一种基于无人驾驶的端到端模型评估方法及装置制造方法及图纸

本申请公开了一种基于无人驾驶的端到端模型评估方法及装置，该方法包括：在获取到待评估的第一目标数据、第二目标数据、第三目标数据后，将第二目标数据和第三目标数据输入至预先构建的速度转换模型，计算出目标无人驾驶车辆的行驶速度，然后将该行驶速度和第一目标数据输入至车辆运动学模型，得到目标无人驾驶车辆的行驶轨迹，再将该行驶轨迹与既定轨迹进行对比，并根据对比结果，对端对端模型的输出结果进行评估，以得到评估结果。可见，本申请是先利用预先构建的速度转换模型，以及车辆运动学模型，将E2E模型输出结果转换为无人驾驶车辆的行驶轨迹，再将该行驶轨迹与既定轨迹进行对比，从而可以根据对比结果对E2E模型的输出结果进行准确评估。

【技术实现步骤摘要】
一种基于无人驾驶的端到端模型评估方法及装置
本申请涉及人工智能
，尤其涉及一种基于无人驾驶的端到端模型评估方法及装置。
技术介绍
无人驾驶车辆是一种新型的智能汽车，主要通过电子控制单元(ElectronicControlUnit，简称ECU)等车载终端设备对车辆中的各个部分进行准确的控制与计算分析，从而实现车辆的全自动运行，达到车辆无人驾驶的目标。目前，为了使得无人驾驶车辆的运行状态能够更接近于人为驾驶车辆，实现较好的无人驾驶效果，一般是通过预先训练好的端到端(EndToEnd，简称E2E)模型来确定无人驾驶车辆行驶时所需的方向盘转角、油门开度以及刹车开度，然后，再控制无人驾驶车辆以该E2E模型确定的方向盘转角、油门开度、刹车开度在道路上行驶。但由于E2E模型的输出是方向盘转角、油门开度以及刹车开度，而并非是无人驾驶车辆的行驶轨迹，所以根据这三个值无法直观、明确的体现出无人驾驶车辆与人为驾驶车辆行驶状态的差别。因此，也就无法准确评估出该基于无人驾驶E2E模型的训练效果，所以，为了使得无人驾驶车辆在采用E2E模型确定的方向盘转角、油门开度、刹车开度在道路上行驶时，能够实现更好的无人驾驶效果(即更接近于人为驾驶状态)，需要对该E2E模型的训练效果进行准确评估，而目前并没有一种能够对E2E模型进行准确评估的方法，因此，如何实现对E2E模型的准确评估，进而实现更好的无人驾驶效果，已成为亟待解决的问题。
技术实现思路
为解决上述问题，本申请提供了一种基于无人驾驶的端到端模型评估方法及装置，具体技术方案如下：第一方面，本申请提供了一种基于无人驾驶的端到端模型评估方法，包括：获取待评估的第一目标数据、第二目标数据以及第三目标数据，所述第一目标数据为端对端模型输出的目标无人驾驶车辆的方向盘转角，所述第二目标数据为所述端对端模型输出的所述目标无人驾驶车辆的油门开度，所述第三目标数据为所述端对端模型输出的所述目标无人驾驶车辆的刹车开度；将所述第二目标数据和所述第三目标数据输入至预先构建的速度转换模型，以计算出所述目标无人驾驶车辆的行驶速度；将所述第一目标数据和所述目标无人驾驶车辆的行驶速度输入至车辆运动学模型，以得到所述目标无人驾驶车辆的行驶轨迹；将所述目标无人驾驶车辆的行驶轨迹与既定轨迹进行对比，并根据对比结果，对所述端对端模型的输出结果进行评估，以得到评估结果。可选的，构建所述速度转换模型，包括：获取人为驾驶车辆的第一训练数据、第二训练数据以及对应的实际行驶速度，所述第一训练数据为所述人为驾驶车辆的油门开度，所述第二训练数据为所述人为驾驶车辆的刹车开度；提取所述第一训练数据和所述第二训练数据的数据特征；根据所述第一训练数据和所述第二训练数据的数据特征以及对应的实际行驶速度对初始速度转换模型进行训练，生成所述速度转换模型。可选的，所述初始速度转换模型包含第一全连接层、长短期记忆网络层、第二全连接层。可选的，构建所述速度转换模型，包括：利用给定的目标函数，构建所述速度转换模型；其中，所述目标函数为平方差损失函数。