建立智能車輛控制模型的方法、智能車輛控制方法及裝置的制造方法
【專利摘要】本發(fā)明提供了一種建立智能車輛控制模型的方法、智能車輛控制方法及裝置，其中建立智能車輛控制模型的方法包括：獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角；從樣本數(shù)據(jù)中提取車輛狀態(tài)特征和路況特征；利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到智能車輛控制模型。智能車輛控制方法包括：提取待控制車輛的車輛狀態(tài)特征和路況特征；將提取的特征輸入智能車輛控制模型，得到方向盤轉(zhuǎn)角；利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制。本發(fā)明建立智能車輛控制模型采用機(jī)器學(xué)習(xí)的方式，無(wú)需人工調(diào)參，降低了調(diào)參所產(chǎn)生的人力成本。
【專利說(shuō)明】
建立智能車輛控制模型的方法、智能車輛控制方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，特別涉及一種建立智能車輛控制模型的方法、智能車輛控制方法及裝置。
【【背景技術(shù)】】
[0002]智能車輛是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)，使車輛具備智能的環(huán)境感知能力，能夠自動(dòng)分析車輛行駛的安全及危險(xiǎn)狀態(tài)，并使車輛按照人的意愿到達(dá)目的地，最終實(shí)現(xiàn)替代人來(lái)操作的目的。近年來(lái)，智能車輛己經(jīng)成為世界車輛工程領(lǐng)域研究的熱點(diǎn)和汽車工業(yè)增長(zhǎng)的新動(dòng)力，很多發(fā)達(dá)國(guó)家都將其納入到各自重點(diǎn)發(fā)展的智能交通系統(tǒng)當(dāng)中。
[0003]決策和控制在智能車輛駕駛系統(tǒng)中起著舉足輕重的作用，其中對(duì)方向盤的控制是其中比較重要的一種，現(xiàn)有對(duì)智能車輛方向盤的控制主要是基于PID算法，即在過(guò)程控制中，按偏差的比例(P)、積分(I)和微分(D)進(jìn)行控制。然而采用該算法進(jìn)行智能車輛方向盤的控制時(shí)，一方面需要花費(fèi)大量的人力來(lái)進(jìn)行調(diào)參，另一方面對(duì)傳感器的依賴嚴(yán)重。
【
【發(fā)明內(nèi)容】
】
[0004]有鑒于此，本發(fā)明提供了一種建立智能車輛控制模型的方法、智能車輛控制方法及裝置，以便于降低調(diào)參所產(chǎn)生的人力成本。
[0005]具體技術(shù)方案如下:
[0006]本發(fā)明提供了一種建立智能車輛控制模型的方法，該方法包括:
[0007]獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角；
[0008]從樣本數(shù)據(jù)中提取車輛狀態(tài)特征和路況特征；
[0009]利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到智能車輛控制模型。
[0010]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，所述車輛狀態(tài)特征包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合；
[0011]所述路況特征包括車輛與參考車道的橫向偏差、車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。
[0012 ]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，該方法還包括:
[0013]對(duì)所述智能車輛控制模型進(jìn)行測(cè)試評(píng)估；
[0014]利用評(píng)估結(jié)果對(duì)所述智能車輛控制模型進(jìn)行優(yōu)化。
[0015]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，對(duì)所述智能車輛控制模型進(jìn)行測(cè)試評(píng)估包括:
[0016]將所述智能車輛控制模型與車輛模型進(jìn)行仿真對(duì)接，其中，從車輛模型獲取車輛狀態(tài)特征和路況特征并輸入所述智能車輛控制模型，將智能車輛控制模型輸出的方向盤轉(zhuǎn)角輸入所述車輛模型；
[0017]仿真多種駕駛環(huán)境進(jìn)行測(cè)試；
[0018]將測(cè)試結(jié)果與預(yù)期結(jié)果進(jìn)行比對(duì)。
[0019]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，所述利用評(píng)估結(jié)果對(duì)所述智能車輛控制模型進(jìn)行優(yōu)化包括:
[0020]將測(cè)試結(jié)果符合預(yù)期結(jié)果的測(cè)試數(shù)據(jù)作為樣本數(shù)據(jù)，對(duì)所述智能車輛控制模型進(jìn)行迭代優(yōu)化。
