CN113792249A - 行驶数据处理方法、装置、存储介质与电子设备 - Google Patents
行驶数据处理方法、装置、存储介质与电子设备 Download PDFInfo
- Publication number
- CN113792249A CN113792249A CN202011341360.XA CN202011341360A CN113792249A CN 113792249 A CN113792249 A CN 113792249A CN 202011341360 A CN202011341360 A CN 202011341360A CN 113792249 A CN113792249 A CN 113792249A
- Authority
- CN
- China
- Prior art keywords
- driving
- data
- target object
- target
- control parameters
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 30
- 230000001133 acceleration Effects 0.000 claims description 16
- 230000002068 genetic effect Effects 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Optimization (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Pure & Applied Mathematics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开提供一种行驶数据处理方法、装置、存储介质与电子设备,涉及数据处理技术领域。其中,所述行驶数据处理方法包括:获取目标对象的行驶轨迹以及行驶过程中采样点的实际行驶数据;从所述行驶轨迹中提取所述采样点的规划行驶数据;根据所述采样点的所述实际行驶数据与所述规划行驶数据确定所述采样点的目标控制参数;通过所述目标对象在所述采样点的目标控制参数,得到控制所述目标对象行驶的参数配置信息。本公开解决了行驶控制的适应性较差的问题。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种行驶数据处理方法、行驶数据处理装置、计算机可读存储介质与电子设备。
背景技术
随着无人驾驶技术的快速发展,很多智能控制应用落地运营,例如:无人配送车、无人驾驶汽车、机器人等可以自行移动的智能产品,为了使这些可以自行移动的智能产品在实际场景中正常行驶,需要对这些智能产品进行控制。
然而,由于现实行驶环境复杂多样,且行驶受外界因素干扰较大,应对不同的行驶场景,满足无人驾驶技术对智能产品进行行驶控制的自适应性需求,是产品高度智能化过程中亟待解决的问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开提供了一种行驶数据处理方法、装置、计算机可读存储介质与电子设备,进而至少在一定程度上解决行驶控制的适应性较差的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供一种行驶数据处理方法,其特征在于,包括:获取目标对象的行驶轨迹以及行驶过程中采样点的实际行驶数据;从所述行驶轨迹中提取所述采样点的规划行驶数据;根据所述采样点的所述实际行驶数据与所述规划行驶数据确定所述采样点的目标控制参数;通过所述目标对象在所述采样点的目标控制参数,得到控制所述目标对象行驶的参数配置信息。
在本公开的一种示例性实施例中,所述根据所述采样点的所述实际行驶数据与所述规划行驶数据确定所述采样点的目标控制参数,包括:通过所述采样点的实际行驶数据与所述规划行驶数据之间的偏差,建立目标函数;通过优化所述目标函数,确定所述采样点的目标控制参数。
在本公开的一种示例性实施例中,所述通过优化所述目标函数,确定所述采样点的目标控制参数,包括:采用遗传算法对所述目标函数进行优化,确定所述采样点的目标控制参数。
在本公开的一种示例性实施例中,所述通过所述目标对象在所述采样点的目标控制参数,得到控制所述目标对象行驶的参数配置信息,包括:通过所述目标对象在多个行驶轨迹中各采样点的目标控制参数,确定不同行驶偏差数据和不同行驶状态数据对应的目标控制参数,得到控制所述目标对象行驶的参数配置信息。
在本公开的一种示例性实施例中,所述行驶状态数据包括以下任意一种或多种:目标对象的俯仰角,目标对象的转角,目标对象的重量。
在本公开的一种示例性实施例中,在所述目标对象的实际行驶过程中,根据所述目标对象当前时刻的实际行驶数据与规划行驶数据,确定所述当前时刻的行驶偏差数据;根据所述参数配置信息确定所述当前时刻的行驶偏差数据以及当前时刻的行驶状态数据对应的目标控制参数,以采用所述目标控制参数控制目标对象行驶。
