详情

原文传递基于人工智能和无人驾驶的环卫车控制方法及系统

专利名称：	基于人工智能和无人驾驶的环卫车控制方法及系统
摘要：	本发明实施例提供的基于人工智能和无人驾驶的环卫车控制方法及系统，能够将不同特征表征层级的图像语义描述知识进行AI知识聚合，由于高阶特征表征层级的第二图像输出成员是低阶特征表征层级的一个或多个第一图像输出成员的集合，因而可以确保不同物体种类的特征表达完整性，提高驾驶控制决策网络的判别可靠性。且在加载至驾驶控制决策网络之前进行了AI知识聚合，因而驾驶控制决策网络仅需对完成聚合的图像语义描述知识进行处理，这样能够提升物体种类判别的精度和时效性，以便通过确定出的驾驶控制决策标签集对目标环卫车的行驶路径进行控制，确保目标环卫车进行准确的障碍物避让和针对性的垃圾物清理。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	博景生态环境股份有限公司
发明人：	王晓龙;郑勇;方高;宣静;刘石;周世慷
专利状态：	有效
申请日期：	2023-08-02T00:00:00+0800
发布日期：	2023-11-03T00:00:00+0800
申请号：	CN202310975602.8
公开号：	CN116985844A
代理机构：	杭州研基专利代理事务所(普通合伙)
代理人：	苗康
分类号：	B60W60/00;B60W30/095;B60W50/00;G06V20/58;G06V10/764;G06V10/774;G06V10/82;B;G;B60;G06;B60W;G06V;B60W60;B60W30;B60W50;G06V20;G06V10;B60W60/00;B60W30/095;B60W50/00;G06V20/58;G06V10/764;G06V10/774;G06V10/82
申请人地址：	230000 安徽省合肥市蜀山区振兴路1499号联东U谷·蜀山国际企业港1号楼
主权项：	1.一种基于人工智能和无人驾驶的环卫车控制方法，其特征在于，应用于AI控制系统，所述方法包括：获得第一图像语义描述知识集和第二图像语义描述知识集，其中，所述第一图像语义描述知识集包括对第一图像输出成员集中的每个第一图像输出成员进行可逆处理所确定的图像语义描述知识，所述第一图像输出成员集包括目标车载拍摄图像中的每个第一图像输出成员，所述第二图像语义描述知识集包括对第二图像输出成员集中的每个第二图像输出成员进行可逆处理所确定的图像语义描述知识，所述第二图像输出成员集包括对所述目标车载拍摄图像进行图像块拆解所确定的第二图像输出成员；基于所述第一图像输出成员集与所述第二图像输出成员集之间的上下游特征，对所述第一图像语义描述知识集与所述第二图像语义描述知识集进行AI知识聚合，得到图像语义聚合知识集；将所述图像语义聚合知识集加载至驾驶控制决策网络中，得到驾驶控制决策标签集，其中，所述驾驶控制决策网络用于依据加载的图像语义描述知识判别与所述加载的图像语义描述知识对应的物体种类，所述驾驶控制决策标签集用于表征所述目标车载拍摄图像的物体种类集；利用所述驾驶控制决策标签集，对目标环卫车的行驶路径进行控制。 2.如权利要求1所述的方法，其特征在于，所述基于所述第一图像输出成员集与所述第二图像输出成员集之间的上下游特征，对所述第一图像语义描述知识集与所述第二图像语义描述知识集进行AI知识聚合，得到图像语义聚合知识集，包括：在所述第一图像输出成员集中确定所述第二图像输出成员集中的每个第二图像输出成员所包含的第一图像输出成员；将所述每个第二图像输出成员对应的第二图像语义描述知识分别与所述每个第二图像输出成员所包含的第一图像输出成员对应的第一图像语义描述知识进行AI知识聚合，得到对应的图像语义聚合知识。 