自动驾驶协助方法、驾驶设备、协助设备及可读存储介质技术

本发明专利技术提供的自动驾驶协助方法、驾驶设备、协助设备及可读存储介质，通过驾驶设备利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果向协助设备发起协助驾驶请求；接收并执行所述协助设备反馈的驾驶指令，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。从而解决驾驶设备在执行自动驾驶任务时，一旦预设的自动驾驶模型无法对场景信息进行处理，其将直接导致驾驶设备无法进行继续执行自动驾驶任务的问题，提高了自动驾驶模型的智能化和适用性。

Autopilot Assistance Method, Driving Equipment, Assistance Equipment and Readable Storage Media

The autopilot assistance method, driving equipment, assisting equipment and readable storage medium provided by the invention process the current scene information acquired by using the current autopilot model of the driving equipment, and initiate an assisting driving request to the assisting equipment according to the processing results; receive and execute the driving instruction feedback from the assisting equipment, which is used in combination with the station. The current scene information is described to optimize the current autopilot model so that the optimized autopilot model can be used to perform the next autopilot task. In order to solve the problem that the preset automatic driving model can not process the scene information when the driving equipment is performing the task of automatic driving, it will directly lead to the problem that the driving equipment can not continue to perform the task of automatic driving, and improve the intelligence and applicability of the automatic driving model.

【技术实现步骤摘要】
自动驾驶协助方法、驾驶设备、协助设备及可读存储介质
本专利技术涉及自动驾驶技术，尤其涉及一种自动驾驶协助方法、驾驶设备、协助设备及可读存储介质。
技术介绍
随着科技的发展和社会的进步，自动驾驶技术成为交通领域的发展趋势。在现有技术中，驾驶设备执行自动驾驶任务是通过预设的自动驾驶模型实现的。驾驶设备实时采集当前的场景信息，并利用该自动驾驶模型对场景信息进行处理，以向驾驶设备输出相应的驾驶指令。但是，由于该自动驾驶模型是预先设置在驾驶设备内的，一旦驾驶设备遇到复杂地形或复杂路面情况时，自动驾驶模型容易出现对场景信息进行处理，导致驾驶设备无法进行继续执行自动驾驶任务的问题。
技术实现思路
针对上述提及的现有的驾驶设备在执行自动驾驶任务时，一旦预设的自动驾驶模型无法对场景信息进行处理，其将直接导致驾驶设备无法进行继续执行自动驾驶任务的问题，本专利技术提供了一种自动驾驶协助方法、驾驶设备、协助设备及可读存储介质。一方面，本专利技术提供了一种自动驾驶协助方法，包括：利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果向协助设备发起协助驾驶请求；接收并执行所述协助设备反馈的驾驶指令，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。在其中一种可选的实施方式中，自动驾驶模型包括深度学习算法模型；所述驾驶指令具体用于根据当前场景信息和所述驾驶指令，生成训练样本；利用所述训练样本对深度学习算法模型进行训练，以获得训练后的深度学习算法模型；所述训练后的深度学习算法模型为所述优化后的自动驾驶模型。在其中一种可选的实施方式中，所述利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果向协助设备发起协助驾驶请求，包括：利用当前自动驾驶模型对采集获得的当前场景信息进行处理，获得处理结果；确定所述处理结果的置信度；当所述置信度小于预设阈值时，向协助设备发起协助驾驶请求。在其中一种可选的实施方式中，当所述置信度大于或等于预设阈值时，根据所述处理结果执行自动驾驶任务。另一方面，本专利技术提供了一种自动驾驶协助方法，包括：接收驾驶设备发起的协助驾驶请求，所述协助驾驶请求是所述驾驶设备在利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果发起的；接收用户触发的驾驶指令，并向驾驶设备发送所述驾驶指令，以供所述驾驶设备执行驾驶指令；其中，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。在其中一种可选的实施方式中，所述驾驶请求和所述驾驶指令是通过无线移动网络发送至所述驾驶设备的。在其中一种可选的实施方式中，所述驾驶请求和所述驾驶指令是通过近场通信技术发送至所述驾驶设备的。再一方面，本发专利技术提供了一种驾驶设备，包括：第一处理单元，用于利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并获得处理结果；第一通信单元，用于根据处理结果向协助设备发起协助驾驶请求；还用于接收所述协助设备反馈的驾驶指令，以供驾驶设备执行所述驾驶指令；其中，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。在其中一种可选的实施方式中，自动驾驶模型包括深度学习算法模型；所述驾驶指令具体用于根据当前场景信息和所述驾驶指令，生成训练样本；利用所述训练样本对深度学习算法模型进行训练，以获得训练后的深度学习算法模型；所述训练后的深度学习算法模型为所述优化后的自动驾驶模型。所述利所述第一处理单元所述第一处理单元还用于确定所述处理结果的置信度；当所述置信度小于预设阈值时，所用通信单元向协助设备发起协助驾驶请求。所述利所述第一处理单元当所述置信度大于或等于预设阈值时，驾驶设备根据所述处理结果执行自动驾驶任务。再一方面，本专利技术提供了一种协助设备，包括：第二通信单元，用于接收驾驶设备发起的协助驾驶请求，所述协助驾驶请求是所述驾驶设备在利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果发起的；交互单元，用于接收用户触发的驾驶指令；所述第二通信单元还用于向驾驶设备发送所述驾驶指令，以供所述驾驶设备执行驾驶指令，其中的所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。在其中一种可选的实施方式中，所述驾驶指令是所述第二通信单元通过无线移动网络发送至所述驾驶设备的。在其中一种可选的实施方式中，所述驾驶指令是所述第二通信单元通过近场通信技术发送至所述驾驶设备的。再一方面，本专利技术提供了一种驾驶设备，包括：存储器、与所述存储器连接的处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行如前任一项所述的方法。再一方面，本专利技术提供了一种协助设备，包括：存储器、与所述存储器连接的处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行如前任一项所述的方法。再一方面，本专利技术提供了一种可读存储介质。包括程序，当其在终端上运行时，使得终端执行如前任一项所述的方法。最后一方面，本专利技术提供了一种可读存储介质，包括程序，当其在终端上运行时，使得终端执行如前任一项所述的方法。本专利技术提供的自动驾驶协助方法、驾驶设备、协助设备及可读存储介质，通过驾驶设备利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果向协助设备发起协助驾驶请求；接收并执行所述协助设备反馈的驾驶指令，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。从而解决驾驶设备在执行自动驾驶任务时，一旦预设的自动驾驶模型无法对场景信息进行处理，其将直接导致驾驶设备无法进行继续执行自动驾驶任务的问题，提高了自动驾驶模型的智能化和适用性。附图说明通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。图1为本专利技术基于的网络架构示意图；图2为本专利技术实施例一提供的一种自动驾驶协助方法的流程示意图；图3为本专利技术实施例二提供的一种自动驾驶协助方法的流程示意图；图4为本专利技术实施例三提供的一种自动驾驶协助方法的流程示意图；图5为本专利技术实施例四提供的一种自动驾驶协助方法的流程示意图；图6为本专利技术实施例五提供的一种驾驶设备的结构示意图；图7为本专利技术实施例六提供的一种协助设备的结构示意图；图8为本专利技术实施例七提供的一种驾驶设备的硬件结构示意图；图9为本专利技术实施例八提供的一种协助设备的硬件结构示意图。此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。随着科技的发展和社会的进步，自动驾驶技术成为交通领域的发展趋势。在现有技术中，驾驶设备执行自动驾驶任务是通过预设的自本文档来自技高网...

