本申请公开了一种通行决策模型训练方法、装置、介质及设备，属于数据处理领域。该方法主要包括：在信号灯状态可获取的路口，获取自车周围的参考车辆的运动状态信息；将参考车辆的运动状态信息和自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练，得到通行决策模型，通行决策模型用于对信号灯状态被遮挡路口的通行决策；其中，运动状态信息包括速度、加速度、距离信息和/或所在车道信息。本申请能够在信号灯状态被遮挡路口的数据样本不足的情况下，训练得到能够准确进行决策的模型。决策的模型。决策的模型。
【技术实现步骤摘要】
一种通行决策模型训练方法、装置、介质及设备
[0001]本申请涉及数据处理
，特别涉及一种通行决策模型训练方法、装置、介质及设备。
技术介绍
[0002]在一些场景中，当自动驾驶（包括智能驾驶或者辅助驾驶）车辆只使用前置摄像头不使用侧视摄像头时，或者，当自动驾驶车辆行驶方向的前方存在大型车辆时，自动驾驶车辆的视觉会被遮挡。在自动驾驶车辆行驶至路口或有信号灯控制的区域，且车辆的摄像头或其它感知设备被遮挡从而无法获取交通指示灯状态的场景中，对是否通行决策时，可能会作出“一刀切”的停车决策，这种决策易造成交通拥堵。
[0003]但在实际应用中这种车辆视觉被遮挡场景的出现次数较少，从而导致在进行自动驾驶车辆在路口交通指示灯被遮挡的条件下的路口通行决策的机器学习时，会存在数据样本不足导致模型的训练学习结果不准确或无法进行模型的训练这一问题，进而导致了在进行自动驾驶车辆感知系统受限，例如视觉被遮挡的情况下，难以准确地进行决策。
技术实现思路
[0004]针对实际应用场景中存在的车辆感知系统受限，尤其是车辆视觉系统被遮挡或信号灯被遮挡的情景不容易出现，导致该场景下的数据样本不足的问题，本申请主要提供一种通行决策模型训练方法、通行决策方法、装置、介质及设备。
[0005]第一方面，提供一种通行决策模型训练方法，其包括：在信号灯状态可获取的路口，获取自车周围的参考车辆的运动状态信息；将参考车辆的运动状态信息和自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练，得到通行决策模型，通行决策模型用于对信号灯状态被遮挡路口的通行决策；其中，运动状态信息包括速度、加速度、距离信息和/或所在车道信息。
[0006]可选的，根据多个参考车辆与自车之间的位置关系，按照自车的运动状态信息将多个参考车辆的运动状态信息进行分类，得到多个不同类别的运动状态信息；将同一类别的运动状态信息进行关联，得到数据样本。
[0007]可选的，利用参考车辆运动状态信息和自车的运动状态信息，计算得到数据样本并从数据样本中提取数据样本的特征数据；利用特征数据，进行模型的训练，得到自车在信号灯状态被遮挡路口的通行决策模型。
[0008]可选的，将同一时刻的参考车辆运动状态信息和自车的运动状态信息进行关联，得到数据样本；将数据样本中的高维度特征的参考车辆运动状态信息和自车的运动状态信息进行降维，得到低维度的参考车辆的特征数据的和自车的特征数据。
[0009]可选的，利用多个参考车辆，计算得到多个参考车辆的平均速度、平均加速度和平均距离；利用平均速度、平均加速度和平均距离以及多个参考车辆的车道信息，以及自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练。
[0010]可选的，获取自车周围的障碍物的运动状态信息；对障碍物进行筛选，得到参考车辆以及参考车辆对应的运动状态信息。
[0011]可选的，对自车周围的障碍物进行地理位置筛选、类别筛选、车道位置筛选以及车身朝向角筛选，得到参考车辆。
[0012]可选的，利用通行决策模型对自车在信号灯状态被遮挡路口进行通行决策，将得到的决策结果与正确通行决策进行比较，根据比较结果对通行决策模型进行修正。
[0013]第二方面，提供一种通行决策模型训练装置，其包括：数据获取模块，其用于在信号灯状态可获取的路口，获取自车周围的参考车辆的运动状态信息；模型训练模块，其用于将参考车辆的运动状态信息和自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练，得到通行决策模型，通行决策模型用于对信号灯状态被遮挡路口的通行决策。
[0014]第三方面，提供一种通行决策方法，其在自车无法获取路口信号灯状态的条件下，利用如方案1的通行决策模型训练方法所训练得到的通行决策模型做出路口通行决策。
[0015]第四方面，一种计算机可读存储介质，该可读存储介质存储有计算机指令，该计算机指令被操作以执行前述第一方面的通行决策模型训练方法，或前述第三方面的通行决策方法。
[0016]第五方面，本申请提供一种了计算机设备，其包括处理器和存储器，存储器存储有计算机指令，该计算机指令被操作以执行前述第一方面的通行决策模型训练方法，或前述第三方面的通行决策方法。
