自动驾驶方法、装置、电子设备和存储介质制造方法及图纸

本公开是关于自动驾驶方法、装置、电子设备和存储介质，所述方法包括：获取车辆的摄像模组连续采集的多帧待检测图像；对所述多帧待检测图像进行识别处理，确定每帧待检测图像中是否存在目标对象，以及所存在的目标对象在待检测图像中的位置，所述目标对象为前方车辆的指定配件；在至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息；根据所述路况信息，控制所述车辆执行对应的驾驶动作。控制所述车辆执行对应的驾驶动作。控制所述车辆执行对应的驾驶动作。

【技术实现步骤摘要】
自动驾驶方法、装置、电子设备和存储介质


[0001]本公开涉及自动驾驶
，具体涉及一种自动驾驶方法、装置、电子设备和存储介质。

技术介绍

[0002]近年来，汽车的发展速度很快，尤其是也来越多的车辆加入了自动驾驶技术，自动驾驶技术可以为全自动驾驶技术和半自动驾驶技术(或辅助驾驶技术)，半自动驾驶技术可以在多种情况下对驾驶员的驾驶工作进行辅助，从而提高驾驶安全。相关技术中，自动驾驶技术的研究一直围绕驾驶安全，却很少针对驾驶舒适性，导致使用自动驾驶技术的汽车的乘车舒适性较差。

