[发明专利]用于确定自动驾驶车辆的车道变更路径的设备及其方法

说明书

本公开提供一种用于确定自动驾驶车辆的车道变更路径的设备。该设备包括：学习装置，被配置为学习对应于自动驾驶车辆的车道变更策略的车道变更路径；以及控制器，被配置为与学习装置相互协作，以从自动驾驶车辆的可行驶区域中的多个车道变更路径之中提取对应于车道变更策略的至少两个车道变更路径，并且基于所提取的车道变更路径的属性确定最终车道变更路径。

相关申请的交叉引用

本申请要求于2019年10月15日向韩国知识产权局提交的申请号为10-2019-0128056的韩国专利申请的优先权，其通过引用并入本文。

技术领域

本公开涉及一种基于深度学习确定自动驾驶车辆的车道变更路径的技术。

背景技术

通常，作为一种机器学习，深度学习(或深度神经网络)可以由输入与输出之间的若干层人工神经网络(ANN)组成。这种人工神经网络可以包括对应于结构、待解决的问题和目的的卷积神经网络(CNN)或循环神经网络(RNN)。

深度学习用于解决诸如分类(classification)、回归(regression)、定位(localization)、检测(detection)、分割(segmentation)等各种问题。特别地，在自动驾驶系统中，能够区分动态和静态障碍物的位置和类型的语义分割(Semantic Segmentation)和物体检测(Object Detection)非常重要。

语义分割执行以像素为单位的分割预测并以相同意义的像素为单位来分割图像，以便检测图像中的物体，因此，不仅可以识别图像中存在的物体，还可以准确指出具有相同意义的像素(相同物体)的位置。

物体检测是指对图像中的物体的类型进行分类和预测，以通过边界框(boundingbox)的回归预测来寻找物体的位置信息，并且与简单分类不同的是，不仅可以掌握图像中有什么类型的物体，还可以掌握物体的位置信息。

尚未提出基于这种深度学习来确定自动驾驶车辆的车道变更路径的技术。

发明内容

本公开旨在解决现有技术中存在的问题，同时完好地保持现有技术所实现的优点。

本公开的实施例提供了一种用于确定自动驾驶车辆的车道变更路径的设备及其方法，其可以基于深度学习在多个车道变更路径之中提取对应于车道变更策略的至少两个车道变更路径，并且基于所提取的车道变更路径的属性确定最终车道变更路径，从而可以使自动驾驶车辆沿着针对实时变化的行驶状况而优化的车道变更路径行驶，进而提高驾驶稳定性。

本发明构思要解决的技术问题不限于前述问题，并且本公开所属领域的技术人员将从下面的描述中清楚地理解本文未提及的任何其它技术问题。

根据本公开的实施例，一种用于确定自动驾驶车辆的车道变更路径的设备包括：学习装置，学习对应于自动驾驶车辆的车道变更策略的车道变更路径；以及控制器，与学习装置相互协作，以从自动驾驶车辆的可行驶区域中的多个车道变更路径之中提取对应于车道变更策略的至少两个车道变更路径，并且基于所提取的车道变更路径的属性确定最终车道变更路径。

控制器可以基于根据动态物体的行驶路径的自动驾驶车辆的可行驶区域和根据静态物体的分布的自动驾驶车辆的可行驶区域，生成多个车道变更路径。

当障碍物位于自动驾驶车辆的可行驶区域内的车道边界上时，控制器可以生成向障碍物的左侧驶入的多个车道变更路径和向障碍物的右侧驶入的多个车道变更路径。在该情况下，控制器可以从向障碍物的右侧驶入的多个车道变更路径中提取对应于车道变更策略的车道变更路径。

控制器可以将正常车道变更、在车道变更期间从当前车道返回和在车道变更期间从目标车道返回中的一种确定为车道变更策略。在该情况下，控制器可以在自动驾驶车辆变更车道期间，周期性地确定适合于当前状况的新的车道变更策略。