[0021 ]本發(fā)明還提供了一種智能車輛控制方法，該方法包括:
[0022]提取待控制車輛的車輛狀態(tài)特征和路況特征；
[0023]將提取的特征輸入智能車輛控制模型，得到方向盤轉(zhuǎn)角；
[0024]利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制；
[0025]其中所述智能車輛控制模型是利用上述建立智能車輛控制模型的方法建立的。
[0026]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，所述車輛狀態(tài)特征包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合；
[0027]所述路況特征包括待控制車輛與參考車道的橫向偏差、待控制車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。
[0028]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制包括:
[0029]判斷所述方向盤轉(zhuǎn)角是否小于或等于預(yù)設(shè)轉(zhuǎn)角閾值，如果否，則利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制;如果是，則修正所述方向盤轉(zhuǎn)角為O。
[0030]本發(fā)明還提供了一種建立智能車輛控制模型的裝置，該裝置包括:
[0031]樣本獲取單元，用于獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角；
[0032]特征提取單元，用于從樣本數(shù)據(jù)中提取車輛狀態(tài)特征和路況特征；
[0033]模型訓(xùn)練單元，用于利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到智能車輛控制模型。
[0034]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，所述車輛狀態(tài)特征包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合；
[0035]所述路況特征包括車輛與參考車道的橫向偏差、車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。
[0036]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，該裝置還包括:
[0037]測(cè)試評(píng)估單元，用于對(duì)所述智能車輛控制模型進(jìn)行測(cè)試評(píng)估；
[0038]模型優(yōu)化單元，用于利用所述評(píng)估結(jié)果對(duì)所述智能車輛控制模型進(jìn)行優(yōu)化。
[0039]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，所述測(cè)試評(píng)估單元，具體用于:
[0040]將所述智能車輛控制模型與車輛模型進(jìn)行仿真對(duì)接，其中，從車輛模型獲取車輛狀態(tài)特征和路況特征并輸入所述智能車輛控制模型，將智能車輛控制模型輸出的方向盤轉(zhuǎn)角輸入所述車輛模型；
[0041]仿真多種駕駛環(huán)境進(jìn)行測(cè)試；
[0042]將測(cè)試結(jié)果與預(yù)期結(jié)果進(jìn)行比對(duì)。
[0043]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，所述模型優(yōu)化單元，具體用于將測(cè)試結(jié)果符合預(yù)期結(jié)果的測(cè)試數(shù)據(jù)作為樣本數(shù)據(jù)，觸發(fā)對(duì)所述智能車輛控制模型的迭代優(yōu)化。
[0044]本發(fā)明還提供了一種智能車輛控制裝置，該裝置包括:
[0045]特征提取單元，用于提取待控制車輛的車輛狀態(tài)特征和路況特征；
[0046]轉(zhuǎn)角獲取單元，用于將提取的特征輸入智能車輛控制模型，得到方向盤轉(zhuǎn)角；
[0047]控制處理單元，用于利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制；
[0048]其中所述智能車輛控制模型是利用上述建立智能車輛控制模型的裝置建立的。
[0049]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，所述車輛狀態(tài)特征包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合；
[0050]所述路況特征包括待控制車輛與參考車道的橫向偏差、待控制車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。
[0051]根據(jù)本發(fā)明一優(yōu)選實(shí)施方式，所述控制處理單元，具體用于判斷所述方向盤轉(zhuǎn)角是否小于或等于預(yù)設(shè)轉(zhuǎn)角閾值，如果否，則利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制;如果是，則修正所述方向盤轉(zhuǎn)角為O。
