【技术实现步骤摘要】
本申请涉及自动驾驶，特别是涉及一种行驶控制方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着自动驾驶技术的发展，自动驾驶车辆能够在各种行驶场景中安全行驶。但是，目前的自动驾驶技术，在自动驾驶车辆周围存在潜在的隐藏交通参与者或者其他看不见的物体时，无法做出准确的行驶策略，存在一定的安全隐患。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够控制车辆在盲区场景中安全行驶的行驶控制方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种行驶控制方法，所述方法包括：
3、在目标车辆的当前行驶场景的场景类型为盲区场景的情况下，获取所述目标车辆在盲区场景下的安全行驶轨迹和所述目标车辆在当前行驶场景下的初始代价函数，所述初始代价函数包括多项代价特征，所述代价特征是基于所述目标车辆的当前运动状态数据确定的；
4、基于所述安全行驶轨迹确定每一代价特征相应的目标权重值，并基于所述初始代价函数和所述目标权重值确定相应的目标代价函数；
5、基于所述目标代价函数确定所述目标车辆在当前行驶场景下的行驶策略；
6、基于所述行驶策略，控制所述目标车辆行驶。
7、在其中一个实施例中，所述获取所述目标车辆在盲区场景下的安全行驶轨迹，包括：
8、从所述目标车辆的历史行驶过程中确定多个历史盲区场景，并获取每一历史盲区场景相应的目标车辆的第一运动状态数据、目标车辆预设范围
9、基于所述第一运动状态数据、所述第二运动状态数据以及所述道路拓扑结构，确定所述安全行驶轨迹。
10、在其中一个实施例中，所述基于所述安全行驶轨迹确定每一代价特征相应的目标权重值，包括：
11、获取所述安全行驶轨迹相应的目标函数，所述目标函数表征当前行驶场景下的行驶策略和安全行驶轨迹间的相似性；
12、获取所述安全行驶轨迹的海森矩阵信息，基于梯度上升法和所述海森矩阵信息，确定所述目标函数的最大值；
13、将所述目标函数处于最大值时，每一代价特征相应的权重值确定为目标权重值。
14、在其中一个实施例中，所述在目标车辆的当前行驶场景的场景类型为盲区场景的情况下，获取所述目标车辆在盲区场景下的安全行驶轨迹和所述目标车辆在当前行驶场景下的初始代价函数之前，还包括：
15、获取当前行驶场景相应的场景图像；
16、基于目标卷积神经网络判断当前行驶场景的场景类型，所述场景类型包括盲区场景和正常场景；
17、若所述场景类型为盲区场景，则执行获取所述目标车辆在盲区场景下的安全行驶轨迹和所述目标车辆在当前行驶场景下的初始代价函数的步骤。
18、在其中一个实施例中，所述方法还包括：
19、在所述盲区场景和所述正常场景的场景切换过程中，逐步降低在前场景相应的第一权重值，并逐步升高在后场景相应的第二权重值，所述在前场景为进行切换之前的场景，所述在后场景为进行切换之后的场景，在所述场景切换过程中，所述第一权重值和所述第二权重值之和为1。
20、在其中一个实施例中，所述目标卷积神经网络是利用所述目标车辆的多个历史行驶场景相应的场景图像对初始卷积神经网络训练得到的，在训练过程中，冻结所述初始卷积神经网络的卷积层，并对全连接层进行训练。
21、第二方面，本申请还提供了一种行驶控制装置，所述装置包括：
22、获取模块，用于在目标车辆的当前行驶场景的场景类型为盲区场景的情况下，获取所述目标车辆在盲区场景下的安全行驶轨迹和所述目标车辆在当前行驶场景下的初始代价函数，所述初始代价函数包括多项代价特征，所述代价特征是基于所述目标车辆的当前运动状态数据确定的；
23、第一确定模块，用于基于所述安全行驶轨迹确定每一代价特征相应的目标权重值，并基于所述初始代价函数和所述目标权重值确定相应的目标代价函数；
24、第二确定模块，用于基于所述目标代价函数确定所述目标车辆在当前行驶场景下的行驶策略；
25、控制模块，用于基于所述行驶策略，控制所述目标车辆行驶。
26、第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的任意一个实施例中的方法的步骤。
27、第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的任意一个实施例中的方法的步骤。
28、第五方面，本申请还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的任意一个实施例中的方法的步骤。
29、上述行驶控制方法、装置、计算机设备、存储介质和计算机程序产品，在目标车辆的当前行驶场景的场景类型为盲区场景的情况下，获取目标车辆在盲区场景下的安全行驶轨迹和目标车辆在当前行驶场景下的初始代价函数，初始代价函数包括多项代价特征，代价特征是基于目标车辆的当前运动状态数据确定的；基于安全行驶轨迹确定每一代价特征相应的目标权重值，并基于初始代价函数和目标权重值确定相应的目标代价函数；基于目标代价函数确定目标车辆在当前行驶场景下的行驶策略；基于行驶策略，控制目标车辆行驶。本申请提供的方法，能够使得目标车辆在盲区场景下做出合理的行驶策略，从而使得目标车辆在盲区场景下安全行驶。
本文档来自技高网...【技术保护点】
1.一种行驶控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取所述目标车辆在盲区场景下的安全行驶轨迹，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述安全行驶轨迹确定每一代价特征相应的目标权重值，包括：
4.根据权利要求1所述的方法，其特征在于，所述在目标车辆的当前行驶场景的场景类型为盲区场景的情况下，获取所述目标车辆在盲区场景下的安全行驶轨迹和所述目标车辆在当前行驶场景下的初始代价函数之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求4所述的方法，其特征在于，所述目标卷积神经网络是利用所述目标车辆的多个历史行驶场景相应的场景图像对初始卷积神经网络训练得到的，在训练过程中，冻结所述初始卷积神经网络的卷积层，并对全连接层进行训练。
7.一种行驶控制装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种行驶控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取所述目标车辆在盲区场景下的安全行驶轨迹，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述安全行驶轨迹确定每一代价特征相应的目标权重值，包括：
4.根据权利要求1所述的方法，其特征在于，所述在目标车辆的当前行驶场景的场景类型为盲区场景的情况下，获取所述目标车辆在盲区场景下的安全行驶轨迹和所述目标车辆在当前行驶场景下的初始代价函数之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求4所述的方法，其特征在于，所述目标卷积神经网络是利用所述目标...
【专利技术属性】
技术研发人员：董小瑜，吕颖，张坤超，安孝文，
申请(专利权)人：中国第一汽车股份有限公司，
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。