车辆的控制方法及装置、无人驾驶车辆制造方法及图纸

本发明专利技术公开了一种车辆的控制方法及装置、无人驾驶车辆。其中，该方法包括：获取目标车辆的行驶环境图像；对行驶环境图像进行预处理，得到预处理后的行驶环境图像；通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像；按照控制策略控制目标车辆的行驶行为。本发明专利技术解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的技术问题。

【技术实现步骤摘要】
车辆的控制方法及装置、无人驾驶车辆
本专利技术涉及车辆控制
，具体而言，涉及一种车辆的控制方法及装置、无人驾驶车辆。
技术介绍
车辆行驶在道路上，需要对周围路况进行快速、及时的分析，以确保其能够正常行驶在道路上。若要确保车辆能够正常行驶在车辆上，对车辆所在路况进行分析十分重要。相关技术中，在对车辆所在路况进行分析时，一般是通过采集当前道路上的图像，并对图像进行分析，以确定车辆当前所在道路上的路况信息。然而，相关技术中在对采集的图像进行分析时，可能会由于图像上的干扰物较多，导致分析得到的路况并不准确，那么基于上述图像分析得的路况确定的用于对车辆进行控制的控制策略可能也会存在错误，这就为道路安全埋下了安全隐患。针对上述相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种车辆的控制方法及装置、无人驾驶车辆，以至少解决相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的技术问题。根据本专利技术实施例的一个方面，提供了一种车辆的控制方法，包括：获取目标车辆的行驶环境图像；对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；按照所述控制策略控制所述目标车辆的行驶行为。可选地，获取目标车辆当前所在空间的行驶环境图像，包括：确定所述目标车辆处于运行状态；触发所述目标车辆上的图像采集设备采集所述目标车辆预定区域内的行驶环境图像。可选地，对所述行驶环境图像进行预处理，包括以下至少之一：利用热核扩散方式对所述行驶环境图像进行去噪处理，以过滤掉所述行驶环境图像中的背景噪声；将所述行驶环境图像与行驶环境图像模板比较，以过滤掉所述行驶环境图像中的背景噪声，其中，所述行驶环境图像模板为预先设置并用于对行驶环境图像进行去噪的模板。可选地，按照所述控制策略控制所述目标车辆的行驶行为，包括以下至少之一：按照所述控制策略控制所述目标车辆的行驶速度；按照所述控制策略控制所述目标车辆的行驶方向。可选地，该车辆的控制方法还包括：对所述行驶环境图像进行分析，得到所述目标车辆所在环境的气象信息；基于所述气象信息确定所述目标车辆所在环境的环境等级；按照所述环境等级控制所述目标车辆的预定部件，其中，所述预定部件包括以下至少之一：车窗、雨刷器、空调器。可选地，基于所述气象信息确定所述目标车辆所在环境的环境等级，包括：通过环境等级判定模型，确定与所述气象信息对应的环境等级，其中，所述环境等级判定模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中每一组训练数据均包括：气象信息与气象信息对应的环境等级。可选地，在通过环境等级判定模型，确定与所述气象信息对应的环境等级之前，该车辆的控制方法还包括：获取多个历史气象信息；通过预定判断条件对所述多个历史气象信息进行标定，确定多个所述历史气象信息中每一个历史气象信息对应的环境等级，以获取所述训练数据。可选地，该车辆的控制方法还包括：采集所述目标车辆中乘客的图像；对所述图像进行分析，得到所述乘客的情绪信息；确定与所述情绪信息对应的多媒体文件；控制所述目标车辆的媒体部件播放所述多媒体文件。根据本专利技术实施例的另外一个方面，还提供了一种车辆的控制方法，包括：在目标车辆的操作界面中展示所述目标车辆的行驶环境图像；对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；在所述操作界面中展示通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；在所述操作界面上展示所述目标车辆按照所述控制策略行驶的行驶路线。根据本专利技术实施例的另外一个方面，还提供了一种车辆的控制装置，包括：获取单元，用于获取目标车辆的行驶环境图像；预处理单元，用于对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；确定单元，用于通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；控制单元，用于按照所述控制策略控制所述目标车辆的行驶行为。可选地，所述获取单元，包括：第一确定模块，用于确定所述目标车辆处于运行状态；采集模块，用于触发所述目标车辆上的图像采集设备采集所述目标车辆预定区域内的行驶环境图像。可选地，所述预处理单元，包括以下至少之一：去噪处理模块，用于利用热核扩散方式对所述行驶环境图像进行去噪处理，以过滤掉所述行驶环境图像中的背景噪声；过滤模块，用于将所述行驶环境图像与行驶环境图像模板比较，以过滤掉所述行驶环境图像中的背景噪声，其中，所述行驶环境图像模板为预先设置并用于对行驶环境图像进行去噪的模板。可选地，所述控制单元，包括以下至少之一：第一控制模块，用于按照所述控制策略控制所述目标车辆的行驶速度；第二控制模块，用于按照所述控制策略控制所述目标车辆的行驶方向。可选地，该车辆的控制装置还包括：分析单元，用于对所述行驶环境图像进行分析，得到所述目标车辆所在环境的气象信息；所述确定单元，用于基于所述气象信息确定所述目标车辆所在环境的环境等级；所述控制单元，用于按照所述环境等级控制所述目标车辆的预定部件，其中，所述预定部件包括以下至少之一：车窗、雨刷器、空调器。可选地，所述确定单元，包括：第二确定模块，用于通过环境等级判定模型，确定与所述气象信息对应的环境等级，其中，所述环境等级判定模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中每一组训练数据均包括：气象信息与气象信息对应的环境等级。可选地，该车辆的控制装置还包括：获取模块，用于在通过环境等级判定模型，确定与所述气象信息对应的环境等级之前，获取多个历史气象信息；标定模块，用于通过预定判断条件对所述多个历史气象信息进行标定，确定多个所述历史气象信息中每一个历史气象信息对应的环境等级，以获取所述训练数据。可选地，该车辆的控制装置还包括：采集单元，用于采集所述目标车辆中乘客的图像；所述获取单元，用于对所述图像进行分析，得到所述乘客的情绪信息；所述确定单元，用于确定与所述情绪信息对应的多媒体文件；所述控制单元，用于控制所述目标车辆的媒体部件播放所述多媒体文件。根据本专利技术实施例的另外一个方面，还提供了一种车本文档来自技高网...

