CN115649186B - 基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开涉及基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质，上述方法包括：通过形成无人驾驶车辆与有人驾驶车辆的编组，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，并基于作业信息在判断到无人驾驶车辆行驶到作业区域时，在目标区域中执行相应的无人驾驶作业。这样无人驾驶车辆可以通过有人驾驶车辆获得的有人驾驶数据在作业区域中作业，使得由人工去保证车辆在不同的环境条件以及变化场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，达到有人驾驶车辆和无人驾驶车辆之间的能力互补，以提升环境和场景适应性。

Description

基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储 介质

技术领域

本公开涉及无人驾驶技术领域，尤其涉及基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质。

背景技术

无人驾驶***一般通过各类传感器以及相关的算法对所处场景进行识别。而为了提高无人驾驶***对场景的感知和识别能力，需要不断提高传感器和算法的处理能力。比如增加传感器类型和数量、提高传感器性能及采集足够多的场景数据进行深度学习训练等。

然而，在矿山等无人驾驶领域，随着挖掘过程的推进，装载区的地形变化情况存在无法穷举的情况。如果单纯的通过提高传感器和算法的处理能力提升无人驾驶***对场景识别能力，使得成本较大，效率也比较低。

发明内容

本公开提供了一种基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种基于有人驾驶的无人驾驶作业方法，所述方法包括：

形成无人驾驶车辆与有人驾驶车辆的编组；

无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据；其中，所述有人驾驶数据包括：用户驾驶所述有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，所述作业信息与在标注时所述有人驾驶车辆的实时定位信息相关联；

基于所述作业信息判断所述无人驾驶车辆是否行驶到作业区域；

若是，在所述作业区域中执行相应的无人驾驶作业。

根据本公开的第二方面，提供了一种基于有人驾驶的无人驾驶作业装置，所述装置包括：

编组模块，用于形成无人驾驶车辆与有人驾驶车辆的编组；

数据获取模块，用于无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据；其中，所述有人驾驶数据包括：用户驾驶所述有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，所述作业信息与在标注时所述有人驾驶车辆的实时定位信息相关联；

判断模块，用于基于所述作业信息判断所述无人驾驶车辆是否行驶到作业区域；

作业模块，用于所述无人驾驶车辆行驶到所述作业区域时，在所述作业区域中执行相应的无人驾驶作业。

根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开的上述方法。

本公开实施例提供的基于有人驾驶的无人驾驶作业方法、装置、电子设备及存储介质，通过形成无人驾驶车辆与有人驾驶车辆的编组，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，其中，有人驾驶数据包括：用户驾驶有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，作业信息与在标注时有人驾驶车辆的实时定位信息相关联，基于作业信息在判断到无人驾驶车辆行驶到作业区域时，在作业区域中执行相应的无人驾驶作业。这样无人驾驶车辆可以通过有人驾驶车辆获得的有人驾驶数据在目标区域中作业，使得由人工去保证车辆在不同的环境条件以及变化场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，达到有人驾驶车辆和无人驾驶车辆之间的能力互补，以提升环境和场景适应性。

附图说明

在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：

图1为本公开一示例性实施例提供的一种场景示意图；

图2为本公开一示例性实施例提供的基于有人驾驶的无人驾驶作业的流程图；

图3为本公开一示例性实施例提供的基于有人驾驶的无人驾驶作业装置的功能模块示意性框图；

图4为本公开一示例性实施例提供的电子设备的结构框图；

图5为本公开一示例性实施例提供的计算机***的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

由于在矿山等无人驾驶领域，随着挖掘过程的推进，装载区的地形变化情况存在无法穷举的情况，加上在采煤等场景中激光雷达无法获取到煤矿的波束反射等情况。使得单纯的通过提高传感器和算法的处理能力提升无人驾驶***对场景的识别能力，效率较低。

因此，为了避免单纯的通过提高传感器和算法的处理能力提升无人驾驶***对场景的识别能力，本公开实施例可以将有人驾驶车辆与无人驾驶车辆形成编组，有人驾驶车辆由驾驶人员进行正常的驾驶作业，通过自动识别场景，并将场景的识别结果通过云平台或者直接发送的方式共享给无人驾驶车辆；实施例中还可以是有人驾驶车辆将有人驾驶数据分享给云平台或者无人驾驶车辆，通过云平台或者无人驾驶车辆来对有人驾驶数据中的场景进行识别，获得作业环境中的行驶轨迹和作业区域，便于无人驾驶车辆进行作业。

