[发明专利]一种基于深度卷积神经网络的前车跟随方法

说明书

本发明涉及一种基于深度卷积神经网络的前车跟随方法。解决现有技术自适应巡航系统存在繁琐的视觉测距和控制器设计过程，以及无法依据驾驶员的驾驶习惯微调控制参数，不能满足个人不同驾驶习惯的问题。通过对驾驶行为数据的训练，在给定视觉传感输入下，依据深度卷积神经网络对周围环境的特征描述，模仿人类驾驶员在多种工况下实现对车辆油门以及自动踏板的准确控制。本发明无需针对不同的工况，设计控制器结构、调节控制器增益，只需利用不同工况训练样本对应深度神经网络参数进行微调。过程避免了繁琐的视觉测距与控制器设计过程，只需通过调整深度神经网络参数，实现模拟驾驶员的跟车行为。

技术领域

本发明涉及一种汽车控制技术领域，尤其是涉及一种基于深度卷积神经网络的前车跟随方法。

背景技术

自适应巡航系统(ACC)是车辆高级辅助驾驶系统的重要组成功能之一。现有此类系统基于视觉或雷达传感系统输出的自身车辆与前方车辆的距离与相对运动信息，控制自身车辆车速以实现与前方车辆的距离保持(或设定车速保持)。此类系统首先将视觉系统或雷达系统的原始感知数据转化为对应控制器的输入，如车距与相对车速，无论雷达还是视觉系统，都很难避免测量误差(障碍物虚报等)；之后利用车辆动力系统的传递函数以及对应车辆状态反馈，综合考虑驾驶平顺性等车辆动力学状态，设计此类系统控制方法。主要运用的控制方法有：前馈控制、反馈控制、自适应控制等。

现有此类系统由传感与控制两部分组成。传感器端需要通过一系列的滤波或跟踪算法确保时序传感信号的稳定性；控制器设计对开发人员控制理论以及车辆动力学知识要求较高，且需要大量测试来调节与验证控制器参数。控制器目标函数的选取直接影响控制器性能与用户体验，现有方法无法依据相应驾驶员的驾驶习惯微调控制器参数，从而满足个人不同的驾驶习惯。

发明内容

本发明主要是解决现有技术自适应巡航系统存在繁琐的视觉测距和控制器设计过程，以及无法依据驾驶员的驾驶习惯微调控制参数，不能满足个人不同驾驶习惯的问题，提供了一种基于深度卷积神经网络的前车跟随方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：一种基于深度卷积神经网络的前车跟随方法，包括以下步骤：

S1.建立训练样本库；

S2.建立深度卷积神经网络；

S3.根据训练样本对深度卷积神经网络进行离线训练；

S4.根据驾驶员驾驶行为对训练后深度卷积神经网络进行在线微调；

S5.将实际车况通过微调后深度卷积神经网络计算输出车辆操纵信号，进行前车跟随。

本发明通过对驾驶行为数据的训练，在给定视觉传感输入下，依据深度卷积神经网络对周围环境的特征描述，模仿人类驾驶员在多种工况下实现对车辆油门以及自动踏板的准确控制。本发明无需针对不同的工况，设计控制器结构、调节控制器增益，只需利用不同工况训练样本对应深度神经网络参数进行微调。过程避免了繁琐的视觉测距与控制器设计过程，只需通过调整深度神经网络参数，实现模拟驾驶员的跟车行为。本发明具有普遍适用范围，控制器输出更符合驾驶员驾驶习惯，并对开发人员理论基础要求大大降低。本发明可以用于自适应巡航系统的车速控制，也可用于车道保持系统的车辆转向控制，或紧急制动系统的车辆制动控制，为高级辅助驾驶系统的车辆控制提供了新颖的解决方法。本发明方法采用前车跟随系统，系统包括进行计算的控制器、前视相机、油门踏板传感器、制动踏板传感器。

作为一种优选方案，步骤S1中训练样本库建立的具体过程包括：

S11.用实验车辆采集不同地点、气候、天气下的驾驶训练数据，训练数据包括前视相机视觉数据和对应的驾驶操纵数据，操纵数据包括油门踏板和自动踏板传感数据；

S12.将视觉数据和操纵数据进行同步；