[发明专利]车辆驾驶的控制方法和装置

说明书

本公开涉及一种车辆驾驶的控制方法和装置，该方法包括：获取目标车辆的第一数据信息，对第一数据信息进行融合处理，以将经过融合处理后的第一数据信息作为第二数据信息，根据预设的场景分类算法确定第二数据信息对应的目标场景，根据目标车辆当前的驾驶指令、目标场景和第二数据信息，利用预设的深度学习算法对控制模型进行训练，控制模型中包括至少一种场景，和至少一种场景对应的驾驶指令，控制目标车辆按照训练后的控制模型指示的驾驶指令行驶。本公开能够根据实时获取的车辆的驾驶数据，利用深度学习算法实时训练用于控制车辆行驶的控制模型，从而提高控制模型的适用性和准确性。

技术领域

本公开涉及自动驾驶领域，具体地，涉及一种车辆驾驶的控制方法和装置。

背景技术

随着我国汽车保有量逐年递増，交通安全和交通拥堵问题日益严峻，在此背景下，自动驾驶技术得到了广泛关注。自动驾驶的关键问題包括环境感知和决策控制等。自动驾驶车辆的决策控制是根据当前的行驶状态、驾驶任务和道路环境等信息，确定适于车辆的驾驶指令，并将驾驶指令传递给车辆的控制系统以对车辆进行控制。现有技术中，自动驾驶的决策控制主要是基于规则系统的方式去判断和执行，这种方式的问题是：对于缺乏决策规则的情况无法处理，当有1000个应用场景时，就需要写1000条规则来应对，需要不断维护规则系统，规则系统中的规则会越来越多，无法适应复杂多变的交通场景，并且，规则系统的开发和维护成本很高。

发明内容

本公开的目的是提供一种车辆驾驶的控制方法和装置，用以解决现有技术中自动驾驶的决策控制方式复杂，成本高的问题。

为了实现上述目的，根据本公开实施例的第一方面，提供一种车辆驾驶的控制方法，应用于服务器，所述方法包括：

获取目标车辆的第一数据信息；

对所述第一数据信息进行融合处理，以将经过融合处理后的所述第一数据信息作为第二数据信息；

根据预设的场景分类算法确定所述第二数据信息对应的目标场景；

根据所述目标车辆当前的驾驶指令、所述目标场景和所述第二数据信息，利用预设的深度学习算法对控制模型进行训练，所述控制模型中包括至少一种场景，和所述至少一种场景对应的驾驶指令；

控制所述目标车辆按照训练后的所述控制模型指示的驾驶指令行驶。

可选地，所述第一数据信息包括：所述目标车辆在自动驾驶过程中采集的图像信息、位置信息、决策信息、指令信息和故障信息中的至少一种；

所述对所述第一数据信息进行融合处理，以将经过融合处理后的所述第一数据信息作为第二数据信息，包括：

将所述第一数据信息中包含的至少一个位置坐标中的每个所述位置坐标转换为预设的目标坐标系中的至少一个目标坐标；

将所述第一数据信息中包含的时间信息进行同步处理；

将包含了所述至少一个目标坐标和经过同步处理的所述时间信息的所述第一数据信息作为所述第二数据信息。

可选地，所述根据预设的场景分类算法确定所述第二数据信息对应的目标场景，包括：

根据所述第二数据信息包含的所述至少一个目标坐标，获取所述至少一个目标坐标所指示的位置在当前时刻和当前时刻之前预设时间段内的图像信息、点云数据；

将所述当前时刻和当前时刻之前预设时间段内的图像信息、点云数据作为所述场景分类算法的输入，将所述场景分类算法的输出作为所述目标场景。

可选地，所述根据所述目标车辆当前的驾驶指令、所述目标场景和所述第二数据信息，利用预设的深度学习算法对控制模型进行训练，包括：

将所述目标场景、所述第二数据信息和所述控制模型作为预设的卷积神经网络的输入，将所述卷积神经网络的输出作为推荐驾驶指令；