驾驶模型的训练方法和装置、电子设备、计算机存储介质制造方法及图纸

本公开实施例公开了一种驾驶模型的训练方法和装置、电子设备、计算机存储介质，其中，方法包括：同步采集车辆的运行状态数据、驾驶环境数据、驾驶员图像；获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，所述数据组包括：车辆的运行状态数据、驾驶环境数据和驾驶员图像；基于所述至少一个驾驶行为事件对应的数据组训练驾驶模型。本公开实施例使驾驶模型可以学习到车辆在各种运行状态和驾驶环境下对车辆的正确操作，以提高驾驶模型用于自动驾驶的安全性。

【技术实现步骤摘要】
驾驶模型的训练方法和装置、电子设备、计算机存储介质
本公开涉及人工智能领域，尤其是一种驾驶模型的训练方法和装置、电子设备、计算机存储介质。
技术介绍
随着科学技术的发展，无人驾驶技术开始慢慢地走进人们的生活。无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要利用无人驾驶技术，依靠汽车内的计算机系统和配备各种传感器等来实现车辆的自动驾驶。相对于人工驾驶技术，无人驾驶技术可以避免由于用户疲劳驾驶、注意力分散等等导致的交通事故，从而提高驾驶的安全性。在无人驾驶技术中，需要通过驾驶模型来控制车辆的行驶，因此，驾驶模型性能，直接决定了无人驾驶技术的安全性。只有通过性能较好的驾驶模型，才能够较好的理解驾驶环境并处理复杂驾驶场景，从而做出合理的驾驶行为，提高驾驶的安全性。
技术实现思路
本公开实施例提供一种用于驾驶模型的技术方案。根据本公开实施例的一个方面，提供的一种驾驶模型的训练方法，包括：同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像；获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，所述数据组包括：车辆的运行状态数据、驾驶环境数据和驾驶员图像；基于所述至少一个驾驶行为事件对应的数据组训练驾驶模型。可选的，在本公开任一实施例的方法中，所述同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像，包括：在同步时钟下，按照相同的采集频率采集所述车辆的运行状态数据、驾驶环境数据和驾驶员图像。可选的，在本公开任一实施例的方法中，所述采集车辆的运行状态数据包括：通过车载传感器和控制器局域网络CAN总线采集所述车辆的运行状态数据；和/或，所述采集驾驶环境数据包括：通过设置在所述车辆外的传感器采集所述车辆的驾驶环境数据；和/或，所述驾驶员图像包括：通过设置在所述车辆内的摄像头采集驾驶员图像。可选的，在本公开任一实施例的方法中，所述设置在所述车辆外的传感器包括以下任意一项或多项：超声波传感器、激光雷达传感器或雷达传感器；所述车载传感器包括以下任意一项或多项：速度传感器、刹车踏板位置传感器、加速踏板位置传感器、方向盘位置传感器、方向盘压力传感器、GPS和惯性测量单元IMU。可选的，在本公开任一实施例的方法中，在所述同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像之后，还包括：对所述同步采集的运行状态数据、驾驶环境数据和驾驶员图像进行预处理；所述获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，包括：针对预处理后的运行状态数据、驾驶环境数据和驾驶员图像，获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组。可选的，在本公开任一实施例的方法中，所述驾驶行为事件包括以下任意一项或多项：驾驶员驾驶状态，驾驶员的驾驶行为；所述驾驶员驾驶状态包括以下任意一项或多项：疲劳驾驶，注意力集中，注意力分散；或者，所述驾驶员的驾驶行为包括以下任意一项或多项：换道，前行，加速，减速，刹车，倒车，转弯，制动。可选的，在本公开任一实施例的方法中，所述获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，包括：基于所述同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像，建立各驾驶行为事件对应的数据组；检测所述各驾驶行为事件对应的数据组中是否存在异常状态的数据组；若存在异常状态的数据组，从所述各驾驶行为事件对应的数据组中去除异常状态的数据组，得到正常状态下所述至少一个驾驶行为事件对应的数据组。可选的，在本公开任一实施例的方法中，所述获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，包括：检测所述车辆的运行状态数据、驾驶环境数据和驾驶员图像中，是否存在异常状态的运行状态数据、驾驶环境数据和驾驶员图像；若存在异常状态的运行状态数据、驾驶环境数据和/或驾驶员图像，去掉异常状态的运行状态数据、驾驶环境数据和/或驾驶员图像及对应的同步采集的其他数据，得到正常状态下的同步采集的运行状态数据、驾驶环境数据和驾驶员图像；基于所述正常状态下的同步采集的运行状态数据、驾驶环境数据和驾驶员图像，建立驾驶员的至少一个驾驶行为事件对应的数据组。可选的，在本公开任一实施例的方法中，所述异常状态，包括以下任意一项或多项：车辆的运行状态异常，驾驶员的行为异常，驾驶员的驾驶状态异常。可选的，在本公开任一实施例的方法中，所述车辆的运行状态异常，包括以下任意一项或多项：车辆运行速度异常、车辆的行驶方向异常、车辆任一部件的工作状态异常；和/或，所述驾驶员的行为异常，包括以下任意一项或多项：超速行驶、高速转弯或高速连续变道、转向不打转向灯、急加速、急减速、不按照交通信号通行、不按规定让行、占用应急车道、逆行、停车状态加油门、压车道线行驶、偏离车道线行驶、与前车距离过近、弯道超车；所述驾驶员的驾驶状态异常包括以下任意一项或多项：疲劳驾驶，注意力分散驾驶。可选的，在本公开任一实施例的方法中，检测所述各驾驶行为事件对应的数据组中是否存在异常状态的数据组、或者是否存在异常状态的运行状态数据、驾驶环境数据和驾驶员图像，包括：从所述车辆的运行状态数据检测车辆的运行状态和驾驶员的行为是否异常；从所述驾驶员图像中检测驾驶状态是否异常。可选的，在本公开任一实施例的方法中，所述获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，包括：对同步采集的所述车辆的运行状态数据、驾驶环境数据和驾驶员图像进行数据转换；对数据转换后的所述车辆的运行状态数据、驾驶环境数据和驾驶员图像进行特征提取，并基于提取的特征对数据转换后的所述车辆的运行状态数据、驾驶环境数据和驾驶员图像进行聚类，得到各类驾驶行为事件对应的数据组；所述基于所述至少一个驾驶行为事件对应的数据组训练驾驶模型，包括：分别基于各类驾驶行为事件对应的数据组训练驾驶模型，得到各类驾驶行为事件对应的驾驶行为模型；其中，所述驾驶模型包括所述各类驾驶行为事件对应的驾驶行为模型。可选的，在本公开任一实施例的方法中，还包括：所述同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像之后，还包括：将同步采集的所述车辆的运行状态数据、驾驶环境数据和驾驶员图像发送给服务器；所述获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，包括：由所述服务器获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组；所述基于所述至少一个驾驶行为事件对应的数据组训练驾驶模型，包括：由所述服务器基于所述至少一个驾驶行为事件对应的数据组训练驾驶模型。根据本公开实施例的另一个方面，提供的一种驾驶模拟的训练装置，包括：采集模块，用于同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像；获取模块，用于获取正常状态下驾驶员的至少一个驾驶行为事件对应的数据组，所述数据组包括：车辆的运行状态数据、驾驶环境数据和驾驶员图像；训练模块，基于所述至少一个驾驶行为事件对应的数据组训练驾驶模型。本文档来自技高网...

