详情

原文传递车辆控制方法、装置、控制器和智能车

专利名称：	车辆控制方法、装置、控制器和智能车
摘要：	本申请公开了一种自动驾驶领域中车辆控制方法，该方法包括：获取目标物的第一识别结果，所述第一识别结果包括：所述目标物属于第一类别的第一概率和所述目标物属于第二类别的第二概率，且所述第一概率大于所述第二概率；对所述第一识别结果进行调整，以得到所述目标物的第二识别结果，所述第二识别结果包括：所述目标物属于所述第二类别的第三概率，且所述第三概率大于所述第二概率；基于所述第二识别结果对车辆进行控制，以此提高车辆的行驶安全性。
专利类型：	发明专利
申请人：	华为技术有限公司
发明人：	李怀洲
专利状态：	有效
申请日期：	1900-01-20T00:00:00+0805
发布日期：	1900-01-20T08:00:00+0805
申请号：	CN201911409229.X
公开号：	CN111114541A
代理机构：	北京龙双利达知识产权代理有限公司
代理人：	陈洪艳;王君
分类号：	B60W30/09;B60W30/095;B60W60/00;B;B60;B60W;B60W30;B60W60;B60W30/09;B60W30/095;B60W60/00
申请人地址：	518129 广东省深圳市龙岗区坂田华为总部办公楼
主权项：	1.一种车辆控制方法，其特征在于，所述方法包括：获取目标物的第一识别结果，所述第一识别结果包括：所述目标物属于第一类别的第一概率和所述目标物属于第二类别的第二概率，且所述第一概率大于所述第二概率；对所述第一识别结果进行调整，以得到所述目标物的第二识别结果，所述第二识别结果包括：所述目标物属于所述第二类别的第三概率；基于所述第二识别结果对车辆进行控制。 2.如权利要求1所述的方法，其特征在于，所述对所述第一识别结果进行调整，包括：根据预先配置的概率调整参数对所述第一识别结果进行调整。 3.如权利要求2所述的方法，其特征在于，所述第一概率和所述第二概率均为神经网络对所述目标物进行分类得到的概率；其中，所述概率调整参数是根据第一误检率和第一误检危害程度确定的，所述第一误检率为所述神经网络将所述第二类别的目标物划分为所述第一类别的概率，所述第一误检危害程度是指将所述第一类别作为真实类别为所述第二类别的目标物的类别来控制车辆所导致的安全危害的严重程度。 4.如权利要求1所述的方法，其特征在于，所述第一概率和所述第二概率均为神经网络对所述目标物进行分类得到的概率，所述方法还包括：根据第一误检率和第一误识别危害程度确定概率调整参数，所述第一误检率为所述神经网络将所述第二类别的目标物划分为所述第一类别的概率，所述第一误检危害程度是指将所述第一类别作为真实类别为所述第二类别的目标物的类别来控制车辆所导致的安全危害的严重程度；其中，所述对所述第一识别结果进行调整，包括：根据所述概率调整参数对所述第一识别结果进行调整。 5.如权利要求3或4所述的方法，其特征在于，所述概率调整参数、所述第一误检率和所述第一误识别危害程度之间满足如下关系式： ω＝(1-fp)(s0.1+1) 其中，ω表示所述概率调整参数，fp表示所述第一误检率，s表示所述第一误检危害程度。 6.如权利要求2至5中任一项所述的方法，其特征在于，所述第三概率、所述概率调整参数和所述第二概率之间满足如下关系式： P3＝P2ω 其中，P3表示所述第三概率，P2表示所述第二概率，ω表示所述概率调整参数。 7.如权利要求1至6中任一项所述的方法，其特征在于，所述基于所述第二识别结果对车辆进行控制，包括：在所述第二识别结果中的所述第三概率大于所述目标物属于其他类别的概率时，将所述第二类别作为所述目标物的目标类别，并基于所述目标类别对所述车辆进行控制。 8.一种车辆控制装置，其特征在于，所述装置包括：获取模块，用于获取目标物的第一识别结果，所述第一识别结果包括：所述目标物属于第一类别的第一概率和所述目标物属于第二类别的第二概率，且所述第一概率大于所述第二概率；调整模块，用于对所述第一识别结果进行调整，以得到所述目标物的第二识别结果，所述第二识别结果包括：所述目标物属于所述第二类别的第三概率；控制模块，用于基于所述第二识别结果对车辆进行控制。 9.如权利要求8所述的装置，其特征在于，所述调整模块，还用于根据预先配置的概率调整参数对所述第一识别结果进行调整。 10.如权利要求9所述的装置，其特征在于，所述第一概率和所述第二概率均为神经网络对所述目标物进行分类得到的概率；其中，所述概率调整参数是根据第一误检率和第一误检危害程度确定的，所述第一误检率为所述神经网络将所述第二类别的目标物划分为所述第一类别的概率，所述第一误检危害程度是指将所述第一类别作为真实类别为所述第二类别的目标物的类别来控制车辆所导致的安全危害的严重程度。 11.如权利要求8所述的装置，其特征在于，所述第一概率和所述第二概率均为神经网络对所述目标物进行分类得到的概率；其中，所述装置还包括确定模块，所述确定模块，用于根据第一误检率和第一误识别危害程度确定概率调整参数，所述第一误检率为所述神经网络将所述第二类别的目标物划分为所述第一类别的概率，所述第一误检危害程度是指将所述第一类别作为真实类别为所述第二类别的目标物的类别来控制车辆所导致的安全危害的严重程度；所述调整模块，还用于：根据所述概率调整参数对所述第一识别结果进行调整。 12.如权利要求10或11所述的装置，其特征在于，所述概率调整参数、所述第一误检率和所述第一误识别危害程度之间满足如下关系式： ω＝(1-fp)(s0.1+1) 其中，ω表示所述概率调整参数，fp表示所述第一误检率，s表示所述第一误检危害程度。 13.如权利要求9至12中任一项所述的装置，其特征在于，所述第三概率、所述概率调整参数和所述第二概率之间满足如下关系式： P3＝P2ω 其中，P3表示所述第三概率，P2表示所述第二概率，ω表示所述概率调整参数。 14.如权利要求8至13中任一项所述的装置，其特征在于，所述控制模块，还用于在所述第二识别结果中的所述第三概率大于所述目标物属于其他类别的概率时，将所述第二类别作为所述目标物的目标类别，并基于所述目标类别对所述车辆进行控制。 15.一种控制器，其特征在于，所述控制器包括处理器和存储器，其中：所述存储器中存储有计算机指令；所述处理器执行所述计算机指令，以实现所述权利要求1至7中任一项权利要求所述的方法的操作步骤。 16.一种智能车，其特征在于，所述智能车包括控制器，所述控制器用于执行所述权利要求15所述的控制器的任意一项功能。
所属类别：	发明专利