[发明专利]车辆自动驾驶的速度规划方法、装置及计算装置有效
申请号: | 201680001425.1 | 申请日: | 2016-06-08 |
公开(公告)号: | CN107182206B | 公开(公告)日: | 2020-07-03 |
发明(设计)人: | 周小成;姜岩;彭进展;周鑫;张丹;罗赛 | 申请(专利权)人: | 驭势科技(北京)有限公司 |
主分类号: | G05D1/02 | 分类号: | G05D1/02;G05B13/04 |
代理公司: | 北京睿邦知识产权代理事务所(普通合伙) 11481 | 代理人: | 张丽新 |
地址: | 102400 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车辆 自动 驾驶 速度 规划 方法 装置 计算 | ||
1.一种用于车辆自动驾驶的速度规划方法,包括:
机器学习步骤,采用训练样本集进行机器学习,获得机器学习模型,每个训练样本由形成输入空间的多维特征分量和形成输出空间的决策结果来描述,所述多维特征分量的每维是用于描述车辆特定时刻状态的、与速度规划有关的变量,所述决策结果指示下一时刻的预期速度和/或与速度控制相关的控制参数数值;
分区决策表取得步骤,对于输入空间进行分区,以及基于所述获得的机器学习模型,得到与确定分区对应的决策结果,形成各个分区对应于相应决策结果的分区决策表;
实时决策步骤,实时获得行驶中车辆的各维特征分量作为输入特征量,确定该输入特征量所属于的输入分区,基于所确定的分区,查询分区决策表来获得相应的决策结果。
2.根据权利要求1的速度规划方法,还包括:
实时控制步骤,基于所获得的决策结果,对车辆发出控制命令,从而控制车辆的速度。
3.根据权利要求1的方法,还包括:
在发现确定分区的决策结果不符合预期时,对该分区的分区决策结果进行调整。
4.根据权利要求3的方法,所述对该分区的分区决策结果进行调整包括:
依经验对该分区的分区决策结果进行调整;和/或
通过机器学习方法对该分区进行学习,调整该分区的分区决策结果。
5.根据权利要求1的方法,所述各维特征分量包括:
当前车速、和前车的距离、前车相对速度和最大车速。
6.根据权利要求1的方法,还包括,在机器学习步骤之前,对特征空间进行离散化编码。
7.根据权利要求6所述的方法,其特征在于,所述分区决策表取得步骤包括:
计算采用离散化编码方法得到的离散化编码结果的空间大小:
当所述空间大于确定阈值时,采用动态存储方法存储分区决策表,仅遍历训练空间的输入,存储相应决策模型的输出结果,同时除了分区决策表,还存储训练出的决策模型备用;以及
当所述空间小于所述确定阈值时,采用静态存储方法存储分区决策表,遍历所有编码空间,存储决策模型的输出结果。
8.根据权利要求7所述的方法,其特征在于,所述实时决策步骤包括:
采用所述离散化编码方法对所述输入特征量进行离散化编码;
将获得的离散化编码结果作为分区决策表的索引,当分区决策表为采用静态存储方法存储时,直接获取分区决策表中已存储的决策结果;
将获得的离散化编码结果作为分区决策表的索引,当分区决策表为采用动态存储方法存储时,如果分区决策表内存储有该离散化编码结果的决策结果,则直接从分区决策表中获取决策结果;反之如果分区决策表内没有存储该离散化编码结果的决策结果,则调用所述存储的决策模型来得到决策结果,并将得到的决策结果加入到分区决策表。
9.根据权利要求6所述的方法,其特征在于,只要两个输入最终的离散编码相同,即认为这两个输入属于同一个分区。
10.根据权利要求6所述的方法,其特征在于,所述离散化编码方法为粗编码方法中的一种。
11.根据权利要求2所述的方法,还包括:
确定被调整过分区决策结果的分区的数目,当所述分区的数目超过预定阈值时,重新执行所述机器学习步骤和分区决策表取得步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于驭势科技(北京)有限公司,未经驭势科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201680001425.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种芯柱U型束形卡自动送料装置
- 下一篇:用于水密密封开口的生物医学装置