【技术实现步骤摘要】
本专利技术涉及工业车辆控制，具体涉及融合大模型的工业车辆adas的障碍物感知方法。
技术介绍
1、在现代工业运输和物流作业中，工业车辆（如叉车、堆高机、矿用叉车等）在仓储、生产线和建筑工地等环境中扮演着至关重要的角色；随着自动化与智能化技术上的不断发展，工业车辆逐渐向自动驾驶方向发展，以提高作业效率和安全性。高级驾驶辅助系统（advanced driving assistance system，adas）是集成了传感器、计算平台、决策控制算法等多项技术的系统，主要通过感知、预测、规划与控制等方式辅助驾驶员或实现车辆的自动驾驶功能，其中，障碍物感知是adas系统的核心技术之一，尤其是在动态、复杂的工业环境中，障碍物感知对避免碰撞、确保安全以及提高工作效率具有重要作用。
2、当前的融合大模型的工业车辆adas系统主要依赖于多种传感器数据的综合分析与融合，大模型通过对大量数据的训练，能够学习到更加精确的特征表示，并进行多维度的信息融合。目前对工业车辆行进方向进行障碍物感知的方法是通过障碍物与工业车辆的定位数据单一因素进行风险分析，使得障碍物的感知精度较低。
技术实现思路
1、为了解决现有通过障碍物与工业车辆的定位数据单一因素进行碰撞分析，使得障碍物的感知精度较低的技术问题，本专利技术的目的在于提供融合大模型的工业车辆adas的障碍物感知方法，所采用的技术方案具体如下：
2、在工业车辆运行过程中，当工业车辆的雷达范围内检测到障碍物时，通过融合大模型的工业车辆adas
3、根据预设时段内初始时刻的障碍物灰度图像中物体的轮廓信息分布的规律情况，结合初始时刻的障碍物对应的物体属性信息和每个时刻的障碍物高度数据，得到障碍物的碰撞风险指标；
4、根据每两个时刻对应的障碍物的位置数据之间的差异情况，以及相邻时刻的障碍物的高度数据之间的变化分布情况，得到障碍物对工业车辆的感知影响程度；
5、根据所述碰撞风险指标和所述感知影响程度，对工业车辆的障碍预警等级进行划分，获得障碍物的等级感知结果。
6、优选地，所述根据预设时段内初始时刻的障碍物灰度图像中物体的轮廓信息分布的规律情况，结合初始时刻的障碍物对应的物体属性信息和每个时刻的障碍物高度数据，得到障碍物的碰撞风险指标，具体包括：
7、根据预设时段内初始时刻的障碍物灰度图像中边缘上相邻像素点的边缘分布情况得到障碍物的轮廓复杂系数；
8、根据预设时段内初始时刻的障碍物对应的物体属性信息结合融合大模型中的神经网络得到障碍物的物体阻碍系数；
9、将预设时段内所有时刻的障碍物的高度数据的最大值作为障碍物的高度特征系数；
10、根据所述轮廓复杂系数、所述物体阻碍系数和所述高度特征系数，结合工业车辆的底盘高度得到障碍物的碰撞风险指标。
11、优选地，所述根据预设时段内初始时刻的障碍物灰度图像中边缘上相邻像素点的边缘分布情况得到障碍物的轮廓复杂系数，具体包括：
12、将预设时段内初始时刻的障碍物灰度图像记为目标障碍物图像；获取目标障碍物图像中每条边缘线的边缘像素点；
13、计算目标障碍物图像中每个边缘像素点在对应边缘线上的斜率值；
14、基于每条边缘线上每相邻两个边缘像素点的斜率值之间的差异的均值，确定每条边缘线的像素复杂参数；将目标障碍物图像中所有边缘线的像素复杂参数的累加和作为障碍物的轮廓复杂系数。
15、优选地，所述根据预设时段内初始时刻的障碍物对应的物体属性信息结合融合大模型中的神经网络得到障碍物的物体阻碍系数，具体包括：
16、利用人工标注的形式对不同物体属性的障碍物进行标注获得标注数据，所述标注数据包括不同物体属性的障碍物的物体阻碍系数；利用标注数据对神经网络进行训练；将预设时段内初始时刻的障碍物对应的物体属性信息输入训练好的神经网络中，获得障碍物的物体阻碍系数。
17、优选地，所述根据所述轮廓复杂系数、所述物体阻碍系数和所述高度特征系数，结合工业车辆的底盘高度得到障碍物的碰撞风险指标，具体包括：
18、计算高度特征系数与工业车辆的底盘高度之间的比值，根据所述轮廓复杂系数、所述物体阻碍系数和该比值以及障碍物的体积数据，得到障碍物的碰撞风险指标；所述轮廓复杂系数、所述物体阻碍系数和该比值以及体积数据均与碰撞风险指标呈正相关关系。
19、优选地，所述根据每两个时刻对应的障碍物的位置数据之间的差异情况，以及相邻时刻的障碍物的高度数据之间的变化分布情况，得到障碍物对工业车辆的感知影响程度，具体包括：
20、根据每两个时刻对应的障碍物的位置数据之间的差异情况得到障碍物的动态特征指标；
21、根据每个时刻和相邻时刻的障碍物的高度数据之间的数据变化情况，结合所述动态特征指标，得到障碍物对工业车辆的感知影响程度。
22、优选地，所述根据每两个时刻对应的障碍物的位置数据之间的差异情况得到障碍物的动态特征指标，具体包括：
23、对于预设时段内每两个时刻，将障碍物的位置数据之间的欧氏距离作为每两个时刻之间的距离参数；基于预设时段内所有距离参数的均值，确定障碍物的动态特征指标。
24、优选地，所述根据每个时刻和相邻时刻的障碍物的高度数据之间的数据变化情况，结合所述动态特征指标，得到障碍物对工业车辆的感知影响程度，具体包括：
25、在预设时段内，将每个时刻与相邻的前一时刻的障碍物的高度数据之间的比值作为每相邻两个时刻之间的高度变化参数，计算预设时段内所有高度变化参数的均值得到综合变化因子；
