自动驾驶车辆的特征知识库系统及方法技术方案

本申请公开了一种自动驾驶车辆的特征知识库系统及方法，其中，系统包括：车端采集设备，用于采集车辆的运行数据；路端采集设备，用于采集路侧环境下每个交通参与者的运动轨迹数据；数据提取和分类模块，用于提取运行数据和运动轨迹数据中满足有效条件的运动特征，并确定每个交通参与者的实际类别；特征知识库模块，用于建立或更新数据表，得到特征知识库；运动特征分析模块，用于将分析结果反馈至车辆的自动驾驶系统，以生成自动驾驶模式下的最优自动驾驶动作。由此，解决了相关技术中仅限于车端采集车辆数据或者环境数据，进而导致基于采集数据训练得到的自动驾驶的神经网络可靠性较低，且实现完全训练的耗时较长，无法自行更新训练数据的问题。新训练数据的问题。新训练数据的问题。

【技术实现步骤摘要】
自动驾驶车辆的特征知识库系统及方法


[0001]本申请涉及自动驾驶
，特别涉及一种自动驾驶车辆的特征知识库系统及方法。

技术介绍

[0002]当前，自动驾驶技术呈现稳步发展的趋势，为了使自动驾驶车辆能够实现更加优化的控制效果，各家公司都在通过车辆自身硬件进行自主学习或者后台训练的方式得出更加完善的控制逻辑，其中，自主学习和训练的基础是车辆和环境数据。
[0003]相关技术中用于自主学习和训练的自动驾驶技术基础，可以通过少量的试验车辆收集数据，或通过庞大的客户群体收集数据，并将收集的数据用于训练自动驾驶的神经网络。
[0004]然而，相关技术中仅凭少量实验车收集的数据存在一定的局限性，难以避免偶然因素对数据的影响，使得训练得到的自动驾驶的神经网络可靠性较低，难以保证用户启动自动驾驶功能时的行车安全；相关技术中通过庞大客户群体收集的数据一定程度上虽然可以避免偶然因素对数据的影响，但耗时较长，且无法自行更新训练数据，从而导致训练的自动驾驶的神经网络需要定期更新，不利于提升用户的驾驶体验。
[0005]综上，相关技术中仅限于车端采集车辆数据或者环境数据，使得训练得到的自动驾驶的神经网络可靠性较低，难以保证用户启动自动驾驶功能时的行车安全，且无法自行更新训练数据，不利于提升用户的驾驶体验，亟需改善。

