一种车辆自动驾驶方法、车载控制器及系统技术方案

本发明专利技术提供一种车辆自动驾驶方法、车载控制器及系统，方法包括：将各历史驾驶场景数据发送至云服务器，使云服务器基于历史驾驶场景数据训练驾驶模型；接收驾驶模型对应的模型参数及高精度地图；基于当前驾驶场景的相机图像数据、点云数据及对应的模型参数进行迁移学习，输出识别出的当前目标的第一当前目标信息及第二当前目标信息；将第一当前目标信息、第二当前目标信息及高精度地图进行感知融合，输出感知数据；基于感知数据对当前车辆进行行驶控制；如此，当前车辆接收到驾驶模型对应的模型参数后，也会不断地根据实时的驾驶场景数据进行迁移学习，并与高精度地图进行融合，提高感知数据的感知精度，进而可高精度地对车辆进行行为控制。行行为控制。行行为控制。

【技术实现步骤摘要】
一种车辆自动驾驶方法、车载控制器及系统


[0001]本专利技术属于车辆自动驾驶
，尤其涉及一种车辆自动驾驶方法、车载控制器及系统。

技术介绍

[0002]在汽车发展趋势中，自动驾驶将是汽车发展的主要方向。
[0003]目前的自动驾驶模型一般是利用单一传感器采集的数据进行训练得出的，功能比较单一。但自动驾驶场景复杂多变，无法穷举，单一传感器性能受限，单一传感器无法满足高级别自动驾驶感知功能，面对复杂多变的自然驾驶环境，无法高精度地对车辆进行行为控制。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术实施例提供了一种车辆自动驾驶方法、车载控制器及系统，用于解决现有技术中的车辆自动驾驶模型在面对复杂多变的自然驾驶环境时，无法高精度地对车辆进行行为控制的技术问题。
[0005]本专利技术提供一种车辆自动驾驶方法，所述方法包括：
[0006]获取各类型的历史驾驶场景数据，将各所述历史驾驶场景数据发送至云服务器，使得所述云服务器基于所述历史驾驶场景数据及对应的标签数据训练驾驶模型；
[0007]接收由所述云服务器发送的所述驾驶模型对应的模型参数及高精度地图；
[0008]实时获取当前驾驶场景中当前目标的点云数据及相机图像数据，基于所述相机图像数据及对应的模型参数进行迁移学习，输出识别出的当前目标的第一当前目标信息；基于所述点云数据及对应的模型参数进行迁移学习，输出识别出的所述当前目标的第二当前目标信息；所述当前目标为所述当前驾驶场景中存在的所有交通参与者；
[0009]将所述第一当前目标信息、所述第二当前目标信息及所述高精度地图进行感知融合，输出所述当前驾驶场景的感知数据；
[0010]基于所述感知数据对所述当前车辆进行行驶控制。
[0011]可选的，所述基于所述相机图像数据及对应的模型参数进行迁移学习，输出识别出的所述当前目标的第一当前目标信息，包括：
[0012]获取相机图像数据对应的第一当前标签数据，基于所述相机图像数据及所述第一当前标签数据进行卷积神经网络运算，输出所述当前目标的2D包围盒及所述当前目标的第一目标分类；
[0013]基于所述当前目标的2D包围盒对所述当前目标进行目标姿态估计及目标大小估计，输出所述当前目标的目标姿态及目标大小；
[0014]对所述目标姿态及所述目标大小进行3D推理，输出所述当前3D包围盒；基于所述3D包围盒确定所述当前目标的第一位置信息。
[0015]可选的，所述基于所述相机图像数据及对应的模型参数进行迁移学习，输出识别
出的所述当前目标的第一当前目标信息，还包括：
[0016]对所述相机图像数据进行逆透视变换，获得变换后的相机图像数据；
[0017]获取所述当前车辆的姿态数据及相机外参数据，基于所述当前车辆的姿态数据、所述相机外参数据对变换后的相机图像数据进行空间坐标映射，获得相机图像数据对应的空间坐标；
