[发明专利]一种基于意图的计算机深度学习自动导航和驾驶系统及其方法

权利要求书

1.一种基于意图的计算机深度学习自动导航和驾驶方法，其特征在于，包括以下步骤：

S1：顶层路径规划；

S2:意图提取；

S3：底层基于意图的决策。

2.根据权利要求1所述的一种基于意图的计算机深度学习自动导航和驾驶方法，其特征在于，所述顶层路径规划，可以利用任何现有的路径规划策略。路径规划不需要高精度地图，普通的谷歌等地图精度就足够了。具体，用启发式A星路径规划来进行点对点路径计算。其特征在于，路径规划只用于意图提取。

3.根据权利要求1所述的一种基于意图的计算机深度学习自动导航和驾驶方法，其特征在于，所述意图提取，需要预定义意图，对于自动驾驶，意图提取来源于路径规划，基于路径规划，从中提取意图，利用谷歌等地图提供的导航意图。

4.根据权利要求1所述的一种基于意图的计算机深度学习自动导航和驾驶方法，其特征在于，所述底层基于意图的决策，利用深度模仿学习(imitation learning)来学习各种驾驶技能。

5.根据权利要求1所述的一种基于意图的计算机深度学习自动导航和驾驶方法，其特征在于，所述底层基于意图的决策，还包括基于命令的意图，其特征在于，包括下面的步骤：

第一组线：

步骤101，根据谷歌地图、商场平面图等地图工具规划路径。

步骤102，基于路径规划，提取意图，变成适当的运动指标(左转，右转，直行)。

步骤103，通过独热编码后，串联Fully Connected ReLU提升到64维度特征变量。

第二组线：

步骤104，相关设备对视觉图像特征进行处理。

步骤105，视觉反馈通过RestNet50,提取2048维视觉特征。

两条线合并：

步骤106，接下来两条线提取的特征串联为2112维度特征，并连接到Fully connectedlinear到2维控制输出。

步骤107，通过均方差来训练控制，做出控制变量决定(速度和转向角)。

6.根据权利要求1所述的一种基于意图的计算机深度学习自动导航和驾驶方法，其特征在于，所述底层基于意图的决策，还包括基于路径的意图，其特征在于，包括下面的步骤：

第一组线：

步骤201，根据谷歌地图、商场平面图等地图工具规划路径。

步骤202，将规划路径投射到局部地图连接，形成224x224x3的局部彩色地图，数据包含未来路径和历史路径。

步骤203，通过RestNet50提取2048维度意图特征。

第二组线：

步骤204，相关设备对视觉图像特征进行处理。

步骤205，视觉反馈通过RestNet50,提取2048维视觉特征。

两条线合并：

步骤206，接下来两条线提取的特征串联为4096维度特征，并连接到Fully connectedlinear到2维控制输出。

步骤207，通过均方差来训练控制，做出控制变量决定(速度和转向角)。

其中，步骤203中的设备可以和步骤205中的特征提取共享相同ResNet50参数(孪生网络)

7.根据权利要求1所述的一种基于意图的计算机深度学习自动导航和驾驶方法，其特征在于，还包括所有神经网络采用有监督的模仿学习方式来学习技能。为了使车辆能达到我们需求的速度和转向角，利用PID控制来实现。