，向所述滑板车发送所述调度自行走指令与所述调度目的地的位置信息，以控制所述滑板车自动行走至所述调度目的地。

具体地，所述步骤B240的工作原理与所述步骤A100至所述步骤A300类似，此处不再赘述。

本实施例中，在滑板车到达所述目的地后，云端服务器通过获取滑板车当前位置信息，生成调度自行走指令，可以实现将滑板车由偏远地区自行走至非偏远地区，提高了滑板车的利用率。

在本申请的一实施例中，所述滑板车自行走控制方法还包括如下步骤：

B310，在所述滑板车自行走的过程中，实时获取所述滑板车的电量信息。

具体地，所述云端服务器10可以实时获取所述滑板车的电池状态，获知电量信息。

B320，依据所述滑板车的电量信息，判断所述滑板车是否处于低电量状态。

具体地，若所述滑板车处于高电量状态或中电量状态，则返回所述步骤B310。滑板车的生产商可以自定义低电量状态具体的电量数值(SOC)。

B330，若所述滑板车处于低电量状态，则获取所述滑板车当前所处位置的坐标。

具体地，若所述滑板车处于低电量状态，则表明滑板车急需充电，此时所述云端服务器10立即获取所述滑板车当前所处位置的坐标。

B340，调取云端地图，获取所述云端地图中与所述滑板车当前所处位置的坐标直线距离最近的充电区。进一步地，将该充电区中的一个随机坐标定义为充电目的地。

具体地，所述充电区为，可以为滑板车提供电源续航的区域。

B350，创建充电自行走指令，向所述滑板车发送所述充电自行走指令与所述充电目的地的位置信息，以控制所述滑板车自动行走至所述充电目的地。

具体地，所述步骤B350与所述步骤A100至所述步骤A300的原理相同，此处不再赘述。

本实施例中，所述云端服务器10通过监控滑板车的电量状态，并在滑板车处于低电量状态时，创建充电自行走指令，以控制所述滑板车自动行走至充电目的地，使得滑板车可以及时得到电量续航，减少投入监控电量的运维人员的成本。

在本申请的一实施例中，所属云端服务器10还通过所述滑板车获取每次自行走过程中的自行走数据，便于后续的数据分析与数据优化。

本申请还提供一种滑板车自行走***。

如图3所示，在本申请一实施例中，所述滑板车自行走***包括云端服务器10和滑板车20。所述云端服务器10和所述滑板车20通信连接。所述云端服务器10，用于依据用户的用车时间信息和目的地的位置信息，生成自行走指令和目的地信息。所述滑板车20用于获取所述云端服务器10发送的自行走指令与目的地信息，并依据所示自行走指令与目的地信息，自动行走至所述目的地。

所述滑板车20包括GPS定位模块210、环境感知传感器220和主控制器230。所述主控制器230与所述GPS定位模块210，所述环境感知传感器220分别电连接。所述GPS定位模块210，用于获取所述滑板车20的当前位置信息。所述环境感知传感器220，用于实时获取路况信息。所述主控制器230，用于获取所述GPS定位模块210发送的所述滑板车20的当前位置信息，以及所述云端服务器10发送的目的地信息。所述主控制器230还用于依据所示滑板车20的当前位置信息和所述目的地信息，采用路径最优算法，计算最优路径。所述主控制器230还用于获取所述环境感知传感器220发送的路况信息，依据所述路况信息控制所述滑板车20的车轮不断执行前进、后退、转向或停止的动作，直至所述滑板车20到达所述目的地。

具体地，所属滑板车20还可以包括显示模块，所属显示模块用于显示当前车辆运行信息及当前位置信息等重要信息。所述环境感知传感器220可以包括AI识别模块、毫米波雷达模块和超声波雷达模块中的一种或多种。所述滑板车20还可以包括电机控制器和双驱电机。所述电机控制器与所述主控制器230电连接。所述双驱电机与所述电机控制器电连接。所述主控制器230可以向所述电机控制器发送调整指令，所述电机控制器可以依据所述调整指令，合理控制滑板车20中双驱电机的速度，从而实现驱动所述滑板车20的轮子执行前进、后退、转向或停止的动作。

本实施例中，通过设置互相通信连接的云端服务器和滑板车20，使得滑板车20可以依据用户的用车需求，规划最优路径，从而使得滑板车20可以依照用户需求快速且安全的自行走目的地，无需人工监控自行走过程，整个自行走过程实现了自动化。

以上所述实施例的各技术特征可以进行任意的组合，各方法步骤也并不做执行顺序的限制，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种滑板车自行走控制方法，应用于滑板车，其特征在于，包括：

