[發明專利]處理自動駕駛訓練數據的方法和裝置

在審

• 申請號: 201710792053.5
• 申請日: 2017-09-05
• 公開（公告）號: CN107784709A
• 公開（公告）日: 2018-03-09
• 發明（設計）人: 姜雨;郁浩;閆泳杉;鄭超;唐坤;張云飛
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G07C5/08
• 分類號: G07C5/08;G06K9/62
• 代理公司: 北京漢昊知識產權代理事務所(普通合伙)11370
• 代理人: 羅朋

技術領域

本發明涉及自動駕駛技術領域，尤其涉及一種處理自動駕駛訓練數據的技術。

背景技術

自動駕駛汽車，是一種通過電腦系統實現無人駕駛的智能汽車。自動駕駛汽車依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。

各種環境下的駕駛場景十分復雜和難以預測，這是自動駕駛問題的難點。因此需要通過融合多種傳感器的數據來實現感知、定位、決策和規劃。其中，“決策”與“規劃”一直是難點問題。自動駕駛的深度學習訓練，適合用于解決自動駕駛中的“決策”和“規劃”的任務。進行訓練需要首先收集駕駛場景并進行駕駛決策，建立訓練數據的數據庫。自動駕駛訓練數據有些是來源于駕駛者實際的駕車環境，采集的訓練數據中有一些是“臟數據”，會引起自動駕駛不穩定。這些“臟數據”并不是采集環境或設備可靠性造成的異常數據，而是駕駛員駕駛過程中正常會產生的訓練數據，如駕駛員駛入休息站中途休息，駕駛員隨意變道等。一般由于合格數據占比很高，很多情況下這些“臟數據”不會影響自動駕駛效果。但由于“臟數據”的存在，會使得自動駕駛偶爾出現一些異常行為。自動駕駛對安全性的要求非常高，因此如何濾除自動駕駛訓練數據中的“臟數據”是一個非常值得研究的課題。

發明內容

根據本發明的實施例，希望提供一種處理自動駕駛訓練數據的方法和裝置，從而可以濾除自動駕駛訓練數據中的引起自動駕駛異常的數據，以保證自動駕駛的穩定性和安全性。

根據本發明的第一方面的實施例，提供一種處理自動駕駛訓練數據的方法，該方法包括：

a.獲取多個時刻的數據過濾相關信息及自動駕駛訓練數據；

b.根據數據過濾相關信息，判斷每個時刻的自動駕駛訓練數據所表示的駕駛行為是否異常；

c.過濾異常駕駛行為所對應的自動駕駛訓練數據。

具體地，步驟b包括：

-建立基于隱馬爾科夫模型定義的駕駛行為的觀測狀態序列；

-建立駕駛行為狀態的隱馬爾科夫模型，駕駛行為狀態包括：正常駕駛狀態和異常駕駛狀態；

-根據數據過濾相關信息以及隱馬爾科夫模型，判斷每個時刻的觀測狀態序列是否對應異常駕駛狀態。

具體地，該建立駕駛行為狀態的隱馬爾科夫模型的步驟包括：

-建立隱馬爾科夫模型的樣本庫；

-根據樣本庫中的數據過濾相關信息確定每個時刻的隱馬爾科夫模型訓練的的觀測狀態序列；

-根據樣本庫中的數據過濾相關信息和隱馬爾科夫模型訓練的觀測狀態序列，對隱馬爾科夫模型進行訓練，確定隱馬爾科夫模型的參數。

具體地，步驟b還包括：

根據每個時刻的觀測狀態序列是否對應異常駕駛狀態的判斷結果，更新隱馬爾科夫模型的參數。

具體地，步驟b包括：

-獲取交通信號信息；

-根據數據過濾相關信息以及交通信號信息判斷對應時刻的駕駛行為是否違反交通規則；

-確定違反交通規則時的駕駛行為是異常駕駛行為。

具體地，獲取交通信號信息的步驟還包括：

-接收交通信號指示標志發送的無線信號，獲取交通信號信息。

具體地，步驟b包括：

-確定車輛起步前的車輛靜止時的駕駛行為是異常駕駛行為。

根據本發明的第二個方面的實施例，提供了一種處理自動駕駛訓練數據的裝置，該裝置包括：

-數據獲取單元，配置為獲取多個時刻的數據過濾相關信息及自動駕駛訓練數據；

-異常判斷單元，配置為根據數據過濾相關信息，判斷每個時刻的自動駕駛訓練數據所表示的駕駛行為是否異常；

-數據過濾單元，配置為過濾異常駕駛行為所對應的自動駕駛訓練數據。

具體地，異常判斷單元包括：

-觀測狀態建立模塊，配置為建立基于隱馬爾科夫模型定義的駕駛行為的觀測狀態序列；

-模型建立模塊，配置為建立駕駛行為狀態的隱馬爾科夫模型，駕駛行為狀態包括：正常駕駛狀態和異常駕駛狀態；

-狀態判斷模塊，配置為根據數據過濾相關信息以及隱馬爾科夫模型，判斷每個時刻的觀測狀態序列是否對應異常駕駛狀態。

具體地，模型建立模塊還包括：

-樣本庫建立子模塊，配置為建立隱馬爾科夫模型的樣本庫；