[发明专利]决策规划方法、装置及计算机可读存储介质

说明书

本发明公开了一种决策规划方法，包括：云端接收车载系统群体中的各个车载系统发送的检测信息；所述云端对所述检测信息进行预处理，获得处理后的检测信息；所述云端将处理后的检测信息输入训练好的第一深度学习模型中，生成决策规划信息，其中，所述第一深度学习模型基于已标注检测信息及对应标注的决策规划信息训练得到；所述云端将所述决策规划信息发送至对应的车载系统。本发明还公开了一种决策规划装置、计算机可读存储介质。本发明能够根据需要扩大进行决策规划时环境检测的范围，针对更广的范围的环境信息进行决策规划，获得更加完善合理的决策规划结果。

技术领域

本发明涉及汽车技术领域，尤其涉及一种决策规划方法、装置及计算机可读存储介质。

背景技术

在生活水平逐步提高的同时，人们的工作节奏也在加快，机动车的数量迅速增加，汽车已经成为了家庭用品的刚需产品。在现有技术中，人们在驾驶汽车时，一般通过由驾驶员根据驾驶经验和所处环境或者由车载系统基于自身采集的环境信息来进行行驶的决策规划，在现有技术中，只能针对车辆当前所处位置附近较小范围的采集的环境信息来进行决策规划，决策规划结果具有一定的局限性。

发明内容

本发明的主要目的在于提供一种决策规划方法、装置及计算机可读存储介质，旨在解决现有技术只能针对车辆当前所处位置附近较小范围的采集的环境信息来进行决策规划，决策规划结果具有一定的局限性。的问题。

为实现上述目的，本发明提供一种决策规划方法，所述决策规划方法包括：

云端接收车载系统群体中的各个车载系统发送的检测信息；

所述云端对所述检测信息进行预处理，获得处理后的检测信息；

所述云端将处理后的检测信息输入训练好的第一深度学习模型中，生成决策规划信息，其中，所述第一深度学习模型基于已标注检测信息及对应标注的决策规划信息训练得到；

所述云端将所述决策规划信息发送至对应的车载系统。

优选地，所述深度学习评估模型的训练过程包括：

所述第一深度学习模型的训练过程包括：

所述云端获取多个不同的检测信息，构建用于训练模型的训练集；

所述云端获取用户对各个检测信息标注的决策规划信息；

所述云端将所述训练集中的检测信息作为模型的输入，将对应标注的决策规划信息作为模型的输出，训练得到所述第一深度学习模型。

优选地，所述云端接收车载系统群体中的各个车载系统发送的检测信息的步骤之后包括：

所述云端接收各个车载系统基于驾驶员的驾驶选择发送的决策规划选择信息；

所述云端根据所述选择信息及所述决策规划信息对所述第一深度学习决策模型进行优化，获得第二深度学习模型，以供进行决策规划。

优选地，所述环境检测信息至少包括识别的目标类型信息或识别的目标距离信息。

优选地，所述云端接收车载系统群体中的各个车载系统发送的检测信息的步骤之前包括：

所述车载系统基于利用图像采集设备采集的图像数据识别存在目标的目标信息，并确定各个目标的目标距离；

所述车载系统基于所述目标信息和所述目标距离生成检测信息，并将所述检测信息发送至所述云端。

为实现上述目的，本发明还提供一种决策规划装置，其中，所述决策规划装置至少包括存储器、处理器以及存储在所述存储器上的决策规划程序，所述决策规划程序被所述处理器执行时实现以下步骤：

云端接收车载系统群体中的各个车载系统发送的检测信息；