[发明专利]基于激光雷达和端到端深度学习方法的自动驾驶方法有效
| 申请号： | 201711419304.1 | 申请日： | 2017-12-25 |
| 公开（公告）号： | CN108227707B | 公开（公告）日： | 2021-11-26 |
| 发明（设计）人： | 王猛;成波;张伟;卢远志;李红飞 | 申请（专利权）人： | 清华大学苏州汽车研究院（吴江）;上海汽车集团股份有限公司 |
| 主分类号： | G05D1/02 | 分类号： | G05D1/02 |
| 代理公司： | 苏州创元专利商标事务所有限公司 32103 | 代理人： | 范晴;丁浩秋 |
| 地址： | 215200 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 激光雷达 端到端 深度 学习方法 自动 驾驶 方法 | ||
【权利要求书】：
1.一种基于激光雷达和端到端深度学习方法的自动驾驶方法，其特征在于，包括以下步骤：
S01：将激光雷达获取的行车环境信息实时转化为深度图，具体包括，将行车环境信息的每帧数据的数据点向行车前方左右分别一定夹角内投影，得到具有固定宽度和高度的深度图像；所述深度图像同一行像素的点对应于激光雷达数据中同一个俯仰角的点，同一列像素的点对应于激光雷达数据中同一偏转角的点；
S02：根据位于基准数据时间戳两侧的被匹配数据的时间戳与基准数据时间戳差值的大小确定具体匹配元素，将完成匹配的数据保存为数据-标注对，作为训练数据；
S03：将训练数据输入构建的深度卷积神经网络模型进行训练，通过深度卷积神经网络模型得到驾驶数据，所述驾驶数据包括车速数据和方向盘转角数据。
2.根据权利要求1所述的基于激光雷达和端到端深度学习方法的自动驾驶方法，其特征在于，所述步骤S02之前还包括，将各类型数据的时间戳转化为一定大小的整型时间戳。
3.根据权利要求1所述的基于激光雷达和端到端深度学习方法的自动驾驶方法，其特征在于，所述深度卷积神经网络模型包括多级卷积神经网络和全连接神经网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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清华大学苏州汽车研究院（吴江）;上海汽车集团股份有限公司，未经清华大学苏州汽车研究院（吴江）;上海汽车集团股份有限公司许可，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/201711419304.1/1.html，转载请声明来源钻瓜专利网。
- 上一篇：机器人躲避动态障碍的方法及装置
- 下一篇：一种移动机器人定位方法及其系统
