一種無人駕駛設備的控制方法及控制裝置制造方法及圖紙

本發明專利技術涉及無人駕駛技術領域，尤其涉及一種無人駕駛設備的控制方法及控制裝置，解決了現有技術中車輛的換道決策通常不會綜合考慮到對應場景下的行駛效率和安全性，因此即便在不同的場景下，車輛的換道決策也是相同的，這樣很難滿足不同場景下的行駛需求，保證行駛安全和行駛效率的問題。一種無人駕駛設備的控制方法及控制裝置，包括無人駕駛設備的控制裝置，控制裝置包括環境特征模塊、解耦模塊、控制模塊、訓練模塊，其中環境特征模塊通過各類傳感器信息融合。本發明專利技術中提出的方式通過預訓練的自編碼器，能夠將無人駕駛設備所處環境的環境特征進行特征提取并解耦，得到各解耦特征，將各解耦特征輸入預先強化學習得到的決策模型。型。型。

【技術實現步驟摘要】
一種無人駕駛設備的控制方法及控制裝置


[0001]本專利技術涉及
，尤其涉及一種無人駕駛設備的控制方法及控制裝置。

技術介紹

[0002]無人車又稱智能車、無人自主車、自主導航車或輪式移動機器人，是室外移動機器人在交通領域的重要應用。無人車系統是集環境感知、規劃決策和多級輔助駕駛功能于一體的綜合系統。它是充分考慮車路一體化、協調規劃的車輛系統，也是智能交通系統的重要組成部分，利用傳感器技術、信號處理技術、通信技術和計算機技術等。無人駕駛汽車可以通過集成視覺、激光雷達、超聲波傳感器、微波雷達、GPS、里程表、磁羅盤等各種車載傳感器來識別汽車所處的環境和狀態。并根據獲取的道路信息、交通信號信息、車輛位置和障礙物信息進行分析判斷，向主控計算機發出所需的控制，控制汽車的轉向和速度，從而實現無人駕駛汽車能夠自主導向。
[0003]現有技術中在無人駕駛過程中，車輛往往在需要變道的情況下才會按照預設的指令進行變道，而且車輛的換道決策通常不會綜合考慮到對應場景下的行駛效率和安全性，因此即便在不同的場景下，車輛的換道決策也是相同的，這樣很難滿足不同場景下的行駛需求，保證行駛安全和行駛效率，進而顯得極為不便，所以亟需可以提高安全性的一種無人駕駛設備的控制方法及控制裝置。

