具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1-图3描述本发明提供的智能车载网联终端主板、智能车载网联终端、车辆及多媒体设备的调试方法。

图1示出了本发明提供的车载激光雷达的清洗方法的流程示意图，参见图1，该方法包括以下步骤：

11、获取车载激光雷达扫描得到的点云数据，根据点云数据确定激光雷达视窗上的障碍物类型；

12、根据障碍物类型确定对应于障碍物类型的清洗方式，根据清洗方式控制清洗设备对激光雷达视窗进行清洗。

针对步骤11和步骤12，需要说明的是，在本发明中，智能车辆的驾驶过程需要激光雷达识别车辆前方的路况。

激光雷达由于其高精度、高环境适应性、高可靠性的目标探测能力，成为自动驾驶感知领域不可或缺的传感器选型之一。随着单件成本降低，占有率会越来越高。在实际使用环境中，激光雷达视窗表面会遭遇尘土堆积、泥水、飞虫残留、羽毛、动物粪便等障碍物的侵害。为此，激光雷达视窗需要清洗，便于激光雷达精准识别车辆前方的路况。

在本发明中，对于激光雷达视窗表面不同种类的物体，清洗的方式也会有所不同。例如尘土，可采用水洗；羽毛，可采用气洗；飞虫残留，可以先采用气洗吹走飞虫，然后采用水洗冲洗残留。

故在判断激光雷达视窗表面存在障碍物时，要识别出该障碍物是何种类型。然后才能按照类型去采用合适的清洗方式(如水洗、气洗或气水混合)去清洗障碍物。

在本发明中，采用车载激光雷达扫描得到点云数据，该点云数据中会包含视窗表面存在障碍物时反馈的点云数据。为此，车载系统获取车载激光雷达扫描得到的点云数据，能够根据点云数据确定激光雷达视窗上的障碍物类型。该障碍物类型包括气洗类型(如羽毛、飞絮等)、水洗类型(如尘土、泥水痕迹等)、水气混合类型(如飞虫残留，动物粪便等)，另外，也可以直接将物体的名称作为障碍物类型，此时，可将多种障碍物类型对应于一个清洗方式。例如对于羽毛、飞絮等障碍物类型，采用气洗方式进行清洗。

然后根据障碍物类型确定对应于障碍物类型的清洗方式，根据清洗方式控制清洗设备对激光雷达视窗进行清洗。

在车载系统中，会预先配置障碍物类型与清洗方式的对应关系，在确定障碍物类型之后，在碍物类型与清洗方式的对应关系进行匹配，得到对应的清洗方式。

不同的清洗方式，由车辆上所安装的清洗设备所执行。

为此，确定清洗方式后，车载系统会向对应的清洗设备发出控制指令，以使清洗设备对车载激光雷达视窗进行清洗。该控制指令包括清洗力度、清洗时间、清洗次数等信息。

例如水洗方式，控制指令会发送给安装在车辆上的喷水设备，由喷水设备执行清洗工作。

气洗方式，控制指令会发送给安装在车辆上的喷气设备，由喷气设备执行清洗工作。

水气混合方式，控制指令会发送给安装在车辆上的喷水设备和喷气设备，由两设备共同执行清洗工作。

本发明提供的车载激光雷达的清洗方法，通过对激光雷达视窗上的障碍物进行类型识别，采用相对应的清洗方式进行清洗，避免清洗方式不合理造成清洗效果不好，影响对车辆前方路况的精确识别，使车辆智能驾驶产生潜在危险。

在上述车载激光雷达的清洗方法的进一步发明中，主要是对根据点云数据确定激光雷达视窗上的障碍物类型的处理过程进行解释说明，具体如下：

根据点云数据确定激光雷达视窗上的障碍区域的区域特征；

将区域特征输入到识别模型中，得到由识别模型输出的识别结果，识别结果用于表征障碍区域的障碍物类型；

其中，识别模型为将根据点云数据样本确定的区域特征和区域特征对应的障碍物类型作为输入，通过机器学习训练得到的，用于对点云数据进行识别的模型。

在本发明中，采集历史存储的激光雷达视窗的点云数据，对点云数据进行分析，得到每次点云数据的障碍区域，获取障碍区域的区域特征，并标注该区域特征对应的障碍物类型。然后采用神经网络模型进行训练，根据每次的区域特征与障碍物类型对模型的参数进行调整，得到对点云数据进行识别的模型。

然后再利用上述训练完成的模型对当前次采集到的点云数据的区域特征进行识别，得到障碍区域对应的障碍物类型。在本发明中，由于点云数据中对应障碍区域的数据特征明显，采用训练得到的图像识别模型能够以较好的识别性能。

在上述车载激光雷达的清洗方法的进一步发明中，由于激光雷达视窗尺寸较大，可能是小区域粘连障碍物，此时若对整个激光雷达视窗进行清洗，可能会漏掉采集的其他方位路况的信息，导致驾驶事故发生。