[0018]基于所述空间坐标及相机内参数据确定所述当前目标与所述当前车辆之间的距离。
[0019]可选的，所述基于所述点云数据及所述模型参数进行迁移学习，输出识别出的所述当前目标的第二当前目标信息，包括：
[0020]对所述点云数据进行点云体素化，获得点云体素数据；
[0021]获取所述点云数据对应的第二当前标签数据；
[0022]对所述点云体素数据及所述第二当前标签数据进行特征提取，获得点云体素特征；
[0023]基于稀疏卷积神经网络对所述点云体素特征进行运算，输出所述当前目标的第二目标分类、第二目标位置信息及方向。
[0024]可选的，所述将所述第一当前目标信息、所述第二当前目标信息及所述高精度地图进行感知融合，输出所述当前驾驶场景的感知数据，包括：
[0025]确定所述第一当前目标信息的第一权重及所述第二当前目标信息的第二权重；
[0026]基于所述第一权重、所述第二权重确定所述当前目标的综合目标信息；
[0027]获取所述高精度地图中所述当前目标对应的参考目标信息，利用所述参考目标信息对所述综合目标信息进行反向定位，输出所述当前目标的最终目标信息，所述最终目标信息为所述当前驾驶场景的感知数据。
[0028]可选的，所述基于所述感知数据对所述当前车辆进行行驶控制，包括：
[0029]基于所述感知数据对所述当前目标进行态势预估，输出所述当前目标在当前时刻的下一时刻的运动轨迹；
[0030]基于所述当前目标在当前时刻的下一时刻的运动轨迹控制所述当前车辆的行驶状态。
[0031]本专利技术还提供一种车载控制器，所述车载控制器包括：
[0032]获取单元，用于获取各类型的历史驾驶场景数据，将各所述历史驾驶场景数据发送至云服务器，使得所述云服务器基于所述历史驾驶场景数据及对应的标签数据创建驾驶模型；
[0033]接收单元，用于接收由所述云服务器发送的驾驶模型对应的模型参数及高精度地图；
[0034]学习单元，用于实时获取当前驾驶场景中当前目标的点云数据及相机图像数据，基于所述相机图像数据及对应的模型参数进行迁移学习，输出识别出的当前目标的第一当前目标信息；基于所述点云数据及对应的模型参数进行迁移学习，输出识别出的所述当前目标的第二当前目标信息；所述当前目标为所述当前驾驶场景中存在的所有交通参与者；
[0035]融合单元，用于将所述第一当前目标信息、所述第二当前目标信息及所述高精度地图进行感知融合，输出所述当前驾驶场景的感知数据；
[0036]控制单元，用于基于所述感知数据对所述当前车辆进行行驶控制。
[0037]可选的，所述学习单元具体用于：
[0038]获取相机图像数据对应的第一当前标签数据，基于所述相机图像数据及所述第一当前标签数据进行卷积神经网络运算，输出所述当前目标的2D包围盒及所述当前目标的第一目标分类；
[0039]基于所述当前目标的2D包围盒对所述当前目标进行目标姿态估计及目标大小估计，输出所述当前目标的目标姿态及目标大小；
[0040]对所述目标姿态及所述目标大小进行3D推理，输出所述当前3D包围盒；基于所述3D包围盒确定所述当前目标的第一位置信息。
[0041]可选的，所述学习单元具体用于：
[0042]对所述相机图像数据进行逆透视变换，获得变换后的相机图像数据；
[0043]获取所述当前车辆的姿态数据及相机外参数据，基于所述当前车辆的姿态数据、所述相机外参数据对变换后的相机图像数据进行空间坐标映射，获得相机图像数据对应的空间坐标；
[0044]基于所述空间坐标及相机内参数据确定所述当前目标与所述当前车辆之间的距离。
