自动驾驶装置、系统、自动驾驶决策处理方法及装置制造方法及图纸

本申请实施例提供一种自动驾驶装置、系统、自动驾驶决策处理方法及装置，通过按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，从而能够充分考虑到驾驶对象在自动驾驶过程中针对不同状态类别的差异，并且通过有效区分不同驾驶员的特征状态差异，从而考虑到驾驶员在自动驾驶过程中的区域特征点的浮动变化，并以此进一步结合驾驶员的历史驾驶情况来进行自动驾驶决策，能够提高自动驾驶策略的决策过程的数据准确性。

【技术实现步骤摘要】
自动驾驶装置、系统、自动驾驶决策处理方法及装置
本申请涉及自动驾驶
，具体而言，涉及一种自动驾驶装置、系统、自动驾驶决策处理方法及装置。
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，在传统自动驾驶技术中，通常会结合驾驶员的整体特征状态以输出一个统一的特征类别来适应性地调整自动驾驶策略，但是此种方案并未考虑到驾驶员在自动驾驶过程中针对不同状态类别的差异，并且为了提高驾驶安全性，在自动驾驶过程中通常也会要求驾驶员处于驾驶状态，然而由于不同的驾驶员的驾驶习惯不同，而且驾驶员的特征状态本身是波动变化的，不同驾驶员的特征状态差异也较大，从而造成自动驾驶策略的决策过程不够充分。
技术实现思路
为了克服现有技术中的上述不足，本申请的目的在于提供一种自动驾驶装置、系统、自动驾驶决策处理方法及装置，能够提高自动驾驶策略的决策过程的数据准确性。第一方面，本申请提供一种自动驾驶决策处理方法，应用于自动驾驶装置，所述自动驾驶装置与汽车内的多个状态监测装置通信连接，所述方法包括：获取驾驶对象在每个状态监测装置的监测区域下的状态信息，并按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，所述预定类别包括离合器操作类别、方向盘操作类别、电气设备控制类别；根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点，针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果，所述预设区域特征点为与所述驾驶对象的身份认证信息预先匹配的区域特征点，所述身份认证信息包括生物特征信息，所述生物特征信息是指纹特征信息、人脸特征信息、虹膜特征信息或者声音特征信息；根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点，针对所述各个监测区域内的频繁区域特征点，分别获取所述频繁区域特征点的浮动轨迹，并确定出所述浮动轨迹在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述频繁区域特征点的第二状态浮动变化结果，所述频繁区域特征点为所述驾驶对象的历史驾驶信息中的变化频繁度大于设定频繁度阈值的区域特征点，所述变化频繁度用于表示所述区域特征点在单位时间内的变化程度；根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令。在第一方面的一种可能的设计中，所述按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息的步骤，包括：获取每个预定的状态类别所对应的状态类别特征点，形成每个预定的状态类别的特征点集合，并获取各个监测区域的目标特征点数与所述特征点集合的特征点数的重合特征点信息；根据所述目标特征点数与所述特征点集合的特征点数的重合特征点信息，计算每种目标状态类别的关键特征点的数量，并根据每种目标状态类别的关键特征点的数量，从所述特征点集合中选取状态类别