车辆控制方法、装置、车辆、存储介质及计算机程序产品与流程

本技术涉及车辆控制，具体而言，涉及一种车辆控制方法、装置、车辆、存储介质及计算机程序产品。

背景技术：

1、随着智能网联汽车技术的普及，车辆行驶环境的复杂性对感知范围与控制策略的实时性提出了更高要求。然而，现有车载感知技术主要依赖本地传感器，探测范围受限于视距，难以实现远距离地形预判，导致对前方复杂路况的感知不足；现有路线规划技术多基于单一维度的实时感知进行跟随式控制，导致生成的路线缺乏针对性；此外，现有控制技术多侧重于行驶过程中的实时响应，车辆控制过程的前瞻性不足，进而导致车辆在复杂路段中行驶时存在安全隐患且驾驶体验不佳。

2、针对上述问题，目前暂未提出有效的解决方案。

技术实现思路

1、本技术实施例提供一种车辆控制方法、装置、车辆、存储介质及计算机程序产品，以至少解决现有技术中路线规划前瞻性低且路线规划个性化程度低，导致驾驶体验性差的技术问题。

2、本技术提供一种车辆控制方法，包括：获取车辆对应的运行参数、驾驶水平数据和地形感知数据，其中，地形感知数据由与车辆关联的移动探测终端对车辆前方的目标区域进行感知得到；基于运行参数、驾驶水平数据和地形感知数据，生成推荐路线集合，其中，推荐路线集合包括多个驾驶难度等级分别对应的至少一条推荐行驶路线；响应于从推荐路线集合中选取目标推荐路线的操作事件，确定与目标推荐路线相匹配的目标控制策略；按照目标控制策略，控制车辆的执行组件执行预调整指令，以辅助驾驶车辆按照目标推荐路线驶经目标区域。

3、进一步地，移动探测终端为无人机，地形感知数据包括图像数据和三维点云数据；基于运行参数、驾驶水平数据和地形感知数据，生成推荐路线集合包括：基于图像数据和三维点云数据，构建目标区域的三维地形模型；基于三维地形模型、运行参数和驾驶水平数据进行路线规划，生成推荐路线集合。

4、进一步地，基于图像数据和三维点云数据，构建三维地形模型包括：利用深度学习算法对图像数据和三维点云数据进行特征识别，得到地形路况特征；从地形路况特征中解析得到地形高度变化及障碍物位置信息；根据地形高度变化及障碍物位置信息进行融合建模，得到目标区域的三维地形模型。

5、进一步地，基于三维地形模型、运行参数和驾驶水平数据进行路线规划，生成推荐路线集合包括：基于三维地形模型和车辆的运动学约束，对目标区域进行网格化分析，确定可行域，其中，可行域包括目标区域内满足预设通行条件的多个网格单元；基于三维地形模型、运行参数和驾驶水平数据，对可行域内的潜在路线进行难度分级，得到多个驾驶难度等级对应的候选路线集合；根据车辆中越野辅助硬件装置的状态参数，从候选路线集合中筛选得到推荐路线集合。

6、进一步地，基于三维地形模型和运动学约束，对目标区域进行网格化分析，确定可行域包括：基于三维地形模型，提取每个网格单元的地形几何特征参数，其中，地形几何特征参数包括坡度角、纵向曲率及局部障碍物高度；基于运动学约束中的几何约束参数，构建几何通过性约束模型，其中，几何约束参数包括接近角、离去角、纵向通过角及离地间隙下限；将地形几何特征参数与几何通过性约束模型进行匹配，以筛选满足预设通行条件的网格单元作为可行域。

7、进一步地，基于三维地形模型、运行参数和驾驶水平数据，对可行域内的潜在路线进行难度分级，得到多个驾驶难度等级对应的候选路线集合包括：基于三维地形模型中点云强度数据，识别可行域内的基础地形类型；基于三维地形模型的高程统计特征，识别基础地形类型对应的行驶工况；基于三维地形模型的局部梯度信息，计算行驶工况对应的坡度角和路径曲率；基于基础地形类型、行驶工况、坡度角、路径曲率以及驾驶水平数据，计算每条潜在路线的难度评分；根据难度评分将潜在路线关联至多个驾驶难度等级，以构建候选路线集合。

8、进一步地，基于点云强度数据，识别基础地形类型包括：基于点云强度数据，计算三维地形模型中网格单元的点云强度均值和点云强度方差；将点云强度均值和点云强度方差输入至预设的地形分类模型进行分析，确定基础地形类型，其中，基础地形类型包括以下至少之一：铺装路面、泥地、沙地、雪地。

