基于对象识别来管理行驶模型的装置和方法、使用该装置的车辆行驶控制装置制造方法及图纸

本发明专利技术涉及基于对象识别来管理行驶模型的装置和方法、使用该装置的车辆行驶控制装置。服务器包括处理器和存储装置，所述处理器识别从图像信息中提取的目标对象并且基于与识别出的目标对象的原模型相似的模型的每个车辆行为方案的事故率来确定每个车辆行为方案的优先级以将每个车辆行为方案的优先级发送到车辆；所述存储装置存储以下信息中的至少一者或多者：关于与目标对象相似的图像的信息、目标对象信息、每个目标对象的模型信息、车辆行为方案信息以及基于目标对象的每个车辆行为方案的优先级信息。

【技术实现步骤摘要】
基于对象识别来管理行驶模型的装置和方法、使用该装置的车辆行驶控制装置与相关申请的交叉引用本申请要求2018年12月7日提交的韩国专利申请No.10-2018-0156550的优先权和权益，该申请的全部内容通过引用结合于此。
本专利技术涉及基于对象识别的行驶模型管理服务器、使用该服务器的车辆行驶控制装置以及基于对象识别的行驶模型管理方法。
技术介绍
本部分中的陈述仅仅提供与本专利技术相关的背景信息，并不构成现有技术。目前，随着汽车技术的发展，通过系统自动驱动的与自动驾驶相关的技术正在迅速发展。这种自动驾驶技术是通过这样的方式来实现的：在识别出车辆周边信息以后，控制车辆的行为，然后基于识别出的信息来建立和确定行驶策略。然而，在识别车辆周边信息时，传统技术识别特定的对象(例如车辆、行人、自行车、卡车和摩托车)并且确定针对特定对象的车辆控制方法，从而根据确定的结果来控制车辆的行为。也就是说，通过仅仅识别自动驾驶系统中指定的特定对象来控制车辆的行为，传统的自动驾驶系统无法在自动驾驶系统未识别出对象的情况下帮助简化车辆控制策略(停车、减速、避让等等)。因此，传统的自动驾驶系统很难根据基于对象类型的情况的风险来改变车辆的行驶策略。
技术实现思路
本专利技术的一些实施方案致力于提供一种基于对象识别的行驶模型管理服务器、使用该服务器的车辆的行驶控制装置以及基于对象识别的行驶模型管理方法，该服务器基于大数据来识别对象并且根据识别出的对象的类型和属性来确定行驶模型以使车辆控制策略多样化。本专利技术概念要解决的技术问题不局限于上述问题，并且本专利技术所属
的技术人员将从随后的描述中清晰地理解在本文中没有提及的任何其它技术问题。根据本专利技术的一些实施方案，一种服务器可以包括处理器和存储装置，所述处理器识别从图像信息中提取的目标对象并且基于与识别出的目标对象的原模型相似的模型中的每个车辆行为方案的事故率来确定每个车辆行为方案的优先级以将每个车辆行为方案的优先级发送到车辆；所述存储装置存储由处理器获得的以下信息中的至少一者或多者：关于与目标对象相似的图像的信息、目标对象信息、每个目标对象的模型信息、车辆行为方案信息以及基于目标对象的每个车辆行为方案的优先级信息。根据本专利技术的一些实施方案，处理器可以配置为：从车辆接收关于未识别出的目标对象的图像信息；在对图像信息中的目标对象进行划类后，对划类后的目标对象的图像调整尺寸；在关于与目标对象相似的图像的信息中搜索与调整了尺寸的目标对象的图像相似的图像，以基于已找到的相似图像的类型和属性标签信息来识别目标对象。根据本专利技术的一些实施方案，处理器可以配置为：生成识别出的目标对象的目标对象ID。根据本专利技术的一些实施方案，处理器可以配置为：当完成对目标对象的识别时，生成原模型，所述原模型包括目标对象的属性、车辆信息以及环境信息中的至少一者或多者。根据本专利技术的一些实施方案，处理器可以配置为：将目标对象的原模型与每个目标对象的模型信息进行比较，以从针对每个目标对象的模型信息中提取与原模型相似的模型。