[0052]由以上技術(shù)方案可以看出，本發(fā)明建立智能車輛控制模型采用機(jī)器學(xué)習(xí)的方式，無(wú)需人工調(diào)參，降低了調(diào)參所產(chǎn)生的人力成本。
【【附圖說(shuō)明】】
[0053]圖1為本發(fā)明實(shí)施例提供的建立智能車輛控制模型的方法流程圖；
[0054]圖2為本發(fā)明實(shí)施例提供的智能車輛控制方法流程圖；
[0055]圖3為本發(fā)明實(shí)施例提供的建立智能車輛控制模型的裝置；
[0056]圖4為本發(fā)明實(shí)施例提供的智能車輛控制裝置的結(jié)構(gòu)圖。
【【具體實(shí)施方式】】
[0057]為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)描述。
[0058]在本發(fā)明實(shí)施例中使用的術(shù)語(yǔ)是僅僅出于描述特定實(shí)施例的目的，而非旨在限制本發(fā)明。在本發(fā)明實(shí)施例和所附權(quán)利要求書中所使用的單數(shù)形式的“一種”、“所述”和“該”也旨在包括多數(shù)形式，除非上下文清楚地表示其他含義。
[0059]應(yīng)當(dāng)理解，本文中使用的術(shù)語(yǔ)“和/或”僅僅是一種描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，六和/或B，可以表示:單獨(dú)存在A，同時(shí)存在A和B，單獨(dú)存在B這三種情況。另外，本文中字符，一般表示前后關(guān)聯(lián)對(duì)象是一種“或”的關(guān)系。
[0060]取決于語(yǔ)境，如在此所使用的詞語(yǔ)“如果”可以被解釋成為“在……時(shí)”或“當(dāng)……時(shí)”或“響應(yīng)于確定”或“響應(yīng)于檢測(cè)”。類似地，取決于語(yǔ)境，短語(yǔ)“如果確定”或“如果檢測(cè)(陳述的條件或事件)”可以被解釋成為“當(dāng)確定時(shí)”或“響應(yīng)于確定”或“當(dāng)檢測(cè)(陳述的條件或事件)時(shí)”或“響應(yīng)于檢測(cè)(陳述的條件或事件)”。
[0061]本發(fā)明的核心思想在于，預(yù)先利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練智能車輛控制模型，然后利用智能車輛控制模型實(shí)現(xiàn)對(duì)智能車輛方向盤的控制。也就是說(shuō)，本發(fā)明主要包括兩個(gè)階段:模型訓(xùn)練階段和車輛控制階段。下面結(jié)合實(shí)施例分別對(duì)這兩個(gè)階段的具體實(shí)現(xiàn)進(jìn)行詳細(xì)描述。
[0062]圖1為本發(fā)明實(shí)施例提供的建立智能車輛控制模型的方法流程圖，該方法為模型訓(xùn)練階段的實(shí)現(xiàn)，如圖1所示，該方法可以包括以下步驟:
[0063]在101中，獲取樣本數(shù)據(jù)，該樣本數(shù)據(jù)包括各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角。
[0064]本發(fā)明實(shí)施例中，可以預(yù)先采集各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角，但需要保證采集的方向盤轉(zhuǎn)角是較優(yōu)的控制方式。其中各駕駛環(huán)境指的是盡量覆蓋各種路況和車輛狀
??τ O
[0065]樣本數(shù)據(jù)的獲取方式有很多，舉兩個(gè)例子:例如可以在各駕駛環(huán)境下由經(jīng)驗(yàn)豐富的司機(jī)進(jìn)行車輛駕駛，在此過(guò)程中采集樣本數(shù)據(jù)。再例如，通過(guò)構(gòu)造不同駕駛環(huán)境利用現(xiàn)有成熟的PID算法得到各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角作為樣本數(shù)據(jù)。
[0066]由于樣本數(shù)量越大，訓(xùn)練出的模型越精確，因此在本發(fā)明實(shí)施例中優(yōu)選采集的樣本數(shù)據(jù)在幾十萬(wàn)級(jí)別。
[0067]在102中，從樣本數(shù)據(jù)中提取車輛狀態(tài)特征和路況特征。
[0068]對(duì)于模型訓(xùn)練而言，特征選擇是非常關(guān)鍵的，其在很大程度上決定了模型的決策效果。對(duì)于本發(fā)明而言，在具體駕駛環(huán)境中有各種各樣數(shù)量龐大的特征可供選擇，若特征選擇不當(dāng)，會(huì)影響訓(xùn)練出的模型的性能。選擇哪些特征用于進(jìn)行模型訓(xùn)練需要進(jìn)行反復(fù)地研究、試驗(yàn)、修改和分析。
