一种车辆的控制方法、装置及终端设备制造方法及图纸

本申请适用于车辆控制技术领域，提供了一种车辆的控制方法、装置及终端设备，该方法包括：通过车辆上的摄像头采集第一图像，并根据第一图像中的车外环境，确定车辆的控制策略，控制策略包括限速值，基于控制策略，控制车辆行驶。相较于现有技术中对车速没有限制，若车辆行驶在复杂路况，用户误将油门当作刹车，导致车速较快，容易出现交通事故。本申请根据车外环境确定了车辆的限速值，若车辆行驶在复杂路况，即使用户在紧急情况下操作失误，由于对车辆进行了限速，也可以降低出现事故的几率。也可以降低出现事故的几率。也可以降低出现事故的几率。

【技术实现步骤摘要】
一种车辆的控制方法、装置及终端设备


[0001]本申请属于车辆控制
，尤其涉及一种车辆的控制方法、装置及终端设备。

技术介绍

[0002]随着人们生活水平的提高，汽车成为人们生活不可缺少的交通工具。在用户驾驶车辆过程中，需要用户根据路况控制车辆运行。
[0003]在用户驾驶过程中，若遇到复杂路况，例如，人车密集路况、下雨路况或下雪路况，在紧急情况下，若用户误操作，导致交通事故。

