[發明專利]提供自動駕駛安全性的方法和裝置

在審

• 申請號: 202010069505.9
• 申請日: 2020-01-21
• 公開（公告）號: CN111507159A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 金桂賢;金镕重;金鶴京;南云鉉;夫碩焄;成明哲;申東洙;呂東勛;柳宇宙;李明春;李炯樹;張泰雄;鄭景中;諸泓模;趙浩辰
• 申請（專利權）人: 斯特拉德視覺公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 王艷波;林軍

本發明提供通過利用置信度分數來既節省計算能力又實現更好的自動駕駛性能的方法和裝置，該置信度分數與對象檢測處理并行地生成并表示對象檢測的可信度，該方法的特征在于，包括：步驟(a)，計算裝置通過設置于目標車輛的至少一個圖像傳感器，獲取與所述目標車輛的周邊有關的至少一個環境圖像；步驟(b)，所述計算裝置使CNN對所述環境圖像適用至少一次CNN運算，而生成與所述環境圖像有關的初始對象信息及初始置信度信息；以及步驟(c)，所述計算裝置通過與周邊對象中至少一部之間的V2X通信及強化學習智能體的支援，參照所述初始對象信息及所述初始置信度信息，生成與所述環境圖像有關的最終對象信息。

技術領域

本發明涉及用于自動駕駛車輛的方法和裝置，更詳細地，涉及通過使用強化學習及V2X(vehicle-to-everything；車對外界的信息交換)通信的專注駕駛(attention-driven)資源分配來提供安全的自動駕駛的方法及利用該方法的裝置。

背景技術

最近隨著自動駕駛技術的研究深入，已發展到無需駕駛員介入自動駕駛車輛也能夠準確行駛的程度。但是，如上所述的自動駕駛技術無法得到商用化。自動駕駛技術之所以無法得到普及有多種理由，其中之一是用于自動駕駛的運算消耗太多的計算能力。

盡管為了減少執行自動駕駛用的運算時所消耗的計算能力做出了很多努力，但在此情況下出現的問題是若減少所消耗的計算能力，則自動駕駛的性能會下降。若自動駕駛的性能下降，則會產生很多錯誤，并威脅到駕駛員及周邊行人的生命。因此，需要一種既節省計算能力又能夠維持一定程度自動駕駛性能，但事實上對如上所述的方法的研究并不多。

發明內容

本發明的目的在于，解決所述問題。

本發明的另一目的在于，提供通過使用強化學習及V2X通信的專注駕駛資源分配來提供安全的自動駕駛的方法。

并且，本發明的又一目的在于，提供與對象檢測處理并行地生成置信度分數(Confidence Score)的方法，該置信度分數為表示對象檢測的可信度的參數。

并且，本發明的還有一目的在于，提供通過從其他對象獲取與置信度分數小于臨界值的區域有關的附加補充信息來更準確地執行對象檢測的方法。

解決問題的方案

為達到如上所述的目的，并實現后述的本發明的特征性效果，本發明的特征性構成如下。

根據本發明一實施方式，提供一種通過利用置信度分數來既節省計算能力又實現更好的自動駕駛性能的方法，該置信度分數與對象檢測處理并行地生成并表示對象檢測的可信度(Credibility)，該方法的特征在于，包括如下步驟：步驟(a)，計算裝置通過設置于目標車輛的至少一個圖像傳感器，獲取與所述目標車輛的周邊有關的至少一個環境圖像(Circumstance Image)；步驟(b)，所述計算裝置使CNN(卷積神經網絡，ConvolutionalNeural Network)對所述環境圖像適用至少一次CNN運算而生成與所述環境圖像有關的初始對象信息及初始置信度信息；以及步驟(c)，所述計算裝置通過與離所述目標車輛的距離在臨界值以下的周邊對象中的至少一部分之間的V2X通信及強化學習智能體(Reinforcement Learning agent)的支援，參照所述初始對象信息及所述初始置信度信息，生成與所述環境圖像有關的最終對象信息。

在一實施例中，在所述步驟(c)中，所述計算裝置使所述強化學習智能體(i)參照所述初始置信度信息、所述周邊對象的基本元信息及所述圖像傳感器的傳感器信息，在所述周邊對象中選擇一個以上的特定周邊對象，該一個以上的特定周邊對象與要適用補充運算的所述環境圖像中的一個以上的特定目標區域對應，(ii)通過與所述特定周邊對象之間的所述V2X通信，獲取補充信息，(iii)利用所述補充信息來調整所述初始對象信息，由此生成所述最終對象信息。