[0069]舉一個(gè)例子，在試驗(yàn)過(guò)程中，將上一時(shí)刻的方向盤轉(zhuǎn)角作為其中一個(gè)特征，結(jié)果訓(xùn)練出的智能車輛控制模型對(duì)方向的控制非常糟糕。經(jīng)過(guò)大量分析后得到原因:上一時(shí)刻的方向盤轉(zhuǎn)角對(duì)造成智能車輛控制模型對(duì)其的強(qiáng)依賴，從而抑制了真正與方向控制有強(qiáng)相關(guān)性的變量，因此造成輸出的決策效果差。那么發(fā)明人分析得到原因后，就果斷放棄上一時(shí)刻的方向盤轉(zhuǎn)角作為特征。
[0070]經(jīng)過(guò)反復(fù)和大量的研究、試驗(yàn)、修改和分析后，在本發(fā)明實(shí)施例中采用兩類特征來(lái)進(jìn)行智能車輛控制模型的訓(xùn)練:車輛狀態(tài)特征和路況特征。其中車輛狀態(tài)特征可以包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合;路況特征可以包括橫向偏差、航向角偏差和道路曲率中的一種或任意組合，其中橫向偏差指的是車輛與參考車道的距離，航向角偏差指的是車輛航向與參考車道線的偏角。作為一種優(yōu)選的實(shí)施方式，選取上述6個(gè)特征:車輛的橫向速度、縱向速度、橫擺角速度、橫向偏差、航向角偏差和道路曲率，后續(xù)將以該6個(gè)特征為例作為模型訓(xùn)練的特征進(jìn)行描述。
[0071]在103中，利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到智能車輛控制模型。
[0072]在本發(fā)明實(shí)施例中在選取機(jī)器學(xué)習(xí)模型時(shí)，之所以采用神經(jīng)網(wǎng)絡(luò)模型，主要基于幾方面的考慮:首先本方式采用的特征數(shù)量較少，因此線性回歸方式并不適合，否則會(huì)造成訓(xùn)練誤差很大;其次，雖然采用核函數(shù)(kernel)的方式能夠具有較小的泛化誤差，但核函數(shù)的選取非常困難。因此，本發(fā)明實(shí)施例中采用神經(jīng)網(wǎng)絡(luò)的方式進(jìn)行模型訓(xùn)練。
[0073]可以采用多種類型的神經(jīng)網(wǎng)絡(luò)模型，例如卷積神經(jīng)網(wǎng)絡(luò)(CNN)、前饋全連接神經(jīng)網(wǎng)絡(luò)(FNN)，等等。
[0074]下面簡(jiǎn)單對(duì)神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過(guò)程進(jìn)行描述:
[0075]模型訓(xùn)練時(shí)采用的數(shù)據(jù)包括:
[0076]I)特征，分別采用feature[0]，feature[l]，...，feature[5]表示采用的6個(gè)特征值。
[0077]2)方向盤轉(zhuǎn)角，采用label表示。
[0078]對(duì)label進(jìn)行歸一化處理，依據(jù)方向盤轉(zhuǎn)角最大值max和方向盤轉(zhuǎn)角最小值min，進(jìn)行如下歸一化:
[0079]label，=( label-min)/(max_min) (I)
[0080]其中l(wèi)abel’為歸一化后的方向盤轉(zhuǎn)角。
[0081 ] 對(duì)feature進(jìn)行歸一化處理，依據(jù)各feature的均值和標(biāo)準(zhǔn)差，進(jìn)行如下歸一化:
[0082]model_input[i]=(feature[i]-mean[i])/var[i] (2)
[0083]其中，1110(161_;[即111:[;[]為€631:11代[;[]進(jìn)行歸一化后的值，mean[i]為feature[i]的均值，var [ i ] Sfeature [ i ]的標(biāo)準(zhǔn)差。
[0084]模型參數(shù)矩陣為A、B、C和D，其中，矩陣A為6行128列的矩陣，B為I行128列的矩陣，C為128行I列的矩陣，D為I行I列的矩陣，其中128指的是神經(jīng)網(wǎng)絡(luò)隱藏層中的節(jié)點(diǎn)數(shù)量，在此以128為例，也可以取其他值。訓(xùn)練過(guò)程就是確定這四個(gè)模型參數(shù)矩陣的過(guò)程，訓(xùn)練開(kāi)始時(shí)，這四個(gè)模型參數(shù)矩陣首先被初始化，即賦予初始值。
[0085]依據(jù)如下公式進(jìn)行模型訓(xùn)練:
[0086]layer = tanh (mode l_input*A+B) (3)
[0087]label’=layer*C+D (4)
[0088]其中，model_input為model_input[0]、model_input[I ]、model_input[2]、model_input[3]、model_input[4]和model_input[5]構(gòu)成的矩陣。
[0089]利用樣本數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練后，得到智能車輛控制模型，該智能車輛控制模型的輸入為6個(gè)特征，輸出為方向盤轉(zhuǎn)角。
[0090]在完成上述訓(xùn)練后，為了把握和提高模型的精度，可以進(jìn)一步執(zhí)行以下步驟:
[0091 ]在104中，對(duì)智能車輛控制模型進(jìn)行測(cè)試評(píng)估。