技术实现思路

[0003]为克服相关技术中存在的问题，本公开实施例提供一种自动驾驶方法、装置、电子设备和存储介质，用以解决相关技术中的缺陷。
[0004]根据本公开实施例的第一方面，提供一种自动驾驶方法，包括：
[0005]获取车辆的摄像模组连续采集的多帧待检测图像；
[0006]对所述多帧待检测图像进行识别处理，确定每帧待检测图像中是否存在目标对象，以及所存在的目标对象在待检测图像中的位置，所述目标对象为前方车辆的指定配件；
[0007]在至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息；
[0008]根据所述路况信息，控制所述车辆执行对应的驾驶动作。
[0009]在一个实施例中，所述对所述多帧待检测图像进行识别处理，确定每帧待检测图像中是否存在目标对象，以及所存在的目标对象在待检测图像中的位置，包括：
[0010]将每帧待检测图像输入至预先训练的神经网络识别模型，所述神经网络识别模型对应输出每帧待检测图像的识别结果，其中，所述识别结果包括待检测图像中是否存在目标对象，以及所存在的目标对象在待检测图像中的位置。
[0011]在一个实施例中，还包括：
[0012]将训练图像集中的至少一个训练图像输入至所述神经网络识别模型，所述神经网络识别模型输出所述训练图像的识别结果，其中，所述训练图像具有标签，所述标签包括所述训练图像中是否存在目标对象，以及所存在的目标对象在训练图像中的位置；
[0013]根据所述训练图像的识别结果和所述训练图像的标签，确定网络损失值；
[0014]根据所述网络损失值对所述神经网络识别模型的网络参数进行调整，直至所述神经网络识别模型收敛。
[0015]在一个实施例中，所述目标对象的位置包括目标对象在待检测图像的预设方向上的位置；
[0016]所述在至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测
图像中目标对象的位置，确定路况信息，包括：
[0017]在所述至少两帧待检测图像中，任意相邻两帧待检测图像中的目标对象的位置差值均未超出误差范围内的情况下，确定所述路况信息为平坦路况；
[0018]在所述至少两帧待检测图像中，存在相邻两帧待检测图像中的目标对象的位置差值超出所述误差范围内的情况下，确定所述路况信息为非平坦路况。
[0019]在一个实施例中，还包括：
[0020]在所述至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中的目标对象的深度值，确定前方车辆的移动速度；
[0021]根据所述前方车辆的移动速度和相邻两帧待检测图像间的时间差，确定所述误差范围。
[0022]在一个实施例中，还包括：
[0023]获取所述车辆的悬架抖动信息；
[0024]所述在至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息，包括：
[0025]在所述车辆的悬架抖动信息为未抖动，且至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息。
[0026]在一个实施例中，所述根据所述路况信息，控制所述车辆执行对应的驾驶动作，包括：
[0027]在所述路况信息为非平坦路况的情况下，控制所述车辆将悬架减震器的硬度降低至预设硬度值；和/或，
[0028]在所述路况信息为非平坦路况的情况下，控制所述车辆将移动速度降低预设比例。
[0029]在一个实施例中，所述在所述路况信息为非平坦路况的情况下，控制所述车辆将悬架减震器的硬度降低至预设硬度值，包括：
[0030]在所述路况信息为非平坦路况的情况下，根据所述至少两帧待检测图像以及之后的多帧待检测图像，获取前方车辆离开非平坦路况处时的待检测图像；
[0031]根据所述前方车辆离开非平坦路况处时的待检测图像中的目标对象的深度值，以及所述车辆的移动速度，确定所述车辆到达非平坦路况处的目标时间；
[0032]在时间达到所述目标时间的情况下，控制所述车辆将悬架减震器的硬度降低至预设硬度值。
[0033]在一个实施例中，所述根据所述至少两帧待检测图像以及之后的多帧待检测图像，获取前方车辆离开非平坦路况处时的待检测图像，包括：
[0034]在所述至少两帧待检测图像以及之后的多帧待检测图像中，所述目标对象的位置连续两次经过预设的位置变化过程的情况下，获取第二次的所述位置变化过程中的最后一帧图像为前方车辆离开非平坦路况处时的待检测图像，其中，所述位置变化过程包括由初始位置开始，经过至少一个其他位置后回到所述初始位置。
[0035]根据本公开实施例的第二方面，提供一种自动驾驶装置，包括：
[0036]获取模块，用于获取车辆的摄像模组连续采集的多帧待检测图像；
[0037]识别模块，用于对所述多帧待检测图像进行识别处理，确定每帧待检测图像中是
否存在目标对象，以及所存在的目标对象在待检测图像中的位置，所述目标对象为前方车辆的指定配件；
[0038]路况确定模块，用于在至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息；
[0039]驾驶控制模块，用于根据所述路况信息，控制所述车辆执行对应的驾驶动作。
[0040]在一个实施例中，所述识别模块具体用于：
[0041]将每帧待检测图像输入至预先训练的神经网络识别模型，所述神经网络识别模型对应输出每帧待检测图像的识别结果，其中，所述识别结果包括待检测图像中是否存在目标对象，以及所存在的目标对象在待检测图像中的位置。
[0042]在一个实施例中，还包括训练模块，用于：
[0043]将训练图像集中的至少一个训练图像输入至所述神经网络识别模型，所述神经网络识别模型输出所述训练图像的识别结果，其中，所述训练图像具有标签，所述标签包括所述训练图像中是否存在目标对象，以及所存在的目标对象在训练图像中的位置；
[0044]根据所述训练图像的识别结果和所述训练图像的标签，确定网络损失值；
[0045]根据所述网络损失值对所述神经网络识别模型的网络参数进行调整，直至所述神经网络识别模型收敛。
[0046]在一个实施例中，所述目标对象的位置包括目标对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶方法，其特征在于，包括：获取车辆的摄像模组连续采集的多帧待检测图像；对所述多帧待检测图像进行识别处理，确定每帧待检测图像中是否存在目标对象，以及所存在的目标对象在待检测图像中的位置，所述目标对象为前方车辆的指定配件；在至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息；根据所述路况信息，控制所述车辆执行对应的驾驶动作。2.根据权利要求1所述的自动驾驶方法，其特征在于，所述对所述多帧待检测图像进行识别处理，确定每帧待检测图像中是否存在目标对象，以及所存在的目标对象在待检测图像中的位置，包括：将每帧待检测图像输入至预先训练的神经网络识别模型，所述神经网络识别模型对应输出每帧待检测图像的识别结果，其中，所述识别结果包括待检测图像中是否存在目标对象，以及所存在的目标对象在待检测图像中的位置。3.根据权利要求2所述的自动驾驶方法，其特征在于，还包括：将训练图像集中的至少一个训练图像输入至所述神经网络识别模型，所述神经网络识别模型输出所述训练图像的识别结果，其中，所述训练图像具有标签，所述标签包括所述训练图像中是否存在目标对象，以及所存在的目标对象在训练图像中的位置；根据所述训练图像的识别结果和所述训练图像的标签，确定网络损失值；根据所述网络损失值对所述神经网络识别模型的网络参数进行调整，直至所述神经网络识别模型收敛。4.根据权利要求1所述的自动驾驶方法，其特征在于，所述目标对象的位置包括目标对象在待检测图像的预设方向上的位置；所述在至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息，包括：在所述至少两帧待检测图像中，任意相邻两帧待检测图像中的目标对象的位置差值均未超出误差范围内的情况下，确定所述路况信息为平坦路况；在所述至少两帧待检测图像中，存在相邻两帧待检测图像中的目标对象的位置差值超出所述误差范围内的情况下，确定所述路况信息为非平坦路况。5.根据权利要求4所述的自动驾驶方法，其特征在于，还包括：在所述至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中的目标对象的深度值，确定前方车辆的移动速度；根据所述前方车辆的移动速度和相邻两帧待检测图像间的时间差，确定所述误差范围。6.根据权利要求1或4所述的自动驾驶方法，其特征在于，还包括：获取所述车辆的悬架抖动信息；所述在至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息，包括：在所述车辆的悬架抖动信息为未抖动，且至少两帧待检测图像中存在目标对象的情况下，根据所述至少两帧待检测图像中目标对象的位置，确定路况信息。
7.根据权利要求4所述的自动驾驶方法，其特征在于，所述根据所述路况信息，控制所述车辆执行对应的驾驶动作，包括：在所述路况信息为非平坦路况的情况下，控制所述车辆将悬架减震器的硬度降低至预设硬度值；和/或，在所述路况信息为非平坦路况的情况下，控制所述车辆将移动速度降低预设比例。8.根据权利要求7所述的自动驾驶方法，其特征在于，所述在所述路况信息为非平坦路况的情况下，控制所述车辆将悬架减震器的硬度降低至预设硬度值，包括：在所述路况信息为非平坦路况的情况下，根据所述至少两帧待检测图像以及之后的多帧待检测图像，获取前方车辆离开非平坦路况处时的待检测图像；根据所述前方车辆离开非平坦路况处时的待检测图像中的目标对象的深度值，以及所述车辆的移动速度，确定所述车辆到达非平坦路况处的目标时间；在时间达到所述目标时间的情况下，控制所述车辆将悬架减震器的硬度降低至预设硬度值。9.根据权利要求8所述的自动驾驶方法，其特征在于，所述根据所述至少两帧待检测图像以及之后的多帧待检测图像，获取前方车辆离开非平坦路况处时的待检测图像，包括：在所述至少两帧待检测图像以及之后的多帧待检测图像中，所述目标对象的位置连续两次经过预设的位置变化过程的情况下，获取第二次的所述位置变化过程中的最后一帧图像为前方车辆离开非平坦路况处时的待检测图像，其中，所述位置变化过程包括由初始位置开始，经过至少一个其他位置后回到所述初始位置。10.一种自动驾驶装置，其特征在于，包括：获取模块，用于获取车辆的摄像模组连续采集的多帧待检测图像；识别模块，用于对所述多帧待检测图像进行识别处理，...

【专利技术属性】
技术研发人员：刘霖，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：