[發明專利]一種車身控制網絡模型的訓練方法、系統、終端和存儲介質

在審

• 申請號: 202010501251.3
• 申請日: 2020-06-04
• 公開（公告）號: CN111753371A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 余恒;王凡;唐銳
• 申請（專利權）人: 縱目科技（上海）股份有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06N3/04;G06N3/08;G05D1/00;B60W40/10;G08G1/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種車身控制網絡模型訓練方法、系統、終端和存儲介質，近場場景路徑模擬仿真模塊獲取該車輛當前位置的近場場景感知數據和車模信息，集合遞歸神經網絡輸出的當前橫向控制決策和縱向控制決策輸入近場場景路徑模擬仿真模塊，獲得車模各個時刻的車身的位置、運動狀態和車身姿態并與遞歸神經網絡該時刻輸出的控制信號對比得出遞歸神經網絡的損失函數，以該損失函數修正原遞歸神經網絡。本發明不僅考慮了場景道路、場景交通規則、以及場景動態障礙物與車身相對關系這些決策分析維度，且通過遞歸神經網絡輸入層的連續性、輸出的時間連續性能夠得出實時的、連續的車身控制信號，達到動態避障、動態決策的效果。

技術領域

本發明涉及汽車電子技術領域，特別是涉及一種車身控制網絡模型的訓練方法、系統、終端和存儲介質。

背景技術

橫向控制主要控制航向，通過改變方向盤扭矩或角度的大小等，使車輛按照想要的航向行駛。縱向控制主要為速度控制，通過控制剎車、油門、檔位等實現對車速的控制，對于自動擋車輛來說，控制對象其實就是剎車和油門。

橫向控制和縱向控制是車輛智能駕駛領域中的核心技術之一，如何實現車輛的精準橫向控制/縱向控制，尤其是如何在復雜路況的交通環境中(例如，大角度彎道、道路光線明顯變化、光線暗淡的停車場或者車流湍急的停車場進口或者停車場出口等)，實現車輛的精準橫向控制。以及在停車場在擁擠、近場景多車的境況下，夾塞意圖、變道意圖判斷困難的情況下實現對于剎車、油門、檔位等等的縱向精準控制，是目前亟待解決的一個問題。

發明內容

為了解決上述的以及其他潛在的技術問題，本發明提供了一種車身控制網絡模型的訓練方法、系統、終端和存儲介質，通過近場感知數據和全局路徑規劃輸入基于深度遞歸神經網絡的車身控制網絡模型，實時輸出車身控制信號反饋給車身控制系統執行，車身控制網絡模型的訓練通過場景結合車身動力學模擬仿真得出各個時刻車身的控制決策，以結合車身動力學模擬仿真結果與深度遞歸神經網絡輸出橫向/縱向控制決策對比得出損失函數以修正深度遞歸神經網絡的網絡參數，以深度遞歸神經網絡輸出的當前車身橫向/縱向控制信號不僅考慮了場景道路、場景交通規則、以及場景動態障礙物與車身相對關系這些決策分析維度，且通過遞歸神經網絡輸入層的連續性、輸出的時間連續性能夠得出實時的、連續的車身控制信號，達到動態避障、動態決策的效果。

一種車身控制網絡模型，包括：

遞歸神經網絡以離散時間點壓縮編碼模塊輸出的包含感興趣的區域和/或物體特征、車身狀態、車身位置和姿態為輸入通過壓縮編碼模塊進行融合、壓縮、編碼獲得一個包含本地路徑規劃、車身狀態、車身位置和姿態的矩陣數據包為輸入，

通過神經元細胞層的遺忘門和/或記憶門選擇調節該細胞層記憶，保留對下一時刻車身近場控制決策起到作用的該車身所在近場區域提取的感興趣區域和/或物體的特征或車身狀態、車身位置和姿態信息，遺忘對下一時刻車身近場控制決策無貢獻的區域和/或物體的特征、車身狀態、車身位置和姿態信息；

通過神經元細胞層的層層遞進，逐層提高輸入特征的維度，輸出當前時刻車身近場橫向控制決策和/或車身近場縱向控制決策。

進一步地，所述基于深度遞歸神經網絡的車身控制網絡模型的輸入層包括：

車輛感知獲取模塊，根據車身位置獲取車身附近近場區域感知數據，

全局路徑規劃模塊，根據車身位置信號、目的地終點位置信號和全局地圖通過全局路徑規劃算法獲取全局路徑規劃；

感興趣區域編碼模塊，以車輛近場區域感知數據和全局路徑規劃為輸入提取車輛近場路徑策略中感興趣區域和/或物體的特征，

車身狀態、車身位置和姿態獲取模塊，所述車身狀態、車身位置和姿態獲取模塊自車身ECU獲取車身當前狀態下包括但不限于方向盤扭矩信號、方向盤角度值信號、速度控制信號；所述車身狀態、車身位置和姿態獲取模塊自車身定位模塊獲取車身位置信號、車身姿態信號。