一种环境识别模型训练方法、驾驶控制方法及相关装置制造方法及图纸

本发明专利技术实施例提供了一种环境识别模型训练方法、驾驶控制方法及相关装置，环境识别模型训练方法通过获取包含中断自动驾驶模式的环境的图像作为风格图像，将该风格图像和原始训练图像集中的原始图像输入图像风格迁移网络中，从而将包含中断自动驾驶模式的环境的图像的风格迁移到车辆行驶过程中所采集到的原始图像上，解决了环境识别模型难以获取训练数据的问题，此外，可通过训练好的环境识别模型识别实际驾驶场景中包含中断自动驾驶模式的环境图像，并将该图像作为新的训练图像来更新环境识别模型，使得环境识别模型识不断提升识别中断自动驾驶模式的各种环境的能力，提高了识别中断自动驾驶模式的环境的准确度，保证了自动驾驶的安全性能。自动驾驶的安全性能。自动驾驶的安全性能。

【技术实现步骤摘要】
一种环境识别模型训练方法、驾驶控制方法及相关装置


[0001]本专利技术实施例涉及自动驾驶控制
，尤其涉及一种环境识别模型训练方法、驾驶控制方法及相关装置。

技术介绍

[0002]自动驾驶车辆在行驶过程中通过实时感知车辆周围的行驶环境来判断是否适宜自动驾驶，如天气、道路等行驶环境，当行驶环境不适宜自动驾驶模式时中断自动驾驶模式，因此识别行驶环境是否适宜自动驾驶至关重要。
[0003]随着人工智能技术的发展，神经网络被广泛应用于目标识别和环境感知等，若通过神经网络识别中断自动驾驶模式的环境，则需要获取大量的包含中断自动驾驶模式的环境的数据来训练神经网络，例如，需要恶劣天气、恶化的道路等不适宜自动驾驶模式的环境的图像作为训练数据，而在自动驾驶车辆的实际行驶过程中，此类图像较为稀疏，导致训练数据难以获取，所获得的神经网络的环境识别能力较差。

