基于激光雷达的主动安全靠机控制方法及系统

文档序号:240874 发布日期:2021-11-12 浏览:1次 >En<

阅读说明:本技术 基于激光雷达的主动安全靠机控制方法及系统 (Active safety backup control method and system based on laser radar ) 是由 李懋 霍进刚 于 2021-08-18 设计创作,主要内容包括:本发明实施例提供了一种基于激光雷达的主动安全靠机控制方法及系统,对可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量,而后通过靠机模拟行为的行为持续特征向量以及多个靠机启用节点的基础检测障碍特征信息进行计算,并计算靠机模拟行为的模拟程序指令的模拟调用指令集,从而通过靠机模拟行为的行为流程信息、行为持续特征向量以及模拟调用指令集在多个靠机启用节点信息中加载靠机模拟行为的关键数据提取。如此,考虑到靠机模拟行为与目标基础检测障碍特征之间的关系,能够提高靠机逻辑优化效率。(The embodiment of the invention provides an active safety on-machine control method and system based on a laser radar, which are used for carrying out feature learning application on learnable target basic detection obstacle features through target basic detection obstacle features corresponding to key on-machine starting nodes of a preset active safety on-machine program, recording behavior flow information of simulated behaviors and behavior continuous feature vectors of the simulated behaviors, then calculating through the behavior continuous feature vectors of the simulated behaviors and the basic detection obstacle feature information of a plurality of on-machine starting nodes, and calculating a simulation calling instruction set of simulation program instructions of the simulated behaviors, so that key data of the simulated behaviors are loaded in the information of the plurality of on-machine starting nodes through the behavior flow information of the simulated behaviors, the behavior continuous feature vectors and the simulation calling instruction set for extraction. Therefore, the optimization efficiency of the machine-dependent logic can be improved by considering the relation between the simulated behavior and the target basis obstacle detection characteristics.)

基于激光雷达的主动安全靠机控制方法及系统

技术领域

本发明涉及主动安全技术领域,具体而言,涉及一种基于激光雷达的主动安全靠机控制方法及系统。

背景技术

目前在对主动安全靠机活动进行靠机逻辑优化的过程中,没有考虑到一些靠机模拟行为与目标基础检测障碍特征之间的关系,进而导致主动安全靠机活动的靠机逻辑优化效率不高。

发明内容

有鉴于此,本发明实施例的目的在于提供一种基于激光雷达的主动安全靠机控制方法及系统,能够有效提高主动安全靠机活动的靠机逻辑优化效率。

第一方面,本发明实施例提供一种基于激光雷达的主动安全靠机控制方法,应用于主动安全靠机控制系统,所述方法包括:

获取基于激光雷达的主动安全靠机活动的多个安全靠机流程数据,并从所述多个安全靠机流程数据中获取多个靠机启用节点信息和多个靠机启用节点的基础检测障碍特征信息;

从所述多个靠机启用节点信息中确定关键靠机启用节点对应的目标基础检测障碍特征,并根据所述关键靠机启用节点对应的目标基础检测障碍特征获取可学习目标基础检测障碍特征;

对所述可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量;

通过所述靠机模拟行为的行为持续特征向量以及所述多个靠机启用节点的基础检测障碍特征信息进行计算,分别激活目标靠机模拟行为,并计算靠机模拟行为的模拟程序指令的模拟调用指令集;

通过所述靠机模拟行为的行为流程信息、所述靠机模拟行为的行为持续特征向量以及所述靠机模拟行为的模拟程序指令的模拟调用指令集在所述多个靠机启用节点信息中加载靠机模拟行为的关键数据提取。

其中,所述根据所述关键靠机启用节点对应的目标基础检测障碍特征获取可学习目标基础检测障碍特征,包括:

将所述关键靠机启用节点对应的目标基础检测障碍特征输入到设定AI模型中,获取所述非可学习目标基础检测障碍特征以及所述可学习目标基础检测障碍特征。

其中,所述设定AI模型通过预先获取的实时产生的第一示例样本簇和第二示例样本簇进行深度学习挖掘得到,具体包括:

