自动驾驶的参数估计方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及自动驾驶控制领域，公开了一种自动驾驶的参数估计方法、装置、设备及存储介质。该方法包括：获取历史驾驶数据，并根据历史驾驶数据，对障碍物危险性进行分位数建模，得到第一评估模型；基于历史驾驶数据中障碍物的设置参数，利用第一评估模型对障碍物侵略性进行评估，得到评估结果，并基于评估结果生成第二评估模型；获取目标障碍物的第一侵略性数值，并根据第一侵略性数值，利用第二评估模型，计算目标障碍物对应的估计参数。本发明专利技术提升了障碍物参数采集的灵活性和评估的准确度。障碍物参数采集的灵活性和评估的准确度。障碍物参数采集的灵活性和评估的准确度。

【技术实现步骤摘要】
自动驾驶的参数估计方法、装置、设备及存储介质


[0001]本专利技术涉及自动驾驶控制领域，尤其涉及一种自动驾驶的参数估计方法、装置、设备及存储介质。

技术介绍

[0002]随着自动驾驶技术的发展，自动驾驶算法的环节感知、计算决策、控制执行各个控制环节都在不断升级，使得自动驾驶算法趋于成熟，能够适应更多不同的环境，应对复杂的驾驶场景，也能做到规避障碍物，安全前行。针对自动驾驶算法的迭代，其底层驾驶数据获取的丰富性和准确性至关重要，能够获取得到各式各样驾驶场景的数据来训练自动驾驶算法，能使得自动驾驶算法的迭代更稳更快。
[0003]当前驾驶场景数据的采集，尤其是驾驶场景中各类障碍物数据的采集，通常采用路测的方式或者以路测采集到的数据进行拓展的方式，该类障碍物的数据采集方式依赖于真实的路面环境，在一些非常规或者较为危险的场景，对有关障碍物构成的数据，则难以采集到。即现有障碍物参数的采集方法不够灵活。