特征点，得到初始特征点矩阵；若所述初始特征点矩阵的总特征点分布数量大于满足所述总特征点分布数量要求的最大总特征点分布数量，则将所述初始特征点矩阵中的粗范围关键特征点减少第一设定数量，并且将所述初始特征点矩阵中的细范围关键特征点增加所述第一设定数量，其中，所述细范围关键特征点是指关键特征点在所在的检测区域的单位密集程度小于设定程度的关键特征点，所述粗范围关键特征点是指关键特征点在所在的检测区域的单位密集程度不小于设定程度的关键特征点；计算本次更新后的初始特征点矩阵的总特征点分布数量；若本次更新后的初始特征点矩阵的总特征点分布数量大于所述最大总特征点分布数量，则再一次对本次更新后的初始特征点矩阵执行以上处理；若本次更新后的初始特征点矩阵的总特征点分布数量小于或者等于所述最大总特征点分布数量，则将本次更新前的初始特征点矩阵作为第一更新矩阵，按照状态类别由低优先级到高优先级的顺序将各所述目标状态类别进行排序，得到目标状态类别序列；根据所述目标状态类别序列，将各所述目标状态类别进行分组，每个所述分组中包括在所述目标状态类别序列的目标位置两侧的、且与所述目标位置的差距一致的第一状态类别和第二状态类别，所述第一状态类别的优先级小于所述第二状态类别；按照与所述目标位置的差距由低优先级到高优先级的顺序，依次将每个所述分组作为目标分组，对所述目标分组进行以下第二更新处理：将所述第一更新矩阵中所述目标分组的第一状态类别的关键特征点增加一个，并且将所述第一更新矩阵中所述目标分组的第二状态类别的关键特征点减少一个；判断本次更新后的第一更新矩阵的总特征点分布数量是否满足所述总特征点分布数量要求；若本次更新后的第一更新矩阵的总特征点分布数量满足所述总特征点分布数量要求，则将本次更新后的第一更新矩阵作为最终特征点矩阵；若本次更新后的第一更新矩阵的总特征点分布数量不满足所述总特征点分布数量要求，则将下一个分组作为新的目标分组，对所述新的目标分组进行所述第二更新处理；若所述初始特征点矩阵的总特征点分布数量小于满足所述总特征点分布数量要求的最小总特征点分布数量，则对所述初始特征点矩阵进行以下第三更新处理：将所述初始特征点矩阵中的粗范围关键特征点增加第一设定数量，并且将所述初始特征点矩阵中的细范围关键特征点减少所述第一设定数量；计算本次更新后的初始特征点矩阵的总特征点分布数量；若本次更新后的初始特征点矩阵的总特征点分布数量小于所述最小总特征点分布数量，则再一次对本次更新后的初始特征点矩阵执行所述第三更新处理；若本次更新后的初始特征点矩阵的总特征点分布数量大于或者等于所述最小总特征点分布数量，则将本次更新前的初始特征点矩阵作为第二更新矩阵，按照状态类别由低优先级到高优先级的顺序将各所述目标状态类别进行排序，得到目标状态类别序列；根据所述目标状态类别序列，将各所述目标状态类别进行分组，每个所述分组中包括在所述目标状态类别序列的目标位置两侧的、且与所述目标位置的差距一致的第一状态类别和第二状态类别，所述第一状态类别的优先级小于所述第二状态类别；按照与所述目标位置的差距由低优先级到高优先级的顺序，依次将每个所述分组作为目标分组，对所述目标分组进行以下第四更新处理：将所述第二更新矩阵中所述目标分组的第一状态类别的关键特征点减少一个，并且将所述第二更新矩阵中所述目标分组的第二状态类别的关键特征点增加一个；判断本次更新后的第二更新矩阵的总特征点分布数量是否满足所述总特征点分布数量要求；若本次更新后的第二更新矩阵的总特征点分布数量满足所述总特征点分布数量要求，则将本次更新后的第二更新矩阵作为所述最终特征点矩阵；若本次更新后的第二更新矩阵的总特征点分布数量不满足所述总特征点分布数量要求，则将下一个分组作为新的目标分组，对所述新的目标分组进行所述第四更新处理；将各个目标状态类别的最终特征点矩阵本文档来自技高网...

