【技术实现步骤摘要】
本申请涉及汽车，尤其涉及一种自动泊车的方法和装置。
技术介绍
1、近年来，随着汽车数量的不断增加，停车空间日趋紧凑，将汽车驶入各种狭小的停车位已成为驾驶人员的必备既能。但是，对于一些停车技术不成熟的驾驶员而言，停车仍一大难题。因此，自动泊车技术成为当前的一大研究热点，其中，自动泊车是指汽车自动停到停车位而不需要人工控制的停车。
2、当前的汽车在进行自动泊车时，主要是基于采集的图像信息来进行自动泊车的。例如，当汽车需要停车至第一停车位时，汽车会采集该第一停车位的图像信息，然后基于采集的第一停车位的图像信息进行自动泊车。然而，图像信息受天气情况、车辆周边的照明情况等环境因素的影响较大，这样就导致自动泊车的安全准确率较低。例如，在停车库的灯光条件非常暗，又或者遇到大雾等情况时，就可能导致无法安全准确的停车。
3、因此，如何提升自动泊车的准确性成为亟待解决的技术问题。
技术实现思路
1、本申请提供一种自动泊车的方法和装置，以提升自动泊车的准确性。
2、第一方面，本申请提供一种自动泊车的方法，包括：获取车辆的当前位置；获取车辆的停车位置；基于目标深度q网络dqn模型确定车辆从当前位置行驶至停车位置所需执行的操作，目标dqn模型用于确定车辆从一个位置行驶至另一位置所需执行的操作。
3、本申请提供的自动泊车的方法，当车辆需要停车至某个停车位置时，会先获取车辆当前所处的位置(即当前位置)，然后使用目标dqn模型基于该当前位置来确定车辆从当前位置停到停
4、在此说明的是，本申请对如何获取车辆的当前位置的实现方式不做限制。例如，在具体实施时，可以通过车联网获得车辆的当前位置。
5、应理解，该实现方式中，由于是通过车辆当前所处的位置信息来确定停入到停车位置需执行的操作的，而不是通过采集图像的方式，而位置信息几乎不会受到天气情况、车辆周边的照明情况等环境因素的影响，因此可以提升自动泊车的准确性。
6、结合第一方面，在一种可能的实现方式中，dqn模型为前馈神经网络模型。
7、结合第一方面，在一种可能的实现方式中，所述方法还包括：获取第一训练数据，第一训练数据中包括第一数据和第一标签，第一数据中包括第一位置数据和第一操作数据，第一位置数据指示车辆的第一位置，第一操作数据指示车辆执行的第一操作，第一标签指示车辆在第一位置执行第一操作时车辆实际所得的第一奖励值，第一奖励值用于指示车辆从第一位置执行第一操作后得到的第二位置与停车位置的距离；使用第一训练数据训练深度q网络dqn，得到目标dqn模型。
8、该实现方式中，通过使用第一训练数据来训练dqn，以得到用于确定车辆从一个位置行驶至另一位置所需执行的操作的目标dqn模型。
9、结合第一方面，在一种可能的实现方式中，第一位置数据为满足如下表达式的数据：(x1,y1,x2,y2,x3,y3,x4,y4,vx,vy,θ,vθ)，所述第一操作为以下任意一种：向左转、向右转、启动和制动；其中，x1,y1,x2,y2,x3,y3,x4,y4指示在俯视车辆时车辆对应的四个顶点的水平方向的位置信息和垂直方向的位置信息、vx指示车辆的水平向的速度、vy指示车辆的垂直方向的速度；θ为车辆在空间上的运动方向，vθ指示车辆的角速度。
10、结合第一方面，在一种可能的实现方式中，车辆为自动驾驶车辆。
11、第二方面，本申请提供一种自动泊车的装置，所述装置包括：获取模块，用于获取车辆的当前位置；所述获取模块，还用于获取车辆的停车位置；处理模块，用于基于目标深度q网络dqn模型确定车辆从当前位置行驶至停车位置所需执行的操作，目标dqn模型用于确定车辆从一个位置行驶至另一位置所需执行的操作。
12、结合第二方面，在一种可能的实现方式中，所述dqn模型为前馈神经网络模型。
13、结合第二方面，在一种可能的实现方式中，所述获取模块还用于：获取第一训练数据，第一训练数据中包括第一数据和第一标签，第一数据中包括第一位置数据和第一操作数据，第一位置数据指示车辆的第一位置，第一操作数据指示车辆执行的第一操作，第一标签指示车辆在第一位置执行第一操作时车辆实际所得的第一奖励值，第一奖励值用于指示车辆从第一位置执行第一操作后得到的第二位置与停车位置的距离；处理模块还用于：使用第一训练数据训练深度q网络dqn，得到目标dqn模型。
