用于操作自动驾驶车辆的方法和装置制造方法及图纸

本申请公开了用于操作自动驾驶车辆的方法和装置。所述方法的一具体实施方式包括：收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及驾驶场景信息；根据驾驶方案，确定风险等级；从驾驶场景信息中分解出对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；对对象信息以及对应的风险等级进行学习，识别出与风险等级相关联的风险对象；针对风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为驾驶策略；利用驾驶策略确定候选驾驶方案。该实施方式实现了根据驾驶人员的行为优化候选驾驶方案。

Method and device for operating automatic driving vehicle

The present disclosure discloses a method and device for operating an autopilot vehicle. One specific implementation of the method includes: collecting the driving scheme and driving scene information used by the driver when interfering with the semi-automatic driving vehicle abnormally; determining the risk level according to the driving scheme; decomposing the object information, vehicle driving status information and driving ring of the vehicle from the driving scene information. Driving environment information of environment; learning object information and corresponding risk level, identifying risk objects associated with risk level; learning object information, vehicle driving status information, driving environment information and driving scheme for risk objects, identifying object information and vehicle driving of risk objects The relationship between the combination of driving state information and driving environment information and driving scheme is taken as driving strategy, and the driving strategy is used to determine the candidate driving scheme. The implementation method optimizes the candidate driving plan according to the driver's behavior.

【技术实现步骤摘要】
用于操作自动驾驶车辆的方法和装置本申请为申请号为CN201610825323.3、申请日为2016年9月14日、专利技术名称为“用于操作自动驾驶车辆的方法和装置”的中国专利申请的分案申请。
本申请涉及车辆
，具体涉及无人驾驶车辆技术，尤其涉及用于操作自动驾驶车辆的方法和装置。
技术介绍
自动驾驶主要涉及识别、决策、控制三种主要技术。对于自动驾驶，安全性是第一位的条件。现有技术中，通常采用人工方式去标注供车载感应器所识别的风险对象，并进一步评估各个对象的风险或通过反复测试建立驾驶方案。然而，完全依靠人工对风险因素进行标注，成本极高。并且，在开放性的驾驶环境中，现有的风险因素难以被设计者与生产者穷尽和人为标注，从而让系统去自动识别。此外，即使设计或制造车辆时已预先标注出当前所有的风险对象，但在车辆投入使用后也会不断有可能造成行车风险的新事物出现在车辆行驶过程中，而现有方式无法及时对这些不断出现的新风险对象进行标注，更无法及时针对这些新风险对象建立风险评估策略或驾驶策略。因此，需要设计出对风险对象的快速、规模化、低成本的识别方法。
技术实现思路
本申请提供了用于操作自动驾驶车辆的方法和装置，用于解决上述
技术介绍
部分存在的技术问题。第一方面，本申请提供了一种用于操作自动驾驶车辆的方法，所述方法包括：收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及所述半自动驾驶车辆所处驾驶场景的驾驶场景信息；根据驾驶员所采用的驾驶方案，确定所述半自动驾驶车辆在所述驾驶场景下所处驾驶风险的风险等级；从所述驾驶场景信息中分解出所述驾驶场景中场景对象的对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；对对象信息以及对应的风险等级进行学习，识别出场景对象中与风险等级相关联的风险对象；针对所识别出的风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及对应的驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为自动驾驶车辆的驾驶策略；利用所述驾驶策略确定自动驾驶车辆的候选驾驶方案。在一些实施例中，所述方法还包括：对所述驾驶策略进行优化的步骤，包括：使用所述驾驶策略，在驾驶模拟器所模拟的场景中控制测试用车辆行驶；检测所述测试用车辆行驶时是否满足所述驾驶模拟器中预先配置的驾驶规则；根据检测结果修正所述驾驶策略。在一些实施例中，采用强化学习算法修正所述驾驶策略。在一些实施例中，所述方法还包括：将所述驾驶策略添加至半自动驾驶车辆的驾驶策略数据库中；确定所述驾驶策略被触发时半自动驾驶车辆是否被驾驶员进行异常干预；若半自动驾驶车辆未被异常干预，则提高所述驾驶策略的可信度。在一些实施例中，所述方法还包括：若半自动驾驶车辆被异常干预，则继续采集驾驶员对半自动驾驶车辆进行干预时所采用的驾驶方案以及对应的驾驶场景信息，以根据新采集的驾驶方案与驾驶场景信息调整所述驾驶策略。第二方面，本申请提供了一种用于操作自动驾驶车辆的装置，所述装置包括：所述装置包括：收集单元，用于收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及所述半自动驾驶车辆所处驾驶场景的驾驶场景信息；等级确定单元，用于根据驾驶员所采用的驾驶方案，确定所述半自动驾驶车辆在所述驾驶场景下所处驾驶风险的风险等级；分解单元，用于从所述驾驶场景信息中分解出所述驾驶场景中各个场景对象的对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；风险对象学习单元，用于对对象信息以及对应的风险等级进行学习，识别出场景对象中与风险等级相关联的风险对象；驾驶方案学习单元，针对所识别出的风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及对应的驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为自动驾驶车辆的驾驶策略；驾驶方案确定单元，用于利用所述驾驶策略确定自动驾驶车辆的候选驾驶方案。在一些实施例中，所述装置还包括驾驶策略优化单元，所述驾驶策略优化单元用于：使用所述驾驶策略，在驾驶模拟器所模拟的场景中控制测试用车辆行驶；检测所述测试用车辆行驶时是否满足所述驾驶模拟器中预先配置的驾驶规则；根据检测结果修正所述驾驶策略。在一些实施例中，所述装置还包括策略修正单元，用于：将所述驾驶策略添加至半自动驾驶车辆的驾驶策略数据库中；确定所述驾驶策略被触发时半自动驾驶车辆是否被驾驶员进行异常干预；若半自动驾驶车辆未被异常干预，则提高所述驾驶策略的可信度。在一些实施例中，所述策略修正单元还用于：若半自动驾驶车辆被异常干预，则继续采集驾驶员对半自动驾驶车辆进行干预时所采用的驾驶方案以及对应的驾驶场景信息，以根据新采集的驾驶方案与驾驶场景信息调整所述驾驶策略。本申请提供的用于操作自动驾驶车辆的方法和装置，通过驾驶员对半自动驾驶车辆的异常干预行为确定风险等级，并对场景对象与风险等级进行学习，从而从场景对象中识别出与风险等级有关联的风险对象。通过这种方式，可以不断地对用户的异常干预行为进行学习，从而可以从不断出现的场景对象中自动识别出风险对象，实现风险对象的自动标注，从而大大减轻了人工标注的工作量，也能及时对车辆投入使用后新出现的风险因素进行标记。此外，还可以确定风险对象的对象信息与风险等级的关联关系而生成供自动驾驶车辆使用的风险评估策略，从而可以通过学习驾驶人员的异常干预行为对风险识别进行优化。另外，针对所识别出的风险对象，还通过将驾驶员对半自动驾驶车辆进行异常干预时的驾驶方案作为样本进行学习，建立风险对象的对象信息、车辆行驶状态以及驾驶环境与驾驶方案的关联关系，以生成驾驶策略，该驾驶策略可用于确定自动驾驶车辆的候选驾驶方案，从而可以根据驾驶人员的行为优化自动驾驶车辆的候选驾驶方案。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于操作自动驾驶车辆的方法的一个实施例的流程图；图3是根据本申请的用于操作自动驾驶车辆的方法的又一个实施例的流程图；图4是根据本申请的用于操作自动驾驶车辆的装置的一个实施例的结构示意图；图5是根据本申请的用于操作自动驾驶车辆的装置的又一个实施例的结构示意图；图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于操作自动驾驶车辆的方法和装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括半自动驾驶车辆101、102、103，网络104、106，服务器105和自动驾驶车辆107。网络104用以在半自动驾驶车辆101、102、103和服务器105之间提供传输链路的介质，网络104用以在自动驾驶车辆107和服务器105之间提供传输链路的介质。网络1本文档来自技高网...

