[發明專利]一種用于駕駛模式切換的方法和裝置

有效

• 申請號: 201710792452.1
• 申請日: 2017-09-05
• 公開（公告）號: CN107564363B
• 公開（公告）日: 2019-11-05
• 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: G09B9/04
• 分類號: G09B9/04
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊澤;劉芳

1.一種用于駕駛模式切換的方法，其中，該方法包括：

a獲取自動駕駛車輛的車載傳感器所采集的傳感器數據，其中，所述傳感器數據包括所述自動駕駛車輛的安全場景數據和不安全場景數據；

b將所述傳感器數據作為輸入，對應的端對端駕駛模式或循跡駕駛模式作為輸出，訓練模式切換模型；

其中，該方法還包括：

x實時獲取所述自動駕駛車輛的車載傳感器所采集的當前實際場景；

y根據所述當前實際場景，基于所述模式切換模型，在端對端駕駛模式或循跡駕駛模式中進行切換；

該方法還包括：

記錄所述自動駕駛車輛在自動駕駛過程中駕駛員的接手行為，獲取對應時刻所述車載傳感器所采集的傳感器修正數據；

根據所述傳感器修正數據，對所述模式切換模型進行修正。

2.根據權利要求1所述的方法，其中，所述步驟b包括：

建立卷積神經網絡模型，將所述傳感器數據作為輸入，對應的端對端駕駛模式或循跡駕駛模式作為輸出，訓練所述模式切換模型。

3.根據權利要求2所述的方法，其中，在所述卷積神經網絡模型的每兩層卷積層中加入負反饋層，每三層卷積層中加入dropout層。

4.根據權利要求1至3中任一項所述的方法，其中，所獲取的車載傳感器所采集的傳感器數據分為測試集與訓練集；

其中，所述步驟b包括：

將所述訓練集作為輸入，對應的端對端駕駛模式或循跡駕駛模式作為輸出，訓練所述模式切換模型。

5.根據權利要求4所述的方法，其中，所述步驟b包括：

將所述訓練集作為輸入，對應的端對端駕駛模式或循跡駕駛模式作為輸出，訓練獲得多個候選切換模型；

其中，該方法還包括：

根據所述測試集，自所述多個候選切換模型中選擇確定所述模式切換模型。

6.一種用于駕駛模式切換的裝置，其中，該裝置包括：

采集裝置，用于獲取自動駕駛車輛的車載傳感器所采集的傳感器數據，其中，所述傳感器數據包括所述自動駕駛車輛的安全場景數據和不安全場景數據；

訓練裝置，用于將所述傳感器數據作為輸入，對應的端對端駕駛模式或循跡駕駛模式作為輸出，訓練模式切換模型；

其中，該裝置還包括：

獲取裝置，用于實時獲取所述自動駕駛車輛的車載傳感器所采集的當前實際場景；

切換裝置，用于根據所述當前實際場景，基于所述模式切換模型，在端對端駕駛模式或循跡駕駛模式中進行切換；

其中，該裝置還包括修正裝置，用于：

記錄所述自動駕駛車輛在自動駕駛過程中駕駛員的接手行為，獲取對應時刻所述車載傳感器所采集的傳感器修正數據；

根據所述傳感器修正數據，對所述模式切換模型進行修正。

7.根據權利要求6所述的裝置，其中，所述訓練裝置用于：

建立卷積神經網絡模型，將所述傳感器數據作為輸入，對應的端對端駕駛模式或循跡駕駛模式作為輸出，訓練所述模式切換模型。

8.根據權利要求7所述的裝置，其中，在所述卷積神經網絡模型的每兩層卷積層中加入負反饋層，每三層卷積層中加入dropout層。

9.根據權利要求6至8中任一項所述的裝置，其中，所獲取的車載傳感器所采集的傳感器數據分為測試集與訓練集；

其中，所述訓練裝置用于：

將所述訓練集作為輸入，對應的端對端駕駛模式或循跡駕駛模式作為輸出，訓練所述模式切換模型。

10.根據權利要求9所述的裝置，其中，所述訓練裝置用于：

將所述訓練集作為輸入，對應的端對端駕駛模式或循跡駕駛模式作為輸出，訓練獲得多個候選切換模型；

其中，該裝置還包括：

選擇裝置，用于根據所述測試集，自所述多個候選切換模型中選擇確定所述模式切換模型。