一种基于多维化数据链的智能装车控制方法及系统技术方案

本发明专利技术涉及人工智能技术领域，尤其是涉及一种基于多维化数据链的智能装车控制方法及系统。一种基于多维化数据链的智能装车控制方法，包括获取雷达点云数据，对雷达点云数据进行标准化和数据压缩，得到三维几何信息；利用获取的雷达点云数据生成标准装车流程；根据三维几何信息，按照时间维度分析三维空间中的相关数据，本发明专利技术通过该技术方案，可以在无人工干预的情况下，通过多维数据结构本身的几何特征促使人工智能模块进行自我完善和数据矫正。征促使人工智能模块进行自我完善和数据矫正。征促使人工智能模块进行自我完善和数据矫正。

【技术实现步骤摘要】
一种基于多维化数据链的智能装车控制方法及系统


[0001]本专利技术涉及人工智能
，尤其是涉及一种基于多维化数据链的智能装车控制方法及系统。

技术介绍

[0002]现有技术中，当将现有的AI处理模组直接用于自动装车控制等类似的实际生产场景时，首先需要将大量的历史控制数据输入相应的AI处理程序，进行相应的模型训练，然后通过模型训练的积累来产生实际的控制效果。当需要其参与到控制过程中时，AI程序便可以根据输入的相关参数，比如车辆位置、物料高度、物料流速等信息，按照训练模型所设定的规则进行实时的反馈。
[0003]但是当输入的参数超出预期，或者训练数据不足时，AI处理所反馈的结果往往不可预测。举例来说，当车辆位于1m处物料高度超过界限时，历史控制数据进行过正反馈，则AI对于类似的场景就可以输出同样的正反馈控制。但是当车辆位于2m处，物料高度不足便发生车辆移动时，如果没有相应的历史数据进行过模型训练，AI的应对往往就是未知的，而这种未知反馈在实际的生产环境中往往就意味着危险事故的发生。
[0004]而且因为AI本身缺乏实际的逻辑判断能力，料位超限或者料位不足等情况对于AI来说都没有实际意义，其只会针对设定的逻辑进行反馈，并不会智能的根据实际情况的实时改变而即时做出风险预估。这就导致AI所能够处理的问题，都是实际发生过的，当其面对未知问题时，一切反馈结果都是无逻辑的、未知的、不可预测的。
[0005]综上所述，传统的以模型训练和人工调参为基础的人工智能系统并不具备实际被应用于生产环境中的商业价值，主要体现在：1、参数调整和模型训练系统过于繁琐，成本较高。
[0006]2、智能系统对输入信息的反馈结果只取决于模型训练的完整度，很难精准处理实际工作过程中随时可能变化的真实数据，当输入信息超出其预期时，系统反馈的结果往往不可控。
[0007]3、传统意义上的智能系统无论设计的多复杂、多完善，驱动其完成工作的唯一动力都是对输入结果的解析，而解析结果的质量如何其本身无法做出有效判断，这就使得其本身缺乏自我完善的有效途径。
[0008]4、智能系统的完善过程需要输入各种数据模型进行训练，因而模型在系统内占据的资源会越来越多，从而拖慢整个系统的反馈速度。为了维持系统的有效反馈，便不得不持续投入系统的建设，并维护庞大的数据库，从而大幅增加了系统的运营成本。
[0009]5、系统本身无法对有效或无效的数据模型与历史数据做出有效判断，从而系统的增长往往是不可逆的，也就是说数据模型往往只会增加，而无法得到有效的提炼和精简。这就造成系统冗余数据的不断增加，最终导致系统的反馈越发难以预测，甚至发生一些不可控的意外。

