一种基于多源感知与控制信息的决策方法及装置制造方法及图纸

本申请涉及一种基于多源感知与控制信息的决策方法及装置，涉及自动驾驶技术领域。所述方法包括：输入多源数据，包括感知数据以及决策数据；预处理所述感知数据，确定所述感知数据的影响度；根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数；对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；确定决策因子，对所述最优决策进行控制修正，并输出决策结果。本申请的基于多源感知与控制信息的决策方法及装置，通过对多源数据进行分类，分为感知数据和决策数据，对感知数据标记其感知来源；对于决策数据，标记其对应的感知数据；计算不同的感知数据对决策作用的影响因子并拟合结果，提高决策效率和安全性。提高决策效率和安全性。提高决策效率和安全性。

【技术实现步骤摘要】
一种基于多源感知与控制信息的决策方法及装置


[0001]本申请涉及自动驾驶
，尤其涉及基于多源感知与控制信息的决策方法及装置。

技术介绍

[0002]近年来，随着我国汽车保有量的爆发式增长，交通问题成为了制约现代城市社会经济发展的重要因素。当前自动驾驶还处在初期发展阶段，对于自动驾驶的车辆，是需要一个类似人类“大脑”的智能控制器。目前自动驾驶的单车自身会安装大量的传感器，如：摄像头、双目摄像头、高精度定位、惯导IMU、角雷达、激光雷达，这些传感器在给车辆的智能控制器提供单车视角的道路实时感知数据(例如，车辆前后左右的其他车辆、行人等)。同时，车路协同大量的路侧智能化设备(例如，摄像头、毫米波雷达、激光雷达)也会给车辆传输路侧视角的道路实时感知数据(例如，道路上车辆位置、速度、航向，行人等)。对于车辆的智能控制器就存在多源的数据的输入，而不同的传感器本身由于精度和对环境敏感的差异，感知的结果的置信度存在动态变化的过程。更复杂的情况，单车各类传感器不单是仅仅给出感知的结果，还会基于感知结果给出决策建议(例如，跟车、换道、加减速等)，同样，路侧智能化设备通过V2X PC5的广播通信或自动驾驶的云端通过4G/5G的蜂窝通信也会给车辆基于路侧视角的决策建议(例如，跟车、换道、加减速等)，而这些决策建议也是基于不同来源的传感器的感知结果做出的决策判断。
[0003]现有的控制器需要冗余识别这其中的决策冲突风险，通用做法是直接进行后续的“预测”执行，判断不同决策执行下，单车自动驾驶在下几秒的行为是否与道路上其他感知目标存在冲突，产生碰撞风险。然而，这种预测执行，需要针对每种数据来源进行遍历判断，计算量很大，同时多次计算的计算时延对于一定速度条件下的自动驾驶也是巨大风险。
[0004]因此，期望提供一种基于多源感知与控制信息的决策方法及装置，通过对多源数据进行分类，分为感知数据和决策数据，对感知数据标记其感知来源；对于决策数据，标记其对应的感知数据；计算不同的感知数据对决策作用的影响因子并拟合结果，提高决策效率和安全性。