为此，将激光雷达视窗划分为多个视野区域，此时根据点云数据确定激光雷达视窗上的障碍物类型的处理过程，具体为：

根据点云数据确定激光雷达视窗上的障碍区域的区域特征；

确定障碍区域所在的视野区域；

根据障碍区域的区域特征确定激光雷达视窗上的视野区域对应的障碍物类型。

对此，需要说明的是，对于根据点云数据确定激光雷达视窗上的障碍区域的区域特征，和根据障碍区域的区域特征确定对应的障碍物类型的处理过程，与上述的原理相同，在此不再赘述。

在本发明中，由于将激光雷达视窗划分为多个视野区域，为此，需要判断障碍区域位于哪个视野区域，从而也就可以确定具有障碍区域的视野区域对应的障碍物类型。

在本发明中，对激光雷达视窗进行区域划分，能够只对具有障碍物的区域进行清洗，避免出现对所有区域点云数据的滤除，导致驾驶事故发生。

在上述车载激光雷达的清洗方法的进一步发明中，在现实情况下，由于障碍物黏连的顽固性，导致短时间内对同一类型或同一区域内的障碍物清洗多次也无法清除，此时势必会影响对车辆周边车况的识别，为此，在预设时间段内，确定对应于同一障碍物类型的清洗次数，当清洗次数大于预设次数时，发出警告。该警告能够告知驾驶者，驾驶者可以将智能驾驶改为人工驾驶，待后续将障碍物人工清洗后，才安排后续的智能驾驶，保证驾驶安全。

图2示出了本发明一实施例提供一种车载激光雷达的清洗装置的结构示意图，参见图2，该装置包括识别模块21和处理模块22，其中：

识别模块21，用于获取车载激光雷达扫描得到的点云数据，根据所述点云数据确定激光雷达视窗上的障碍物类型；

处理模块22，用于根据所述障碍物类型确定对应于所述障碍物类型的清洗方式，根据所述清洗方式控制清洗设备对所述激光雷达视窗进行清洗。

所述识别模块在根据所述点云数据确定激光雷达视窗上的障碍物类型的处理过程中，具体用于：

根据所述点云数据确定激光雷达视窗上的障碍区域的区域特征；

将所述区域特征输入到识别模型中，得到由所述识别模型输出的识别结果，所述识别结果用于表征障碍区域的障碍物类型；

其中，所述识别模型为将根据点云数据样本确定的区域特征和所述区域特征对应的障碍物类型作为输入，通过机器学习训练得到的，用于对点云数据进行识别的模型。

在上述车载激光雷达的清洗装置的进一步发明中，所述激光雷达视窗划分为多个视野区域，相应地，所述识别模块在根据所述点云数据确定激光雷达视窗上的障碍物类型的处理过程中，具体用于：

根据所述点云数据确定激光雷达视窗上的障碍区域的区域特征；

确定障碍区域所在的视野区域；

根据障碍区域的区域特征确定所述激光雷达视窗上的视野区域对应的障碍物类型。

在上述车载激光雷达的清洗装置的进一步发明中，所述识别模块在根据所述点云数据确定激光雷达视窗上的障碍物类型的处理过程中，具体用于：

根据所述点云数据确定激光雷达视窗上的障碍区域的区域特征；

将所述区域特征输入到识别模型中，得到由所述识别模型输出的识别结果，所述识别结果用于表征障碍区域的障碍物类型；

其中，所述识别模型为将根据点云数据样本确定的区域特征和所述区域特征对应的障碍物类型作为输入，通过机器学习训练得到的，用于对点云数据进行识别的模型。

在上述车载激光雷达的清洗装置的进一步发明中，所述装置还包括警告模块，用于：

在预设时间段内，确定对应于同一障碍物类型的清洗次数，当所述清洗次数大于预设次数时，发出警告。

由于本发明实施例所述装置与上述实施例所述方法的原理相同，对于更加详细的解释内容在此不再赘述。

需要说明的是，本发明实施例中可以通过硬件处理器(hardware processor)来实现相关功能模块。

本发明提供的车载激光雷达的清洗装置，通过对激光雷达视窗上的障碍物进行类型识别，采用相对应的清洗方式进行清洗，避免清洗方式不合理造成清洗效果不好，影响对车辆前方路况的精确识别，使车辆智能驾驶产生潜在危险。

图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)31、通信接口(Communications Interface)32、存储器(memory)33和通信总线34，其中，处理器31，通信接口32，存储器33通过通信总线34完成相互间的通信。处理器31可以调用存储器33中的逻辑指令，以执行清洗方法，该方法包括：获取车载激光雷达扫描得到的点云数据，根据所述点云数据确定激光雷达视窗上的障碍物类型；根据所述障碍物类型确定对应于所述障碍物类型的清洗方式，根据所述清洗方式控制清洗设备对所述激光雷达视窗进行清洗。

此外，上述的存储器33中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行清洗方法，该方法包括：获取车载激光雷达扫描得到的点云数据，根据所述点云数据确定激光雷达视窗上的障碍物类型；根据所述障碍物类型确定对应于所述障碍物类型的清洗方式，根据所述清洗方式控制清洗设备对所述激光雷达视窗进行清洗。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现清洗方法，该方法包括：获取车载激光雷达扫描得到的点云数据，根据所述点云数据确定激光雷达视窗上的障碍物类型；根据所述障碍物类型确定对应于所述障碍物类型的清洗方式，根据所述清洗方式控制清洗设备对所述激光雷达视窗进行清洗。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。