一种确定方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种确定方法、装置、设备和存储介质。该方法包括：获取当前车辆的感知信息、导航信息以及运动信息；根据预设规则、感知信息、导航信息以及运动信息确定目标向量集合；将目标向量集合输入目标神经网络模型，得到目标规划路径，其中，目标神经网络模型通过目标样本集迭代训练神经网络模型得到，目标样本集包括：感知信息样本、导航信息样本、运动信息样本以及驾驶员驾驶路径信息样本。通过本发明专利技术的技术方案，能够避免传统方法中各个模块的误差累积问题，本发明专利技术实施例中的神经网络算法使用驾驶员驾驶数据进行训练，针对场景变换具有自学习能力，能够适应城市中日趋复杂的场景。景。景。

【技术实现步骤摘要】
一种确定方法、装置、设备和存储介质


[0001]本专利技术实施例涉及车辆
，尤其涉及一种确定方法、装置、设备和存储介质。

技术介绍

[0002]当前的自动驾驶算法，往往采用感知
‑
预测
‑
决策
‑
规划的结构，这样的结构下，各个模块的误差容易不断累积，一个模块出现的错误可能引发连锁反应，造成最后规划出的路径不够平滑，舒适度低，乃至产生安全风险。
[0003]除此之外，传统的基于规则进行路径规划的方法更多的适用于结构化的驾驶场景，而随着自动驾驶覆盖场景的日益增多，传统的基于规则的方法逐渐无法完整覆盖城市中的驾驶场景。且传统的基于规则的方法，不具备理论上的可成长性，面对场景的改变，需要人工重新设定规则，增加了繁复的工作量。