[0092]在對(duì)訓(xùn)練出的模型進(jìn)行測(cè)試評(píng)估時(shí)，可以將智能車輛控制模型與車輛模型進(jìn)行仿真對(duì)接，車輛模型指的是在仿真環(huán)境下，能夠在駕駛環(huán)境中仿真真實(shí)智能車輛進(jìn)行駕駛的模型，對(duì)該車輛模型輸入控制參數(shù)，就能夠受該控制參數(shù)的控制進(jìn)行仿真駕駛，從而輸出各種車輛狀態(tài)信息和路況信息。
[0093]在本步驟中進(jìn)行對(duì)接時(shí)，從車輛模型獲取車輛狀態(tài)特征和路況特征，即橫向速度、縱向速度、橫擺角速度、橫向偏差、航向角偏差和道路曲率，將這些特征輸入智能車輛控制模型，智能車輛控制模型輸出方向盤轉(zhuǎn)角，將該方向盤轉(zhuǎn)角又作為車輛模型的輸入。據(jù)此仿真多種駕駛環(huán)境，例如仿真直道以及各種曲率、弧度的彎道進(jìn)行測(cè)試，將測(cè)試結(jié)果與預(yù)期結(jié)果進(jìn)行比對(duì)。例如在同樣的駕駛環(huán)境下利用PID算法進(jìn)行方向盤轉(zhuǎn)角的確定，將利用PID算法確定出的結(jié)果作為預(yù)期結(jié)果。
[0094]在105中，利用評(píng)估結(jié)果對(duì)智能車輛控制模型進(jìn)行優(yōu)化。
[0095]對(duì)于測(cè)試結(jié)果符合預(yù)期結(jié)果的測(cè)試數(shù)據(jù)可以作為樣本數(shù)據(jù)，繼續(xù)用于對(duì)智能車輛控制模型進(jìn)行迭代優(yōu)化，直至測(cè)試結(jié)果與預(yù)期結(jié)果的吻合狀況符合設(shè)定要求。
[0096]圖2為本發(fā)明實(shí)施例提供的智能車輛控制方法流程圖，該方法為車輛控制階段的實(shí)現(xiàn)，如圖2所示，該方法可以包括以下步驟:
[0097]在201中，提取待控制車輛的車輛狀態(tài)特征和路況特征。
[0098]在本步驟中，針對(duì)待控制車輛提取的特征是與訓(xùn)練智能車輛控制模型時(shí)提取的特征相對(duì)應(yīng)的，也就是說(shuō)，訓(xùn)練車輛控制模型時(shí)采用哪些特征，在本步驟中就提取哪些特征。
[0099]車輛狀態(tài)特征可以包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合；路況特征可以包括橫向偏差、航向角偏差和道路曲率中的一種或任意組合。作為一種優(yōu)選的實(shí)施方式，選取上述6個(gè)特征:車輛的橫向速度、縱向速度、橫擺角速度、橫向偏差、航向角偏差和道路曲率。
[0100]在202中，將提取的特征輸入智能車輛控制模型，得到方向盤轉(zhuǎn)角。
[0101]將提取的特征輸入圖1所示實(shí)施例建立的智能車輛控制模型后，智能車輛控制模型就能夠輸出方向盤轉(zhuǎn)角。
[0102]在203中，利用得到的方向盤轉(zhuǎn)角對(duì)待控制車輛進(jìn)行控制。
[0103]本步驟實(shí)際上就是依據(jù)方向盤轉(zhuǎn)角對(duì)待控制車輛的方向盤進(jìn)行控制，可以將得到的方向盤轉(zhuǎn)角作為控制參數(shù)提供給控制系統(tǒng)，由控制系統(tǒng)對(duì)待控制車輛的方向盤進(jìn)行控制，使得待控制車輛的方向盤轉(zhuǎn)動(dòng)相應(yīng)的轉(zhuǎn)角。
[0104]由于很可能在樣本數(shù)據(jù)采集時(shí)會(huì)有覆蓋場(chǎng)景單一的情況，樣本數(shù)據(jù)中缺少航向偏差太大的情況，就可能會(huì)產(chǎn)生車輛在直道上開(kāi)始的角度偏差太大，從而造成在直道上走S路的效果，對(duì)于這樣的情況，一方面可以增加樣本數(shù)據(jù)，覆蓋這種狀況；另一方面也可以增加邏輯判斷，即判斷方向盤轉(zhuǎn)角是否小于或等于預(yù)設(shè)轉(zhuǎn)角閾值，如果否，則利用方向盤轉(zhuǎn)角對(duì)待控制車輛進(jìn)行控制;如果是，則修正方向盤轉(zhuǎn)角位O。
[0105]例如，可以預(yù)設(shè)轉(zhuǎn)角閾值為±0.8度，若通過(guò)智能車輛控制模型得到的方向盤轉(zhuǎn)角在±0.8度之間，則修正方向盤轉(zhuǎn)角為0，即不改變待控制車輛的方向盤轉(zhuǎn)角。其中，方向盤轉(zhuǎn)角的正、負(fù)取值可以用于代表兩個(gè)方向的轉(zhuǎn)角，例如用正值代表順時(shí)針?lè)较虻霓D(zhuǎn)角，用負(fù)值代表逆時(shí)針?lè)较虻霓D(zhuǎn)角。
[0106]圖1所示的模型訓(xùn)練階段可以是預(yù)先執(zhí)行的過(guò)程，通過(guò)該階段訓(xùn)練得到的車輛控制模型可以預(yù)置于智能車輛中，用于智能車輛按照?qǐng)D2所示的車輛控制階段的處理進(jìn)行實(shí)時(shí)控制。當(dāng)車輛控制模型進(jìn)行更新后，可以重新下發(fā)給智能車輛，由智能車輛更新本地的智能車輛控制模型。
[0107]或者，車輛控制模型也可以在服務(wù)器中，智能車輛實(shí)時(shí)上傳特征數(shù)據(jù)給服務(wù)器，由服務(wù)器按照?qǐng)D2所示的車輛控制階段的處理得到方向盤轉(zhuǎn)角數(shù)據(jù)，并下發(fā)給智能車輛，實(shí)現(xiàn)對(duì)智能車輛的實(shí)時(shí)控制。