这样可以将人工的经验与无人驾驶***相结合，使得无人驾驶车辆可以基于有人驾驶数据来实现在目标区域中作业。其中，本公开实施例中涉及到的有人驾驶车辆，可以是有人驾驶车辆，还可以是人工遥控驾驶车辆等等。

在本公开提供的实施例中，可以将有人驾驶车辆与无人驾驶车辆形成编组，有人驾驶车辆由驾驶人员驾驶进行正常的作业，在完成一次完整的作业，依次来获得作业过程中的行驶轨迹和识别到的作业场景，该作业场景具体可以是作业区域。

在本公开提供的实施例中，通过将有人驾驶车辆与无人驾驶车辆进行编组，使得有人驾驶车辆与无人驾驶车辆具有相同的作业环境，并且进行相同的作业内容。其中，有人驾驶车辆可以与无人驾驶车辆的完全相同，具备相同的传感器配置和无人驾驶能力；有人驾驶车辆也可以不具备无人驾驶能力，相对于无人驾驶车辆传感器类型和能力做一些降级，但需要根据业务需要，具备基本数据采集和处理能力。并且在有人驾驶车辆作业过程中，会实时将车辆的采集到的基本数据进行记录和存储。其中，该基本数据包括高精度定位数据等，实施例中可以将有人驾驶车辆采集到的该基本数据作为有人驾驶数据，通过对有人数据的处理和场景识别，得到行驶轨迹和作业区域，并将包含行驶轨迹和作业区域的数据作为有人驾驶数据。

实施例中，会对上述采集到的有人驾驶数据进行处理。例如，可以是有人驾驶车辆在采集到有人驾驶数据时进行处理，将有人驾驶数据处理为包含行驶轨迹和作业区域的有人驾驶数据，还可以是有人驾驶车辆将采集到的有人驾驶数据发送到云平台，通过云平台来将有人驾驶数据处理为有人驾驶数据；或者是有人驾驶车辆将采集到的有人驾驶数据通过V2V（vehicle-to-vehicle communication，车车通信）的方式发送给无人驾驶车辆，通过无人驾驶车辆将有人驾驶数据处理为有人驾驶数据；或者有人驾驶车辆将处理的有人驾驶数据发送给云平台或者无人驾驶车辆。具体发送时，可以是有人驾驶车辆在完成一次完整作业后再发送有人驾驶数据，当然有人驾驶车辆还可以是完成多次完整作业后，来获得有人驾驶数据，这样可以基于该有人驾驶数据识别到的场景更加准确，避免一次作业后获得的有人驾驶数据不完整。实施例中在对有人驾驶数据处理时，可以采用筛选、优化或整合的方式进行处理。

在有人驾驶车辆通过实时传输的方式向无人驾驶车辆或者云平台发送采集到的有人驾驶数据的场景，可以是将一台有人驾驶车辆与多台无人驾驶车辆形成编组，有人驾驶车辆正常的在目标区域中进行作业，并且在作业的同时采集有人驾驶数据。编组内的无人驾驶车辆基于有人驾驶数据获得的有人驾驶数据在目标区域中作业。例如，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据；其中，该有人驾驶数据可以包括：用户驾驶有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且该作业信息与在标注时有人驾驶车辆的实时定位信息相关联。这样无人驾驶车辆可以基于该作业信息来判断是否行驶到作业区域，如果行驶到作业区域，无人驾驶车辆可以根据有人驾驶数据在目标区域中作业时手动标注的作业信息进行作业，即无人驾驶车辆执行相应的无人驾驶作业。其中，该作业信息可以包括行驶轨迹的类型、作业区域的内容、边界或者范围。该作业区域的内容包括行驶区域、排队区域、待装区域、装载区域、待装位或装载位。

实施例中，例如目标区域可以为露天矿区，该露天矿区可以细分很多的作业区域，比如行驶区域、排队区域、待装区域、装载区域、待装位或装载位等等，这些都可以称为不同的作业区域。这样无人驾驶车辆在目标区域中，行驶到不同的作业区域就可以执行相应的作业，比如无人驾驶车辆行驶到排队区域，就进行车辆的排队；无人驾驶车辆行驶到装载区域，就执行装载作业等等。