技术实现思路

[0004]本专利技术实施例提出了一种环境识别模型训练方法，以解决训练环境识别模型时难以获取训练数据、神经网络的环境识别能力较差的问题。
[0005]第一方面，本专利技术实施例提供了一种环境识别模型训练方法，包括：
[0006]获取包含指定风格的风格图像，所述指定风格为中断自动驾驶模式的预设环境的图像风格；
[0007]将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中，以将所述指定风格迁移到所述原始图像中，得到包含第一图像的第一训练图像集；
[0008]采用所述第一训练图像集训练环境识别模型；
[0009]将采集的第二图像输入所述环境识别模型中，得到所述第二图像所包含的预设环境的以及包含所述预设环境的第一概率；
[0010]在所述第一概率大于预设概率时，将所述第二图像添加到所述第一训练图像集中，得到第二训练图像集；
[0011]采用所述第二训练图像集更新所述环境识别模型。
[0012]第二方面，本专利技术实施例还提供了一种驾驶控制方法，
[0013]在自动驾驶车辆以自动驾驶模式行驶过程中，采集图像得到待识别图像；
[0014]将所述待识别图像输入预先训练的环境识别模型，得到所述待识别图像包含预设环境的概率，所述预设环境为中断自动驾驶模式的环境；
[0015]当所述概率大于预设概率时，控制所述自动驾驶车辆退出自动驾驶模式；
[0016]其中，其中，所述环境识别模型通过如第一方面所述的环境识别模型训练方法训练。
[0017]第三方面，本专利技术实施例还提供了一种环境识别模型训练装置，
[0018]风格图像获取模块，用于获取包含指定风格的风格图像，所述指定风格为中断自动驾驶模式的预设环境的图像风格；
[0019]第一训练图像集获取模块，用于将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中，以将所述指定风格迁移到所述原始图像中，得到包含第一图像的第一训练图像集；
[0020]模型训练模块，用于采用所述第一训练图像集训练环境识别模型；
[0021]第一环境识别模块，用于，将采集的第二图像输入所述环境识别模型中，得到所述第二图像所包含的预设环境的以及包含所述预设环境的第一概率；
[0022]第二训练图像集获取模块，用于在所述第一概率大于预设概率时，将所述第二图像添加到所述第一训练图像集中，得到第二训练图像集；
[0023]模型更新模块，用于采用所述第二训练图像集更新所述环境识别模型。
[0024]第四方面，本专利技术实施例还提供了一种驾驶控制装置，包括
[0025]图像采集模块，用于在自动驾驶车辆以自动驾驶模式行驶过程中，采集图像得到待识别图像；
[0026]第二环境识别模块，用于将所述待识别图像输入预先训练的环境识别模型，得到所述待识别图像包含预设环境的概率，所述预设环境为中断自动驾驶模式的环境；
[0027]车辆控制模块，用于当所述概率大于预设概率时，控制所述自动驾驶车辆退出自动驾驶模式；
[0028]其中，所述环境识别模型通过如第一方面所述的环境识别模型训练方法训练。
[0029]第五方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0030]一个或多个处理器；
[0031]存储器，用于存储一个或多个计算机程序，
[0032]当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的环境识别模型训练方法，和/或，如第二方面所述的驾驶控制方法。
[0033]第六方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的环境识别模型训练方法，和/或，如第二方面所述的驾驶控制方法。
[0034]本专利技术实施例通过获取包含中断自动驾驶模式的预设环境的图像作为风格图像，将该风格图像和原始训练图像集中的原始图像输入图像风格迁移网络中，以将风格图像中的图像风格迁移到原始图像中得到包含第一图像的第一训练图像集，使得第一图像包含中断自动驾驶模式的预设环境的图像风格，进一步将该第一训练图像集作为环境识别模型的训练数据，从而通过风格迁移的方式，将包含预设环境的图像的风格迁移到车辆行驶过程中所采集到的原始图像上，可以方便、快捷地获取包含各种预设环境的图像作为环境识别模型的训练数据，另一方面，可通过训练好的环境识别模型识别出实际驾驶场景中包含预设环境的图像，并将该图像作为新增的训练数据来更新环境识别模型，使得环境识别模型识不断提升识别各种预设环境的能力，提高了识别预设环境的准确度，保证了自动驾驶的安全性能。
[0035]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特
征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0036]图1为本专利技术实施例一提供的一种环境识别模型训练方法的流程图；
[0037]图2为本专利技术实施例一提供的一种风格迁移图像对比示意图；
[0038]图3是本专利技术实施例二提供的一种环境识别模型训练方法的流程图；
[0039]图4是本专利技术实施例二提供的感兴趣区域示意图；
[0040]图5是本专利技术实施例三提供的一种驾驶控制方法的流程图；
[0041]图6为本专利技术实施例四提供的一种环境识别模型训练装置的结构示意图；
[0042]图7为本专利技术实施例五提供的一种驾驶控制装置的结构示意图；
[0043]图8为本专利技术实施例六提供的一种电子设备的结构示意图。
具体实施方式
[0044]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种环境识别模型训练方法，其特征在于，包括：获取包含指定风格的风格图像，所述指定风格为中断自动驾驶模式的预设环境的图像风格；将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中，以将所述指定风格迁移到所述原始图像中，得到包含第一图像的第一训练图像集；采用所述第一训练图像集训练环境识别模型；将采集的第二图像输入所述环境识别模型中，得到所述第二图像所包含的预设环境的以及包含所述预设环境的第一概率；在所述第一概率大于预设概率时，将所述第二图像添加到所述第一训练图像集中，得到第二训练图像集；采用所述第二训练图像集更新所述环境识别模型。2.根据权利要求1所述的方法，其特征在于，所述将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中，包括：针对每种所述指定风格，将包含所述指定风格的风格图像和所述原始训练图像集中的原始图像输入到图像风格迁移网络中。3.根据权利要求1所述的方法，其特征在于，所述将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中，以将所述指定风格迁移到所述原始图像中，得到包含第一图像的第一训练图像集，包括：将所述原始训练图像集中的多张原始图像分为多个图像组；针对每种所述指定风格，确定所述指定风格对应的目标图像组；将包含所述指定风格的风格图像和所述目标图像组中的原始图像输入到图像风格迁移网络中，以将所述指定风格迁移到所述原始图像中，得到包含第一图像的第一训练图像集。4.根据权利要求1所述的方法，其特征在于，所述将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中，以将所述指定风格迁移到所述原始图像中，得到包含第一图像的第一训练图像集，包括：从原始训练图像集中的原始图像中截取出与所述预设环境关联的感兴趣区域，得到第三图像；将所述风格图像和所述第三图像输入图像风格迁移网络中得到第四图像；将所述第四图像替换到所述原始图像的所述感兴趣区域中，得到第一图像，并将所述第一图像的合集作为第一训练图像集。5.根据权利要求1所述的方法，其特征在于，所述采用所述第一训练图像集训练环境识别模型，包括：为所述第一训练图像集中的所述第一图像标注标签，所述标签包括所述第一图像所包含的预设环境以及包含所述预设环境的第二概率；初始化环境识别模型；随机提取所述第一图像输入所述环境识别模型中，得到所述第一图像包含所述预设环境的第三概率；采用所述第二概率和所述第三概率计算损失率；
判断损失率是否小于预设阈值；若是，则停止对所述环境识别模型进行训练，得到训练好的环境识别模型；若否，则采用所述损失率调整所述环境识别模型的模型参数，返回随机提取所述第一图像输入所述环境识别模型的步骤。6.根据权利要求1所述的方法，其特征在于，所述在所述第一概率大于预设概率时，将所述第二图像添加到所述第一训练图像集中，得到第二训练图像集，包括：在所述第一概率大于预设概率时，为所述第二图像标注标签，所述标签包括所述第二图像所...

【专利技术属性】
技术研发人员：杜杭肯，郭湘，王贯安，陈国斌，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：