在本公开的一种示例性实施例中,所述规划行驶数据和所述实际行驶数据均包括以下任意一种或多种:行驶速度,行驶加速度,行驶位置。
根据本公开的第二方面,提供一种行驶数据处理装置,其特征在于,包括:实际行驶数据获取模块,用于获取目标对象的行驶轨迹以及行驶过程中采样点的实际行驶数据;规划行驶数据提取模块,用于从所述行驶轨迹中提取所述采样点的规划行驶数据;目标控制参数确定模块,用于根据所述采样点的所述实际行驶数据与所述规划行驶数据确定所述采样点的目标控制参数;参数配置信息获取模块,用于通过所述目标对象在所述采样点的目标控制参数,得到控制所述目标对象行驶的参数配置信息。
根据本公开的第三方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述行驶数据处理方法。
根据本公开的第四方面,提供一种电子设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述行驶数据处理方法。
本公开的技术方案具有以下有益效果:
上述行驶数据处理过程中,根据采样点的实际行驶数据与该采样点的规划行驶数据确定该采样点的目标控制参数,并通过目标对象在该采样点的目标控制参数,得到控制目标对象行驶的参数配置信息。一方面,通过确定目标对象针对采样点的目标控制参数,使得目标控制参数更有针对性。另一方面,设置了参数配置信息,目标对象可以根据不同的行驶场景选择合适的目标控制参数进行实时配置,进而满足各种复杂场景下控制目标对象行驶的需求,提高了控制目标对象行驶的自适应性和鲁棒性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施方式,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施方式,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示出本示例性实施方式运行环境的***架构图;
图2示出本示例性实施方式中一种行驶数据处理方法的流程图;
图3示出本示例性实施方式中一种确定采样点的目标控制参数的流程图;
图4示出本示例性实施方式中一种采样点的实际行驶数据与规划行驶数据的实例图;
图5示出本示例性实施方式中一种确定实际行驶过程中的目标控制参数的流程图;
图6示出本示例性实施方式中一种行驶数据处理的实例图;
图7示出本示例性实施方式中一种行驶数据处理装置的结构框图;
图8示出本示例性实施方式中一种用于实现上述方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
相关技术中,通常采用固定参数对目标对象(例如:可以自行移动的智能产品)的行驶状态进行控制,但是使用固定参数的控制器控制目标对象行驶,难以满足目标对象在不同行驶速度、不同路况下的控制需求,适应性较差。
鉴于上述一个或多个问题,本公开的示例性实施方式提供一种行驶数据处理方法和行驶数据处理装置。首先对该行驶数据处理方法和行驶数据处理装置运行环境的***架构进行说明。参考图1所示,该***架构100可以包括:终端110、网络120和服务器130。其中,终端110可以是车载终端***、机器人等,实时监测并采集行驶数据或运动数据。网络120用以在终端110和服务器130之间提供通信链路的介质,可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等。服务器130部署于企业后台,可以对终端110的数据处理提供支持。
应该理解,图1中的终端、网络和服务器的数目仅仅是示意性的。根据实现需要,可以设置任意数目的终端、网络和服务器。例如,可以将多台终端110连接到同一服务器130,或者服务器130可以是多台设备组成的服务器集群等。
本示例性实施方式所提供的行驶数据处理方法可以由终端110执行,例如在终端110在获取行驶轨迹和实际行驶数据后,由其内部的处理器执行驶数据的处理;也可以由服务器130执行,例如终端110将行驶轨迹和实际行驶数据上传到服务器130,使服务器130执行行驶数据的处理。本公开对此不做限定。
下面结合图2,对本示例性实施方式的行驶数据处理方法做具体说明。
图2示出了本示例性实施方式中行驶数据处理方法的示意性流程,包括以下步骤S210至S240:
步骤S210,获取目标对象的行驶轨迹以及行驶过程中采样点的实际行驶数据;
步骤S220,从行驶轨迹中提取采样点的规划行驶数据;
步骤S230,根据采样点的实际行驶数据与规划行驶数据确定采样点的目标控制参数;
步骤S240,通过目标对象在采样点的目标控制参数,得到控制目标对象行驶的参数配置信息。