技术实现思路

[0004]本申请实施例提供了一种车辆的控制方法、装置及终端设备，可以降低由于用户误操作，造成交通事故的几率。
[0005]第一方面，本申请实施例提供了一种车辆的控制方法，包括：
[0006]通过安装在车辆上的摄像头采集第一图像，所述第一图像包括车外环境；
[0007]基于所述第一图像中的车外环境，确定所述车辆的控制策略，其中，所述控制策略包括所述车辆的限速值；
[0008]基于所述控制策略，控制所述车辆行驶。
[0009]第二方面，本申请实施例提供了一种车辆的控制装置，包括：
[0010]图像采集模块，用于通过安装在车辆上的摄像头采集第一图像，所述第一图像包括车外环境；
[0011]策略确定模块，用于基于所述第一图像中的车外环境，确定所述车辆的控制策略，其中，所述控制策略包括所述车辆的限速值；
[0012]控制模块，用于基于所述控制策略，控制所述车辆行驶。
[0013]第三方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的车辆的控制方法。
[0014]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的车辆的控制方法。
[0015]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的车辆的控制方法。
[0016]本申请第一方面实施例与现有技术相比存在的有益效果是：通过车辆上的摄像头采集第一图像，并根据第一图像中的车外环境，确定车辆的控制策略，控制策略包括限速值，基于控制策略，控制车辆行驶。相较于现有技术中对车速没有限制，若车辆行驶在复杂路况，用户误将油门当作刹车，导致车速较快，容易出现交通事故。本申请根据车外环境确定了车辆的限速值，若车辆行驶在复杂路况，即使用户在紧急情况下操作失误，由于对车辆
进行了限速，也可以降低出现事故的几率。
[0017]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本申请一实施例提供的车辆的控制方法的应用场景示意图；
[0020]图2是本申请一实施例提供的车辆的控制方法的流程示意图；
[0021]图3是本申请一实施例提供的根据环境特征确定控制策略的方法的流程示意图；
[0022]图4是本申请一实施例提供的第一图像的示意图；
[0023]图5是本申请一实施例提供的第一卷积神经网络的结构示意图；
[0024]图6是本申请一实施例提供的残差模块的结构示意图；
[0025]图7是本申请一实施例提供的神经网络更新的流程示意图；
[0026]图8是本申请另一实施例提供的神经网络更新的流程示意图；
[0027]图9是本申请一实施例提供的根据预设图像确定控制策略的方法的流程示意图；
[0028]图10是本申请一实施例提供的车辆的控制装置的结构示意图；
[0029]图11是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
[0030]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0031]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0032]另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0033]在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。
[0034]由于车辆的智能化程度低，用户在驾驶车辆时，需要根据不同的车外环境，进行车辆控制的选择，例如，根据不同路况选择驱动模式，根据不同的环境，选择车窗开启或关闭等。用户需要对车辆的功能相对了解，才能根据车外环境选择到合适的控制策略。由于新手司机，对车辆不够了解，不会选择控制策略，或者选择的控制策略不合适，造成车辆磨损等。
[0035]基于上述问题，本申请提出一种车辆控制方法，可以根据车外环境自动选择控制
策略，提高了车辆的自动化水平。
[0036]图1为本申请实施例提供的车辆的控制方法的应用场景示意图，上述车辆的控制方法可以用于根据车外环境确定控制策略。其中，车辆上的摄像头10用于采集车外环境图像，并向车辆上的处理器20发送车外环境图像。车辆上的处理器20在接收到摄像头10发送的车外环境图像后，得到对应的控制策略，并基于控制策略控制车辆行驶。
[0037]图2示出了本申请提供的车辆的控制方法的示意性流程图，参照图2，对该方法的详述如下：
[0038]S101，通过安装在车辆上的摄像头采集第一图像，所述第一图像包括车外环境。
[0039]在本实施例中，摄像头可以是用于采集车辆前方环境的前视摄像头，或者是用于采集车辆四周环境的全景摄像头。
[0040]在本实施例中，摄像头可以按照预设时间间隔拍摄第一图像。例如，在检测到车辆启动信号后，开始第一次拍摄，然后每间隔20分钟拍摄一次。摄像头还可以每间隔预设公里数拍摄一次，例如，在车辆启动后进行第一次拍摄，然后每间隔3公里拍摄一次，也就是车辆每行驶3公里时拍摄一次。
[0041]在本实施例中，车外环境可以包括路况、天气情况等，天本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆的控制方法，其特征在于，包括：通过安装在车辆上的摄像头采集第一图像，所述第一图像包括车外环境；基于所述第一图像中的车外环境，确定所述车辆的控制策略，其中，所述控制策略包括所述车辆的限速值；基于所述控制策略，控制所述车辆行驶。2.如权利要求1所述的车辆的控制方法，其特征在于，所述基于所述第一图像中的车外环境，确定所述车辆的控制策略，包括：识别所述第一图像中的车外环境的环境特征，其中，所述环境特征包括下雨路况、下雪路况、非雨雪的平坦路况、非雨雪的非平坦路况、洗车场所、园区场所、停车场所、人车混杂场所中的一种；将所述环境特征关联的第一策略作为所述车辆的控制策略。3.如权利要求2所述的车辆的控制方法，其特征在于，在所述识别所述第一图像中的车外环境的环境特征之后，所述方法还包括：获得所述环境特征关联的所述第一策略；显示所述第一策略；相应的，所述将所述环境特征关联的第一策略作为所述车辆的控制策略，包括：若在第一时刻之后的第一预设时间段内接收到第一指令，将所述第一策略作为所述车辆的控制策略，所述第一时刻为显示所述第一策略的时刻，所述第一指令表征确定使用所述第一策略。4.如权利要求3所述的车辆的控制方法，其特征在于，所述识别所述第一图像中的车外环境的环境特征，包括：将所述第一图像输入至第一卷积神经网络，得到所述第一图像中的车外环境的环境特征。5.如权利要求4所述的车辆的控制方法，其特征在于，在所述显示所述第一策略之后，所述方法还包括：若在所述第一时刻之后的所述第一预设时间段内未接收到所述第一指令，向服务器发送所述第一图像和为所述第一图像标注的第一标签，其中，所述第一图像和所述第一标签用于指示所述服务器利用所述第一图像和所述第一标签训练所述第一卷积神经网络，得到第二卷积神经网络，并向所述车辆发送所述第二卷积神经网络，所述第一标签用于表征与所述第一图像中车外环境相匹配的真实的环境特征；在接收到所述服务器发送的所述第二卷积神经网络后，将所述第一卷积神经网络更新为所述第二卷积神经网络。6.如权利要求4所述的车辆的控制方法，其特征在于，在所述将所述第一图像输入至第一卷积神经网络之后，所述方法还包括：若在第二时刻之后的第二预设时间段内未得到所述环境特征，向服务器发送所述第一图像和为所述第一图像标注的第二标签，其中，所述第二时刻为所述第一图像输入至所述第一卷积神经网络的时刻，所述第一图像和所述第二标签用于所述服务器利用所述第一图像和所述第二标签训练所述第一卷积神经网络，得到第三卷积神经网络，并向所述车辆发送所述第三卷积神经网络，所述第二标签用于表征与所述第一图像中车外环境相匹配的真
实的环境特征；在接收到所述服务器发送的所述第三卷积神经网络后，将所...

【专利技术属性】
技术研发人员：周健，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：