导航动作预测模型训练方法、导航动作生成方法及装置制造方法及图纸

公开了一种导航动作预测模型训练方法、导航动作生成方法及装置。构造训练样本集，训练样本集包括一条或多条训练样本，训练样本为包含路口处的驶入路段和驶出路段的图像数据，训练样本的标记用于表征由驶入路段到驶出路段的导航动作；基于训练样本集训练导航动作预测模型。由此，可以得到预测精准度可以得到保证，且预测结果的准确率能够评估的导航动作预测模型。模型。模型。

【技术实现步骤摘要】
导航动作预测模型训练方法、导航动作生成方法及装置


[0001]本公开涉及道路导航领域，特别是涉及一种导航动作预测模型训练方法、导航动作生成方法及装置。

技术介绍

[0002]导航动作生成是导航服务的重要组成部分。
[0003]导航动作是指路口处应该执行的转向动作，比如左转、直行等。
[0004]传统的导航动作生成方法主要是截取驶入路段和驶出路段，通过对驶入路段与驶出路段进行计算，确定路口处应该执行的导航动作。由于路网非常复杂，所以需要对生成的导航动作进行验证，以得到可靠的导航动作。
[0005]上述导航动作生成方法存在如下问题：1、决定导航动作的关键路段可能位于截取的路段之外，使得生成的导航动作的准确性不能得到保证；2、生成的导航动作的准确与否非常依赖于计算规则，如计算规则设置不当将会导致错误的导航动作，且在计算规则的边界条件处很容易出现计算结果错误；3、对生成的导航动作进行验证时非常依赖人的参与，人工成本较高。
[0006]因此，需要一种新的导航动作生成方法，以解决传统导航动作生成方法存在的上述至少一种问题。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练导航动作预测模型的方法，包括：构造训练样本集，所述训练样本集包括一条或多条训练样本，所述训练样本为包含路口处的驶入路段和驶出路段的图像数据，所述训练样本的标记用于表征由所述驶入路段到所述驶出路段的导航动作；基于所述训练样本集训练导航动作预测模型。2.根据权利要求1所述的方法，其中，所述导航动作预测模型为深度学习模型。3.根据权利要求2所述的方法，其中，所述导航动作预测模型为基于残差网络算法的深度学习模型。4.根据权利要求1所述的方法，所述构造训练样本集的步骤包括：从地图数据中抽取包含路口处的驶入路段和驶出路段的道路图像，将所述道路图像作为训练样本添加到训练样本集；以及/或者将通过对包含路口处的驶入路段和驶出路段的道路进行拍摄得到的图像数据，作为训练样本添加到训练样本集；以及/或者基于路口处的驶入路段信息和驶出路段信息，生成包含驶入路段和驶出路段的图片，将所述图片作为训练样本添加到训练样本集。5.根据权利要求1所述的方法，还包括：构造测试样本集，所述测试样本集包括一条或多条测试样本，所述测试样本为包含路口处的驶入路段和驶出路段的图像数据，所述测试样本的标记用于表征由所述驶入路段到所述驶出路段的第一真实导航动作；将所述测试样本输入所述导航动作预测模型，得到所述导航动作预测模型输出的所述测试样本的第一预测导航动作；基于所述第一预测导航动作与所述第一真实导航动作之间的差异调整所述导航动作预测模型；以及基于所述训练样本集训练调整后的导航动作预测模型。6.根据权利要求5所述的方法，还包括：构造验证样本集，所述验证样本集包括一条或多条验证样本，所述验证样本为包含路口处的驶入路段和驶出路段的图像数据，所述验证样本的标记用于表征由所述驶入路段到所述驶出路段的第二真实导航动作；在基于所述训练样本集训练调整后的导航动作预测模型之后，将所述验证样本输入训练得到的导航动作预测模型，得到导航动作预测模型输出的所述验证样本的第二预测导航动作；基于所述第二预测导航动作与所述第二真实导航动作之间的差异评估所述导航动作预测模型。7.根据权利要求6所述的方法，还包括：迭代执行基于测试样本集调整所述导航动作预测模型的步骤、基于训练样本集训练调整后的导航动作预测模型的步骤以及基于验证样本集评估所述导航动作预测模型的步骤，直至评估结果满足迭代终止条件。8.一种导航动作生成方法，包括：
获取预测样本，所述预测样本为包含路口处的驶入路段和驶出路段的图像数据；将所述预测样本输入预先训练好的导航动作预测模型，得到所述导航动作预测模型输出的预测结果，所述预测结果用于表征由所...

【专利技术属性】
技术研发人员：于志杰，
申请(专利权)人：北京白龙马云行科技有限公司，
类型：发明
国别省市：