技術實現思路

[0004]本專利技術的目的是提供一種無人駕駛設備的控制方法及控制裝置，解決了現有技術中車輛的換道決策通常不會綜合考慮到對應場景下的行駛效率和安全性，因此即便在不同的場景下，車輛的換道決策也是相同的，這樣很難滿足不同場景下的行駛需求，保證行駛安全和行駛效率的問題。
[0005]為了實現上述目的，本專利技術采用了如下技術方案：
[0006]一種無人駕駛設備的控制方法及控制裝置，包括無人駕駛設備的控制裝置，控制裝置包括環境特征模塊、解耦模塊、控制模塊、訓練模塊，其中環境特征模塊通過各類傳感器信息融合，使自動駕駛系統能充分了解和認識環境，并根據車輛行駛目標做出路徑規劃，解耦模塊對環境特征進行解耦，確定環境特征對應的各解耦特征，解耦特征用于表征各車道的障礙物位置分布以及各車道障礙物與無人駕駛設備的速度分布，控制模塊，用以自動控制車輛的行駛，針對每個環境片段，根據該環境片段對應的環境數據，確定該環境片段的環境特征，并作為訓練樣本。
[0007]優選的，歷史車輛狀態和歷史路況信息，確定針對指定設備的各歷史換道決策，以及將歷史車輛狀態和歷史路況信息輸入到權重模型，確定指定設備在歷史路況信息對應的歷史環境中行駛時，歷史換道決策中包含的各決策因子對應的預測偏好權重。
[0008]優選的，預測障礙物在未來的行駛軌跡，作為預測軌跡，以及獲取障礙物的歷史軌跡，確定預測軌跡與歷史軌跡之間的軌跡趨勢偏差度，在無人駕駛設備確定出的急剎加速
度不小于急剎保護模式下預設的剎車加速度的情況下，若確定軌跡趨勢偏差度大于預設偏差度，監測到無人駕駛設備在自動駕駛過程中將產生急剎。
[0009]優選的，判斷同一單位時刻在第二行駛數據中對應的位置，與在其他無人駕駛設備的第一行駛數據中對應的位置是否處于預設范圍內，若是，向無人駕駛設備發送禁止指示，若否，向無人駕駛設備發送允許指示，無人駕駛設備，當接收到禁止指示時，根據第一行駛數據行駛；當接收到允許指示時，根據第二行駛數據行駛。
[0010]優選的，確定滿足預設訓練條件，具體包括：針對每一輪模型訓練，從各訓練樣本中確定出目標樣本，其中，針對每個訓練樣本，若確定該訓練樣本在該輪模型訓練中所確定出的實際行駛場景，不同于將該訓練樣本輸入到上一輪調整后的場景行駛模型中所識別出的行駛場景，將該訓練樣本將為目標樣本，若確定目標樣本在各訓練樣本中的占比小于設定占比，確定滿足預設訓練條件。
[0011]優選的，無人駕駛車輛的控制方法可以進一步完善自動駕駛相關領域的功能，并且利用了目前車輛上安裝的攝像頭，無需額外再安裝硬件設備，通過上述過程進行路面識別，通過得到的目標路面狀態決定是否停車，不是直接停車，而是需要考慮了在接收到停車指令或無人駕駛車輛到達預設位置的情況下的路面情況，如此，可提高停車控制的效果等。
[0012]本專利技術至少具備以下有益效果：
[0013]通過預訓練的自編碼器，能夠將無人駕駛設備所處環境的環境特征進行特征提取并解耦，得到各解耦特征，將各解耦特征輸入預先強化學習得到的決策模型，輸出該環境特征對應的決策，以根據得到的決策控制該無人駕駛設備向目的地運動，在本說明書提供的模型訓練的方法和無人駕駛設備的控制方法中，針對每個訓練樣本，將作為該訓練樣本的歷史傳感數據輸入到預設的場景行駛模型中，得到該訓練樣本對應的行駛場景，并繼續將該歷史傳感數據輸入到與該行駛場景對應的決策模型中，得到該訓練樣本對應的第一預測控制策略，以根據該第一預測控制策略，對行駛場景對應的決策模型進行訓練，得到該行駛場景對應的調整后決策模型。
附圖說明
[0014]為了更清楚地說明本專利技術實施例技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0015]圖1為本專利技術的控制裝置模塊連接示意圖。
具體實施方式
[0016]為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本專利技術進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本專利技術，并不用于限定本專利技術。
[0017]實施例一
[0018]參照圖1，包括無人駕駛設備的控制裝置，控制裝置包括環境特征模塊、解耦模塊、控制模塊、訓練模塊，其中環境特征模塊通過各類傳感器信息融合，使自動駕駛系統能充分了解和認識環境，并根據車輛行駛目標做出路徑規劃，解耦模塊對環境特征進行解耦，確定
環境特征對應的各解耦特征，解耦特征用于表征各車道的障礙物位置分布以及各車道障礙物與無人駕駛設備的速度分布，控制模塊，用以自動控制車輛的行駛，針對每個環境片段，根據該環境片段對應的環境數據，確定該環境片段的環境特征，并作為訓練樣本。
[0019]根據環境場景對應的環境特征，基于自編碼器準確得到解耦的具有可解釋性的解耦特征，并通過具有泛化性的決策模型，準確輸出在各種環境場景下應當控制無人駕駛設備執行的決策，提高了決策的合理性和準確率。
[0020]實施例二
[0021]參照圖1，歷史車輛狀態和歷史路況信息，確定針對指定設備的各歷史換道決策，以及將歷史車輛狀態和歷史路況信息輸入到權重模型，確定指定設備在歷史路況信息對應的歷史環境中行駛時，歷史換道決策中包含的各決策因子對應的預測偏好權重。
[0022]實施例三
[0023]參照圖1，預測障礙物在未來的行駛軌跡，作為預測軌跡，以及獲取障礙物的歷史軌跡，確定預測軌跡與歷史軌跡之間的軌跡趨勢偏差度，在無人駕駛設備確定出的急剎加速度不小于急剎保護模式下預設的剎車加速度的情況下，若確定軌跡趨勢偏差度本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種無人駕駛設備的控制方法及控制裝置，包括無人駕駛設備的控制裝置，其特征在于，所述控制裝置包括環境特征模塊、解耦模塊、控制模塊、訓練模塊，其中環境特征模塊通過各類傳感器信息融合，使自動駕駛系統能充分了解和認識環境，并根據車輛行駛目標做出路徑規劃，所述解耦模塊對所述環境特征進行解耦，確定所述環境特征對應的各解耦特征，所述解耦特征用于表征各車道的障礙物位置分布以及各車道障礙物與所述無人駕駛設備的速度分布，控制模塊，用以自動控制車輛的行駛，針對每個環境片段，根據該環境片段對應的環境數據，確定該環境片段的環境特征，并作為訓練樣本。2.根據權利要求1所述的一種無人駕駛設備的控制方法及控制裝置，其特征在于，所述歷史車輛狀態和所述歷史路況信息，確定針對所述指定設備的各歷史換道決策，以及將所述歷史車輛狀態和所述歷史路況信息輸入到所述權重模型，確定所述指定設備在所述歷史路況信息對應的歷史環境中行駛時，歷史換道決策中包含的各決策因子對應的預測偏好權重。3.根據權利要求1所述的一種無人駕駛設備的控制方法及控制裝置，其特征在于，預測障礙物在未來的行駛軌跡，作為預測軌跡，以及獲取所述障礙物的歷史軌跡，確定所述預測軌跡與所述歷史軌跡之間的軌跡趨勢偏差度，在所述無人駕駛設備確定出的急剎加速度不小于所述急剎保護模式下預設的剎車加速度的情況下，若確定所述軌跡趨勢偏差度大于預設偏差度，監測到所述無人駕駛設備在自動駕...

【專利技術屬性】
技術研發人員：蔡劍，
申請(專利權)人：江蘇曠世智慧網聯科技有限公司，
類型：發明
國別省市：