[發明專利]用于自動駕駛車輛的掉頭控制系統和方法

在審

• 申請號: 201910978143.2
• 申請日: 2019-10-15
• 公開（公告）號: CN112249016A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 吳太東
• 申請（專利權）人: 現代自動車株式會社;起亞自動車株式會社
• 主分類號: B60W30/18
• 分類號: B60W30/18;B60W40/00;B60W40/02;B60W40/105;B60W50/08
• 代理公司: 北京戈程知識產權代理有限公司 11314
• 代理人: 程偉;王錦陽

本申請涉及一種用于自動駕駛車輛的掉頭控制系統和方法。掉頭控制系統包括學習裝置，所述學習裝置按多個組中的每個組細分關于自動駕駛車輛執行掉頭時要考慮的情況的信息并進行深度學習。控制器基于由學習裝置學習到的結果來執行自動駕駛車輛的掉頭。

與相關申請的交叉引用

本申請要求2019年7月4日提交的韓國專利申請第10-2019-0080539號的優先權，該申請的全部內容通過引用合并于本文中。

技術領域

本發明涉及基于深度學習來確定自動駕駛的掉頭可能性的技術，并且更具體地說，涉及細分關于自動駕駛車輛進行掉頭時的各種安全情況的信息以執行深度學習的掉頭控制系統。

背景技術

通常，深度學習或深度神經網絡是機器學習的一種類型。在輸入和輸出之間配置了多層的人工神經網絡(artificial neural network，ANN)。根據ANN的結構、要解決的問題、目的等，ANN可以包括卷積神經網絡(CNN)、遞歸神經網絡(RNN)等。深度學習用于解決各種問題，例如分類、回歸、定位、檢測和分割。具體地，在自動駕駛系統中，利用能夠確定動態或靜態障礙物的位置和類型的語義分割和對象檢測。

語義分割是指在逐個像素的基礎上執行分類預測以檢測圖像中的對象，并將該對象分割為具有相同含義的每個像素。通過語義分割，可以驗證圖像中是否存在特定對象并驗證像素的位置，并且可以更準確地確認具有相同的含義的每個像素(相同的對象)。

對象檢測是指對圖像中的對象的類型進行分類和預測，并對邊界框(boundingbox)進行回歸預測以獲得對象的位置信息。不同于簡單的分類，通過對象檢測可以確定圖像中的對象是什么類型以及對象的位置信息。尚未研發出基于這種深度學習來確定自動駕駛車輛是否能夠進行掉頭的技術。

發明內容

本發明提供了一種用于自動駕駛車輛的掉頭控制系統和方法，該系統細分關于自動駕駛車輛進行掉頭時針對安全性要考慮的各種情況的信息以執行深度學習并基于學習到的結果來確定自動駕駛車輛是否能夠進行掉頭，從而降低事故風險。

本發明構思要解決的技術問題不限于上述問題，并且本發明所屬領域的技術人員將從以下描述中清楚地理解本文中未提及的任何其它技術問題。

根據本發明的一個方面，一種裝置可以包括：學習裝置，其按每個組細分關于自動駕駛車輛進行掉頭時要考慮的情況的信息并執行深度學習；以及控制器，其配置為基于由學習裝置學習到的結果來執行自動駕駛車輛的掉頭。掉頭控制器還可以包括輸入裝置，其配置為按每個組輸入關于當前時間的情況的信息的數據。所述控制器可以配置為通過將經由輸入裝置輸入的數據應用于由學習裝置學習到的結果來確定自動駕駛車輛是否能夠進行掉頭。

另外，所述控制器可以配置為考慮自動駕駛車輛是否遵守交通法規來確定自動駕駛車輛是否能夠進行掉頭。所述控制器還可以配置為：在寫有語句“掉頭信號時”的掉頭標志位于自動駕駛車輛的前方的情況下，當掉頭交通信號燈開啟時，確定出自動駕駛車輛能夠進行掉頭。

所述控制器可以配置為：盡管掉頭標志位于自動駕駛車輛的前方，但是當自動駕駛車輛未位于允許掉頭區域時，確定出自動駕駛車輛不能夠進行掉頭。所述控制器還可以配置為：當自動駕駛車輛正在行駛的掉頭車道的左側線為間斷的分隔線時，確定自動駕駛車輛所在的區域為允許掉頭區域，并且所述控制器可以配置為：當自動駕駛車輛所在的掉頭車道的左側線是連續的分隔線時，確定自動駕駛車輛所在的區域為禁止掉頭區域。