[发明专利]控制车辆的方法、系统和存储介质有效
申请号: | 201780066782.0 | 申请日: | 2017-11-01 |
公开(公告)号: | CN109964188B | 公开(公告)日: | 2022-02-25 |
发明(设计)人: | K·贝恩拓普;刘洺堉;A·维斯 | 申请(专利权)人: | 三菱电机株式会社 |
主分类号: | G05D1/02 | 分类号: | G05D1/02;G06V20/56;G06V10/764;G06N3/04;G06N3/08 |
代理公司: | 北京三友知识产权代理有限公司 11127 | 代理人: | 师玮;黄纶伟 |
地址: | 日本*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 控制 车辆 方法 系统 存储 介质 | ||
1.一种控制车辆的方法,该方法包括:
利用至少一个传感器生成时间系列信号,所述时间系列信号表示所述车辆附近的环境相对于所述车辆的运动的变化;
从存储器中选择神经网络,所述神经网络被训练为将时间系列信号变换成所述车辆的参考轨迹;
将所述时间系列信号提交给所述神经网络,以生成作为时间的函数的参考轨迹,所述参考轨迹满足关于所述车辆的位置的时间约束和空间约束;
确定运动轨迹,所述运动轨迹跟踪所述参考轨迹并同时满足关于所述车辆的运动的约束;以及
控制所述车辆的运动以遵循所述运动轨迹,其中,所述方法的至少一些步骤由在工作上连接至所述存储器和所述传感器的处理器执行;
所述神经网络包括编码子网络和与所述编码子网络同时训练的解码子网络;
所述编码子网络被训练为将所述时间系列信号变换成表示关于所述车辆的运动的约束的信息;并且
所述解码子网络被训练为根据表示关于所述车辆的运动的约束的信息来生成所述参考轨迹;
所述编码子网络和所述解码子网络是递归神经网络。
2.根据权利要求1所述的方法,其中,所述时间系列信号包括所述传感器的测量的衍生物。
3.根据权利要求2所述的方法,其中,训练所述神经网络以接收预定大小的矢量作为输入,所输入的矢量包括表示下述各项的组合的元素:所述时间系列信号、表示所述车辆的当前位置的第一信息、表示所述车辆的目标位置的第二信息以及表示关于所述车辆的所述当前位置的空间约束的第三信息,所述方法还包括:
确定所述车辆的所述当前位置;
从所述存储器中提取所述车辆的所述目标位置和表示关于所述车辆的所述当前位置的所述空间约束的信息;
过滤所述传感器的测量结果以生成所述时间系列信号,使得所述时间系列信号与所述第一信息、所述第二信息以及所述第三信息的组合产生预定大小的矢量;
将所述时间系列信号与所述第一信息、所述第二信息以及所述第三信息组合,以生成预定大小的输入矢量;以及
将所述输入矢量输入到所述神经网络中,以生成所述参考轨迹。
4.根据权利要求3所述的方法,其中,过滤的步骤包括:
合并所述车辆的不同传感器的测量结果并使之同步。
5.根据权利要求1所述的方法,其中,所述存储器存储一组神经网络,所述一组神经网络中的各个神经网络被训练为考虑不同的驾驶方式而将所述时间系列信号映射至所述车辆的参考轨迹,所述方法还包括:
确定控制所述车辆的驾驶方式;以及
从所述存储器中选择与所确定的驾驶方式相对应的神经网络。
6.根据权利要求5所述的方法,其中,所述驾驶方式是基于来自所述车辆的用户的输入来确定的。
7.根据权利要求5所述的方法,其中,所述车辆是半自主驾驶车辆,所述方法还包括:
在按手动模式驾驶所述车辆时,学习所述车辆的驾驶员的所述驾驶方式。
8.根据权利要求1所述的方法,其中,所述编码子网络和所述解码子网络是利用针对不同驾驶模式的仿真数据来训练的。
9.根据权利要求1所述的方法,其中,所述参考轨迹规定了所述车辆的运动的目标,并且其中,所述运动轨迹包括针对所述车辆的致动器的一组命令,以使所述车辆根据所述目标移动。
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三菱电机株式会社,未经三菱电机株式会社许可,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/201780066782.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:用于在工地上区分化控制车辆的装置
- 下一篇:行驶路径管理系统