3.如权利要求2所述的方法，其特征在于，所述在所述第一图像输出成员集中确定所述第二图像输出成员集中的每个第二图像输出成员所包含的第一图像输出成员，包括：在所述第一图像输出成员集中确定所述第二图像输出成员集中的第x个第二图像输出成员所包含的P个第一图像输出成员，其中，P为正整数，x为正整数；所述将所述每个第二图像输出成员对应的第二图像语义描述知识分别与所述每个第二图像输出成员所包含的第一图像输出成员对应的第一图像语义描述知识进行AI知识聚合，得到对应的图像语义聚合知识，包括：将所述第x个第二图像输出成员对应的第x个第二图像语义描述知识分别与所述P个第一图像输出成员中的每个第一图像输出成员对应的第一图像语义描述知识进行AI知识聚合，得到P个图像语义聚合知识；其中，所述将所述第x个第二图像输出成员对应的第x个第二图像语义描述知识分别与所述P个第一图像输出成员中的每个第一图像输出成员对应的第一图像语义描述知识进行AI知识聚合，得到P个图像语义聚合知识，包括：将所述第x个第二图像输出成员对应的第x个第二图像语义描述知识分别与所述P个第一图像输出成员中的每个第一图像输出成员对应的第一图像语义描述知识进行求和，得到所述P个图像语义聚合知识；或者，将所述第x个第二图像输出成员对应的第x个第二图像语义描述知识分别与所述P个第一图像输出成员中的每个第一图像输出成员对应的第一图像语义描述知识进行组合，得到所述P个图像语义聚合知识。 4.如权利要求2所述的方法，其特征在于，所述在所述第一图像输出成员集中确定所述第二图像输出成员集中的每个第二图像输出成员所包含的第一图像输出成员，包括：在所述第一图像输出成员集中确定所述第二图像输出成员集中的第x个第二图像输出成员所包含的P个第一图像输出成员，其中，P为正整数，x为正整数；所述将所述每个第二图像输出成员对应的第二图像语义描述知识分别与所述每个第二图像输出成员所包含的第一图像输出成员对应的第一图像语义描述知识进行AI知识聚合，得到对应的图像语义聚合知识，包括：将所述第x个第二图像输出成员对应的第x个第二图像语义描述知识分别与所述P个第一图像输出成员中的Q个第一图像输出成员对应的第一图像语义描述知识进行AI知识聚合，得到Q个图像语义聚合知识，其中，Q小于P。 5.如权利要求1所述的方法，其特征在于，在将所述图像语义聚合知识集加载至驾驶控制决策网络中，得到驾驶控制决策标签集之后，所述方法还包括：响应于所述物体种类集为全息投影物体种类，清洗掉所采集的目标行车记录数据，其中，所述目标车载拍摄图像是从所述目标行车记录数据中获得到的车载拍摄图像；或者，响应于所述物体种类集为全息投影物体种类，削弱所采集的目标行车记录数据的影响权重，以抑制所述目标行车记录数据的控制决策贡献度，其中，所述目标车载拍摄图像是从所述目标行车记录数据中获得到的车载拍摄图像。 6.如权利要求1所述的方法，其特征在于，在所述获得第一图像语义描述知识集和第二图像语义描述知识集之前，所述方法还包括：获得第一网络调试学习数据集，其中，所述第一网络调试学习数据集包括从第一行车记录数据中获得到的第一车载拍摄图像样例，所述第一行车记录数据是目标行车记录数据所属的目标车载摄像头中所采集的行车记录数据，所述目标车载拍摄图像是从所述目标行车记录数据中获得到的车载拍摄图像样例；通过所述第一网络调试学习数据集和所述第一网络调试学习数据集的先验学习注释对基础判别网络进行调试，得到所述驾驶控制决策网络，其中，所述第一网络调试学习数据集的先验学习注释用于表征所述第一网络调试学习数据集中的网络调试学习数据的物体种类。 7.