[发明专利]用于控制无人驾驶车辆的方法和装置

权利要求书

1.一种用于控制无人驾驶车辆的方法，其特征在于，所述方法包括：

获取无人驾驶车辆的待识别环境图像；

将所述待识别环境图像导入场景识别模型，得到所述待识别环境图像对应的场景类型，其中，所述场景识别模型用于表征待识别环境图像与场景类型之间的对应关系；

根据预设的场景类型与控制指令之间的关联关系，选取并执行控制指令，以控制所述无人驾驶车辆。

2.根据权利要求1所述的方法，其特征在于，所述将所述待识别环境图像导入场景识别模型，得到所述待识别环境图像对应的场景类型，包括：

将获取到的待识别环境图像导入预先训练的第一特征提取模型，得到与所述待识别环境图像对应的待识别特征向量，其中，所述第一特征提取模型用于表征待识别环境图像与特征向量的对应关系；

获取至少两个参考特征向量，其中，参考特征向量与场景类型关联设置；

确定所述特征向量与各个参考特征向量的相似度；

根据所确定的相似度，确定所述待识别环境图像对应的场景类型。

3.根据权利要求2所述的方法，其特征在于，所述至少两个参考特征向量中的参考特征向量，通过以下步骤得到：

获取至少两个参考环境图像，其中，参考环境图像与场景类型关联设置；

对于所述至少两个参考环境图像中的每个参考环境图像，将该参考环境图像导入预先训练的第二特征提取模型，得到与该参考环境图像对应的参考特征向量，其中，所述第二特征提取模型用于表征参考环境图像与参考特征向量的对应关系。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述第二特征提取模型，通过以下步骤训练得到：

获取初始的长短期记忆网络模型和训练集，其中，训练集包括与场景类型关联设置的训练用环境图像；

利用所述训练集，训练所述初始的长短期记忆网络模型，得到所述第二特征提取模型。

5.根据权利要求4所述的方法，其特征在于，所述第一特征提取模型，通过以下步骤训练得到：

获取测试集，其中，测试集包括与场景类型关联设置的测试用环境图像；

将各个测试用环境图像导入所述第二特征提取模型，得到测试用环境图像的第二图像特征向量；

利用所述测试集和得到各个第二图像特征向量，训练初始的长短期记忆网络模型，得到所述第一特征提取模型。

6.根据权利要求5所述的方法，其特征在于，所述利用所述测试集和得到各个第二图像特征向量，训练初始的长短期记忆网络模型，得到所述第一特征提取模型，包括：

将测试用环境图像导入所述第一特征提取模型，得到测试用环境图像的第一图像特征向量；

根据得到第一图像特征向量和测试用环境图像所关联的场景类型，确定所述第一特征提取模型的模型误差；

根据所述模型误差，更新所述第二特征提取模型和所述第一特征提取模型。

7.一种用于控制无人驾驶车辆的装置，其特征在于，所述装置包括：

获取单元，用于获取无人驾驶车辆的待识别环境图像；

确定单元，用于将所述待识别环境图像导入场景识别模型，得到所述待识别环境图像对应的场景类型，其中，所述场景识别模型用于表征待识别环境图像与场景类型之间的对应关系；

执行单元，用于根据预设的场景类型与控制指令之间的关联关系，选取并执行控制指令，以控制所述无人驾驶车辆。

8.根据权利要求7所述的装置，其特征在于，所述确定单元，还用于：

将获取到的待识别环境图像导入预先训练的第一特征提取模型，得到与所述待识别环境图像对应的待识别特征向量，其中，所述第一特征提取模型用于表征待识别环境图像与特征向量的对应关系；

获取至少两个参考特征向量，其中，参考特征向量与场景类型关联设置；

确定所述特征向量与各个参考特征向量的相似度；

根据所确定的相似度，确定所述待识别环境图像对应的场景类型。

9.一种无人驾驶车辆，其特征在于，所述设备包括：

一个或多个处理器；

图像采集装置，用于采集待识别图像；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。