[发明专利]车辆控制及模型训练方法、装置、车辆、设备和存储介质

权利要求书

1.一种车辆控制方法，包括：

获取车辆所在环境的环境图像，以及所述环境中的目标障碍物的检测信息，所述目标障碍物的当前状态为静止状态；

基于所述环境图像和所述检测信息，确定所述目标障碍物保持静止状态的概率值；

基于所述概率值，控制所述车辆的驾驶行为。

2.根据权利要求1所述的方法，其中，所述基于所述环境图像和所述检测信息，确定所述目标障碍物保持静止状态的概率值，包括：

基于所述环境图像，获得所述环境图像对应的初始特征图；

基于所述初始特征图和所述检测信息，获得所述目标障碍物对应的局部特征图；

基于所述局部特征图，获得局部特征向量；

基于所述初始特征图，获得全局特征向量；

基于所述局部特征向量和所述全局特征向量，确定所述概率值。

3.根据权利要求2所述的方法，其中，所述基于所述环境图像，获得所述环境图像对应的初始特征图，包括：

将所述环境图像输入到第一卷积神经网络中进行处理，以输出所述初始特征图。

4.根据权利要求2所述的方法，其中，所述基于所述局部特征图，获得局部特征向量，包括：

将所述局部特征图输入到空间金字塔池化SPP层中进行处理，以输出所述局部特征向量。

5.根据权利要求2所述的方法，其中，所述基于所述初始特征图，获得全局特征向量，包括：

将所述初始特征图输入到第二卷积神经网络中进行处理，以输出全局特征图；

将所述全局特征图输入到感兴趣区域ROI池化层，以输出池化后的特征图；

对所述池化后的特征图进行推平处理，以获得所述全局特征向量。

6.根据权利要求2所述的方法，其中，所述基于所述局部特征向量和所述全局特征向量，确定所述概率值，包括：

将所述局部特征向量和所述全局特征向量进行拼接处理，以获得拼接向量；

将所述拼接向量输入到全连接网络中，以输出所述概率值。

7.根据权利要求1-6任一项所述的方法，其中，所述基于所述概率值，控制所述车辆的驾驶行为，包括：

若所述概率值大于或等于预设值，控制所述车辆执行避障绕行的驾驶行为；或者，

若所述概率值小于所述预设值，控制所述车辆执行等待跟随的驾驶行为。

8.一种车辆控制模型的训练方法，包括：

获取样本图像，以及所述样本图像中的目标障碍物的检测信息，所述目标障碍物的当前状态为静止状态；

基于所述样本图像和所述检测信息，采用初始的车辆控制模型，确定所述目标障碍物保持静止状态的预测概率值；

基于所述预测概率值和所述目标障碍物保持静止状态的真实概率值，构建损失函数；

基于所述损失函数，调整所述初始的车辆控制模型的参数，以生成最终的车辆控制模型。

9.根据权利要求8所述的方法，其中，所述基于所述预测概率值和所述目标障碍物保持静止状态的真实概率值，构建损失函数，包括：

采用交叉熵函数，基于所述预测概率值和所述目标障碍物保持静止状态的真实概率值，构建所述损失函数。