基于深度学习的自主车辆控制设备及其系统和方法技术方案

本发明专利技术提供一种基于深度学习的自主车辆控制系统、一种基于深度学习的自主车辆控制设备和一种基于深度学习的自主车辆控制方法。基于深度学习的自主车辆控制系统包括：处理器，基于深度学习确定自主驾驶控制，根据基于预定专家规则的自主驾驶控制的确定来修正基于深度学习的自主驾驶控制的确定的误差，以控制自主车辆；以及非临时性计算机可读存储介质，存储用于基于深度学习的自主驾驶控制的确定的数据、用于基于专家规则的自主驾驶控制的确定的数据和与基于深度学习的自主驾驶控制的确定的误差有关的信息。

Autonomous vehicle control equipment based on deep learning and its system and method

The invention provides an autonomous vehicle control system based on depth learning, an autonomous vehicle control device based on depth learning and an autonomous vehicle control method based on depth learning. Autonomous vehicle control system based on depth learning includes: processor, autopilot control based on depth learning, autopilot control based on predetermined expert rules to correct the error of autopilot control based on depth learning to control autonomous vehicle; and non-temporary computer readable The storage medium stores deterministic data for in-depth learning-based autonomous driving control, deterministic data for expert rule-based autonomous driving control, and information related to deterministic errors of in-depth learning-based autonomous driving control.