上述行驶数据处理过程中,根据采样点的实际行驶数据与该采样点的规划行驶数据确定该采样点的目标控制参数,并通过目标对象在该采样点的目标控制参数,得到控制目标对象行驶的参数配置信息。一方面,通过确定目标对象针对采样点的目标控制参数,使得目标控制参数更有针对性。另一方面,设置了参数配置信息,目标对象可以根据不同的行驶场景选择合适的目标控制参数进行实时配置,进而满足各种复杂场景下控制目标对象行驶的需求,提高了控制目标对象行驶的自适应性和鲁棒性。
步骤S210,获取目标对象的行驶轨迹以及行驶过程中采样点的实际行驶数据。
目标对象可以是无人配送车、无人驾驶汽车、扫地机器人等可以自行移动的对象。采样点的实际行驶数据可以是行驶过程中采样点所对应的采样时刻的实际行驶数据。上述行驶轨迹为规划的行驶轨迹,可以由一系列的轨迹点构成,每个轨迹点包括相对时间、速度、加速度、位置等信息。
步骤S220,从行驶轨迹中提取采样点的规划行驶数据。
提取采样点的规划行驶数据可以是提取采样点所对应的采样时刻的规划行驶数据,规划行驶数据的采样时刻与实际行驶数据的采样时刻保持一致。可以根据行驶轨迹的轨迹点进行采样,通过采样轨迹点的相对时刻匹配采样点的采样时刻。
需要说明的是,在控制目标对象行驶的过程中,可以以目标对象的中心为参考点进行采样,例如以无人配送车的后轴中心为参考点进行采样,获取该后轴中心在采样点的实际行驶数据,提取该后轴中心在采样点的规划行驶数据。
在一种可选的实施方式中,包括对行驶场景的选取,为了尽可能多的覆盖各种行驶场景,需要在初始阶段进行行驶场景的选取,选取的行驶场景应该包含不同坡度的道路、不同曲率的道路,以便对不同行驶场景中的行驶数据进行采样,此种做法可以将影响行驶的最大因素考虑进去,以便能够适用于更多的行驶场景。
步骤S230,根据采样点的实际行驶数据与规划行驶数据确定采样点的目标控制参数。
目标控制参数是为当前采样点确定的控制目标对象行驶的优化参数。
在一种可选的实施方式中,上述规划行驶数据和实际行驶数据均包括以下任意一种或多种:行驶速度,行驶加速度,行驶位置。
在一种可选的实施方式中,如图3所示,可以通过以下步骤S310至S320来确定采样点的目标控制参数:
步骤S310,通过采样点的实际行驶数据与规划行驶数据之间的偏差,建立目标函数。
采样点的实际行驶数据与规划行驶数据如图4所示,圆形节点表示采样点,v0、a0以及s0表示采样点0在t0时刻的规划行驶数据,分别表示该采样点规划的行驶速度、行驶加速度以及行驶位置,下标0至n分别表示采样点的标号;v_real3、a_real3以及s_real3表示采样点3在t3时刻的实际行驶数据,分别表示该采样点实际的行驶速度、行驶加速度以及行驶位置。图4中的小车从左向右行驶,小车车轮处的轴线表示采样的参考点,即采样的是该轴线处的行驶速度、行驶加速度以及行驶位置。
采样点的实际行驶数据与规划行驶数据之间的偏差可以包括行驶速度偏差、行驶加速度偏差以及行驶位置偏差,以图4中采样点3的实际行驶数据v_real3、a_real3以及s_real3与规划行驶数据v3、a3以及s3为例,可通过计算Δv3=v_real3-v3得到行驶速度偏差Δv3,可通过计算Δa3=a_real3-a3得到行驶加速度偏差Δa3,可通过计算Δs3=s_real3-s3得到行驶位置偏差Δs3。
可以通过行驶速度偏差、行驶加速度偏差以及行驶位置偏差,建立目标函数,该目标函数如下所示:
其中,J为目标函数,是行驶速度偏差、行驶加速度偏差以及行驶位置偏差的积分和,其中t为时间变量,通常为采样点的时间;|Δv|、|Δa|以及|Δs|分别表示行驶速度偏差、行驶加速度偏差以及行驶位置偏差的绝对值,可视为以t为变量的函数。
步骤S320,通过优化目标函数,确定采样点的目标控制参数。
从上述目标函数(1)可以看出,|Δv|、|Δa|以及|Δs|的积分值越小,目标函数值越小,因此可以将优化目标函数的最小值作为优化方向。优化目标函数的过程可以看作是将目标函数中各个偏差的积分值降到最小的一个过程。
在一种可选的实施方式中,通过优化目标函数,确定采样点的目标控制参数,包括:采用遗传算法对目标函数进行优化,确定采样点的目标控制参数。
遗传算法是一种全局优化、并行搜索的寻优方法。遗传算法在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。
目标控制参数包括比例、积分和微分三个参数。基于遗传算法优化目标函数的过程是通过调节目标控制参数,以使得目标函数达到最小的一个过程。通过优化,将使目标函数达到最小时的目标控制参数作为该采样点的目标控制参数。需要说明的是,可以根据经验预设调节范围,使目标控制参数在预设调节范围内进行调节。
图3所示的步骤中,通过设计目标函数实现目标控制参数的寻优,使得寻优过程高效易实现。
步骤S240,通过目标对象在采样点的目标控制参数,得到控制目标对象行驶的参数配置信息。
参数配置信息包含该采样点所对应的目标控制参数,可以将参数配置信息设置成配置列表的形式。
