一种确定方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种确定方法、装置、设备和存储介质。该方法包括：获取当前车辆的感知信息、导航信息以及运动信息；根据预设规则、感知信息、导航信息以及运动信息确定目标向量集合；将目标向量集合输入目标神经网络模型，得到目标规划路径，其中，目标神经网络模型通过目标样本集迭代训练神经网络模型得到，目标样本集包括：感知信息样本、导航信息样本、运动信息样本以及驾驶员驾驶路径信息样本。通过本发明专利技术的技术方案，能够避免传统方法中各个模块的误差累积问题，本发明专利技术实施例中的神经网络算法使用驾驶员驾驶数据进行训练，针对场景变换具有自学习能力，能够适应城市中日趋复杂的场景。景。景。

【技术实现步骤摘要】
一种确定方法、装置、设备和存储介质


[0001]本专利技术实施例涉及车辆
，尤其涉及一种确定方法、装置、设备和存储介质。

技术介绍

[0002]当前的自动驾驶算法，往往采用感知
‑
预测
‑
决策
‑
规划的结构，这样的结构下，各个模块的误差容易不断累积，一个模块出现的错误可能引发连锁反应，造成最后规划出的路径不够平滑，舒适度低，乃至产生安全风险。
[0003]除此之外，传统的基于规则进行路径规划的方法更多的适用于结构化的驾驶场景，而随着自动驾驶覆盖场景的日益增多，传统的基于规则的方法逐渐无法完整覆盖城市中的驾驶场景。且传统的基于规则的方法，不具备理论上的可成长性，面对场景的改变，需要人工重新设定规则，增加了繁复的工作量。

技术实现思路

[0004]本专利技术实施例提供一种确定方法、装置、设备和存储介质，以实现能够通过神经网络，根据感知信息、导航信息以及运动信息，输出最终的路径规划结果，避免了传统方法中各个模块的误差累积问题。
[0005]根据本专利技术的一方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定方法，其特征在于，包括：获取当前车辆的感知信息、导航信息以及运动信息；根据预设规则、所述感知信息、所述导航信息以及所述运动信息确定目标向量集合；将所述目标向量集合输入目标神经网络模型，得到目标规划路径，其中，所述目标神经网络模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：感知信息样本、导航信息样本、运动信息样本以及驾驶员驾驶路径信息样本。2.根据权利要求1所述的方法，其特征在于，所述目标向量集合包括所述感知信息对应的感知向量组、所述导航信息对应的导航向量组以及所述运动信息对应的运动向量组；根据预设规则、所述感知信息、所述导航信息以及所述运动信息确定目标向量集合，包括：根据预设规则对所述感知信息进行向量化处理，得到所述感知信息对应的感知向量组；根据预设规则对所述导航信息进行向量化处理，得到所述导航信息对应的导航向量组；根据预设规则对所述运动信息进行向量化处理，得到所述运动信息对应的运动向量组。3.根据权利要求1所述的方法，其特征在于，所述感知信息包括：车道线信息、停止横道线信息以及障碍物信息中的至少一种，其中，所述停止横道线信息包括：停止线信息和人行横道信息。4.根据权利要求3所述的方法，其特征在于，根据预设规则对所述感知信息进行向量化处理，得到所述感知信息对应的感知向量组，包括：根据所述车道线信息确定车道线对应的起点坐标信息、终点坐标信息、标识信息以及类型信息中的至少一种，并根据所述车道线对应的起点坐标信息、终点坐标信息、标识信息以及类型信息中的至少一种确定所述车道线信息对应的车道线向量组；根据所述停止横道线信息确定停止横道线对应的起点坐标信息、终点坐标信息、停止横道线宽度、标识信息以及类型信息中的至少一种，并根据所述停止横道线对应的起点坐标信息、终点坐标信息、停止横道线宽度、标识信息以及类型信息中的至少一种确定所述停止横道线信息对应的停止横道线向量组；根据所述障碍物信息确定障碍物对应的起点坐标信息、终点坐标信息、障碍物宽度、障碍物长度、标识信息、类型信息以及第一时间信息中的至少一种，并根据所述障碍物对应的起点坐标信息、终点坐标信息、障碍物宽度、障碍物长度、标识信息、类型信息以及第一时间信息中的至少一种确定所述障碍物信息对应的障碍物向量组；根据所述车道线信息对应的车道线向量组、所述停止横道线信息对应的停止横道线向量组以及所述障碍物信息对应的障碍物向量组确定所述感知信息...

【专利技术属性】
技术研发人员：于淼，赵喜坤，刘斌，吴杭哲，刘枫，孟祥哲，李伟男，王庚，刘畅，李潇江，
申请(专利权)人：一汽南京科技开发有限公司，
类型：发明
国别省市：