【技术实现步骤摘要】
本专利技术涉及无人车行驶，尤其涉及无人车行驶引导方法、装置、设备以及存储介质。
技术介绍
1、无人车是在不同领域中利用无人驾驶的车辆完成一些运输任务的工具车，例如，在医疗领域中，无人车可以实现医疗物品的指定运送。无人车引导技术是指对无人车的行驶路径进行规划，从而保证无人车辆可以实现既定任务的技术，通过利用传感器、通信、控制等技术，实现无人车在道路上自主行驶。
2、无人车引导的核心是无人车的定位和导航，即根据无人车的目标位置和当前位置，规划出一条合理的行驶路径，并通过控制无人车的速度、方向和姿态，使其沿着该路径行驶。现阶段对于无人车的行驶路径规划常采用a*算法或者d*算法，其中，a*算法一种启发式搜索算法，其基本思想是引入当前节点的估计函数，该函数由从起点到当前节x的实际距离量度和从某个节点到终止点的最小距离估计组成，但此种方法会导致路径规划的精准度较低，另外，d*算法是一种反向增量式搜索算法，其在搜索过程中会计算每一个节点的距离度量信息，其在动态环境中若出现障碍物无法继续沿预先路径搜索，算法会根据原先已经得到的每个点的距离度量信息在当前状态点进行路径再规划，此种方法会导致路径规划的平滑度较低，进而导致无人车行驶引导的平滑度较低。
技术实现思路
1、本专利技术提供一种无人车行驶引导方法、装置、设备以及存储介质，可以提高无人车行驶引导的精准度和平滑度。
2、为实现上述目的，本专利技术提供的一种无人车行驶引导方法，包括：
3、从无人车的车载系统中获取无
4、获取所述无人车的起止点，根据所述实时行驶环境数据和所述起止点规划所述无人车的行驶路径；
5、利用曲线拟合优化所述行驶路径，得到无人车行驶方案。
6、可选地，所述从无人车的车载系统中获取无人车传感器数据，包括：
7、查询所述无人车传感器的数据串口；
8、根据所述数据串口查询所述车载系统中对应的数据调用代码；
9、根据所述数据调用代码调取所述无人车传感器数据。
10、可选地，所述根据所述无人车传感器数据生成实时行驶环境数据，还包括：
11、提取所述无人车传感数据中的实时视频传感器数据，并提取所述视频传感器数据的实时图像；
12、对所述实时图像利用预设的检测算法进行无人车行驶环境识别，得到实时行驶环境数据。
13、可选地，所述对所述实时图像利用预设的检测算法进行无人车行驶环境识别，得到实时行驶环境数据，包括：
14、对所述实时图像进行边缘检测，得到边缘实时图像；
15、利用预设的卷积神经网络对所述边缘实时图像进行图像卷积处理，得到卷积特征图；
16、确定所述卷积特征图中边缘框的置信度，并根据所述置信度选择目标边缘框特征图；
17、利用所述预设的卷积神经网络对所述目标边缘框特征图进行特征池化处理，得到池化特征图；
18、利用所述预设的卷积神经网络对所述池化特征图进行特征扁平化处理并利用激活函数识别所述目标边缘框特征图的图像类别，得到所述实时行驶环境数据。
19、可选地，所述确定所述图像卷积特征中边缘框的置信度，包括：
20、对所述图像卷积特征图中的网格单元利用预设的基准候选框进行切分，得到候选锚框；
21、计算所述候选锚框相对于网格单元基准点的偏移量和缩放比例；
22、根据所述偏移量和所述缩放比例将所述候选锚框映射至所述边缘实时图像中，得到边缘框；
23、计算所述边缘框中的物体存在概率，得到所述置信度。
24、可选地，所述根据所述无人车传感器数据和所述起止点规划所述无人车的行驶路径，包括：
25、连接所述起止点，得到路径起止参考线；
26、提取所述起止点中的起始点，并将所述起始点作为树搜索模型中的根节点；
27、制定所述树搜索模型中的连接线参数，其中，所述连接线参数包括连接线长度和连接线方向；
28、根据所述连接线长度和所述连接线方向，从所述根节点开始进行路径搜索；
29、从所述实时行驶环境数据中提取障碍物数据，并计算所述连接线的终点到所述障碍物数据中障碍物的距离；
30、在所述距离大于预设的安全距离时，将所述连接线的终点作为树节点，并将所述树节点作为下次路径搜索的起点，直到最后一次路径搜索的连接线终点距离所述起止点的终止点小于所述预设的安全距离时，连接最后一次路径搜索的连接线终点和所述终止点，得到路径搜索树；
