车道保持方法、装置、设备、介质及系统制造方法及图纸

本发明专利技术实施例公开了一种车道保持方法、装置、设备、介质及系统。该方法包括：获取目标车辆的车辆行驶数据，将包括转向盘转角、车辆横向位置以及车辆横向加速度的车辆行驶数据输入至预先训练的驾驶风格辨识模型中，得到驾驶风格辨识模型输出的目标车辆对应的驾驶风格类别，确定出用户的驾驶风格，进而根据驾驶风格类别和目标车辆的车辆状态数据，确定目标车辆的目标转向盘转角，基于该目标转向盘转角调整目标车辆的转向盘转角，以控制车辆回归至车道中心线位置，实现了基于用户驾驶风格的车道保持控制，满足了不同驾驶习惯的驾驶人的差异化需求，极大地提高了用户的驾驶体验，并且，提高了车辆的系统适用性和行驶安全性。高了车辆的系统适用性和行驶安全性。高了车辆的系统适用性和行驶安全性。

【技术实现步骤摘要】
车道保持方法、装置、设备、介质及系统


[0001]本专利技术实施例涉及车辆
，尤其涉及一种车道保持方法、装置、设备、介质及系统。

技术介绍

[0002]近年来，随着智能汽车的不断发展，越来越多的研究人员开始投身于车辆的车道保持控制。其中，车道的保持控制可以理解为让车辆保持在车道中间行驶。
[0003]然而，现有技术通常采用测量出的车辆相对于车道中间位置的实时横向偏移量，来控制车辆保持在车道中间行驶，其没有考虑到驾驶人的驾驶风格，无法满足不同驾驶风格的差异化驾驶需求。

技术实现思路

[0004]本专利技术实施例提供了一种车道保持方法、装置、设备、介质及系统，以实现基于用户的驾驶风格的车道保持控制，提高用户的驾驶体验。
[0005]第一方面，本专利技术实施例提供了一种车道保持方法，所述方法包括：
[0006]获取目标车辆的车辆行驶数据，其中，所述车辆行驶数据包括转向盘转角、车辆横向位置以及车辆横向加速度；
[0007]基于所述车辆行驶数据以及预先训练的驾驶风格辨识模型，确定所述目标车辆对应的驾驶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道保持方法，其特征在于，所述方法包括：获取目标车辆的车辆行驶数据，其中，所述车辆行驶数据包括转向盘转角、车辆横向位置以及车辆横向加速度；基于所述车辆行驶数据以及预先训练的驾驶风格辨识模型，确定所述目标车辆对应的驾驶风格类别；基于所述驾驶风格类别以及所述目标车辆的车辆状态数据，确定所述目标车辆的目标转向盘转角，并基于所述目标转向盘转角调整所述目标车辆的转向盘转角。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本输入向量以及所述样本输入向量对应的驾驶风格标签，将所述样本输入向量输入至学习向量量化神经网络的输入层；计算所述样本输入向量与所述学习向量量化神经网络的各竞争层神经元的距离，在所述各竞争层神经元中确定出与所述样本输入向量距离最近的第一目标神经元和第二目标神经元；基于所述第一目标神经元与所述样本输入向量的距离、所述第二目标神经元与所述样本输入向量的距离、所述第一目标神经元对应的驾驶风格预测值、所述第二目标神经元对应的驾驶风格预测值以及所述样本输入向量对应的驾驶风格标签，更新所述学习向量量化神经网络中所述第一目标神经元和/或所述第二目标神经元对应的权值；将所述学习向量量化神经网络确定为驾驶风格辨识模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一目标神经元与所述样本输入向量的距离、所述第二目标神经元与所述样本输入向量的距离、所述第一目标神经元对应的驾驶风格预测值、所述第二目标神经元对应的驾驶风格预测值以及所述样本输入向量对应的驾驶风格标签，更新所述学习向量量化神经网络中所述第一目标神经元和/或所述第二目标神经元对应的权值，包括：基于所述第一目标神经元与所述样本输入向量的距离、所述第二目标神经元与所述样本输入向量的距离、所述第一目标神经元对应的驾驶风格预测值、所述第二目标神经元对应的驾驶风格预测值，判断是否满足预设权值更新条件；若是，则基于预设学习率、所述样本输入向量以及所述驾驶风格标签，更新所述学习向量量化神经网络中所述第一目标神经元和所述第二目标神经元对应的权值。4.根据权利要求1所述的方法，其特征在于，所述车辆状态数据包括当前车速、车道中心线、当前位置侧向坐标、车辆转向系传动比以及车辆前后轴轴距，所述基于所述驾驶风格类别以及所述目标车辆的车辆状态数据，确定所述目标车辆的目标转向盘转角，满足如下公式：其中，θ
opt
为目标转向盘转角，L为...

【专利技术属性】
技术研发人员：李伟男，刘斌，吴杭哲，刘枫，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：