[发明专利]用于控制无人驾驶汽车的方法和装置

说明书

本申请实施例公开了用于控制无人驾驶汽车的方法和装置。该方法的一具体实施方式包括获取对无人驾驶汽车当前行驶的坡道进行拍摄所得到的图像序列；将图像序列输入至预先训练的控制指令生成模型，从控制指令生成模型的第一输出层输出无人驾驶汽车的控制指令序列；将控制指令序列发送至无人驾驶汽车的控制系统，以使控制系统控制无人驾驶汽车按照控制指令序列的指示在坡道上行驶。该实施方式无需车辆姿态传感器，仅仅将对坡道进行拍摄所得到的图像序列输入至控制指令生成模型，即可生成控制无人驾驶汽车在坡道上行驶的控制指令序列，从而降低了控制无人驾驶汽车在坡道上行驶的成本。

技术领域

本申请实施例涉及无人驾驶技术领域，具体涉及用于控制无人驾驶汽车的方法和装置。

背景技术

无人驾驶汽车是一种新型的智能汽车，主要通过控制装置(即，车载智能大脑)对汽车中各个部分进行精准的控制与计算分析，并最终通过ECU(Electronic Control Unit，电子控制单元)发出指令来分别控制无人驾驶汽车中的不同设备，从而实现汽车的全自动运行，达到汽车无人驾驶的目的。

无人驾驶汽车在行驶过程中会不可避免的需要在坡道上行驶。为了达到汽车在坡道上无人驾驶的目的，通常会通过车辆姿态传感器采集无人驾驶汽车的姿态信息来获取坡道信息，随后基于坡道信息生成控制指令，以实现根据控制指令对无人驾驶汽车在坡道上的行驶过程的控制。

发明内容

本申请实施例提出了用于控制无人驾驶汽车的方法和装置。

第一方面，本申请实施例提供了一种用于控制无人驾驶汽车的方法，包括：获取对无人驾驶汽车当前行驶的坡道进行拍摄所得到的图像序列；将图像序列输入至预先训练的控制指令生成模型，从控制指令生成模型的第一输出层输出无人驾驶汽车的控制指令序列；将控制指令序列发送至无人驾驶汽车的控制系统，以使控制系统控制无人驾驶汽车按照控制指令序列的指示在坡道上行驶。

在一些实施例中，在将图像序列输入至预先训练的控制指令生成模型之后，还包括：从控制指令生成模型的第二输出层输出坡道的情景语义。

在一些实施例中，控制指令生成模型包括卷积神经网络和长短期记忆网络，长短期记忆网络包括第一输出层和第二输出层。

在一些实施例中，将图像序列输入至预先训练的控制指令生成模型，从控制指令生成模型的第一输出层输出无人驾驶汽车的控制指令序列，包括：将图像序列输入至卷积神经网络，得到图像序列的特征向量序列；将特征向量序列输入至长短期记忆网络，从第一输出层输出控制指令序列。

在一些实施例中，控制指令生成模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括样本图像序列、对应的样本情景语义和对应的样本控制指令序列；对于训练样本集合中的训练样本，将该训练样本中的样本图像序列作为输入，将该训练样本中的样本情景语义和样本控制指令序列作为输出，训练得到控制指令生成模型。

在一些实施例中，控制指令序列中的控制指令包括油门开度和/或制动开度，以及以下至少一项：无人驾驶汽车的转角、无人驾驶汽车的速度。

第二方面，本申请实施例提供了一种用于控制无人驾驶汽车的装置，包括：图像获取单元，被配置成获取对无人驾驶汽车当前行驶的坡道进行拍摄所得到的图像序列；指令生成单元，被配置成将图像序列输入至预先训练的控制指令生成模型，从控制指令生成模型的第一输出层输出无人驾驶汽车的控制指令序列；指令发送单元，被配置成将控制指令序列发送至无人驾驶汽车的控制系统，以使控制系统控制无人驾驶汽车按照控制指令序列的指示在坡道上行驶。

在一些实施例中，该装置还包括：语义生成单元，被配置成从控制指令生成模型的第二输出层输出坡道的情景语义。

在一些实施例中，控制指令生成模型包括卷积神经网络和长短期记忆网络，长短期记忆网络包括第一输出层和第二输出层。