[发明专利]无人车信号识别算法优化方法及装置

说明书

技术领域

本发明涉及无人车道路信号识别领域，尤其涉及一种识别算法优化方法及装置。

背景技术

环境识别一直是无人车技术的核心问题和挑战。其中，信号识别尤为重要。甚至可以说容不得一点错误。行车安全是大众对无人车的最直接怀疑。灯号，限速，道路故障，整套信号系统完全针对有人驾驶设计，使得人工识别的可靠率极高。现实中，驾驶者可能漏看一些信号，但是只要看清信号，误读的可能性几乎没有。

信号识别可以说是无人车技术最难超越传统驾驶的区域。信号的标示位置可能是变化的。比如左转道的提示可以标示于路面，也可以是指示牌。这些对于人工驾驶不是难题，对无人车却是一个问题。对于一些固有的信息，在已知的路段，无人车可以预存道路信息。但是这个解法对于变动的信号，比如灯号或者临时信号，比如前方车祸，道路封闭这样的重要信息，仍然依赖强大而稳定的人工智能。

如果大众对信号漏读可以一定程度的容忍，毕竟人有时候也无法注意全部的道路信息。误读却是一个人几乎没有而人工智能仍然存在的问题。极端的例子，在光线复杂情况下，红灯被读作绿灯，哪怕只有万分之一的概率，只要出现必然会引起公众的注意。而目前的识别准确度，还只能停留在千分之一的数量级。为了让无人车能和正常车辆共用道路，信号识别可信度是一个不容回避的问题。

本篇介绍的方法有两个积极的作用。其一，通盘比较几种非常热门的识别方法。其二，对于各种方法的可信度提出一种数量评估。需要特别注意，这个方法离实际应用还比较远。它可以在数量上横向比较各方法，这只是万里长征第一步。如何利用这种量化了的识别不确定性，使得识别准确度提高，或者有效规避错误风险，仍需要进一步研究和探讨。现实环境中最理想的情况是无人车运行在闭环上，除非无法通过某路段，无人车始终不偏离固定路线。这种固定的场景最利于积累有代表性的训练集，也最大程度减少智能识别的次数，同时便于各种识别参数的微调。可以从这个简单的情况入手，降低难度同时更便于大众接受无人车。

发明内容

为此，需要提供一种信号识别算法的优化方法，解决无人车信号识别可靠程度不够的问题。

为实现上述目的，发明人提供了一种无人车信号识别算法优化方法，其特征在于，包括如下步骤，使用训练图片对识别算法进行训练，获取训练结果，用未训练图片测试识别算法，获取测试结果；

根据所述测试结果计算熵函数，将所述训练结果与熵函数加权评分，获取不同识别算法的得分，选取得分最高的识别算法作为最优识别算法。

具体地，根据所述测试结果计算熵函数中熵函数计算公式为：

HN=-ΣCi∈Cp(y=Ci|x)log|C|[y=Ci|x].]]>

其中p代表的是概率，而C_i代表各种可能的分类结果，x代表所述测试结果。

进一步地，所述识别算法包括SVM算法、Boosting算法和GPC算法。

一种无人车信号识别算法优化装置，包括训练模块、测试模块、熵函数计算模块、最优选择模块；

所述训练模块用于使用训练图片对识别算法进行训练，获取训练结果；

所述测试模块用于使用未训练图片测试识别算法，获取测试结果；

所述熵函数计算模块用于根据所述测试结果计算熵函数；