另外，实时定位信息可以由有人驾驶车辆上的定位传感器获取。实施例中，待装位可以为图1中的待装停靠点，装载位可以为图1中的装载停靠点。

实施例中，行驶轨迹的类型可以包括重载轨迹和空载轨迹，如图1所示，以矿山场景中无人驾驶车辆的装载过程为例进行说明。有人驾驶车辆在进入装载区后，会到达装载停靠点，在此期间有人驾驶车辆的装载状态为空载状态，那么有人驾驶车辆从进入装载区后到装载停靠点之间的行驶轨迹为空载轨迹；在有人驾驶车辆在装载停靠点完成装载后，驶离装载停靠点到装载区出口之间的行驶轨迹为重载轨迹。

在本公开提供的一示例性的实施例中，以矿山场景中无人驾驶车辆的装载过程为例进行说明。通常情况下，无人驾驶车辆在到达装载区入口时，需要确定等待装载位置，并且需要规划前往等待装载位置的行驶轨迹。按照规划的该行驶轨迹前往等待装载位置，并且前往接收挖掘机要求前往装载的位置进行装载，在装载完成后驶离装载位置。在上述过程中，很多环节都需要无人驾驶车辆对环境和场景的认知能力，比如确定等待装载位置、规划前往等待装载位置的行驶轨迹、确定前往装载位置、规划前往装载位置的行驶轨迹、规划行驶轨迹驶离装载位置等，会存在安全问题和效率问题。

有关安全问题，例如确定等待装载位置、规划行驶轨迹、前往等待装载位置、前往装载位置等过程中，都依赖基础的地图和感知能力，对于类似采煤场景下，激光雷达的识别能力有限或者完全丧失的情况，无法保证基本的安全。

有关效率问题，例如确定等待装载位置、规划行驶轨迹等过程中，位置和轨迹的选择是否合理直接影响了车辆运行的效率，而位置的选择和轨迹的选择对环境和场景的准确识别是强依赖的；然而，随着作业过程的推进，装载区的环境和场景会不断的变化，会出现环境和场景识别算法失效的情况。

针对上述安全问题和效率问题，如果是通过提升传感器能力并提升环境和场景的识别能力，可能导致成本的极大提升；如果是限定无人驾驶车辆的使用范围，严格控制整个***的运行边界，那么会降低无人驾驶车辆的业务适应性。

因此，为解决上述安全问题和效率问题，以矿山场景中无人驾驶车辆的装载过程为例，可以将多台无人驾驶车辆与一台有人驾驶车辆组成作业编组，有人驾驶车辆在作业过程中，在进入作业场景的入口后，会前往待装载区的位置排队等待，有人驾驶车辆会自动采集行驶过程中的有人驾驶数据，包括定位数据，还可以包括人工标注等。有人驾驶车辆根据挖掘机的指令会前往装载位置，并且停靠在装载位置，期间有人驾驶车辆会采集行驶过程中的行驶数据和停靠位置。挖掘机在装载完成后，有人驾驶车辆会驶离装载位置，车辆会自动记录驶离装载位置的行驶数据。例如，有人驾驶车辆会基于将采集到有人驾驶处理为有人驾驶数据并分享给其他无人驾驶车辆，无人驾驶车辆基于分享到的行驶轨迹和停靠位置进行行驶和停靠。当然，还可以有人驾驶车辆将采集到有人驾驶数据发送到云平台或者无人驾驶车辆，以便处理，具体参见上述描述，这里不再赘述。

实施例中，有人驾驶车辆或者无人驾驶车辆在目标区域中作业，例如该有人驾驶车辆和无人驾驶车辆为运输车辆，该目标区域可以为装载区，该装载区包括装载区入口、空载车辆行驶区域、排队区域、待装区域、装载区域、重载车辆行驶区域和装载区出口。有人驾驶车辆从装载区入口进入装载区，这时有人驾驶车辆为空载车辆，会行驶在空载行驶区域，在到达排队区域时会和其他车辆排队等候装载，排队完成后会进入待装区域，这时可以根据挖掘机的指令停靠在具体的装载区域中进行装载，在装载完成后有人驾驶车辆为重载车辆，通过重载车辆行驶区域驶离并在驶出装载区出口。有人驾驶车辆在装载区作业的过程会生成有人驾驶数据，无人驾驶车辆根据有人驾驶车辆会在装载区完成作业，其流程与有人驾驶车辆在装载区域作业时一致，这里不在赘述。当然，无人驾驶车辆基于有人驾驶车辆作业时，该有人驾驶车辆可以为处理后的数据，其处理方式如上所述，这里不再赘述。

