用于确定自动驾驶车辆的车道变更路径的设备及其方法技术

本公开提供一种用于确定自动驾驶车辆的车道变更路径的设备。该设备包括：学习装置，被配置为学习对应于自动驾驶车辆的车道变更策略的车道变更路径；以及控制器，被配置为与学习装置相互协作，以从自动驾驶车辆的可行驶区域中的多个车道变更路径之中提取对应于车道变更策略的至少两个车道变更路径，并且基于所提取的车道变更路径的属性确定最终车道变更路径。路径。路径。

【技术实现步骤摘要】
用于确定自动驾驶车辆的车道变更路径的设备及其方法
[0001]相关申请的交叉引用
[0002]本申请要求于2019年10月15日向韩国知识产权局提交的申请号为10-2019-0128056的韩国专利申请的优先权，其通过引用并入本文。


[0003]本公开涉及一种基于深度学习确定自动驾驶车辆的车道变更路径的技术。

技术介绍

[0004]通常，作为一种机器学习，深度学习(或深度神经网络)可以由输入与输出之间的若干层人工神经网络(ANN)组成。这种人工神经网络可以包括对应于结构、待解决的问题和目的的卷积神经网络(CNN)或循环神经网络(RNN)。
[0005]深度学习用于解决诸如分类(classification)、回归(regression)、定位(localization)、检测(detection)、分割(segmentation)等各种问题。特别地，在自动驾驶系统中，能够区分动态和静态障碍物的位置和类型的语义分割(Semantic Segmentation)和物体检测(Object Detection)非常重要。
...

【技术保护点】

【技术特征摘要】
1.一种用于确定自动驾驶车辆的车道变更路径的设备，所述设备包括：学习装置，学习对应于所述自动驾驶车辆的车道变更策略的车道变更路径；以及控制器，与所述学习装置相互协作，以从所述自动驾驶车辆的可行驶区域中的多个车道变更路径之中提取对应于所述车道变更策略的至少两个车道变更路径，并且基于所提取的车道变更路径的属性确定最终车道变更路径。2.根据权利要求1所述的设备，其中，所述控制器基于根据动态物体的行驶路径的所述自动驾驶车辆的第一可行驶区域和根据静态物体的分布的所述自动驾驶车辆的第二可行驶区域，生成所述多个车道变更路径。3.根据权利要求1所述的设备，其中，当障碍物位于所述自动驾驶车辆的所述可行驶区域内的车道边界上时，所述控制器生成向所述障碍物的左侧驶入的第一多个车道变更路径和向所述障碍物的右侧驶入的第二多个车道变更路径。4.根据权利要求3所述的设备，其中，所述控制器从向所述障碍物的右侧驶入的所述第二多个车道变更路径中提取对应于所述车道变更策略的车道变更路径。5.根据权利要求1所述的设备，其中，所述控制器将正常车道变更、在车道变更期间从当前车道返回和在车道变更期间从目标车道返回中的一种确定为所述车道变更策略。6.根据权利要求5所述的设备，其中，在所述自动驾驶车辆变更车道期间，所述控制器周期性地确定适合于当前状况的新的车道变更策略。7.根据权利要求1所述的设备，其中，所述控制器基于所提取的每个车道变更路径的碰撞风险、路径曲度和路径长度来确定所述最终车道变更路径。8.根据权利要求7所述的设备，其中，所述控制器将所提取的每个车道变更路径的所述碰撞风险、所述路径曲度和所述路径长度之和最小的车道变更路径确定为所述最终车道变更路径。9.根据权利要求7所述的设备，其中，所述控制器将所提取的每个车道变更路径的所述碰撞风险、所述路径曲度和所述路径长度的平均值最小的车道变更路径确定为所述最终车道变更路径。10.确定自动驾驶车辆的车道变更路径的方法，所述方法包括：通过学习装置，学习对应于所述自动驾驶车辆的车道变更策略的车道变更路径；通过控制器与所述学习装置相互协作，从所述自动驾驶车辆的可行驶区域中的多个车道变更路径之中提取对应于所述车道变更策略的至少两个车道变更路径；以及通过所述控制器，基于所提取的车道变更路径的属性确定最终车道变更路径。11.根据权利要求10所述的方法，其中，提取所述车道变更路径包括：基于根据动态物体的行驶路径的所述自动驾驶车辆的第一可行驶区域和根据静态物
体的分布的所述自动驾驶车辆的第二可行驶区域，生成所述多个车道变更路径。12.根据权利要求10所述的方法，其中，提取所述车道变更路径包括：当障碍物位于所述自...

【专利技术属性】
技术研发人员：吴太东，
申请(专利权)人：起亚自动车株式会社，
类型：发明
国别省市：