技术实现思路

[0004]本专利技术实施例提供一种确定方法、装置、设备和存储介质，以实现能够通过神经网络，根据感知信息、导航信息以及运动信息，输出最终的路径规划结果，避免了传统方法中各个模块的误差累积问题。
[0005]根据本专利技术的一方面，提供了一种确定方法，包括：
[0006]获取当前车辆的感知信息、导航信息以及运动信息；
[0007]根据预设规则、所述感知信息、所述导航信息以及所述运动信息确定目标向量集合；
[0008]将所述目标向量集合输入目标神经网络模型，得到目标规划路径，其中，所述目标神经网络模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：感知信息样本、导航信息样本、运动信息样本以及驾驶员驾驶路径信息样本。
[0009]根据本专利技术的另一方面，提供了一种确定装置，该装置包括：
[0010]获取模块，用于获取当前车辆的感知信息、导航信息以及运动信息；
[0011]确定模块，用于根据预设规则、所述感知信息、所述导航信息以及所述运动信息确定目标向量集合；
[0012]输入模块，用于将所述目标向量集合输入目标神经网络模型，得到目标规划路径，其中，所述目标神经网络模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：感知信息样本、导航信息样本、运动信息样本以及驾驶员驾驶路径信息样本。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的
确定方法。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的确定方法。
[0018]本专利技术实施例通过获取当前车辆的感知信息、导航信息以及运动信息，根据预设规则、感知信息、导航信息以及运动信息确定目标向量集合，将目标向量集合输入目标神经网络模型，得到目标规划路径，其中，目标神经网络模型通过目标样本集迭代训练神经网络模型得到，目标样本集包括：感知信息样本、导航信息样本、运动信息样本以及驾驶员驾驶路径信息样本。通过本专利技术的技术方案，能够实现通过神经网络模型，根据感知信息、导航信息以及运动信息，输出最终的路径规划结果，避免了传统方法中各个模块的误差累积问题，本专利技术实施例中的神经网络算法使用驾驶员驾驶数据进行训练，针对场景变换具有自学习能力，能够适应城市中日趋复杂的场景。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0021]图1是本专利技术实施例中的一种确定方法的流程图；
[0022]图2是本专利技术实施例中的一种提取各道路元素之间的交互特征的示意图；
[0023]图3是本专利技术实施例中的一种确定装置的结构示意图；
[0024]图4是实现本专利技术实施例的确定方法的电子设备的结构示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0027]实施例一
[0028]图1是本专利技术实施例中的一种确定方法的流程图，本实施例可适用于确定的情况，该方法可以由本专利技术实施例中的确定装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
[0029]S101、获取当前车辆的感知信息、导航信息以及运动信息。
[0030]在本实施例中，感知信息可以是当前车辆在行驶过程中，通过安装在当前车辆上的摄像头或雷达等设备获取到的，当前车辆周围环境中的信息。示例性的，感知信息例如可以包括当前车辆所行驶的环境中的路面车道线信息，也可以包括路口的红绿灯的颜色信息以及秒数等时间信息，还可以包括当前车辆周围的车、人或者建筑物等障碍物信息。
[0031]其中，导航信息可以是当前车辆上安装的导航定位设备提供的导航信息。
[0032]需要说明的是，运动信息可以是当前车辆自身的运动信息。示例性的，运动信息例如可以包括当前车辆的所在位置信息。
[0033]具体的，获取当前车辆对应的感知信息、导航信息以及运动信息。
[0034]S102、根据预设规则、感知信息、导航信息以及运动信息确定目标向量集合。
[0035]在本实施例中，预设规则可以是由用户根据实际情况预先设置的规则，用于对当前车辆的感知信息、导航信息以及运动信息分别进行向量化处理。示例性的，预设规则例如可以是将当前车辆的感知信息、导航信息以及运动信息分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定方法，其特征在于，包括：获取当前车辆的感知信息、导航信息以及运动信息；根据预设规则、所述感知信息、所述导航信息以及所述运动信息确定目标向量集合；将所述目标向量集合输入目标神经网络模型，得到目标规划路径，其中，所述目标神经网络模型通过目标样本集迭代训练神经网络模型得到，所述目标样本集包括：感知信息样本、导航信息样本、运动信息样本以及驾驶员驾驶路径信息样本。2.根据权利要求1所述的方法，其特征在于，所述目标向量集合包括所述感知信息对应的感知向量组、所述导航信息对应的导航向量组以及所述运动信息对应的运动向量组；根据预设规则、所述感知信息、所述导航信息以及所述运动信息确定目标向量集合，包括：根据预设规则对所述感知信息进行向量化处理，得到所述感知信息对应的感知向量组；根据预设规则对所述导航信息进行向量化处理，得到所述导航信息对应的导航向量组；根据预设规则对所述运动信息进行向量化处理，得到所述运动信息对应的运动向量组。3.根据权利要求1所述的方法，其特征在于，所述感知信息包括：车道线信息、停止横道线信息以及障碍物信息中的至少一种，其中，所述停止横道线信息包括：停止线信息和人行横道信息。4.根据权利要求3所述的方法，其特征在于，根据预设规则对所述感知信息进行向量化处理，得到所述感知信息对应的感知向量组，包括：根据所述车道线信息确定车道线对应的起点坐标信息、终点坐标信息、标识信息以及类型信息中的至少一种，并根据所述车道线对应的起点坐标信息、终点坐标信息、标识信息以及类型信息中的至少一种确定所述车道线信息对应的车道线向量组；根据所述停止横道线信息确定停止横道线对应的起点坐标信息、终点坐标信息、停止横道线宽度、标识信息以及类型信息中的至少一种，并根据所述停止横道线对应的起点坐标信息、终点坐标信息、停止横道线宽度、标识信息以及类型信息中的至少一种确定所述停止横道线信息对应的停止横道线向量组；根据所述障碍物信息确定障碍物对应的起点坐标信息、终点坐标信息、障碍物宽度、障碍物长度、标识信息、类型信息以及第一时间信息中的至少一种，并根据所述障碍物对应的起点坐标信息、终点坐标信息、障碍物宽度、障碍物长度、标识信息、类型信息以及第一时间信息中的至少一种确定所述障碍物信息对应的障碍物向量组；根据所述车道线信息对应的车道线向量组、所述停止横道线信息对应的停止横道线向量组以及所述障碍物信息对应的障碍物向量组确定所述感知信息...

【专利技术属性】
技术研发人员：于淼，赵喜坤，刘斌，吴杭哲，刘枫，孟祥哲，李伟男，王庚，刘畅，李潇江，
申请(专利权)人：一汽南京科技开发有限公司，
类型：发明
国别省市：