技术实现思路

[0005]根据本申请的一些实施例的第一方面，提供了一种基于多源感知与控制信息的决策方法，应用于平台(例如，云控平台等)中，具体包括：
[0006]输入多源数据，包括感知数据以及决策数据；
[0007]预处理所述感知数据，确定所述感知数据的影响度；
[0008]根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数；
[0009]对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；
[0010]确定决策因子，对所述最优决策进行控制修正，并输出决策结果。
[0011]优选地，上述基于多源感知与控制信息的决策方法，其中，通过自动驾驶车辆执行所述决策结果。
[0012]优选地，上述基于多源感知与控制信息的决策方法，其中，所述确定感知数据的影响度，对预设数目的感知数据，具体包括：
[0013][0014]其中，所述x
ik
为感知数据，k取值范围1～n，n为多源感知数据的来源数；
[0015]g
i
(x
ik
)为所述决策数据，其中i取值范围1～m，m为决策数据的总数；
[0016]p
i
(x
ik
)为在时间步t内，感知数据k判断执行第i个决策的影响因子。
[0017]优选地，上述基于多源感知与控制信息的决策方法，其中，在时间步t内，对于决策i，根据感知数据的影响因子由大到小进行排序，选取影响度前u个构建多维度量函数J(i)，在k的取值范围，u小于等于n。
[0018]优选地，上述基于多源感知与控制信息的决策方法，其中，构建多维度量函数J(i)具体包括：
[0019][0020]其中，J(i)为多维度量函数。
[0021]优选地，上述基于多源感知与控制信息的决策方法，其中，对于所有的决策i＝1，
…
，m，根据决策评估J(i)的结果选取最大值作为最优决策。
[0022]优选地，上述基于多源感知与控制信息的决策方法，其中，定义一个决策因子γ，0≤γ＜1，通过调节决策因子γ，完成最优决策的控制修正，具体包括：
[0023][0024]其中J
*
为最优决策；
[0025]γ
i
为决策i的决策因子；
[0026]m为决策的总个数。
[0027]另一方面，本申请载提供一种基于多源感知与控制信息的决策装置，其中，包括：
[0028]一个存储器，被配置为存储数据及指令；
[0029]一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：
[0030]输入多源感知数据，以及决策数据；
[0031]预处理所述感知数据，确定所述感知数据的影响度；
[0032]根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数；
[0033]对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；
[0034]确定决策因子，对所述最优决策进行控制修正，并输出决策结果。
[0035]再一方面，本申请再提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行上述权利要求1至7任意项所述的基于多源感知与控制信息的决策方法。
[0036]最后，本申请再提供一种电子设备，其中，包括：
[0037]一个或多个处理器；
[0038]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运行，使得所述一个或多个处理器实现上述权利要求1至7任意项所述的基于多源感知与控制信息的决策方法。
[0039]与现有技术相比，本申请的有益效果是：
[0040]根据本申请实施例的基于多源感知与控制信息的决策方法及装置，通过对多源数据进行分类，分为感知数据和决策数据，对感知数据标记其感知来源；对于决策数据，标记其对应的感知数据；计算不同的感知数据对决策作用的影响因子并拟合结果，提高决策效率和安全性。
附图说明
[0041]为更好地理解并阐述本申请的一些实施例，以下将结合附图参考实施例的描述，在这些附图中，同样的数字编号在附图中指示相应的部分。
[0042]图1是根据本申请的一些实施例提供的基于多源感知与控制信息的决策系统的示例性示意图。
[0043]图2是根据本申请的一些实施例提供的基于多源感知与控制信息的决策方法的示例性流程图。
具体实施方式
[0044]以下参考附图的描述为便于综合理解由权利要求及其等效内容所定义的本申请的各种实施例。这些实施例包括各种特定细节以便于理解，但这些仅被视为示例性的。因此，本领域技术人员可以理解对在此描述的各种实施例进行各种变化和修改而不会脱离本申请的范本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源感知与控制信息的决策方法，其特征在于，包括：输入多源数据，包括感知数据以及决策数据；预处理所述感知数据，确定所述感知数据的影响度；根据所述感知数据的影响度，决策评估所述多源感知数据与决策数据，构建多维度量函数；对于所有决策数据，确定多维度量函数最大值的决策评估结果为最优决策；确定决策因子，对所述最优决策进行控制修正，并输出决策结果。2.根据权利要求1所述的方法，其特征在于，通过自动驾驶车辆执行所述决策结果。3.根据权利要求1所述的方法，其特征在于，所述确定感知数据的影响度，对预设数目的感知数据，具体包括：其中，所述x
ik
为感知数据，k取值范围1～n，n为多源感知数据的来源数；g
i
(x
ik
)为所述决策数据，其中i取值范围1～m，m为决策数据的总数；p
i
(x
ik
)为在时间步t内，感知数据k判断执行第i个决策的影响因子。4.根据权利要求3所述的方法，其特征在于，在时间步t内，对于决策i,根据感知数据的影响因子由大到小进行排序，选取影响度前u个构建多维度量函数J(i)，在k的取值范围，u小于等于n。5.根据权利要求4所述的方法，其特征在于，构建多维度量函数J(i)具体包括：其中，J(i)为多维度量函数。6.根据权利要求5所述的方法，其特征在于，对于所有的决策i＝1...

【专利技术属性】
技术研发人员：宦涣，袁月明，蔡慧星，杨春城，
申请(专利权)人：启迪云控上海汽车科技有限公司，
类型：发明
国别省市：