具体的，如图1所示，图1为本公开实施例中提供的一种场景示意图。实施例中，该无人驾驶车辆和有人驾驶车辆的类型可以为运输车辆，例如矿山场景中通过运输车来运输矿石。

图1中，有人驾驶车辆在进入装载区入口，通过入口区域后进入排队区域，然后进入待装区域，并停靠在待装停靠点，通过接收挖掘机的指令，在装载区域的装载停靠点停靠。在完成挖掘机的装载作业后，有人驾驶车辆驶离装载停靠点。包括有人驾驶车辆在从装载区入口进入到驶离装载区域的过程中，有人驾驶车辆会生成有人驾驶数据，包括有人驾驶车辆的定位数据，还可以包括人工对各个停靠点和各区域的人工标记等等。通过有人驾驶数据中的定位数据，可以生成有人驾驶车辆的行驶轨迹，包括从装载区入口到装载停靠点的行驶轨迹及驶离停靠点的行驶轨迹等等，通过有人驾驶数据可以识别到各个作业区域，例如入口区域、排队区域、待装区域和装载区域等等，这样可以得到行驶轨迹和作业区域的有人驾驶数据，以便无人驾驶车辆可以基于该无人驾驶来进行作业。

实施例中，在对各作业区域进行识别时，例如可以将待装停靠点至装载停靠点之间为装载区域；从待装停靠点前车辆完成换向位置之前30米，至待装停靠点之间为待装区域；从装载区入口至待装区域之间为排队区域。各个停靠点可以通过人工标定或者在地图上预先设置的位置来确定。

这样无人驾驶车辆可以按照有人驾驶车辆的行驶轨迹和停靠位置进行执行，实施例中，无人驾驶车辆还可以根据自身的感知信息，对行驶轨迹和停靠位置进行微调，以适应实时的环境变化。另外，有人驾驶的车辆也可以通过远程遥控驾驶的方式进行，且根据业务需求，一台有人介入的车辆可以与多台无人驾驶的车辆组成编组，极大程度上降低人工介入带来的成本提升。

本公开实施例中，可以根据矿山场景缓慢持续变化的特点，通过一辆有人驾驶进行一次作业完成来进行场景识别后，在人工驾驶几次作业循环的时间范围内该场景识别结果都具备一定的准确性，因此一台有人驾驶实际上可以支撑多个编组的无人驾驶车辆自动作业，因此综合来看，并不会因为增加了人工成本而带来多大的成本提升，相反，这种由人工去保证车辆在随时缓慢变化的场景中保持最优决策，而无人驾驶车辆则利用自身的优势，适应实时动态环境的方式，相对于前面提到的两种解决方案，更加具备成本优势，同时还提升了场景的适应能力。

基于上述实施例，本公开实施例首先提供了一种基于有人驾驶的无人驾驶作业方法，如图2所示，该方法可以包括如下步骤：

在步骤S210中，形成无人驾驶车辆与有人驾驶车辆的编组。

本公开实施例中，可以将与无人车具有相同或者相近作业内容的有人驾驶车辆进行编组，或者将与无人驾驶车辆的车型一致的有人驾驶车辆进行编组，便于无人驾驶车辆在目标区域中作业时可以直接基于有人驾驶车辆的产生的有人驾驶车辆进行作业。

在步骤S220中，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据。

实施例中，无人驾驶车辆可以通过云平台、近场通信技术或者短程通讯技术获取有人驾驶数据。无人驾驶车辆在通过云平台来获取有人驾驶数据时，云平台可以对有人驾驶数据进行处理，例如优化、筛选或整合等处理，并将处理后的有人驾驶数据发送给无人驾驶车辆，便于无人驾驶车辆可以依据有人驾驶数据更好的在目标区域中作业。