[0017]本申请的技术方案可以达到的有益效果是：本申请设计了一种通行决策模型训练方法、通行决策方法、装置、介质及设备。该方法以真实路口红绿灯状态作为样本，能够在车辆感知系统（例如视觉系统）被遮挡、红绿灯状态被遮挡，路口数据样本不足的情况下，通过将正常路口的样本数据作为红绿灯状态被遮挡路口数据样本，使得模型的训练结果更加准确可靠，提高了自动驾驶车辆在前述场景下的决策准确度。
附图说明
[0018]为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图示例性的示出了本申请的一些实施例。
[0019]图1是本申请一种通行决策模型训练方法的一个具体实施方式的示意图；图2是本申请一种通行决策模型训练装置的一个具体实施方式的示意图；图3是本申请一种通行决策模型训练装置的数据测试模块的具体实施方式的示意图。
[0020]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0021]下面结合附图对本申请的较佳实施例进行详细阐述，以使本申请的优点和特征能
更易于被本领域技术人员理解，从而对本申请的保护范围做出更为清楚明确的界定。
[0022]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0023]下面，以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面述及的具体的实施例可以相互结合形成新的实施例。对于在一个实施例中描述过的相同或相似的思想或过程，可能在其他某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
[0024]图1示出了本申请一种通行决策模型训练方法的一个具体实施方式。
[0025]在图1中通行决策模型训练方法包括步骤S101，在信号灯状态可获取的路口，获取自车周围的参考车辆的运动状态信息；步骤S102，将参考车辆的运动状态信息和自车的运动本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种通行决策模型训练方法，其特征在于，包括：在信号灯状态可获取的路口，获取自车周围的参考车辆的运动状态信息；将所述参考车辆的运动状态信息和所述自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练，得到通行决策模型，所述通行决策模型用于对信号灯状态被遮挡路口的通行决策；其中，所述运动状态信息包括速度、加速度、距离信息和/或所在车道信息。2.根据权利要求1所述的通行决策模型训练方法，其特征在于，所述将所述参考车辆的运动状态信息和所述自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练，得到通行决策模型，所述通行决策模型用于对信号灯状态被遮挡路口的通行决策，包括：根据多个所述参考车辆与所述自车之间的位置关系，按照所述自车的运动状态信息将多个所述参考车辆的运动状态信息进行分类，得到多个不同类别的运动状态信息；将同一类别的所述运动状态信息进行关联，得到所述数据样本。3.根据权利要求1或2所述的通行决策模型训练方法，其特征在于，所述将所述参考车辆的运动状态信息和所述自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练，包括：利用所述参考车辆的运动状态信息和所述自车的运动状态信息，计算得到所述数据样本并从所述数据样本中提取所述数据样本的特征数据；利用所述特征数据，进行模型的训练，得到所述自车在所述信号灯状态被遮挡路口的所述通行决策模型。4.根据权利要求3所述的通行决策模型训练方法，其特征在于，所述利用所述参考车辆的运动状态信息和所述自车的运动状态信息，计算得到所述数据样本并从所述数据样本中提取所述数据样本的特征数据，包括：将同一时刻的所述参考车辆的运动状态信息和所述自车的运动状态信息进行关联，得到所述数据样本；将所述数据样本中的高维度特征的所述参考车辆的运动状态信息和所述自车的运动状态信息进行降维，得到低维度的所述参考车辆的特征数据的和所述自车的特征数据。5.根据权利要求1或2所述的通行决策模型训练方法，其特征在于，所述将所述参考车辆的运动状态信息和所述自车的运动状态信息作为在信号灯状态被遮挡路口的数据样本进行模型的训练，包括：计算得到多个所述参考车辆的平均速度、平均加速度和平均距离；利用所述平均速度、平均加速度和平均距离以及多个所述...
【专利技术属性】
技术研发人员：张兆瑞，王鲁宁，张磊，朱越美，
申请(专利权)人：魔门塔苏州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。