[发明专利]预测车辆方向角的方法和装置

说明书

本发明公开了一种预测车辆方向角的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：分别对图像数据和惯性测量数据进行特征提取以得到图像数据和惯性测量数据的输出特征；将图像数据的输出特征和惯性测量数据的输出特征进行拼接；对拼接后得到的输出特征进行运算处理以得到预测的车辆方向角。该实施方式能够通过融合图像数据和惯性测量数据来共同进行车辆方向角的预测，从而提升了车辆方向角预测的准确率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种预测车辆方向角的方法和装置。

背景技术

在自动驾驶领域，车辆方向角是一个重要的信息，指的是车辆的方向盘旋转的角度，可直接影响车辆的行驶方向。如果能够准确地预测出车辆的方向角，将对自动驾驶的安全性提升有很大的帮助。

现有的对车辆方向角进行预测的方案大多是利用图像数据来预测车辆的方向角，通过建立图像到方向角的端到端的映射，也就是通过构建一个简单的神经网络，将图像数据作为输入，方向角作为输出，即可实现利用图像数据预测车辆的方向角。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

仅利用图像数据来预测车辆的方向角，数据维度单一，准确率较低。

发明内容

有鉴于此，本发明实施例提供一种预测车辆方向角的方法和装置，能够通过融合图像数据和惯性测量数据来共同进行车辆方向角的预测，从而提升了车辆方向角预测的准确率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种预测车辆方向角的方法。

一种预测车辆方向角的方法，包括：分别对图像数据和惯性测量数据进行特征提取以得到所述图像数据和所述惯性测量数据的输出特征；将所述图像数据的输出特征和所述惯性测量数据的输出特征进行拼接；对拼接后得到的输出特征进行运算处理以得到预测的车辆方向角。

可选地，分别对图像数据和惯性测量数据进行特征提取以得到所述图像数据和所述惯性测量数据的输出特征的步骤包括：使用卷积神经网络对所述图像数据进行特征提取，并将提取到的所述图像数据的特征作为所述图像数据的输出特征；以及，使用深层神经网络对所述惯性测量数据进行特征提取，并将提取到的所述惯性测量数据的特征作为所述惯性测量数据的输出特征。

可选地，分别对图像数据和惯性测量数据进行特征提取以得到所述图像数据和所述惯性测量数据的输出特征的步骤包括：使用卷积神经网络对所述图像数据进行特征提取，然后使用时间递归神经网络对提取到的所述图像数据的特征进行二次特征提取，并将二次特征提取后得到的特征作为所述图像数据的输出特征；以及，使用深层神经网络对所述惯性测量数据进行特征提取，然后使用时间递归神经网络对提取到的所述惯性测量数据的特征进行二次特征提取，并将二次特征提取后得到的特征作为所述惯性测量数据的输出特征。

可选地，所述深层神经网络包括不少于两个隐藏层。

可选地，对拼接后得到的输出特征进行运算处理之前，还包括：通过将拼接后得到的输出特征输入时间递归神经网络，以对所述拼接后得到的输出特征进行二次特征提取，并使用二次特征提取后得到的输出特征来更新所述拼接后得到的输出特征。

可选地，所述时间递归神经网络为长短期记忆网络。

可选地，所述时间递归神经网络的层数为两层。

可选地，对拼接后得到的输出特征进行运算处理以得到预测的车辆方向角的步骤包括：将拼接后得到的输出特征输入全连接层以进行运算处理，并将所述全连接层的输出作为预测的车辆方向角。