[0045]本专利技术还提供一种车辆自动驾驶系统，所述系统包括：
[0046]传感器，用于采集各类型的历史驾驶场景数据、当前驾驶场景中当前目标的点云数据及相机图像数据；
[0047]车载控制器，用于接收由所述传感器发送的所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆自动驾驶方法，其特征在于，所述方法包括：获取各类型的历史驾驶场景数据，将各所述历史驾驶场景数据发送至云服务器，使得所述云服务器基于所述历史驾驶场景数据及对应的标签数据训练驾驶模型；接收由所述云服务器发送的所述驾驶模型对应的模型参数及高精度地图；实时获取当前驾驶场景中当前目标的点云数据及相机图像数据，基于所述相机图像数据及对应的模型参数进行迁移学习，输出识别出的当前目标的第一当前目标信息；基于所述点云数据及对应的模型参数进行迁移学习，输出识别出的所述当前目标的第二当前目标信息；所述当前目标为所述当前驾驶场景中存在的所有交通参与者；将所述第一当前目标信息、所述第二当前目标信息及所述高精度地图进行感知融合，输出所述当前驾驶场景的感知数据；基于所述感知数据对所述当前车辆进行行驶控制。2.如权利要求1所述的方法，其特征在于，所述基于所述相机图像数据及对应的模型参数进行迁移学习，输出识别出的所述当前目标的第一当前目标信息，包括：获取相机图像数据对应的第一当前标签数据，基于所述相机图像数据及所述第一当前标签数据进行卷积神经网络运算，输出所述当前目标的2D包围盒及所述当前目标的第一目标分类；基于所述当前目标的2D包围盒对所述当前目标进行目标姿态估计及目标大小估计，输出所述当前目标的目标姿态及目标大小；对所述目标姿态及所述目标大小进行3D推理，输出所述当前3D包围盒；基于所述3D包围盒确定所述当前目标的第一位置信息。3.如权利要求2所述的方法，其特征在于，所述基于所述相机图像数据及对应的模型参数进行迁移学习，输出识别出的所述当前目标的第一当前目标信息，还包括：对所述相机图像数据进行逆透视变换，获得变换后的相机图像数据；获取所述当前车辆的姿态数据及相机外参数据，基于所述当前车辆的姿态数据、所述相机外参数据对变换后的相机图像数据进行空间坐标映射，获得相机图像数据对应的空间坐标；基于所述空间坐标及相机内参数据确定所述当前目标与所述当前车辆之间的距离。4.如权利要求1所述的方法，其特征在于，所述基于所述点云数据及所述模型参数进行迁移学习，输出识别出的所述当前目标的第二当前目标信息，包括：对所述点云数据进行点云体素化，获得点云体素数据；获取所述点云数据对应的第二当前标签数据；对所述点云体素数据及所述第二当前标签数据进行特征提取，获得点云体素特征；基于稀疏卷积神经网络对所述点云体素特征进行运算，输出所述当前目标的第二目标分类、第二目标位置信息及方向。5.如权利要求1所述的方法，其特征在于，所述将所述第一当前目标信息、所述第二当前目标信息及所述高精度地图进行感知融合，输出所述当前驾驶场景的感知数据，包括：确定所述第一当前目标信息的第一权重及所述第二当前目标信息的第二权重；基于所述第一权重、所述第二权重确定所述当前目标的综合目标信息；获取所述高精度地图中所述当前目标对应的参考目标信息，利用所述参考目标信息对
所述综合目标信息进行反向定位，输出所述当前目标的最终目标信息，所述最终目标信息为所述当前驾驶场景的感知数据。6.如权利要求1所述的方法，其特征在于，所述基于所述感知数据对所述当前车辆进行行驶控制，包括：基于...

【专利技术属性】
技术研发人员：庹新娟，严义雄，赖锋，余昊，熊盼盼，
申请(专利权)人：东风汽车集团有限公司，
类型：发明
国别省市：