车辆控制方法、装置、控制器和智能车制造方法及图纸

本申请公开了一种自动驾驶领域中车辆控制方法，该方法包括：获取目标物的第一识别结果，所述第一识别结果包括：所述目标物属于第一类别的第一概率和所述目标物属于第二类别的第二概率，且所述第一概率大于所述第二概率；对所述第一识别结果进行调整，以得到所述目标物的第二识别结果，所述第二识别结果包括：所述目标物属于所述第二类别的第三概率，且所述第三概率大于所述第二概率；基于所述第二识别结果对车辆进行控制，以此提高车辆的行驶安全性。

Vehicle control method, device, controller and intelligent vehicle

【技术实现步骤摘要】
车辆控制方法、装置、控制器和智能车
本申请涉及智能车(smart/intelligentcar)领域，尤其涉及自动驾驶(automateddriving，ADS)中的一种车辆控制方法、车辆控制装置、控制器和智能车。
技术介绍
人工智能(artificialintelligence,AI)是利用数字计算机或者数字计算机控制的机器来模拟、延伸和扩展人的智能，随着人工智能技术在智能车领域的应用，使得自动驾驶功能得到越来越多厂商的关注。自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统，实现智能车的自动驾驶。目前，自动驾驶技术中需要依赖感知模块、利用深度学习算法获取同一目标物属于多个类别中每个类别的概率，并以概率最高的类别作为该目标物最终的识别结果来规划智能车的行驶路径。由于用于学习物体特征与物体所属类别之间的对应关系的物体数据与实际应用场景中的物体数据之间不可能完全一致，因此，利用深度学习算法来识别实际应用场景中的目标物属于哪些类别以及属于这些类别的概率时，通常会存在误识别的情况，即目标物实际上属于某一种类别时，深度学习算法识别出的该目标物属于另一种类别的概率大于目标物属于其真实类别的概率。例如，目标物实际上为老年人时，通过深度学习算法对该目标物进行识别时，可能会得到如下识别结果：目标物所属的第一种类别为青少年、且概率为0.9；第二种类别为中年人、且概率为0.8；第三种类别为老人、且概率为0.7。当深度学习算法识别得到的目标物的真实类别的概率小于其他类别的概率时，将概率最大的类别当作目标物的最终类别，并根据该类别来规划车辆的路径，势必会导致规划的路径出现偏差，从而会产生安全事故，造成人员或车辆损伤。例如，根据上述错误识别结果，即将概率最高的类别“青少年”作为该目标物的类别来规划智能车的路径时，由于青少年与老年人之间的移动速度等特性并不相同，因此，如果按照青少年的运动速度来确定智能车的安全空间(即安全路径)，就很可能会出现智能车与目标物碰撞的安全事故。因此，如何提供一种更安全车辆控制方法成为亟待解决的技术问题。
技术实现思路
本申请提供一种车辆控制方法、车辆控制装置、控制器和智能车，有助于提高车辆的驾驶安全性。第一方面，本申请提供一种车辆控制方法，所述方法包括：获取目标物的第一识别结果，所述第一识别结果包括：所述目标物属于第一类别的第一概率和所述目标物属于第二类别的第二概率，且所述第一概率大于所述第二概率；对所述第一识别结果进行调整，以得到所述目标物的第二识别结果，所述第二识别结果包括：所述目标物属于所述第二类别的第三概率，且所述第三概率大于所述第二概率；基于所述第二识别结果对车辆进行控制。本申请的车辆控制方法，不是直接基于深度学习算法的识别结果来规划路径以控制智能车行驶，而是对深度学习算法的识别结果进行调整，以避免目标物的真实类别的概率小于其他类别的概率，这样，根据调整后的识别结果来规划的路径以及控制智能车的行驶时，可以提高智能车的行驶安全性。在一些可能的实现方式中，所述对所述第一识别结果进行调整，包括：根据预先配置的概率调整参数对所述第一识别结果进行调整。在一些可能的实现方式中，所述第一概率和所述第二概率均为神经网络对所述目标物进行分类得到的概率。其中，所述概率调整参数是根据第一误检率和第一误检危害程度确定的，所述第一误检率为所述神经网络将所述第二类别的目标物划分为所述第一类别的概率，所述第一误检危害程度是指将所述第一类别作为真实类别为所述第二类别的目标物的类别来控制车辆所导致的安全危害的严重程度。在一些可能的实现方式中，所述第一概率和所述第二概率均为神经网络对所述目标物进行分类得到的概率，所述方法还包括：根据第一误检率和第一误识别危害程度确定概率调整参数，所述第一误检率为所述神经网络将所述第二类别的目标物划分为所述第一类别的概率，所述第一误检危害程度是指将所述第一类别作为真实类别为所述第二类别的目标物的类别来控制车辆所导致的安全危害的严重程度。其中，所述对所述第一识别结果进行调整，包括：根据所述概率调整参数对所述第一识别结果进行调整。在一些可能的实现方式中，所述概率调整参数、所述第一误检率和所述第一误识别危害程度之间满足如下关系式：ω＝(1-fp)*(s*0.1+1)，其中，ω表示所述概率调整参数，fp表示所述第一误检率，s表示所述第一误检危害程度。在一些可能的实现方式中，所述第三概率、所述概率调整参数和所述第二概率之间满足如下关系式：P3＝P2*ω，其中，P3表示所述第三概率，P2表示所述第二概率，ω表示所述概率调整参数。在一些可能的实现方式中，所述基于所述第二识别结果对车辆进行控制，包括：在所述第二识别结果中的所述第三概率大于所述目标物属于其他类别的概率时，将所述第二类别作为所述目标物的目标类别，并基于所述目标类别对所述车辆进行控制。第二方面，本申请提供了一种识别物体的装置，所述装置包括用于执行所述第一方面或第一方面任一种可能实现方式中的所述车辆控制方法的各个模块。第三方面，本申请提供了一种控制器，该控制器包括：存储器，用于存储计算机程序代码；处理器，用于执行所述存储器存储的程序，当所述存储器存储的程序被执行时，所述处理器用于执行第一方面或第一方面任意一种可能的实现方式中的方法的操作步骤。第四方面，本申请提供了一种智能车，该智能车包括控制器，该控制器用于执行上述第三方面或第三方面中任意一种可能的实现方式中的控制器所实现的功能。第五方面，本申请提供一种计算机可读介质，该计算机可读介质存储用于设备执行的指令，该指令用于实现上述各个方面或各个方面中任意一种可能的实现方式中所述的方法或功能。第六方面，本申请提供一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述各个方面或各个方面中任意一种可能的实现方式中所述的方法或功能。第七方面，本申请提供一种芯片，所述芯片包括处理器与数据接口，所述处理器通过所述数据接口读取存储器上存储的指令，执行上述各个方面或各个方面中任意一种可能的实现方式中所述的方法或功能。可选地，作为一种实现方式，所述芯片还可以包括存储器，所述存储器中存储有指令，所述处理器用于执行所述存储器上存储的指令，当所述指令被执行时，所述处理器用于执行上述各个方面或各个方面中任意一种可能的实现方式中所述的方法或功能。第八方面，本申请提供了一种计算设备，计算设备包括处理器和存储器，其中：存储器中存储有计算机指令，处理器执行计算机指令，以实现上述各个方面或各个方面中任意一种可能的实现方式中所述的方法或功能。本申请在上述各方面提供的实现方式的基础上，还可以进行进一步组合以提供更多实现方式。附图说明图1为本申请提供的一种智能车的结构示意图；图2为本申请提供的一种车辆控制方法的流程示意图。图3为本申请提供的一种车辆控制装置的示意性结构图。图4为本申请提供的一种控制器的示意性结构图。具体实施方式<本文档来自技高网...

