一种自动驾驶算法训练方法和装置制造方法及图纸

本发明专利技术涉及一种自动驾驶算法训练方法和装置，该方法包括：基于测试道路信息生成道路仿真环境；利用预设正交排列法根据历史交通场景数据构建多场景驾驶数据集；根据多场景驾驶数据集在道路仿真环境中对自动驾驶算法进行优化，得到优化驾驶算法，获取交通参与者时空分布特征和车辆的仿真轨迹数据；将交通参与者时空分布特征实时投影到测试道路，获取车辆的真实轨迹数据，根据真实轨迹数据和仿真轨迹数据对优化驾驶算法进行训练，得到训练完备的自动驾驶算法。本发明专利技术通过虚实结合的训练方法使自动驾驶算法更快速高效的向真实环境迁移，降低了算法训练与校验的成本，能够更好地应对复杂的驾驶场景，提高驾驶安全性和舒适性。

【技术实现步骤摘要】

本专利技术涉及车辆自动驾驶，尤其涉及一种自动驾驶算法训练方法和装置。

技术介绍

1、在自动驾驶规划和控制(pnc，planning and control)领域，现有的技术方案主要集中在基于传统规则、经验和模型进行决策规划与控制的方法上。这些方法通常使用预定义的规则和模型来生成自动驾驶决策策略，例如latticeplanner、emplanner等局部规划算法常用于结构化道路中的车辆局部路径规划、速度规划以产生车辆轨迹形成巡航、跟车、换道、超车、避障等不同的驾驶行为。mpc(模型预测控制)、lqr(线性二次型调节器跟踪控制器)等算法常用于车辆的轨迹跟踪控制。

2、然而，这些现有技术方案存在一些缺点。首先，由于自动驾驶场景复杂多变，很难通过人工定义的规则和模型来覆盖所有可能的情况，导致决策策略缺乏灵活性和适应性。其次，传统方法通常需要大量的手动调优和参数设置，且对于不同的道路、交通状况和车辆特性需要重新定制，增加了开发和维护的成本。此外，现有技术在处理非结构化、复杂的真实道路场景时可能存在一定的局限性，系统鲁棒性和安全性难以保证，同时，现有技术对本文档来自技高网...

【技术保护点】

1.一种自动驾驶算法训练方法，其特征在于，包括：

2.根据权利要求1所述的自动驾驶算法训练方法，其特征在于，所述基于测试道路信息生成道路仿真环境，包括：

3.根据权利要求1所述的自动驾驶算法训练方法，其特征在于，所述利用预设正交排列法根据历史交通场景数据构建多场景驾驶数据集，包括：

4.根据权利要求1所述的自动驾驶算法训练方法，其特征在于，所述根据所述多场景驾驶数据集在道路仿真环境中对自动驾驶算法进行优化，得到优化驾驶算法，包括：

5.根据权利要求4所述的自动驾驶算法训练方法，其特征在于，所述算法优化评价指标包括横向评价指标和纵向评价指标；...

【技术特征摘要】

1.一种自动驾驶算法训练方法，其特征在于，包括：

2.根据权利要求1所述的自动驾驶算法训练方法，其特征在于，所述基于测试道路信息生成道路仿真环境，包括：

3.根据权利要求1所述的自动驾驶算法训练方法，其特征在于，所述利用预设正交排列法根据历史交通场景数据构建多场景驾驶数据集，包括：

4.根据权利要求1所述的自动驾驶算法训练方法，其特征在于，所述根据所述多场景驾驶数据集在道路仿真环境中对自动驾驶算法进行优化，得到优化驾驶算法，包括：

5.根据权利要求4所述的自动驾驶算法训练方法，其特征在于，所述算法优化评价指标包括横向评价指标和纵向评价指标；

6.根据权利要求5所述的自动驾驶算法训练方法，其特征在于，所述...

【专利技术属性】
技术研发人员：褚端峰，靳小鑫，彭峰，张明帅，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：