[0108]以上是對(duì)本發(fā)明所提供方法進(jìn)行的描述，下面結(jié)合實(shí)施例對(duì)本發(fā)明提供的裝置進(jìn)行詳述。
[0109]圖3為本發(fā)明實(shí)施例提供的建立智能車輛控制模型的裝置，如圖3所示，該裝置可以包括:樣本獲取單元01、特征提取單元02和模型訓(xùn)練單元03，還可以包括測(cè)試評(píng)估單元04和模型優(yōu)化單元05。其中各組成單元的主要功能如下:
[0110]樣本獲取單元01負(fù)責(zé)獲取樣本數(shù)據(jù)，樣本數(shù)據(jù)包括各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角。樣本獲取單元01獲取的樣本數(shù)據(jù)需要盡量保證采集的方向盤轉(zhuǎn)角是較優(yōu)的控制方式。其中各駕駛環(huán)境指的是盡量覆蓋各種路況和車輛狀態(tài)。
[0111]樣本數(shù)據(jù)的獲取方式有很多，舉兩個(gè)例子:例如可以在各駕駛環(huán)境下由經(jīng)驗(yàn)豐富的司機(jī)進(jìn)行車輛駕駛，在此過(guò)程中采集樣本數(shù)據(jù)。再例如，通過(guò)構(gòu)造不同駕駛環(huán)境利用現(xiàn)有成熟的PID算法得到各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角作為樣本數(shù)據(jù)。
[0112]特征提取單元02負(fù)責(zé)從樣本數(shù)據(jù)中提取車輛狀態(tài)特征和路況特征。其中車輛狀態(tài)特征可以包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合;路況特征可以包括橫向偏差、航向角偏差和道路曲率中的一種或任意組合，其中橫向偏差指的是車輛與參考車道的距離，航向角偏差指的是車輛航向與參考車道線的偏角。作為一種優(yōu)選的實(shí)施方式，選取上述6個(gè)特征:車輛的橫向速度、縱向速度、橫擺角速度、橫向偏差、航向角偏差和道路曲率。
[0113]模型訓(xùn)練單元03負(fù)責(zé)利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到智能車輛控制模型。其中神經(jīng)網(wǎng)絡(luò)模型可以包括但不限于CNN、FNN等。
[0114]測(cè)試評(píng)估單元04負(fù)責(zé)對(duì)智能車輛控制模型進(jìn)行測(cè)試評(píng)估。具體地，可以將智能車輛控制模型與車輛模型進(jìn)行仿真對(duì)接，其中，從車輛模型獲取車輛狀態(tài)特征和路況特征并輸入智能車輛控制模型，將智能車輛控制模型輸出的方向盤轉(zhuǎn)角輸入車輛模型；仿真多種駕駛環(huán)境進(jìn)行測(cè)試;將測(cè)試結(jié)果與預(yù)期結(jié)果進(jìn)行比對(duì)。
[0115]模型優(yōu)化單元05負(fù)責(zé)利用評(píng)估結(jié)果對(duì)智能車輛控制模型進(jìn)行優(yōu)化。具體地，可以將測(cè)試結(jié)果符合預(yù)期結(jié)果的測(cè)試數(shù)據(jù)作為樣本數(shù)據(jù)，觸發(fā)對(duì)智能車輛控制模型的迭代優(yōu)化。即可以由模型優(yōu)化單元05將測(cè)試結(jié)果符合預(yù)期結(jié)果的測(cè)試數(shù)據(jù)作為樣本數(shù)據(jù)，并觸發(fā)特征提取單元02開(kāi)始提取特征以及觸發(fā)模型訓(xùn)練單元03繼續(xù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型。
[0116]圖4為本發(fā)明實(shí)施例提供的智能車輛控制裝置的結(jié)構(gòu)圖，該裝置可以基于圖3所示裝置所建立的智能車輛控制模型實(shí)現(xiàn)對(duì)智能車輛的方向盤控制。如圖4所示，該裝置可以包括:特征提取單元11、轉(zhuǎn)角獲取單元12和控制處理單元13，各組成單元的主要功能如下:
[0117]特征提取單元11負(fù)責(zé)提取待控制車輛的車輛狀態(tài)特征和路況特征。其中車輛狀態(tài)特征可以包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合;路況特征包括待控制車輛與參考車道的橫向偏差、待控制車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。特征提取單元11與圖3中特征提取單元02提取的特征一致。
[0118]轉(zhuǎn)角獲取單元12負(fù)責(zé)將提取的特征輸入智能車輛控制模型，得到方向盤轉(zhuǎn)角。
[0119]控制處理單元13負(fù)責(zé)利用方向盤轉(zhuǎn)角對(duì)待控制車輛進(jìn)行控制?？刂铺幚韱卧?3可以將得到的方向盤轉(zhuǎn)角作為控制參數(shù)提供給待控制車輛的控制系統(tǒng)，由控制系統(tǒng)對(duì)方向盤進(jìn)行控制，使得待控制車輛的方向盤轉(zhuǎn)動(dòng)相應(yīng)的轉(zhuǎn)角。
