[发明专利]车辆的控制方法及装置

说明书

本发明公开了一种车辆的控制方法及装置。其中，该方法包括：在目标车辆行驶过程中，采集目标车辆所在的预定区域内的区域图像，其中，区域图像是由目标车辆的信息感知模块采集得到；通过图像识别模型，确定区域图像中需要评估风险等级的目标对象；通过风险判断模型，确定目标对象对应的风险等级，其中，风险判断模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每组训练数据均包括：目标对象和目标对象对应的风险等级；根据风险等级控制目标车辆的行驶行为。本发明解决了相关技术中车辆无法通过比较智能的方式来做出驾驶决策，可靠性较低的技术问题。

技术领域

本发明涉及无人驾驶技术领域，具体而言，涉及一种车辆的控制方法及装置。

背景技术

当下车辆早已成为人们出行时选择的工具。当人们选择乘车出行时，需要驾驶车辆。对于路程较近的行程，驾驶人员不会觉得很疲惫；然而对于路程较远的行程，驾驶人员就会容易疲惫，不仅降低了驾驶人员的出行体验，而且也会存在安全隐患。

另外，驾驶人员在驾驶车辆的过程中，还需要高度集中精力，以确定周边路况，来做出驾驶决策，大大增加了驾驶人员的负担，从而也降低了出行体验。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种车辆的控制方法及装置，以至少解决相关技术中车辆无法通过比较智能的方式来做出驾驶决策，可靠性较低的技术问题。

根据本发明实施例的一个方面，提供了一种车辆的控制方法，包括：在目标车辆行驶过程中，采集所述目标车辆所在的预定区域内的区域图像，其中，所述区域图像是由所述目标车辆的信息感知模块采集得到；通过图像识别模型，确定所述区域图像中需要评估风险等级的目标对象，其中，所述图像识别模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组训练数据均包括：区域图像和所述区域图像中需要评估风险等级的目标对象；通过风险判断模型，确定所述目标对象对应的风险等级，其中，所述风险判断模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每组训练数据均包括：目标对象和所述目标对象对应的风险等级；根据所述风险等级控制所述目标车辆的行驶行为。

可选地，在通过图像识别模型，确定所述区域图像中需要评估风险等级的目标对象之前，该车辆的控制方法还包括：获取用于对所述区域图像进行过滤的过滤条件；利用所述过滤条件过滤掉所述区域图像中的无效信息，得到过滤后的区域图像。

可选地，在通过图像识别模型，确定所述区域图像中需要评估风险等级的目标对象之前，该车辆的控制方法还包括：获取历史时间段的多个历史区域图像以及所述多个历史区域图像中需要评估风险等级的多个历史目标对象；将所述多个历史区域图像以及所述多个历史目标对象转换为神经网络模型能够识别的格式，得到多组训练数据；对所述多组训练数据进行训练，得到所述图像识别模型。

可选地，在通过风险判断模型，确定所述目标对象对应的风险等级之前，该车辆的控制方法还包括：获取历史时间段的多个历史目标对象以及与所述多个历史目标对象对应的多个历史风险等级；将所述多个历史目标对象以及所述多个历史风险等级转换为神经网络模型能够识别的格式，得到多组训练数据；对所述多组训练数据进行训练，得到所述风险判断模型。

可选地，根据所述风险等级控制所述目标车辆的行驶行为，包括：根据所述风险等级判定所述目标对象是否对所述目标车辆的行驶构成危险，得到判断结果；在所述判断结果表示所述风险等级判定所述目标对象对所述目标车辆的行驶构成危险时，向云端发送请求消息，以获取所述目标车辆预定范围的当前路况信息，并基于所述当前路况信息确定新的行驶路径，控制所述目标车辆基于所述新的行驶路径行驶；在所述判断结果表示所述风险等级判定所述目标对象对所述目标车辆的行驶不构成危险时，控制所述目标车辆按照原行驶路径行驶。