技术实现思路

[0006]本申请提供一种自动驾驶车辆的特征知识库系统及方法，以解决相关技术中仅限于车端采集车辆数据或者环境数据，进而导致基于采集数据训练得到的自动驾驶的神经网络可靠性较低，且实现完全训练的耗时较长，无法自行更新训练数据的技术问题。
[0007]本申请第一方面实施例提供一种自动驾驶车辆的特征知识库系统，包括以下步骤：至少一个车端采集设备，用于采集车辆的运行数据；至少一个路端采集设备，用于采集路侧环境下每个交通参与者的运动轨迹数据；数据提取和分类模块，用于提取所述运行数据和所述运动轨迹数据中满足有效条件的运动特征，并确定所述每个交通参与者的实际类别；特征知识库模块，用于根据所述每个交通参与者的实际类型和所述运动特征建立或者更新数据表，得到特征知识库；以及运动特征分析模块，用于基于所述特征知识库分析特征数据，并将分析结果反馈至所述车辆的自动驾驶系统，以生成自动驾驶模式下的最优自动驾驶动作。
[0008]可选地，在本申请的一个实施例中，所述至少一个车端采集设备和所述至少一个路端采集设备均包括激光雷达传感器、毫米波雷达传感器和摄像头中的至少一个，其中，所述运行数据包括所述车辆的周边环境信息和车辆总线数据。
[0009]可选地，在本申请的一个实施例中，所述数据提取和分类模块进一步用于基于预
设分类规则得到所述运行数据和所述运动轨迹数据中每个运动特征的分类器频分，以确定所述满足有效条件的运动特征。
[0010]可选地，在本申请的一个实施例中，所述数据提取和分类模块还用于从预设数据集中或者预设分类模型中提取所述预设分类规则。
[0011]可选地，在本申请的一个实施例中，所述数据表包括ID(Identity document，身份标识号)、类型、经度、维度、航向角、速度和时间中的一项或多项特征数据。
[0012]可选地，在本申请的一个实施例中，所述运动特征分析模块进一步用于根据所述特征数据进行运动轨迹模拟，并基于模拟结果进行特征数据分析，得到所述分析结果。
[0013]本申请第二方面实施例提供一种自动驾驶车辆的特征知识库方法，包括：采集车辆的运行数据；采集路侧环境下每个交通参与者的运动轨迹数据；提取所述运行数据和所述运动轨迹数据中满足有效条件的运动特征，并确定所述每个交通参与者的实际类别；根据所述每个交通参与者的实际类型和所述运动特征建立或者更新数据表，得到特征知识库；基于所述特征知识库分析特征数据，并将分析结果反馈至所述车辆的自动驾驶系统，以生成自动驾驶模式下的最优自动驾驶动作。
[0014]可选地，在本申请的一个实施例中，在提取所述运行数据和所述运动轨迹数据中满足所述有效条件的运动特征之前，还包括：基于预设分类规则得到所述运行数据和所述运动轨迹数据中每个运动特征的分类器频分，以确定所述满足有效条件的运动特征。
[0015]本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的自动驾驶车辆的特征知识库方法。
[0016]本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上述实施例所述的自动驾驶车辆的特征知识库方法。
[0017]本申请实施例可以通过车端和路端采集设备，分别提取车辆的运行数据及路侧环境下交通参与者的运动轨迹数据，并对采集的特征数据进行特征提取及实际运动类别匹配，以更新特征知识库数据，实现训练数据的自行更新，为自主学习和深度训练提供有效的数据支持，能够形成一个不断优化的自动驾驶车辆的特征知识库系统，进而便于车辆的自动驾驶系统根据特征知识库分析的特征结果，生成自动驾驶模式下的最优自动驾驶动作，从而增加了自动驾驶车辆的特征知识库的可靠性，提高了车辆自动驾驶功能的安全性，增加了用户的驾驶体验。由此，解决了仅限于车端采集车辆数据或者环境数据，进而导致基于采集数据训练得到的自动驾驶的神经网络可靠性较低，且实现完全训练的耗时较长，无法自行更新训练数据的技术问题。
[0018]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0019]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0020]图1为根据本申请实施例提供的一种自动驾驶车辆的特征知识库系统的结构示意
图；
[0021]图2为根据本申请一个实施例的自动驾驶车辆的特征知识库系统的结构示意图；
[0022]图3为根据本申请一个实施例的自动驾驶车辆的特征知识库系统的原理示意图；
[0023]图4为根据本申请实施例提供的一种自动驾驶车辆的特征知识库方法的流程图；
[0024]图5为根据本申请实施例提供的车辆的结构示意图。
具体实施方式
[0025]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
[0026]下面参考附图描述本申请实施例的自动驾驶车辆的特征知识库系统及方法。针对上述
技术介绍
中心提到的相关技术中仅限于车端采集车辆数据或者环境数据，进而导致基于采集数据训练得到的自动驾驶的神经网络可靠性较低，且实现完全训练的耗时较长，无法自行更新训练数据的技术问题，本申请提供了一种自动驾驶车辆的特征知识库系统，在该系统中，可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆的特征知识库系统，其特征在于，包括：至少一个车端采集设备，用于采集车辆的运行数据；至少一个路端采集设备，用于采集路侧环境下每个交通参与者的运动轨迹数据；数据提取和分类模块，用于提取所述运行数据和所述运动轨迹数据中满足有效条件的运动特征，并确定所述每个交通参与者的实际类别；特征知识库模块，用于根据所述每个交通参与者的实际类型和所述运动特征建立或者更新数据表，得到特征知识库；以及运动特征分析模块，用于基于所述特征知识库分析特征数据，并将分析结果反馈至所述车辆的自动驾驶系统，以生成自动驾驶模式下的最优自动驾驶动作。2.根据权利要求1所述的系统，其特征在于，所述至少一个车端采集设备和所述至少一个路端采集设备均包括激光雷达传感器、毫米波雷达传感器和摄像头中的至少一个，其中，所述运行数据包括所述车辆的周边环境信息和车辆总线数据。3.根据权利要求1所述的系统，其特征在于，所述数据提取和分类模块进一步用于基于预设分类规则得到所述运行数据和所述运动轨迹数据中每个运动特征的分类器频分，以确定所述满足有效条件的运动特征。4.根据权利要求3所述的系统，其特征在于，所述数据提取和分类模块还用于从预设数据集中或者预设分类模型中提取所述预设分类规则。5.根据权利要求1所述的系统，其特征在于，所述数据表包括ID、类型、经度、维度、航向角、速度和时间中的一项或多项特征数据。6.根据权利要求1所述的系统，其特征在于，所述运动特征分析模块进一步用于根据...

【专利技术属性】
技术研发人员：李海峰，周俊杰，池发玉，毛飞虎，
申请(专利权)人：奇瑞汽车股份有限公司，
类型：发明
国别省市：