【技术实现步骤摘要】
自动驾驶方法、装置、设备、系统、车辆和计算机可读存储介质
本申请涉及自动驾驶,更具体地,涉及自动驾驶方法、装置、设备、系统、车辆和计算机可读存储介质。
技术介绍
自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术,有着广泛的应用前景。2013年,美国交通部下辖的美国国家公路交通安全管理局(NHTSA),率先发布了自动驾驶汽车的分级标准,其对自动化的描述共有4个级别,其包括特定功能自动化、部分自动化、有条件自动化、完全自动化四个阶段,其大概意思就是车辆自动化程度和操控车辆接管时人类参与的程度,人参与度越低自动驾驶程度越高。2014年,美国国际自动机工程师学会(SAE)也制订了一套自动驾驶汽车分级标准,其对自动化的描述分为5个等级,其增加了完全自动驾驶这一项最高水平的自动驾驶。这为我们判定目前市场上这些在售车型的自动驾驶级别提供了一个可靠的标准。下表描述了NHTSA和SAE给出的自动驾驶级别。
技术实现思路
本专利技术的实施例提供了一种基于神经网络的自动驾驶方法、装置、设备、系统、车辆和计算机可读存储介质。根据本专利技术的第一方面,提供一种基于神经网络的自动驾驶方法,其中,神经网络包括经训练的第一特征提取部分、第二特征提取部分和决策部分,其中,第一特征提取部分和决策部分是前馈神经网络,第二特征提取部分是卷积神经网络,该方法包括:将与车辆的自动驾驶相关联的第一类数据输入神经网络的第一特征提取部分以提取出第一类特征,其中,第一类数据是一维数据 ...
【技术保护点】
1.一种基于神经网络的自动驾驶方法,其特征在于:/n所述神经网络包括经训练的第一特征提取部分、第二特征提取部分和决策部分,其中,所述第一特征提取部分和所述决策部分是前馈神经网络,所述第二特征提取部分是卷积神经网络,所述方法包括:/n将与车辆的自动驾驶相关联的第一类数据输入所述神经网络的第一特征提取部分以提取出第一类特征,其中,所述第一类数据是一维数据;/n将与所述车辆的自动驾驶相关联的第二类数据输入所述神经网络的第二特征提取部分以提取出第二类特征,其中,所述第二类数据是多维数据;以及/n将所述第一类特征和所述第二类特征输入所述神经网络的决策部分,以确定所述自动驾驶的车辆当前的驾驶策略。/n
【技术特征摘要】
1.一种基于神经网络的自动驾驶方法,其特征在于:
所述神经网络包括经训练的第一特征提取部分、第二特征提取部分和决策部分,其中,所述第一特征提取部分和所述决策部分是前馈神经网络,所述第二特征提取部分是卷积神经网络,所述方法包括:
将与车辆的自动驾驶相关联的第一类数据输入所述神经网络的第一特征提取部分以提取出第一类特征,其中,所述第一类数据是一维数据;
将与所述车辆的自动驾驶相关联的第二类数据输入所述神经网络的第二特征提取部分以提取出第二类特征,其中,所述第二类数据是多维数据;以及
将所述第一类特征和所述第二类特征输入所述神经网络的决策部分,以确定所述自动驾驶的车辆当前的驾驶策略。
2.如权利要求1所述的方法,其特征在于:
所述第一类数据包括:所述自动驾驶的车辆当前的任务数据、所述自动驾驶的车辆自身的状态数据以及当前的交通规则有关的数据,
所述第二类数据包括:所述自动驾驶的车辆当前的目标障碍物的数据和所述自动驾驶的车辆当前行驶环境中的道路有关的数据,以及
所述自动驾驶的车辆当前的驾驶策略包括:针对所述目标障碍物的决策结果。
3.如权利要求2所述的方法,其特征在于:所述任务数据包括与特定道路场景关联的任务数据。
4.如权利要求1或2所述的方法,其特征在于:所述第二类数据包括经采样的所述自动驾驶的车辆当前的目标障碍物的轨迹的坐标数据以及经采样的所述自动驾驶的车辆当前行驶环境中的道路边界的坐标数据。
5.如权利要求4所述的方法,其特征在于:所述经采样的所述自动驾驶的车辆当前的目标障碍物的轨迹的坐标数据以及所述经采样的所述自动驾驶的车辆当前行驶环境中的道路边界的坐标数据采用相同的格式。
6.如权利要求1或2所述的方法,其特征在于:所述神经网络的第一特征提取部分的输出节点和所述神经网络的决策部分中与之对应的输入节点以全连接的方式相连,所述神经网络的第二特征提取部分的输出节点和所述神经网络的决策部分中与之对应的输入节点以一一对应的方式相连。
7.如权利要求2所述的方法,其特征在于:
所述自身的状态数据包括:所述自动驾驶的车辆的位置坐标、速度、朝向以及几何信息;
所述当前的交通规则有关的数据包括:指示所述自动驾驶的车辆当前面对的交通信号灯状态的数据,和/...
【专利技术属性】
技术研发人员:由长喜,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。