可选的，所述方法还包括：获取人为驾驶车辆的第一测试数据、第二测试数据以及对应的实际行驶速度；提取所述第一测试数据和所述第二测试数据的数据特征；将所述第一测试数据和所述第二测试数据的数据特征输入所述速度转换模型，计算出所述人为驾驶车辆的所述第一测试数据和所述第二测试数据对应的测试行驶速度；当所述测试行驶速度与所述实际行驶速度不一致时，将所述第一测试数据和所述第二测试数据分别重新作为所述第一训练数据和所述第二训练数据，对所述速度转换模型进行更新。第二方面，本申请提供一种基于无人驾驶的端到端模型装置，包括：目标数据获取单元，用于获取待评估的第一目标数据、第二目标数据以及第三目标数据，所述第一目标数据为端对端模型输出的目标无人驾驶车辆的方向盘转角，所述第二目标数据为所述端对端模型输出的所述目标无人驾驶车辆的油门开度，所述第三目标数据为所述端对端模型输出的所述目标无人驾驶车辆的刹车开度；行驶速度获取单元，用于将所述第二目标数据和所述第三目标数据输入至预先构建的速度转换模型，以计算出所述目标无人驾驶车辆的行驶速度；行驶轨迹获取单元，用于将所述第一目标数据和所述目标无人驾驶车辆的行驶速度输入至车辆运动学模型，以得到所述目标无人驾驶车辆的行驶轨迹；评估结果获得单元，用于将所述目标无人驾驶车辆的行驶轨迹与既定轨迹进行对比，并根据对比结果，对所述端对端模型的输出结果进行评估，以得到评估结果。可选的，所述装置还包括：训练数据获取单元，用于获取人为驾驶车辆的第一训练数据、第二训练数据以及对应的实际行驶速度，所述第一训练数据为所述人为驾驶车辆的油门开度，所述第二训练数据为所述人为驾驶车辆的刹车开度；第一特征提取单元，用于提取所述第一训练数据和所述第二训练数据的数据特征；第一模型生成单元，用于根据所述第一训练数据和所述第二训练数据的数据特征以及对应的实际行驶速度对初始速度转换模型进行训练，生成所述速度转换模型。可选的，所述初始速度转换模型包含第一全连接层、长短期记忆网络层、第二全连接层。可选的，所述装置还包括：第二模型生成单元，用于利用给定的目标函数，构建所述速度转换模型；其中，所述目标函数为平方差损失函数。可选的，装置还包括：测试数据获取单元，用于获取人为驾驶车辆的第一测试数据、第二测试数据以及对应的实际行驶速度；第二特征提取单元，用于提取所述第一测试数据和所述第二测试数据的数据特征；测试速度获取单元，用于将所述第一测试数据和所述第二测试数据的数据特征输入所述速度转换模型，计算出所述人为驾驶车辆的所述第一测试数据和所述第二测试数据对应的测试行驶速度；转换模型更新单元，用于当所述测试行驶速度与所述实际行驶速度不一致时，将所述第一测试数据和所述第二测试数据分别重新作为所述第一训练数据和所述第二训练数据，对所述速度转换模型进行更新。本申请实施例提供的一种基于无人驾驶的端到端模型评估方法及装置，在获取到待评估的第一目标数据、第二目标数据以及第三目标数据后，可以将第二目标数据和第三目标数据输入至预先构建的速度转换模型，以计算出目标无人驾驶车辆的行驶速度，其中，第一目标数据指的是端对端模型输出的目标无人驾驶车辆的方向盘转角，第二目标数据指的是端对端模型输出的目标无人驾驶车辆的油门开度，第三目标数据指的是端对端模型输出的目标无人驾驶车辆的刹车开度，然后，再将第一目标数据和目标无人驾驶车辆的行驶速度输入至车辆运动学模型，以得到目标无人驾驶车辆的行驶轨迹，进而，可以将目标无人驾驶车辆的行驶轨迹与既定轨迹进行对比，并根据对比结果，对端对端模型的输出结果进行评估，以得到评估结果。可见，本申请实施例首先利用预先构建的速度转换模型，以及车辆运动学模型，将E2E模型输出的方向盘转角、油门开度、刹车开度转换为无人驾驶车辆的行驶轨迹，然后，将该行驶轨迹与既定轨迹进行对比，从而可以根据对比结果对E2E模型的输出结果进行准确评估，进而实现更好的无人驾驶效果。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付本文档来自技高网...