【技术保护点】
1.一种用于操作自动驾驶车辆的方法，其特征在于，所述方法包括：收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及所述半自动驾驶车辆所处驾驶场景的驾驶场景信息；根据驾驶员所采用的驾驶方案，确定所述半自动驾驶车辆在所述驾驶场景下所处驾驶风险的风险等级；从所述驾驶场景信息中分解出所述驾驶场景中场景对象的对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；对对象信息以及对应的风险等级进行学习，识别出场景对象中与风险等级相关联的风险对象；针对所识别出的风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及对应的驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为自动驾驶车辆的驾驶策略；利用所述驾驶策略确定自动驾驶车辆的候选驾驶方案。

【技术特征摘要】
1.一种用于操作自动驾驶车辆的方法，其特征在于，所述方法包括：收集驾驶员对半自动驾驶车辆进行异常干预时所采用的驾驶方案以及所述半自动驾驶车辆所处驾驶场景的驾驶场景信息；根据驾驶员所采用的驾驶方案，确定所述半自动驾驶车辆在所述驾驶场景下所处驾驶风险的风险等级；从所述驾驶场景信息中分解出所述驾驶场景中场景对象的对象信息、车辆行驶状态信息以及车辆所处驾驶环境的驾驶环境信息；对对象信息以及对应的风险等级进行学习，识别出场景对象中与风险等级相关联的风险对象；针对所识别出的风险对象，对对象信息、车辆行驶状态信息、驾驶环境信息以及对应的驾驶方案进行学习，确定风险对象的对象信息、车辆行驶状态信息、驾驶环境信息的组合与驾驶方案之间的关联关系以作为自动驾驶车辆的驾驶策略；利用所述驾驶策略确定自动驾驶车辆的候选驾驶方案。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述驾驶策略进行优化的步骤，包括：使用所述驾驶策略，在驾驶模拟器所模拟的场景中控制测试用车辆行驶；检测所述测试用车辆行驶时是否满足所述驾驶模拟器中预先配置的驾驶规则；根据检测结果修正所述驾驶策略。3.根据权利要求2所述的方法，其特征在于，采用强化学习算法修正所述驾驶策略。4.根据权利要求1-3之一所述的方法，其特征在于，所述方法还包括：将所述驾驶策略添加至半自动驾驶车辆的驾驶策略数据库中；确定所述驾驶策略被触发时半自动驾驶车辆是否被驾驶员进行异常干预；若半自动驾驶车辆未被异常干预，则提高所述驾驶策略的可信度。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：若半自动驾驶车辆被异常干预，则继续采集驾驶员对半自动驾驶车辆进行干预时所采用的驾驶方案以及对应的驾驶场景信息，以根据新采集的驾驶方案与驾驶场景信息调整所述驾驶策略。6.一种用于操作自动驾驶车辆的装...

【专利技术属性】
技术研发人员：韩博，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11