本申请涉及智能驾驶,具体涉及一种路面特征识别方法、悬架控制方法、云端平台及驾驶设备。
背景技术:
1、在智能驾驶领域,底盘悬架控制系统是驾驶设备的重要组成部分,对于驾驶安全和驾乘人员乘车体验有重要影响。
2、随着社会经济的发展,城市道路改造提升方兴未艾,道路的路况变得更加复杂。另外,自驾深度旅行市场也在火热发展,这些都拉高了用户对车辆驾乘舒适性的要求。智能网联汽车的发展也催生了用户对底盘悬架智能控制的新期待。
3、目前,主流的悬架调节方案以及透明底盘方案均需要驾驶人员的决策介入完成控制,安全性和舒适性体验取决于驾驶人员的驾控水平。还有一些车企采集减速带、砂石路面等特征信息在地图标记,未来车辆在通过这些特征路面时可以主动调节悬架,但是这种方法效率低、精度差、成本高、覆盖面小,并且悬架调节算法固定不可进化。
4、相应地,本领域需要一种新的技术方案来解决上述问题。
技术实现思路
1、为了克服上述缺陷,提出了本申请,以提供解决或至少部分地解决如何准确地识别路面特征并自动调节悬架的技术问题的路面特征识别方法、悬架控制方法、云端平台及驾驶设备。
2、在第一方面,提供一种路面特征识别方法,应用于云端平台,所述云端平台与驾驶设备通信连接,所述方法包括:
3、获取所述驾驶设备的行驶数据;
4、基于所述行驶数据对路面特征识别模型进行预训练,得到训练好的路面特征识别模型;
5、将所述路面特征识别模型发送至所述驾驶设备,以使得所述驾驶设备基于所述路面特征识别模型得到路面特征识别结果;
6、获取所述驾驶设备发送的所述路面特征识别结果和所述行驶数据;
7、基于所述路面特征识别结果和所述行驶数据对所述路面特征识别模型进行强化训练。
8、在上述路面特征识别方法的一个技术方案中,所述行驶数据包括驾控数据,所述路面特征识别结果包括异常路面的类型;所述基于所述路面特征识别结果和所述行驶数据对所述路面特征识别模型进行强化训练包括:
9、分析所述异常路面的类型和所述驾控数据,得到驾控规律;
10、基于所述驾控规律对所述路面特征识别模型进行所述强化训练;
11、其中,所述异常路面类型包括减速带路面、障碍物路面和坑洼路面中至少一种。
12、在上述路面特征识别方法的一个技术方案中,所述行驶数据还包括底盘图像数据;所述基于所述路面特征识别结果和所述行驶数据对所述路面特征识别模型进行强化训练之后,所述方法还包括:
13、基于所述底盘图像数据对所述路面特征识别结果进行评估;
14、基于评估结果对所述路面特征识别模型进行反馈训练;
15、将所述反馈训练后的路面特征识别模型发送至所述驾驶设备,以使得所述驾驶设备基于所述反馈训练后的路面特征识别模型得到所述路面特征识别结果。
16、在上述路面特征识别方法的一个技术方案中,所述行驶数据还包括车辆状态数据;所述基于所述行驶数据对路面特征识别模型进行预训练,得到路面特征识别模型包括:
17、对所述车辆状态数据进行处理,得到预训练样本;
18、基于所述预训练样本对所述路面特征识别模型进行预训练;
19、当所述路面特征识别模型收敛至预设误差时,完成所述路面特征识别模型预训练。
20、在第二方面,提供一种悬架控制方法,应用于驾驶设备,所述驾驶设备与云端平台通信连接,所述方法包括:
21、接收所述云端平台发送的路面特征识别模型;
22、将行驶数据输入所述路面特征识别模型,得到路面特征识别结果;
23、基于所述路面特征识别结果选择性调节悬架。
24、在上述悬架控制方法的一个技术方案中,所述路面特征识别结果包括正常路面和异常路面;所述基于所述路面特征识别结果选择性调节悬架包括:
25、当所述路面特征识别结果为所述异常路面时,基于异常路面的类型调节所述悬架的刚度、高度和阻尼参数中至少一种;
26、其中,所述异常路面的类型包括减速带路面、障碍物路面、坑洼路面中至少一种。
27、在上述悬架控制方法的一个技术方案中,所述行驶数据包括车辆状态数据、驾控数据和底盘图像数据中至少一种;所述方法还包括:
