【技术实现步骤摘要】
基于多主体互学习的自动驾驶模型训练方法及系统
本专利技术涉及自动驾驶
，具体涉及一种基于多主体互学习的自动驾驶模型训练方法及系统。
技术介绍
当前，自动驾驶系统与传统信息系统的本质区别是信息物理系统与信息系统之间的区别，作为在实际道路交通环境中运行的智能机器人系统，自动驾驶系统缺少传统信息系统所具有的明确边界、传统机器人系统运行的场景边界。在自动驾驶架构中，作为车辆路径规划的依据，车辆的感知和定位是至关重要的两个环节，而在高级别自动驾驶中广泛采用的基于高精地图的高精度定位方案很大程度上依赖于对地图定位元素的视觉感知能力，因此提高视觉感知水平是提升自动驾驶能力关键。基于深度学习的计算机视觉技术是主流视觉感知技术，其感知能力的高低主要取决于所采用的网络模型和训练的质量，深度学习模型训练质量依赖于所采用的数据集和标注的质量。当前所采用的模型训练如图1所示，分为交付前和交付后两个阶段。原始感知数据量巨大，量产车不具备专业采集车的车载高性能计算、大容量存储和车云高速通信能力，不可能回传所有数据。何时触发数据回传，回传哪些...
【技术保护点】
1.一种基于多主体互学习的自动驾驶模型训练方法，其特征在于，包括：/n获取目标车辆及其周边车辆的感知数据及时间、空间基准数据；/n根据目标车辆及其周边车辆的感知数据，获取目标车辆及其周边车辆的感知结果；/n通过目标车辆及其周边车辆的感知结果、时间、空间基准数据，判断目标车辆与其周边车辆是否存在矛盾，所述矛盾包括：感知结果的不足及潜在的感知结果的不足；/n当存在矛盾时，根据矛盾数据进行模型再训练，当训练结果满足预设条件时，更新目标车辆的自动驾驶模型。/n
【技术特征摘要】
1.一种基于多主体互学习的自动驾驶模型训练方法，其特征在于，包括：
获取目标车辆及其周边车辆的感知数据及时间、空间基准数据；
根据目标车辆及其周边车辆的感知数据，获取目标车辆及其周边车辆的感知结果；
通过目标车辆及其周边车辆的感知结果、时间、空间基准数据，判断目标车辆与其周边车辆是否存在矛盾，所述矛盾包括：感知结果的不足及潜在的感知结果的不足；
当存在矛盾时，根据矛盾数据进行模型再训练，当训练结果满足预设条件时，更新目标车辆的自动驾驶模型。
2.根据权利要求1所述的基于多主体互学习的自动驾驶模型训练方法，其特征在于，所述获取目标车辆及其周边车辆的感知数据，包括：分别获取目标车辆及其周边车辆自身的感知数据、独立于目标车辆及其周边车辆自身的感知设备获取的数据。
3.根据权利要求1所述的基于多主体互学习的自动驾驶模型训练方法，其特征在于，获取目标车辆及其周边车辆的感知数据及时间、空间基准数据的过程，包括：
目标车辆及其周边车辆通过传感器及独立于目标车辆及其周边车辆自身的感知设备获取各自的感知数据；
将统一的时间基准数据下发至目标车辆及其周边车辆；
将统一的空间基准数据下发至目标车辆及其周边车辆。
4.根据权利要求3所述的基于多主体互学习的自动驾驶模型训练方法，其特征在于，空间基准数据的获取包括：载波相位差分技术和局部地图定位技术；时间基准数据的获取包括：网络时间服务技术和卫星授时技术。
5.根据权利要求3所述的基于多主体互学习的自动驾驶模型训练方法，其特征在于，感知数据包括：视觉感知数据、超声波感知数据、毫米波感知数据及红外感知数据；感知结果数据包括：感知对象的空间位置、姿态、时间戳，对象属性。
6.根据权利要求1所述的基于多主体互学习的自动驾驶模型训练方法，其特征在于，感知结果采用将目标车辆及其周边车辆的感知数据，转换成统一的语义和语法、统一的时空基准、统一的标识符，并采用统一的交互协议。
7.根据权利要求6所述的基于多主体互学习的自动驾驶模型训练方法，其特征在于，统一的语义和语法中，语义包括：高级语义、中级语义、初级语义；其中，初级语义包括：识别的对象和感知元数据；中级语义包括：事件发生时间、地点和对象分类；高级语义包括：静态对象的描述，...
【专利技术属性】
技术研发人员：潘晏涛，韩晓健，冉雪峰，包哈达，
申请(专利权)人：国汽智控北京科技有限公司，
类型：发明
国别省市：北京;11
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。