【技术保护点】
1.一种车辆的控制方法，其特征在于，包括：/n获取目标车辆的行驶环境图像；/n对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；/n通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；/n按照所述控制策略控制所述目标车辆的行驶行为。/n

【技术特征摘要】
1.一种车辆的控制方法，其特征在于，包括：
获取目标车辆的行驶环境图像；
对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；
通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；
按照所述控制策略控制所述目标车辆的行驶行为。


2.根据权利要求1所述的方法，其特征在于，获取目标车辆当前所在空间的行驶环境图像，包括：
确定所述目标车辆处于运行状态；
触发所述目标车辆上的图像采集设备采集所述目标车辆预定区域内的行驶环境图像。


3.根据权利要求1所述的方法，其特征在于，对所述行驶环境图像进行预处理，包括以下至少之一：
利用热核扩散方式对所述行驶环境图像进行去噪处理，以过滤掉所述行驶环境图像中的背景噪声；
将所述行驶环境图像与行驶环境图像模板比较，以过滤掉所述行驶环境图像中的背景噪声，其中，所述行驶环境图像模板为预先设置并用于对行驶环境图像进行去噪的模板。


4.根据权利要求1所述的方法，其特征在于，按照所述控制策略控制所述目标车辆的行驶行为，包括以下至少之一：
按照所述控制策略控制所述目标车辆的行驶速度；
按照所述控制策略控制所述目标车辆的行驶方向。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述行驶环境图像进行分析，得到所述目标车辆所在环境的气象信息；
基于所述气象信息确定所述目标车辆所在环境的环境等级；
按照所述环境等级控制所述目标车辆的预定部件，其中，所述预定部件包括以下至少之一：车窗、雨刷器、空调器。


6.根据权利要求5所述的方法，其特征在于，基于所述气象信息确定所述目标车辆所在环境的环境等级，包括：
通过环境等级判定模型，确定与所述气象信息对应的环境等级，其中，所述环境等级判定模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中每一组训练数据均包括：气象信息与气象信息对应的环境等级。


7.根据权利要求6所述的方法，其特征在于，在通过环境等级判定模型，确定与所述气象信息对应的环境等级之前，所述方法还包括：
获取多个历史气象信息；
通过预定判断条件对所述多个历史气象信息进行标定，确定多个所述历史气象信息中每一个历史气象信息对应的环境等级，以获取所述训练数据。


8.根据权利要求5至7中任一项所述的方法，其特征在于，所述方法还包括：
采集所述目标车辆中乘客的图像；
对所述图像进行分析，得到所述乘客的情绪信息；...

【专利技术属性】
技术研发人员：顾裕洁，孙丰涛，聂晓马，赵红芳，李永业，栾琳，李宁，肖春辉，
申请(专利权)人：银隆新能源股份有限公司，珠海广通汽车有限公司，
类型：发明
国别省市：广东;44