9、进一步地，基于高程统计特征，识别行驶工况包括：基于高程统计特征及预设的工况判定矩阵，确定行驶工况；其中，高程统计特征包括：高程方差、高程极差、自相关函数值及左右轮迹高差；工况判定矩阵基于高程统计特征对应的多个预设阈值构建；行驶工况包括以下至少之一：平路工况、坑洼工况、枕木路工况、交叉轴工况。

10、进一步地，根据车辆中越野辅助硬件装置的状态参数，从候选路线集合中筛选得到推荐路线集合包括：遍历候选路线集合，若根据状态参数确定遍历中的当前候选行驶路线满足辅助激活条件，则将当前候选行驶路线保留在推荐路线集合中，其中，辅助激活条件包括：关联辅助组件处于预设激活状态，关联辅助组件为越野辅助硬件装置中与当前候选行驶路线匹配的触发工况相关联的至少一个辅助组件。

11、进一步地，车辆控制方法还包括：在车辆的图形交互界面上显示推荐路线集合，以及显示难度标识，其中，难度标识用于表征推荐路线集合中的每条推荐行驶路线的关联驾驶难度等级；响应作用于图形交互界面上的路线选择操作，从推荐路线集合中确定目标推荐路线，以及确定触发操作事件。

12、进一步地，确定与目标推荐路线相匹配的目标控制策略包括：对目标推荐路线进行解析，得到路线几何特征及关联驾驶难度等级；基于路线几何特征和驾驶难度等级，生成目标控制策略，其中，目标控制策略包括扭矩分配策略和悬架刚度调节策略。

13、进一步地，预调整指令用于在车辆驶入目标区域之前，指示执行组件预先执行调整动作；执行组件包括以下至少之一：线控转向组件、线控制动组件、线控驱动组件以及越野辅助硬件装置。

14、进一步地，车辆控制方法还包括：在车辆驶经目标区域的过程中，采集车辆的实时运动状态数据和传感器反馈数据；将实时运动状态数据和传感器反馈数据输入至车辆的预设动力学模型进行校验，得到校验结果，其中，校验结果用于表征车辆实际行驶表现与目标控制策略对应的预期行驶表现之间的偏差程度；当校验结果表明偏差程度超过预设阈值时，生成修正控制指令，以及按照修正控制指令对目标控制策略进行实时修正更新。

15、进一步地，多个驾驶难度等级包括初级、中级和高级；当目标推荐路线的关联驾驶难度等级为高级时，目标控制策略还包括：控制车辆的越野辅助硬件装置进入待激活状态或预启动状态，其中，越野辅助硬件装置包括以下至少之一：差速锁、电子限滑差速器或越野巡航系统。

16、进一步地，车辆控制方法还包括：在车辆驶离目标区域后，采集车辆对应的驾驶过程操作数据和当前车辆状态数据；基于多个评估指标，对驾驶过程操作数据和当前车辆状态数据进行分析，确定当前驾驶评分；将当前驾驶评分上传至云端服务平台，其中，云端服务平台还存储有其他驾驶评分，云端服务平台用于根据当前驾驶评分和其他驾驶评分进行排序评估。

17、进一步地，车辆控制方法还包括：在车辆驶离目标区域后，将地形感知数据和目标推荐路线上传至云端服务平台，其中，云端服务平台用于响应车辆和/或其他交通参与者针对目标区域发起的查询请求，对地形感知数据和目标推荐路线进行复用分发。

18、本技术提供一种车辆，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行上述的车辆控制方法。

19、本技术提供一种车辆控制系统，包括：移动探测终端，以及上述的车辆。

20、本技术提供一种计算机可读存储介质，计算机可读存储介质包括存储的可执行程序，其中，在可执行程序运行时控制存储介质所在设备执行上述的车辆控制方法。

21、应用本技术的技术方案，通过与车辆关联的移动探测终端对车辆前方的目标区域进行感知以获取地形感知数据，突破车载传感器视野局限，使得系统能够基于前方地形数据生成推荐路线，实现了路线规划的前瞻性；同时，结合车辆运行参数与驾驶员驾驶水平数据，生成包含多个驾驶难度等级对应的至少一条推荐行驶路线的推荐路线集合，实现了针对特定车辆和驾驶员的个性化路线规划；进而响应于用户从推荐路线集合中选取目标推荐路线的操作事件，确定与目标推荐路线相匹配的目标控制策略，并按照该目标控制策略控制车辆的执行组件执行预调整指令，辅助车辆适应路况，从而在车辆驶入目标区域前提前调整控制策略，提升驾驶的安全性和便利性。因此，本技术可以解决相关技术中路线规划前瞻性低且路线规划个性化程度低，导致驾驶体验性差的问题，实现了增强路线规划前瞻性、提升了路线规划个性化程度进而改善驾驶体验的效果，保障驾驶安全性和便利性。