28、当所述路面特征识别结果为所述异常路面时,将所述行驶数据发送至所述云端平台;
29、和/或,
30、当所述路面特征识别结果为所述异常路面时,发出异常路面提醒。
31、在第三方面,提供一种云端平台,该云端平台包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述路面特征识别方法的技术方案中任一项技术方案所述的路面特征识别方法。
32、在第四方面,提供一种驾驶设备,该驾驶设备包括处理器和存储装置,所述存储装置适于存储多条程序代码,所述程序代码适于由所述处理器加载并运行以执行上述悬架控制方法的技术方案中任一项技术方案所述的悬架控制方法。
33、在第五方面,提供一种计算机可读存储介质,该计算机可读存储介质其中存储有多条程序代码,所述程序代码适于由处理器加载并运行以执行上述路面特征识别方法的技术方案中任一项技术方案所述的路面特征识别方法,或上述悬架控制方法的技术方案中任一项技术方案所述的悬架控制方法。
34、本申请上述一个或多个技术方案,至少具有如下一种或多种
35、有益效果:
36、在实施本申请的技术方案中,云端平台与驾驶设备通信连接,云端平台获取驾驶设备的行驶数据,基于行驶数据对路面特征识别模型进行预训练,得到路面特征识别模型,并将路面特征识别模型发送至驾驶设备,以使得驾驶设备基于路面特征识别模型得到路面特征识别结果,云端平台获取驾驶设备发送的路面特征识别结果和行驶数据,并基于路面特征识别结果和行驶数据对路面特征识别模型进行强化训练。通过上述实施方式,云端平台利用大规模深度学习模型的强大能力,训练出可以部署到驾驶设备的路面特征识别模型,使驾驶设备能够准确地识别路面特征,同时云端平台可以利用驾驶设备识别出的路面特征和行驶数据强化训练模型,使路面特征识别模型能够动态更新。
37、进一步地,驾驶设备能够通过云端平台部署的路面特征识别模型准确地识别路况,并根据实际路况自动调节悬架,提升驾驶设备的智能化程度,提高驾乘人员的舒适性和安全性。
1.一种路面特征识别方法,应用于云端平台,其特征在于,所述云端平台与驾驶设备通信连接,所述方法包括:
2.根据权利要求1所述的路面特征识别方法,其特征在于,所述行驶数据包括驾控数据,所述路面特征识别结果包括异常路面的类型;所述基于所述路面特征识别结果和所述行驶数据对所述路面特征识别模型进行强化训练包括:
3.根据权利要求1或2所述的路面特征识别方法,其特征在于,所述行驶数据还包括底盘图像数据;所述基于所述路面特征识别结果和所述行驶数据对所述路面特征识别模型进行强化训练之后,所述方法还包括:
4.根据权利要求1所述的路面特征识别方法,其特征在于,所述行驶数据还包括车辆状态数据;所述基于所述行驶数据对路面特征识别模型进行预训练,得到路面特征识别模型包括:
5.一种悬架控制方法,应用于驾驶设备,其特征在于,所述驾驶设备与云端平台通信连接,所述方法包括:
6.根据权利要求5所述的悬架控制方法,其特征在于,所述路面特征识别结果包括正常路面和异常路面;所述基于所述路面特征识别结果选择性调节悬架包括:
7.根据权利要求6所述的悬架控制方法,其特征在于,所述行驶数据包括车辆状态数据、驾控数据和底盘图像数据中至少一种;所述方法还包括:
8.一种云端平台,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至4中任一项所述的路面特征识别方法。
9.一种驾驶设备,包括处理器和存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求5至7中任一项所述的悬架控制方法。
10.一种计算机可读存储介质,其中存储有多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至4中任一项所述的路面特征识别方法或权利要求5至7中任一项所述的悬架控制方法。