其中，有人驾驶数据包括：用户驾驶有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，作业信息与在标注时有人驾驶车辆的实时定位信息相关联。实施例中的作业信息包括行驶轨迹的类型、作业区域的内容、边界或者范围。其中，无人驾驶车辆可以用于运输，该作业区域的内容可以包括行驶区域、排队区域、待装区域、装载区域、待装位和装载位中的至少一种。实时定位信息可以由有人驾驶车辆上的定位传感器获取。

在本公开提供的实施例中，有人驾驶车辆可以与无人驾驶车辆的完全相同，具备相同的传感器配置和无人驾驶能力；有人驾驶车辆也可以不具备无人驾驶能力，相对于无人驾驶车辆传感器类型和能力做一些降级，但需要根据业务需要，具备基本数据采集和处理能力。并且在有人驾驶车辆作业过程中，会实时将车辆的采集到的基本数据进行记录和存储。其中，该基本数据包括高精度定位数据等，实施例中可以将有人驾驶车辆采集到的该基本数据及接收到用户手动标注的信息作为有人驾驶数据。例如，手动标注可以是通过显示装置上的按钮进行标注。

实施例中，通过有人驾驶数据中的定位数据可以获得行驶轨迹，并且通过对场景识别，来得到作业区域。结合图1及对应的上述实施例可知，行驶轨迹可以是从装载区入口到装载停靠点的行驶轨迹及驶离停靠点的行驶轨迹。还可以根据停靠点进一步划分行驶轨迹，例如停靠点可以包括装载区入口、待装停靠点和装载停靠点，行驶轨迹可以包括从装载区入口到待装停靠点之间的行驶轨迹，从待装停靠点到装载停靠点之间的行驶轨迹，及驶离装载停靠点的行驶轨迹等等。有关目标区域中作业场景的识别，可以包括行驶区域、排队区域、待装区域、装载区域、待装位或装载位。实施例中的各区域和位置可以通过用户在驾驶有人驾驶车辆在目标区域中作业时，通过手工标注来获得。

实施例中，可以将装载区入口与待装停靠点之间的区域作为排队区域；将待装停靠点与装载停靠点之间的区域作为待装区域；将装载停靠点所在的区域作为装载区域。

本公开提供的实施例中，还可以根据人工标注的信息来确定目标区域中的作业区域。例如，获取有人驾驶数据中的区域标注信息，并基于区域标注信息确定目标区域中的作业区域。

本公开实施例中，无人驾驶车辆可以基于获得的行驶轨迹和作业区域，在目标区域中完成与有人驾驶车辆具有相同作业内容的作业，而不需要重新对作业的行驶轨迹进行规划和对场景的重新识别。

在步骤S230中，基于作业信息判断无人驾驶车辆是否行驶到作业区域。

无人驾驶车辆行驶到作业区域时，在步骤S240中，在作业区域中执行相应的无人驾驶作业。

由于有人驾驶数据包括用户驾驶有人驾驶车辆在目标区域中作业时，手动标注的作业信息，且该作业信息与在标注时有人驾驶车辆的实时定位信息相关联。实施例中目标区域可以根据作业区域的内容进一步分为行驶区域、排队区域、待装区域、装载区域、待装位或装载位等区域，因此车辆在进入到不同的作业区域时需要执行相应的作业内容。

因此，需要判断无人驾驶车辆是否行驶到作业区域，在行驶到作业区域时，无人驾驶车辆可以基于该有人驾驶数据，在作业区域中执行相应的无人驾驶作业。例如，无人驾驶车辆在行驶到排队区域时，与其他车辆一起进行排队；在无人驾驶车辆行驶到待装区域时，等待装载；在无人驾驶车辆行驶到装载区域时，进行装载作业。

实施例中，由于无人驾驶车辆和有人驾驶车辆形成编组，无人驾驶车辆行驶到相应的作业区域时，有人驾驶车辆和无人驾驶车辆在该作业区域中的作业内容也会相同，无人驾驶车辆可以按照有人驾驶数据中的行驶轨迹行驶，并且在作业区域中执行无人驾驶作业。例如，无人驾驶车辆在进入排队区域时，如果检测到排队区域中有其他车辆，那么无人驾驶车辆在排队区域进行排队；在进入到待装区域时，等待接收挖掘机的指令，在接收大挖掘机的指令时，行驶到对应的装载停靠点进行停靠，并且在完成装载作业后驶离该装载停靠点。