在一种可选的实施方式中,通过目标对象在采样点的目标控制参数,得到控制目标对象行驶的参数配置信息,包括:通过目标对象在多个行驶轨迹中各采样点的目标控制参数,确定不同行驶偏差数据和不同行驶状态数据对应的目标控制参数,得到控制目标对象行驶的参数配置信息。
行驶偏差数据可以包括行驶速度偏差、行驶加速度偏差以及行驶位置偏差中的任意一种或多种。可以将不同的行驶偏差数据和不同行驶状态数据对应的目标控制参数对应存储,以便查询使用目标控制参数。
在一种可选的实施方式中,行驶状态数据可以包括以下任意一种或多种:目标对象的俯仰角,目标对象的转角,目标对象的重量。
如表1所示的参数配置列表,将行驶偏差和行驶状态与目标控制参数进行对应,例如Kp12 Ki12 Kd12表示,行驶偏差为Δv1Δa1Δs1以及行驶状态为δ2g2时所对应的目标控制参数,其中,δ以及g分别表示目标对象的俯仰角、转角以及重量,表示目标对象的俯仰角为转角为δ2以及重量为g2的行驶状态,Δv、Δa以及Δs分别表示轨迹追踪过程中的行驶速度偏差、行驶加速度偏差以及行驶位置偏差,Δv1Δa1Δs1表示目标对象的行驶速度偏差为Δv1、行驶加速度偏差为Δa1以及行驶位置偏差为Δs1的行驶偏差,Kp、Ki以及Kd分别表示目标控制参数中的比例、积分和微分三个参数。
表1
通过综合考虑不同行驶轨迹中不同采样点的行驶偏差数据和行驶状态数据生成的参数配置信息,可以满足不同行驶场景中对目标控制参数的配置。
在一种可选的实施方式中,如图5所示,可以通过以下步骤S510至S520来确定实际行驶过程中的目标控制参数:
步骤S510,在目标对象的实际行驶过程中,根据目标对象当前时刻的实际行驶数据与规划行驶数据,确定当前时刻的行驶偏差数据。
在目标对象的实际控制中,上述当前时刻的行驶偏差数据可以通过实时计算得到。
步骤S520,根据参数配置信息确定当前时刻的行驶偏差数据以及当前时刻的行驶状态数据对应的目标控制参数,以采用目标控制参数控制目标对象行驶。
在图5所示的步骤中,依据实际行驶偏差和实际行驶状态,为当前时刻选择合适的目标控制参数以控制目标对象行驶,考虑到影响目标对象行驶的多种因素,提高了控制目标对象的自适应性和鲁棒性。
此外,图6示出了一种行驶数据处理的实例图,具体实现步骤如下:
步骤S610,优化数据场景选取,该步骤对进行采样的行驶场景进行了选取;
步骤S620,车辆状态获取,将该车辆作为目标对象,车辆状态数据包括车辆实际行驶数据和车辆行驶状态数据,其中,车辆的实际行驶数据包括:车辆实际行驶速度v_realt和车辆实际行驶位置s_realt,车辆行驶状态数据包括:车辆俯仰角车辆前轮转角δ以及车辆重量g;
步骤S630,规划轨迹获取,该过程可以从规划轨迹中提取规划行驶数据,规划行驶数据包括车辆规划行驶速度vt和车辆规划行驶距离st;
步骤S640,纵向控制偏差计算,纵向控制是指通过对车辆的行驶控制,实现对期望车速的精确跟随,该步骤通过实际行驶数据以及规划行驶数据进行偏差计算。
步骤S650,基于遗传优化算法的目标控制参数优化,该过程为基于遗传优化算法确定优化后的目标控制参数的过程。
步骤S660,自适应参数配置信息生成,该过程结合车辆的行驶状态数据生成参数配置信息。
需要说明的是,步骤S620和步骤S630的执行先后顺序不做限定,可以执行完一个步骤之后再执行另一个步骤,也可以同步执行两个步骤。
本公开的示例性实施方式还提供一种行驶数据处理装置。如图7所示,该行驶数据处理装置700可以包括:
实际行驶数据获取模块710,用于获取目标对象的行驶轨迹以及行驶过程中采样点的实际行驶数据;
规划行驶数据提取模块720,用于从行驶轨迹中提取采样点的规划行驶数据;
目标控制参数确定模块730,用于根据采样点的实际行驶数据与规划行驶数据确定采样点的目标控制参数;
参数配置信息获取模块740,用于通过目标对象在采样点的目标控制参数,得到控制目标对象行驶的参数配置信息。
在一种可选的实施方式中,目标控制参数确定模块730,包括:
目标函数建立模块,用于通过采样点的实际行驶数据与规划行驶数据之间的偏差,建立目标函数;
目标控制参数确定子模块,用于通过优化目标函数,确定采样点的目标控制参数。
在一种可选的实施方式中,目标控制参数确定子模块,被配置为:采用遗传算法对目标函数进行优化,确定采样点的目标控制参数。
在一种可选的实施方式中,参数配置信息获取模块740,被配置为:通过目标对象在多个行驶轨迹中各采样点的目标控制参数,确定不同行驶偏差数据和不同行驶状态数据对应的目标控制参数,得到控制目标对象行驶的参数配置信息。
在一种可选的实施方式中,参数配置信息获取模块740的配置过程中,行驶状态数据包括以下任意一种或多种:目标对象的俯仰角,目标对象的转角,目标对象的重量。
