本发明专利技术提供了一种基于多路光注入激光器的光子卷积储备池的自动驾驶设备，通过信息获取装置从车辆的图像采集设备获取驾驶信息，识别装置通过自身训练好的目标识别分类网络对驾驶信息进行识别得到类别。本发明专利技术的待识别信息通过输入层得到特征向量，并通过储层输出储层的非线性瞬态响应，再通过输出层将非线性瞬态响应结合以及计算输出权重得到目标类别。由于本发明专利技术使用具备延迟反馈回路的发射激光器替换传统的全连接层，避免了梯度消失和梯度爆炸的缺陷。此外，本发明专利技术使用的多重注入的发射激光器可以提高数据处理速率，并结合岭回归和赢者通吃策略的后处理方法得到待识别信息的所属类别，因此本发明专利技术针对语音指令识别、自动驾驶表现出良好的性能。驾驶表现出良好的性能。驾驶表现出良好的性能。
【技术实现步骤摘要】
基于多路光注入激光器的光子卷积储备池的自动驾驶设备
[0001]本专利技术属于自动驾驶
，具体涉及一种基于多路光注入激光器的光子卷积储备池的自动驾驶设备。
技术介绍
[0002]自动驾驶伴随着科技迅速发展，为社会发展提供了一种全新的服务模式和全新体验。但自动驾驶目前需要解决的难题，其最核心和最困难的就是感知，目前行业内主要是以视觉为主导的多传感器融合方案以及以激光雷达为主导其他传感器为辅助的技术方案。
[0003]现阶段，自动驾驶中主要以通过卷积神经网络实现基于图像的目标检测和跟踪，主要有两阶段检测、单阶段检测、Transform检测等算法。
[0004]两阶段检测具体包括实现的方式包括提取物体区域和分类识别两个步骤，第一阶段利用一个区域候选网络在特征图的基础上生成候选框。第二阶段利用全连接层实现细化分类和回归。单阶段检测相较于两阶段算法，只需要进行一次特征提取即可实现目标检测，具有更快的检测速度。Transformer检测将注意力机制引入到目标检测领域，对不同目标之间的关系建模，在特征之中融入关系信息，实现了特征增强的目的。
[0005]现有自动驾驶领域的环境感知任务中广泛使用的卷积神经网络由于所需训练参数大、损失函数非凸的问题，存在着训练难度大、硬件实现困难的问题，如要处理更复杂的图片内容则需要不断加深神经网络的层数。但随着神经网络层数的加深，优化函数易陷入局部最优解，训练过程中梯度弥散、梯度爆炸的问题更加突出，导致自动驾驶效率和准确性不高。
技术实现思路
[0006]为了解决现有技术中存在的上述问题，本专利技术提供了一种应用于自动驾驶的多路光注入激光器的光子卷积储备池计算设备。本专利技术要解决的技术问题通过以下技术方案实现：
[0007]本专利技术提供了一种基于多路光注入激光器的光子卷积储备池的自动驾驶设备包括：
[0008]信息获取装置，用于从车辆的图像采集设备获取驾驶信息，并对所述驾驶信息进行处理得到待识别信息；
[0009]其中，所述驾驶信息包括车辆四周的环境图像和/或语音信息；
[0010]识别装置，用于通过自身训练好的目标识别分类网络对所述待识别信息进行识别得到待识别信息的类别；
[0011]其中，所述目标识别分类网络包括输入层、储层和输出层，所述待识别信息通过输入层得到特征向量，并通过储层输出储层的非线性瞬态响应，再通过输出层将非线性瞬态响应结合以及计算输出权重，得到待识别信息的类别。
[0012]本专利技术提供了一种基于多路光注入激光器的光子卷积储备池的自动驾驶设备，通
过信息获取装置从车辆的图像采集设备获取驾驶信息，并对所述驾驶信息进行处理得到待识别信息；识别装置通过自身训练好的目标识别分类网络对所述待识别信息进行识别得到待识别信息的类别。本专利技术的目标识别分类网络包括输入层、储层和输出层，待识别信息通过输入层得到特征向量，并通过储层输出储层的非线性瞬态响应，再通过输出层将非线性瞬态响应结合以及计算输出权重，得到待识别信息的类别。由于本专利技术使用具备延迟反馈回路的发射激光器替换传统的全连接层，避免了梯度消失和梯度爆炸的缺陷。此外，本专利技术使用的多重注入的发射激光器可以提高数据处理速率，并结合岭回归和赢者通吃策略的后处理方法得到待识别信息的所属类别，因此本专利技术针对语音指令识别、自动驾驶表现出良好的性能。
[0013]以下将结合附图及实施例对本专利技术做进一步详细说明。
附图说明
[0014]图1是本专利技术提供的一种基于多路光注入激光器的光子卷积储备池的自动驾驶设备的示意图；
[0015]图2是本专利技术提供的目标识别分类网络的结构示意图；
[0016]图3是本专利技术提供的卷积预处理模块提取原始数据的特征值过程中数据维度的变化的过程示意图；
[0017]图4是本专利技术提供的环境图像训练目标识别分类网络的过程示意图；
[0018]图5是本专利技术提供的语音信息训练目标识别分类网络的过程示意图。
具体实施方式
[0019]下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。
[0020]如图1所示，本专利技术提供了一种基于多路光注入激光器的光子卷积储备池的自动驾驶设备包括：
