[发明专利]自动驾驶状态判别方法和装置

权利要求书

1.一种自动驾驶状态判别方法，其特征在于，包括：

将自动驾驶仿真结果包括的N维数据输入三元组深度网络；

利用三元组深度网络对所述N维数据进行降维处理，输出M维数据；其中N大于M，且M和N为正整数；

将所述M维数据输入分类网络；

利用所述分类网络对所述M维数据进行判别，输出所述自动驾驶仿真结果对应的驾驶状态。

2.根据权利要求1所述的方法，其特征在于，所述三元组深度网络是通过如下方式训练的：

获取各自动驾驶场景包括的正类数据、负类数据和专家数据；

利用正类数据、负类数据和专家数据，训练得到所述三元组深度网络，确定所述三元组深度网络的每一层的权值矩阵，所述三元组深度网络的损失函数为余弦损失函数。

3.根据权利要求1所述的方法，其特征在于，所述分类网络是通过如下方式训练的：

获取各类别对应的训练样本，所述训练样本中包括类别标签；

利用各类别对应的训练样本，训练得到softMax多分类网络，确定所述softMax多分类网络的每一层的权值矩阵，所述softMax多分类网络的损失函数为交叉熵损失函数。

4.根据权利要求2所述的方法，其特征在于，利用三元组深度网络对所述N维数据进行降维处理，输出M维数据，包括：

利用三元组深度网络的权值矩阵对所述N维数据进行降维处理，输出M维数据。

5.根据权利要求3所述的方法，其特征在于，利用所述分类网络对所述M维数据进行判别，输出所述自动驾驶仿真结果对应的驾驶状态，包括：

利用所述分类网络的权值矩阵对所述M维数据进行判别，输出所述M维数据的类别标签，根据所述M维数据的类别标签得到所述自动驾驶仿真结果对应的驾驶状态。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述驾驶状态包括变道状态、变速状态、体感状态、超车状态中的至少一项。

7.一种自动驾驶状态判别装置，其特征在于，包括：

第一网络输入模块，用于将自动驾驶仿真结果包括的N维数据输入三元组深度网络；

第一网络输出模块，用于利用三元组深度网络对所述N维数据进行降维处理，输出M维数据；其中N大于M，且M和N为正整数；

第二网络输入模块，用于将所述M维数据输入分类网络；

第二网络输出模块，用于利用所述分类网络对所述M维数据进行判别，输出所述自动驾驶仿真结果对应的驾驶状态。

8.根据权利要求7所述的装置，其特征在于，所述三元组深度网络是通过如下模块训练的：

第一获取模块，用于获取各自动驾驶场景包括的正类数据、负类数据和专家数据；

第一训练模块，用于利用正类数据、负类数据和专家数据，训练得到所述三元组深度网络，确定所述三元组深度网络的每一层的权值矩阵，所述三元组深度网络的损失函数为余弦损失函数。

9.根据权利要求8所述的装置，其特征在于，所述分类网络是通过如下模块训练的：

第二获取模块，用于获取各类别对应的训练样本，所述训练样本中包括类别标签；

第二训练模块，用于利用各类别的对应训练样本，训练得到softMax多分类网络，确定所述softMax多分类网络的每一层的权值矩阵，所述softMax多分类网络的损失函数为交叉熵损失函数。

10.根据权利要求8所述的装置，其特征在于，所述第一网络输出模块还用于利用三元组深度网络的权值矩阵对所述N维数据进行降维处理，输出M维数据。

11.根据权利要求9所述的装置，其特征在于，所述第二网络输出模块还用于利用所述分类网络的权值矩阵对所述M维数据进行判别，输出所述M维数据的类别标签，根据所述M维数据的类别标签得到所述自动驾驶仿真结果对应的驾驶状态。