在一种可选的实施方式中,参数配置信息获取模块740,还被配置为:在目标对象的实际行驶过程中,根据目标对象当前时刻的实际行驶数据与规划行驶数据,确定当前时刻的行驶偏差数据;根据参数配置信息确定当前时刻的行驶偏差数据以及当前时刻的行驶状态数据对应的目标控制参数,以采用目标控制参数控制目标对象行驶。
在一种可选的实施方式中,行驶数据处理装置700中的规划行驶数据和实际行驶数据均包括以下任意一种或多种:行驶速度,行驶加速度,行驶位置。
上述行驶数据处理装置700中各部分的具体细节在方法部分实施方式中已经详细说明,未披露的细节内容可以参见方法部分的实施方式内容,因而不再赘述。
本公开的示例性实施方式还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在电子设备上运行时,程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。该程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本公开的示例性实施方式还提供了一种能够实现上述方法的电子设备。下面参照图8来描述根据本公开的这种示例性实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例,不应对本公开实施方式的功能和使用范围带来任何限制。
如图8所示,电子设备800可以以通用计算设备的形式表现。电子设备800的组件可以包括但不限于:至少一个处理单元810、至少一个存储单元820、连接不同***组件(包括存储单元820和处理单元810)的总线830和显示单元840。
存储单元820存储有程序代码,程序代码可以被处理单元810执行,使得处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,处理单元810可以执行图2、图3和图5中任意一个或多个方法步骤。
存储单元820可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)821和/或高速缓存存储单元822,还可以进一步包括只读存储单元(ROM)823。
存储单元820还可以包括具有一组(至少一个)程序模块825的程序/实用工具824,这样的程序模块825包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备800交互的设备通信,和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器860通过总线830与电子设备800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开示例性实施方式的方法。
此外,上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的示例性实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为***、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“***”。本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施方式。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限定。
Claims (10)
1.一种行驶数据处理方法,其特征在于,包括:
获取目标对象的行驶轨迹以及行驶过程中采样点的实际行驶数据;
从所述行驶轨迹中提取所述采样点的规划行驶数据;
根据所述采样点的所述实际行驶数据与所述规划行驶数据确定所述采样点的目标控制参数;
通过所述目标对象在所述采样点的目标控制参数,得到控制所述目标对象行驶的参数配置信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述采样点的所述实际行驶数据与所述规划行驶数据确定所述采样点的目标控制参数,包括:
通过所述采样点的实际行驶数据与所述规划行驶数据之间的偏差,建立目标函数;
通过优化所述目标函数,确定所述采样点的目标控制参数。
3.根据权利要求2所述的方法,其特征在于,所述通过优化所述目标函数,确定所述采样点的目标控制参数,包括:
采用遗传算法对所述目标函数进行优化,确定所述采样点的目标控制参数。
4.根据权利要求1所述的方法,其特征在于,所述通过所述目标对象在所述采样点的目标控制参数,得到控制所述目标对象行驶的参数配置信息,包括:
通过所述目标对象在多个行驶轨迹中各采样点的目标控制参数,确定不同行驶偏差数据和不同行驶状态数据对应的目标控制参数,得到控制所述目标对象行驶的参数配置信息。
5.根据权利要求4所述的方法,其特征在于,所述行驶状态数据包括以下任意一种或多种:
目标对象的俯仰角,目标对象的转角,目标对象的重量。
