一种车辆的自动驾驶控制方法及装置制造方法及图纸

本发明专利技术公开了一种车辆的自动驾驶控制方法及装置，涉及计算机技术领域。该方法的一具体实施方式包括：采集车辆所处环境的第一环境图像；利用深度学习模型识别所述第一环境图像中是否存在交通标识；所述深度学习模型是基于第二环境图像的多个样本数据训练得到的，其中，所述样本数据指示了第二环境图像中是否含有交通标识以及交通标识的类型；当识别出所述第一环境图像中存在所述交通标识时，确定所述车辆与所述交通标识的第一距离；根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态。该实施方式降低了自动驾驶控制所需硬件要求、降低了成本，提高了车辆对环境的感知能力，从而提高了自动驾驶控制的准确性。

【技术实现步骤摘要】
一种车辆的自动驾驶控制方法及装置
本专利技术涉及计算机
，尤其涉及一种车辆的自动驾驶控制方法及装置。
技术介绍
随着计算机技术的发展，自动驾驶技术的发展也日益成熟，其已逐渐应用于儿童玩具、机器人教学和机动车辆的自动控制等领域。但现有自动驾驶控制方法需要配套的硬件成本较高，例如需要计算能力较强的芯片和感知能力较强的传感器，并且现有的控制方法在实际适用过程中的准确性也较低。
技术实现思路
有鉴于此，本专利技术实施例提供一种车辆的自动驾驶控制方法及装置，通过深度学习模型降低自动驾驶过程中的计算量，降低了自动驾驶控制所需硬件要求、降低了成本，提高了车辆对环境的感知能力，从而提高了自动驾驶控制的准确性。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种车辆的自动驾驶控制方法。本专利技术实施例的一种车辆的自动驾驶控制方法包括：采集所述车辆所处环境的第一环境图像；利用深度学习模型识别所述第一环境图像中是否存在交通标识；所述深度学习模型是基于第二环境图像的多个样本数据训练得到的，其中，所述样本数据指示了第二环境图像中是否含有交通标识以及交通标识的类型；当识别出所述第一环境图像中存在所述交通标识时，确定所述车辆与所述交通标识的第一距离；根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态。可选地，所述根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态，包括：利用所述深度学习模型识别所述交通标识的类型，并根据所述交通标识的类型及所述第一距离控制所述车辆的行驶状态。可选地，该方法还包括：采集所述车辆的行驶数据，根据所述行驶数据确定所述车辆的当前位置，并构建与所述当前位置相对应的行驶地图；根据所述行驶地图确定所述车辆的行驶路径。可选地，所述根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态，还包括：根据所述车辆的当前位置与所述交通标识之间的第一距离以及所述交通标识的类型，控制所述车辆按照所述行驶路径行驶的速度。可选地，所述确定所述车辆与所述交通标识的第一距离，包括：根据采集所述第一环境图像时的采集点在所述当前位置对应于所述第一环境图像的投影位置，以及所述交通标识在所述当前位置对应于第一环境图像的位置，计算所述第一距离。可选地，该方法还包括：当识别出所述第一环境图像中不存在所述交通标识时，控制所述车辆以当前状态行驶。可选地，所述深度学习模型为Mobilenet-SSD模型。为实现上述目的，根据本专利技术实施例的又一方面，提供了一种车辆的自动驾驶控制装置。本专利技术实施例的一种车辆的自动驾驶控制装置包括：采集模块、识别模块和控制模块；其中，所述采集模块，用于采集所述车辆所处环境的第一环境图像；所述识别模块，用于利用深度学习模型识别所述第一环境图像中是否存在交通标识，所述深度学习模型是基于第二环境图像的多个样本数据训练得到的，其中，所述样本数据指示了第二环境图像中是否含有交通标识以及交通标识的类型；所述控制模块，用于当识别出所述第一环境图像中存在所述交通标识时，确定所述车辆与所述交通标识的第一距离，根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态。可选地，所述控制模块，用于利用所述深度学习模型识别所述交通标识的类型，并根据所述交通标识的类型及所述第一距离控制所述车辆的行驶状态。可选地，所述控制模块，用于当识别出所述第一环境图像中不存在所述交通标识时，控制所述车辆以当前状态行驶。为实现上述目的，根据本专利技术实施例的又一方面，提供了一种用于控制车辆自动驾驶的电子设备。本专利技术实施例的一种用于控制车辆自动驾驶的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术实施例的一种车辆的自动驾驶控制方法。为实现上述目的，根据本专利技术实施例的再一方面，提供了一种计算机可读存储介质。本专利技术实施例的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术实施例的一种车辆的自动驾驶控制方法。上述专利技术中的一个实施例具有如下优点或有益效果：在采集到车辆所处环境的第一环境图像之后，利用深度学习模型识别第一环境图像中是否存在交通标识，当识别出第一环境图像中存在交通标识时，确定车辆与交通标识的第一距离，然后基于第一环境图像中的交通标识的识别结果以及第一距离，控制车辆的行驶状态。由于深度学习模型具有低参数量、低运算量优势，其能够降低自动驾驶过程中的计算量，由此降低了自动驾驶控制所需硬件要求，降低了自动驾驶控制的成本，使得该车辆的自动驾驶控制方法可适用于儿童玩具和机器人教学等低成本自动驾驶领域。并且，通过深度学习模型识别交通标识，并基于识别结果控制车辆的行驶状态，提高了车辆对环境的感知能力，从而提高了自动驾驶控制的准确性。上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。附图说明附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中：图1是根据本专利技术实施例的一种车辆的自动驾驶控制方法的主要步骤的示意图；图2是根据本专利技术实施例的另一种车辆的自动驾驶控制方法的主要步骤的示意图；图3是根据本专利技术实施例的又一种车辆的自动驾驶控制方法的主要步骤的示意图；图4是根据本专利技术实施例的再一种车辆的自动驾驶控制方法的主要步骤的示意图；图5是根据本专利技术实施例的一种车辆的自动驾驶控制装置的主要模块的示意图；图6是根据本专利技术实施例的一种车辆的主要模块的示意图；图7是根据本专利技术实施例的一种车辆的自动驾驶控制装置与车辆的连接示意图；图8是本专利技术实施例可以应用于其中的示例性系统架构图；图9是适于用来实现本专利技术实施例的终端设备或服务器的计算机系统的结构示意图。具体实施方式以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本专利技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。需要指出的是，在不冲突的情况下，本专利技术的实施例以及实施例中的技术特征可以相互结合。图1是根据本专利技术实施例的车辆的自动驾驶控制方法的主要步骤的示意图。如图1所示，本专利技术实施例的一种车辆的自动驾驶控制方法主要包括以下步骤：步骤S101：采集所述车辆所处环境的第一环境图像。在车辆上可搭载采集第一环境图像的摄像头，例如树莓派摄像头等，以在车辆行驶过程中以视频形式或静态图像采集车辆所处环境的第一环境图像。可以理解的是，当摄像头本文档来自技高网...