[0120]由于很可能在樣本數(shù)據(jù)采集時(shí)會(huì)有覆蓋場(chǎng)景單一的情況，樣本數(shù)據(jù)中缺少航向偏差太大的情況，就可能會(huì)產(chǎn)生車輛在直道上開(kāi)始的角度偏差太大，從而造成在直道上走S路的效果，對(duì)于這樣的情況，控制處理單元13可以判斷得到的方向盤轉(zhuǎn)角是否小于或等于預(yù)設(shè)轉(zhuǎn)角閾值，如果否，則利用方向盤轉(zhuǎn)角對(duì)待控制車輛進(jìn)行控制；如果是，則修正方向盤轉(zhuǎn)角為O。
[0121]由以上描述可以看出，本發(fā)明提供的方法和裝置可以具備以下優(yōu)點(diǎn):
[0122]I)本發(fā)明建立智能車輛控制模型采用機(jī)器學(xué)習(xí)的方式，無(wú)需人工調(diào)參，降低了調(diào)參所產(chǎn)生的人力成本。
[0123]2)經(jīng)過(guò)試驗(yàn)，通過(guò)本發(fā)明實(shí)施例提供的上述方法和裝置，使得對(duì)智能車輛的控制能夠很好的應(yīng)對(duì)不同曲率弧度的彎道，并且在路況信息有限的前提下，對(duì)傳感器的依賴優(yōu)于PID算法。
[0124]在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式。
[0125]所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。
[0126]另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。
[0127]上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能單元存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)或處理器(processor)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括:U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(Read-Only Memory，R0M)、隨機(jī)存取存儲(chǔ)器(Random Access Memory，RAM)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。
[0128]以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。
【主權(quán)項(xiàng)】
1.一種建立智能車輛控制模型的方法，其特征在于，該方法包括: 獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角； 從樣本數(shù)據(jù)中提取車輛狀態(tài)特征和路況特征； 利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到智能車輛控制模型。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述車輛狀態(tài)特征包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合； 所述路況特征包括車輛與參考車道的橫向偏差、車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，該方法還包括: 對(duì)所述智能車輛控制模型進(jìn)行測(cè)試評(píng)估； 利用評(píng)估結(jié)果對(duì)所述智能車輛控制模型進(jìn)行優(yōu)化。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，對(duì)所述智能車輛控制模型進(jìn)行測(cè)試評(píng)估包括: 將所述智能車輛控制模型與車輛模型進(jìn)行仿真對(duì)接，其中，從車輛模型獲取車輛狀態(tài)特征和路況特征并輸入所述智能車輛控制模型，將智能車輛控制模型輸出的方向盤轉(zhuǎn)角輸入所述車輛模型； 仿真多種駕駛環(huán)境進(jìn)行測(cè)試； 將測(cè)試結(jié)果與預(yù)期結(jié)果進(jìn)行比對(duì)。5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述利用評(píng)估結(jié)果對(duì)所述智能車輛控制模型進(jìn)行優(yōu)化包括: 將測(cè)試結(jié)果符合預(yù)期結(jié)果的測(cè)試數(shù)據(jù)作為樣本數(shù)據(jù)，對(duì)所述智能車輛控制模型進(jìn)行迭代優(yōu)化。6.一種智能車輛控制方法，其特征在于，該方法包括: 提取待控制車輛的車輛狀態(tài)特征和路況特征； 將提取的特征輸入智能車輛控制模型，得到方向盤轉(zhuǎn)角； 利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制； 其中所述智能車輛控制模型是利用如權(quán)利要求1至5任一權(quán)項(xiàng)所述的方法建立的。