【技术实现步骤摘要】
基于深度学习的自主车辆控制设备及其系统和方法相关申请的交叉引用本申请基于并要求于2017年3月27日向韩国知识产权局提交的第10-2017-0038405号韩国专利申请的优先权，其全部内容通过引用合并于此。
本专利技术涉及基于深度学习的自主车辆控制设备、包括该设备的系统及其方法，更具体地，涉及根据预定的专家规则控制自主车辆，以避免对基于深度学习的自主车辆控制的确定的误差的技术。
技术介绍
最近，在自主车辆的控制以及自动识别方面，深度学习已引起极大的关注。这种深度学习利用神经网络，并且正被积极应用于图像识别和分类领域并与强化学习等结合，在特定领域表现出超越人类能力的高性能。基于增强的学习能力，在无传感器的预处理的情况下，深度学习正被应用于例如自主车辆的各种领域。然而，在深度学习中，只有学习结果作为输出出现，从而对于误差的输出，在排错方面存有困难。特别地，自主车辆的确定和控制绝对不能出错，从而深度学习中不能排错被视为巨大的风险。
技术实现思路
为了解决现有技术中出现的上述问题，同时原样保持现有技术实现的优点，做出本专利技术。本专利技术的一个方面提供一种基于深度学习的自主车辆控制设备、包括该设备的系统及其方法，其被设计为在基于深度学习的自主驾驶控制中，在考虑专家规则的同时控制自主驾驶，从而使基于深度学习的自主车辆控制的确定的误差最小化。本专利技术原理要解决的技术问题不限于上述问题，根据下面的记载，本专利技术所属领域的技术人员将明确地理解未在这里提及的任何其它技术问题。根据本专利技术的一个方面，基于深度学习的自主车辆控制系统包括：处理器，基于深度学习确定自主驾驶控制，根据基于预定专家规则的自主驾驶控制的确定来修正基于深度学习的自主驾驶控制的确定的误差，以控制自主车辆；以及非临时性计算机可读存储介质，存储用于基于深度学习的自主驾驶控制的确定的数据、用于基于专家规则的自主驾驶控制的确定的数据、以及与基于深度学习的自主驾驶控制的确定的误差有关的信息。处理器还可配置为：输出用于基于深度学习的自主驾驶控制的基于深度学习的自主驾驶控制输出值；基于专家规则，输出基于专家规则的自主驾驶控制输出值；以及比较基于深度学习的自主驾驶控制输出值与基于专家规则的自主驾驶控制输出值，并且取决于比较结果，输出最终自主驾驶控制输出值。当基于深度学习的自主驾驶控制输出值和基于专家规则的自主驾驶控制输出值匹配时，处理器可输出基于深度学习的自主驾驶控制输出值作为最终自主驾驶控制输出值。如果基于深度学习的自主驾驶控制输出值和基于专家规则的自主驾驶控制输出值不匹配，则处理器可输出基于专家规则的自主驾驶控制输出值作为最终自主驾驶控制输出值。专家规则可包括与相对于自由空间的转向方向、碰撞时间(TTC)、转向的变化程度、加速/减速的变化程度和车道偏离有关的限制中的至少一个。当基于深度学习的自主驾驶控制输出值对应于在不存在自由空间的方向上的转向方向控制时，处理器可将转向方向控制校正至存在自由空间的方向。当基于深度学习的自主驾驶控制输出值对应于比预定最小碰撞时间(TTC)小的转向或加速/减速输出控制时，处理器可停止比TTC小的转向或加速/减速输出控制。当基于深度学习的自主驾驶控制输出值对应于比预定转向参考值大的转向值时，处理器可将转向值调整为小于转向参考值。当基于深度学习的自主驾驶控制输出值对应于比预定加速/减速参考值大的加速/减速值时，处理器可将加速/减速值调整为小于加速/减速参考值。当基于深度学习的自主驾驶控制输出值对应于用于在偏离车道的方向上的转向控制的输出值时，处理器可停止转向控制。处理器还可使用作为输出的最终自主驾驶控制输出值来控制自主车辆。基于深度学习的自主驾驶控制输出值可包括前车与对象车辆之间的相对速度、前车与对象车辆之间的相对距离、相邻车道上的自由空间、距左车道的距离、距右车道的距离、对象车辆当前行驶车道的车道编号和车道与对象车辆之间的角度中的至少一个。非临时性计算机可读存储介质可包括：深度学习储存器，存储用于基于深度学习的自主驾驶控制的确定的基于深度学习的输出控制参数；专家规则储存器，存储专家规则；以及误差储存器，存储与由处理器确定和修正的误差有关的信息。根据本专利技术的另一方面，基于深度学习的自主车辆控制设备包括处理，配置为进行以下操作：输出用于基于深度学习的自主驾驶控制的基于深度学习的自主驾驶控制输出值；基于专家规则，输出基于专家规则的自主驾驶控制输出值；比较基于深度学习的自主驾驶控制输出值与基于专家规则的自主驾驶控制输出值，并且取决于比较结果，输出最终自主驾驶控制输出值；以及使用作为输出的最终自主驾驶控制输出值来控制自主车辆。当基于深度学习的自主驾驶控制输出值和基于专家规则的自主驾驶控制输出值匹配时，处理器可输出基于深度学习的自主驾驶控制输出值作为最终自主驾驶控制输出值。如果基于深度学习的自主驾驶控制输出值和基于专家规则的自主驾驶控制输出值不匹配，则处理器可输出基于专家规则的自主驾驶控制输出值作为最终自主驾驶控制输出值。根据本专利技术的另一方面，基于深度学习的自主车辆控制方法包括：输出用于基于深度学习的自主驾驶控制的基于深度学习的自主驾驶控制输出值；基于专家规则，输出基于专家规则的自主驾驶控制输出值；比较基于深度学习的自主驾驶控制输出值和基于专家规则的自主驾驶控制输出值，并且取决于比较结果，输出最终自主驾驶控制输出值；以及使用最终自主驾驶控制输出值来控制自主车辆。最终自主驾驶控制输出值的输出可包括：当基于深度学习的自主驾驶控制输出值和基于专家规则的自主驾驶控制输出值匹配时，输出基于深度学习的自主驾驶控制输出值作为最终自主驾驶控制输出值。最终自主驾驶控制输出值的输出可包括：如果基于深度学习的自主驾驶控制输出值和基于专家规则的自主驾驶控制输出值不匹配，则输出基于专家规则的自主驾驶控制输出值作为最终自主驾驶控制输出值。专家规则可包括与相对于自由空间的转向方向、碰撞时间(TTC)、转向的变化程度、加速/减速的变化程度和车道偏离有关的限制中的至少一个。附图说明根据结合附图的以下详细描述，本专利技术的上述及其它目的、特征和优点将更加明显：图1示出根据本专利技术的示例性实施例的基于深度学习的自主车辆控制系统的配置；图2A示出根据本专利技术的示例性实施例的当基于深度学习的驾驶方向控制输出值和基于专家规则的驾驶方向控制输出值匹配时的自主车辆控制的示例；图2B示出根据本专利技术的示例性实施例的当基于深度学习的驾驶方向控制输出值和基于专家规则的驾驶方向控制输出值不匹配时的自主车辆控制的示例；图3A示出根据本专利技术的示例性实施例的当基于深度学习的车速控制输出值和基于专家规则的车速控制输出值匹配时的自主车辆控制的示例；图3B示出根据本专利技术的示例性实施例的当基于深度学习的转向控制输出值和基于专家规则的转向控制输出值不匹配时的自主车辆控制的示例；图4示出根据本专利技术的示例性实施例的专家规则设定方法的流程图；图5示出根据本专利技术的示例性实施例的自主车辆控制方法的流程图；图6示出根据本专利技术的示例性实施例的表示用于自主车辆控制的专家规则的表格；以及图7示出执行根据本专利技术的示例性实施例的自主车辆控制方法的计算系统的配置。具体实施方式下文中，将参考附图详细描述本专利技术的示例性实施例。附图中，相同的附图标记将始终用于指示相本文档来自技高网...