获取自行走指令与目的地信息；所述目的地信息包括目的地的位置信息；

获取所述滑板车的当前位置信息，并依据所述当前位置信息与所述目的地信息，采用路径最优算法，计算最优路径；

依据所述最优路径，以及本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，直至到达所述目的地。

2.根据权利要求1所述的滑板车自行走控制方法，其特征在于，所述计算最优路径的步骤包括：

向GPS定位模块发送定位指令，以获取所述当前位置信息；所述当前位置信息包括所述滑板车当前所处位置的坐标；

将以所述滑板车当前所处位置的坐标为圆心，以预设距离为半径绘制的圆覆盖的范围，定义为路径规划范围；

向云端服务器调取云端地图，并依据所述云端地图获取所述路径规划范围内的交通状况信息和道路施工状况信息；

依据所述交通状况信息和道路施工状况信息，调用路径最优算法，计算最优路径。

3.根据权利要求2所述的滑板车自行走控制方法，其特征在于，所述环境感知传感器包括AI识别模块、毫米波雷达模块和超声波雷达模块中的一种或多种。

4.根据权利要求3所述的滑板车自行走控制方法，其特征在于，所述依据所述最优路径，以及本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，直至到达所述目的地的步骤包括：

实时获取所述AI识别模块发送的滑板车前方的目标物体的图像信息，以及可行区域信息；所述目标物体包括人、车辆、道路标志和红绿灯中的一种或多种；

依据所述滑板车前方的目标物体的图像信息，以及所述可行区域信息，实时向电机控制器发送第一调整指令，所述第一调整指令用于指导所述电机控制器驱动所述滑板车执行前进、后退、转向或停止的动作。

5.根据权利要求3所述的滑板车自行走控制方法，其特征在于，所述依据所述最优路径，以及本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，直至到达所述目的地的步骤包括：

实时获取所述毫米波雷达模块发送的滑板车前方的目标物体的坐标点，以及所述目标物体的坐标点信息；所述目标物体的坐标点信息包括所述目标物体相对于所述滑板车的角度、所述目标物体的运动速度、以及所述目标物体与所述滑板车的直线距离中的一种或多种；

依据所述滑板车前方的目标物体的坐标点和坐标点信息，实时向电机控制器发送第二调整指令，所述第二调整指令用于指导所述电机控制器驱动所述滑板车执行前进、后退、转向或停止的动作。

6.根据权利要求3所述的滑板车自行走控制方法，其特征在于，所述依据所述最优路径，以及本地搭载的环境感知传感器实时获取的路况信息，不断执行前进、后退、转向或停止的动作，直至到达所述目的地的步骤包括：

实时获取所述超声波雷达模块发送的滑板车两侧的回波信息；

依据所述滑板车两侧的回波信息，实时向电机控制器发送第三调整指令，所述第三调整指令用于指导所述电机控制器驱动所述滑板车执行前进、后退、转向或停止的动作。

7.一种滑板车自行走控制方法，应用于云端服务器，其特征在于，包括：

获取用户的用车时间信息和目的地的位置信息；

依据所述用车时间信息和所述目的地的位置信息，在数据库中搜索与所述用车时间信息和所述目的地的位置信息匹配的滑板车；

创建自行走指令，将向所述用车时间信息和所述目的地的位置信息整合为目的地信息，向所述滑板车发送所述自行走指令与所述目的地信息。

8.根据权利要求7所述的滑板车自行走控制方法，其特征在于，还包括：

在所述滑板车到达所述目的地后，获取所述滑板车发送的当前位置信息；

依据所述当前位置信息，获取所述滑板车当前所处位置的坐标，并判断所述滑板车当前所处位置的坐标是否处于偏远地区；

若所述滑板车当前所处位置的坐标处于偏远地区，则调取云端地图，获取所述云端地图中与所述滑板车当前所处位置的坐标直线距离最近的非偏远地区，并将该非偏远地区中的一个随机坐标定义为调度目的地；

创建调度自行走指令，向所述滑板车发送所述调度自行走指令与所述调度目的地的位置信息，以控制所述滑板车自动行走至所述调度目的地。

9.根据权利要求7所述的滑板车自行走控制方法，其特征在于，还包括：

在所述滑板车自行走的过程中，实时获取所述滑板车的电量信息；

依据所述滑板车的电量信息，判断所述滑板车是否处于低电量状态；

若所述滑板车处于低电量状态，则获取所述滑板车当前所处位置的坐标；

调取云端地图，获取所述云端地图中与所述滑板车当前所处位置的坐标直线距离最近的充电区，并将该充电区中的一个随机坐标定义为充电目的地；

创建充电自行走指令，向所述滑板车发送所述充电自行走指令与所述充电目的地的位置信息，以控制所述滑板车自动行走至所述充电目的地。

10.一种滑板车自行走***，其特征在于，包括：

云端服务器，用于依据用户的用车时间信息和目的地的位置信息，生成自行走指令和目的地信息；

滑板车，与所述云端服务器通信连接，用于获取所述云端服务器发送的自行走指令与目的地信息，并依据所示自行走指令与目的地信息，自动行走至所述目的地；

所述滑板车包括：

GPS定位模块，用于获取所述滑板车的当前位置信息；

环境感知传感器，用于实时获取路况信息；

主控制器，与所述GPS定位模块、所述环境感知传感器分别电连接，用于获取所述GPS定位模块发送的所述滑板车的当前位置信息，以及所述云端服务器发送的目的地信息，并依据所述滑板车的当前位置信息和所述目的地信息，采用路径最优算法，计算最优路径；

所述主控制器还用于获取所述环境感知传感器发送的路况信息，依据所述路况信息控制所述滑板车的车轮不断执行前进、后退、转向或停止的动作，直至所述滑板车到达所述目的地。

Images