26、根据障碍物的动态特征指标和所述综合变化因子得到障碍物对工业车辆的感知影响程度，所述动态特征指标和所述综合变化因子均与所述感知影响程度呈正相关关系。
27、优选地，所述根据所述碰撞风险指标和所述感知影响程度，对工业车辆的障碍预警等级进行划分，具体包括：
28、计算障碍物的碰撞风险指数和障碍物对工业车辆的感知影响程度之间的欧氏范数的归一化结果得到预警系数，利用预警系数对工业车辆的障碍预警等级进行划分。
29、优选地，所述利用预警系数对工业车辆的障碍预警等级进行划分，具体包括：
30、当预警系数小于预设的第一阈值时，工业车辆的障碍预警等级为低级；当预警系数大于或等于所述第一阈值且小于预设的第二阈值时，工业车辆的障碍预警等级为中级；当预警系数大于或等于所述第二阈值时，工业车辆的障碍预警等级为高级；所述第一阈值小于所述第二阈值。
31、本专利技术实施例至少具有如下有益效果：
32、本专利技术首先在工业车辆行进过程中感知到障碍物时通过融合大模型的工业车辆adas系统进行数据采集，为后续分析一段动态观察的时间也即预设时段内障碍物特征变化情况提供数据基础。然后，第一方面针对障碍物的碰撞风险指标进行量化，本文档来自技高网...
【技术保护点】
1.一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述根据预设时段内初始时刻的障碍物灰度图像中物体的轮廓信息分布的规律情况，结合初始时刻的障碍物对应的物体属性信息和每个时刻的障碍物高度数据，得到障碍物的碰撞风险指标，具体包括：
3.根据权利要求2所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述根据预设时段内初始时刻的障碍物灰度图像中边缘上相邻像素点的边缘分布情况得到障碍物的轮廓复杂系数，具体包括：
4.根据权利要求3所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述根据预设时段内初始时刻的障碍物对应的物体属性信息结合融合大模型中的神经网络得到障碍物的物体阻碍系数，具体包括：
5.根据权利要求3所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述根据所述轮廓复杂系数、所述物体阻碍系数和所述高度特征系数，结合工业车辆的底盘高度得到障碍物的碰撞风险指标
6.根据权利要求1所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述根据每两个时刻对应的障碍物的位置数据之间的差异情况，以及相邻时刻的障碍物的高度数据之间的变化分布情况，得到障碍物对工业车辆的感知影响程度，具体包括：
7.根据权利要求6所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述根据每两个时刻对应的障碍物的位置数据之间的差异情况得到障碍物的动态特征指标，具体包括：
8.根据权利要求6所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述根据每个时刻和相邻时刻的障碍物的高度数据之间的数据变化情况，结合所述动态特征指标，得到障碍物对工业车辆的感知影响程度，具体包括：
9.根据权利要求1所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述根据所述碰撞风险指标和所述感知影响程度，对工业车辆的障碍预警等级进行划分，具体包括：
10.根据权利要求9所述的一种融合大模型的工业车辆ADAS的障碍物感知方法，其特征在于，所述利用预警系数对工业车辆的障碍预警等级进行划分，具体包括：
...【技术特征摘要】
1.一种融合大模型的工业车辆adas的障碍物感知方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种融合大模型的工业车辆adas的障碍物感知方法，其特征在于，所述根据预设时段内初始时刻的障碍物灰度图像中物体的轮廓信息分布的规律情况，结合初始时刻的障碍物对应的物体属性信息和每个时刻的障碍物高度数据，得到障碍物的碰撞风险指标，具体包括：
3.根据权利要求2所述的一种融合大模型的工业车辆adas的障碍物感知方法，其特征在于，所述根据预设时段内初始时刻的障碍物灰度图像中边缘上相邻像素点的边缘分布情况得到障碍物的轮廓复杂系数，具体包括：
4.根据权利要求3所述的一种融合大模型的工业车辆adas的障碍物感知方法，其特征在于，所述根据预设时段内初始时刻的障碍物对应的物体属性信息结合融合大模型中的神经网络得到障碍物的物体阻碍系数，具体包括：
5.根据权利要求3所述的一种融合大模型的工业车辆adas的障碍物感知方法，其特征在于，所述根据所述轮廓复杂系数、所述物体阻碍系数和所述高度特征系数，结合工业车辆的底盘高度得到障碍物的碰撞风险指标，具体包括：
<...【专利技术属性】
技术研发人员：邓海勤，王业光，鄢楚威，高志勇，卢曼泽，
申请(专利权)人：爱动超越人工智能科技北京有限责任公司，
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。