一种无人送货车系统技术方案

本发明专利技术公开了一种无人送货车系统，属于物流技术领域，包括用户平台、订单分发模块、货物登记模块、车载摄像头、行驶控制模块、取货记录模块、管理平台以及参数分析模块，所述用户平台用于客户登陆，并选择自己所需要的物品以及确认；本发明专利技术能够准确地依据周围环境对无人送货车进行控制，降低事故发生概率，提高商品安全性，保护客户以及商家利益，通过构建分析神经网络，能够高效准确的对无人送货车参数进行更新，提高无人送货车送货效率。提高无人送货车送货效率。提高无人送货车送货效率。

【技术实现步骤摘要】
一种无人送货车系统


[0001]本专利技术涉及物流
，尤其涉及一种无人送货车系统。

技术介绍

[0002]无人汽车是依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆，随着5G时代地来临以及外卖行业地不断壮大，无人送货车也随之出现并普及，无人送货车地出现与社区道路和实景产生实时互联交互，实现非接触"安心送"，畅通"最后一公里"智慧物流微循环，有效推进智慧社区建设，由于无人配送车属于自动驾驶产业过程发展中出现的新产品，产品始终处于管理空白区。因此无人送货车行驶过程地安全性成为各企业地重点研究方向之一；
[0003]现有的无人送货车系统无法准确地依据周围环境对无人送货车进行控制，事故发生概率高，无法保障商品安全性；此外，现有的无人送货车系统无法自行地对无人送货车参数进行更新，降低无人送货车送货效率，且不方便管理人员对无人送货车数据进行修改与维护；为此，我们提出一种无人送货车系统。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的一种无人送货车系统。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种无人送货车系统，包括用户平台、订单分发模块、货物登记模块、车载摄像头、行驶控制模块、取货记录模块、管理平台以及参数分析模块；
[0007]其中，所述用户平台用于客户登陆，并选择自己所需要的物品以及确认；
[0008]所述订单分发模块用于接收用户平台发送的各组数据，并生成相对应的订单信息，之后对各订单信息进行选择分发；
[0009]所述货物登记模块用于无人送货车依据订单信息对待运输货物进行装载登记；
[0010]所述车载摄像头用于无人送货车在行驶过程中实时采集路面信息；
[0011]所述行驶控制模块用于接收车载摄像头采集的路面信息，并对其进行级联分析；
[0012]所述取货记录模块用于向客户发送取货消息，并进行记录存储；
[0013]所述参数分析模块用于实时采集无人送货车行驶参数，并对其进行分析调整；
[0014]所述管理平台用于管理人员查看无人送货车行驶情况，并下发相关控制指令。
[0015]作为本专利技术的进一步方案，所述订单分发模块选择分发具体步骤如下：
[0016]步骤一：订单分发模块将各组订单信息按照不同区域进行分类，之后依据分类信息生成相同数量的区域记录表，并将各区域订单信息录入相对应的区域记录表中；
[0017]步骤二：之后检测各区域记录表中客户收货地址是否在无人送货车配送范围，若不在配送范围内，则将该订单发送至管理平台以供送货人员进行选择接取，若在配送范围内，则对商家位置进行提取；
[0018]步骤三：对各区域无人送货车进行定位，并对各区域无人送货车位置与各区域相对应的商家位置进行距离计算，之后为各组无人送货车绘制依据距离由近到远绘制对应取货路线，并将相对应的订单信息发送至相关无人送货车进行存储。
[0019]作为本专利技术的进一步方案，所述货物登记模块装载登记具体步骤如下：
[0020]步骤(1)：无人送货车行驶至相对应的商家处后，向该商家发送取货信息，并等待商家进行商品存储；
[0021]步骤(2)：若商家在规定时间内未将商品存储至无人送货车中，货物登记模块则将该订单信息移除，并将其发送至管理平台以供送货人员进行选择接取，若商家在规定时间内将商品存储至无人送货车中，则对该商品订单条形码进行扫描确认，并向客户发送商品已接取信息。
[0022]作为本专利技术的进一步方案，所述行驶控制模块级联分析具体步骤如下：
[0023]第一步：行驶控制模块收集各车载摄像头采集的各组影像信息后，离线处理固定帧率的视频或图像序列帧，并对实际视频帧的间隔时间进行计算；
[0024]第二步：记录计算出的实际视频帧的间隔时间，并通过卡尔曼滤波理论建立运动模型，同时通过构建的运动模型实时获取路面目标的运动状态，并采集所有路面目标的外观特征向量，之后运动模型依据对移动目标的线性运动假设，对其在视频帧中的运动状态进行定义；
[0025]第三步：收集路面目标在当前视频帧中的运动状态，并构建预测方程对各路面目标在下一视频帧中的运动状态进行估计，之后提前控制无人送货车做出转向、直行或停车；
[0026]第四步：当无人送货车在十字路口时，将提取出的外观特征向量送入双向特征金字塔，进行特征融合，再将融合结果进行分类回归，并输出检测框，类别和分数；
[0027]第五步：对固定帧率的视频或图像序列帧中交通灯检测框信息进行收集，并生成对应检测框坐标，再对相关固定帧率的视频或图像序列帧进行扩大化剪裁以获取交通灯图片；