技术实现思路

[0004]本专利技术的主要目的在于解决现有自动驾驶技术中障碍物参数的采集方法不够灵活的技术问题。
[0005]本专利技术第一方面提供了一种自动驾驶的参数估计方法，包括：获取历史驾驶数据，并根据所述历史驾驶数据，对障碍物危险性进行分位数建模，得到第一评估模型；基于所述历史驾驶数据中障碍物的设置参数，利用所述第一评估模型对障碍物侵略性进行评估，得到评估结果，并基于所述评估结果生成第二评估模型；获取目标障碍物的第一侵略性数值，并根据所述第一侵略性数值，利用所述第二评估模型，计算所述目标障碍物对应的估计参数。
[0006]可选的，在本专利技术第一方面的第一种实现方式中，所述根据所述历史驾驶数据，对障碍物危险性进行分位数建模，得到第一评估模型包括：将所述历史驾驶数据输入预设预训练模型，并通过所述预训练模型中的输入层提取所述历史驾驶数据中各个场景的车辆对应的危险性行为特征；根据所述危险性行为特征，通过所述预训练模型中的全连接层，分别估计所述各个场景的车辆与障碍物的相撞时长；根据车辆与障碍物的相撞时长，通过所述预训练模型中的输出层，估计车辆与障碍物相撞的多个百分位数值；基于车辆与障碍物相撞的多个百分位数值，对所述预训练模型进行更新，得到第一评估模型。
[0007]可选的，在本专利技术第一方面的第二种实现方式中，所述基于所述历史驾驶数据中障碍物的设置参数，利用所述第一评估模型对障碍物侵略性进行评估，得到评估结果包括：根据所述历史驾驶数据中障碍物的设置参数，仿真设置所述历史驾驶数据中各个场景的障碍物的侵略性行为信息；根据所述侵略性行为信息，通过所述第一评估模型，分别评估各个场景的障碍物的第二侵略性数值并作为评估结果。
[0008]可选的，在本专利技术第一方面的第三种实现方式中，所述根据所述历史驾驶数据中障碍物的设置参数，仿真设置所述历史驾驶数据中各个场景的障碍物的侵略性行为信息包括：按照预设参数范围，调整所述历史驾驶数据中各个场景的障碍物的设置参数，得到每个场景对应的至少一组参数组合；基于所述参数组合，分别生成各个场景中每个障碍物对应的至少一个仿真障碍物，并设置所述仿真障碍物的侵略性行为信息。
[0009]可选的，在本专利技术第一方面的第四种实现方式中，所述根据所述侵略性行为信息，通过所述第一评估模型，分别评估各个场景的障碍物的第二侵略性数值并作为评估结果包括：根据所述侵略性行为信息，通过所述第一评估模型，分别计算各个场景的障碍物与车辆的相撞时长以及对应的百分位数值；
[0010]对比障碍物与车辆的相撞时长与对应的百分位数值，并根据对比的结果，确定障碍物与车辆相撞的最大百分位数值；将所述最大百分位数值转换为对应的第二侵略性数值并作为评估结果。
[0011]可选的，在本专利技术第一方面的第五种实现方式中，所述基于所述评估结果生成第二评估模型包括：采用预设的梯度训练模型，拟合所述设置参数与第二侵略性数值之间的关联关系；根据所述关联关系，对所述梯度训练模型进行更新，直到所述梯度训练模型收敛时停止，得到第二评估模型。
[0012]可选的，在本专利技术第一方面的第六种实现方式中，所述根据所述第一侵略性数值，利用所述第二评估模型，计算所述目标障碍物对应的估计参数包括：利用所述第二评估模型，查找与所述第一侵略数值存在关联关系的预设近似范围内多组设置参数集，其中，每组设置参数集对应同一类型的多个设置参数；交叉组合各组设置参数中的设置参数，并计算每组交叉组合的设置参数对应的第三侵略性数值；对比所述第一侵略数值和各个第三侵略数值之间的大小，并将与所述第一侵略数值相差最小的第三侵略数值对应的交叉组合的设置参数设置为所述目标障碍物对应的估计参数。
[0013]本专利技术第二方面提供了一种自动驾驶的参数估计装置，包括：建模模块，用于获取历史驾驶数据，并根据所述历史驾驶数据，对障碍物危险性进行分位数建模，得到第一评估模型；评估模块，用于基于所述历史驾驶数据中障碍物的设置参数，利用所述第一评估模型对障碍物侵略性进行评估，得到评估结果，并基于所述评估结果生成第二评估模型；计算模块，用于获取目标障碍物的第一侵略性数值，并根据所述第一侵略性数值，利用所述第二评估模型，计算所述目标障碍物对应的估计参数。
[0014]可选的，在本专利技术第二方面的第一种实现方式中，所述建模模块包括：提取单元，用于将所述历史驾驶数据输入预设预训练模型，并通过所述预训练模型中的输入层提取所述历史驾驶数据中各个场景的车辆对应的危险性行为特征；时长估计单元，用于根据所述危险性行为特征，通过所述预训练模型中的全连接层，分别估计所述各个场景的车辆与障碍物的相撞时长；危险性估计单元，用于根据车辆与障碍物的相撞时长，通过所述预训练模型中的输出层，估计车辆与障碍物相撞的多个百分位数值；更新单元，用于基于车辆与障碍物相撞的多个百分位数值，对所述预训练模型进行更新，得到第一评估模型。
[0015]可选的，在本专利技术第二方面的第二种实现方式中，所述评估模块包括：设置单元，用于根据所述历史驾驶数据中障碍物的设置参数，仿真设置所述历史驾驶数据中各个场景的障碍物的侵略性行为信息；侵略性评估单元，用于根据所述侵略性行为信息，通过所述第
一评估模型，分别评估各个场景的障碍物的第二侵略性数值并作为评估结果。
[0016]可选的，在本专利技术第二方面的第三种实现方式中，所述设置单元还用于：按照预设参数范围，调整所述历史驾驶数据中各个场景的障碍物的设置参数，得到每个场景对应的至少一组参数组合；基于所述参数组合，分别生成各个场景中每个障碍物对应的至少一个仿真障碍物，并设置所述仿真障碍物的侵略性行为信息。
[0017]可选的，在本专利技术第二方面的第四种实现方式中，所述侵略性评估单元还用于：根据所述侵略性行为信息，通过所述第一评估模型，分别计算各个场景的障碍物与车辆的相撞时长以及对应的百分位数值；对比障碍物与车辆的相撞时长与对应的百分位数值，并根据对比的结果，确定障碍物与车辆相撞的最大百分位数值；将所述最大百分位数值转换为对应的第二侵略性数值并作为评估结果。
[0018本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶的参数估计方法，其特征在于，所述自动驾驶的参数估计方法包括：获取历史驾驶数据，并根据所述历史驾驶数据，对障碍物危险性进行分位数建模，得到第一评估模型；基于所述历史驾驶数据中障碍物的设置参数，利用所述第一评估模型对障碍物侵略性进行评估，得到评估结果，并基于所述评估结果生成第二评估模型；获取目标障碍物的第一侵略性数值，并根据所述第一侵略性数值，利用所述第二评估模型，计算所述目标障碍物对应的估计参数。2.根据权利要求1所述的自动驾驶的参数估计方法，其特征在于，所述根据所述历史驾驶数据，对障碍物危险性进行分位数建模，得到第一评估模型包括：将所述历史驾驶数据输入预设预训练模型，并通过所述预训练模型中的输入层提取所述历史驾驶数据中各个场景的车辆对应的危险性行为特征；根据所述危险性行为特征，通过所述预训练模型中的全连接层，分别估计所述各个场景的车辆与障碍物的相撞时长；根据车辆与障碍物的相撞时长，通过所述预训练模型中的输出层，估计车辆与障碍物相撞的多个百分位数值；基于车辆与障碍物相撞的多个百分位数值，对所述预训练模型进行更新，得到第一评估模型。3.根据权利要求1所述的自动驾驶的参数估计方法，其特征在于，所述基于所述历史驾驶数据中障碍物的设置参数，利用所述第一评估模型对障碍物侵略性进行评估，得到评估结果包括：根据所述历史驾驶数据中障碍物的设置参数，仿真设置所述历史驾驶数据中各个场景的障碍物的侵略性行为信息；根据所述侵略性行为信息，通过所述第一评估模型，分别评估各个场景的障碍物的第二侵略性数值并作为评估结果。4.根据权利要求3所述的自动驾驶的参数估计方法，其特征在于，所述根据所述历史驾驶数据中障碍物的设置参数，仿真设置所述历史驾驶数据中各个场景的障碍物的侵略性行为信息包括：按照预设参数范围，调整所述历史驾驶数据中各个场景的障碍物的设置参数，得到每个场景对应的至少一组参数组合；基于所述参数组合，分别生成各个场景中每个障碍物对应的至少一个仿真障碍物，并设置所述仿真障碍物的侵略性行为信息。5.根据权利要求3所述的自动驾驶的参数估计方法，其特征在于，所述根据所述侵略性行为信息，通过所述第一评估模型，分别评估各个场景的障碍物的第二侵略性数值并作为评估结果包括：根据所述侵略性行为信息，通过所述第一评估模型，分别计算各个场景的障碍物与车辆的相撞时长以及对应的百...

【专利技术属性】
技术研发人员：高熠，韩旭，
申请(专利权)人：广州文远知行科技有限公司，
类型：发明
国别省市：