7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述車輛狀態(tài)特征包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合； 所述路況特征包括待控制車輛與參考車道的橫向偏差、待控制車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。8.根據(jù)權(quán)利要求6所述的方法，其特征在于，利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制包括: 判斷所述方向盤轉(zhuǎn)角是否小于或等于預(yù)設(shè)轉(zhuǎn)角閾值，如果否，則利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制;如果是，則修正所述方向盤轉(zhuǎn)角為O。9.一種建立智能車輛控制模型的裝置，其特征在于，該裝置包括: 樣本獲取單元，用于獲取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括各駕駛環(huán)境下對(duì)應(yīng)的方向盤轉(zhuǎn)角； 特征提取單元，用于從樣本數(shù)據(jù)中提取車輛狀態(tài)特征和路況特征； 模型訓(xùn)練單元，用于利用提取的特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到智能車輛控制模型。10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述車輛狀態(tài)特征包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合； 所述路況特征包括車輛與參考車道的橫向偏差、車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。11.根據(jù)權(quán)利要求9所述的裝置，其特征在于，該裝置還包括: 測(cè)試評(píng)估單元，用于對(duì)所述智能車輛控制模型進(jìn)行測(cè)試評(píng)估； 模型優(yōu)化單元，用于利用所述評(píng)估結(jié)果對(duì)所述智能車輛控制模型進(jìn)行優(yōu)化。12.根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述測(cè)試評(píng)估單元，具體用于: 將所述智能車輛控制模型與車輛模型進(jìn)行仿真對(duì)接，其中，從車輛模型獲取車輛狀態(tài)特征和路況特征并輸入所述智能車輛控制模型，將智能車輛控制模型輸出的方向盤轉(zhuǎn)角輸入所述車輛模型； 仿真多種駕駛環(huán)境進(jìn)行測(cè)試； 將測(cè)試結(jié)果與預(yù)期結(jié)果進(jìn)行比對(duì)。13.根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述模型優(yōu)化單元，具體用于將測(cè)試結(jié)果符合預(yù)期結(jié)果的測(cè)試數(shù)據(jù)作為樣本數(shù)據(jù)，觸發(fā)對(duì)所述智能車輛控制模型的迭代優(yōu)化。14.一種智能車輛控制裝置，其特征在于，該裝置包括: 特征提取單元，用于提取待控制車輛的車輛狀態(tài)特征和路況特征； 轉(zhuǎn)角獲取單元，用于將提取的特征輸入智能車輛控制模型，得到方向盤轉(zhuǎn)角； 控制處理單元，用于利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制； 其中所述智能車輛控制模型是利用如權(quán)利要求9至13任一權(quán)項(xiàng)所述的裝置建立的。15.根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述車輛狀態(tài)特征包括橫向速度、縱向速度和橫擺角速度中的一種或任意組合； 所述路況特征包括待控制車輛與參考車道的橫向偏差、待控制車輛航向與參考車道線的航向角偏差和道路曲率中的一種或任意組合。16.根據(jù)權(quán)利要求14所述的裝置，其特征在于，所述控制處理單元，具體用于判斷所述方向盤轉(zhuǎn)角是否小于或等于預(yù)設(shè)轉(zhuǎn)角閾值，如果否，則利用所述方向盤轉(zhuǎn)角對(duì)所述待控制車輛進(jìn)行控制;如果是，則修正所述方向盤轉(zhuǎn)角為O。
【文檔編號(hào)】G05B23/02GK106066644SQ201610439391
【公開(kāi)日】2016年11月2日
【申請(qǐng)日】2016年6月17日 公開(kāi)號(hào)201610439391.6, CN 106066644 A, CN 106066644A, CN 201610439391, CN-A-106066644, CN106066644 A, CN106066644A, CN201610439391, CN201610439391.6
【發(fā)明人】余麗, 張?zhí)炖?
【申請(qǐng)人】百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司