[发明专利]一种用于驾驶模式切换的方法和装置有效
申请号: | 201710792452.1 | 申请日: | 2017-09-05 |
公开(公告)号: | CN107564363B | 公开(公告)日: | 2019-11-05 |
发明(设计)人: | 姜雨;郁浩;闫泳杉;郑超;唐坤;张云飞 | 申请(专利权)人: | 百度在线网络技术(北京)有限公司 |
主分类号: | G09B9/04 | 分类号: | G09B9/04 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 杨泽;刘芳 |
地址: | 100085 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 驾驶 模式 切换 方法 装置 | ||
1.一种用于驾驶模式切换的方法,其中,该方法包括:
a获取自动驾驶车辆的车载传感器所采集的传感器数据,其中,所述传感器数据包括所述自动驾驶车辆的安全场景数据和不安全场景数据;
b将所述传感器数据作为输入,对应的端对端驾驶模式或循迹驾驶模式作为输出,训练模式切换模型;
其中,该方法还包括:
x实时获取所述自动驾驶车辆的车载传感器所采集的当前实际场景;
y根据所述当前实际场景,基于所述模式切换模型,在端对端驾驶模式或循迹驾驶模式中进行切换;
该方法还包括:
记录所述自动驾驶车辆在自动驾驶过程中驾驶员的接手行为,获取对应时刻所述车载传感器所采集的传感器修正数据;
根据所述传感器修正数据,对所述模式切换模型进行修正。
2.根据权利要求1所述的方法,其中,所述步骤b包括:
建立卷积神经网络模型,将所述传感器数据作为输入,对应的端对端驾驶模式或循迹驾驶模式作为输出,训练所述模式切换模型。
3.根据权利要求2所述的方法,其中,在所述卷积神经网络模型的每两层卷积层中加入负反馈层,每三层卷积层中加入dropout层。
4.根据权利要求1至3中任一项所述的方法,其中,所获取的车载传感器所采集的传感器数据分为测试集与训练集;
其中,所述步骤b包括:
将所述训练集作为输入,对应的端对端驾驶模式或循迹驾驶模式作为输出,训练所述模式切换模型。
5.根据权利要求4所述的方法,其中,所述步骤b包括:
将所述训练集作为输入,对应的端对端驾驶模式或循迹驾驶模式作为输出,训练获得多个候选切换模型;
其中,该方法还包括:
根据所述测试集,自所述多个候选切换模型中选择确定所述模式切换模型。
6.一种用于驾驶模式切换的装置,其中,该装置包括:
采集装置,用于获取自动驾驶车辆的车载传感器所采集的传感器数据,其中,所述传感器数据包括所述自动驾驶车辆的安全场景数据和不安全场景数据;
训练装置,用于将所述传感器数据作为输入,对应的端对端驾驶模式或循迹驾驶模式作为输出,训练模式切换模型;
其中,该装置还包括:
获取装置,用于实时获取所述自动驾驶车辆的车载传感器所采集的当前实际场景;
切换装置,用于根据所述当前实际场景,基于所述模式切换模型,在端对端驾驶模式或循迹驾驶模式中进行切换;
其中,该装置还包括修正装置,用于:
记录所述自动驾驶车辆在自动驾驶过程中驾驶员的接手行为,获取对应时刻所述车载传感器所采集的传感器修正数据;
根据所述传感器修正数据,对所述模式切换模型进行修正。
7.根据权利要求6所述的装置,其中,所述训练装置用于:
建立卷积神经网络模型,将所述传感器数据作为输入,对应的端对端驾驶模式或循迹驾驶模式作为输出,训练所述模式切换模型。
8.根据权利要求7所述的装置,其中,在所述卷积神经网络模型的每两层卷积层中加入负反馈层,每三层卷积层中加入dropout层。
9.根据权利要求6至8中任一项所述的装置,其中,所获取的车载传感器所采集的传感器数据分为测试集与训练集;
其中,所述训练装置用于:
将所述训练集作为输入,对应的端对端驾驶模式或循迹驾驶模式作为输出,训练所述模式切换模型。
10.根据权利要求9所述的装置,其中,所述训练装置用于:
将所述训练集作为输入,对应的端对端驾驶模式或循迹驾驶模式作为输出,训练获得多个候选切换模型;
其中,该装置还包括:
选择装置,用于根据所述测试集,自所述多个候选切换模型中选择确定所述模式切换模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710792452.1/1.html,转载请声明来源钻瓜专利网。