[发明专利]一种无人驾驶控制方法、装置及服务器

说明书

本申请公开了一种无人驾驶控制方法、装置和服务器，其中，所述方法包括获取当前车辆所在环境下的参考工况数据，确定所述当前车辆的当前时间段的工况数据与所述参考工况数据间的误差，基于优化模型和所述误差对所述参考工况数据进行优化处理，得到所述当前车辆驾驶控制的参考工况数据中状态数据的状态权重和参考工况数据中控制数据的控制权重，基于所述状态权重、所述控制权重、所述参考工况数据中的状态数据和控制数据以及所述当前车辆的当前时间段的状态数据，确定所述当前车辆的控制数据，利用所述控制数据控制所述当前车辆的驾驶，本申请能够对无人驾驶车辆进行实时最合理的控制。

技术领域

本申请涉及一种无人驾驶控制方法、装置及服务器，更具体的涉及一种利用神经网络对执行控制模块进行优化和预训练的控制方法及装置。

背景技术

无人驾驶的关键技术是环境感知技术以及决策控制技术，其中环境感知技术是无人驾驶汽车行驶的基础，包括车载传感器与感知定位算法；决策控制技术是无人驾驶汽车行驶的核心，包括决策规划和控制执行两个环节。现有技术中主要有比例、积分、微分控制算法，线性二次型调节算法以及模型预测控制算法。其中模型预测控制算法是基于现代控制理论的状态空间方程发展而来，主要通过对系统的状态变量的描述来进行控制系统的分析设计。这种算法包含大量矩阵运算，更适合于在数字计算机上进行，也十分擅长处理无人驾驶汽车这种带约束、非线性、时变的系统。现代控制理论也使特定性能指标的最优化控制成为可能。

目前有利用上述几种控制算法搭配或者优化的改进，例如利用比例、积分、微分控制算法关注车辆在纵向上的速度量，利用线性二次型调节算法来控制减小横向以及航向误差。实际上，车辆的横纵向控制是高度耦合的，这样将其拆分开并交由两个不同的控制器去对车辆进行协同控制，会为系统带来更大的复杂性以及更多的不确定性。而且线性二次型调节算法相比模型预测控制算法缺少了能对被控车辆施加约束以及滚动优化防止模型失配的能力。有利用模型预测控制算法基于二自由度动力学模型来对农机的横向以及航向误差进行跟踪控制的方法。该方法采用的动力学模型较为复杂，对主车芯片的算力有较高的要求，在实际应用中会有一定的延迟。另外该方法只能凭经验调节算法中对应的权重参数，低效且难以达到最优效果。还有采用神经网络结合比例积分微分算法来进行无人车辆的驾驶控制，虽然此种方法能够获得更好的鲁棒性和适应性，但仅仅使用运动学模型来预测车辆行驶的轨迹，在车辆的高速应用场景下运行状况欠佳。

发明内容

为了解决在无人驾驶时难以凭借经验得到最优控制量对车辆进行控制的问题，本申请提供了一种无人驾驶控制方法、装置及服务器：

第一方面，本申请提供了一种无人驾驶控制方法，所述方法包括：

获取当前车辆所在环境下的参考工况数据；

确定所述当前车辆的当前时间段的工况数据与所述参考工况数据间的误差；

基于优化模型和所述误差对所述参考工况数据进行优化处理，得到所述当前车辆驾驶控制的参考工况数据中状态数据的状态权重和参考工况数据中控制数据的控制权重；

基于所述状态权重、所述控制权重、所述参考工况数据中的状态数据和控制数据以及所述当前车辆的当前时间段的状态数据，确定所述当前车辆的控制数据；

利用所述控制数据控制所述当前车辆的驾驶；

其中，所述优化模型包括基于工况训练数据对预设深度学习网络进行训练得到的模型，所述工况训练数据包括不同环境下不同时间段的工况数据和所述工况数据中状态数据的状态权重和参考工况数据中控制数据的控制权重。

其中，所述获取当前车辆所在环境下的参考工况数据包括：

通过车辆的环境感知模型获取当前车辆所在的环境数据；

根据所述当前车辆所在的环境数据在工况训练数据库中匹配合适的工况标签，所述工况训练数据库包括所述车辆所在的环境数据、所述工况标签及标签索引的参考工况数据；