技术实现思路

[0010]为了解决上述提到的问题，本专利技术提供一种基于多维化数据链的智能装车控制方法及系统。
[0011]第一方面，本专利技术提供的一种基于多维化数据链的智能装车控制方法，采用如下的技术方案：一种基于多维化数据链的智能装车控制方法，包括：获取雷达点云数据，对雷达点云数据进行标准化和数据压缩，得到三维几何信息；利用获取的雷达点云数据生成标准装车流程；根据三维几何信息，按照时间维度分析三维空间中的相关数据，生成根据几何比例关系而制定的装车规则；根据标准装车流程，将车辆的三维几何信息与装车规则所对应的操作指令在时间维度上相关联，形成操作数据链；根据装车规则智能调整操作数据链。
[0012]进一步地，所述利用获取的雷达点云数据生成标准装车流程，包括创建多维数据空间，在多维数据空间中创建四维数据空间，利用获取的雷达点云数据生成一个标准装车流程。
[0013]进一步地，所述创建多维数据空间，包括设计相关的几何体结构，组成完整的程序逻辑和数据链。
[0014]进一步地，所述四维数据空间包括三维空间和时间维度。
[0015]进一步地，所述按照时间维度分析三维空间中的相关数据，包括根据三维几何信息，分析三维空间中的物料高度、车厢内剩余高度和车厢位移数据。
[0016]进一步地，所述根据装车后的点云结果智能调整操作数据链中的触发规则，包括根据标准点云数据，提前或推迟触发指令的时间维度的节点位置。
[0017]进一步地，所述根据装车规则智能调整操作数据链，包括根据装车后的三维几何信息智能调整操作指令，通过将操作指令输入操作数据链中完成操作数据链更新。
[0018]第二方面，一种基于多维化数据链的智能装车控制系统，包括：数据获取模块，被配置为，获取雷达点云数据，对雷达点云数据进行标准化和数据压缩，得到三维几何信息；空间构建模块，被配置为，利用获取的雷达点云数据生成标准装车流程；规则模块，被配置为，根据三维几何信息，按照时间维度分析三维空间中的相关数据，生成根据几何比例关系而制定的装车规则；数据链模块，被配置为，根据标准装车流程，将车辆的三维几何信息与装车规则所对应的操作指令在时间维度上相关联，形成操作数据链；智能调整模块，被配置为，根据装车规则智能调整操作数据链。
[0019]第三方面，本专利技术提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于多维化数据链的智能装车控制方法。
[0020]第四方面，本专利技术提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于多维化数据链的智能装车控制方法。
[0021]综上所述，本专利技术具有如下的有益技术效果：本专利技术的智能控制方法可以根据多维数据空间中所映射的实际物体的几何结构之间的相互关系，自行判断出其维持几何结构完整性所要做出的干涉控制应该属于的类型和方向。如当装车料位过高，即将出现散料风险时，控制程序就可以判断出车辆的几何结构即将被破坏（撒料），可以将控制的方向转为控制车辆前进、关闭或减小闸板等满足预期的逻辑结果。而当车辆内料位不足，司机便自行提车时，料位的不足便会直观的在数据空间的目标几何结构上产生缺陷，即雷达点云所映射出的物料料位不足，造成该区域几何结构在高度上出现欠缺，此时便会触发控制程序叫停车辆、补足欠缺的物料等相关符合预期逻辑结果的操作。
[0022]本专利技术的智能控制系统不但可以有意识的自我完善系统的设计和数据的反馈逻辑，甚至可以通过对历史数据的总结和精简，不但完善系统的响应速度，并在复杂冗余的数据模型中总结出潜在的规律，进而完成反馈系统的整体工作效率，降低数据的存储成本。
附图说明
[0023]图1是本专利技术实施例1的一种基于多维化数据链的智能装车控制方法的示意图。
具体实施方式
[0024]以下结合附图对本专利技术作进一步详细说明。
[0025]实施例1参照图1，本实施例的一种基于多维化数据链的智能装车控制方法，包括：获取雷达点云数据，对雷达点云数据进行标准化和数据压缩，得到三维几何信息；利用获取的雷达点云数据生成标准装车流程；根据三维几何信息，按照时间维度分析三维空间中的相关数据，生成根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维化数据链的智能装车控制方法，其特征在于，包括：获取雷达点云数据，对雷达点云数据进行标准化和数据压缩，得到三维几何信息；利用获取的雷达点云数据生成标准装车流程；根据三维几何信息，按照时间维度分析三维空间中的相关数据，生成根据几何比例关系而制定的装车规则；根据标准装车流程，将车辆的三维几何信息与装车规则所对应的操作指令在时间维度上相关联，形成操作数据链；根据装车规则智能调整操作数据链。2.根据权利要求1所述的一种基于多维化数据链的智能装车控制方法，其特征在于，所述利用获取的雷达点云数据生成标准装车流程，包括创建多维数据空间，在多维数据空间中创建四维数据空间，利用获取的雷达点云数据生成一个标准装车流程。3.根据权利要求2所述的一种基于多维化数据链的智能装车控制方法，其特征在于，所述创建多维数据空间，包括设计相关的几何体结构，组成完整的程序逻辑和数据链。4.根据权利要求3所述的一种基于多维化数据链的智能装车控制方法，其特征在于，所述四维数据空间包括三维空间和时间维度。5.根据权利要求4所述的一种基于多维化数据链的智能装车控制方法，其特征在于，所述按照时间维度分析三维空间中的相关数据，包括根据三维几何信息，分析三维空间中的物料高度、车厢内剩余高度和车厢位移数据。6.根据权利要求5所述的一种基于多维化数据链的智能装车控制方法，其特征在于，所述根据装车规则智能调...

【专利技术属性】
技术研发人员：谭明旭，赵文杰，桑浩伟，王崇宇，王圣伟，董毅，李峰，
申请(专利权)人：山东矩阵软件工程股份有限公司，
类型：发明
国别省市：