6.根据权利要求4所述的方法,其特征在于,所述方法,还包括:
在所述目标对象的实际行驶过程中,根据所述目标对象当前时刻的实际行驶数据与规划行驶数据,确定所述当前时刻的行驶偏差数据;
根据所述参数配置信息确定所述当前时刻的行驶偏差数据以及当前时刻的行驶状态数据对应的目标控制参数,以采用所述目标控制参数控制目标对象行驶。
7.根据权利要求1所述的方法,其特征在于,所述规划行驶数据和所述实际行驶数据均包括以下任意一种或多种:
行驶速度,行驶加速度,行驶位置。
8.一种行驶数据处理装置,其特征在于,包括:
实际行驶数据获取模块,用于获取目标对象的行驶轨迹以及行驶过程中采样点的实际行驶数据;
规划行驶数据提取模块,用于从所述行驶轨迹中提取所述采样点的规划行驶数据;
目标控制参数确定模块,用于根据所述采样点的所述实际行驶数据与所述规划行驶数据确定所述采样点的目标控制参数;
参数配置信息获取模块,用于通过所述目标对象在所述采样点的目标控制参数,得到控制所述目标对象行驶的参数配置信息。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011341360.XA CN113792249B (zh) | 2020-11-25 | 2020-11-25 | 行驶数据处理方法、装置、存储介质与电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011341360.XA CN113792249B (zh) | 2020-11-25 | 2020-11-25 | 行驶数据处理方法、装置、存储介质与电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792249A true CN113792249A (zh) | 2021-12-14 |
CN113792249B CN113792249B (zh) | 2024-07-19 |
Family
ID=79181087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011341360.XA Active CN113792249B (zh) | 2020-11-25 | 2020-11-25 | 行驶数据处理方法、装置、存储介质与电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792249B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110171416A (zh) * | 2018-09-28 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 车辆行驶控制方法、装置、计算机可读介质及电子设备 |
CN110703753A (zh) * | 2019-10-16 | 2020-01-17 | 北京京东乾石科技有限公司 | 路径规划方法及装置、电子设备、存储介质 |
CN111338346A (zh) * | 2020-03-05 | 2020-06-26 | 中国第一汽车股份有限公司 | 一种自动驾驶控制方法、装置、车辆及存储介质 |
US20200269841A1 (en) * | 2019-02-21 | 2020-08-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Information processing method and apparatus, and storage medium |
CN111665738A (zh) * | 2019-03-05 | 2020-09-15 | 阿里巴巴集团控股有限公司 | 在环仿真***及其中的信息处理方法及装置 |
WO2020192149A1 (zh) * | 2019-03-28 | 2020-10-01 | 深圳市商汤科技有限公司 | 轨迹跟踪控制器的测试方法、装置、介质及设备 |
-
2020
- 2020-11-25 CN CN202011341360.XA patent/CN113792249B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110171416A (zh) * | 2018-09-28 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 车辆行驶控制方法、装置、计算机可读介质及电子设备 |
US20200269841A1 (en) * | 2019-02-21 | 2020-08-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Information processing method and apparatus, and storage medium |