如权利要求6所述的方法，其特征在于，在所述通过所述第一网络调试学习数据集和所述第一网络调试学习数据集的先验学习注释对基础判别网络进行调试之前，所述方法还包括：获得与所述第一行车记录数据对应的目标检测数据，其中，所述目标检测数据为对所述第一行车记录数据对应的行车环境进行物体检测所得到的数据；基于所述目标检测数据的检测标签，确定与所述第一行车记录数据对应的物体种类，其中，与所述第一车载拍摄图像样例对应的先验学习注释用于反映与所述第一行车记录数据对应的物体种类。 8.如权利要求6所述的方法，其特征在于，所述获得第一网络调试学习数据集，包括：获得行车记录数据集，其中，所述行车记录数据集中包含所述第一行车记录数据；过滤掉所述行车记录数据集中存在噪声的行车记录数据、以及所述行车记录数据集中包含的第一图像输出成员的个数小于或者等于目标个数阈值的行车记录数据，得到完成优化的所述行车记录数据集；对所述行车记录数据集的行车记录数据进行数据加工，得到一组车载拍摄图像样例，其中，所述数据加工用于将所述行车记录数据集中的行车记录数据包含的第一状态的图像数据更新为第二状态的图像数据、以及过滤掉所述行车记录数据集中的行车记录数据包含的图像噪声，所述第一网络调试学习数据集包括所述一组车载拍摄图像样例；其中，所述对所述行车记录数据集的行车记录数据进行数据加工，得到一组车载拍摄图像样例，包括：对所述行车记录数据集中的当前行车记录数据进行如下处理，得到与所述当前行车记录数据对应的当前车载拍摄图像样例，其中，所述一组车载拍摄图像样例包括所述当前车载拍摄图像样例：在所述行车记录数据集中的当前行车记录数据包含非机动车时，将所述当前行车记录数据中的所述非机动车映射成与所述非机动车对应的第一图像输出成员；在所述当前行车记录数据包含行人时，将所述当前行车记录数据中的所述行人映射成与所述行人对应的人体框；在所述当前行车记录数据包含长尾物体时，删除所述当前行车记录数据中除了所述长尾物体中的第一个部位以外的剩余部位；在所述当前行车记录数据包含水面倒影时，删除所述当前行车记录数据中的所述水面倒影；在所述当前行车记录数据包含的第一图像输出成员的个数大于目标个数时，从所述当前行车记录数据的第一个第一图像输出成员开始，抽取得到所述当前行车记录数据中所述目标个数的第一图像输出成员。 9.如权利要求1所述的方法，其特征在于，在所述将所述图像语义聚合知识集加载至驾驶控制决策网络中，得到驾驶控制决策标签集之后，所述方法还包括：获得第二网络调试学习数据集，其中，所述第二网络调试学习数据集包括从第二行车记录数据中获得到的第二车载拍摄图像样例，所述第二行车记录数据是目标行车记录数据所属的目标车载摄像头中所采集的行车记录数据，所述目标车载拍摄图像是从所述目标行车记录数据中获得到的车载拍摄图像样例；通过所述第二网络调试学习数据集和所述第二网络调试学习数据集的先验学习注释对所述驾驶控制决策网络进行调试，得到完成优化的所述驾驶控制决策网络，其中，所述第二网络调试学习数据集的先验学习注释用于表征所述第二网络调试学习数据集中的网络调试学习数据的物体种类；其中，所述驾驶控制决策网络包含多个可逆组件和综合分析组件；所述通过所述第二网络调试学习数据集和所述第二网络调试学习数据集的先验学习注释对所述驾驶控制决策网络进行调试，得到完成优化的所述驾驶控制决策网络，包括：通过所述第二网络调试学习数据集和所述第二网络调试学习数据集的先验学习注释对目标可逆组件和所述综合分析组件进行调试，得到完成优化的所述驾驶控制决策网络，其中，所述目标可逆组件为所述多个可逆组件中与所述综合分析组件连接的最少一个可逆组件，所述多个可逆组件中除了所述目标可逆组件以外的剩余可逆组件的网络配置变量处于固定状态。 10.一种AI控制系统，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。
所属类别：	发明专利