【技术保护点】
1.一种车辆的自动驾驶控制方法，其特征在于，包括：/n采集所述车辆所处环境的第一环境图像；/n利用深度学习模型识别所述第一环境图像中是否存在交通标识；所述深度学习模型是基于第二环境图像的多个样本数据训练得到的，其中，所述样本数据指示了第二环境图像中是否含有交通标识以及交通标识的类型；/n当识别出所述第一环境图像中存在所述交通标识时，确定所述车辆与所述交通标识的第一距离；/n根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态。/n

【技术特征摘要】
1.一种车辆的自动驾驶控制方法，其特征在于，包括：
采集所述车辆所处环境的第一环境图像；
利用深度学习模型识别所述第一环境图像中是否存在交通标识；所述深度学习模型是基于第二环境图像的多个样本数据训练得到的，其中，所述样本数据指示了第二环境图像中是否含有交通标识以及交通标识的类型；
当识别出所述第一环境图像中存在所述交通标识时，确定所述车辆与所述交通标识的第一距离；
根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态。


2.根据权利要求1所述的方法，其特征在于，所述根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态，包括：
利用所述深度学习模型识别所述交通标识的类型，并根据所述交通标识的类型及所述第一距离控制所述车辆的行驶状态。


3.根据权利要求2所述的方法，其特征在于，还包括：
采集所述车辆的行驶数据，根据所述行驶数据确定所述车辆的当前位置，并构建与所述当前位置相对应的行驶地图；
根据所述行驶地图确定所述车辆的行驶路径。


4.根据权利要求3所述的方法，其特征在于，所述根据所述第一环境图像中的交通标识的识别结果及所述第一距离，控制所述车辆的行驶状态，还包括：
根据所述车辆的当前位置与所述交通标识之间的第一距离以及所述交通标识的类型，控制所述车辆按照所述行驶路径行驶的速度。


5.根据权利要求3所述的方法，其特征在于，所述确定所述车辆与所述交通标识的第一距离，包括：
根据采集所述第一环境图像时的采集点在所述当前位置对应于所述第一环境图像的投影位置，以及所述交通标识在所述当前位置对应于第一环境图像的位置，计算所述第一距离。


6.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：李梅，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：北京;11