根据本专利技术的一些实施方案，处理器可以配置为：将具有小于原模型的值与裕量值的相加值的针对每个目标对象的模型提取为高相似度模型。根据本专利技术的一些实施方案，处理器可以配置为：计算目标对象的原模型与针对每个目标对象的模型信息之间的相似度，以从针对每个目标对象的模型信息中提取相似度不小于参考值的模型。根据本专利技术的一些实施方案，处理器可以配置为：基于关于与原模型相似的模型的每个车辆行为方案是否发生事故的信息来计算每个车辆行为方案的事故率。根据本专利技术的一些实施方案，处理器可以配置为通过以下方式来计算每个车辆行为方案的事故率：将针对每个目标对象的模型中车辆根据第一车辆行为方案移动时发生事故的模型数量除以与原模型相似的模型中车辆根据第一车辆行为方案移动的模型的数量。根据本专利技术的一些实施方案，处理器可以配置为：根据每个车辆行为方案的事故率按照事故率的降序来确定目标对象的车辆行为方案优先级。根据本专利技术的一些实施方案，车辆行为方案可以包括关于车辆行为的加速度/减速度以及转向角的信息。根据本专利技术的一些实施方案，处理器可以配置为：当从车辆接收到车辆控制结果时，更新存储装置中存储的每个目标对象的模型信息、车辆行为方案信息以及基于目标对象的每个车辆行为方案的优先级信息中的至少一者或多者。根据本专利技术的一些实施方案，一种车辆的行驶控制装置可以包括处理器和存储装置，所述处理器分析感测信息和图像信息以识别目标对象，执行识别出的目标对象的车辆行为方案，当无法识别目标对象时，请求服务器来识别目标对象；所述存储装置存储以下信息中的至少一者或多者：关于用于目标对象识别的与目标对象相似的图像的信息、目标对象信息以及车辆行为的基于目标对象的每个车辆行为方案的优先级信息。根据本专利技术的一些实施方案，处理器可以配置为：当从服务器接收到目标对象ID、车辆行为方案以及每个车辆行为方案的优先级信息时，更新目标对象信息、车辆行为方案信息以及基于目标对象的每个车辆行为方案的优先级信息。根据本专利技术的一些实施方案，处理器可以配置为：根据从服务器接收到的每个车辆行为方案的优先级信息来控制车辆行为。根据本专利技术的一些实施方案，处理器可以配置为：将执行车辆行为方案的结果发送到服务器。根据本专利技术的一些实施方案，一种基于对象识别的行驶模型管理方法可以包括：识别从图像信息中提取的目标对象；提取与识别出的目标对象的原模型相似的每个模型；基于与原模型相似的每个模型中的每个车辆行为方案的事故率来确定每个车辆行为方案的优先级；并且将关于每个车辆行为方案的优先级的信息发送到车辆。根据本专利技术的一些实施方案，识别目标对象可以包括：从车辆接收关于未识别出的目标对象的图像信息；在对图像信息中的目标对象进行划类后，对划类后的目标对象的图像调整尺寸；在关于与目标对象相似的图像的信息中搜索与调整了尺寸的目标对象的图像相似的图像，以基于已找到的相似图像的类型和属性标签信息来识别目标对象；生成识别出的目标对象的目标对象ID。根据本专利技术的一些实施方案，提取与原模型相似的每个模型可以包括：生成原模型，所述原模型包括目标对象的属性、车辆信息以及环境信息中的至少一者或多者；并且将原模型与每个目标对象的模型信息进行比较以从每个目标对象的模型信息中提取与原模型相似的每个模型。根据本专利技术的一些实施方案，确定每个车辆行为方案的优先级可以包括：基于关于与原模型相似的每个模型的每个车辆行为方案是否发生事故的信息来计算每个车辆行为方案的事故率；并且根据每个车辆行为方案的事故率按照事故率的降序来确定目标对象的车辆行为方案优先级。通过本文提供的描述，更多的适用范围将变得明显。应当理解，这些描述和具体示例仅仅用于说明的目的，并非旨在限制本专利技术的范围。附图说明为了较好地理解本专利技术，现将参考所附附图来描述以示例的形式给出的本专利技术的各种实施方案，附图中：本文档来自技高网...