31、提取所述路径搜索树中起始点到所述终止点的路线，得到所述无人车的行驶路径。
32、可选地，所述利用曲线拟合优化所述行驶路径，得到无人车行驶方案，包括：
33、利用预设的曲线拟合公式拟合所述行驶路径中每个路径节点之间的曲率，并生成路径曲线；
34、整合所有路径节点的路径曲线，得到所述无人车行驶方案。
35、为了解决上述问题，本专利技术还提供一种无人车行驶引导装置，所述装置包括：
36、数据获取模块，用于从无人车的车载系统中获取无人车传感器数据，并根据所述无人车传感器数据生成实时行驶环境数据；
37、无人车行驶引导模块，用于获取所述无人车的起止点，根据所述实时行驶环境数据和所述起止点规划所述无人车的行驶路径；利用曲线拟合优化所述行驶路径，得到无人车行驶方案。
38、为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
39、至少一个处理器；以及，
40、与所述至少一个处理器通信连接的存储器；其中，
41、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的无人车行驶引导方法。
42、为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的无人车行驶引导方法。
43、本专利技术实施例通过从无人车的车载系统中获取无人车传感器数据，并根据所述无人车传感器数据生成实时行驶环境数据，可以实现无人车行驶过程中的传感器数据的实时提取，实时行驶环境数据可以保证无人车在行驶过程中的对行驶路径的及时调整，保证无人车行驶过程中的安全性；另外，通过获取所述无人车的起止点，根据所述实时行驶环境数据和所述起止点规划所述无人车的行驶路径，可以实现规划出的行驶路径更贴合行驶的实际情况，增加无人车行驶引导的精准度，并且通过利用曲线拟合优化所述行驶路径，可以实现行驶路径的平滑化，实现无人车行驶引导的平滑度。
本文档来自技高网...【技术保护点】
1.一种无人车行驶引导方法，其特征在于，所述方法包括：
2.如权利要求1所述的无人车行驶引导方法，其特征在于，所述从无人车的车载系统中获取无人车传感器数据，包括：
3.如权利要求1或2所述的无人车行驶引导方法，其特征在于，所述根据所述无人车传感器数据生成实时行驶环境数据，还包括：
4.如权利要求3所述的无人车行驶引导方法，其特征在于，所述对所述实时图像利用预设的检测算法进行无人车行驶环境识别，得到实时行驶环境数据，包括：
5.如权利要求4所述的无人车行驶引导方法，其特征在于，所述确定所述图像卷积特征中边缘框的置信度，包括：
6.如权利要求1所述的无人车行驶引导方法，其特征在于，所述根据所述无人车传感器数据和所述起止点规划所述无人车的行驶路径，包括：
7.如权利要求1所述的无人车行驶引导方法，其特征在于，所述利用曲线拟合优化所述行驶路径，得到无人车行驶方案，包括：
8.一种无人车行驶引导装置，其特征在于，所述装置可以实现如权利要求1至7中任意一项所述的无人车行驶引导方法，所述装置包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的无人车行驶引导方法。
...【技术特征摘要】
1.一种无人车行驶引导方法，其特征在于，所述方法包括：
2.如权利要求1所述的无人车行驶引导方法，其特征在于，所述从无人车的车载系统中获取无人车传感器数据，包括：
3.如权利要求1或2所述的无人车行驶引导方法，其特征在于，所述根据所述无人车传感器数据生成实时行驶环境数据，还包括：
4.如权利要求3所述的无人车行驶引导方法，其特征在于，所述对所述实时图像利用预设的检测算法进行无人车行驶环境识别，得到实时行驶环境数据，包括：
5.如权利要求4所述的无人车行驶引导方法，其特征在于，所述确定所述图像卷积特征中边缘框的置信度，包括：
6.如权利...
【专利技术属性】
技术研发人员：常雪阳，侯立轩，游绍文，
申请(专利权)人：西部车网重庆有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。