一种自动驾驶策略生成方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114187567A(43)申请公布日2022.03.15(21)申请号202111524937.5G06N3/04(2006.01)(22)申请日2021.12.14G06N3/08(2006.01)(71)申请人山东大学地址250061山东省济南市历下区经十路17923号(72)发明人刘春生聂昭颖常发亮刘辉路彦沙(74)专利代理机构济南圣达知识产权代理有限公司37221代理人杨琪(51)Int.Cl.G06V20/54(2022.01)G06V20/56(2022.01)G06V10/46(2022.01)G06V10/82(2022.01)权利要求书2页说明书11页附图3页(54)发明名称一种自动驾驶策略生成方法及系统(57)摘要本发明提供了一种自动驾驶策略生成方法及系统，获取目标车辆的交通场景图像，将获取的交通场景图像输入显著性目标区域检测网络，得到显著性区域特征；获取目标车辆的车速和外部指令，联合显著性区域特征和交通场景图像，输入驾驶策略生成模型，得到目标车辆的驾驶策略；其中，显著性目标区域检测网络通过前向训练、显著目标区域增强和后向训练三种约束共同训练得到。提高了自动驾驶策略生成的速度和准确度。CN114187567ACN114187567A权利要求书1/2页1.一种自动驾驶策略生成方法，其特征在于，包括：获取目标车辆的交通场景图像，将获取的交通场景图像输入显著性目标区域检测网络，得到显著性区域特征；获取目标车辆的车速和外部指令，联合显著性区域特征和交通场景图像，输入驾驶策略生成模型，得到目标车辆的驾驶策略；其中，显著性目标区域检测网络通过前向训练、显著目标区域增强和后向训练三种约束共同训练得到。2.如权利要求1所述的一种自动驾驶策略生成方法，其特征在于，所述显著性目标区域检测网络包括编码器以及与编码器连接的第一解码器和第二解码器；所述编码器由多组第一组块串联后，再串联一个4*4卷积层组成；所述第一组块包括依次连接的4*4卷积层、实例标准化和ReLU激活函数。3.如权利要求2所述的一种自动驾驶策略生成方法，其特征在于，所述第一解码器由多组第二组块串联后，串联一组第三组块组成；所述第二组块包括依次连接的4*4反卷积层、实例标准化和ReLU激活函数；所述第三组块包括依次连接的4*4卷积和sigmoid激活函数。4.如权利要求2所述的一种自动驾驶策略生成方法，其特征在于，所述第二解码器包括公共部分和与公共部分连接的两个分支；所述公共部分由多组第四组块串联得到，所述第四组块包括依次连接的4*4反卷积层、实例标准化和ReLU激活函数；所述两个分支均由多组第五组块串联后，再串联一组第六组块组成；所述第五组块包括依次连接的4*4反卷积层、实例标准化和ReLU激活函数；所述第六组块包括依次连接的4*4反卷积层和Tanh激活函数。5.如权利要求1所述的一种自动驾驶策略生成方法，其特征在于，所述得到目标车辆的驾驶策略的具体步骤为：获取目标车辆的车速和外部指令，联合所述显著性区域内容特征，采用评价网络和操作网络，得到驾驶操作；基于驾驶操作和交通场景图像，采用模仿学习网络，得到初始预测驾驶参数；基于驾驶操作、初始预测驾驶参数、目标车辆的速度和外部指令，得到预测驾驶参数；基于预测驾驶参数，计算出目标车辆的驾驶策略。6.如权利要求5所述的一种自动驾驶策略生成方法，其特征在于，所述预测驾驶参数的获取方法为：将驾驶操作、初始预测驾驶参数、目标车辆的速度和外部指令连接后，输入参数网络，得到初始预测驾驶参数的均值和方差；基于所述均值和方差，对初始预测驾驶参数通过高斯分布重新参数化，得到预测驾驶参数。7.如权利要求1所述的一种自动驾驶策略生成方法，其特征在于，所述驾驶策略生成模型采用离散的操作策略和连续的参数策略训练得到。8.一种自动驾驶策略生成系统，其特征在于，包括：特征提取模块，其被配置为：获取目标车辆的交通场景图像，将获取的交通场景图像输2CN114187567A权利要求书2/2页入显著性目标区域检测网络，得到显著性区域特征；驾驶策略预测模块，其被配置为：获取目标车辆的车速和外部指令，联合显著性区域特征和交通场景图像，输入驾驶策略生成模型，得到目标车辆的驾驶策略；其中，显著性目标区域检测网络通过前向训练、显著目标区域增强和后向训练三种约束共同训练得到。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，该程序被处理器执行时实现如权利要求1‑7中任一项所述的一种自动驾驶策略生成方法中的步骤。10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7中任一项所述的一种自动驾驶策略