CN111665738A (zh) * | 2019-03-05 | 2020-09-15 | 阿里巴巴集团控股有限公司 | 在环仿真***及其中的信息处理方法及装置 |
WO2020192149A1 (zh) * | 2019-03-28 | 2020-10-01 | 深圳市商汤科技有限公司 | 轨迹跟踪控制器的测试方法、装置、介质及设备 |
CN110703753A (zh) * | 2019-10-16 | 2020-01-17 | 北京京东乾石科技有限公司 | 路径规划方法及装置、电子设备、存储介质 |
CN111338346A (zh) * | 2020-03-05 | 2020-06-26 | 中国第一汽车股份有限公司 | 一种自动驾驶控制方法、装置、车辆及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113792249B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112677995B (zh) | 一种车辆轨迹规划方法、装置、存储介质及设备 | |
US11231717B2 (en) | Auto-tuning motion planning system for autonomous vehicles | |
US10488205B2 (en) | Method and system for updating maps based on control feedbacks of autonomous driving vehicles | |
US10162354B2 (en) | Controlling error corrected planning methods for operating autonomous vehicles | |
CN111948938B (zh) | 规划用于自动驾驶车辆的开放空间轨迹的松弛优化模型 | |
CN109434831B (zh) | 机器人运行方法、装置、机器人、电子设备及可读介质 | |
US10272778B2 (en) | Method and system for determining unit gain of speed control for autonomous driving vehicles | |
CN111857152A (zh) | 用于生成车辆控制信息的方法和装置 | |
CN114647248B (zh) | 机器人避障方法、电子设备及可读存储介质 | |
US20220144256A1 (en) | Divide-and-conquer for lane-aware diverse trajectory prediction | |
CN110782092A (zh) | 无人配送车在非结构化场景中的轨迹规划方法及装置 | |
CN110836671A (zh) | 轨迹规划方法、轨迹规划装置、存储介质与电子设备 | |
US20210341886A1 (en) | System and Method of Efficient, Continuous, and Safe Learning Using First Principles and Constraints | |
CN113306570B (zh) | 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车 | |
CN113792249B (zh) | 行驶数据处理方法、装置、存储介质与电子设备 | |
CN116069041B (zh) | 轨迹规划方法、装置、车辆及介质 | |
CN111338339B (zh) | 轨迹规划方法、装置、电子设备及计算机可读介质 | |
CN116088538B (zh) | 车辆轨迹信息生成方法、装置、设备和计算机可读介质 | |
CN109333531B (zh) | 用于规划移动设备速度的方法及装置 | |
CN114995464B (zh) | 局部路径规划的控制方法及装置、机器人、存储介质 | |
CN116878532A (zh) | 移动对象的路径规划方法、装置以及相关设备 | |
CN113212443B (zh) | 基于自动驾驶的路径生成方法、装置、设备、存储介质 | |
CN115565374A (zh) | 物流车驾驶优化方法、装置、电子设备及可读存储介质 | |
CN113815605A (zh) | 车辆泊车的控制方法、装置、介质、电子设备 | |
CN111832142A (zh) | 用于输出信息的方法和装置 |
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 |