对所述各个靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征与非靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征进行特征挖掘,确定靠机模拟行为与非靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征,以训练得到所述设定AI模型。

其中,所述从所述多个靠机启用节点信息中确定关键靠机启用节点对应的目标基础检测障碍特征包括:

对所述多个靠机启用节点信息中的各个靠机启用节点的启用节点向量集进行目标基础检测障碍特征匹配,得到各个靠机启用节点的启用节点向量集的关键靠机启用节点对应的目标基础检测障碍特征。

其中,所述对所述可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量,包括:

对已确定的靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征进行分析,将不同靠机启用节点的启用节点向量集间的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,确定靠机模拟行为在各靠机启用节点的启用节点向量集并记录所述靠机模拟行为的行为流程信息以及所述靠机模拟行为的行为持续特征向量。

本发明实施例另一方面还提供一种基于激光雷达的主动安全靠机控制系统,应用于主动安全靠机控制系统,所述系统包括:

获取模块,用于获取基于激光雷达的主动安全靠机活动的多个安全靠机流程数据,并从所述多个安全靠机流程数据中获取多个靠机启用节点信息和多个靠机启用节点的基础检测障碍特征信息;

确定模块,用于从所述多个靠机启用节点信息中确定关键靠机启用节点对应的目标基础检测障碍特征,并根据所述关键靠机启用节点对应的目标基础检测障碍特征获取可学习目标基础检测障碍特征;

记录模块,用于对所述可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量;

计算模块,用于通过所述靠机模拟行为的行为持续特征向量以及所述多个靠机启用节点的基础检测障碍特征信息进行计算,分别激活目标靠机模拟行为,并计算靠机模拟行为的模拟程序指令的模拟调用指令集;

加载模块,用于通过所述靠机模拟行为的行为流程信息、所述靠机模拟行为的行为持续特征向量以及所述靠机模拟行为的模拟程序指令的模拟调用指令集在所述多个靠机启用节点信息中加载靠机模拟行为的关键数据提取。

本发明实施例提供的基于激光雷达的主动安全靠机控制方法及系统,通过从多个靠机启用节点信息中确定关键靠机启用节点对应的目标基础检测障碍特征,并根据关键靠机启用节点对应的目标基础检测障碍特征获取可学习目标基础检测障碍特征,接着对可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量,而后通过靠机模拟行为的行为持续特征向量以及多个靠机启用节点的基础检测障碍特征信息进行计算,分别激活目标靠机模拟行为,并计算靠机模拟行为的模拟程序指令的模拟调用指令集,从而通过靠机模拟行为的行为流程信息、行为持续特征向量以及模拟调用指令集在多个靠机启用节点信息中加载靠机模拟行为的关键数据提取,以对主动安全靠机活动进行靠机逻辑优化。如此,考虑到靠机模拟行为与目标基础检测障碍特征之间的关系,能够有效提高主动安全靠机活动的靠机逻辑优化效率。

为使本发明实施例的上述目的、特征和优点能更明显易懂,下面将结合实施例,并配合所附附图,作详细说明。

附图说明

为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的基于激光雷达的主动安全靠机控制方法的流程示意图;

图2示出了本发明实施例所提供的基于激光雷达的主动安全靠机控制系统的功能模块框图。

具体实施方式

为了使本技术领域的学员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。根据本发明中的实施例,本领域普通技术人员在没有做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。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1示出了本发明实施例提供的基于激光雷达的主动安全靠机控制方法的流程示意图,该基于激光雷达的主动安全靠机控制方法可由主动安全靠机控制系统执行。

