[发明专利]车辆场景预警决策方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202210545701.8 申请日: 2022-05-19
公开(公告)号: CN114863342A 公开(公告)日: 2022-08-05
发明(设计)人: 张海涛;邵亚辉;郑岩;刘传;赵超;梁亚丽;李木子;王柏淇;张跃华;陈浩;姜佳成;李新雨;周婉莹 申请(专利权)人: 一汽解放汽车有限公司
主分类号: G06V20/40 分类号: G06V20/40;G06V10/80
代理公司: 华进联合专利商标代理有限公司 44224 代理人: 聂榕
地址: 130011 吉林省*** 国省代码: 吉林;22
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 场景 预警 决策 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种车辆场景预警决策方法,其特征在于,所述方法包括:

获取车辆的车况数据序列和当前驾驶场景的场景图像;

将所述场景图像输入已训练好的场景决策模型的场景特征提取网络,提取所述场景图像的空间特征;

将所述车况数据序列输入已训练好的场景决策模型的车况预测网络,得到预测的车辆运动序列;

将所述场景特征和车辆运动序列融合,通过所述场景决策模型的决策器得到车辆在当前驾驶场景下的预警信息。

2.根据权利要求1所述的方法,其特征在于,将所述场景图像输入已训练好的场景决策模型的场景特征提取网络,提取所述场景图像的空间特征,包括:

将所述场景图像输入已训练好的场景决策模型的场景特征提取网络,通过所述场景特征提取网络的特征提取结构提取所述场景图像的场景特征;

将所述场景图像和所述场景特征融合,作为场景特征提取网络的注意力结构的输入,通过所述注意力结构输出注意力权重;

根据所述场景特征和所述注意力权重,得到所述场景图像的空间特征。

3.根据权利要求1所述的方法,其特征在于,所述将所述车况数据序列输入已训练好的场景决策模型的车况预测网络,得到预测的车辆运动序列,包括:

将所述车况数据序列输入已训练好的场景决策模型的车况预测网络,所述车况预测网络的编码结构提取所述车况数据序列的高层信息,生成特征向量;

将所述特征向量输入所述车况预测网络的解码结构,所述解码结构以所述特征向量为初始状态对编码信息进行解码,得到预测的车辆运动序列。

4.根据权利要求1所述的方法,其特征在于,所述将所述场景特征和车辆运动序列融合,通过所述场景决策模型的决策器得到车辆在当前驾驶场景下的预警信息,包括:

将所述场景特征和车辆运动序列融合,通过所述场景决策模型的决策器得到当前驾驶场景是否存在安全隐患的预测结果;

当预测结果为当前驾驶场景存在安全隐患时,在车辆的人机交互界面显示预警信息,所述预警信息包括安全隐患类型和/或针对所述安全隐患的处理方式。

5.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取训练样本,每个训练样本包括场景训练样本、标注的所述场景训练样本的第一空间特征、车况训练样本、标注的所述车况训练样本的第一车辆运动序列以及标注的所述场景训练样本和所述车况训练样本对应的第一预警信息;

将所述场景训练样本输入至所述场景特征提取网络,获取预测的第二空间特征,根据所述第一空间特征和所述第二空间特征的差异,调整所述场景特征提取网络的参数;

将所述车况训练样本输入至所述车况预测网络,获取预测的第二车辆运动序列,根据所述第二车辆运动序列和所述第一车辆运动序列的差异,调整所述车况预测网络的参数;

将所述第二空间特征和所述第二车辆运动序列作为决策器的训练输入,获取所述决策器输出的第二预警信息,根据所述第一预警信息和所述第二预警信息的差异调整所述决策器的参数,完成一次训练;

迭代多次训练过程,当损失函数满足目标值时,停止训练得到已训练好的场景决策模型。

6.根据权利要求5所述的方法,其特征在于,所述场景训练样本为采样周期内的多帧图像;

所述车况训练样本为采样周期内的车况数据。

7.一种车辆场景预警决策装置,其特征在于,所述装置包括:

采集模块,用于获取车辆的车况数据序列和在当前驾驶场景的场景图像;

空间特征提取模块,用于将所述场景图像输入已训练好的场景决策模型的场景特征提取网络,提取所述场景图像的空间特征;

车辆运动序列获取模块,用于将所述车况数据序列输入已训练好的的场景决策模型的车况预测网络,得到预测的车辆运动序列;

决策模块,用于将所述场景特征和车辆运动序列融合,通过所述场景决策模型的决策器得到车辆在当前驾驶场景下的预警信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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一汽解放汽车有限公司,未经一汽解放汽车有限公司许可,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/202210545701.8/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top