14、结合第二方面，在一种可能的实现方式中，第一位置数据为满足如下表达式的数据：(x1,y1,x2,y2,x3,y3,x4,y4,vx,vy,θ,vθ)，所述第一操作为以下任意一种：向左转、向右转、启动和制动；其中，x1,y1,x2,y2,x3,y3,x4,y4指示在俯视所述车辆时所述车辆对应的四个顶点的水平方向的位置信息和垂直方向的位置信息、vx指示所述车辆的水平向的速度、所述vy指示所述车辆的垂直方向的速度；θ为所述车辆在空间上的运动方向，vθ指示所述车辆的角速度。
15、结合第二方面，在一种可能的实现方式中，车辆为自动驾驶车辆。
16、第三方面，本申请提供一种自动泊车的装置，包括：处理器，所述处理器与存储器耦合，存储器用于存储计算机程序，当处理器调用所述计算机程序时，使得所述装置执行如第一方面及其中任意一种可能的实现方式中所述的方法。
17、第四方面，本申请提供一种芯片，包括至少一个处理器和通信接口，所述通信接口和所述至少一个处理器通过线路互联，所述至少一个处理器用于运行计算机程序或指令，以执行如第一方面及其中任意一种可能的实现方式中所述的方法。
18、第五方面，本申请提供一种计算机可读存储介质，所述计算机可读介质存储用于计算机执行的程序代码，该程序代码包括用于执行如第一方面及其中任意一种可能的实现方式中所述的方法。
19、第六方面，本申请提供一种包含指令的计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行如第一方面或其中任意一种可能的实现方式所述的方法。
本文档来自技高网...【技术保护点】
1.一种自动泊车的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述DQN模型为前馈神经网络模型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述第一位置数据为满足如下表达式的数据：(x1，y1，x2，y2，x3，y3，x4，y4，Vx，Vy，θ，Vθ)，所述第一操作为以下任意一种：向左转、向右转、启动和制动；
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述车辆为自动驾驶车辆。
6.一种自动泊车的装置，其特征在于，所述装置包括：
7.根据权利要求6所述的装置，其特征在于，所述DQN模型为前馈神经网络模型。
8.根据权利要求7所述的装置，其特征在于，所述获取模块还用于：
9.根据权利要求8所述的装置，其特征在于，所述第一位置数据为满足如下表达式的数据：(x1，y1，x2，y2，x3，y3，x4，y4，Vx，Vy，θ，Vθ)，所述第一操作为以下任意一种：向左转、向右转、启动和制动；
1
11.一种芯片，其特征在于，包括至少一个处理器和通信接口，所述通信接口和所述至少一个处理器通过线路互联，所述至少一个处理器用于运行计算机程序或指令，以执行如权利要求1至5中任一项所述的方法。
12.一种计算机可读介质，其特征在于，所述计算机可读介质存储用于计算机执行的程序代码，该程序代码包括用于执行如权利要求1至5中任一项所述的方法的指令。
...【技术特征摘要】
1.一种自动泊车的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述dqn模型为前馈神经网络模型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述第一位置数据为满足如下表达式的数据：(x1，y1，x2，y2，x3，y3，x4，y4，vx，vy，θ，vθ)，所述第一操作为以下任意一种：向左转、向右转、启动和制动；
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述车辆为自动驾驶车辆。
6.一种自动泊车的装置，其特征在于，所述装置包括：
7.根据权利要求6所述的装置，其特征在于，所述dqn模型为前馈神经网络模型。
8.根据权利要求7所述的装置，...
【专利技术属性】
技术研发人员：朱正新，胡进坤，王艺潼，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。