实施例中，由于有人驾驶数据是基于有人驾驶车辆在目标区域作业时采集的数据及人工标注的信息得到，使得无人驾驶车辆在基于该有人驾驶数据在作业区域中作业时，可以是有人驾驶车辆在目标区域中完成一次完整的作业后获得的数据，这样一辆或者多辆无人驾驶车辆可以根据该有人驾驶数据在目标区域中的作业区域进行作业，无人驾驶车辆在根据有人驾驶数据作业的过程中，还可以验证该有人驾驶数据的有效性，以便可以完善或动态的调整该有人驾驶数据，以便其他车辆可以根据完善或者动态调整后的无人驾驶车辆更好的完成作业。

本公开实施例提供的基于有人驾驶的无人驾驶作业方法，通过形成无人驾驶车辆与有人驾驶车辆的编组，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，其中，有人驾驶数据包括：用户驾驶有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，作业信息与在标注时有人驾驶车辆的实时定位信息相关联，基于作业信息在判断到无人驾驶车辆行驶到作业区域时，在作业区域中执行相应的无人驾驶作业。这样无人驾驶车辆可以通过有人驾驶车辆获得的有人驾驶数据在目标区域中作业，使得由人工去保证车辆在不同的环境条件以及随着时间缓慢变化的场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，达到有人驾驶车辆和无人驾驶车辆之间的能力互补，以提升环境和场景适应性。

基于上述实施例，在本公开提供的又一实施例中，上述步骤S240还可以包括如下步骤：

在步骤S241中，获取无人驾驶车辆的待作业信息。

在步骤S242中，获取目标行驶轨迹和目标作业区域。其中，该目标行驶轨迹和该目标作业区域为基于待作业信息分别从行驶轨迹和作业区域中确定。

在步骤S243中，按照目标行驶轨迹行驶，并在进入到目标区域时作业。

在本公开提供的实施例中，有人驾驶数据可以为一辆有人驾驶车辆在目标区域中作业时得到的数据，还可以是多辆有人驾驶车辆在目标还中作业时得到的数据。

针对一辆有人驾驶车辆在目标区域中作业时得到的有人驾驶数据的情况，如果该有人驾驶车辆与无人驾驶车辆的作业内容相同，都是在目标区域中进行作业，那么无人驾驶车辆可以直接根据有人驾驶数据获得的行驶轨迹和作业区域进行相应的作业。而如果是有人驾驶车辆在目标区域中作业时包括更多的作业内容，而无人驾驶车辆在目标区域中作业时如果只包含有人驾驶车辆作业内容中的一项或者几项，由于是从有人驾驶数据中获得行驶轨迹和作业区域，因此需要从该行驶轨迹和作业区域中分别确定出与无人驾驶车辆作业信息相匹配的目标行驶轨迹和目标作业区域，这样无人驾驶车辆可以按照目标行驶轨迹行驶，并在进入到目标作业区域时作业。

针对多辆有人驾驶车辆在目标区域中作业时得到的有人驾驶数据的情况，该有人驾驶数据的作业内容可能也包含更多的作业内容，而无人驾驶车辆在作业区域中作业时可能只包含有人驾驶车辆作业内容中的一项或者几项，由于是从有人驾驶数据中获得行驶轨迹和作业区域，因此需要从该行驶轨迹和作业区域中分别确定出与无人驾驶车辆作业信息相匹配的目标行驶轨迹和目标作业区域，这样无人驾驶车辆可以按照目标行驶轨迹行驶，并在进入到目标作业区域时作业。

通过确定出目标行驶轨迹和目标作业区域，可以保障无人驾驶车辆可以针对作业信息更好的按照目标行驶轨迹行驶，并在进入到目标作业区域中时进行作业。

需要说明的是，本公开实施例提供的该方法，可以应用于无人驾驶车辆，还可以应用于控制无人驾驶车辆的控制台等设备，本公开实施例不限于此。

在采用对应各个功能划分各个功能模块的情况下，本公开实施例提供了一种基于有人驾驶的无人驾驶作业装置，该基于有人驾驶的无人驾驶作业装置可以为服务器或应用于服务器的芯片。图3为本公开一示例性实施例提供的基于有人驾驶的无人驾驶作业装置的功能模块示意性框图。如图3所示，该基于有人驾驶的无人驾驶作业装置包括：