【技术保护点】
1.一种车辆控制方法，其特征在于，所述方法包括：/n获取目标物的第一识别结果，所述第一识别结果包括：所述目标物属于第一类别的第一概率和所述目标物属于第二类别的第二概率，且所述第一概率大于所述第二概率；/n对所述第一识别结果进行调整，以得到所述目标物的第二识别结果，所述第二识别结果包括：所述目标物属于所述第二类别的第三概率；/n基于所述第二识别结果对车辆进行控制。/n

【技术特征摘要】
1.一种车辆控制方法，其特征在于，所述方法包括：
获取目标物的第一识别结果，所述第一识别结果包括：所述目标物属于第一类别的第一概率和所述目标物属于第二类别的第二概率，且所述第一概率大于所述第二概率；
对所述第一识别结果进行调整，以得到所述目标物的第二识别结果，所述第二识别结果包括：所述目标物属于所述第二类别的第三概率；
基于所述第二识别结果对车辆进行控制。


2.如权利要求1所述的方法，其特征在于，所述对所述第一识别结果进行调整，包括：根据预先配置的概率调整参数对所述第一识别结果进行调整。


3.如权利要求2所述的方法，其特征在于，所述第一概率和所述第二概率均为神经网络对所述目标物进行分类得到的概率；
其中，所述概率调整参数是根据第一误检率和第一误检危害程度确定的，所述第一误检率为所述神经网络将所述第二类别的目标物划分为所述第一类别的概率，所述第一误检危害程度是指将所述第一类别作为真实类别为所述第二类别的目标物的类别来控制车辆所导致的安全危害的严重程度。


4.如权利要求1所述的方法，其特征在于，所述第一概率和所述第二概率均为神经网络对所述目标物进行分类得到的概率，所述方法还包括：
根据第一误检率和第一误识别危害程度确定概率调整参数，所述第一误检率为所述神经网络将所述第二类别的目标物划分为所述第一类别的概率，所述第一误检危害程度是指将所述第一类别作为真实类别为所述第二类别的目标物的类别来控制车辆所导致的安全危害的严重程度；
其中，所述对所述第一识别结果进行调整，包括：根据所述概率调整参数对所述第一识别结果进行调整。


5.如权利要求3或4所述的方法，其特征在于，所述概率调整参数、所述第一误检率和所述第一误识别危害程度之间满足如下关系式：
ω＝(1-fp)*(s*0.1+1)
其中，ω表示所述概率调整参数，fp表示所述第一误检率，s表示所述第一误检危害程度。


6.如权利要求2至5中任一项所述的方法，其特征在于，所述第三概率、所述概率调整参数和所述第二概率之间满足如下关系式：
P3＝P2*ω
其中，P3表示所述第三概率，P2表示所述第二概率，ω表示所述概率调整参数。


7.如权利要求1至6中任一项所述的方法，其特征在于，所述基于所述第二识别结果对车辆进行控制，包括：
在所述第二识别结果中的所述第三概率大于所述目标物属于其他类别的概率时，将所述第二类别作为所述目标物的目标类别，并基于所述目标类别对所述车辆进行控制。


8.一种车辆控制装置，其特征在于，所述装置包括：
获取模块，用于获取目标物的第一识别结果，所述第一识别结果包括：所述目标物属于第一类别的第一概率和所述目标物属于第二类别的第二概率...

【专利技术属性】
技术研发人员：李怀洲，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44