【技术保护点】
1.一种基于深度学习的自主车辆控制系统，包括：处理器，配置为基于深度学习确定自主驾驶控制，根据基于预定专家规则的自主驾驶控制的确定来修正基于深度学习的自主驾驶控制的确定的误差，以控制自主车辆；以及非临时性计算机可读存储介质，存储用于所述基于深度学习的自主驾驶控制的确定的数据、用于基于专家规则的自主驾驶控制的确定的数据和与所述基于深度学习的自主驾驶控制的确定的误差有关的信息。

【技术特征摘要】
2017.03.27 KR 10-2017-00384051.一种基于深度学习的自主车辆控制系统，包括：处理器，配置为基于深度学习确定自主驾驶控制，根据基于预定专家规则的自主驾驶控制的确定来修正基于深度学习的自主驾驶控制的确定的误差，以控制自主车辆；以及非临时性计算机可读存储介质，存储用于所述基于深度学习的自主驾驶控制的确定的数据、用于基于专家规则的自主驾驶控制的确定的数据和与所述基于深度学习的自主驾驶控制的确定的误差有关的信息。2.根据权利要求1所述的基于深度学习的自主车辆控制系统，其中，所述处理器还配置为：输出用于基于深度学习的自主驾驶控制的基于深度学习的自主驾驶控制输出值；基于所述专家规则，输出基于专家规则的自主驾驶控制输出值；以及比较所述基于深度学习的自主驾驶控制输出值与所述基于专家规则的自主驾驶控制输出值，并且取决于比较结果，输出最终自主驾驶控制输出值。3.根据权利要求2所述的基于深度学习的自主车辆控制系统，其中，当所述基于深度学习的自主驾驶控制输出值和所述基于专家规则的自主驾驶控制输出值匹配时，所述处理器输出所述基于深度学习的自主驾驶控制输出值作为最终自主驾驶控制输出值。4.根据权利要求3所述的基于深度学习的自主车辆控制系统，其中，如果所述基于深度学习的自主驾驶控制输出值和所述基于专家规则的自主驾驶控制输出值不匹配，则所述处理器输出所述基于专家规则的自主驾驶控制输出值作为所述最终自主驾驶控制输出值。5.根据权利要求3所述的基于深度学习的自主车辆控制系统，其中，所述预定专家规则包括与相对于自由空间的转向方向、碰撞时间(TTC)、转向的变化程度、加速/减速的变化程度和车道偏离有关的限制中的至少一个。6.根据权利要求3所述的基于深度学习的自主车辆控制系统，其中当所述基于深度学习的自主驾驶控制输出值对应于在不存在自由空间的方向上的转向方向控制时，所述处理器将所述转向方向控制修正为存在自由空间的方向。7.根据权利要求3所述的基于深度学习的自主车辆控制系统，其中，当所述基于深度学习的自主驾驶控制输出值对应于比预定最小碰撞时间(TTC)小的转向或加速/减速输出控制时，所述处理器停止比所述预定最小TTC小的转向或加速/减速输出控制。8.根据权利要求3所述的基于深度学习的自主车辆控制系统，其中，当所述基于深度学习的自主驾驶控制输出值对应于比预定转向参考值大的转向值时，所述处理器将所述转向值调整为小于所述转向参考值。9.根据权利要求3所述的基于深度学习的自主车辆控制系统，其中，当基于所述深度学习的自主驾驶控制输出值对应于比加速/减速参考值大的加速/减速值时，所述处理器将所述加速/减速值调整为小于所述加速/减速参考值。10.根据权利要求3所述的基于深度学习的自主车辆控制系统，其中，当所述基于深度学习的自主驾驶控制输出值对应于用于在偏离车道的方向上的转向控制的输出值时，所述处理器停止所述转向控制。11.根据权利要求3所述的基于深度学习的自主车辆控制系统，其中，所述处理器还配置为使用所述最终自主驾驶控制输出值来...

【专利技术属性】
技术研发人员：俞炳墉，
申请(专利权)人：现代自动车株式会社，起亚自动车株式会社，
类型：发明
国别省市：韩国,KR