【技术保护点】
1.一种自动驾驶决策处理装置，其特征在于，应用于自动驾驶装置，所述自动驾驶装置与汽车内的多个状态监测装置通信连接，所述装置包括：/n获取模块，用于获取驾驶对象在每个状态监测装置的监测区域下的状态信息，并按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，所述预定类别包括离合器操作类别、方向盘操作类别、电气设备控制类别；/n第一确定模块，用于根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点，针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果，所述预设区域特征点为与所述驾驶对象的身份认证信息预先匹配的区域特征点，所述身份认证信息包括生物特征信息，所述生物特征信息是指纹特征信息、人脸特征信息、虹膜特征信息或者声音特征信息；/n第二确定模块，用于根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点，针对所述各个监测区域内的频繁区域特征点，分别获取所述频繁区域特征点的浮动轨迹，并确定出所述浮动轨迹在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述频繁区域特征点的第二状态浮动变化结果，所述频繁区域特征点为所述驾驶对象的历史驾驶信息中的变化频繁度大于设定频繁度阈值的区域特征点，所述变化频繁度用于表示所述区域特征点在单位时间内的变化程度；/n生成模块，用于根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令。/n...

【技术特征摘要】
1.一种自动驾驶决策处理装置，其特征在于，应用于自动驾驶装置，所述自动驾驶装置与汽车内的多个状态监测装置通信连接，所述装置包括：
获取模块，用于获取驾驶对象在每个状态监测装置的监测区域下的状态信息，并按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，所述预定类别包括离合器操作类别、方向盘操作类别、电气设备控制类别；
第一确定模块，用于根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点，针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果，所述预设区域特征点为与所述驾驶对象的身份认证信息预先匹配的区域特征点，所述身份认证信息包括生物特征信息，所述生物特征信息是指纹特征信息、人脸特征信息、虹膜特征信息或者声音特征信息；
第二确定模块，用于根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点，针对所述各个监测区域内的频繁区域特征点，分别获取所述频繁区域特征点的浮动轨迹，并确定出所述浮动轨迹在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述频繁区域特征点的第二状态浮动变化结果，所述频繁区域特征点为所述驾驶对象的历史驾驶信息中的变化频繁度大于设定频繁度阈值的区域特征点，所述变化频繁度用于表示所述区域特征点在单位时间内的变化程度；
生成模块，用于根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令。


2.一种自动驾驶系统，其特征在于，所述自动驾驶系统包括自动驾驶装置以及与所述自动驾驶装置通信连接的汽车内的多个状态监测装置：
所述状态监测装置，用于监测驾驶对象在所监测区域下的状态信息；
所述自动驾驶装置，用于获取驾驶对象在每个状态监测装置的监测区域下的状态信息，并按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，所述预定类别包括离合器操作类别、方向盘操作类别、电气设备控制类别；
所述自动驾驶装置，用于根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点，针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果，所述预设区域特征点为与所述驾驶对象的身份认证信息预先匹配的区域特征点，所述身份认证信息包括生物特征信息，所述生物特征信息是指纹特征信息、人脸特征信息、虹膜特征信息或者声音特征信息；
所述自动驾驶装置，用于根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点，针对所述各个监测区域内的频繁区域特征点，分别获取所述频繁区域特征点的浮动轨迹，并确定出所述浮动轨迹在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述频繁区域特征点的第二状态浮动变化结果，所述频繁区域特征点为所述驾驶对象的历史驾驶信息中的变化频繁度大于设定频繁度阈值的区域特征点，所述变化频繁度用于表示所述区域特征点在单位时间内的变化程度；
所述自动驾驶装置，用于根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令。


3.一种自动驾驶决策处理方法，其特征在于，应用于自动驾驶装置，所述自动驾驶装置与汽车内的多个状态监测装置通信连接，所述方法包括：
获取驾驶对象在每个状态监测装置的监测区域下的状态信息，并按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，所述预定类别包括离合器操作类别、方向盘操作类别、电气设备控制类别；
根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点，针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果，所述预设区域特征点为与所述驾驶对象的身份认证信息预先匹配的区域特征点，所述身份认证信息包括生物特征信息，所述生物特征信息是指纹特征信息、人脸特征信息、虹膜特征信息或者声音特征信息；
根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点，针对所述各个监测区域内的频繁区域特征点，分别获取所述频繁区域特征点的浮动轨迹，并确定出所述浮动轨迹在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述频繁区域特征点的第二状态浮动变化结果，所述频繁区域特征点为所述驾驶对象的历史驾驶信息中的变化频繁度大于设定频繁度阈值的区域特征点，所述变化频繁度用于表示所述区域特征点在单位时间内的变化程度；
根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令。