[0028]第六步：过滤掉各组交通灯图片中属于背景的简单负样本，并选择无人送货车行驶道路所对应的交通灯进行判断，若为绿灯，无人送货车则继续行驶，若为红灯或者黄灯，无人送货车则停止行驶。
[0029]作为本专利技术的进一步方案，第一步中所述间隔时间具体计算公式如下：
[0030][0031][0032]式中，Δt
k+1
代表两组视频帧之间的间隔时间，代表下采样得到的视频帧与原始视频流中的之间的延迟时间，代表跟踪算法处理视频帧的消耗时间；
[0033]第二步中所述运动状态具体定义形式如下：
[0034][0035]式中，S代表跟踪目标的运动状态，(x,y,w,h)代表跟踪目标边界包围框的中心点坐标和宽高，代表相对应的跟踪目标速度值。
[0036]作为本专利技术的进一步方案，所述取货记录模块记录存储具体步骤如下：
[0037]S1.1：当无人送货车到达客户位置后，依据存储的订单信息向对应的客户手机发送取货信息，同时在规定时间内等待客户取货；
[0038]S1.2：若客户在规定时间内到达取货处，无人送货车通过扫描仪对客户取货二维码进行扫描，并确认客户订单信息，之后打开相对应的储货仓以供用户进行取货，若客户未在规定时间内到达取货处，无人送货车去往下一位距离最近的客户处，同时向该客户方案延时取货信息；
[0039]S1.3：同时无人送货车定期统计已送出的订单数量，并将其发送至外部数据库进行存储，同时将每日订单完成量反馈至管理平台以供工作人员查看。
[0040]作为本专利技术的进一步方案，所述参数分析模块分析调整具体步骤如下：
[0041]S2.1：参数分析模块构建并优化一组分析神经网络，之后对行驶过程中的无人送货车各项运行参数进行收集，再通过符值转换将各组运行参数转换为符合条件的进制数据，并将各项运行参数导入分析神经网络中，之后通过归一化处理将各项运行参数转换至规定检测区间内；
[0042]S2.2：提取各运行参数特征信息，并对其进行特征降维，之后将处理后的运行参数分为验证集、测试集以及训练集，同时重复多次使用验证集中的各组数据对分析神经网络精度进行验证，并统计测试集中各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人送货车系统，其特征在于，包括用户平台、订单分发模块、货物登记模块、车载摄像头、行驶控制模块、取货记录模块、管理平台以及参数分析模块；其中，所述用户平台用于客户登陆，并选择自己所需要的物品以及确认；所述订单分发模块用于接收用户平台发送的各组数据，并生成相对应的订单信息，之后对各订单信息进行选择分发；所述货物登记模块用于无人送货车依据订单信息对待运输货物进行装载登记；所述车载摄像头用于无人送货车在行驶过程中实时采集路面信息；所述行驶控制模块用于接收车载摄像头采集的路面信息，并对其进行级联分析；所述取货记录模块用于向客户发送取货消息，并进行记录存储；所述参数分析模块用于实时采集无人送货车行驶参数，并对其进行分析调整；所述管理平台用于管理人员查看无人送货车行驶情况，并下发相关控制指令。2.根据权利要求1所述的一种无人送货车系统，其特征在于，所述订单分发模块选择分发具体步骤如下：步骤一：订单分发模块将各组订单信息按照不同区域进行分类，之后依据分类信息生成相同数量的区域记录表，并将各区域订单信息录入相对应的区域记录表中；步骤二：之后检测各区域记录表中客户收货地址是否在无人送货车配送范围，若不在配送范围内，则将该订单发送至管理平台以供送货人员进行选择接取，若在配送范围内，则对商家位置进行提取；步骤三：对各区域无人送货车进行定位，并对各区域无人送货车位置与各区域相对应的商家位置进行距离计算，之后为各组无人送货车绘制依据距离由近到远绘制对应取货路线，并将相对应的订单信息发送至相关无人送货车进行存储。3.根据权利要求2所述的一种无人送货车系统，其特征在于，所述货物登记模块装载登记具体步骤如下：步骤(1)：无人送货车行驶至相对应的商家处后，向该商家发送取货信息，并等待商家进行商品存储；步骤(2)：若商家在规定时间内未将商品存储至无人送货车中，货物登记模块则将该订单信息移除，并将其发送至管理平台以供送货人员进行选择接取，若商家在规定时间内将商品存储至无人送货车中，则对该商品订单条形码进行扫描确认，并向客户发送商品已接取信息。4.根据权利要求3所述的一种无人送货车系统，其特征在于，所述行驶控制模块级联分析具体步骤如下：第一步：行驶控制模块收集各车载摄像头采集的各组影像信息后，离线处理固定帧率的视频或图像序列帧，并对实际视频帧的间隔时间进行计算；第二步：记录计算出的实际视频帧的间隔时间，并通过卡尔曼滤波理论建立运动模型，同时通过构建的运动模型实时获取路面目标的运动状态，并采集所有路面目标的外观特征向量，之后运动模型依据对移动目标的线性运动假设，对其在视频帧中的运动状态进行定义；第三步：收集路面目标在当前视频帧中的运动状态，并构建预测方程对各路面目标在下一视频帧中的运动状态进行估计，之后提前控制无人送货车做出转向、直行或停车；
第四步：当无人送货车在十字路口时，将提取出的外观特征向量送入双向...

【专利技术属性】
技术研发人员：许仲秋，张欢，
申请(专利权)人：深圳朗道智通科技有限公司，
类型：发明
国别省市：