【技术保护点】
1.一种服务器，其包括：/n处理器，其配置为：/n识别从图像信息中提取的目标对象；/n基于与识别出的目标对象的原模型相似的多个模型中的每个车辆行为方案的事故率来确定每个车辆行为方案的优先级；/n将每个车辆行为方案的优先级发送到车辆；/n存储装置，其配置为存储以下信息中的至少一者：/n关于与目标对象相似的图像的信息；/n目标对象信息；/n每个目标对象的模型信息；/n车辆行为方案信息；/n基于目标对象的每个车辆行为方案的优先级信息。/n

【技术特征摘要】
20181207 KR 10-2018-01565501.一种服务器，其包括：
处理器，其配置为：
识别从图像信息中提取的目标对象；
基于与识别出的目标对象的原模型相似的多个模型中的每个车辆行为方案的事故率来确定每个车辆行为方案的优先级；
将每个车辆行为方案的优先级发送到车辆；
存储装置，其配置为存储以下信息中的至少一者：
关于与目标对象相似的图像的信息；
目标对象信息；
每个目标对象的模型信息；
车辆行为方案信息；
基于目标对象的每个车辆行为方案的优先级信息。


2.根据权利要求1所述的服务器，其中，所述处理器进一步配置为：
从车辆接收关于未识别出的目标对象的图像信息；
对关于未识别出的目标对象的图像信息中的目标对象进行划类之后，对目标对象的图像调整尺寸；
识别与调整了尺寸的图像或与关于未识别出的目标对象的图像信息相似的图像；
基于识别出的图像的类型和识别出的图像的属性标签信息来识别目标对象。


3.根据权利要求1所述的服务器，其中，所述处理器进一步配置为：
生成识别出的目标对象的目标对象标识符。


4.根据权利要求1所述的服务器，其中，所述处理器进一步配置为：
当识别出目标对象时，生成目标对象的原模型，所述原模型包括目标对象的属性、车辆信息或环境信息中的至少一者。


5.根据权利要求1所述的服务器，其中，所述处理器进一步配置为：
将识别出的目标对象的原模型与针对每个目标对象的模型信息进行比较；
从针对每个目标对象的模型信息中提取与目标对象的原模型相似的多个模型。


6.根据权利要求1所述的服务器，其中，所述处理器进一步配置为：
将具有小于原模型的值与裕度值的相加值的针对每个目标对象的多个模型提取为高相似度模型。


7.根据权利要求1所述的服务器，其中，所述处理器进一步配置为：
计算原模型与针对每个目标对象的模型信息之间的相似度；
从针对每个目标对象的模型信息中提取计算出的相似度大于参考值的模型。


8.根据权利要求1所述的服务器，其中，所述处理器进一步配置为：
基于与原模型相似的多个模型的每个车辆行为方案的事故发生来计算每个车辆行为方案的事故率。


9.根据权利要求1所述的服务器，其中，所述处理器配置为：
通过以下方式来计算每个车辆行为方案的事故率：将针对每个目标对象的模型中车辆基于第一车辆行为方案行驶时发生事故的模型的第一总数除以与原模型相似的模型中车辆基于第一车辆行为方案行驶的模型的第二总数。


10.根据权利要求1所述的服务器，其中，所述处理器配置为：
根据每个车辆行为方案的事故率按照事故率的降序来确定目标对象的车辆行为方案的优先级。


11.根据权利要...

【专利技术属性】
技术研发人员：权志远，
申请(专利权)人：现代自动车株式会社，起亚自动车株式会社，
类型：发明
国别省市：韩国;KR