4.根据权利要求3所述的自动驾驶决策处理方法，其特征在于，所述按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息的步骤，包括：
获取每个预定的状态类别所对应的状态类别特征点，形成每个预定的状态类别的特征点集合，并获取各个监测区域的目标特征点数与所述特征点集合的特征点数的重合特征点信息；
根据所述目标特征点数与所述特征点集合的特征点数的重合特征点信息，计算每种目标状态类别的关键特征点的数量，并根据每种目标状态类别的关键特征点的数量，从所述特征点集合中选取状态类别特征点，得到初始特征点矩阵；
若所述初始特征点矩阵的总特征点分布数量大于满足所述总特征点分布数量要求的最大总特征点分布数量，则将所述初始特征点矩阵中的粗范围关键特征点减少第一设定数量，并且将所述初始特征点矩阵中的细范围关键特征点增加所述第一设定数量，其中，所述细范围关键特征点是指关键特征点在所在的检测区域的单位密集程度小于设定程度的关键特征点，所述粗范围关键特征点是指关键特征点在所在的检测区域的单位密集程度不小于设定程度的关键特征点；
计算本次更新后的初始特征点矩阵的总特征点分布数量；
若本次更新后的初始特征点矩阵的总特征点分布数量大于所述最大总特征点分布数量，则再一次对本次更新后的初始特征点矩阵执行以上处理；
若本次更新后的初始特征点矩阵的总特征点分布数量小于或者等于所述最大总特征点分布数量，则将本次更新前的初始特征点矩阵作为第一更新矩阵，按照状态类别由低优先级到高优先级的顺序将各所述目标状态类别进行排序，得到目标状态类别序列；
根据所述目标状态类别序列，将各所述目标状态类别进行分组，每个所述分组中包括在所述目标状态类别序列的目标位置两侧的、且与所述目标位置的差距一致的第一状态类别和第二状态类别，所述第一状态类别的优先级小于所述第二状态类别；
按照与所述目标位置的差距由低优先级到高优先级的顺序，依次将每个所述分组作为目标分组，对所述目标分组进行以下第二更新处理：将所述第一更新矩阵中所述目标分组的第一状态类别的关键特征点增加一个，并且将所述第一更新矩阵中所述目标分组的第二状态类别的关键特征点减少一个；
判断本次更新后的第一更新矩阵的总特征点分布数量是否满足所述总特征点分布数量要求；
若本次更新后的第一更新矩阵的总特征点分布数量满足所述总特征点分布数量要求，则将本次更新后的第一更新矩阵作为最终特征点矩阵；
若本次更新后的第一更新矩阵的总特征点分布数量不满足所述总特征点分布数量要求，则将下一个分组作为新的目标分组，对所述新的目标分组进行所述第二更新处理；
若所述初始特征点矩阵的总特征点分布数量小于满足所述总特征点分布数量要求的最小总特征点分布数量，则对所述初始特征点矩阵进行以下第三更新处理：将所述初始特征点矩阵中的粗范围关键特征点增加第一设定数量，并且将所述初始特征点矩阵中的细范围关键特征点减少所述第一设定数量；
计算本次更新后的初始特征点矩阵的总特征点分布数量；
若本次更新后的初始特征点矩阵的总特征点分布数量小于所述最小总特征点分布数量，则再一次对本次更新后的初始特征点矩阵执行所述第三更新处理；
若本次更新后的初始特征点矩阵的总特征点分布数量大于或者等于所述最小总特征点分布数量，则将本次更新前的初始特征点矩阵作为第二更新矩阵，按照状态类别由低优先级到高优先级的顺序将各所述目标状态类别进行排序，得到目标状态类别序列；
根据所述目标状态类别序列，将各所述目标状态类别进行分组，每个所述分组中包括在所述目标状态类别序列的目标位置两侧的、且与所述目标位置的差距一致的第一状态类别和第二状态类别，所述第一状态类别的优先级小于所述第二状态类别；
按照与所述目标位置的差距由低优先级到高优先级的顺序，依次将每个所述分组作为目标分组，对所述目标分组进行以下第四更新处理：将所述第二更新矩阵中所述目标分组的第一状态类别的关键特征点减少一个，并且将所述第二更新矩阵中所述目标分组的第二状态类别的关键特征点增加一个；
判断本次更新后的第二更新矩阵的总特征点分布数量是否满足所述总特征点分布数量要求；
若本次更新后的第二更新矩阵的总特征点分布数量满足所述总特征点分布数量要求，则...

【专利技术属性】
技术研发人员：李华兰，
申请(专利权)人：李华兰，
类型：发明
国别省市：福建;35