【技术保护点】
1.一种驾驶模型的训练方法，其特征在于，包括：/n同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像；/n获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，所述数据组包括：车辆的运行状态数据、驾驶环境数据和驾驶员图像；/n基于所述至少一个驾驶行为事件对应的数据组训练驾驶模型。/n

【技术特征摘要】
1.一种驾驶模型的训练方法，其特征在于，包括：
同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像；
获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，所述数据组包括：车辆的运行状态数据、驾驶环境数据和驾驶员图像；
基于所述至少一个驾驶行为事件对应的数据组训练驾驶模型。


2.根据权利要求1所述的方法，其特征在于，所述同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像，包括：
在同步时钟下，按照相同的采集频率采集所述车辆的运行状态数据、驾驶环境数据和驾驶员图像。


3.根据权利要求1或2所述的方法，其特征在于，所述采集车辆的运行状态数据包括：通过车载传感器和控制器局域网络CAN总线采集所述车辆的运行状态数据；和/或，
所述采集驾驶环境数据包括：通过设置在所述车辆外的传感器采集所述车辆的驾驶环境数据；和/或，
所述驾驶员图像包括：通过设置在所述车辆内的摄像头采集驾驶员图像。


4.根据权利要求3所述的方法，其特征在于，所述设置在所述车辆外的传感器包括以下任意一项或多项：超声波传感器、激光雷达传感器或雷达传感器；
所述车载传感器包括以下任意一项或多项：速度传感器、刹车踏板位置传感器、加速踏板位置传感器、方向盘位置传感器、方向盘压力传感器、GPS和惯性测量单元IMU。


5.根据权利要求1-4任一所述的方法，其特征在于，在所述同步采集车辆的运行状态数据、驾驶环境数据和驾驶员图像之后，还包括：对所述同步采集的运行状态数据、驾驶环境数据和驾驶员图像进行预处理；
所述获取正常状态下，驾驶员的至少一个驾驶行为事件对应的数据组，包括：针对预处理后的运行状态数据、驾驶环境数据和驾驶员图像，获取正常状态下，驾驶...

【专利技术属性】
技术研发人员：高文智，
申请(专利权)人：奇点汽车研发中心有限公司，
类型：发明
国别省市：江苏;32