详情

原文传递车辆驾驶的控制方法和装置

专利名称：	车辆驾驶的控制方法和装置
摘要：	本公开涉及一种车辆驾驶的控制方法和装置，该方法包括：获取目标车辆的第一数据信息，对第一数据信息进行融合处理，以将经过融合处理后的第一数据信息作为第二数据信息，根据预设的场景分类算法确定第二数据信息对应的目标场景，根据目标车辆当前的驾驶指令、目标场景和第二数据信息，利用预设的深度学习算法对控制模型进行训练，控制模型中包括至少一种场景，和至少一种场景对应的驾驶指令，控制目标车辆按照训练后的控制模型指示的驾驶指令行驶。本公开能够根据实时获取的车辆的驾驶数据，利用深度学习算法实时训练用于控制车辆行驶的控制模型，从而提高控制模型的适用性和准确性。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京汽车集团有限公司
发明人：	孙学龙;陈新;杨海军;冯秋维;王化英;孙靓
专利状态：	有效
申请日期：	2018-11-26T00:00:00+0800
发布日期：	2019-05-14T00:00:00+0800
申请号：	CN201811420114.6
公开号：	CN109747659A
代理机构：	北京英创嘉友知识产权代理事务所(普通合伙)
代理人：	魏嘉熹;南毅宁
分类号：	B60W50/00(2006.01);B;B60;B60W;B60W50
申请人地址：	101300 北京市顺义区双河大街99号
主权项：	1.一种车辆驾驶的控制方法，其特征在于，应用于服务器，所述方法包括：获取目标车辆的第一数据信息；对所述第一数据信息进行融合处理，以将经过融合处理后的所述第一数据信息作为第二数据信息；根据预设的场景分类算法确定所述第二数据信息对应的目标场景；根据所述目标车辆当前的驾驶指令、所述目标场景和所述第二数据信息，利用预设的深度学习算法对控制模型进行训练，所述控制模型中包括至少一种场景，和所述至少一种场景对应的驾驶指令；控制所述目标车辆按照训练后的所述控制模型指示的驾驶指令行驶。 2.根据权利要求1所述的方法，其特征在于，所述第一数据信息包括：所述目标车辆在自动驾驶过程中采集的图像信息、位置信息、决策信息、指令信息和故障信息中的至少一种；所述对所述第一数据信息进行融合处理，以将经过融合处理后的所述第一数据信息作为第二数据信息，包括：将所述第一数据信息中包含的至少一个位置坐标中的每个所述位置坐标转换为预设的目标坐标系中的至少一个目标坐标；将所述第一数据信息中包含的时间信息进行同步处理；将包含了所述至少一个目标坐标和经过同步处理的所述时间信息的所述第一数据信息作为所述第二数据信息。 3.根据权利要求2所述的方法，其特征在于，所述根据预设的场景分类算法确定所述第二数据信息对应的目标场景，包括：根据所述第二数据信息包含的所述至少一个目标坐标，获取所述至少一个目标坐标所指示的位置在当前时刻和当前时刻之前预设时间段内的图像信息、点云数据；将所述当前时刻和当前时刻之前预设时间段内的图像信息、点云数据作为所述场景分类算法的输入，将所述场景分类算法的输出作为所述目标场景。 4.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆当前的驾驶指令、所述目标场景和所述第二数据信息，利用预设的深度学习算法对控制模型进行训练，包括：将所述目标场景、所述第二数据信息和所述控制模型作为预设的卷积神经网络的输入，将所述卷积神经网络的输出作为推荐驾驶指令；根据所述目标车辆当前的驾驶指令和所述推荐驾驶指令，修正所述卷积神经网络；重复执行所述将所述目标场景、所述第二数据信息作为预设的卷积神经网络的输入，将所述卷积神经网络的输出作为推荐驾驶指令至所述根据所述目标车辆当前的驾驶指令和所述推荐驾驶指令，修正所述卷积神经网络的步骤，直至所述目标车辆当前的驾驶指令和所述推荐驾驶指令的误差满足预设条件，将所述控制模型中所述目标场景对应的驾驶指令更新为所述推荐驾驶指令。 5.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述目标场景，确定场景模型，所述场景模型包括所述目标场景对应的道路信息、环境信息等；将训练后的所述控制模型指示的驾驶指令作为所述场景模型的输入，根据所述场景模型输出的图像信息、位置信息、决策信息、指令信息和故障信息中的至少一种修正所述控制模型。 6.一种车辆驾驶的控制装置，其特征在于，应用于服务器，所述装置包括：获取模块，用于获取目标车辆的第一数据信息；融合模块，用于对所述第一数据信息进行融合处理，以将经过融合处理后的所述第一数据信息作为第二数据信息；第一确定模块，用于根据预设的场景分类算法确定所述第二数据信息对应的目标场景；训练模块，用于根据所述目标车辆当前的驾驶指令、所述目标场景和所述第二数据信息，利用预设的深度学习算法对控制模型进行训练，所述控制模型中包括至少一种场景，和所述至少一种场景对应的驾驶指令；控制模块，用于控制所述目标车辆按照训练后的所述控制模型指示的驾驶指令行驶。 7.根据权利要求6所述的装置，其特征在于，所述第一数据信息包括：所述目标车辆在自动驾驶过程中采集的图像信息、位置信息、决策信息、指令信息和故障信息中的至少一种；所述融合模块包括：转换子模块，用于将所述第一数据信息中包含的至少一个位置坐标中的每个所述位置坐标转换为预设的目标坐标系中的至少一个目标坐标；同步子模块，用于将所述第一数据信息中包含的时间信息进行同步处理；融合子模块，用于将包含了所述至少一个目标坐标和经过同步处理的所述时间信息的所述第一数据信息作为所述第二数据信息。 8.根据权利要求7所述的装置，其特征在于，所述第一确定模块包括：获取子模块，用于根据所述第二数据信息包含的所述至少一个目标坐标，获取所述至少一个目标坐标所指示的位置在当前时刻和当前时刻之前预设时间段内的图像信息、点云数据；分类子模块，用于将所述当前时刻和当前时刻之前预设时间段内的图像信息、点云数据作为所述场景分类算法的输入，将所述场景分类算法的输出作为所述目标场景。 9.根据权利要求6所述的装置，其特征在于，所述训练模块包括：推荐子模块，用于将所述目标场景、所述第二数据信息和所述控制模型作为预设的卷积神经网络的输入，将所述卷积神经网络的输出作为推荐驾驶指令；修正子模块，用于根据所述目标车辆当前的驾驶指令和所述推荐驾驶指令，修正所述卷积神经网络；更新子模块，用于重复执行所述将所述目标场景、所述第二数据信息作为预设的卷积神经网络的输入，将所述卷积神经网络的输出作为推荐驾驶指令至所述根据所述目标车辆当前的驾驶指令和所述推荐驾驶指令，修正所述卷积神经网络的步骤，直至所述目标车辆当前的驾驶指令和所述推荐驾驶指令的误差满足预设条件，将所述控制模型中所述目标场景对应的驾驶指令更新为所述推荐驾驶指令。 10.根据权利要求6所述的装置，其特征在于，所述装置还包括：第二确定模块，用于根据所述目标场景，确定场景模型，所述场景模型包括所述目标场景对应的道路信息、环境信息等；修正模块，用于将训练后的所述控制模型指示的驾驶指令作为所述场景模型的输入，根据所述场景模型输出的图像信息、位置信息、决策信息、指令信息和故障信息中的至少一种修正所述控制模型。
所属类别：	发明专利