【技术保护点】
1.一种自动驾驶协助方法，其特征在于，包括：利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果向协助设备发起协助驾驶请求；接收并执行所述协助设备反馈的驾驶指令，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。

【技术特征摘要】
1.一种自动驾驶协助方法，其特征在于，包括：利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果向协助设备发起协助驾驶请求；接收并执行所述协助设备反馈的驾驶指令，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。2.根据权利要求1所述的自动驾驶协助方法，其特征在于，自动驾驶模型包括深度学习算法模型；所述驾驶指令具体用于根据当前场景信息和所述驾驶指令，生成训练样本；利用所述训练样本对深度学习算法模型进行训练，以获得训练后的深度学习算法模型；所述训练后的深度学习算法模型为所述优化后的自动驾驶模型。3.根据权利要求1所述的自动驾驶协助方法，其特征在于，所述利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果向协助设备发起协助驾驶请求，包括：利用当前自动驾驶模型对采集获得的当前场景信息进行处理，获得处理结果；确定所述处理结果的置信度；当所述置信度小于预设阈值时，向协助设备发起协助驾驶请求。4.根据权利要求3所述的自动驾驶协助方法，其特征在于，当所述置信度大于或等于预设阈值时，根据所述处理结果执行自动驾驶任务。5.一种自动驾驶协助方法，其特征在于，包括：接收驾驶设备发起的协助驾驶请求，所述协助驾驶请求是所述驾驶设备在利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并根据处理结果发起的；接收用户触发的驾驶指令，并向驾驶设备发送所述驾驶指令，以供所述驾驶设备执行驾驶指令；其中，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型进行优化，以使利用优化后的自动驾驶模型执行下一自动驾驶任务。6.根据权利要求5所述的自动驾驶协助方法，其特征在于，所述驾驶请求和所述驾驶指令是通过无线移动网络发送至所述驾驶设备的。7.根据权利要求5所述的自动驾驶协助方法，其特征在于，所述驾驶请求和所述驾驶指令是通过近场通信技术发送至所述驾驶设备的。8.一种驾驶设备，其特征在于，包括：第一处理单元，用于利用当前自动驾驶模型对采集获得的当前场景信息进行处理，并获得处理结果；第一通信单元，用于根据处理结果向协助设备发起协助驾驶请求；还用于接收所述协助设备反馈的驾驶指令，以供驾驶设备执行所述驾驶指令；其中，所述驾驶指令用于结合所述当前场景信息对所述当前自动驾驶模型...

【专利技术属性】
技术研发人员：陈幽涵，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11