【技术实现步骤摘要】
一种自动驾驶模型的训练方法及相关设备
[0001]本专利技术涉及汽车
，尤其涉及一种自动驾驶模型的训练方法及相关设备。
技术介绍
[0002]自动驾驶技术依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让车辆可以在没有任何人类主动的操作下，实现自动驾驶。其中，车辆执行自动驾驶任务是通过预设的自动驾驶模型实现的，即信息采集设备实时采集当前的场景信息，利用自动驾驶模型对场景信息进行处理，以向驾驶设备输出响应的驾驶指令。
[0003]目前，自动驾驶模型主要是基于人工规则的决策算法得到。但是，在通过这种决策算法获取自动驾驶模型中，需要对驾驶场景进行人工分类处理，例如，驾驶场景包括左变道、右变道、超车、车道保持、加速以及减速等驾驶场景，而人工分类是基于操作人员的经验和主观决策完成，导致分类过程中可能存在出错，从而导致自动驾驶模型的预测准确性降低。
[0004]可见，目前的自动驾驶模型存在预测准确性低的问题。
技术实现思路
[0005]本专利技术提供一种自动驾驶模型的训练方法及电子设备...
【技术保护点】
【技术特征摘要】
1.一种自动驾驶模型的训练方法，其特征在于，包括：获取行驶数据样本集，其中，所述行驶数据样本集包括车辆在真实驾驶环境中的行驶数据样本；构建所述行驶数据样本集中的行驶数据样本的静态场景；加载所述行驶数据样本集中所有的行驶数据样本的静态场景，生成仿真场景；基于所述行驶数据样本集以及所述仿真场景，训练预设的初始驾驶模型，得到自动驾驶模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述行驶数据样本集以及所述仿真场景，训练预设的初始驾驶模型，得到自动驾驶模型，包括：基于第一训练集对所述初始驾驶模型进行第一次训练，得到第一驾驶模型，其中，所述第一训练集包括所述行驶数据样本集中的部分或者全部样本；基于所述仿真场景以及所述行驶数据样本集，对所述第一驾驶模型进行N次训练，得到满足预设条件的自动驾驶模型；其中，第i次训练的训练集包括正样本和负样本，所述正样本为所述行驶数据样本；所述负样本为：将上一次训练得到的驾驶模型在所述仿真场景中进行仿真所得到的样本；所述N为正整数，所述i为小于或者等于所述N的正整数。3.根据权利要求2所述的方法，其特征在于，所述基于所述仿真场景以及所述行驶数据样本集，对所述初始驾驶模型进行N次训练，得到满足预设条件的自动驾驶模型，包括：S1、在所述仿真场景中对第j-1个驾驶模型进行仿真，得到第j-1个驾驶模型的至少一个负样本，其中，所述j为小于或者等于所述N的正整数，且当所述j为1时，所述第j-1个驾驶模型为所述第一驾驶模型；S2、基于第j个训练集对所述第j-1个驾驶模型进行训练，得到第j个驾驶模型；S3、若所述第j个驾驶模型满足所述预设条件，则确定所述第j个驾驶模型为所述自动驾驶模型；若所述第j个驾驶模型不满足所述预设条件，则调整所述j为j+1，并重新执行所述S1和所述S2。4.根据权利要求3所述的方法，其特征在于，所述预设条件包括：所述j为预设值，或者，所述第j个驾驶模型在所述仿真场景中的驾驶准确度大于或者等于预设准确度。5.根据权利要求2所述的方法，其特征在于，所述第i次训练的训练集的正样本中的部分样本为：对所述行驶数据样本进行数据随机扰动得到的数据样本。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述行驶数据样本包括环境数据和控制数据；所述基于所述行驶数据样本集以及所述仿真场景，训练预设的初始驾驶模型，得到自动驾驶模型之前，还包括：对所述行驶数据样本集中的目标行驶数据样本的环境数据进行提取，得到所述目标行驶数据的环境模型；将所述目标行驶数据的控制数据，作为所述目标行驶数据的环境模型的标签；所述基于所述行驶数据样本集以及所述仿真场景，训练预设的初始驾驶模型，得到自动驾驶模型，包括：基于所述仿真场景以及所述行驶数据样本集的环境模型、标签，训练预设的初始驾驶
模型，得到自动驾驶模型。7.根据权利要求1至5中任一项所述的方法，其特征在于，所述训练预设的初始驾驶模型，得到自动驾驶模型，包括：采用批量随机梯度下降的方式对所述初始驾驶模型进行训练，得到自动驾驶模型。8.一种电子设备，其特征在于，包括：样本获取模块，用于获取行驶数据样本集，其中，所述行驶数据样本集包括车辆在真实驾驶环境中的...
【专利技术属性】
技术研发人员：段雄，吴伟，郎咸朋，
申请(专利权)人：北京车和家信息技术有限公司，
类型：发明
国别省市：
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。