[發(fā)明專利]無人車駕駛決策方法、無人車駕駛決策裝置及無人車

有效

• 申請?zhí)枺?/td>: 201911113303.3
• 申請日: 2019-11-14
• 公開（公告）號: CN111079533B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 李國法;李盛龍;楊一帆;紀澤鋒;盧宗鵬;陽亮
• 申請（專利權(quán)）人: 深圳大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/774;B60W30/18
• 代理公司: 深圳中一聯(lián)合知識產(chǎn)權(quán)代理有限公司 44414
• 代理人: 李木燕

本申請適用于無人車技術(shù)領(lǐng)域，提供了一種無人車駕駛決策方法、無人車駕駛決策裝置及無人車，包括：獲取當前決策時刻所述無人車前方道路的拍攝圖像，得到待決策圖像；將所述待決策圖像輸入到訓練后的決策模型中得到?jīng)Q策結(jié)果，所述決策結(jié)果包括多個候選駕駛動作、以及各個候選駕駛動作對應(yīng)的決策值；將所述決策結(jié)果中最大的決策值對應(yīng)的候選駕駛動作確定為所述無人車在下一決策時刻的目標駕駛動作。通過上述方法，有效提高了無人車的駕駛決策能力，進而有效保證了無人車駕駛過程的安全性。

技術(shù)領(lǐng)域

本申請屬于無人車技術(shù)領(lǐng)域，尤其涉及一種無人車駕駛決策方法、無人車駕駛決策裝置及無人車。

背景技術(shù)

無人駕駛汽車(簡稱無人車)是通過車載傳感系統(tǒng)感知道路環(huán)境，根據(jù)道路環(huán)境自動生成駕駛決策，并根據(jù)駕駛決策控制車輛到達預(yù)定目的地的智能汽車。無人車集自動控制、體系結(jié)構(gòu)、人工智能、視覺計算等眾多技術(shù)于一體，是計算機科學、模式識別和智能控制技術(shù)高度發(fā)展的產(chǎn)物，具有廣闊的發(fā)展前景。

現(xiàn)有的無人車駕駛決策方法主要是通過建立自車或他車的運動學動態(tài)模型，并將該模型作為決策模型來對駕駛動作進行預(yù)測。但是在實際應(yīng)用中，存在許多時變不確定性因素，因而無法準確地建立他車或自車的運動學動態(tài)模型，進而影響了無人車的駕駛決策能力，無法保障無人車行駛過程的安全性。

發(fā)明內(nèi)容

本申請實施例提供了一種無人車駕駛決策方法、無人車駕駛決策裝置及無人車，可以解決現(xiàn)有技術(shù)中無人車駕駛決策能力較低、導致無人車行駛過程的安全性較低的問題。

第一方面，本申請實施例提供了一種無人車駕駛決策方法，包括：

獲取當前決策時刻所述無人車前方道路的拍攝圖像，得到待決策圖像；

將所述待決策圖像輸入到訓練后的決策模型中得到?jīng)Q策結(jié)果，所述決策結(jié)果包括多個候選駕駛動作、以及各個候選駕駛動作對應(yīng)的決策值；

將所述決策結(jié)果中最大的決策值對應(yīng)的候選駕駛動作確定為所述無人車在下一決策時刻的目標駕駛動作。

在第一方面的一種可能的實現(xiàn)方式中，在將所述待決策圖像輸入到訓練后的決策模型中得到?jīng)Q策結(jié)果之前，所述方法還包括：

獲取多幅訓練圖像，其中，所述訓練圖像為所述無人車前方道路的拍攝圖像；

基于預(yù)設(shè)的決策模型，分別獲取每幅訓練圖像對應(yīng)的駕駛信息；

利用各組訓練數(shù)據(jù)對所述預(yù)設(shè)的決策模型進行迭代訓練得到訓練后的決策模型，其中，每組訓練數(shù)據(jù)中包括一幅訓練圖像和所述訓練圖像對應(yīng)的駕駛信息。

在第一方面的一種可能的實現(xiàn)方式中，所述訓練圖像對應(yīng)的駕駛信息包括目標駕駛動作、所述目標駕駛動作對應(yīng)的環(huán)境回報值和動作圖像。

所述基于預(yù)設(shè)的決策模型，分別獲取每幅訓練圖像對應(yīng)的駕駛信息，包括：

對于每幅訓練圖像，將所述訓練圖像輸入到所述預(yù)設(shè)的決策模型中得到第一輸出結(jié)果，所述第一輸出結(jié)果包括多個候選駕駛動作、以及各個候選駕駛動作對應(yīng)的第一輸出值；

將所述第一輸出結(jié)果中最大的第一輸出值對應(yīng)的候選駕駛動作確定為所述無人車的目標駕駛動作；

在所述無人車執(zhí)行所述目標駕駛動作之后，獲取所述無人車前方道路的拍攝圖像得到動作圖像，并計算所述目標駕駛動作對應(yīng)的環(huán)境回報值。

在第一方面的一種可能的實現(xiàn)方式中，所述計算所述目標駕駛動作對應(yīng)的環(huán)境回報值，包括：

獲取所述無人車執(zhí)行所述目標駕駛動作之后的駕駛速度，并根據(jù)所述駕駛速度、預(yù)設(shè)的最小限速和預(yù)設(shè)的最大限速計算行駛回報值；

獲取所述無人車執(zhí)行所述目標駕駛動作之后的駕駛狀態(tài)，并確定所述駕駛狀態(tài)對應(yīng)的預(yù)設(shè)碰撞回報值，所述駕駛狀態(tài)包括碰撞和非碰撞；