【技术保护点】
1.一种基于无人驾驶的端到端模型评估方法，其特征在于，包括：获取待评估的第一目标数据、第二目标数据以及第三目标数据，所述第一目标数据为端对端模型输出的目标无人驾驶车辆的方向盘转角，所述第二目标数据为所述端对端模型输出的所述目标无人驾驶车辆的油门开度，所述第三目标数据为所述端对端模型输出的所述目标无人驾驶车辆的刹车开度；将所述第二目标数据和所述第三目标数据输入至预先构建的速度转换模型，以计算出所述目标无人驾驶车辆的行驶速度；将所述第一目标数据和所述目标无人驾驶车辆的行驶速度输入至车辆运动学模型，以得到所述目标无人驾驶车辆的行驶轨迹；将所述目标无人驾驶车辆的行驶轨迹与既定轨迹进行对比，并根据对比结果，对所述端对端模型的输出结果进行评估，以得到评估结果。

【技术特征摘要】
1.一种基于无人驾驶的端到端模型评估方法，其特征在于，包括：获取待评估的第一目标数据、第二目标数据以及第三目标数据，所述第一目标数据为端对端模型输出的目标无人驾驶车辆的方向盘转角，所述第二目标数据为所述端对端模型输出的所述目标无人驾驶车辆的油门开度，所述第三目标数据为所述端对端模型输出的所述目标无人驾驶车辆的刹车开度；将所述第二目标数据和所述第三目标数据输入至预先构建的速度转换模型，以计算出所述目标无人驾驶车辆的行驶速度；将所述第一目标数据和所述目标无人驾驶车辆的行驶速度输入至车辆运动学模型，以得到所述目标无人驾驶车辆的行驶轨迹；将所述目标无人驾驶车辆的行驶轨迹与既定轨迹进行对比，并根据对比结果，对所述端对端模型的输出结果进行评估，以得到评估结果。2.根据权利要求1所述的方法，其特征在于，构建所述速度转换模型，包括：获取人为驾驶车辆的第一训练数据、第二训练数据以及对应的实际行驶速度，所述第一训练数据为所述人为驾驶车辆的油门开度，所述第二训练数据为所述人为驾驶车辆的刹车开度；提取所述第一训练数据和所述第二训练数据的数据特征；根据所述第一训练数据和所述第二训练数据的数据特征以及对应的实际行驶速度对初始速度转换模型进行训练，生成所述速度转换模型。3.根据权利要求2所述的方法，其特征在于，所述初始速度转换模型包含第一全连接层、长短期记忆网络层、第二全连接层。4.根据权利要求2或3所述的方法，其特征在于，构建所述速度转换模型，包括：利用给定的目标函数，构建所述速度转换模型；其中，所述目标函数为平方差损失函数。5.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：获取人为驾驶车辆的第一测试数据、第二测试数据以及对应的实际行驶速度；提取所述第一测试数据和所述第二测试数据的数据特征；将所述第一测试数据和所述第二测试数据的数据特征输入所述速度转换模型，计算出所述人为驾驶车辆的所述第一测试数据和所述第二测试数据对应的测试行驶速度；当所述测试行驶速度与所述实际行驶速度不一致时，将所述第一测试数据和所述第二测试数据分别重新作为所述第一训练数据和所述第二训练数据，对所述速度转换模型进行更新。6.一种基于无人驾驶的端到端模型装置，其特征在于，包括：目标数据获取单元，用于获取待评估的第一目标数据、第二目标数据以...

【专利技术属性】
技术研发人员：张瀚中，
申请(专利权)人：东软睿驰汽车技术沈阳有限公司，
类型：发明
国别省市：辽宁,21