主动安全靠机控制系统可以包括一个或多个处理器,诸如一个或多个中央处理单元(CPU),每个处理单元可以实现一个或多个硬件线程。主动安全靠机控制系统还可以包括任何存储介质,其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的,比如,存储介质可以包括以下任一项或多种组合:任何类型的RAM,任何类型的ROM,闪存设备,硬盘,光盘等。更一般地,任何存储介质都可以使用任何技术来存储信息。进一步地,任何存储介质可以提供信息的易失性或非易失性保留。进一步地,任何存储介质可以表示主动安全靠机控制系统的固定或可移除部件。在一种情况下,当处理器执行被存储在任何存储介质或存储介质的组合中的相关联的指令时,主动安全靠机控制系统可以执行相关联指令的任一操作。主动安全靠机控制系统还包括用于与任何存储介质交互的一个或多个驱动单元,诸如硬盘驱动单元、光盘驱动单元等。

主动安全靠机控制系统还包括输入/输出(I/O),其用于接收各种输入(经由输入单元)和用于提供各种输出(经由输出单元)。一个具体输出机构可以包括呈现设备和相关联的图形用户接口(GUI)。主动安全靠机控制系统还可以包括一个或多个网络接口,其用于经由一个或多个通信单元与其他设备交换数据。一个或多个通信总线将上文所描述的部件耦合在一起。

通信单元可以以任何方式实现,例如,通过局域网、广域网(例如,因特网)、点对点连接等、或其任何组合。通信单元可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称主动安全靠机控制系统等的任何组合。

下面对该基于激光雷达的主动安全靠机控制方法的详细步骤进行介绍

步骤100,获取基于激光雷达的主动安全靠机活动的多个安全靠机流程数据,并从所述多个安全靠机流程数据中获取多个靠机启用节点信息和多个靠机启用节点的基础检测障碍特征信息。

步骤200,从所述多个靠机启用节点信息中确定关键靠机启用节点对应的目标基础检测障碍特征,并根据所述关键靠机启用节点对应的目标基础检测障碍特征获取可学习目标基础检测障碍特征。

步骤300,对所述可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量。

步骤400,通过所述靠机模拟行为的行为持续特征向量以及所述多个靠机启用节点的基础检测障碍特征信息进行计算,分别激活目标靠机模拟行为,并计算靠机模拟行为的模拟程序指令的模拟调用指令集。

步骤500,通过所述靠机模拟行为的行为流程信息、所述靠机模拟行为的行为持续特征向量以及所述靠机模拟行为的模拟程序指令的模拟调用指令集在所述多个靠机启用节点信息中加载靠机模拟行为的关键数据提取。

综上所述,本实施例通过从多个靠机启用节点信息中确定关键靠机启用节点对应的目标基础检测障碍特征,并根据关键靠机启用节点对应的目标基础检测障碍特征获取可学习目标基础检测障碍特征,接着对可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量,而后通过靠机模拟行为的行为持续特征向量以及多个靠机启用节点的基础检测障碍特征信息进行计算,分别激活目标靠机模拟行为,并计算靠机模拟行为的模拟程序指令的模拟调用指令集,从而通过靠机模拟行为的行为流程信息、行为持续特征向量以及模拟调用指令集在多个靠机启用节点信息中加载靠机模拟行为的关键数据提取。如此,考虑到靠机模拟行为与目标基础检测障碍特征之间的关系,能够提高靠机逻辑优化效率。

其中,针对步骤200,本实施例具体可以将所述关键靠机启用节点对应的目标基础检测障碍特征输入到设定AI模型中,获取所述非可学习目标基础检测障碍特征以及所述可学习目标基础检测障碍特征。

其中,设定AI模型通过预先获取的实时产生的第一示例样本簇和第二示例样本簇进行深度学习挖掘得到,例如具体可以通过对所述各个靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征与非靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征进行特征挖掘,确定靠机模拟行为与非靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征,以训练得到所述设定AI模型。

其中,针对步骤200,本实施例具体可以对所述多个靠机启用节点信息中的各个靠机启用节点的启用节点向量集进行目标基础检测障碍特征匹配,得到各个靠机启用节点的启用节点向量集的关键靠机启用节点对应的目标基础检测障碍特征。