编组模块10，用于形成无人驾驶车辆与有人驾驶车辆的编组；

数据获取模块20，用于无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据；其中，所述有人驾驶数据包括：用户驾驶所述有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，所述作业信息与在标注时所述有人驾驶车辆的实时定位信息相关联；

判断模块30，用于基于所述作业信息判断所述无人驾驶车辆是否行驶到作业区域；

作业模块40，用于所述无人驾驶车辆行驶到所述作业区域时，在所述作业区域中执行相应的无人驾驶作业。

在本公开提供的又一实施例中，所述作业信息包括行驶轨迹的类型、作业区域的内容、边界或者范围。

在本公开提供的又一实施例中，所述无人驾驶车辆用于运输，所述作业区域的内容包括行驶区域、排队区域、待装区域、装载区域、待装位或装载位。

在本公开提供的又一实施例中，所述手动标注是通过显示装置上的按钮进行标注。

在本公开提供的又一实施例中，所述实时定位信息由所述有人驾驶车辆上的定位传感器获取。

在本公开提供的又一实施例中，所述无人驾驶车辆通过云平台、近场通信技术或者短程通讯技术获取所述有人驾驶数据。

在本公开提供的又一实施例中，所述无人驾驶车辆从云平台获取的数据经过了云平台的处理。

在本公开提供的又一实施例中，所述云平台的处理包括对所述有人驾驶数据进行优化、筛选或整合。

由于装置实施例与上述方法实施例相对应，具体可以参见上述方法实施例的描述，这里不再赘述。

本公开实施例提供的基于有人驾驶的无人驾驶作业装置，通过形成无人驾驶车辆与有人驾驶车辆的编组，无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据，其中，有人驾驶数据包括：用户驾驶有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，作业信息与在标注时有人驾驶车辆的实时定位信息相关联，基于作业信息在判断到无人驾驶车辆行驶到作业区域时，在作业区域中执行相应的无人驾驶作业。这样无人驾驶车辆可以通过有人驾驶车辆获得的有人驾驶数据在目标区域中作业，使得由人工去保证车辆在不同的环境条件以及在变化场景中保持最优决策；而无人驾驶车辆则利用自身的优势，适应实时动态变化的场景，达到有人驾驶车辆和无人驾驶车辆之间的能力互补，以提升环境和场景适应性。

本公开实施例还提供一种电子设备，包括：至少一个处理器；用于存储所述至少一个处理器可执行指令的存储器；其中，所述至少一个处理器被配置为执行所述指令，以实现本公开实施例公开的上述方法。

图4为本公开一示例性实施例提供的电子设备的结构示意图。如图4所示，该电子设备1800包括至少一个处理器1801以及耦接至处理器1801的存储器1802，该处理器1801可以执行本公开实施例公开的上述方法中的相应步骤。

上述处理器1801还可以称为中央处理单元（central processing unit，CPU），其可以是一种集成电路芯片，具有信号的处理能力。本公开实施例公开的上述方法中的各步骤可以通过处理器1801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1801可以是通用处理器、数字信号处理器（digital signal processing，DSP）、ASIC、现成可编程门阵列（field-programmable gate array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储器1802中，例如随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质。处理器1801读取存储器1802中的信息，结合其硬件完成上述方法的步骤。

另外，根据本公开的各种操作/处理在通过软件和/或固件实现的情况下，可从存储介质或网络向具有专用硬件结构的计算机***，例如图5所示的计算机***1900安装构成该软件的程序，该计算机***在安装有各种程序时，能够执行各种功能，包括诸如前文所述的功能等等。图5为本公开一示例性实施例提供的计算机***的结构框图。

计算机***1900旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，计算机***1900包括计算单元1901，该计算单元1901可以根据存储在只读存储器（ROM）1902中的计算机程序或者从存储单元1908加载到随机存取存储器（RAM）1903中的计算机程序，来执行各种适当的动作和处理。在RAM 1903中，还可存储计算机***1900操作所需的各种程序和数据。计算单元1901、ROM 1902以及RAM 1903通过总线1904彼此相连。输入/输出（I/O）接口1905也连接至总线1904。