[0021]信息获取装置，用于从车辆的图像采集设备获取驾驶信息，并对所述驾驶信息进行处理得到待识别信息；
[0022]其中，所述驾驶信息包括车辆四周的环境图像和/或语音信息；
[0023]本专利技术的信息获取装置具体用于：从车辆的图像采集设备获取驾驶信息；当所述驾驶信息包含环境图像时，将环境图像转化大小为28
×
28像素图片；当所述驾驶信息包含语音指令时，将语音指令转化大小为86
×
P的二维矩阵，P为语音数据长度，并将86
×
P矩阵转化为大小为28
×
28的二维矩阵，将数值归一化到[0，1]之间；将8
×
28像素图片和/或归一化后的结果确定为待识别信息。
[0024]识别装置，用于通过自身训练好的目标识别分类网络对所述待识别信息进行识别得到待识别信息的类别；
[0025]参考图2，所述目标识别分类网络包括输入层、储层和输出层，所述待识别信息通过输入层得到特征向量，并通过储层输出储层的非线性瞬态响应，再通过输出层将非线性瞬态响应结合以及计算输出权重，得到待识别信息的类别。
[0026]所述输入层包括卷积预处理模块以及掩膜处理模块；
[0027]其中，所述卷积预处理模块用于将驾驶信息先进行卷积，再通过平均池化实现数据的下采样，之后进行非线性激活得到一维特征向量；所述掩膜处理模块用于将一维特征向量乘以掩膜矩阵得到多路输入信号，并通过马赫
‑
曾德尔调制器注入至所述储层中。
[0028]卷积预处理模块包括Cov1、Cov2、Pool1、Pool2和Sigmod五个部分；
[0029]其中，使用Cov1和Cov2进行卷积，Pool1和Pool2通过平均池化实现数据的下采样，Sigmod用于非线性激活；
[0030]Cov1和Cov2分别应用6个和12个5
×
5卷积核，每个卷积核每次滑动一个像素，Sigmod使用simgod函数处理Cov1和Cov2的输出结果；Pool1和Poo12以2
×
2池化核为最小单元。
[0031]Pool1和Poo12显著提高系统的测试精度的同时进一步减少了数据尺寸和处理时间。通过卷积预处理产生具有192个元素的一维向量u(t)，图3详细显示了所述卷积预处理过程中数据的维度变化。图中的原始图像2(a)是一个28
×
28矩阵，它经Cov1和Sigmod被转换为图3中(b)图所示的六个24
×
24矩阵。Pool1为下采样，其将数据转换为6个12
×
12矩阵，如图所示3中(c)图。类似地，在Cov2和Sigmod之后，得到了1本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于多路光注入激光器的光子卷积储备池的自动驾驶设备，其特征在于，包括：信息获取装置，用于从车辆的图像采集设备获取驾驶信息，并对所述驾驶信息进行处理得到待识别信息；其中，所述驾驶信息包括车辆四周的环境图像和/或语音信息；识别装置，用于通过自身训练好的目标识别分类网络对所述待识别信息进行识别得到待识别信息的类别；其中，所述目标识别分类网络包括输入层、储层和输出层，所述待识别信息通过输入层得到特征向量，并通过储层输出储层的非线性瞬态响应，再通过输出层将非线性瞬态响应结合以及计算输出权重，得到待识别信息的类别。2.根据权利要求1所述的基于多路光注入激光器的光子卷积储备池的自动驾驶设备，其特征在于，所述输入层包括卷积预处理模块以及掩膜处理模块；其中，所述卷积预处理模块用于将驾驶信息先进行卷积，再通过平均池化实现数据的下采样，之后进行非线性激活得到一维特征向量；所述掩膜处理模块用于将一维特征向量乘以掩膜矩阵得到多路输入信号，并通过马赫
‑
曾德尔调制器注入至所述储层中。3.根据权利要求1所述的基于多路光注入激光器的光子卷积储备池的自动驾驶设备，其特征在于，卷积预处理模块包括Cov1、Cov2、Pool1、Pool2和Sigmod五个部分；其中，使用Cov1和Cov2进行卷积，Pool1和Pool2通过平均池化实现数据的下采样，Sigmod用于非线性激活；Cov1和Cov2分别应用6个和12个5
×
5卷积核，每个卷积核每次滑动一个像素，Sigmod使用simgod函数处理Cov1和Cov2的输出结果；Pool1和Poo12以2
×
2池化核为最小单元。4.根据权利要求3所述的基于多路光注入激光器的光子卷积储备池的自动驾驶设备，其特征在于，所述储层包括垂直腔表面的发射激光器和延迟反馈回路；其中，通过延迟反馈回路为所述发射激光器增加自由度；多路输入信号通过所述发射激光器在自由度和偏振分量作用下产生非线性瞬态响应，并传输至输出层。5.根据权利要求4所述的基于多路光注入激光器的光子卷积储备池的自动驾驶设备，其特征在于，所述非线性瞬态响应通过输出层按照时序组合，并以一定采样间隔...
【专利技术属性】
技术研发人员：郭星星，项水英，周含旭，张雅慧，郝跃，
申请(专利权)人：西安电子科技大学，
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。