其中,针对步骤300,本实施例具体可以对已确定的靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征进行分析,将不同靠机启用节点的启用节点向量集间的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,确定靠机模拟行为在各靠机启用节点的启用节点向量集并记录所述靠机模拟行为的行为流程信息以及所述靠机模拟行为的行为持续特征向量。

图2示出了本发明实施例提供的基于激光雷达的主动安全靠机控制系统的功能模块图,该基于激光雷达的主动安全靠机控制系统实现的功能可以对应上述方法执行的步骤。该基于激光雷达的主动安全靠机控制系统可以理解为上述主动安全靠机控制系统,或主动安全靠机控制系统的处理器,也可以理解为独立于上述主动安全靠机控制系统或处理器之外的在主动安全靠机控制系统控制下实现本发明功能的组件,下面分别对该基于激光雷达的主动安全靠机控制系统的各个功能模块的功能进行详细阐述。

获取模块201,用于获取基于激光雷达的主动安全靠机活动的多个安全靠机流程数据,并从所述多个安全靠机流程数据中获取多个靠机启用节点信息和多个靠机启用节点的基础检测障碍特征信息。

确定模块202,用于从所述多个靠机启用节点信息中确定关键靠机启用节点对应的目标基础检测障碍特征,并根据所述关键靠机启用节点对应的目标基础检测障碍特征获取可学习目标基础检测障碍特征。

记录模块203,用于对所述可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量。

计算模块204,用于通过所述靠机模拟行为的行为持续特征向量以及所述多个靠机启用节点的基础检测障碍特征信息进行计算,分别激活目标靠机模拟行为,并计算靠机模拟行为的模拟程序指令的模拟调用指令集。

加载模块205,用于通过所述靠机模拟行为的行为流程信息、所述靠机模拟行为的行为持续特征向量以及所述靠机模拟行为的模拟程序指令的模拟调用指令集在所述多个靠机启用节点信息中加载靠机模拟行为的关键数据提取。

其中,所述确定模块202通过以下方式获取可学习目标基础检测障碍特征:

将所述关键靠机启用节点对应的目标基础检测障碍特征输入到设定AI模型中,获取所述非可学习目标基础检测障碍特征以及所述可学习目标基础检测障碍特征。

其中,所述设定AI模型通过预先获取的实时产生的第一示例样本簇和第二示例样本簇进行深度学习挖掘得到,具体方式包括:

对所述各个靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征与非靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征进行特征挖掘,确定靠机模拟行为与非靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征,以训练得到所述设定AI模型。

其中,所述从所述多个靠机启用节点信息中确定关键靠机启用节点对应的目标基础检测障碍特征的方式,包括:

对所述多个靠机启用节点信息中的各个靠机启用节点的启用节点向量集进行目标基础检测障碍特征匹配,得到各个靠机启用节点的启用节点向量集的关键靠机启用节点对应的目标基础检测障碍特征。

其中,所述记录模块203可以通过以下方式对所述可学习目标基础检测障碍特征通过预设主动安全靠机程序的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,记录靠机模拟行为的行为流程信息以及靠机模拟行为的行为持续特征向量:

对已确定的靠机模拟行为的关键靠机启用节点对应的目标基础检测障碍特征进行分析,将不同靠机启用节点的启用节点向量集间的关键靠机启用节点对应的目标基础检测障碍特征进行特征学习应用,确定靠机模拟行为在各靠机启用节点的启用节点向量集并记录所述靠机模拟行为的行为流程信息以及所述靠机模拟行为的行为持续特征向量。

所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。

在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的根据硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。

另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。

可以替换的,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、主动安全靠机控制系统或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、主动安全靠机控制系统或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的主动安全靠机控制系统、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk (SSD))等。

需要说明的是,在本文中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句"包括一个……"限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其它的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图进销存确认视为限制所涉及的权利要求。

12页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:基于BP神经网络的自适应可重构比例-积分-微分控制器

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!