计算机***1900中的多个部件连接至I/O接口1905，包括：输入单元1906、输出单元1907、存储单元1908以及通信单元1909。输入单元1906可以是能向计算机***1900输入信息的任何类型的设备，输入单元1906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元1907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1908可以包括但不限于磁盘、光盘。通信单元1909允许计算机***1900通过网络诸如因特网的与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1901的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元1901执行上文所描述的各个方法和处理。例如，在一些实施例中，本公开实施例公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1902和/或通信单元1909而被载入和/或安装到电子设备1900上。在一些实施例中，计算单元1901可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行本公开实施例公开的上述方法。

本公开实施例还提供一种计算机可读存储介质，其中，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本公开实施例公开的上述方法。

本公开实施例中的计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。上述计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。更具体的，上述计算机可读存储介质可以包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

本公开实施例还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开实施例公开的上述方法。

在本公开的实施例中，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言，诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机，或者，可以连接到外部计算机。

附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块、部件或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块、部件或单元的名称在某种情况下并不构成对该模块、部件或单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示例性的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (10)

1.一种基于有人驾驶的无人驾驶作业方法，其特征在于，所述方法包括：

形成无人驾驶车辆与有人驾驶车辆的编组；

无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据；其中，所述有人驾驶数据包括：用户驾驶所述有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，所述作业信息与在标注时所述有人驾驶车辆的实时定位信息相关联，其中，所述手动标注是指通过显示装置上的按钮进行标注；所述作业信息包括行驶轨迹的类型、作业区域的类型、作业区域的边界或者作业区域的范围；所述目标区域包括露天矿区，所述作业区域的内容包括行驶区域、排队区域、待装区域、装载区域、待装位或装载位，所述行驶轨迹的类型包括重载轨迹和空载轨迹；

基于所述作业信息判断所述无人驾驶车辆是否行驶到作业区域；

若是，在所述作业区域中执行相应的无人驾驶作业。

2.根据权利要求1所述的方法，其特征在于，所述无人驾驶车辆用于运输，所述作业区域的内容包括行驶区域、排队区域、待装区域、装载区域、待装位或装载位。

3.根据权利要求2所述的方法，其特征在于，所述手动标注是通过显示装置上的按钮进行标注。

4.根据权利要求1所述的方法，其特征在于，所述实时定位信息由所述有人驾驶车辆上的定位传感器获取。

5.根据权利要求1~4任一所述的方法，其特征在于，所述无人驾驶车辆通过云平台、近场通信技术或者短程通讯技术获取所述有人驾驶数据。

6.根据权利要求5所述的方法，其特征在于，所述无人驾驶车辆从云平台获取的数据经过了云平台的处理。

7.根据权利要求5所述的方法，其特征在于，所述云平台的处理包括对所述有人驾驶数据进行优化、筛选或整合。

8.一种基于有人驾驶的无人驾驶作业装置，其特征在于，所述装置包括：

编组模块，用于形成无人驾驶车辆与有人驾驶车辆的编组；

数据获取模块，用于无人驾驶车辆获取编组内有人驾驶车辆提供的有人驾驶数据；其中，所述有人驾驶数据包括：用户驾驶所述有人驾驶车辆在目标区域中作业时，手动标注的作业信息，并且，所述作业信息与在标注时所述有人驾驶车辆的实时定位信息相关联；，其中，所述手动标注是指通过显示装置上的按钮进行标注；所述作业信息包括行驶轨迹的类型、作业区域的类型、作业区域的边界或者作业区域的范围；所述目标区域包括露天矿区，所述作业区域的内容包括行驶区域、排队区域、待装区域、装载区域、待装位或装载位，所述行驶轨迹的类型包括重载轨迹和空载轨迹；

判断模块，用于基于所述作业信息判断所述无人驾驶车辆是否行驶到作业区域；

作业模块，用于所述无人驾驶车辆行驶到作业区域时，在所述作业区域中执行相应的无人驾驶作业。

9.一种电子设备，其特征在于，包括：

至少一个处理器；

用于存储所述至少一个处理器可执行指令的存储器；

其中，所述至少一个处理器被配置为执行所述指令，以实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1-7中任一项所述的方法。