[发明专利]用于自主车辆控制的神经网络系统

说明书

本发明揭示一种神经网络，其可用于自主驾驶自动驾驶车辆SDV。所述神经网络可在相对于所述SDV的局部坐标中建立目的地位置。然后，所述神经网络可识别所述SDV的前向操作方向上的一或多个导航点，并处理来自所述SDV的传感器系统的传感器数据，所述传感器数据提供所述SDV的所述前向操作方向的传感器视图。利用所述传感器数据，所述神经网络可操作所述SDV的加速系统、制动系统及转向系统，以沿着到达所述目的地位置的所建立路线连续跟随所述一或多个导航点。

相关申请案

本申请案主张在2016年10月17日提出申请的美国临时申请案第15/295,088号的权益；且所提及申请案特此通过全文引用的方式并入本文中。

背景技术

神经网络正在各行各业中应用，以改进决策制定，并为传统的基于规则的编程提供对广泛各种已经证明存在问题或过度资源密集的计算任务的解决方案。例如，语音识别、音频识别，任务导向的活动(例如，象棋及跳棋等游戏活动)，解决问题及回答问题通过使用神经网络及深度学习已经取得了突破性进展。这些网络可采用多层非线性处理及自适应技术，这些技术可在某些计算功能中提供显着的效率，特别是当某些认知人工任务被替换或改进时。

附图说明

通过举例方式而非通过限制方式在所附图式的图中说明本文中揭示内容，其中相同参考编号可指类似元件，在附图中：

图1为说明实施如本文中所描述的神经网络控制系统的实例自动驾驶车辆的框图；

图2为说明根据本文中所描述的实例的结合自动驾驶车辆使用的实例神经网络导航系统的框图；

图3展示根据实例实施方案的利用传感器数据来导航环境的自主控制的自动驾驶车辆的实例；

图4为根据本文中所描述实例描述通过使用神经网络自主操作自动驾驶车辆的实例方法的流程图；

图5为根据本文中所描述实例描述通过使用神经网络自主操作自动驾驶车辆的实例方法的下级流程图；

图6为用于可在其上实施本文中所描述实例的自动驾驶车辆的计算机系统的框图。

具体实施方式

某些自主驾驶技术涉及使用非常详细及预处理的定位地图，自主车辆的控制系统可连续地将所述定位地图与实时传感器视图进行比较，以便操作车辆通过道路交通并检测任何潜在危险。作为实例，用于自动驾驶车辆的导航技术可涉及设置终点位置，确定从当前位置到终点的路线，以及执行动态定位及对象检测以安全地将车辆操作到终点。在提供足够的安全性的同时，此类方法可能过度劳动密集，需要在给定区域的道路上预先记录的街道视图地图，并处理那些地图以建立定位参数，例如车道位置、静态对象(例如，树木、建筑物、路缘石、停车计时器、消防栓等)，所关注对象(例如，交通信号及标志)，动态对象(例如，人、其它车辆等)等。此外，为了在可变条件下安全操作，通常需要一套传感器，由LIDAR、雷达、立体及单眼摄影机、红外传感器甚至声纳的组合构成。然而此类自主驾驶方法的缺点已变得越来越明显。例如，为了在新的驾驶区域中实施这些方法，必须记录新的定位地图、加以处理并将其上传到SDV。